应用遥感技术监测和评价太湖水质状况

利用遥感信息和有限的实地监测数据建立了太湖水质参数预测模型 ,该方法可以用于太湖水质污染的预测、分析和评价 ,能够较好地反映水质的空间分布特征 ,尤其适合于大范围水域的快速监测 .研究结果表明 ,利用单波段、多波段因子组合以及主成分分析等手段可以使遥感信息得到更充分的利用 ,从而使预测结果更加精确 .预测结果显示 ,太湖流域已经呈现了严重的富营养化趋势 ,且空间分布不均衡 .东太湖以及靠近无锡和苏州的湖体附近相对污染更为严重 .     

基于GOCI影像的太湖水体漫衰减系数遥感反演

漫衰减系数是水体光学中的一个重要参数.采用2006~2009年的太湖野外实测数据,分析了太湖水体漫衰减系数光谱特性及其影响因子,在此基础上,结合GOCI传感器数据,分别构建漫衰减系数经验模型和半分析模型,寻找适合GOCI影像的太湖漫衰减系数反演模型,并分析太湖水体漫衰减系数的时空变化特征.结果表明:1太湖水体漫衰减系数主要受非色素颗粒物吸收主导,以GOCI第4、5、7波段构建的多元线性模型反演漫衰减系数,效果最好;2太湖水体漫衰减系数值域主要分布在0~15 m-1,大体可以分为3个等级,低值区:0~4 m-1,中值区:4~8 m-1,高值区:8~15 m-1,部分高值区高于15 m-1;3太湖水体漫衰减系数存在一定时空差异性,从空间上来说,太湖水体漫衰减系数呈现一定的梯度性,从东部到西部逐渐变高;从时间上来说,早上太湖漫衰减系数相对较高,从上午到下午,大体上呈现逐渐降低的趋势.     

内陆水体水质监测与评价中的遥感应用

本文综述了水质监测与评价中遥感应用研究的发展与现状。主要讨论了水质遥感监测的原理，遥感手段，常用方法和向种具有水质参数的遥感研究方法与进展，最后提出了此领域的发展方向展望。     

针对太湖蓝藻危机的水质监测

环境监测部门对太湖湖体水质的监测数据显示.蓝藻爆发数月中(2007.5～2007.10)太湖湖体、53个目标断面和11个饮用水源地水体水质情况有恶化现象.应对蓝藻危机情况,监测部门增加了遥感监测、藻密度监测、水质自动监测以及监督监测等项目.     

基于MODIS数据的乌梁素海水体遥感监测

近年来,内蒙古乌梁素海水体富营养化日益严重,致使藻类"黄苔"频繁暴发,对该湖泊的生态系统及湖泊周围地区饮用水安全造成了严重影响。利用遥感技术监测湖泊水体具有时效性强、监测范围广、成本低等优点。本文基于高时间分辨率MODIS数据,对乌梁素海水体进行了遥感监测。利用各个采样点的经纬度提取了各个采样点的反射率,建立了叶绿素浓度的对数反演模型、总氮浓度的多项式反演模型、总磷浓度的多项式反演模型,并将反演出的叶绿素、总氮、总磷值与实测值进行了相关性分析。结果表明,乌梁素海叶绿素、总氮、总磷值的反演值与实测值的相关系数均在0.6以上,说明所建立的反演模型可以较好的反演相应的水质参数。     

无锡市水环境的卫星遥感分析

利用计算机图像处理和多元统计方法处理了无锡市卫星遥感数据,形象直观地显示了无锡市水环境的宏观面貌,较好地反映了无锡水网主干河道的水质空间分布特征。研究表明,卫星遥感技术作为地面监测方法的一种有效补充,可提供丰富的遥感水质信息。     

基于HJ-1卫星的丹江口库区水质遥感监测研究

丹江口水库作为南水北调中线工程的水源地,其水质安全将直接影响到调水工程的成败。利用不同水质具有不同光谱特征的特点,采用遥感技术对水域水质进行大范围、准确、快速监测。根据丹江口库区2011年3月、7月、2013年3月、9月4景HJ1A/B卫星遥感影像,结合同步的地面实测水质数据,采用经验反演模型对丹江口水库叶绿素a浓度、水体悬浮物浓度和水体透明度进行了定量遥感反演研究。结果显示,由于2011年受到长江中下游区域重大旱情影响,汉江入库流量较小,造成丹江口水域面积减少;同年相比,水体叶绿素a浓度枯水期比丰水期高;2013年相比2011年水体叶绿素a浓度略有上升;丹库、汉库入库口的水体悬浮物浓度要高于其他区域,主要由于入库口的水流量较大,水体扰动较强。入库口区域较高的悬浮物浓度造成水体透明度要低于其他区域,丹库水域面积大,有利于悬浮物沉积,因此丹库水体透明度高于汉库。     

