淀山湖叶绿素a的高光谱遥感监测研究

为实现淀山湖水体叶绿素a的快速监测, 于2006年春季对淀山湖进行了现场光谱测量和同步的采样、实验室分析,通过分析叶绿素a和光谱数据之间的关系,建立了多个基于高光谱数据的叶绿素a浓度的估算模型。结果表明：利用归一化反射率建立的模型中精度最高的是采用708 nm反射率的一元二次模型,R2为0.608;利用R710nm/R667nm反射比建立模型精度得到提高,R2接近0.68;利用695.5 nm一阶微分建立的指数模型精度进一步提高,其R2达到了0.76;分别利用708 nm和667 nm的归一化反射率对数作自变量进行多元回归得到的模型精度最高,R2接近0.8,可以用来实现对叶绿素a的定量估算,实现叶绿素a的快速监测。     

澎溪河回水区水体叶绿素a含量与流速相关关系研究

以三峡库区支流澎溪河回水区为特征区域,研究三峡水库回水区水动力条件对水体富营养化的影响。根据三峡水库的调蓄过程,在175 m高水位、小流量、低污染负荷和145 m低水位、大流量、高污染负荷两种设计条件下模拟澎溪河水体断面平均高锰酸盐指数（CODMn）、总氮（TN）、总磷（TP）浓度和叶绿素a（Chl a）含量。研究表明：澎溪河回水段从上游到下游的CODMn、TN、TP浓度有增加的趋势,在接近河口处有趋同于长江水污染物浓度的趋势。145 m低水位的大流量、高污染负荷设计条件下Chl a含量较高,在弯道下游和河道水面开阔的高阳、双江大桥断面的流速减缓区段,出现Chl a含量峰值。拟合澎溪河水体流速及Chl a含量相关关系,在枯丰两种设计条件下建立水体流速(V)与Chl a含量(S)的相关关系式,分别为S=0186 0〖DK〗·V-0353 6(相关系数r2=0838 0)和S=10844 9〖DK〗·V-0293 9(相关系数r2=0825 4)。模拟结果表明：加大水体流速有利于抑制Chl a含量。通过改变水动力条件控制水体富营养化具有可行性     

运用MODIS数据反演洪湖叶绿素a含量业务可行性分析

洪湖是湖北省最大的湖泊,具有调蓄、灌溉、供水、渔业、物种保护、航运、旅游等多种功能,是长江中下游典型的大型浅水型湖泊。传统的设点监测费力、费时,随着遥感技术和手段的进步,遥感反演洪湖叶绿素a浓度成为技术上可能。利用2005年至2010年6年监测数据与同期MODIS数据进行统计分析,研究业务上进行洪湖叶绿素a含量反演的可能性,结果表明：当叶绿素a含量比较高时,它成为影响湖中NDVI指数的主要因素,当浓度较低时,它与NDVI指数相关性差,表明它不是主要要素;通过分析不同时段两者统计关系结果为：12～2月因藻类浓度比较小,叶绿素a浓度低,加上其它要素干扰湖中NDVI指数,监测数据与同期MODIS数据     

次级河流回水区叶绿素a与影响因子的多元分析——以临江河为例

为了对次级河流回水区富营养化进行深入研究,把长江次级河流之一的临江河回水区为研究对象,根据2007年10月至2008年9月临江河回水区中游叶绿素a含量及其水质理化指标的监测数据,分析了临其叶绿素a浓度的时间分布,对叶绿素a浓度及影响因子进行相关分析,找出与叶绿素a显著相关的环境因子并建立多元逐步回归模型。结果表明：临江河回水区叶绿素a浓度峰值主要集中在5月上旬至9月下旬,变化范围为227～661 mg/m3。临江河回水区叶绿素a浓度变化受多个环境因子共同影响,与水温、流速、透明度、COD、总磷之间显著相关,而与总氮相关性不显著。经过叶绿素a及其影响因子的相关分析,建立了以水温、流速和总磷为自变量,叶绿素a浓度为应变量的逐步线性回归模型,模型初步验证结果表明：多元逐步回归模型可以用来描述临江河回水区叶绿素a浓度的变化。通过对临江河回水区叶绿素a及其影响因子的分析,控制临江河回水区水体中磷含量应是其富营养化防治工作的重点,防治工作应主要在春末和整个夏季,尤其是在5、6月份。     

