高光谱数据在“十一五”期间生态环境状况监测中的应用

高光谱遥感以"图谱合一"等特点在生物多样性监测、土壤退化、植被重金属污染监测、生物量估算等方面都有广泛应用。通过长时间序列高光谱反演数据NDVI和NPP,较好的反映了"十一五"期间新疆生态环境V字型的变化趋势,基本符合5年新疆生态环境变化状况。高光谱数据反演技术是开展生态环境宏观监测的有效手段之一。     

基于HRS和GIS的城市污染场地动态监测原理分析

选择有代表性的城市场地,运用网格法土壤采样,并通过实验室化学分析得出土壤的重金属等污染物质含量,运用地物光谱仪在实验室设定条件下测定土壤反射光谱,应用偏最小二乘法（PLS）建立高光谱遥感（HRS）影像定量反演模型,预测场地土壤中各种污染物的含量,并在遥感影像中直观表示。结果表明,HRS技术能提供大量、连续性的光谱信息;PLS模型为大尺度城市场地污染快速评价与监测提供了可能性;并通过结合G IS技术可实现城市污染场地的动态监测,为城市公共管理提供决策支持。     

基于随机森林与神经网络的高光谱土壤重金属Zn含量反演

在河北省保定市白洋淀区域采集115个土壤样品进行重金属含量分析和室内光谱测量,分别将BP神经网络、随机森林、决策树、多元线性回归、K近邻回归、AdaBoost回归和偏最小二乘回归法应用于全部原始波谱数据和基于双层随机森林选择后的波段数据。结果表明,基于原始波谱数据的土壤重金属Zn元素含量的反演模型精度较低,而通过双层随机森林选择出光谱数据中与土壤重金属Zn信息相关的波段,减轻了网络模型的过拟合问题,提高了模型预测精度;与其他模型比较,结合双层随机森林和BP神经网络构建的反演模型对研究区土壤重金属Zn含量预测效果最佳。     

土壤重金属快速监测技术研究与应用进展

土壤重金属污染已经日益成为社会的主要环境污染问题之一,土壤重金属快速监测技术对于土壤重金属污染的快速有效筛查与监控具有重要意义。介绍了近年来国内外土壤重金属快速监测方法,并阐述了相关土壤重金属快速监测仪器的研究现状。在土壤重金属快速监测领域,X射线荧光光谱技术优势明显,激光诱导击穿光谱技术亦发展迅速,基于免疫学、酶抑制原理的快速监测技术正处于发展阶段。随着快速监测技术理论和方法的不断完善,土壤重金属快速监测仪器朝着高精度、小型化、智能化的方向发展,在区域性土壤重金属含量评估方面的应用将逐步拓展。     

基于光谱分析的重金属污染废水遥感监测方法

以某重金属矿区3个水域（a、b、c）作为研究区,采集Aster卫星传感器的遥感监测数据,再运用分光辐射光谱仪测定标准板与目标水体,计算目标水体的光谱反射率,分析各区域水体遭受重金属污染时的光谱反射特征,实现基于光谱分析的重金属污染废水遥感监测。结果表明：a区域内水体重金属污染程度由深水区向浅水区逐步增强,水体呈现出橙红色;b区域内水体重金属污染程度由浅水区向深水区逐步增强,水体呈现为棕红色;c区域内水体未受到重金属污染,整个区域内水体为铜绿色。该结果与现场采集的各区域水体遭受重金属污染的情况一致。     

江苏省霾污染遥感监测业务化运行研究

从霾污染遥感监测业务化流程出发,选取EOS/MODIS为主要数据源,MODIS气溶胶产品及气象数据为辅,在数据预处理的基础上,利用LM-BP人工神经网络模型算法反演区域大气颗粒物浓度,分析了可获取的遥感监测指标及气象指标对霾污染的贡献率,筛选出可业务化的霾污染遥感评价指标。对2013年1月江苏省2次典型的霾污染进行了星地同步分析,从分析结果来看,霾污染遥感监测结果与地面实测结果基本一致,霾污染遥感监测可以作为地面监测的有效补充,宏观反映区域霾污染空间分布,为大气污染防治提供有力的技术支撑。     

基于遥感影像的木兰溪水质参数反演

水质监测对水环境评价及污染预防至关重要,但地面监测成本高、监测面积有限等,难以满足实时、大范围监测的要求。为了更好地解决该问题,基于遥感影像的空中监测技术越来越得到研究人员的青睐。以木兰溪为研究区,利用和地面监测数据同步的Landsat-8卫星遥感影像数据,对木兰溪的典型水质参数总磷、总氮、溶解氧、高锰酸盐指数的反演问题进行研究。首先,根据Landsat-8的水体敏感波段,分别选取总磷、总氮、溶解氧、高锰酸盐指数的反演特征波段组合为(b1-b2)/(b2+b3),(b1-b2)/(b3-b4),b2/(b1+b4),b1/b2;其次,利用反演特征波段组合分别构建总磷、总氮、溶解氧、高锰酸盐指数浓度的SVR(Support Vector Regression)反演模型,通过IPSO算法对SVR模型的参数进行优选;然后,将IPSO-SVR反演模型和统计回归反演模型、广义回归神经网络(GRNN)反演模型在验证集上进行评估,以平均绝对误差和均方根误差作为评价指标进行对比分析,结果表明IPSO-SVR反演模型的平均绝对误差和均方根误差最小,说明IPSO-SVR反演模型具有较高的精度和较好的实用性...     

