卫星遥感太湖蓝藻水华分布及其气象影响要素分析

分析2003--2007年太湖蓝藻水华遥感监测信息指出,近年来,太湖蓝藻水华的时空分布具有如下特征:(1)太湖蓝藻水华爆发的频次和覆盖面积有扩大的趋势;(2)蓝藻水华爆发时间范围有从夏、秋季向温度更低的冬、春季发展的趋势;(3)蓝藻水华爆发频次最高的区域以及爆发最严重的区域主要集中在太湖西部和北部.蓝藻水华爆发的影响要素中除了污染物质的分布,还包括各种气象要素.经过地面气象观测资料与卫星观测资料的对比分析,发现温度、风、光照、降水等气象要素都会对蓝藻水华爆发起到一定程度的影响作用.其中温度、光照因素对蓝藻水华爆发起到促进作用,风、降水因素对蓝藻水华爆发起到抑制作用.同时注意到,由于湖泊污染情况正处在不断变化之中,因而各种气象要素对蓝藻水华爆发的影响程度也在发生着变化.     

太湖蓝藻水华形成的适宜气象指标

根据2005—2017年卫星遥感反演的太湖蓝藻水华信息,利用区域气象观测数据分析各类气象因子对太湖蓝藻深水华形成的影响,结果表明:①在日平均气温为0～35℃区间内会出现蓝藻聚集现象,其中最适宜气温区间为15.1～35℃,该区间内累计出现蓝藻水华的面积占比达90%、出现大面积蓝藻水华占比达93%;②在卫星观测到蓝藻前6h,平均风速为0.2～4.8m/s区间内能观测到蓝藻水华,其中最适宜的平均风速区间为0.5～3.4m/s,该区间内蓝藻水华累计出现次数占比达94.7%,大面积蓝藻水华主要出现在平均风速2.0m/s的情况下,占比89%;③降水总体上呈负效应,但在观测到有大面积蓝藻水华的情况下,前24h有小雨(10mm)的情形与总降水次数之比达88%,说明小雨的适度扰动有利于形成大面积蓝藻水华;④日照充足有利于蓝藻生长,但并非蓝藻水华形成的必要条件。在此基础上建立的多元回归综合气象指数模型,拟合结果较好,通过了0.001的显著性检验。     

近地面风场变化对太湖蓝藻暴发影响的数值研究

蓝藻水华是在特定的气象和水文条件下,已成为优势种群的蓝藻群体在水体中发生水平、垂直位置的改变而形成.选取2007年6月24日和9月8日发生的2次蓝藻暴发个例,利用WRFV2模式进行较高分辨率数值模拟,研究了在蓝藻成为优势群体之后的上浮积聚阶段近地面风向风速对蓝藻水华面积变化和活动范围的影响.通过数值模拟结果与EOS/MODIS卫星遥感监测到的蓝藻信息的对比分析发现,蓝藻的活动对湖区近地面风场变化的反应相当迅速,蓝藻大面积暴发过程往往对应着有利的风向风速变化:如风速小、系统性东北风、辐散环流等.研究表明通过对太湖地区各气象要素的高分辨率数值模拟,可以预测蓝藻的暴发和演变情况,为太湖蓝藻暴发的预测预警提供气象依据.     

基于遥感和GIS的中国植被指数变化的驱动因子分析及模型研究

在样带和典型区研究的基础上,采用相关分析和偏相关分析方法,对影响植被指数变化的因子（水、热和地表植被覆盖类型）进行了分析。结果表明：中国植被指数的时空变化极其复杂,虽受水、热和地表植被覆盖类型三个主导因子的影响和控制,但因时和因地而异,三者对植被指数影响和控制的主导地位也因时因地而不同;基于空间上的概念模型Indv=F(x,y,z)只能定性地描述以上三个主导因子时空变化同植被指数的相互关系。     

利用HJ—1卫星多光谱数据监测城市 湖泊蓝藻研究

以2009年8月中旬东湖支湖局部暴发蓝藻为案例,对蓝藻暴发前后三个时期的HJ-1卫星多光谱遥感影像数据进行对比分析,利用比值植被指数(RVI)、归一化植被指数(NDVI)以及增强型植被指数(EVI)三种植被指数对蓝藻信息进行判别提取,通过已验证的样本点率定判别方法阈值,并对三种植被指数精度及判别结果进行比较分析。结果表明,利用HJ-1遥感数据可快速鉴别蓝藻范围及其程度,大气校正突出了蓝藻水体和其他地物光谱差异,EVI方法精度较高,可剔去水质中泥沙等悬浮物的干扰,可作为城市湖泊蓝藻变化检测经验模型。     