基于实测光谱分析和MODIS数据鄱阳湖叶绿素a浓度估算

基于遥感的大面积水体监测技术为水环境监测提供了一种有效手段。以鄱阳湖为研究区,以反映水体营养状态的重要指标叶绿素a为研究对象,在测定研究区水体光谱及叶绿素a浓度和收集了相应时间的MODIS数据的基础上,采用浮游藻类指数法（Floating Algae Index,FAI）提取鄱阳湖水体范围,对鄱阳湖水体实测光谱数据进行剔除异常、归一化及光谱微分处理,构建波段差值、比值、归一化差值等光谱指数,利用最小二乘原理迭代分析水体叶绿素光谱响应特征,得出敏感波段范围：673～680 nm与650～665 nm、680～710 nm与650～670 nm、662～671 nm与700～720 nm光谱区间组合。选择最佳通道组合,建立基于MODIS影像的鄱阳湖叶绿素a浓度反演模型,相关系数为067。应用该模型得到2011年秋季鄱阳湖的叶绿素浓度估算值,反演结果显示湖区水体叶绿素浓度总体不高,且在空间分布上湖区水体周边与陆地交界处比湖中心区浓度偏高。分析认为：通过对实测光谱的定量分析,获得对鄱阳湖地区水体叶绿素浓度的光谱特征认识,揭示出其反射光谱的长波漂移现象,为鄱阳湖这一富营养化程度底,且水体分布不均匀区域建立一种叶绿素浓度反演方法,可为该区域长期的水环境管理提供方法借鉴     

阳澄西湖叶绿素a的时空分布及其与环境因子的关系

根据2015年3月~2016年2月对阳澄西湖水体叶绿素a和水质理化因子的逐月监测结果表明,阳澄西湖叶绿素a浓度存在着明显的季节变化,其全年变化范围为11.93μg/L~66.67μg/L,平均值为27.54μg/L±20.34μg/L。最小值出现在2016年1月,最大值出现在2015年8月。叶绿素a在空间分布上也存在着差异,叶绿素a在断面Ⅰ浓度最高,其次是断面Ⅱ和断面Ⅳ,断面Ⅲ最低。根据综合营养状态指数法计算阳澄西湖营养状态,得出综合营养状态指数范围为50.7~59.3,年平均值为55.6,水体总体处于\"轻度富营养\"状态。综合pearson相关系数和逐步回归方程,结果表明叶绿素a与水温呈极显著正相关,与溶解氧呈极显著负相关,与透明度呈极显著负相关。结合生产实践对阳澄西湖总氮(TN)、总磷(TP)和氮磷比(N/P)取对数进行pearson相关性分析并建立一元线性回归方程,结果表明叶绿素a浓度与总氮无相关关系,与总磷呈极显著正相关,与氮磷比呈极显著负相关,阳澄西湖可能是一定程度的磷限制湖泊。     

基于结构方程模型的农户清洁能源应用行为决策研究

推进农户应用清洁能源对于促进农村生态建设至关重要。本文将农户清洁能源应用行为视为是一个"外部情境因素-内部心理因素-农户清洁能源应用行为"的过程,基于环境行为理论和技术接受模型,构建出农户清洁能源应用行为影响因素概念模型。利用江西省农户的调查数据,运用结构方程模型从农户购买行为和使用行为两个维度,研究农户清洁能源应用行为的影响因素,以及这些因素的作用机理。研究表明,情境因素(经济激励政策、自愿活动、宣传教育、清洁能源产品属性)以农户感知为中介,进而正向影响农户清洁能源使用行为,从众心理、行为便利性直接正向影响农户清洁能源使用行为;生态价值观和感知因素在经济激励政策与农户清洁能源购买行为之间起到部分中介效应,行为便利对农户清洁能源购买行为有直接正向影响;相对于经济激励政策,农户自愿活动对提升农户生态价值观会更有效;在影响农户感知的四个情景因素(经济激励政策、自愿活动、宣传教育、清洁能源产品属性)中,自愿活动对农户感知的正向影响程度最大;对农户清洁能源购买行为正向影响程度最大的是经济激励政策,对农户清洁能源使用行为正向影响程度最大的是行为便利性。基于上述结论,提出以下政策建议:政府要扩大清洁能源产品补贴的范围,加大农户购买清洁能源产品的补贴力度,降低农户购买清洁能源产品的成本;加强清洁能源知识、环境保护的宣传教育,提升农村居民的环境责任感,增强农村居民的生态环境价值观;完善农村清洁能源应用服务体系,提升农户应用清洁能源的易用性感知;充分发挥清洁能源示范村的辐射效应,增强农户应用清洁能源有用性感知;引导基层村干部、党员或环保意识强的农户率先应用清洁能源,在从众心理作用下,促使更多的农户应用清洁能源。     

