太湖富营养化控制机理模拟

建立了一个将三维风生湖流模型,水质模型和富营养化模型耦合的数学模型,该模型不仅可以对太湖的风生湖流,总磷、总氮、COD等水质要素进行模拟,还可以模拟藻类在太湖中的生长和消亡情况以及其随风生湖流迁移的规律;在模型中,还考虑了水温、总氮、总磷和太阳辐射等环境生态因子对藻类生长率的影响,并且将模拟结果与1998年太湖的实测资料进行了对比,结果表明:该模型对风生湖流、总磷、总氮的模拟都是切合实际的,以叶绿素a浓度描述的藻类浓度的模拟值也能较好的拟合实测值。     

基于MODIS数据辅助的太湖叶绿素a空间插值应用

通过运用Modis太湖遥感数据反演得到的太湖叶绿素a浓度,利用克里格与加权反距离这2种插值法,首先进行全湖的插值方法的比较和插值样点数的选取;并对太湖8个湖区进行插值点分区研究;最后运用克里格对太湖进行全年不同季节的应用效果评价。结论如下:(1)在插值方法的选取上,克里格法更适合太湖叶绿素a的插值应用,全湖合理的取样数为68个。(2)各湖区蓝藻空间分布相关性由大到小依次为:南部沿岸区>湖心区>贡湖>东部沿岸区>东太湖>西部沿岸区>梅梁湖>竺山湖。(3)对于蓝藻不同生长阶段来说,在蓝藻休眠中后期(12-次年2月)、复苏期(3-4月)、生物量增加前期(4-7月)的预测效果较好;而在蓝藻生物量增加中后期(7-9月),上浮、积聚期到休眠前期(7-12月)预测精度较差。总体来说,冬季、春季插值的效果好于夏季,秋季插值效果最差。     

基于MODIS影像估测太湖蓝藻暴发期藻蓝素含量

利用太湖水体藻蓝素的实测数据,基于蓝藻的光谱特征分析,选择MODIS 250m分辨率的卫星遥感影像,建立了藻蓝素估测模型.研究表明,该模型可以较为准确地识别新生蓝藻水华,辅助提取新生蓝藻水华的覆盖区.在新生蓝藻水华的覆盖区内,藻蓝素的定测估算已经失去实际意义,没有必要讨论估测的精度高低.在新生蓝藻水华的覆盖区外,藻蓝素的遥感估测精度取决于藻蓝素浓度的高低以及藻蓝素与叶绿素的定量关系,即当藻蓝素浓度35μg/L时,平均相对估测误差降至31%;但对于那些藻蓝素的浓度>35μg/L,且藻蓝素浓度与叶绿素a浓度的比值<8的湖区而言,藻蓝素浓度模型的相对估测误差约为29%.     

EOS/MODIS数据在太湖蓝藻水华时空分布规律提取中的应用研究

EOS/MODIS数据非常适合于蓝藻水华的监测.为充分发挥EOS/MODIS数据高时间分辨率以及高光谱的独特优点,在2008年太湖蓝藻预警遥感监刹的基础上,利用MODIS数据开展了蓝藻水华时间和空间分布规律信息的提取方法研究,从蓝藻水华分布频率、分布区域的迁移变化以及基于水质指标反演(以温度为例)的相关性分析等方面系统开展太湖蓝藻水华时空发生规律提取方法研究,为蓝藻应急治理工作提供支持.     

基于光学分类的太湖水体叶绿素a浓度高光谱遥感

利用2006年11月、2008年11月、2010年5月和8月的太湖水体原位观测数据,在对水体进行光学分类的基础上,分别建立了针对各个类别水体的叶绿素a浓度高光谱反演模型.通过对每类水体各个模型的性能比较,结果表明:第一类水体,四波段模型为最优模型;第二类和第三类水体,一阶微分模型均为最优模型.同时,也比较了水体分类前后模型的表现,表明水体分类后模型在精度和稳定性上都有不同程度的提高.本研究结论对光学复杂混浊湖泊水体的水色遥感具有参考意义.     

