MODIS时序影像的福建近岸叶绿素a浓度反演

叶绿素a(Chl-a)浓度是可以直接遥感反演的重要水质参数之一,常用来评价近岸水体的富营养化程度.为有效监测福建近岸水域中的叶绿素a浓度变化,本文利用MODIS时间序列影像数据,采用适用于小样本数据的机器学习方法随机森林(Random Forest, RF)和传统的特征波段比值(Band Ratio, BR)方法,结合时序浮标观测数据,在浮标观测站点有限的情况下,采用\"以时间连续补空间稀疏\"的建模策略,分别对福建近岸不同时相叶绿素a浓度进行遥感反演,并对反演结果进行验证与分析.结果显示RF、BR两种方法反演的均方根误差(RMSE)分别为0.49、0.52μg·L~(-1),平均绝对百分比误差(MAPE)分别为37.50%、50.20%,平均决定系数(R~2)分别为0.87、0.21.可见,基于MODIS时序影像的RF模型可较准确估测福建近岸叶绿素a浓度,且精度优于BR模型.在近岸水环境普遍恶化且浮标观测站点有限的情况下,本研究可提供一种有效监测叶绿素a浓度的方法,有利于福建近岸水环境(如赤潮)的遥感监测.     

基于Landsat 8影像估算新安江水库总悬浮物浓度

总悬浮物(total suspended matter,TSM)直接决定着水下光场分布,进而影响水体的初级生产力,其浓度也是水质和水环境评价的重要参数之一.本研究构建了基于Landsat 8影像数据的较为清洁的新安江水库TSM的遥感估算模型,并给出了该水体TSM浓度的空间分布特征.结果表明,对该水体TSM浓度较为敏感波段为Landsat 8第二、三和八波段,线性相关的决定系数分别为0.37、0.51和0.42.然而,以上任何一个波段都无法单独用于准确地提取该区TSM浓度,而利用以上3个波段构建的多元回归模型能够给出较为准确的估算结果,模型决定系数为0.92,平均相对误差为11%,均方根误差为0.16mg·L-1.新安江水库TSM浓度整体较低,变化范围为0.04~24.54 mg·L-1,平均浓度为2.19 mg·L-1.高浓度部分位于湖的边缘区以及一些湖湾枝杈,如:枫树岭水域、汾口水域、威坪水域、安阳水域、大墅水域、临岐水域等,主要是受入湖河流以及邻近水域采砂活动的影响.因此研究认为利用Landsat 8数据的3个波段,采用多元回归模型能够较好地估算较清洁水体的TSM浓度.     

面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R~2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R~2为0.895,RMSE为1.994 mg·m~(-3),平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R~2为0.709,RMSE为3.540 mg·m~(-3),平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.     

基于TM影像的乌梁素海叶绿素a浓度反演

首先选取预处理后乌梁素海TM影像的单波段及波段组合与实测叶绿素a浓度进行分析,发现相关性很低。然后,结合乌梁素海的水利条件和自身特点,把湖区分为两个区,发现波段组合(TM1+TM2+TM4)/TM3和TM4/TM3与叶绿素a浓度有较高的相关性。最后,选取误差较低的波段组合(TM1+TM2+TM4)/TM3建立线性模型,实时、快速地反演乌梁素海湖区叶绿素a浓度,与实地情况吻合,为乌梁素海"黄苔"预警提供理论依据。     

基于Landsat8影像估算新安江水库光合有效辐射漫射衰减系数

光合有效辐射(photosynthetically active radiation,PAR)是指可以被植物利用并进行光合作用的那部分太阳辐射,其进入湖水后受光学组分(悬浮颗粒、有色可溶性有机物和浮游植物)的吸收和散射作用发生衰减,对湖泊生物的密度和分布具有重要影响.本研究构建了基于Landsat 8影像数据的较为清洁的新安江水库PAR漫衰减系数的遥感估算模型,进而分析其时空分布特征及主要影响因素.结果表明,利用Landsat 8的第二、三和第八波段构建的多元回归模型能够得到较为准确的估算结果,模型决定系数为0.87.利用独立样本对构建的模型验证,预测值和实测值相对误差绝对值均值为9.16%,均方根误差为0.06 m~(-1),由此可见利用Landsat 8数据的3个波段,采用多元回归模型能够较好地估算较清洁水体的PAR漫射衰减系数.基于14景Landsat 8影像发现,新安江水库PAR漫射衰减系数季节差异性明显,秋季(9~11月)和夏季(6~8月)PAR漫射衰减系数较高,分别为(0.82±0.60)m~(-1)和(0.77±0.41)m~(-1),而冬季(12~次年2月)和春季(3~5月)PAR漫射衰减系数相对较低,分别为(0.56±0.50)m~(-1)和(0.40±0.45)m~(-1).新安江水库PAR漫射衰减系数空间差异性显著,全湖PAR漫射衰减系数变化范围为(0.002~13.86)m~(-1),均值为(0.64±0.49)m~(-1).漫射衰减系数的季节变化主要是由季节性降雨和浮游植物季节性生长引起,空间差异性主要由外源河流输入和部分水域采砂过程导致悬浮物浓度变化引起.     

