论文部分内容阅读
近年来，伴随着习近平总书记的“绿水青山就是金山银山”的精辟倡导，国家生态环境保护得到社会各界高度重视。水体富营养化防治作为“绿水青山类课题”更是学界义不容辞的科研任务。
叶绿素a是水体富营养化评价的重要指标，它是浮游植物光合作用最主要的色素，也是衡量其生物量的重要参数。以卫星遥感技术对叶绿素a浓度进行反演估算具有范围广、时效性高、连续性强与经济成本低等优势，目前在水生态环境监测领域发挥着越来越重要的作用。
长时序连续同步观测的卫星遥感资料为叶绿素a浓度的时空变化规律与其对物理环境多尺度动态变化的响应机制研究提供了可靠的数据来源。然而，受到天气条件、卫星传感器运行故障等因素的影响，卫星遥感叶绿素a浓度数据存在大量、无规律的缺失。另外，常见的时间分辨率较高的卫星遥感叶绿素a浓度数据空间分辨率普遍偏低，无法提供小尺度区域具体信息，难以在区域尺度进行应用。这两个问题严重制约了卫星遥感叶绿素a浓度资料的应用，限制了水生态环境的遥感监测技术的推广。因此，建立合理的数据重构与降尺度方法，获得高空间分辨率、完整的叶绿素a浓度数据集对扩展遥感数据应用广度，提高遥感数据利用效率具有重要的意义。针对以上问题，本文首先对传统卫星遥感数据的重构算法经验正交分解数据重构（DINEOF）进行改进，提出了可变模糊聚类DINEOF重构算法（VF-DINEOF）。随后，为实现小尺度水域遥感监测，提出了基于降尺度的遥感数据融合方法，有效提高了高时间分辨率卫星遥感叶绿素a产品的空间分辨率。最后，利用上述方法，获得了完整的叶绿素a浓度与相关环境因子遥感数据集，对渤海海域多年叶绿素a浓度时空变化特征与驱动机制进行了系统的研究与分析。
全文主要内容与成果如下:
(1)基于传统DINEOF算法对渤海海域2003～2014年MODIS卫星遥感叶绿素a浓度日均值数据集进行重构，并对重构精度进行分析。在此基础上，针对原算法缺陷，将可变模糊集思想引入重构过程。通过可变模糊聚类迭代模型对海域进行深度分区，提出了VF-DINEOF重构算法。改进算法结果与原数据的相关系数提高了10％，误差降低了50％，且改进算法比原算法收敛快40％，方差贡献率高6％，有效提高了重构算法精度与模型运行效率。
(2)提出了基于降尺度的遥感数据融合方法，将分辨率4km的MODIS卫星遥感叶绿素a浓度与分辨率30m的Landsat8OLI波段反射率数据相融合，实现了研究区范围内2013～2014年春夏季叶绿素a浓度降尺度，并最终得到30m分辨率的叶绿素a浓度的空间分布图谱。利用海上现场采样数据对数据融合结果进行了精度分析，结果表明，数据融合结果与实测数据具有显著线性相关关系，且误差满足35％精度要求，具有一定的可信度。降尺度数据融合结果能够较好的反映研究区叶绿素a浓度空间分布，将MODIS L3叶绿素a浓度数据空间分辨率有效地提高至30m，更好的反映了研究区富营养化基本情况。
(3)应用VF-DINEOF对遥感反演叶绿素a浓度与相关环境因子数据进行重构，获得时空全覆盖、全系列的渤海海域全时空精细化卫星遥感数据集，并对重构叶绿素a数据时空动态分布特征进行分析。利用经验正交函数分析法，探明了其时空变化最主要的特征，在空间分布上，渤海表层叶绿素a浓度空间差异显著，在靠近陆域、赤潮频发的浅层水域浓度偏高。在季节变化上，叶绿素a浓度有明显季节变化特征，渤海湾、莱州湾与辽东湾三个海湾均呈春、夏季双峰分布，冬季量值最低。利用Mann-Kindle非参数检验与Hurst指数综合分析方法探求了叶绿素a年际长期变化趋势与未来发展态势。渤海叶绿素a浓度演化的主要流动轨迹具体表现为70％以上海域春、夏、冬季叶绿素a浓度呈持续增长趋势，60％以上海域在秋季呈持续降低趋势。叶绿素a在春、夏季与海表温度正相关，秋、冬季负相关;春、夏、秋季与光合有效辐射负相关;秋、冬季节与风速负相关。另外，水动力条件、径流输入、沿岸人类活动、悬浮物浓度均在一定程度上影响叶绿素a浓度。近岸海域叶绿素a浓度偏高的特征反映了其富营养化和赤潮问题发生风险较高，更加值得学界关注。