不同方法估算太湖叶绿素a浓度对比研究

基于2006-01-07～2006-01-09和2006-07-29～2006-08-01太湖地面实测高光谱数据以及同步水质参数数据,对比分析了三波段模型、两波段模型、反射峰位置法、一阶微分法4种方法用于估算太湖叶绿素a浓度的精度,并讨论其应用于遥感影像中估算叶绿素a浓度的可行性. 2次采样3类水色参数总悬浮物、叶绿素a浓度和有色可溶性有机物在440 nm处吸收系数的变化范围分别为12.24～285.20 mg·L^-1、 4.83～155.11 μg·L^-1和0.27～2.36 m^-1.前述4种方法在反演太湖水体的叶绿素a浓度时都取得较高的精度;决定系数分别为：0.813、 0.838、 0.872、 0.819,均方根误差分别为：13.04、 12.12、 13.41、 12.13 μg·L^-1;相对误差分别为：35.5%、 34.9%、 24.6%、 41.8%.反射峰位置法估算精度最高,但应用到叶绿素a浓度遥感影像估算比较困难.三波段模型和两波段模型的反演结果优于传统的一阶微分法,且在卫星遥感反演中具有良好的应用前景.根据模拟MERIS数据,分别得到最优三波段模型［R^-1(665)-R^-1(709)］×R(754)和两波段模型R(709)/R(681),其决定系数、均方根误差、相对误差分别为0.788、 13.87 μg·L^-1、 37.3%和0.815、 12.96 μg·L^-1、 34.8%,反映了MERIS数据能非常好地应用于太湖这类浑浊二类水体叶绿素a浓度的精确估算.     

基于Metropolis准则的BP模型改进及在太湖Chl-a预测中的应用

水体富营养化及藻华暴发已成为湖泊治理中的主要问题,利用历史监测数据,采用BP神经网络对水体中叶绿素a(Chl-a)浓度进行预测,已成为藻华预警的主要手段.但该方法存在迭代速度慢、易陷入局部极值等局限性,导致产生拟合结果不优或预测误差较大等问题.利用Metropolis接受准则的全局寻优能力,将其与BP神经网络相结合构建...     

遥感指数在湖泊叶绿素a反演研究中的应用

借鉴陆地植被指数的算法,利用MODIS数据的波段组合对太湖叶绿素8浓度进行反演。探讨了差值植被指数DVI、比值植被指数RVI、归一化植被指数NDVI这三种遥感指数形式的反演效果及各自特点。MODIS数据蓝光波段和红外波段的组合是反演太湖叶绿素浓度的最佳波段组合,DVI适合于反演叶绿素浓度高的情况,RVI的反演结果两极分化明显而普适性较差,NDVI适合于反演浓度较低的情况。     

基于实测光谱与MODIS数据的太湖悬浮物定量估测

以太湖为研究区域,对太湖水体的水面反射光谱进行实地测试,并取样在实验室进行水质分析;根据光谱分析得到的悬浮物特征波段,估测悬浮物浓度;最后,对比MODIS波段,用最敏感波段及主成分分析法建立悬浮物估测模型.结果表明,576nm附近的反射率峰值、841nm处反射率一阶微分值和808nm附近的反射峰高与悬浮物浓度都有较好的相关性,其中峰高法和一阶微分法对悬浮物浓度的估测精度相当;MODIS波段1与悬浮物浓度相关性最好,经过主成分变化后的第一主成分和第二主成分可以较好地估测悬浮物浓度.因此,可利用MODIS数据对太湖悬浮物进行长期动态监测.     

支持向量机在太湖叶绿素a非线性反演中的应用

根据湖泊监测的特点,采用支持向量机(SVM)方法,反演太湖叶绿素a的浓度分布.将2005年8月太湖29个现场水质监测点数据分为训练测试样本集和验证样本集,利用训练测试样本集以及与其时间同步的MODIS遥感影像,分别构建了4种SVM模型.对比分析表明,直接以波段反射率以及水深信息构成输入向量的SVM模型预测效果最好.利用训练测试样本构建了线性回归模型、主成分分析模型(PCA)以及神经网络模型(ANN),并利用验证数据比较了上述3种模型与SVM模型的预测结果.结果表明ANN模型和SVM模型预测能力明显优于另外2种模型,其中SVM模型对低值和高值均有较好的预测精度,平均相对误差仅为15.91%,预测精度比ANN模型提高了10%.利用SVM模型和ANN模型分别反演了2005年8月15日太湖叶绿素a浓度分布,比较了2种模型反演结果的异同,分析了太湖叶绿素a分布特征及其成因.     

