基于视频监控图像的环巢湖蓝藻实时动态监测

蓝藻的防控与治理是湖泊水环境、水生态管理的重要内容,实时获取蓝藻的空间分布信息对于降低蓝藻灾害风险具有重要意义.针对地面调查费时费力、卫星遥感监测粒度较粗且时效性不强等问题,本文提出了一种基于视频监控网络的湖泊蓝藻实时监测技术.基于环巢湖视频监控网络的33个功能摄像机,研究如何从视频图像中实时、准确提取蓝藻的分布信息.为克服不同摄像头的观测角度不一致、光照强度和背景条件不一致等诸多挑战,在视频图像蓝藻表征分析的基础上,通过多尺度深度网络进行图像粗粒度分类,区分蓝藻与浑浊、阴影水体;基于随机森林进行蓝藻精细化识别,克服蓝藻的强异质性.最后以渔政站沿岸水域的日均蓝藻覆盖率和月均蓝藻覆盖率为统计单位,开展了巢湖沿岸蓝藻的动态监测.研究成果可为科学制定蓝藻治理方案提供技术支撑.     

适用于多种卫星数据的太湖水体漫衰减系数估算算法

下行漫衰减系数(K_d)是描述水下光场的重要参数,决定水体真光层深度,影响着浮游藻类初级生产力及其分布特征.基于2008—2013年太湖4次大规模野外试验数据,分析太湖水体漫衰减系数特征及其影响因素,建立适用于多种卫星数据且较高精度的太湖水体490 nm处下行漫衰减系数估算模型.结果表明:无机悬浮物是太湖水体漫衰减系数的主要影响因素;红绿波段比值(674 nm/555 nm)最适合于太湖K_d(490)估算,模型反演精度较高(N=72,R~2=0.72,RMSE=0.89 m~(-1),MAPE=21.58%);利用实测光谱数据,模拟得到MODIS/EOS、OLCI/Sentinel-3、GOCI/COMS和MSI/Sentinel-2等主要传感器波段的信号,构建适用于多种卫星传感器K_d(490)估算的红绿波段模型,建模精度较高(N=72,R~20.7,RMSE0.9 m~(-1),MAPE22.0%),且进行了验证(N=37,R~20.7,RMSE0.9 m~(-1),MAPE22.0%).     

大型浅水湖泊水体对流混合速率分析

湖泊水体的对流混合是最基本的物理过程,其能显著影响湖泊生态系统温室气体等循环,但浅水湖泊水体对流混合的研究鲜有报道.本研究基于太湖(面积2400 km2,平均水深1.9 m)中尺度通量网的原位、高频、连续和多点的观测数据,分析该大型浅水湖泊水体对流混合速率w*的时空特征.结果表明太湖水体w*的均值为2.49 mm/s,因太湖的风速、水温和辐射等物理参数无空间变化,w*也无明显的空间变化.但是研究表明w*呈现显著的昼夜变化和季节变化,且昼夜变化幅度强于季节变化.总体上夜间w*是白天的4倍多,冬季w*(均值1.79 mm/s)明显低于春季(均值2.42 mm/s)、夏季(均值2.91 mm/s)和秋季(均值2.82 mm/s).太湖w*主要受风速和能量收支影响,白天风速是主要驱动因子,夜晚能量收支是主要驱动因子.     

太湖沿岸水体CDOM吸收光谱特性

有色可溶性有机物(CDOM)吸收光谱特性研究对于水色定量遥感反演具有重要作用.通过2007年6月10日至6月18日太湖沿岸68个CDOM吸收光谱曲线和水质参数实测数据,分析了CDOM吸收光谱曲线特征以及ag(440)、Sg值及其相关关系等,结果表明:太湖沿岸水体CDOM吸收光谱曲线表现为两种类型,贡湖湾CDOM吸收系数明显高于太湖其他沿岸水域,ag(440)最高值即出现在贡湖湾;同时,梅梁湾、贡湖湾、镇湖湾、光富湾等ag(440)高于沿岸水体平均值,而南部3个湖湾皆低于平均值.另外,贡湖湾Sg值较小,且与ag(440)呈现出较好的关系;而沿岸其它水体Sg值与ag(440)虽然呈现负相关,但关系不明显.这对于了解太湖水体CDOM特件以及定量反演有一定的意义和作用.     

湖泊遥感研究进展与展望

湖泊遥感作为一门新型交叉学科,是湖泊科学和遥感科学的重要分支.本文探讨了湖泊遥感科学的研究对象、内容和方法,通过梳理国内外总体研究进展,总结出湖泊遥感的5个发展趋势:(1)关注问题,从兴趣导向发展到问题导向;(2)观测手段,从地基遥感/中分辨率卫星发展到高分辨率/高光谱/无人机;(3)算法算力,从单机版经验/机理模型发...     

基于WebGIS的中国湿地信息系统研究

湿地被称为“地球之肾”，具有独特的生态结构与功能。中国湿地面积约占全球湿地面积的10％，但近年来湿地面积逐渐萎缩，已造成了极为严重的生态恶果。因此总结以往湿地研究成果，确立包括遥感在内的各种湿地信息提取方法，形成包含各种湿地信息的湿地数据子库和管理操作这些数据的湿地信息系统，并确立湿地信息的共享与发布机制，从而加快湿地科研步伐，成为湿地与遥感科技工作者共同关注的问题。WebGIS技术是GIS融合Internet技术发展起来的新技术，具有对大批量数据进行有效的分析管理和快速的查询检索功能。基于WebGIS技术的中国沼泽信息系统的建立有效地满足了湿地科研和开发保护的需要。     

