论文部分内容阅读
太湖富营养化问题日趋严重,由此导致的藻类爆发性增长加快了太湖水环境的恶化速度。遥感监测不仅有利于对蓝藻水华等突发性水环境问题做出及时的反应,以便采取措施和减小危害,而且通过长期、动态的遥感监测还能够掌握藻类的时空变化趋势,从而有助于太湖藻类污染机理的研究。
本文以太湖水体高光谱数据为基础,首先结合藻类叶绿素a浓度的同步水质采样分析数据,详细探讨了太湖藻类叶绿素a浓度遥感反演过程中的特征波段选择、模型筛选和评价等问题;然后,基于第三代水色传感器MERIS和MODIS卫星遥感数据,对藻类叶绿素a浓度进行遥感估算,建立了相关的遥感定量模型,并绘制了藻类叶绿素a的浓度分布图;最后,针对反演结果中叶绿素a浓度的高值区与藻华水体分布的关系问题,分析了太湖藻华水体提取的模式,同时结合2007年春末夏初蓝藻爆发事件,提出了太湖藻华预警的参考指标。论文得出如下主要结论:
1.在对比值模型特征波段选取的分析中发现,反射峰平均位置两侧光谱反射率曲线坡度的变化与叶绿素a浓度具有较高的相关。虽然不同季节和区域的太湖水体光学性质存在差异,使得比值模型在估算叶绿素a浓度时具有可变性,然而通过对比值模型的估算精度比较,可以发现比值模型的估算精度与波段反射比选择之间的关系,因此建议在选择比值法这种常用的估算模型时,最好先进行估算精度测试。最后通过对叶绿素a浓度半经验估算模型的对比后发现,利用反射峰位置所建立的指数模型估算精度最高,而比值模型的卫星遥感反演应用具有现实性。
2.在利用MERIS荧光参数进行太湖藻类叶绿素a浓度的反演研究中,发现最大叶绿素指数MCI较基线荧光高度FLH更适合太湖水体叶绿素a浓度的反演,即MCI对于高叶绿素a浓度的水体更为敏感;归一化荧光高度NLHR681/R665与实测叶绿素a浓度间的拟合效果最好,最后选取NLH实现了MERIS荧光遥感模型的太湖叶绿素a浓度的空间分布反演。
3.在利用MODIS数据反演太湖叶绿素a浓度空间分布结果的基础上,针对太湖叶绿素a浓度分布的高值区,结合稀疏型、密集型、致密型和植被型藻华的不同表观形态特征以及藻华水体的实测光谱特征,借鉴植被遥感中的简单比值植被指数、归一化植被指数和增强型植被指数,最后基于MODIS数据太湖水体的绿度指数建立了太湖藻华水体的遥感监测模型。该模型充分利用MODIS传感器在应对突发水环境事件方面所具有的高时间分辨率的优势,基于MODIS数据中具有最高空间分辨率的前两个波段建立水体绿度指数,然后根据野外实测光谱数据设定太湖藻华水体分级提取的绿度阈值,对比不同指数的提取效果后发现水体绿度指数提取模式不仅实用有效,而且可以将稀疏型藻华从背景水体中分离出来。
4.针对2007年5月20日太湖蓝藻爆发事件当日的藻华水体进行了遥感数据分析,提取结果反映出藻华的空间分布特征;通过蓝藻爆发前期六个时相的遥感数据分析,划分出春末夏初期间藻华的产生和发展过程的四个阶段。研究中对藻华形成阶段的半定量分析结果,可以作为太湖藻华预警与灾害防治的参考指标。