基于反射光谱的太湖北部叶绿素a浓度定量估算

利用地物光谱仪研究了太湖水体的反射光谱特征与叶绿素a浓度之间的定量关系,结果表明太湖水体的叶绿素a浓度可以用720 nm附近的反射率估算,同时也可以用806 nm和571 nm两个波段的反射率比值来估算,前者建立的估算模型具有较好的通用性,而后者只能较好的估算<10μg/L的叶绿素a浓度;通过对光谱微分的分析,发现叶绿素a浓度与690 nm附近的一阶微分和702 nm附近的二阶微分相关性最好,但基于反射光谱一阶微分的叶绿素a浓度估算模型,并没有显著的提高太湖叶绿素a浓度的估测精度,二阶微分后的估测精度好于一阶微分,但其估测精度仍没有利用720 nm反射光谱的反演模型高．太湖水体的叶绿素a浓度可以利用720 nm附近的反射光谱有效地估算．     

太湖叶绿素a的时空分布特征及其与环境因子的相关关系

2012年3月至2013年2月逐月对太湖水体叶绿素a含量、主要环境因子及不同门类浮游植物密度进行测定,分析太湖叶绿素a含量和不同门类浮游植物密度的时空分布特征,探讨太湖叶绿素a含量和环境因子与不同门类浮游植物密度之间的相关关系并建立逐步回归方程.结果表明:太湖叶绿素a含量全年平均值为22.33±37.65 mg/m³,变幅为0.48~347.85 mg/m³;叶绿素a含量随季节变化明显,夏季最高、秋冬季次之、春季最低;在空间分布上,太湖北部和西北部最高,东部和南部最低.蓝藻门、隐藻门、硅藻门、绿藻门密度随时间呈峰型变化,均在10月份达到最大值,黄藻门、金藻门和裸藻门密度的变化趋势呈"V"型,在春、冬两季出现较大值;不同门类浮游植物密度基本在西北区出现最大值.全湖叶绿素a含量的显著影响因子有总有机碳、亚硝态氮、溶解氧、pH、水温和磷酸盐;lg(Y_Chl.a)与lg(X_TN)呈显著负相关,与lg(X_TP)呈极显著正相关,与lg(X_N/P)呈极显著负相关.太湖叶绿素a含量与蓝藻门、隐藻门、裸藻门与甲藻门密度有显著相关关系.     

太湖梅梁湾藻类及相关环境因子逐步回归统计和蓝藻水华的初步预测

以太湖梅梁湾1992－1999年的连续监测资料为基础,运用多元逐步回归统计方法,选择水温等15项环境理化因素与藻类叶绿素a、藻类总生物量和微囊藻生物量等3项生物因素进行逐步回归分析,找出与生物因素显著相关的环境因子,建立多元逐步回归方程,预测梅梁湾藻类生物量的变化情况,初步进行了梅梁湾蓝藻水华的预测预报,结果显示,水温和总磷为梅梁湾藻类总生物量的显著相关因子,水温、硝态氮和总氮为微囊藻一物量的显著相关因子。     

太湖叶绿素a同化系统敏感性分析

太湖叶绿素a同化系统对于不同参数的敏感性将直接影响到该系统能否精确的估算太湖叶绿素a的浓度分布.利用2009年4月21日环境一号卫星(HJ-1B CCD2)影像数据反演太湖叶绿素a浓度场信息.以此作为背景场信息,结合基于集合均方根滤波的太湖叶绿素a同化系统,分析和评价了样本数目、同化时长、背景场误差、观测误差和模型误差对于同化系统性能的影响.结果表明:从计算成本、系统运行时间和同化效果等方面分析,当集合样本数目达到30~40左右时同化系统取得了较好的结果;同化系统对于背景场误差的估计变化不是很敏感,即初始场的估计是否准确对于同化系统的性能影响不是很大;同化系统对于模型误差和观测误差的变化较为敏感,不同的测试点位由于水体动力学性质不一,其敏感性的表现形式有所差异;利用数据同化方法可以有效地估算太湖叶绿素a浓度.     

应用实测光谱估算千岛湖夏季叶绿素a浓度

依据2010年8月的实测数据构建了千岛湖水体夏季叶绿素a浓度的实测光谱数据估算模型,并进行了验证.利用ASD FieldSpec3野外光谱仪获取高光谱数据,计算水体离水辐亮度和遥感反射率.通过寻找反演水体叶绿素a浓度的高光谱敏感波段,采用单波段相关分析、波段比值、微分光谱、三波段模型、BP人工神经网络等多种算法进行比较分析,结果表明:叶绿素a浓度与单波段光谱反射率的相关性不大;596 nm和489 nm波长处反射率比值、545 nm处光谱一阶微分与叶绿素a浓度均呈较显著相关,估测模型决定系数R2分别为0.782、0.590,RMSE分别为0.89、1.98μg/L;三波段模型的反演结果优于传统的波段比值和一阶微分法,R2为0.838,RMSE为0.71μg/L;神经网络模型大大提高了叶绿素a浓度的反演精度,R2高达0.942,RMSE为0.63μg/L.本研究为今后在千岛湖水域的夏季相邻月份进行叶绿素a浓度大范围遥感反演研究奠定了基础.     

