论文部分内容阅读
摘要：水体水色参数主要包括浮游植物、悬浮物质和有色可溶性有机物等。本研究利用环境一号卫星（HJ-1）CCD图像，采用半经验模型建立实测数据与图像之间的关系，反演叶绿素a浓度（Chl-a），最后得到太湖区域叶绿素a浓度（Chl-a）分布。根据反演结果可知，叶绿素a含量大于0.05mg/L主要分布在太湖沿岸，这部分区域受人类活动影响较大，比较容易造成水质富营养化，浮游植物易于生长。
关键词：水体参数反演;高光谱;大气校正;叶绿素a浓度（Chl-a）
1引言
人類的生命活动离不开水，随着科技的发展，水体的承载压力越来越大，当污染物超过了水体的自净能力时，便产生了水体污染各类水体由于靠近人类聚集地，通常会有各类污染物流入，致使水体易趋于富营养化藻类以及浮游生物利用这些营养物质过量繁殖生长，使得水体中的溶解氧不断减少，令水质逐渐变差叶绿素作为藻类等水生植物关键的组成部分，其浓度的大小可以用于判断水体是否富营养化。本研究以太湖水域为研究区，通过2009年10月6日实测反射光谱数据和同步水质化学分析数据，综合使用叶绿素a定量反演方法，探讨叶绿素a定量遥感反演的机制和模型，明确春夏季太湖水体的叶绿素a定量遥感反演的最佳模型;然后将最佳模型应用于HJ-1A卫星搭载的高光谱仪（HyperspectralImagingRa-diometer，HSI）遥感数据，并对HSI高光谱遥感数据反演叶绿素a浓度结果进行评价.以期能为内陆二类水体叶绿素a浓度的光谱反演研究提供一些参考[1-4]。
2研究区概况
太湖地处长江三角洲，面积36900平方公里，为流域第一大湖，又是我国五大淡水湖之一。太湖容量不大，调蓄能力较弱，但有利于湖水混合，使全湖水文特性、化学成分常处均一状态。太湖地区属于亚热带季风气候，太湖地区年平均气温约为14.9～16.2°，多年平均降雨量约为1000～1400mm。夏季温暖多雨，盛行东南风，冬季寒冷干燥，盛行西北风[5]。太湖地区是我国经济最发达的地区之一，也是人口最密集的地区之一。在经济高速发展的同时，在资源、环境等方面也付出了巨大的代价，尤其是人类活动给太湖造成的水质污染，产生了水质性资源短缺及太湖生态环境的严重破坏。太湖水质污染目前已严重影响了整个流域的可持续发展，并对人们的身体健康造成了潜在的危害[6]。因此，加强对太湖的水质监测刻不容缓。
3数据来源与预处理
此次研究的数据源包括遥感数据和非遥感数据。遥感数据为2009年10月6日环境一号卫星（HJ-1）CCD影像，2011年landsatTM5遥感影像。非遥感数据为太湖实地调查数据，包括水面调查点的经纬度和叶绿素含量。利用经过校正的LandsatTM数据作为基准图像，对环境一号卫星影像进行几何校正，使其具有精确的坐标信息，可以匹配实测数据。本研究采用FLAASH大气校正模块，并对结果进行验证。通过SpectralProfile工具查看校正前后同一位置的光谱曲线，可以看到植被的光谱曲线符合其光谱特征。再利用FeatureExtraction模块中提供的面向图像分割工具获取分割矢量结果，手动提取太湖边界矢量，再利用此矢量文件裁剪得到太湖区域的图像。至此完成预处理工作。
4太湖区域叶绿素浓度反演
遥感反演是根据观测信息和模型，求解或推算描述地面实况的应用参数。遥感反演模型的构建方法主要有以下3类：经验方法：通过建立遥感数据与地面监测的水色参数值之间的统计关系来外推水色参数值。水色参数与遥感数据之间关系缺乏依据，水质遥感初期的宽波段数据多采用这种方法;半经验方法：在已知的水色参数光谱特征的条件下，利用最佳的波段或波段组合数据与实测水色参数值之间的统计关系进行水色参数估算。得到的模型只适用于当时的条件，对于不同季节和地域的水色参数估算需要进行参数矫正;分析方法：利用遥感数据与水中各组分的吸收系数、后向散射系数关系模型，反演水色参数含量。该方法与水体光学模型相结合具有明确的物理意义，且具有普遍适用性。分析方法是水色遥感反演模型的发展趋势。叶绿素a浓度（Chl-a）是浮游植物的重要成分之一，本研究用分析方法来反演叶绿素浓度。
