首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   11篇
  免费   13篇
综合类   18篇
评价与监测   6篇
  2021年   1篇
  2020年   1篇
  2019年   2篇
  2018年   3篇
  2017年   3篇
  2016年   3篇
  2015年   1篇
  2014年   2篇
  2013年   2篇
  2011年   1篇
  2010年   4篇
  2009年   1篇
排序方式: 共有24条查询结果,搜索用时 15 毫秒
1.
随着遥感数据源的不断丰富,遥感技术不断提高,可以解决越来越多的水环境问题。指出了当前水生态环境管理方面的主要需求,结合目前遥感技术的发展,对国内外的水环境遥感研究进展进行综述。以湖泊富营养化监测与评估、核电站温排水遥感监测及城市黑臭水体遥感监测为案例,具体阐述遥感在水环境管理中的应用方法及成效。未来水生态环境管理发展趋势将以水污染防治为主向水污染防治和水生态修复与保护并重发展。基于此趋势,提出遥感在水生态修复的应用潜力,利于更多地方部门积极有效应用遥感技术,解决水生态环境问题。  相似文献   
2.
选取我国 HJ-1 B卫星红外相机为遥感数据源,在介绍了温排水卫星遥感监测的技术流程和基本原理之后,重点论述了海表温度反演的算法和基准温度提取的基本原则。以2013年1月17日大亚湾核电站和2013年5月22日田湾核电站2景 HJ-1 B红外相机数据为应用实例,说明了卫星遥感监测可作为开展核电站温排水影响监测与热污染评价的首选技术方向和主要监测手段,阐述了其在核电站温排水影响后评估中的作用和意义。  相似文献   
3.
基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演   总被引:7,自引:0,他引:7       下载免费PDF全文
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.  相似文献   
4.
城市黑臭水体的吸收特性分析   总被引:1,自引:1,他引:0       下载免费PDF全文
丁潇蕾  李云梅  吕恒  朱利  温爽  雷少华 《环境科学》2018,39(10):4519-4529
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.  相似文献   
5.
富营养化水体中黑水团的吸收及反射特性分析   总被引:2,自引:2,他引:0       下载免费PDF全文
张思敏  李云梅  王桥  朱利  王旭东  温爽 《环境科学》2016,37(9):3402-3412
对黑水团水体光学特性进行研究,是利用遥感技术监测和评估黑水团事件的前提.针对2015年7月在太湖发生的黑水团现象,采集了太湖黑水团区(区域一)、蓝藻水华区(区域二)、清水区(区域三)共36个水样,对这3个区域的水体遥感反射率以及吸收特性进行对比分析.结果表明:1区域一水体的总颗粒物、色素颗粒物和非色素颗粒物吸收系数比区域二、区域三高出1~2倍,在400~500 nm之间,区域一CDOM吸收系数相比另外两个区域的水体高出2倍左右.导致黑水团区域水体具有很低的遥感反射率,被人眼感知时呈现为黑色;2黑水团区域水体M值低于滇池、巢湖和太湖的M值变化范围,说明黑水团中CDOM的腐殖酸含量较高.此外,叶绿素a浓度与CDOM在350 nm处吸收系数之间具有很好的相关性,表明蓝藻的降解可能是黑水团中CDOM的一个主要来源;3在380 nm之后,黑水团区域的水体总吸收以色素颗粒物占主导,但在短波350~380 nm处,CDOM对总吸收的贡献率高于色素颗粒物和非色素颗粒物.  相似文献   
6.
以巢湖2009—2017年,每年4—10月(共63个月)的地面和遥感监测结果的日平均值作为基础数据,分别对地面和遥感监测指标求月平均值,根据各指标间的相关性,最终确定巢湖水华月平均强度评价的指标为藻密度、月累计水华面积、平均水华面积和大面积次数,对这4个指标分别采用分级赋分的方法进行评分,总评分等于4个指标评分之和,依据总评分的结果,将巢湖水华强度由弱至强分为5个等级。依据该评价方法,巢湖水华强度从4月—9月,基本由弱至强呈上升趋势,中间偶有波动,在9月前后达到峰值,水华强度一般为较强至强。  相似文献   
7.
藻蓝蛋白是蓝藻的标志性色素,利用遥感反演藻蓝蛋白浓度的时空分布对于蓝藻水华监测和预警具有重要意义.太湖水体光学特性时空差异较大,传统的藻蓝蛋白遥感反演方法在太湖各湖区各季节的适用性有限.因此,本文采用先分类再反演的策略,基于水面反射率光谱分类进行太湖藻蓝蛋白浓度反演建模.首先采用逐步迭代的K均值聚类方法实现光谱分类;然后分别利用每一类的训练样本光谱数据建立最适用于该类的藻蓝蛋白反演模型;最后利用每一类的检验样本光谱数据进行反演模型精度评价.为了对比,同时采用不分类的传统方法进行反演建模和精度评价.检验结果表明:基于不分类的传统建模方法得到的均方根误差RMSE=14.14μg·L-1,平均相对误差σ=59.1%,反演结果和实测数据可决系数为0.46;基于光谱分类的建模方法得到RMSE=8.47μg·L-1,σ=31.3%,反演结果和实测数据可决系数为0.87.因此,基于光谱分类的藻类蛋白反演方法有效地提高了反演精度,可以为其它水体的藻蓝蛋白浓度反演提供借鉴.  相似文献   
8.
巢湖水华遥感监测与年度统计分析研究   总被引:3,自引:0,他引:3  
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。  相似文献   
9.
滇池水体总悬浮物散射系数参数化模型   总被引:3,自引:1,他引:2       下载免费PDF全文
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.  相似文献   
10.
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。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号