浅谈地表水重金属污染监测现状及对策

介绍了重金属污染的现状及危害,并分析了国内外重金属监测现状.阐述当前地表水重金属监测的主要方法和原理,指出地表水重金属监测工作存在的主要问题,并对重金属监测工作提出了对策和建议.     

基于MODIS的烟台近海水体叶绿素浓度分布

利用实测光谱数据及水体叶绿素浓度数据建立了基于MODIS数据的叶绿素反演模型,并利用MODIS L1B数据对研究区的叶绿素浓度进行了反演。通过分析烟台近海水体叶绿素浓度分布得出,烟台近海水体叶绿素浓度由沿岸向海延伸,叶绿素的浓度逐渐增加;通过不同月份的叶绿素浓度分布状况发现,夏季水体叶绿素浓度含量最高,冬季最低。     

水体重金属污染生物监测的研究进展

综述了重金属的毒性效应和水体重金属污染的现状,介绍了利用水生藻类、浮游动物群落和底栖动物监测水体重金属污染的研究进展及发展趋势。     

基于深度全连接网络Himawari-8卫星气溶胶反演研究

利用葵花8(Himawari-8,H8)16个波段数据、卫星、太阳角度数据和深度学习技术,提出一种基于深度全连接网络(Deep Neural Networks,DNN)模型的AOD遥感反演方法(Himawari-DNN).该方法直接建立H8影像本身与AERONET站点AOD数据间的关系,可避免传统AOD遥感反演方法中复...     

北京市2013年1月一次空气重污染过程分析

采用数值模式与观测资料相结合的方式,对北京市2013年1月9～15日一次空气重污染过程的大气环境背景、气象条件和形成原因进行了初步分析。结果表明,此次重污染过程北京市空气质量从9日的二级跳至10日五级重度污染,11日一13日空气质量维持连续3d严重污染,14日降为重度污染,15日转为轻度污染;重污染过程期间10—14日P（PM2.5）平均值为323μg／m。,平均风速为1．47m／s,平均相对湿度为73．6％,24h变温基本为一2．72～2．68℃,24h平均变压为一3．65～2．63hPa。指出,此次重污染过程与当地气象条件密切相关,稳定的大气环流形势为污染的持续提供了大气环流背景,风速较小、湿度较大、边界层较低、持续逆温是造成重污染的主要原因,地面风场辐合及边界层下沉运动是造成重污染的重要原因。     

土壤重金属污染空间插值及其验证方法研究综述

综述了土壤重金属污染空间插值方法研究现状,分析了3类典型的插值方法(确定性插值方法、地统计学插值方法和组合插值方法),以及2种常用的精度验证方法(交叉验证法和独立的数据集验证法)各自的优缺点与适用范围,提出了加强组合插值模型优化与精度提升、利用计算机智能技术优化插值算法模型、开发针对土壤重金属领域的考虑空间插值软数据挖...     

基于双指标多等级的土壤重金属生态风险评价

采用土壤中重金属的全量和有效态双重指标,建立基于多等级综合评估的土壤中重金属生态风险评价模型,将联合概率曲线法引入土壤评价模型,分析重金属暴露浓度与毒性数据的概率分布,考察重金属对土壤生物的毒害程度,从而确定土壤中重金属对于生态系统的风险。建立从简单到复杂的多等级综合评价方法,表征重金属的污染等级、浓度效应、多种重金属污染物的协同效应、不同重金属的毒性效应和土壤对不同重金属污染物的敏感性。选择典型地区采集有代表性的土壤样品,测定不同重金属的总量和有效态,验证评价模型的实用性和评价分级的合理性。旨在解决土壤重金属风险评价的方法学问题,为土壤环境质量管理提供支持。     

基于特征选择和机器学习的阳澄湖叶绿素a遥感反演研究

利用2016-2020年Sentinel-2多光谱遥感影像和同步实测叶绿素a浓度数据,提出了一种基于特征选择和机器学习的叶绿素a遥感反演方法,并应用于阳澄湖.结果表明,特征选择方法在反演模型的自变量选取上具有较好的应用效果,基于此建立的随机森林模型在阳澄湖叶绿素a反演上具有较优的验证精度;2016-2020年阳澄湖叶绿...     

物元分析法在土壤重金属污染评价中的应用

针对实际中的土壤重金属污染状况是渐变的、模糊的,采用物元分析模型法通过建立物元矩阵,引用毒性响应系数对模型中权重的计算方法进行改进,并将改进的物元分析模型对广西环江某受铅锌矿影响的土壤重金属污染状况进行评价分析。结果表明,该区域土壤受重金属污染严重,尤其受Pb、Cd的影响更为严重,此评价结果符合当地的实际情况,同时与潜在生态危害指数评价结果一致,说明物元分析法在土壤重金属污染评价中的应用是合理的,其评价结果具有可靠性。     

基于区间数排序法的农田土壤重金属生态风险分析

将土壤中重金属浓度以区间形式表示,运用土壤重金属生态风险分析模型得出风险区间。为区分风险等级并引入区间数排序法,建立了一种基于不确定性的区间数排序法的土壤重金属污染风险评价模型。运用该模型对不同研究区域土壤重金属生态风险和同一研究区域土壤中不同重金属生态风险进行分析。结果表明,A采样区的风险最大,其区间排序向量为0.275 5,区间向量排序为ABDEC,与内梅罗综合污染指数排序结果一致。区间数排序法考虑到评价过程中的不确定性,避免主观因素的影响。因此,土壤重金属生态风险量化结果更加客观直观,为风险管理提供较为精确的理论依据。