本研究选择较为成熟的算法，即波段比值法来进行反演模型的建立，其表达式为：
Ch1–a=a*（BNIR-BRED）+b
式中，Chl–a表示叶绿素a的浓度;BNIR和BRED分别为近红外波段和红波段;a和b表示参数系数。
将上述模型应用到比值图像中。得到叶绿素a反演结果图像（图1）。结果图像中的像素值代表该像元（30mX30m）平均叶绿素a含量，单位与实测数据一致。可以看到，叶绿素a含量大于0.05mg/L主要分布在太湖沿岸，这部分区域受人类活动影响较大，比较容易造成水质富营养化，浮游植物易于生长。
5结论
水体水色参数主要包括浮游植物、悬浮物质和有色可溶性有机物等。这些水色参数浓度的变化，会引起水体生物光学特性和水面反射率的改变。利用遥感技术能够根据水体光谱特征与水色参数间的关系建立反演模型，从而得到水色参数。本研究利用环境一号卫星（HJ-1）CCD图像，采用半经验模型建立实测数据与图像之间的关系，反演叶绿素a浓度（Chl-a）。根据反演结果可知，叶绿素a含量大于0.05mg/L主要分布在太湖沿岸，这部分区域受人类活动影响较大，比较容易造成水质富营养化，浮游植物易于生长。
参考文献：
[1] 郑高强.基于HJ-1A/B卫星CCD与HSI数据的福建省水色反演模型研究[D].福州大学，2015.
[2] 刘堂友，匡定波，尹球.湖泊藻类叶绿素-a和悬浮物浓度的高光谱定量遥感模型研究[J].红外与毫米波学报，2004（01）：11-15.
[3] 孙昊，周林飞.石佛寺水库叶绿素a浓度高光谱遥感反演[J].节水灌溉，2019（03）：67-70.
[4] 宋挺，周文鳞，刘军志，龚绍琦，石浚哲，吴蔚.利用高光谱反演模型评估太湖水体叶绿素a浓度分布[J].环境科学学报，2017，37（03）：888-899.
[5] 浦玲伟.基于高分影像的太湖东岸带叶绿素a浓度遥感反演研究[D].苏州科技大学，2019.
[6] 闻建光.太湖水体叶绿素a遥感监测模型研究[D].吉林大学，2005.
关键词：水体参数反演;高光谱;大气校正;叶绿素a浓度（Chl-a）
1引言
人類的生命活动离不开水，随着科技的发展，水体的承载压力越来越大，当污染物超过了水体的自净能力时，便产生了水体污染各类水体由于靠近人类聚集地，通常会有各类污染物流入，致使水体易趋于富营养化藻类以及浮游生物利用这些营养物质过量繁殖生长，使得水体中的溶解氧不断减少，令水质逐渐变差叶绿素作为藻类等水生植物关键的组成部分，其浓度的大小可以用于判断水体是否富营养化。本研究以太湖水域为研究区，通过2009年10月6日实测反射光谱数据和同步水质化学分析数据，综合使用叶绿素a定量反演方法，探讨叶绿素a定量遥感反演的机制和模型，明确春夏季太湖水体的叶绿素a定量遥感反演的最佳模型;然后将最佳模型应用于HJ-1A卫星搭载的高光谱仪（HyperspectralImagingRa-diometer，HSI）遥感数据，并对HSI高光谱遥感数据反演叶绿素a浓度结果进行评价.以期能为内陆二类水体叶绿素a浓度的光谱反演研究提供一些参考[1-4]。
2研究区概况
太湖地处长江三角洲，面积36900平方公里，为流域第一大湖，又是我国五大淡水湖之一。太湖容量不大，调蓄能力较弱，但有利于湖水混合，使全湖水文特性、化学成分常处均一状态。太湖地区属于亚热带季风气候，太湖地区年平均气温约为14.9～16.2°，多年平均降雨量约为1000～1400mm。夏季温暖多雨，盛行东南风，冬季寒冷干燥，盛行西北风[5]。太湖地区是我国经济最发达的地区之一，也是人口最密集的地区之一。在经济高速发展的同时，在资源、环境等方面也付出了巨大的代价，尤其是人类活动给太湖造成的水质污染，产生了水质性资源短缺及太湖生态环境的严重破坏。太湖水质污染目前已严重影响了整个流域的可持续发展，并对人们的身体健康造成了潜在的危害[6]。因此，加强对太湖的水质监测刻不容缓。