利用CDOM吸收系数估算太湖水体表层DOC浓度

溶解有机碳(DOC)是水体中最大的有机碳库,在水体碳循环中起着重要作用.有色溶解有机物(CDOM)是DOC的重要组成部分,其吸光作用改变着水下光场结构,是水色遥感监测的重要因子之一,建立两者的联系为利用遥感技术估算湖泊水体表层DOC浓度提供有效的技术方法.基于2010年5月、2011年1月、2011年3月和2011年5月的太湖4期实验数据(183个采样点),利用CDOM特征波长吸收系数[ag(250)和ag(365)]建立多元线性模型估算太湖水体DOC浓度,同时利用2011年8月29日～9月2日的数据(n=27)对模型进行验证评价,并构建了湖泊水体DOC浓度的遥感反演模式.结果表明,该模型能够有效估算太湖水体的DOC浓度;2011年1月DOC和CDOM的源和汇有较大差异,估算效果较差;其他3期数据的模型估算效果显著(R2=0.64,RMSE=14.31%,n=164),并在201108期数据中得到了验证(R2=0.67,RMSE=10.58%,n=27).模型形式虽具有一定的通用性,但系数在不同的水域中有所差异,模型系数的区域化成为下一步研究的重点.     

滇池水体中叶绿素A含量的遥感定量模型

本研究利用滇池1999年4月14日陆地卫星TM数据与准稿步全湖面监测资料，对滇池全湖水体叶绿素A含量与不同波段遥感值的关系进行了关联度分析，并据此建立了TM图像感叶绿素A水质模型，该模型被成功地应用于滇池水体叶绿素A的遥感动态监测。     

基于机器学习方法的太湖叶绿素a定量遥感研究

为了比较评价人工神经网络和支持向量机2种机器学习算法在水质遥感中的应用能力,本研究首先从基础理论和学习目的入手,对比分析了2种机器学习算法的理论体系;其次,以太湖为例,基于MODIS遥感影像,构建了反演太湖叶绿素a浓度的2种机器学习方法模型,通过对模型的验证、稳定性和鲁棒性分析以及全湖反演结果对比3个方面评价了2种模型的泛化能力.验证结果表明,支持向量机模型对验证样本预测结果的均方差根和平均相对误差分别为5.85和26.5%,而人工神经网络模型的预测结果均方差和平均相对误差则高达13.04和46.8%;稳定性和鲁棒性评价亦说明,以统计学习理论为基础的支持向量机模型具有更加良好的稳定性、鲁棒性,空间泛化能力优于人工神经网络模型;2种机器学习算法对太湖叶绿素a的浓度分布反演结果基本一致,但人工神经网络模型因其学习目标设定和网络构建中的“过学习”等缺陷,造成了对东太湖以及湖心区叶绿素a的反演结果与实际监测结果差异较大.     

艾比湖流域地表水水质指标与水体指数关系研究

传统的水域水质监测手段不仅成本高,而且空间信息有限,难以对相关水域进行全面的监测与评价.利用遥感技术进行水域水质监测可克服这些局限.本文以新疆艾比湖流域为研究对象,结合2015年5月实测水质数据和从准同步Landsat OLI数据上提取的水体指数值,利用空间分析和多元统计方法进行分析.结果发现,水体指数EWI、AWEIsh、Vegetation index(VI)、NDWI、NWI、NEW与水质指标之间的相关性显著(0.55≤r≤0.88).因此,选用以上6种水体指数与水质指标进行回归分析并建立数学关系估算模型,发现模型均方根误差均较低.利用同期实测数据对估算模型进行精度验证,发现验证判定系数高,验证点的相对平均误差偏低,均方根误差偏小.与此同时,利用2015年10月的40个采样点对模型进行二次验证,发现验证的判定系数满足0.22R20.81,模型的均方根误差较低.在估算模型中,总磷(TP)、五日生化需氧量(BOD5)、悬浮物(SS)、pH、色度和浊度两期数据的验证判定系数R2在0.5以上,均方根误差较小.因此,利用艾比湖流域水体指数建立的TP、BOD5、SS、pH、色度和浊度估算模型具有较好的普适性.该研究不仅可以为干旱区湖泊的遥感识别奠定基础,而且可为遥感技术应用于地表水水质指标值的提取提供一定的科学依据.     