基于Landsat 8的滨海电厂温排水分布研究

基于Landsat 8卫星TIRS10波段进行滨海电厂排水口附近海域的水温反演发现,南埔电厂排水口区域水温与参照区域水温相比,在夏季与冬季均有不同幅度的升高,其中夏季升温幅度小而范围较大,冬季升温幅度大而范围较小;电厂冷却水经排水口排出后,涨潮时向西北侧扩散可至外乌屿以北,落潮时向东南侧运移,受煤码头及导流堤影响,电厂温排水扩散对取水口的影响较小,该遥感反演结果与项目施工前开展的数值模拟结果基本一致。     

利用Himawari-8资料分析京津冀地区冬季雾的空间分布和演变过程

京津冀地区冬季雾霾过程频发,然而确定雾的空间分布一直是难点.本研究利用高分静止卫星Himawari-8 的可见光和红外通道资料,分析 2021 年 11 月 3-5 日一次典型的京津冀地区雾的分布和演变过程.结果表明:①通过 11.2 μm与 3.9 μm通道的亮温差值(-8～-3 K)反演夜间雾的区域分布以及对应的雾顶高度,效果较好.②11 月 3-5 日每天发生的雾,其类型、区域分布和演变过程都呈现不同的特征,3 日清晨的雾为平流雾,覆盖范围为 3 d中最大,几乎涵盖京津冀地区的平原地带;受西南水汽输送影响,北京市以南地区的雾发展较充分、持续时间最长,其中天津市北部的雾甚至在整个白天仍能维持.③11 月 4 日和 5 日清晨均出现呈三角形区域分布的辐射雾,雾区的北缘和西缘分别因太行山和燕山山脉的阻挡形成,雾区南缘受低层风场作用位于天津市-石家庄市一线,呈平直的东北-西南走向,与非雾区界限分明;区域性静稳条件下,城市热岛效应对雾的分布和演变有重要影响.研究显示,京津冀地区冬季雾的分布和演变会受到水汽平流、低层风场、地形、热岛效应等多方面影响.     

天山山区TRMM降水数据的空间降尺度研究

山区降水是干旱区水资源的重要补给源,但由于山区地形复杂、监测困难造成资料缺乏,水文预报的误差较大。近年来,TRMM3B43降水数据得到了大量应用,但受其较低空间分辨率的影响,使得应用精度受到限制。论文以2001—2010年TRMM3B43数据为基础,结合提取的7个数字地形因子（经度、纬度、坡度、坡向、海拔、地形开阔度、地形起伏度）,构建了天山山区年、季的降水主成分-逐步回归降尺度模型。分析结果表明：主成分-逐步回归降尺度模型有效地将TRMM3B43数据的空间分辨率由0.25°×0.25°提高到1 km×1 km。通过站点实测降水数据对比验证,决定系数均在0.85以上,降尺度后的数据精度显著优于原始TRMM3B43数据。该方法对研究干旱区空间降水精细化具有一定参考意义。     