典型农业流域不同类型池塘水体CO2排放特征

内陆水体是大气CO₂收支估算的重要组成部分。农业流域分布着大量池塘景观水体,且具备蓄洪抗旱、消纳污染、水产养殖等多种功能。但是,农业流域不同功能的小型池塘CO₂排放特征尚不清楚。本研究以极具农业流域代表性的烔炀河流域为研究对象,选取流域中用于水产养殖(养殖塘)、生活污水承纳(村塘)、农业灌溉(农塘)、蓄水(水塘)的4个功能不同的景观池塘,基于为期1年的野外实地观测,以明确农业流域小型池塘CO₂排放特征。结果表明,不同功能池塘水体CO₂排放差异显著,受养殖活动、生活污水输入和农田灌溉等人类活动影响,养殖塘((80.37±100.39) mmol/(m²·d))、村塘((48.69±65.89) mmol/(m²·d))和农塘((13.50±15.81) mmol/(m²·d))是大气CO₂的热点排放源,其CO₂排放通量分别是自然蓄水塘((4.52±23.26) mmol/(m²·d))的18、11和3倍。统计分析也表明,该流域池塘CO₂排放变化总体上受溶解氧、营养盐等因素驱动。4个不同景观池塘CO₂排放通量全年均值为(37.31±67.47) mmol/(m²·d),是不容忽视的CO₂排放源,其中养殖塘和村塘具有较高的CO₂排放潜力,在未来研究中需要重点关注。     

太湖有色溶解有机物对水体总吸收贡献的遥感估算

有色溶解有机物(CDOM)是决定自然水体水色的主要溶解物质,其吸光能力和光化降解产物对水体初级生产力和碳循环过程具有重要影响.以太湖为研究区,2004年10月、2008年10月、2010年4月和2011年1月和3月共5期实测数据,采集了333个有效样点,分析不同时期CDOM对水体总吸收的贡献,并利用遥感技术估算[a_CDOM/a_t](412).结果表明:不同时期[a_CDOM/a_t](412)均值变化明显,2011年[a_CDOM/a_t](412)的均值最大(0.369),高于所有样点[a_CDOM/a_t](412)均值(0.295±0.139);201004期的[a_CDOM/a_t](412)在0.046~0.455之间变化,其均值最小(0.236±0.108);200410和200810两期数据[a_CDOM/a_t](412)均值相差不大.竺山湾、梅梁湾与整个太湖相比,竺山湾[a_CDOM/a_t](412)均值较高,对太湖[a_CDOM/a_t](412)的贡献较大,而梅梁湾[a_CDOM/a_t](412)均值与整个太湖相差较小.利用多元线性模型估算[a_CDOM/a_t](412)精度较高(n=333,RMSE=34.60%).悬浮泥沙和浮游色素是影响[a_CDOM/a_t](412)遥感估算精度的主要原因,浮游色素的吸收造成[a_CDOM/a_t](412)的值被低估,而悬浮泥沙的吸收使得[a_CDOM/a_t](412)的值被高估,并且悬浮泥沙是影响CDOM吸收的主要原因.     

太湖水体遥感反演参数的空间异质性

空间异质性的存在,会导致水质参数遥感反演中的尺度效应,影响反演精度,因此通过分析水质参数空间异质性,对于选择适当分辨率的遥感影像,提高反演精度具有重要意义.通过2008年10月在太湖布置的3个样方,利用GIS地统计学原理和分形维数的方法,对水质遥感反演中的三要素浓度,包括叶绿素a(Chl.a)、总悬浮物(TSM)和溶解有机碳(DOC)的空间异质性及其可能产生的尺度效应进行了研究.结果表明:太湖水体的三要素浓度在不同样方单元中变异系数相差较大,存在着明显的尺度效应;三个样方内Chl.a变异函数曲线斜率在变程范围内变化都较为剧烈,分形维数较高,说明太湖水体Chl.a受到某种起主导作用的生态过程的影响和控制;Chl.a和TSM的空间结构比例都在90%左右,有较强的空间相关性,表明其空间异质性的产生主要是由于结构性因素引起的,随机性因素作用微弱;DOC空间结构比例较小,说明随机性因素对其空间异质性的产生起了主导作用.三个样方中Chl.a的变程分别为147.3m、129.3m和115.0m,TSM的变程分别为1131.7m、130.6m、149.1m,因此在遥感反演中可选择TM影像,选择5×5窗口,以150m×150m作为基本单元;而DOC的变程分别为34.3m、38.5m、26.4m,表明其自相关距离较小,建议直接选择分辨率为30m的TM影像,使实际测量值与遥感影像最小单元相对应,消除反演过程中的尺度效应带来的误差.该研究也表明,MODIS的像元尺寸(250、500、1000m)明显偏大,在太湖水体三要素反演过程中,由于空间异质性引起的尺度效应,会造成一定的误差.     

基于水体透明度反演的太湖水生植被遥感信息提取

在使用多光谱遥感图像提取太湖水生植被分布时,由于水体中悬浮物和藻类等物质的影响,容易产生"异物同谱"现象,大面积水体被误分为沉水植被.本文首先通过TM图像反演太湖水体的透明度,基于RVI和NDVI植被指数,分别建立两类决策树,即透明度辅助的分类决策树和无透明度参与的分类决策树,将太湖分为水体、以浮叶植被为主导的水生植被和以沉水植被为主导的水生植被等三种类型.透明度辅助下的 NDVl 分类决策树方法,较好地消除分类过程中的"异物同谱"现象,是进行太湖水生植被分类的一种最好方法选择,把这种方法应用于2002年7月15日的Landsat ETM卫星遥感影像,结果表明太湖中以沉水植被为主导的水生植被约407.6km2,以浮叶植被为主导的水生植被约82.2km2.