超声波提取-恒波长同步荧光法测定淡水藻中叶绿素a的含量

针对绿藻,采用超声波提取,以荧光激发-发射波长差216nm,建立了同步荧光法测定绿藻叶绿素a含量的新方法,其线性范围为0.02～1.25 mg/L,检出限为1.6ug/L,加标回收率在97.0%～104%之间。与分光光度法测定叶绿素a的对比试验结果表明,两者无显著性差异,但该方法具有快速、灵敏,其他常见色素不干扰测定的优点,能够满足供水中绿藻叶绿素a含量快速检测的需要。     

大宁河叶绿素a的因子分值-多元线性回归预测模型研究

自从2003年三峡水库蓄水以后,其支流大宁河水华频发且频率呈上升趋势。叶绿素a(Chla)是指示水体中浮游植物初级生产力的有效指标。采用因子分值-多元线性回归方法研究了大宁河水体11个相关水质因子与Chl a之间的相关关系。因子分析用于简化水质指标之间的相关性,以因子得分（Score values）为自变量用于多元线性回归分析中。结果发现log（Chla）与6个因子分值明显相关,所获得多元线性回归模型为：log(Chl a)=0.579-0191×(Score 1)-0.013×(Score 2)-0.013×(Score 3)+0042×(Score 4)+0134×(Score 5)-0.059×(Score 6),相关系数 R= 0.731、相关系数的平方 R ²=0535,说明自变量可以解释因变量53.5%的差异性。实测数据验证结果表明：该模型能够较好的预测2010年1～10月水体中Chl a浓度的峰值和基本变化趋势     

基于实测数据与遥感影像的鄱阳湖水体光学分类

鄱阳湖是我国最大的淡水湖泊,受季风气候影响其水体空间动态变化大,且广阔的水域内部差异也较大,因此湖泊水体光学分类对反演湖泊水质参数及监测湖泊水质有着重要意义。以鄱阳湖为研究区,根据实测的反射光谱数据形态特征将鄱阳湖的水体分为4类:特别浑浊、中等浑浊、轻度浑浊和清水区,并分别对每一类结果进行分析。考虑到实测光谱数据局限于湖区某些离散点的情况,不足以观测整个鄱阳湖区域内所有不同水体类型的空间分布和动态变化,从而将该方法利用于遥感影像以便观测整个湖区水体类型。在Landsat OLI遥感影像上任意选取采样点,根据其波谱形态建立基于斜率的分类算法,并应用决策树模型把鄱阳湖水体分为5类:特别浑浊、中等浑浊、轻度浑浊、清水区和特别清澈,影像的分类结果图与实地考察的情况相一致。把模型应用于其他时期的遥感影像进行鄱阳湖水体分类,对比影像的分类结果图表明:2002、2005和2009年鄱阳湖区分别出现3种、4种和4种不同的水体类型,且水体浑浊范围呈现出动态变化。研究表明水体光学类型分类可以更好的监测湖泊水质的时空变异性。     

基于GF-1号遥感影像的武汉市及周边湖泊综合营养状态指数反演

湖泊水体富营养化的监测评价是湖泊水资源管理和水环境保护的基础性工作。基于GF-1号WFV遥感影像和综合营养状态指数法,通过82个站点实测数据建立多元线性回归和RBF神经网络模型,对武汉市及其周边地区主要湖泊综合营养状态指数进行了反演。反演的结果显示,武汉市及周边大部分湖泊水域处于轻度富营养和中营养状态,局部湖区为中度富营养状态。验证结果表明:GF-1号WFV多光谱数据用于监测大面积湖群水质变化是可行的;两种模型都可以建立实测数据与遥感信息的函数关系,根据函数可以反演湖泊水质综合营养状态指数,进而实现大面积湖泊水质动态监测;而RBF神经网络模型预测的R2为0.742 3,均方根误差为3.72,其反演精度更高,更适合于监测内陆湖泊水质变化。     

The Use of Remote Sensing and GIS in the Sustainable Management of Tropical Coastal Ecosystems

The sustainable use and management of important tropical coastal ecosystems (mangrove forests, seagrass beds and coral reefs) cannot be done without understanding the direct and indirect impacts of man. The ecosystem's resilience and recovery capacity following such impacts must be determined. The efficacy of mitigation measures must also be considered. Remote sensing and geographic information systems (GIS) are excellent tools to use in such studies. This paper reviews the state of the art and application of these tools in tropical coastal zones, and illustrates their relevance in sustainable development. It highlights a selected number of remote sensing case-studies on land cover patterns, population structure and dynamics, and stand characteristics from South-East Asia, Africa and South-America, with a particular emphasis on mangroves. It further shows how remote sensing technology and other scientific tools can be integrated in long-term studies, both retrospective and predictive, in order to anticipate degradation and to take mitigating measures at an early stage. The paper also highlights the guidelines for sustainable management that can result from remote sensing and GIS studies, and identifies existent gaps and research priorities.There is a need for more comprehensive approaches that deal with new remote sensing technologies and analysis in a GIS-environment, and that integrate findings collected over longer periods with the aim of prediction. It is also imperative to collect and integrate data from different disciplines. These are essential in the spirit of sustainable development and management, particularly in developing countries, which are often more vulnerable to environmental degradation.     

