武汉东湖叶绿素a和悬浮物浓度的高光谱遥感反演模型研究

本文以武汉东湖为实验区,以主要水质遥感监测指标叶绿素a和悬浮物为主要研究对象,利用水体光谱数据和同步观测的水质参数浓度数据,研究了东湖叶绿素a和悬浮物定量遥感反演特征波段与波段组合,在此基础上构建了经验模型。     

结合实测光谱数据的珠江口水质遥感监测

河口近岸海域面积广阔,生物生产力高,受人类活动及陆源物质的影响较大,是自然因素和人为因素共同影响水体生态环境的典型区域.文章研究了珠江口近岸海域水体叶绿素a浓度和悬浮物浓度的遥感定量反演方法,并在实验水域验证了现有遥感反演模型的适用性;结合实测数据和遥感影像数据,通过统计分析建立珠江口近岸水域的叶绿素a浓度和悬浮物浓度的反演模型;利用Landsat8遥感影像反演了珠江口近岸海域叶绿素a浓度和悬浮物浓度的分布情况,提取珠江口近岸水域面状水质信息;反演结果符合理论分析和实际情况,证明本研究建立的水质参数遥感反演模型及方法适用于珠江口近岸海域水质监测.     

典型浅水草型湖泊水体悬浮物浓度遥感反演

针对典型浅水草型湖泊的特点,分析水生植物对悬浮物浓度及其遥感反演的影响,得到水生植物与其覆盖区水体总悬浮物浓度之间的定量关系,提出了基于水生植物分区反演水体悬浮物浓度的新思路:首先利用植被指数将全湖分为水生植物覆盖区和未覆盖区.在水生植物覆盖区,通过水生植物的盖度来指示水体水质,进而间接反演悬浮物浓度,解决了水生植物覆盖区难以直接反演悬浮物浓度的难题;在未覆盖区,利用地面实测数据与Landsat8卫星数据建立悬浮物浓度的近红外单波段反演模型,最终得到微山湖悬浮物浓度空间分布图.在晴朗、无风或轻风的天气条件下,水生植物与其覆盖区水体悬浮物浓度之间具有稳定的定量化特征,利用该特征指示水质对浅水草型湖泊水质参数的定量化遥感具有一定的参考意义.     

基于MODIS数据的淀山湖蓝藻“水华”监测

叶绿素a（chla）是水质监测的重要参数之一,其浓度是湖泊富营养化和蓝藻“水华”发生的重要标志。本文将MODIS影像波段反射率与叶绿素。浓度同步实测值进行相关分析,在此基础上建立遥感监测模型,应用该模型计算得到淀山湖水体叶绿素a浓度分布情况,并提取淀山湖富营养化导致的蓝藻“水华”分布情况。     

基于GOCI遥感数据的湖泊富营养化监测研究

采用高时间分辨率的地球同步海色成像仪(geostationary ocean color Imager,GOCI)遥感数据,以日本霞浦湖的西湖为研究对象,利用波段比值法建立了基于GOCI遥感影像的叶绿素a质量浓度反演模型.以此探讨利用GOCI数据估算湖泊水体富营养化程度的可能性.研究结果显示,遥感数据波段比值能够反映湖泊叶绿素a质量浓度随时间演变趋势,两者的相关系数达62％,利用反演模型得到的叶绿素a质量浓度的平均相对误差小于50％,表明GOCI遥感数据具有对湖泊富营养化程度进行监测的潜力.     