基于MERIS影像的洪泽湖叶绿素a浓度时空变化规律分析

叶绿素a(Chl-a)浓度是衡量藻类生物量及评价水体营养状态的重要指标.基于洪泽湖2016年7月、2016年12月共49个实测水质参数与同步光谱数据,验证了5种可应用于MERIS/OLCI数据的Chl-a遥感估算模型(包括波段比值模型、三波段模型、FLH模型、MCI模型以及UMOC模型)在洪泽湖水域的适用性.结果表明,UMOC模型是最适用于洪泽湖水域的Chl-a浓度估算模型,其平均相对误差为32.30%,低于波段比值模型的75.17%,三波段模型的62.44%,FLH模型的45.87%和MCI模型的56.95%.进而利用UMOC模型,结合MERIS数据,获取了洪泽湖2002~2012年Chl-a浓度遥感估算产品,并分析了洪泽湖Chl-a浓度的时空变化规律.洪泽湖Chl-a浓度具有明显的时空差异性.依据水体像元长时间序列月平均Chl-a浓度的差异,将洪泽湖水体分为了区域A、区域B和区域C这3种类型.区域B和区域C水体无明显的变化趋势,区域A则显著增加.与气象因子的相关性分析表明,区域B和区域C年平均Chl-a的波动主要受年降水量的影响,反映了该2个区域Chl-a浓度的变化主要受湖流强度的控制,区域A年平均Chl-a浓度的变化与年平均风速呈显著负相关性,风速下降的气候大背景可能会加重这一区域的富营养化程度,威胁南水北调的水质安全.此外,在汛期(7~9月)洪泽湖水体Chl-a浓度与离淮河入湖口的距离呈显著的正相关关系,证明了这一时期淮河对洪泽湖藻类浓度具有明显的抑制作用.     

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landsat8数据京沪穗地表热环境评估研究

为了揭示快速城市化地区热环境的特点,以京沪穗为研究区,利用landsat8和GDEM数据,分别对3个城市的热环境进行分析,并对北京市进行下垫面分类,分析了不同下垫面对地表温度的影响,研究了北京市DEM和归一化植被指数与地表温度的关系。结果表明:地表温度与归一化植被指数和海拔高度均表现为明显的负相关关系,R2分别为0.651和0.580。北京、上海和广州均存在不同程度的热岛效应,热岛主要存在于城市建成区,并由市辖区向外辐散。上海市强热岛面积比例最大,广州市强热岛面积比例最小,热环境优劣顺序为广州、北京、上海。     

区域土壤重金属空间分布驱动因子影响力比较案例分析

土壤重金属空间分布受到自然和人为驱动因子的共同影响,识别并评价各驱动因子对土壤重金属空间分布的影响力,对解析区域土壤重金属污染源、研究重金属迁移规律以及探明重金属空间分布模式具有重要意义.为研究不同自然和人类活动背景下各驱动因子对土壤重金属空间分布影响的差异性,并寻找在异质背景下的高影响力因子,采用地理探测器和随机森林模型,以贵州省安顺市作为土壤重金属高背景值典型地区、辽宁省葫芦岛市作为人类活动高强度典型地区,探讨市域尺度下土壤pH、地面累年值年值气温、坡度、海拔、地面累年值年值降水量（08:00）、夜间灯光指数和县GDP这7个驱动因子的空间分异性,及其对研究区内5种重金属（As、Cd、Cr、Hg、Pb）空间分布的单独及交互驱动力强度.结果表明:安顺市As、Cd、Cr、Hg、Pb这5种重金属的质量分数平均值均高于葫芦岛市,但w（Hg）差异不明显;在市域内采样点平均间距为10 km的尺度下,安顺市和葫芦岛市土壤重金属分布受到自然因子的影响程度均强于人为因子;在异质环境背景下,安顺市和葫芦岛市土壤pH、海拔和县GDP的驱动能力较稳定,并且是对土壤重金属分布影响能力最大的3个因子,适宜在上述地区作为土壤重金属含量多元非线性回归模型的通用参数.研究显示,基于地理探测器的因子驱动力评价方法可以应用于评价其他因子对土壤重金属含量空间分布影响力,以及用于土壤重金属含量回归方程自变量的选择.      

太湖苕溪流域氮磷的生物学阈值评估

水体富营养化与氮、磷含量过高密切相关,本研究从悬浮、底栖叶绿素a限值及其与氮、磷的响应关系入手,选择干、支流清晰的太湖苕溪流域作为研究区域,建立河道氮磷阈值评估方法. 90个点位的监测数据表明,苕溪流域总氮污染超标比例高;悬浮叶绿素a与总氮、总磷存在显著相关性,而底栖叶绿素a只与总氮存在显著相关性,与总磷的相关性不显著;根据回归分析、El-Shaarawi经验方程,以及对应的目前公认的悬浮叶绿素a和底栖叶绿素a的限制值(悬浮叶绿素a≤ 5 μg·L^-1,底栖叶绿素≤100 mg·m^-2),苕溪流域干流和支流的总氮阈值相差较大,支流(1.3 mg·L^-1)大于干流(0.9 mg·L^-1),总磷阈值相差不大,约为0.05 mg·L^-1.干、支流有区分的氮磷阈值的限定有利于改善苕溪河流整体水质,对其他类似苕溪、支流较多的河流面源污染控制同样具有借鉴意义.     