春季巢湖水温和水体叶绿素a浓度的变化关系

根据2007年3-6月的巢湖逐时气象观测资料和水环境监测资料,分析了水体叶绿素a浓度、水温和气温的时间变化规律以及相互之间的关系.结果表明:水温日变化幅度小于气温日变化幅度,多项式拟合决定系数较高,为0.81;水温与水体叶绿素a浓度逐时变化关系不稳定,线性拟合决定系数变化范围为0到0.91,平均为0.35;水温日平均与...     

基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a

内陆水体叶绿素a浓度定量反演是水质遥感的热点与难点.本文基于对内陆水体叶绿素a、悬浮物、溶解有机物与水分子的光谱特征分析,从半分析生物光学模型出发,利用太湖实测的水面 ASD 高光谱遥感数据三波段组合,进行迭代优化,得到与叶绿素浓度密切相关而受悬浮物与黄色物质影响小的最优波段组合模型,反演精度较高,其决定系数和均方根误差分别为 0.8358、3.816mg/m3,该方法可以有效地反演高浓度悬浮物主导光学特性的水体叶绿素a浓度.     

太湖水体叶绿素浓度反演模型适宜性分析

为确定适合太湖水体叶绿素的反演算法,为同类卫星数据的建模和应用提供参考,本文根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型及APPEL模型,分别建立太湖水体叶绿素浓度反演模型,并分析模型的适宜性.结果显示,基于不同传感器数据APPEL模型的决定系数为0.7308~0.8107,模型相对误差为15%~24%,均方根误差为21%~32%;三波段模型基于不同传感器数据拟合的决定系数为0.6014~0.7610,相对误差为28%~36%,相对均方根误差为39%~46%;差值模型决定系数为0.4954~0.7244,相对误差为39%~53%,相对均方根误差为51%~72%;比值模型决定系数为0.4918~0.7098,相对误差为41%~55%,相对均方根误差为56%~75%.相比较而言,APPEL模型的稳定性较强,适合于不同传感器数据的太湖水体叶绿素浓度的反演.此外,相应不同传感器波段位置、波段宽度对模型反演的精度和稳定性的影响也不同,当波段位置接近叶绿素特征波长时,较窄的波宽有利于模型精度的提高,波段位置和叶绿素浓度特征波长相差较大时,合理增加波谱范围有利于叶绿素特征信息的获取.     

2005-2017年北部太湖水体叶绿素a和营养盐变化及影响因素

利用国家生态观测网络太湖湖泊生态系统研究站对北部太湖14个监测点2005-2017年的营养盐和叶绿素a浓度逐月监测数据,分析了北部太湖2005年以来水体营养盐和叶绿素a变化特征,探讨了叶绿素变化的影响因素.结果表明,2015年以来,北部太湖水体叶绿素a浓度呈现显著增高特征,特别是5-7月的蓝藻水华灾害关键期,水体叶绿素a浓度增幅更加明显;营养盐方面,氮、磷对治理的响应完全不同：水体总氮、溶解性总氮、氨氮的降幅很明显,甚至在春末夏初的蓝藻生长旺盛期出现了供给不足的征兆;但水体总磷降幅却不明显,加之蓝藻水华的磷"泵吸作用",近3 a来水体总磷浓度反而有升高趋势,溶解性总磷浓度也无明显下降趋势.不同湖区的营养盐变化也不相同：西北湖区溶解性总氮、溶解性总磷浓度显著高于梅梁湾、贡湖湾和湖心区,而且后3个湖区的水质呈现均一化趋势.统计分析表明,北部太湖水体叶绿素a浓度与颗粒氮、颗粒磷、总磷、高锰酸盐指数均呈显著正相关,与溶解态氮呈负相关;5-7月水华关键期北部太湖水体叶绿素a浓度与上半年（1-6月）逐日水温积温、总降雨量、年平均水位均呈显著正相关关系.从研究结果可以看出,近年来北部太湖水体叶绿素a浓度的波动很大程度上受水文气象因子的影响;2007年以来太湖流域一系列生态修复工程的实施,虽然明显降低了湖泊氮浓度,但由于流域和湖体的氮磷本底较高,磷的缓冲能力大,致使水体营养盐水平仍未降到能显著抑制蓝藻生长的水平,年际之间的水文气象条件差异成为蓝藻水华暴发强度差异的主控因素.为此,仍需加大对太湖流域氮、磷负荷的削减,使湖体氮、磷浓度降低到能显著影响蓝藻生长的水平,才能摆脱水文气象条件对蓝藻水华情势的决定作用.     