长江口水质MERIS卫星数据遥感反演研究

【目的】获取准确的水质参数分布情况,进而对水质参数与动力作用复杂的河口水域环境进行综合评价。【方法】利用2011年5月30组长江口水域的遥感反射率数据,在尝试多种波段组合以及不同函数形式后,针对叶绿素a浓度和总悬浮物浓度分别建立最优经验反演模型。【结果】对总悬浮物浓度,波段差值(634~644nm)的二次函数形式最优,决定系数R~2为0.837,均方根误差(RMSE)为0.226mg·L~(-1),利用独立的验证样本得到平均绝对百分比误差(MAPE)为58.2%。对叶绿素a浓度,波段比值(650nm/644nm)的二次函数形式最优,R~2为0.552,RMSE为0.486mg·m~(-3),利用独立的验证样本得到MAPE为66.2%。将模型运用于2011年5月MERIS卫星数据,反演出长江口水域叶绿素a浓度与总悬浮物浓度空间分布图,叶绿素a浓度呈现出从河口向外海逐渐减少的趋势,最大值出现在舟山群岛附近。总悬浮物浓度呈阶梯状向外海减少。【结论】通过评价参数可看出,总悬浮物浓度反演模型对总悬浮物浓度反演效果较为准确,而叶绿素a浓度反演模型显示对叶绿素a的反演浓度较低。     

基于GF-1 WFV影像的浑河悬浮物浓度和浊度遥感反演研究

综合利用高分一号(GF-1)卫星WFV影像和地面同步水质实测数据,以沈阳浑河为实验区,分别建立悬浮物浓度和浊度反演经验模型。经验证分析GF-1WFV数据可有效反映浑河悬浮物浓度和浊度,且反演精度较好,结果均符合常规水质监测规律。同时基于浊度数据模拟的悬浮物浓度也具有较高的精度,拟合度达到0.68,可为今后简化浑河悬浮物浓度反演流程提供经验。将反演模型应用于GF-1卫星WFV数据,得到2016年9月浑河悬浮物浓度和浊度分布图,反映了浑河流域悬浮物浓度和浊度的空间变化规律。对GF-1卫星WFV数据和Thermo便携式浊度计综合运用进行中小尺度河流水质遥感监测有一定的参考价值。     

滇池不同空间分布水体的高光谱特征差异分析

滇池作为污染十分严重的高原湖泊之一,其水质监测工作备受关注.利用高光谱遥感监测水质,便于动态长期监测并能找出污染源及其空间分布差异.因此,文章基于珠海一号高光谱卫星数据,从空间尺度上,分别选取滇池内部不同区域的水体进行高光谱试验分析比较.试验结果认为:①研究区草海和外海水体在近红外波段内反射率差异最大,可用于2类水体的识别与提取,以及对水体内叶绿素含量进行初判断;②研究区入湖口和出湖口位置的水体光谱曲线在880～940 nm范围内变化异常,可用于2处水体的识别与提取,并推测因水体中悬浮物颗粒影响改变了变化趋势;③湖心和湖岸带水体在近红外波段内,反射率差值先增至最大再逐渐减小,可根据此光谱特征实现2个区域水体的识别与提取,并推测可能是由于水体内悬浮物体积浓度影响导致光谱差异.综上所述,近红外波段有很好的光谱响应特征,可以较好地反映并识别湖泊的不同空间分布差异.同时,对于水环境条件差异也可以进行更好地判断.     

基于穷举法的鄱阳湖叶绿素a浓度高光谱反演模型与应用研究——以GF-5卫星AHSI数据为例

光学特性复杂的浑浊水体叶绿素a浓度反演一直是水环境遥感研究的难点，高光谱以其波宽窄、谱段多、获取地物信息近似连续等优势，有望成为解决该难题的有效手段.该文以鄱阳湖为研究水域，利用2009年10月、2011年7月及2016年10月获取的实测高光谱及叶绿素a浓度数据，基于穷举法建立了针对高分五号(Gaofen-5， GF-5)卫星可见短波红外高光谱相机(Advanced HyperSpectral Imager， AHSI)的叶绿素a浓度三波段反演模型(决定系数R2＝0.82；均方根误差RMSE＝1.468 μg·L－1).通过与2018年10月7日Sentinel-2A卫星多光谱成像仪(MultiSpectral Instrument， MSI)的叶绿素a浓度反演结果对比分析，两者的空间分布具有较高的一致性，超过80%的研究水域相对偏差小于8%，在一定程度上证明了GF-5卫星高光谱数据在浑浊水体叶绿素a浓度反演中的潜力.     