基于MODIS资料的太湖蓝藻浓度监测

为反演太湖蓝藻浓度分布,可以根据MODIS卫星资料绘制1、2、6三通道合成图,但该方法只能定性分析太湖蓝藻的分布区域和分布范围,难以定量分析各蓝藻分布区的蓝藻浓度。为了克服这一局限性,本文主要采用MODIS卫星资料中第2、第1波段的反射率比值和第6波段反射率值,运用二维光谱空间函数分割方法,反演出太湖区域蓝藻浓度的分布情况,定量确定各蓝藻分布区域的蓝藻浓度大小。在此基础上再加上实测数据资料的支持,就可建立蓝藻预警系统,对蓝藻的爆发与防治起到未雨绸缪的作用。     

基于TM卫星影像获取北京市水体密度指数与植被覆盖指数的方法

以北京市为研究区域,分析了该区域的TM(Thematic Mapper;专题制图仪)卫星影像特征,探讨了水域、农田、林地、草地、城市用地以及云和云影在TM的7个波段上的光谱可分性,提出了NDCI(Normalized Difference Cloud Index;归一化云指数),分析建立了基于NDCI、NDVI(Normalized Difference Vegetation Index;归一化植被指数)、NDBI(Normalized Difference Built-up Index;归一化建筑指数)、MNDWI(Modified Normalized Difference Water Index;改进型归一化水体指数)和坡度数据的简单决策树模型,对研究区的几类主要地物、云和云影的信息进行了提取,并对结果进行了精度评价.在GIS支持下计算了水域、林地、草地和农田的面积,计算了北京市2005年第3季度的水体密度指数和植被覆盖指数.结果表明:该方法的总体提取效果较好,在分类过程中阈值的选取简单、有效,分类结果能够满足计算水体密度指数和植被覆盖指数的要求,从而将遥感技术运用到生态质量气象评价中去,并取得了较为满意的结果.     

MODIS卫星NDVI时间序列变化在冬小麦面积估算中的应用分析

以陕西小麦主产区关中地区为研究地点,EOS/MODIS卫星数据为主要数据源,借助冬小麦地面定位调查数据和土地覆盖类型图作为辅助信息,计算得到不同覆盖类型的植被指数时序曲线图,找出冬小麦发育期植被指数变化规律,剔除小麦生长季节的非麦区信息,用几个关键期的植被指数变化差值图设定不同阈值,利用GIS空间分析功能得到麦区分布图...     

MODIS遥感监测滇池蓝藻水华分布

以中分辨率的MODIS数据作为遥感影像源,运用蓝藻水华在蓝波段、红波段和近红外波段的光谱特征,使用假彩色合成法（RGB：6-2-1）和归一化植被指数法对滇池的蓝藻水华进行遥感监测。通过星地同步试验,证明了该两种方法的正确性。其中假彩色合成法通过色彩差异表现蓝藻水华,具有视觉效果较好的优点,归一化植被指数法则以数值大小的方式区别水华浓度,该方法建立反演模型后可用于定量研究。     

基于水面实测光谱的太湖蓝藻卫星遥感研究

水体叶绿素a含量和蓝藻密度是评价水质污染的主要参数,对监测水体蓝藻水华有重要意义。该文利用2008年11月10日和11日太湖水面实测光谱及FY-3A/MERSI,AQUA/MODIS卫星的波段响应函数,计算了卫星波段的水体表面等效反射率。水体实测光谱显示蓝藻污染提高了近红外波段的遥感反射率,在蓝光波段和绿光波段有明显的吸收谷和反射峰。根据这一原理,该文建立了近红外和红光波段的比值指数RI模型,成功反演了太湖水体叶绿素a含量(均方根误差分别为0.0174 mg·L~(-1)和0.0188 mg·L~(-1))和蓝藻密度(均方根误差分别为247.21×10~6L~(-1)和275.64×10~6L~(-1))。这一结果为分析太湖水面光学特性、水质污染状况提供了重要依据。     