基于BP神经网络的淮河流域水生态足迹分析与预测

运用水生态足迹理论和计算方法,测算出淮河流域水资源生态足迹和生态承载力,并在此基础上引入5个相关指标对淮河流域及其所属5省份的水资源时空变化进行系统分析,同时,采用具有自学习能力的BP神经网络预测出淮河流域2017～ 2025年的水资源生态足迹、承载力.研究表明:(1)淮河流域水资源生态足迹及承载力呈现总体上升的趋势,水资源生态赤字和生态压力均过大,水资源安全受到巨大威胁.(2)5个省份水资源均处于赤字状态,生态压力指数均大于1,水资源开发利用处于不可持续状态,其中,江苏省负载指数大,水资源开发潜力小,其他4省相对而言易于开发.(3)预测结果表明水资源生态压力较大,水资源大部分时间处于过度开发利用状态,水资源供给量小于流域内部经济发展的需求量,个别年份需要外部水量补充,万元GDP水资源利用率较低,水资源安全处于临界状态.     

鄱阳湖主湖区与碟形湖水位变化及其对水质的影响

水位作为鄱阳湖重要的水文因子,对鄱阳湖水动力过程和水质变化具有重要影响。根据2014~2015年鄱阳湖主湖区和碟形湖水位、水质监测数据,分析了主湖区和碟形湖水位及主要水质指标的年内变化特征,阐述了主湖区和碟形湖水质对水位的响应特征。结果表明:(1)丰水期碟形湖与主湖区联通,碟形湖水位与主湖区水位呈直线型相关,枯水期碟形湖水位高于主湖区,主湖区年内月平均水位变异系数为0.13,而碟形湖年内月平均水位变异系数为0.08;(2)丰水期,主湖区和碟形湖的氮磷比分别为19.29和46.27,枯水期主湖区和碟形湖水体的氮磷比分别为17.88和40.39;(3)鄱阳湖主湖区水质主要指标与水位的相关性显著强于碟形湖,主湖区总氮、氨氮、总磷和溶解氧均与水位呈负相关性,而碟形湖中只有p H与水位有相关性;(4)枯水季节,碟形湖水体具有较高的总氮,而鄱阳湖主湖区则具有较高的总磷和氨氮。总之,枯水期进行合理的水位调控能够有效降低富营养化风险。     

Application of Remote Sensing Detection and GIS in Analysis of Vegetation Pattern Dynamics in the Yellow River Delta

Regional vegetation pattern dynamics has a great impact on ecosystem and climate change. Remote sensing data and geographical information system （GIS） analysis were widely used in the detection of vegetation pattern dynamics. In this study, the Yellow River Delta was selected as the study area. By using 1986, 1993, 1996, 1999 and 2005 remote sensing data as basic information resource, with the support of GIS, a wetland vegetation spatial information dataset was built up. Through selecting the landscape metrics such as class area （CA）, class percent of landscape （PL）, number of patch （NP）, largest patch index （LPI） and mean patch size （MPS） etc., the dynamics of vcgetation pattern was analyzed. The result showed that the change of vegetation pattern is significant from 1986 to 2005. From 1986-1999, the area of the vegetation, the percent of vegetation, LPI and MPS decreased, the NP increased, the vegetation pattern tends to be fragmental. The decrease in vegetation area may well be explained by the fact of the nature environment evolution （Climate change and decrease in Yellow River runoff） and the increase in the population in the Yellow River Delta. However, from 1999 2005, the area of the vegetation, the percent of vegetation, LPI and MPS increased, while the NP decreased. This trend of restoration may be due to the implementation of water resources regulation for the Yellow River Delta since 1999.     

Application of Remote Sensing Detection and GIS in Analysis of Vegetation Pattem Dynamics in the Yellow River Delta

Regional vegetation pattem dynamics has a great im- pact on ecosystem and climate change.Remote sensing data and geographical information system (GIS) analysis were widely used in the detection of vegetation pattern dynamics.In this study,the Yellow River Delta was selected as the study area.By using 1986, 1993,1996,1999 and 2005 remote sensing data as basic informa- tion resource,with the support of GIS,a wetland vegetation spa- tial information dataset was built up.Through selecting the land- scape met...     

