水体富营养化是内陆湖泊水环境问题,湖泊蓝藻水华大规模的暴发严重影响了工农业生产和人民的正常生活。遥感可以快速、大范围地监测湖泊水华的发生和发展情况,为湖泊蓝藻水华研究与治理提供了有力的支撑。本文以湖泊蓝藻水华的遥感识别为目标,基于Landsat-7ETM+卫星图像,以已有的案例成果为基础,建立了蓝藻水华识别模型,并使用太湖、巢湖、滇池的多期图像进行了模型验证。论文使用2000年到2012年的ETM+图像共34景,其中,太湖24景,巢湖5景,滇池5景,日期为1、4-12月份。所有图像使用平场域大气校正方法进行数据归一化,并根据各自的研究区进行了图像裁剪。使用太湖14期案例数据构建模型,使用其他20期图像进行验证。论文研究成果和结论如下:(1)蓝藻水华的图像特征和案例特征的提取基于已有研究,选择并提取了 1491个蓝藻水华的图像特征作为初始特征,包括光谱特征、纹理特征和局部空间统计特征三类。选择确定了 14期分布有水华的图像为案例图像,以其中的水华、水体、水生植物作为案例。从案例图像中提取并确定了案例特征。(2)T检验与聚类方法相结合的案例特征选择和确定针对水华识别过程中特征选择问题,顺序使用T检验和层次聚类方法从初始特征中选择敏感特征。根据对水体、水华、水生植物的区分性,分析确定了包括5个光谱特征、3个纹理特征、3个空间统计特征在内的11个敏感案例特征。(3)基于案例特征的蓝藻水华识别模型与验证使用朴素贝叶斯算法构建了蓝藻水华识别模型。以确定的案例特征为输入,案例图像的模型验证精度平均为97%。使用随机验证和顺序验证方法进行模型验证,表明模型的平均精度为91.9%;与FAI指数、NDVI指数的湖泊水华识别结果相比,模型对蓝藻水华的提取精度更高,同时降低了错提率和漏提率,且避免了 FAIKNDVI指数方法需要阈值选取,阈值可移植性差的缺陷。将模型应用于太湖、巢湖、滇池三个湖区的其他20期典型图像的蓝藻水华识别,其结果与目视显示具有良好的一致性。抽取三个湖区各一期图像进行精度评估,与目视解译结果相比,水华识别的正确率均在95%以上,表明论文构建的湖泊蓝藻水华遥感识别模型具有较好的精度和适用性。综合来看,对于ETM+图像,本文湖泊蓝藻水华识别模型具有较好的稳健性和应用精度,在太湖、巢湖、滇池水体蓝藻水华遥感识别中具有较好的适用性。本文的模型可以为湖泊水华的快速遥感监测提供基础支撑。