论文部分内容阅读
利用遥感技术对农村水环境进行有效监测和治理,及时报告水资源质量状况,反映存在的水环境问题,对促进村镇经济、水资源保护协调发展和新农村建设具有重要的现实意义。本文以江苏常熟辛庄镇元和塘水体为研究对象,在野外调查数据的基础上,分析了元和塘水体表观光学量的光谱特征,建立了基于表观光学特性的水质参数反演统计模型,并完成了水质参数的SPOT影像反演和填图。同时,根据国家地表水质评价标准,对元和塘水质状况进行了综合评价,并给出了相关治理意见。
本文主要研究成果如下:
1、建立了元和塘秋季表观光学量光谱数据库和水质参数数据库,分析并确定了元和塘水体悬浮物浓度、总氮和总磷的反射率特征波段和光谱一阶微分特征波段,并根据各水质指标的敏感波段,建立了各参数反演的多项式统计模型。
2、根据实验室水质指标化验数据和地表水Ⅳ类水环境质量标准,分析得到元和塘水域总氮浓度指标超标1倍,并尝试利用《湖泊(水库)富营养化评价方法及分级技术规定》对元和塘水域的富营养化程度进行评价,元和塘水体处于中度富营养化。
3、通过分析各水质指标与光谱特征的关系,可以将670nm、646nm、515nm和620nm的光谱反射率,583nm、622nm、638nm、619nm和665nm的光谱一阶微分作为BP神经网络和RBF神经网络的输入用以反演悬浮物浓度、叶绿素浓度、总氮和总磷浓度。
4、BPNN和GRNN反演四个水质指标的精度存在差异,特别是叶绿素浓度的反演,RBF神经网络的函数逼近能力和预测能力好于BP神经网络。
5、在内陆水体遥感数据大气校正原理的基础上,建立了基于大气辐射传输模型6S的SPOT多光谱影像大气校正和遥感反射率计算方法;并利用SPOT多光谱影像和本文建立的水质参数反演人工神经网络模型,完成了元和塘的叶绿素浓度填图。