叶绿素a是水体富营养化评价的重要指标，它是浮游植物光合作用最主要的色素，也是衡量其生物量的重要参数。以卫星遥感技术对叶绿素a浓度进行反演估算具有范围广、时效性高、连续性强与经济成本低等优势，目前在水生态环境监测领域发挥着越来越重要的作用。
长时序连续同步观测的卫星遥感资料为叶绿素a浓度的时空变化规律与其对物理环境多尺度动态变化的响应机制研究提供了可靠的数据来源。然而，受到天气条件、卫星传感器运行故障等因素的影响，卫星遥感叶绿素a浓度数据存在大量、无规律的缺失。另外，常见的时间分辨率较高的卫星遥感叶绿素a浓度数据空间分辨率普遍偏低，无法提供小尺度区域具体信息，难以在区域尺度进行应用。这两个问题严重制约了卫星遥感叶绿素a浓度资料的应用，限制了水生态环境的遥感监测技术的推广。因此，建立合理的数据重构与降尺度方法，获得高空间分辨率、完整的叶绿素a浓度数据集对扩展遥感数据应用广度，提高遥感数据利用效率具有重要的意义。针对以上问题，本文首先对传统卫星遥感数据的重构算法经验正交分解数据重构（DINEOF）进行改进，提出了可变模糊聚类DINEOF重构算法（VF-DINEOF）。随后，为实现小尺度水域遥感监测，提出了基于降尺度的遥感数据融合方法，有效提高了高时间分辨率卫星遥感叶绿素a产品的空间分辨率。最后，利用上述方法，获得了完整的叶绿素a浓度与相关环境因子遥感数据集，对渤海海域多年叶绿素a浓度时空变化特征与驱动机制进行了系统的研究与分析。
全文主要内容与成果如下:
(1)基于传统DINEOF算法对渤海海域2003～2014年MODIS卫星遥感叶绿素a浓度日均值数据集进行重构，并对重构精度进行分析。在此基础上，针对原算法缺陷，将可变模糊集思想引入重构过程。通过可变模糊聚类迭代模型对海域进行深度分区，提出了VF-DINEOF重构算法。改进算法结果与原数据的相关系数提高了10％，误差降低了50％，且改进算法比原算法收敛快40％，方差贡献率高6％，有效提高了重构算法精度与模型运行效率。
(2)提出了基于降尺度的遥感数据融合方法，将分辨率4km的MODIS卫星遥感叶绿素a浓度与分辨率30m的Landsat8OLI波段反射率数据相融合，实现了研究区范围内2013～2014年春夏季叶绿素a浓度降尺度，并最终得到30m分辨率的叶绿素a浓度的空间分布图谱。利用海上现场采样数据对数据融合结果进行了精度分析，结果表明，数据融合结果与实测数据具有显著线性相关关系，且误差满足35％精度要求，具有一定的可信度。降尺度数据融合结果能够较好的反映研究区叶绿素a浓度空间分布，将MODIS L3叶绿素a浓度数据空间分辨率有效地提高至30m，更好的反映了研究区富营养化基本情况。
(3)应用VF-DINEOF对遥感反演叶绿素a浓度与相关环境因子数据进行重构，获得时空全覆盖、全系列的渤海海域全时空精细化卫星遥感数据集，并对重构叶绿素a数据时空动态分布特征进行分析。利用经验正交函数分析法，探明了其时空变化最主要的特征，在空间分布上，渤海表层叶绿素a浓度空间差异显著，在靠近陆域、赤潮频发的浅层水域浓度偏高。在季节变化上，叶绿素a浓度有明显季节变化特征，渤海湾、莱州湾与辽东湾三个海湾均呈春、夏季双峰分布，冬季量值最低。利用Mann-Kindle非参数检验与Hurst指数综合分析方法探求了叶绿素a年际长期变化趋势与未来发展态势。渤海叶绿素a浓度演化的主要流动轨迹具体表现为70％以上海域春、夏、冬季叶绿素a浓度呈持续增长趋势，60％以上海域在秋季呈持续降低趋势。叶绿素a在春、夏季与海表温度正相关，秋、冬季负相关;春、夏、秋季与光合有效辐射负相关;秋、冬季节与风速负相关。另外，水动力条件、径流输入、沿岸人类活动、悬浮物浓度均在一定程度上影响叶绿素a浓度。近岸海域叶绿素a浓度偏高的特征反映了其富营养化和赤潮问题发生风险较高，更加值得学界关注。