白马湖水污染特征及其成因分析

为揭示白马湖水污染特征及其成因,在历史监测数据收集的基础上,于2016年11月初对白马湖25个采样点的水质指标进行了分析。结果表明:近年来白马湖水质波动较大,2010~2014年期间,白马湖水体水质总体处于Ⅳ类;2015年好转为Ⅲ类;2016年又下降为Ⅴ类。白马湖水体富营养化综合指数(TLIc)呈显著增加趋势,由最初的轻度富营养化水平演变到目前的中度富营养化水平(TLIc:66.66)。采样期间,白马湖水体主要以氮污染物为主,其次是磷污染物和耗氧污染物。湖泊水体污染程度依次为:北部湖区东部和中部湖区南部湖区。湖水中总氮(TN)约83%以溶解性总氮(TDN)的形式存在,氨氮(NH+4-N)占TDN的65%,其次是NO3--N(25%);总磷(P)约60%以溶解性总磷(TDP)的形式存在,正磷酸盐(PO3-4-P)占TDP的55%左右。北部湖区TDN/TDP比值最高(50.51±19.16)(p0.05),P是北部湖区藻类生长的限制因子;中部、东部和南部湖区TDN/TDP比值均已适应藻类生长。陆域外源污染源输入是引起白马湖水质空间异质性和水质下降的主要因素,湖内水生植被消亡和水产养殖污染引起的生态功能退化也是造成白马湖水质下降的一个原因。研究可为当下白马湖水质演化研究及水环境治理提供新的理论基础。     

基于遥感生态指数的甬江流域生态环境变化分析

生态环境是人类生存发展的物质基础,城市化进程不断加快带来一系列生态环境问题,遥感技术可以快速、定量地评价生态环境变化.选取2000、2009、2017年Landsat遥感影像提取湿度、绿度、干度、热度4个评价指标,通过主成分分析方法计算遥感生态指数RSEI(Remote Sensing Ecological Index),对17年间甬江流域进行生态环境变化定量分析和动态监测评价.结果 表明:(1)2000～2017年间甬江流域生态环境质量整体上呈下降趋势,2000、2009和2017年的RSEI均值分别为0.724、0.651和0.687, 17年来下降了5.11％.(2)2000～2009年甬江流域生态逐步恶化,而2009 ～ 2017年生态环境质量有所改善;明显变差的面积为1 392.49 km2,约占29.63％,明显好转的面积仅为699.1 km2,仅占14.88％,呈现老城区变好,城市外围地带变差,林地、农田等保持稳定的特点.(3)在4个指标中,绿度指标的影响力较大,受建筑因素作用的热度指标影响力最具潜力,说明生态环境质量下降与不透水面的增加以及绿地景观的消减有关.     

异龙湖沉水植物分布格局与水环境因子相关性研究

异龙湖为中国云南九大高原湖泊之一,是处于草型向藻型湖泊转化节点上的典型高原湖泊,因历史原因,异龙湖东西湖区水环境条件差异较大,可较好的代表云南高原草型及藻型湖泊类型,因此研究异龙湖的沉水植物时空分布与水环境因子关系,对于我国高原湖泊的保护具有重要意义,且自1980年以来异龙湖沉水植物相关研究成果较少,因此,本研究在异龙湖开展为期一周年的水环境因子及沉水植物调查,对沉水植物分布格局及其与水环境因子之间相互关系进行了研究,以期为异龙湖的沉水植物研究留下珍贵的历史资料,并探索异龙湖沉水植物分布格局及其影响因子,为沉水植物恢复提供数据及技术支撑.结果表明:东西湖区沉水植物的群落结构具有显著差异,西湖区小茨藻(Najas minor All.)、狸藻(Utricularia vulgaris L)、轮叶黑藻(Hydrilla verticillata)等为优势种,东湖区篦齿眼子菜(Potamogeton pectinatus L)、狐尾藻(Myriophyllum verticilla-tum L)为优势种,且西湖区沉水植物的生物量及物种丰度显著高于东湖区.通过相关性分析看出水深、透明度、溶解氧是影响异龙湖沉水植物分布的主要环境因子,总氮、总磷、氨氮及pH是次要影响因子,异龙湖在现状条件下恢复沉水植物应针对不同湖区恢复采用不同的恢复策略,选择不同的沉水植物种类开展恢复工作.