基于高分一号影像的沙河集水库水质遥感反演

沙河集水库是滁州市重要的水源供应地,关系着市民的饮水安全问题,水质的变化监测受到了政府的高度重视。通过遥感影像实现水质参数反演,对水库水质监测和保护工作具有非常重要的理论意义。因此,利用2021年6月和7月高分一号影像和同步的实测水质数据,建立了基于多元回归和BP神经网络的叶绿素a浓度和浊度模型,并进行精度评价,对研究区定量反演,以探求水库水质分布情况。结论如下：从模型精度来看,叶绿素和浊度进行多元回归模拟的RMSE分别为0.745、0.216,R2为0.694、0.844,平均相对误差为13.19%、7.09%,;BP神经网络模拟的RMSE分别为0.103、0.19,R2为0.865、0.958,平均相对误差为2.5%、7.11%,两者对沙河集水库水质反演都具有可行性,但BP神经网络要优于多元回归;从水质遥感反演来看,2021年6月沙河集水库的叶绿素a浓度在2.2～5.6ug/l之间,7月叶绿素a浓度在1.8～6.7ug/l之间,均处于中营养状态,为Ⅱ类水质,6月浊度在0～4NTU之间,均值为1.16NTU,7月浊度值集中0.5～4.6NTU之间,库区均值为2.46NTU,总体达到了...     

城市湖泊水质优化管理技术研究

根据湖泊水质管理技术的需要,建立了城市浅水湖泊水动力生态水质模型,模型模拟的状态变量包括温度、悬浮物、等。模型率定有较好的精确度,已经为南京市玄武在清淤、截污和引水等工程共同运行的条件下做了水质模拟和预测。共结果为玄武湖水质优化管理技术的最终决策提供了科学依据。     

潮汐型湖泊水体透明度灰关联分析

 受外域水体特征及潮汐作用影响,滨江潮汐型湖泊水体透明度影响因子复杂多变。以镇江内湖为例,基于洪、枯两季典型全日潮野外同步实测结果,运用灰色系统理论,定量计算了内湖水体透明度与相关环境因子的灰关联度,分析研究了不同时间尺度下内湖透明度的主要影响因子。结果表明：洪季,影响内湖透明度的关键因子是悬沙浓度与高锰酸盐指数;枯季,来水含沙量降低,主要影响因子为高锰酸盐指数与叶绿素a浓度;洪、枯两季,内湖水体透明度主要影响因子的排列顺序受潮汐作用影响较小;NH₃-N等间接影响因子对透明度影响不明显,但随涨落潮仍呈现一定变化。     

基于BP神经网络的内陆河流水质遥感反演

高效、全面、连续和准确地监测河流及湖库的有机污染能够为水质评价和水体污染防治提供可靠的依据.该文以淮河信阳段干流及其支流潢河、浉河、白露河等水域为研究对象,针对化学需氧量(COD)和氨氮(NH3-N)浓度两个重要的水质指标,基于Landsat 8数据和实测水质数据进行相关性分析,构建反演模型得到COD和NH3-N的空间...     

基于SVM的莱州湾叶绿素浓度遥感反演

叶绿素浓度是浮游植物分布的指示剂，是衡量水体初级生产力和富营养化的基本指标。准确探测海水叶绿素浓度并分析其时空分布变化特征，对海洋生态研究海洋生物资源评价、海洋环境监测、海洋渔业管理等方面都具有重要意义。利用在莱州湾2007年6月至2007年8月测量的32组二类水体叶绿素浓度和同步实测辐射光谱资料，建立了莱州湾叶绿素浓度的荧光算法和SVM（Support Vector Machine）反演模式，并用9月份的8组数据作为验证，结果表明SVM反演模式在莱州湾具有很好的应用前景，为该区域水质参数遥感监测提供参考。     