气象条件对滇池水华分布的影响

使用MODIS卫星资料,利用假彩色合成法和归一化植被指数法对滇池蓝藻水华进行监测,得到滇池水华的分布特征是：初现于5月,7月最盛,5—10月均有分布,盛时滇池水华分布区域直至南部海口一线。滇池水华分布总体北部最多,湖岸高于中心湖区,西岸高于东岸和南岸。在营养盐条件满足的条件下,高温对水华有促进作用,但不是决定因素。充足的日照是水华形成的必要条件。降水通过改变水温及日照对水华有抑制作用。小风（小于3 m/s）利于水华形成,大风对水华尤其是稀薄水华分布影响较大。气象条件通过相互影响,共同作用对水华产生影响。     

4～10月藏北地区地表植被参数的卫星遥感研究

利用MODIS可见光和近红外1~3波段的卫星资料推算得到“全球能量水循环之亚洲季风青藏高原实验”(GAME/Tibet)实验区4~10月季风前后的地表植被参数的变化情况,并将其与NOAA-14 AVHRR卫星资料分析得到的实验区的植被参数进行了比较。同时分析了不同算法在青藏高原的适用性。     

中天山北坡草地生物量估产模型研究

分别对草甸、草原和荒漠3种草地类型进行了生物量的实测工作。根据同步的MODIS与AVHRR资料,应用ENVI软件提取出这两种传感器在3种草地类型上的植被指数：NDVI和RVI。经过统计分析得到两种传感器在3种草地类型上的生物量模型,从而建立起MODIS植被指数与草地生物量的相关关系,并对MODIS和AVHRR植被指数估产模型进行了评价与分析。     

草地植被指数季节变化的遥感动态监测研究

利用EOS/MODIS卫星遥感数据,针对MODIS的应用特点,借鉴国内外基于遥感手段监测植被的方法以及植被指数的研究进展,探讨了草地变化动态监测的方式和方法。以乌鲁木齐地区为研究对象,用植被指数最大合成法,合成了该地区2004年4月至10月每个月的最大植被指数图。同时,利用每月合成的最大植被指数图,以乌鲁木齐南郊天山中段北坡的草地为典型研究区,通过典型区野外实地采样得到与MODIS影像资料时相一致的草地地上生物量数据,并利用ENVI软件提取出典型区各样点的植被指数值,分析了遥感植被指数与植被生物量的相关关系,从而建立起了植被指数在草甸和草原不同季节的生物量估测模型。     

基于MODIS数据的新疆植被分类监测与评价

在基础地理信息的平台上,以土地利用资料为基础制作植被分类底图,以MODIS的植被指数数据为实时更新数据,研究建立了一套植被分类动态监测与评价的方法,对新疆区域植被实现了动态分类监测与评价。     

基于MODIS数据的城市热岛动态监测及时空变化分析

以人口密集、经济快速发展的福建省沿海地区为研究区，在遥感和地理信息系统技术支持下，采用经优选的MODIS遥感数据反演的地表温度，提取城市热岛和植被覆盖信息，对研究区城市热岛进行动态监测和时空变化分析，并对地表温度与植被覆盖的互动关系进行定性与定量分析。结果表明：福建沿海城市热岛面积整体上呈逐年增长趋势，福州和莆田更为明显；城市热岛主要集中在人口密集、工商业发达的区域，同时沿海平原的热岛效应比内陆山区更为显著；地表温度与植被覆盖呈负相关，并且相关系数逐年增长。     

MODIS影像水体监测方法研究进展

水体与植被、城市、土壤等地物在不同波段的光谱反射率的差异是利用遥感手段提取水体信息的基本原理.在水体光谱特征分析的基础上,介绍了MODIS数据特征以及各种水体信息的提取方法,比较了这些方法的优点和不足,并详细描述了各种水体指数的应用效果.水体指数法是目前最受关注的水体识别方法.综合利用各种水体指数和波段特征来提取水体信息,可有效排除其他地物的干扰,显著提高了水体监测的精度,从而为大范围的水资源与水环境动态监测迅速提供可靠的数据.     

基于MODIS的广东省植被指数序列构建与应用

植被指数是衡量植被长势的重要指标,植被指数序列有助于准确地认知植被覆盖、土地利用和土壤水分的时空变化规律,以及进行干旱和植被生长监测.利用2004-2006年的MODIS数据,选择RVI、NDVI和EVI三种植被指数,采用最大值合成法进行广东省植被指数序列构建.按照不同植被覆盖对三种植被指数的年际变化规律进行分析,并通过NDVI进行植被覆盖度计算以及植被覆盖等级分类来分析植被的空间分布.结果表明,建立的植被指数序列能真实地反映植被生长规律,植被覆盖度和广东地区的植被实际分布状况一致.说明建立植被指数序列是动态监测广东省植被长势的及植被环境的变化的有效方法.