排序方式: 共有50条查询结果,搜索用时 15 毫秒
31.
太湖、巢湖水体CDOM吸收特性和组成的异同 总被引:13,自引:7,他引:6
2009年4、6月,分别对太湖、巢湖进行了野外试验.利用光谱微分技术分析了2个湖泊CDOM吸收光谱的变化特征,根据吸收系数的光谱微分特征,对240~450nm的吸收系数进行分段,分别对每一段计算光谱斜率S值.在A段,巢湖、太湖CDOM的S值分别在:0.0166~0.0102nm-1[平均值(0.0132±0.0017)nm-1]和0.029~0.017nm-1[平均值(0.0214±0.0024)nm-1]之间,在B段,其S值分别在:0.0187~0.0148nm-1[平均值(0.0169±0.001)nm-1]和0.0179~0.0055nm-1[平均值(0.0148±0.002)nm-1]之间,在C段,其S值分别在:0.0208~0.0164nm-1[平均值(0.0186±0.0009)nm-1]和0.0253~0.0161nm-1[平均值(0.0197±0.002)nm-1]之间.结果表明:①太湖水体的吸收系数及对各组分吸收的贡献要小于巢湖水体的,标准化吸收系数要大于巢湖水体的.②不管是太湖还是巢湖,CDOM的吸收系数的微分光谱在260nm左右为谷值,在290nm左右为峰值,CDOM吸收系数可以分成(A、B、C)3段.③太湖水体中CDOM腐殖酸的相对含量整体要低于巢湖水体的.④S值反映CDOM组成的敏感性,与CDOM的组成有关,当CDOM中腐殖酸相对含量较高时,敏感性最强的是B段的S值,其次是C段的;反之,敏感性最高的是C段的,其次是A段的,最弱的是B段的. 相似文献
32.
33.
基于GIS下的太湖水质富营养化模糊综合评价 总被引:27,自引:1,他引:26
在地理信息系统和地统计学的支持下,探讨了模糊数学与层次分析法相结合的方法在水体富营养化评价中的应用.以太湖为研究对象,选取总磷、总氮、叶绿素、化学需氧量、5日生化需氧量、溶解氧和透明度7项指标进行评价.在对研究区域采样数据进行地统计分析后估算出整个区域评价指标的值,在此基础上建立不同指标的隶属度函数,并计算其隶属度;同时根据层次分析法的原理,确定了各项评价指标的权重,最终得到研究区域的综合结果,绘制出富营养化评价图.结果表明:北部、西北部湖区营养水平最高,属重富营养;中部湖区营养程度为中富营养;东南部湖区营养水平最低,属中营养. 相似文献
34.
蓝藻垂向运动的表征对于理解浅水富营养化湖泊中蓝藻水华的形成过程至关重要.本研究以太湖为研究区,通过野外实验观测,分析蓝藻生物量及颗粒物粒径分布的垂向变化特征,结合一维蓝藻平流运动模型,研究在不同扰动强度和群体粒径下的蓝藻垂向运动规律.结果表明,在低风速条件下(风速小于3 m·s-1),太湖水体中蓝藻生物量在垂向上分布不均匀,其垂直分布剖线在水表或水柱某一深度形成峰值.当水华发生时,直径> 75 μm的蓝藻群体主要聚集在水表,其剖线在水下形成不明显的峰值;在水华未发生时,75~175 μm直径范围内的蓝藻群体主要聚集在水深1.2 m处,175~250 μm直径范围内的大粒径蓝藻群体仍聚集在水表.垂向运动模拟表明,直径> 100 μm的蓝藻群体随光照变化在水柱中进行周期性上浮下沉运动,直径< 100 μm的蓝藻群体,由于垂向迁移速度较小,在弱扰动条件下聚集在真光层深度附近.不同粒径蓝藻群体的垂向运动规律不同,导致蓝藻生物量垂直剖线在水表和水下形成两类特征峰. 相似文献
35.