利用高光谱反演模型评估太湖水体叶绿素a浓度分布

叶绿素a浓度是评价水体富营养化和初级生产力的一个重要参数,高光谱遥感是获取叶绿素a浓度的有效手段.为建立太湖水域叶绿素a的最佳高光谱估算模型,选取2015年5—7月共计60组同步实测高光谱数据和叶绿素a浓度数据,在地面光谱反射率和叶绿素a浓度相关性分析的基础上,使用2∶1的数据样本进行太湖水域叶绿素a的最佳高光谱估算模型的建立和验证,筛选模型分别为波段比值、三波段、荧光峰位置、峰谷距离、一阶微分、NDCI(Normalized Difference Chlorophyll Index)、峰面积、荧光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.结果表明,建模得到的四波段模型决定系数最高,峰面积模型的决定系数相对最低;四波段模型的反演精度最高,均方根误差(RMSE)为0.00376 mg·L~(-1),平均绝对误差(MAPE)为27.86%,而WCI模型的反演精度相对最低,RMSE为0.01231 mg·L~(-1),MAPE为45.11%.将反演精度最高的四波段模型应用于2015年8月3日的两景HSI(Hyperspectral Imaging Radiometer)高光谱影像数据,也得到较高精度,利用同步实测叶绿素a浓度验证的决定系数为0.7643,RMSE为0.00433 mg·L~(-1),MAPE为45.62%.在春、夏季叶绿素对水体光学特性占主导作用且叶绿素分布均匀的情景下,本研究可为太湖水域叶绿素a的高光谱反演和水环境监测提供有价值的参考,其它季节水体光谱特点的研究尚待进一步开展.     

基于水面反射率光谱分类的太湖藻蓝蛋白浓度反演

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.     

Study on the water quality of the Taihu Lake using genotoxicological methods

ＳｔｕｄｙｏｎｔｈｅｗａｔｅｒｑｕａｌｉｔｙｏｆｔｈｅＴａｉｈｕＬａｋｅｕｓｉｎｇｇｅｎｏｔｏｘｉｃｏｌｏｇｉｃａｌｍｅｔｈｏｄｓＷｕＱｉｎｇｌｏｎｇ，ＣｈｅｎＫａｉｎｉｎｇＮａｎｊｉｎｇＩｎｓｔｉｔｕｔｅｏｆＧｅｏｇｒａｐｈｙａｎｄＬｉｍｎｏｌ...     

应用遥感数据评价蓝藻水华对太湖取水口的影响

为量化蓝藻水华对太湖饮用水取水口的影响,将太湖矢量图进行栅格化,根据权重函数计算像元的权重因子;再将权重因子图与由遥感影像得到的水华分布图进行叠加,对对应像元进行影响因子计算;最后根据像元的影响因子求出归一化影响指数(NII),并以此进行影响评价.通过对2007年5月1~16日太湖MODIS EVI影像进行的实例分析和验证,表明该方法能较好地反映太湖水华对取水口的影响程度,与实际情况符合;在提出的3种权重函数模型中,负指数模型和正态分布模型能较好地反映蓝藻水华对饮用水取水口的影响程度,可以作为影响评价的权重模型.     

湖泊水质参数遥感监测研究进展

湖泊是水圈的重要组成,也是重要的淡水资源之一.湖泊的水环境日益遭到污染,监测湖泊水质动态变化对生态环境保护具有重要意义.遥感技术为湖泊水质监测提供技术支持,克服了人工采样成本低和时效性差的特点,在湖泊水质监测中得到了广泛的应用.通过遥感可以监测的指标包括悬浮物、叶绿素a、有色可溶有机物、溶解氧和透明度等.虽然遥感为湖泊水质监测打开新思路,但是仍然存在问题：(1)遥感接受到的信号受到大气的影响,而大气校正算法不够成熟,需要更精确的大气校正来控制大气影响,消除大气和光照等对水体反射的影响;(2)受季节和空间制约,不同湖泊表面光学特性存在差异以及水中生物光学特性的差异性,利用有限实测数据建立的模型缺乏可移植性;(3)水生植物和外力作用(风力、鱼群等)的干扰,造成实测和模型估测之间的误差,而且数据的同步性难以保证,导致模型可靠性下降;(4)实测数据和遥感数据的时空尺度不匹配,难以捕捉动态精细的水质变化.因此,未来结合多源数据以及其他水文模型,深入研究水体中各组分的光学特性,优化反演算法,发展对实测数据依赖程度低的反演算法,构建可迁移的反演模型,打破模型地域局限,推动湖泊水体污染监测预警业务化发...     