基于深度学习和多次棋盘分割法的高分辨率影像河流提取

针对目前从遥感影像中提取的河流, 尤其是细小河流容易出现中断的情况, 将深度学习与多次棋盘分割法相结合, 应用于高分辨率遥感影像的河流提取。基于对山区、平原和城市3景高分二号卫星遥感影像的实验表明, 与现有的方法相比, 该方法提取的河流更加连续, 并且能够提取高分二号卫星遥感影像中两个像元的细小河流。     

流域土壤侵蚀对椒江口悬浮泥沙时空分布的影响

利用通用土壤流失方程,对椒江流域1995年、2000年、2005年、2010年及2015年土壤侵蚀模数进行估算,椒江流域1995年、2000年、2005年、2010年及2015年均达到中等土壤侵蚀的强度,其中,1995年至2010年土壤侵蚀有逐年恶化的趋势,而2010年至2015年有所缓解.基于椒江及河口、近岸的野外实测数据,构建椒江及近岸水体悬浮泥沙浓度遥感定量反演模型,对椒江及近岸水体1995年、2000年、2005年、2010年及2015年悬浮泥沙浓度进行估算,对水体悬浮泥沙的空间分布进行分析,椒江口水体悬浮泥沙浓度表现出较强的空间分布规律及高时空动态性,其中,椒江悬浮泥沙浓度明显高于河口和台州湾;椒江中游累年悬浮泥沙浓度平均值最大,时空动态性最低,受陆相及海相输沙综合影响,易形成悬浮泥沙的最大浑浊带.流域土壤侵蚀量越大,水体悬浮泥沙浓度越高.最后,定量分析了降雨,日照时间和人类活动等因素对河口悬浮泥沙格局影响.降雨作为椒江地表径流的主要来源,对悬浮泥沙也起到一定的“稀释”作用.年内日照时长的增加,加剧了水体水量的损失,削弱水体的“稀释”作用.若以流域内居民地面积表征人类活动强度,其与水体年均悬浮泥沙浓度之间相关性较弱,但其年际变化表现出较高的相关性.     

基于多光谱遥感的水质监测处理方法与分析

基于定量遥感理论和方法，将多光谱遥感数据和实测水质数据相结合，研究了水生态环境的空间分布，并对其进行了分析和评价．探讨了多光谱水遥感图像的处理方法和水质参数的数学回归模型，并以太湖水域的悬浮物含量为例，进行了回归分析．结果表明，采用遥感手段对水质进行监测是可行和正确的，由遥感数据得到的太湖水域悬浮物含量的空间分布也与太湖水域的实际情况相符．     

水文环境对城市物质结构的影响

水文环境是影响城市物质体系形成与发展的重要因素.江河湖海的地域分布、水运条件、区域水资源的数量,以及洪水潮情等水文特征对城市都有极大的影响.这些影响已经深入到城市物质系统的许多方面:1 .由于城市对水的依赖,近江、靠湖、傍海是城市的分布特点;2 .不同的水域环境对城市地貌产生不同的影响,这无论在形态和规模上都会得到体现;3 .水资源的数量是城市发展规模的制约因素,为越过水资源制约的“门槛”,从其它流域调水,导致了城市物质结构新形态的出现;4 .随着社会、经济的历史变化,城市的排水排洪系统发生着巨大变化,造成城市地貌的演变.     

Numerical Simulations of the Transparency of Waterfront Bodies

Measured field data was used to analyze the factors which influence the transparency of the Nei River and to develop a multi-factor correlation for the transparency. A 2-D unsteady model which coupled analyses of the water flow, water quality, suspended sediments, and Chl-a was developed to simulate the changes in the transparency for various conditions. The model was then used to forecast the transparency of the Nei River. The suspended sediment concentration （SSC） was found to be the most important factor influencing the transparency, with high concentrations of CODMn and Chl-a also reducing the transparency to some extent. The transparency model is stable and precise, with relative errors between measured and calculated values of less than 15%. With the environmental scheduling schemes, the Nei River transparency can be significantly improved with a mean transparency in high-water years of 69.3 cm, normal-water years of 70.8 cm, and low-water years of 69.8 cm.