基于高分影像的城市黑臭水体遥感识别:以南京为例 总被引:4,自引:0,他引:4
城市黑臭水体的遥感识别对于黑臭水体的监测、治理有着重要作用.2016年对南京城市河段进行了地面调查,并在沙洲西河、秃尾河、玄武湖、金川河设置了55个样点,采集水样分析水质参数并同步测量水面光谱.在此基础上,利用绿光波段遥感反射率的单波段阈值、蓝、绿波段差值、红、绿波段比值,以及色度值,分别构建了基于GF-2影像的城市黑臭水体遥感识别算法,并分析南京市主城区黑臭水体的空间分布和环境特点.结果表明:(1)和其他类型水体相比,城市黑臭水体遥感反射率最低,在整个可见光范围峰谷不突出,而且在400~550 nm范围光谱斜率最小;(2)采用地面同步调查结果检验,比值算法的识别精度最高,对城市河道黑臭水体的识别更准确;(3)利用比值法对2016年11月3日的GF-2影像进行计算,共提取研究区黑臭河段11条,总长度40.7 km,总面积0.749 km~2.黑臭河段分布具有范围广且不连续的特征,集中分布于各城区人口密集的区域;水体发生黑臭主要受到生活污水、工业废水、断头浜的影响. 相似文献
36.
基于HJ1A-CCD数据的高光谱影像重构研究 总被引:4,自引:2,他引:2
遥感影像高光谱重构可以从较少的光谱波段还原出丰富的高光谱信息,为水环境遥感提供更加适用的数据源,对内陆水体水色遥感具有重要意义.利用2009年6月13日获取的HJ1A-HSI和HJ1A-CCD数据,构建HJ1A-CCD数据的高光谱重构模型,重构结果表明:①与地面实测数据相比,重构数据和HJ1A-HSI数据在660~900 nm波长范围内的平均相对误差分别为0.305 1和0.337 7;②重构影像信息熵和平均梯度都高于HJ1A-HSI影像.此外,分别利用HJ1A-HSI数据和重构数据建立叶绿素a浓度的三波段反演模型,发现重构数据能得到更高的反演精度. 相似文献
37.
基于集合均方根滤波的太湖叶绿素a浓度估算与预测 总被引:1,自引:0,他引:1
叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度. 相似文献
38.
一种基于GOCI数据的叶绿素a浓度三波段估算模型 总被引:6,自引:1,他引:5
以标准三波段算法为基础,构建了适用于GOCI影像数据的叶绿素a浓度三波段估算模型.并以三峡水库、巢湖、洞庭湖和太湖水体的289组实测叶绿素a浓度以及光谱数据作为基础,模拟了GOCI影像和MERIS影像波段,率定了模型参数,并与MERIS三波段算法和目前常用的GOCI波段比值算法进行了对比分析,最终用GOCI影像数据进行了独立数据验证.结果表明:1对目前的数据集,680 nm处和660 nm处的色素颗粒物吸收系数具有相对固定的比例关系,比值为1.351;2 GOCI三波段模型在模型率定中,得到与MERIS三波段模型近似的效果,线性拟合的决定系数为0.809,略低于MERIS三波段模型的0.820,但明显优于GOCI比值模型(0.450),有效避免了GOCI波段比值模型中在叶绿素a浓度低值区出现的"扩散"现象,体现出较好的普适性;3通过验证数据集中平均相对误差和均方根误差两个误差指标的对比,发现GOCI三波段模型误差表现与建模数据一致,与MERIS数据接近,明显优于GOCI波段比值模型;4通过GOCI影像的同步验证,发现GOCI波段比值算法会对太湖叶绿素a浓度产生明显的低估,且难以体现叶绿素a浓度空间变异.GOCI三波段算法效果相对较好.相比于目前常用的波段比值算法,GOCI三波段算法具有更高的稳定性和精度,有较强的应用潜力. 相似文献
39.
基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算 总被引:1,自引:1,他引:0
叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用. 相似文献
40.