3数据来源与预处理
此次研究的数据源包括遥感数据和非遥感数据。遥感数据为2009年10月6日环境一号卫星（HJ-1）CCD影像，2011年landsatTM5遥感影像。非遥感数据为太湖实地调查数据，包括水面调查点的经纬度和叶绿素含量。利用经过校正的LandsatTM数据作为基准图像，对环境一号卫星影像进行几何校正，使其具有精确的坐标信息，可以匹配实测数据。本研究采用FLAASH大气校正模块，并对结果进行验证。通过SpectralProfile工具查看校正前后同一位置的光谱曲线，可以看到植被的光谱曲线符合其光谱特征。再利用FeatureExtraction模块中提供的面向图像分割工具获取分割矢量结果，手动提取太湖边界矢量，再利用此矢量文件裁剪得到太湖区域的图像。至此完成预处理工作。
4太湖区域叶绿素浓度反演
遥感反演是根据观测信息和模型，求解或推算描述地面实况的应用参数。遥感反演模型的构建方法主要有以下3类：经验方法：通过建立遥感数据与地面监测的水色参数值之间的统计关系来外推水色参数值。水色参数与遥感数据之间关系缺乏依据，水质遥感初期的宽波段数据多采用这种方法;半经验方法：在已知的水色参数光谱特征的条件下，利用最佳的波段或波段组合数据与实测水色参数值之间的统计关系进行水色参数估算。得到的模型只适用于当时的条件，对于不同季节和地域的水色参数估算需要进行参数矫正;分析方法：利用遥感数据与水中各组分的吸收系数、后向散射系数关系模型，反演水色参数含量。该方法与水体光学模型相结合具有明确的物理意义，且具有普遍适用性。分析方法是水色遥感反演模型的发展趋势。叶绿素a浓度（Chl-a）是浮游植物的重要成分之一，本研究用分析方法来反演叶绿素浓度。
本研究选择较为成熟的算法，即波段比值法来进行反演模型的建立，其表达式为：
Ch1–a=a*（BNIR-BRED）+b
式中，Chl–a表示叶绿素a的浓度;BNIR和BRED分别为近红外波段和红波段;a和b表示参数系数。
将上述模型应用到比值图像中。得到叶绿素a反演结果图像（图1）。结果图像中的像素值代表该像元（30mX30m）平均叶绿素a含量，单位与实测数据一致。可以看到，叶绿素a含量大于0.05mg/L主要分布在太湖沿岸，这部分区域受人类活动影响较大，比较容易造成水质富营养化，浮游植物易于生长。
5结论
水体水色参数主要包括浮游植物、悬浮物质和有色可溶性有机物等。这些水色参数浓度的变化，会引起水体生物光学特性和水面反射率的改变。利用遥感技术能够根据水体光谱特征与水色参数间的关系建立反演模型，从而得到水色参数。本研究利用环境一号卫星（HJ-1）CCD图像，采用半经验模型建立实测数据与图像之间的关系，反演叶绿素a浓度（Chl-a）。根据反演结果可知，叶绿素a含量大于0.05mg/L主要分布在太湖沿岸，这部分区域受人类活动影响较大，比较容易造成水质富营养化，浮游植物易于生长。
参考文献：
[1] 郑高强.基于HJ-1A/B卫星CCD与HSI数据的福建省水色反演模型研究[D].福州大学，2015.
[2] 刘堂友，匡定波，尹球.湖泊藻类叶绿素-a和悬浮物浓度的高光谱定量遥感模型研究[J].红外与毫米波学报，2004（01）：11-15.
[3] 孙昊，周林飞.石佛寺水库叶绿素a浓度高光谱遥感反演[J].节水灌溉，2019（03）：67-70.
[4] 宋挺，周文鳞，刘军志，龚绍琦，石浚哲，吴蔚.利用高光谱反演模型评估太湖水体叶绿素a浓度分布[J].环境科学学报，2017，37（03）：888-899.
[5] 浦玲伟.基于高分影像的太湖东岸带叶绿素a浓度遥感反演研究[D].苏州科技大学，2019.
[6] 闻建光.太湖水体叶绿素a遥感监测模型研究[D].吉林大学，2005.