城市黑臭水体的吸收特性分析

黑臭水体是城市水环境的一个严重问题,对城市黑臭水体光学特性进行分析,是利用遥感技术手段进行黑臭识别的前提与基础.2016~2017年采集了长沙、南京和无锡的城市黑臭水体共计85个样点,非黑臭水体共计80个样点,并对水样的悬浮物等水质参数浓度以及水体组分的吸收系数进行了测量.结果表明:(1)黑臭水体的总颗粒物吸收系数、非色素颗粒物吸收系数总体上高于非黑臭水体.(2)黑臭水体与非黑臭水体的CDOM吸收系数有明显的差异.由此可用CDOM吸收特征波段440 nm和不同波段范围内拟合的吸收系数曲线斜率对黑臭水体进行区分.城市黑臭水体吸收特性的分析,将为黑臭水体的遥感识别和监测提供有效的技术支撑.黑臭水体中的高CDOM浓度,可以作为遥感识别黑臭水的一个重要参考.     

基于静止卫星GOCI传感器的大气污染过程AOD监测

针对北京及周边地区2017年11月2~8日的一次污染过程,利用韩国静止卫星COMs1GOCI数据,对北京地区进行AOD监测.AOD反演采用时间序列迭代算法,根据地表反射率随时间慢变而大气气溶胶随时间快变的理论,采取最小值拟合的方式,获取气溶胶光学厚度数据.反演结果与地基AERONET监测结果具有很好的一致性,两者的相关系数R²大于0.89.AOD监测结果表明,GOCI传感器1次/h的监测频率,可以很好地展现北京地区大气污染过程的开始,发展及消散过程,可以展示出一天之内AOD的变化,为大气污染监测以及气候变化研究提供依据.     

呼伦湖水面动态变化遥感监测及气候因素驱动分析

利用长时间序列的MODIS数据,采用水体指数动态分析的方法,对2000~2013年呼伦湖的水体面积进行了动态变化分析,并结合区域气候数据进行了驱动力分析.结果表明:2000~2012年期间,呼伦湖流域水体面积从2286km²减少至1773km²,减少22.4%,主要减少部分分布在湖体东北部和南部;2013年水体面积尤其是南部水域水体面积略有所恢复.呼伦湖主体湖区面积的变化与年均温呈现不显著的负相关关系.     

环境一号卫星在监测大气PM10中的应用

选择京津唐地区作为实验区,从环境一号卫星(HJ-1)的CCD数据出发,利用暗目标法反演陆地气溶胶,然后在对气溶胶光学厚度进行垂直订正和湿度校正的基础上,得到PM10的反演模型,进行PM10的反演实验.并利用中国环境监测总站的地面监测数据对结果进行了检验.结果表明,HJ-1的时空分辨率满足PM10周监测的需要,结果与地面数据有一定的相关性(相关系数为0.58),为提高PM10的反演精度还需结合更多的地面数据进行模型的修正.     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

滇池水体总悬浮物散射系数参数化模型

总悬浮物的散射系数是水体非常重要的固有光学量之一,散射系数的参数化研究,对于水体生物光学模型的构建具有非常重要的意义.2009年9月对滇池水体25个样点进行野外采样,对滇池水体水质参数、悬浮物的吸收、散射特征进行分析,并利用乘幂模型对散射系数进行参数化,分析了模型精度与色素颗粒物吸收之间的关系,进而改进乘幂模型.结果表明,在色素颗粒物吸收较强的波段,普通乘幂模型的平均相对误差为0.08,模型改进后相对误差缩小为0.02;在色素颗粒物吸收较弱的波段,会出现模型的过修正,这主要取决于色素颗粒物的吸收,因此,没有必要对乘幂模型进行修正.     

国内环境遥感监测指标验证方法研究进展

随着经济的快速发展,我国环境问题日益突出,环境治理已刻不容缓。卫星遥感技术的发展,为环境监测提供了有力的技术手段,并在环境监测领域发挥越来越重要的作用,在生态环境、水环境、大气环境等三个环境领域建立了环境遥感监测指标。然而,环境遥感监测指标验证工作相对较少,缺少规范化与标准化,未形成健全的验证体系。综述了目前国内具有代表性的环境监测指标验证方法,总结了验证中存在的问题,就其今后的发展方向,进行了有益的探讨。     

基于环境一号卫星CCD数据的巢湖叶绿素a的动态监测

环境一号卫星CCD数据具有获取周期短、空间分辨率高等特点,能够及时准确地监测叶绿素a的浓度变化和分布,其在内陆湖泊水质遥感监测方面具有良好的应用前景。文章通过星地同步地面实验,建立起巢湖水体的叶绿素a浓度遥感反演模型,利用2009年4月至2010年3月的环境一号卫星CCD数据,分季节对巢湖叶绿素a行动态监测和分析。结果表明,巢湖叶绿素a具有明显的时空分布特征,夏季叶绿素a浓度最高,冬季最低,秋季高于春季;西半湖湖区叶绿素a浓度一般高于东半湖湖区,西北部和中部湖区空间变化比较大,东部湖区变化较小。     

巢湖水华遥感监测与年度统计分析研究

介绍了巢湖蓝藻水华的日常遥感监测方法与流程,开展了基于日常监测的年度统计分析,为水华环境管理提供了科学依据。首先分析了蓝藻水华与正常水体的光谱差异,利用蓝藻水华在近红外波段的"陡坡效应",基于NDVI方法开展水华日常遥感监测。基于日常监测开展水华年度统计分析,获得水华最早发生日期、最晚发生日期、最大发生面积等,并以水华发生频率、水华起始日期和水华持续时间来分析巢湖一年内高发区、发展趋势及持续时间等时空分布规律。研究表明,2010年巢湖水华的高发区域在巢湖西北部水域,水华持续天数最长的区域是巢湖西北和中部部分区域,水华先在西部沿岸聚集,随时间推移向东部和中部扩散,巢湖西南、中部和东南沿岸是最后新增的水华区域。     

北京市高碑店污水处理厂工况遥感监测

通过文献调研和数据搜集构建高碑店污水处理厂的基本信息库,利用GF-1/GF-2等高分辨率卫星遥感数据对2015年高碑店污水处理厂的运行状况进行动态监测。结果表明:GF-1号影像显示2015年2月16日和3月25日污水处理厂均有1个二沉池有藻类分布,疑似未正常投入使用;GF-2号影像显示9月2日污水处理厂有5个二沉池和部分曝气池的廊道有藻类分布,疑似未正常投入使用;3月和9月数据对比发现,西侧的8个污泥消化罐和3个污泥浓缩池均消失。该结果与临近时期的Google Earth影像显示情况相一致。