基于EOS/MODIS数据的近10a青海湖遥感监测

选取青海湖周边地区气候资料及青海湖近10 a MODIS遥感资料,通过分析水体面积和水位、 年均气温和年降水量的变化揭示青海湖面积的变化趋势。对青海湖近10 a遥感监测以及青海湖周边地区气候要素的分析研究结果表明:在2001-2010年10 a来青海湖周边地区年平均气温显著增加,平均每年升温0.12℃,年降水量在波动中呈上升趋势。青海湖水位虽然在近50 a内持续下降,而在2001-2010年呈现逐年增加的趋势,且增加趋势非常明显。从MODIS遥感资料对青海湖10 a来4月和9月的湖水面积监测结果显示,4月和9月青海湖面积在2001-2010年呈现波动上升趋势,且与4月和9月的水位呈极显著相关关系,相关系数分别为0.818和0.875(P<0.05)。近年来由于气候变化导致的青海北部一些地区降水量增多或气候变湿,而暖湿型的气候导致的降水量增多最终可能是水位升高的主要原因,且这种气候变湿的趋势使10 a来青海湖面积增大趋势明显。     

Composition analysis of colored dissolved organic matter in Taihu Lake based on three dimension excitation-emission fuorescence matrix and PARAFAC model, and the potential application in water quality monitoring

Taihu Lake is one of the five biggest lakes in China. Surface water samples from 26 sampling sites of Taihu Lake were collected. Furthermore wet chemical analysis (CODCr and BOD5) and measurement of three dimensional excitation-emission matrix (3DEEM) spectra in the laboratory have been conducted. Using parallel factor analysis (PARAFAC) model, three components of colored dissolved organic matter (CDOM) have been identified successfully, based on the analysis of 3DEEM data. The characteristics of the three components also have been described by comparing them to some components of CDOM, identified in earlier researches. Meanwhile, spatial variations of concentration for the three components in Taihu Lake have been analyzed, and the result indicates that the concentration of component 1 depends more on the situation of wastewater pollution and can be used as the indicator of wastewater pollution. The relationship between the concentrations of the three components and results of the wet chemical analysis show that none of the three components can be used as indicators of gross organic matter in water. However, the concentrations of all the three components have obvious linear relationships with the BOD5 value, especially for component 1 (r=0.72878). Finally, the potential applications of the composition analysis based on 3DEEM and PARAFAC model in water quality monitoring have been illuminated.     

太湖内源营养盐负荷状况及其对上覆水水质的影响

以太湖沉积物-上覆水界面为研究对象,于2013年夏季采集46个样点的沉积物柱状样,分析表层沉积物孔隙水中营养盐(正磷酸盐、氨氮、硝氮)的浓度空间分布,估算表层沉积物中磷、氮的扩散通量,明确营养盐在沉积物-水界面的分布规律,以探明内源营养盐负荷对太湖上覆水的污染贡献,并为沉积物-水界面氮磷的转移过程理论补充证据.结果表明:太湖西北部区域的表层沉积物孔隙水中正磷酸盐和硝氮浓度较高,分别达到1.11 mg·L~(-1)和1.25 mg·L~(-1)以上;大部分湖区的氨氮浓度超过2 mg·L~(-1).全湖区范围内,从表层沉积物的上覆水到孔隙水,氨氮含量呈现升高趋势而硝氮含量呈现降低趋势.北部3个湖湾区的沉积物营养盐扩散通量最高,正磷酸盐为2.69~4.60 mg·m~(-2)·d~~(-1),氨氮为17.8~45.7 mg·m-2·d~(-1),而湖岸河口区是沉积物硝氮内源释放显著的区域.沉积物向上覆水释放正磷酸盐和氨氮的年内源污染负荷分别为64.6 t·a~(-1)和1756 t·a~(-1);而上覆水向沉积物汇入硝氮的年负荷为1102 t·a~(-1).氨氮的内源污染负荷与外源污染负荷之比高达18.7%,氨氮、总磷和总氮内源污染为上覆水贡献的浓度分别为0.361、0.013和0.134 mg·L~(-1),表明自由扩散带来的内源负荷会使太湖水中营养盐污染恶化,需引起重视.