生态系统服务时空演化的非线性影响因子——以钱塘江流域为例

为深入探究不同尺度、不同类别影响因素对不同类型生态系统服务的影响程度和复杂关系,本文测定了钱塘江流域7项生态系统服务的时空变化,并通过随机森林模型识别了各单项生态系统服务不同尺度自然环境因素和社会经济因素的影响程度和相对重要性,并评估了主导影响因素的边际效应.结果表明：2010~2017年,各单项生态系统服务在时空变化上具有明显的空间分异特征;不同类型生态系统服务受不同尺度自然环境因素和社会经济因素的共同影响,但其影响程度存在明显差异,格网尺度、自然环境因素的影响相对较大,建设用地、耕地及与其直接相关的社会经济因素的变化改变和塑造着生态系统服务的演化过程;主导影响因素与各单项生态系统服务之间存在复杂的非线性关系,各影响因素指标的变化对各年份生态系统服务具有非平稳的影响,如建设用地增加初期对多项生态系统服务的影响更为复杂和剧烈.     

基于支持向量机的太湖梅梁湾叶绿素a浓度预测模型

以梅梁湾2010年4月至2011年12月的监测数据为基础,选取太阳总辐射、综合消光系数、水温、总无机氮、pH和当前的叶绿素a浓度等作为输入变量,以7d后的叶绿素a浓度作为输出变量,运用支持向量机(SVM)建立了针对\"三号标\"监测点的叶绿素a浓度预测模型,并进行了输入变量的敏感性分析.通过模拟值和实测值的对比分析发现,该模型能较好地预测7d后叶绿素a的浓度变化情况.模型输入变量的敏感性分析结果表明,当前的叶绿素a浓度是影响预测结果的最重要因子,然后依次为pH、太阳总辐射、综合消光系数、水温和总无机氮.     

基于环境一号卫星的太湖叶绿素a浓度提取

综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5~12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.     

大宁河水华期间叶绿素a变化及环境因子相关分析

以大宁河2011年5月水华敏感期的调查数据为基础,运用数理统计分析方法,分析叶绿素a浓度的变化,以及与TP、PH、DO、SD等环境因子的相互关系。结果表明大宁河水华期间叶绿素a存在明显的时间变化,与TP的变化趋势存在明显的一致性。叶绿素a的对数与总磷的对数呈显著正相关,与透明度的对数呈显著负相关,叶绿素a与PH、DO呈显著正相关。     

融合多源时空数据的地下水硫酸盐预测模型

准确预测地下水SO₄^2-空间变化趋势对改善地下水质量、提高区域地下水管理水平具有重要意义.以2011、2014、2017和2020年叶尔羌河流域平原区土地覆盖数据、土壤参数数据、数字高程数据等多源时空数据和地下水p H值为特征变量,分析其与地下水SO₄^2-浓度的相关性,利用贝叶斯优化算法优化随机森林回归,建立BOA-RFR模型,并基于BOA-RFR模型对特征变量进行重要性分析,对模型预测精度进行评价,最后生成地下水SO₄^2-预测图.结果表明,p H值、地面高程（GE）和贡献区荒地（BAR）面积占比作为影响地下水水化学组分的重要参数,与地下水SO₄^2-浓度均呈现极显著负相关,对地下水SO₄^2-浓度预测的重要度均大于25%;地统计插值方法作为空间分布预测建模的辅助手段,加入辅助样本后的BOA-RFR模型,地下水SO₄^2-浓度预测的R²均大于0.96,且多辅助样本构建模型的RMSE和MAE最大值较少样本模型的最小值分别降低了4.7%和23.8%;在地下水SO₄^2-浓度预测中,高SO₄^2-地下水向叶尔羌河流域平原区东北部富集,且面积呈扩张趋势.