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。     

太湖水域叶绿素a浓度的遥感反演研究

利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型.结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型.第3、第17波段的波长范围分别为459nm～479nm、890nm～920nm,这一波段选择与以往使用TM数据得到的结论有所不同.     

面向GOCI数据的太湖总磷浓度反演及其日内变化研究

总磷浓度是水质评价的一个重要指标,是水体富营养化、蓝藻水华暴发的重要影响因素,遥感技术具有范围广、时效高的优势,利用卫星遥感监测总磷浓度,对于水质和富营养化的研究有着重要意义.利用2013~2014年3次地面实验数据,构建了基于GOCI影像的总磷反演模型,为了检验模型的适用性,选取2014年春、夏、秋、冬各1日GOCI影像,对太湖总磷浓度的日内变化进行分析.结果表明,利用GOCI数据8个波段的波段组合作为变量,进行逐步回归分析所建立的模型具有较高的反演精度,模型的决定系数为0.898,平均绝对误差百分比为14.296%,均方根误差为0.026 mg·L~(-1).同时,利用地面实测样点与同步卫星影像对模型进行了精度分析,2014年8月5日和2014年10月24日同步影像的验证精度分别为:平均绝对误差百分比为33.642%和22.551%,均方根误差为0.076 mg·L~(-1)和0.028 mg·L~(-1).对4个季节中4 d的30幅影像对比分析表明,不同季节总磷浓度的绝对含量存在差异,但是,总磷浓度的时空分布及从早晨到下午的差异性存在相似性.从空间分布上看,梅梁湾、竺山湾、贡湖湾及西南部沿岸小梅港、长兜港总磷浓度长期偏高,各个区域的总磷浓度变化受到风向、风速等因素的影响;从时间变化上看,早上总磷浓度最高,随后逐渐降低,反映了总磷浓度受到温度和光照影响的效果.     

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.     

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MODIS的湖南省农业干旱监测模型

诸多遥感干旱监测指数已被成功应用于中国北方地区,但在南方湿润地区的应用则相对较少。以湖南省为研究区,结合遥感(RS)、地理信息系统(GIS)技术,利用MODIS增强植被状态指数(EVCI)和温度状态指数(TCI)的复合信息,并根据EVCI和TCI对干旱信息的敏感程度不同,赋予不同的权重值,建立干旱状态指数(DCI)遥感监测模型,并将该模型应用于湖南省农作物的旱情监测,得到了湖南省耕地旱情等级的空间分布图。通过与该省97个气象台站同期获取的综合气象干旱指数(CI)的相关分析与验证,表明DCI与CI指数的线性相关显著,EVCI和TCI的权重分别取值0.4和0.6时为最佳组合,并论证了该模型适宜南方地区的干旱监测。     

一种基于MODIS影像反演太湖Ⅱ类水体上空气溶胶参数的算法

基于Ⅱ类水体短波红外（Short-Wave Infrared,SWIR）波段离水反射率为0的假设,提出一种反演Ⅱ类水体上空气溶胶参数的算法（CaseⅡWater Algorithm, C2W）,并与AERONET(Aerosol Robotic Network)太湖站实测数据进行了比较分析.结果表明,反演得到的0.670μm与0.870μm两个波段的气溶胶光学厚度（Aerosol Optical Depth, AOD）与实测值呈现明显的线性关系（R2=0.974、0.971）,在气溶胶光学厚度τ>0.2时不确定性在Δτ=±0.03±0.05τ范围内.11期气溶胶有效半径（Aerosol Effective Radius,AER）数据中,9期的不确定性在±25%范围内,另外两期数据的不确定性在±30%以内.反演精度符合MODIS气溶胶产品的精度要求.