论文部分内容阅读
内陆水体的水质状况直接影响到国民生产和人们的日常用水,准确、快捷的水质监测显得尤为重要。常规水质监测和分析过程复杂、周期长、需要耗费大量人力物力财力,还受到气候和水文等自然条件的限制;并且只能了解监测断面上的表面水质状况,只具有局部和典型的代表意义。随着遥感技术逐渐应用于内陆水体水质的监测,可以反映水质在空间和时间上的分布和变化情况,发现一些常规方法难以揭示的污染源和污染物迁移的特征,而且具有监测范围广、速度快、成本低和便于进行长期动态监测的优势。本文主要针对白洋淀地区,开展内陆水体光谱特征分析,以及水体中叶绿素a浓度的地面实测光谱反演模型和多光谱遥感反演模型的敏感波段或最佳波段组合分析,并建立适合白洋淀地区的叶绿素a浓度反演模型。本文采用半经验方法建立地面高光谱的叶绿素a定量估测模型。模型的构造和应用通过以下几个步骤实现:基于实测水体光谱的特征分析,找出波峰波谷值,以及与叶绿素a浓度相关性最大的波段,通过最大正相关波段与最大负相关波段的比值来扩大差别,并与叶绿素a浓度建立多种回归模型,选取模型精度最高的为叶绿素a浓度的地面高光谱反演模型。本文采用经验方法建立CBERS02-CCD多光谱遥感反演模型:基于不同波段及波段组合与地面实测叶绿素a浓度的相关性分析,得出最高相关波段组合的叶绿素a浓度反演模型,并用实测数据与模拟结果进行对比,分析其精度。研究结果显示:(1)叶绿素a浓度与原始水体反射率的相关性不高,而归一化后的水体反射率与叶绿素a的相关性明显增大。波长557nm和665nm有较高负相关,722nm和717nm有较高正相关。(2)对归一化后水体反射率的最大正相关波段和最大负相关波段做比值处理,作为自变量,叶绿素a的浓度值作为因变量,进行指数、对数、幂、线性和一元二次等模型回归分析,发现线性模型和一元二次模型模拟效果较好。进行模型验证,发现R717/R557的线性模型来进行叶绿素a浓度的计算相对误差最小。该模型为:y = 83.248x - 45.239。(3)分析CBERS02-CCD反射率影像各个波段及其波段组合与叶绿素a浓度的相关性,发现b1/(b2×b3)组合与叶绿素a浓度及叶绿素a浓度自然对数值的相关性最高。从而采用该波段组合进行叶绿素a浓度的遥感定量建模。线性回归分析得到以下两个模型:和,模型检验结果表明:线性模型结果精度较差,指数模型结果精度相对较好,最终确定为白洋淀叶绿素a浓度的遥感反演模型。本文建立的基于地面实测光谱的模型精度较高,而基于遥感影像的模型精度一般,其原因可能有三方面:(1)遥感影像与水质实测数据时间上不同步;(2)大气校正模型的方法及参数设置可能对遥感定量反演有一定的影响。(3)内陆水体存在非纯净像元。