吉林查干湖水体叶绿素a含量高光谱模型研究

叶绿素a含量能够在一定程度上反映水质状况,高光谱遥感可有效反演叶绿素a含量.该研究通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,采用单波段相关分析、波段比值、微分光谱和神经网络模型等多种算法建立了叶绿素a高光谱定量模型.结果表明:叶绿素a与单波段光谱在蓝、绿波段相关系数较低,而在红光与近红外波段有明显提高,微分光谱也表现出同样的趋势;反射率比值算法模拟效果好于线性回归法;神经元网络模型可以大大提高实测光谱数据的反演能力,确定性系数高达0.95.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础.     

太湖蓝藻爆发与水温的关系的MODIS遥感

利用MODIS高光谱遥感数据动态监测太湖地区蓝藻水华发展过程,并结合水温环境因子,探讨蓝藻爆发的环境条件.首先,通过简单的比值植被指数,实现蓝藻生物量的遥感估算;根据六期遥感估算结果,监测太湖蓝藻动态发展过程.然后,利用MODIS热红外波段(31和32),采用分裂窗算法,同步反演出的太湖表面水体温度,探讨蓝藻爆发的水温条件,及蓝藻生长与水-温度之间的关系.研究结果表明,在水体富营养化前提下,水体温度是影响蓝藻生长的重要环境因子;合适的水体温度(24-30℃)是蓝藻爆发的必要条件;大于30℃的高温,对蓝藻的生长有明显的抑制作用.     

基于Hyperion数据的太湖水体叶绿素a浓度遥感估算

通过对2004年8月19日太湖Hyperion高光谱遥感数据的处理和分析,文章首先采用比值和一阶微分处理技术进行了叶绿素a浓度的估算．为了弥补此两种方法在模型的适用性和通用性方面的不足,本文尝试了利用混合光谱分析模型进行太湖水体叶绿素a浓度的提取和成图．实验结果说明高光谱遥感数据Hyperion可以进行水体叶绿素a浓度的监测,并且作为高光谱处理技术之一的混合光谱分析技术是水体叶绿素a浓度估算的另一条佳径．     

应用水表面下辐照度比估测太湖夏季水体叶绿素a浓度

利用便携式光谱辐射计,采用一定的观测角度获取水体表面的光谱,进而提取水表面下辐照度比R(0-)信息,分析R(0-)光谱特征与叶绿素a浓度之间的相互关系,结果表明太湖夏季水体叶绿素a浓度与R(0-)光谱曲线762 nm、727nm和496nm处的相关系数较大,分别达到了0.85、0.84、-0.80.通过单波段、波段比值模型分析,认为以R(0-)761、R(0-)762/R(0-)496、R(0-)727/R(0-)496为自变量的二次函数模型是利用水表面下辐照度比R(0-)估算太湖夏季水体中叶绿素a浓度的最佳模型,模型的决定系数R2分别达到了0.923、0.919、0.916,回归估计的标准误差S分别为0.012、0.013、0.013,F检验值分别为101.241、96.576、92.925.利用剩余10个样本对估算模型进行精度和误差检验,结果表明以R(0-)762/R(0-)496为自变量的二次函数模型好于另外两个,对太湖夏季水体叶绿素a浓度估算具有一定的实用性.此外,将光谱微分技术应用到R(0-)信息分析太湖夏季水体叶绿素a浓度,结果不能获得较高的预测精度.     

基于太湖气溶胶类型分区的环境一号卫星CCD大气校正

由两颗卫星组成的环境卫星星座系统所提供的CCD数据具有较高的时间分辨率,使其在内陆湖泊水环境遥感监测中具有较大的应用潜力,对其有效的大气校正方法的研究则是其定量化参数反演的前提.基于准同步的MODIS数据辅助,根据气溶胶的差异性,将太湖划分为北部湖区、其他湖区两块区域,利用辐射传输模型,研究太湖环境一号CCD数据大气校正的方法,并对2009年4月17、21、25日数据进行大气校正.研究结果表明,该大气校正方法直接使用较为成熟的MODIS各类产品,克服了传统大气校正中依赖于现场同步测量大气参数的缺陷,能够快速、有效地完成环境一号CCD数据的大气校正.基于气溶胶类型对太湖进行分区后,所求算的遥感反射率精度高于6S模型和暗像元等大气校正方法得到的结果.     

基于MODIS数据的太湖藻华水体识别模式

针对2007年5月太湖爆发的蓝藻水华事件,利用MODIS植被指数数据对其进行遥感监测.结果表明:MODIS数据可成功提取蓝藻水华信息.近红外/红光波段比值识别模式和植被指数NDVI值、EVI值识别模式均可确定蓝藻分布范围,但前两者不易将高浑浊水体区分开来,或不易识别低蓝藻分布区域,因此易扩大或缩小蓝藻分布范围;而后者由于引入了背景调节参数,可有效抑制背景水体及泥沙的影响,因此根据EVI值得到的蓝藻范围及强度较为真实的反映了藻华情况.该研究可为今后利用遥感技术,建立太湖蓝藻水华监测系统奠定基础.