论文部分内容阅读
太湖地处长三角经济区,地理位置特殊,随着经济的高速发展和工业化水平的迅速提高,水体富营养化污染问题日益严重。遥感技术可以快速、高效且低成本地获取宏观地表信息,对蓝藻水华的监管具有重要意义。随着我国资源环境卫星事业的快速发展,大量免费实用的数据为湖泊蓝藻水华的遥感监测提供了有力的支撑。已有的研究表明,目前蓝藻水华的遥感监测中存在的主要问题包括:(1)湖体边界的自动掩膜问题;(2)湖泊蓝藻水华与水生植物的区分问题;(3)提取阈值的选取问题。本文以太湖蓝藻水华为提取目标,基于HJ-1-CCD、HJ-1-HSI、CBERS-2/02b-CCD等国产卫星图像,建立了新的蓝藻水华提取的决策树模型,并使用多期图像进行了方法验证。本文使用的图像共15景,日期包括2003年到2013年的4-9月和11-12月。不同覆盖区域,太湖14景,巢湖1景;不同传感器类型,HJ-1-CCD10景,HJ-1-HSI2景,CBERS-2/02b-CCD3景;其中蓝藻水华明显的图像有14景,无水华的1景。使用2010年8月3日HJ-1-CCD太湖图像建立蓝藻水华的提取算法,使用其他图像进行对比验证。成果和结论如下:(1)蓝藻水华与其它地物的区分使用绿光(G)与短波红外(SWIR)的波段比值(R25)区分了湖体与陆地信息。比较了常用蓝藻水华提取的植被指数(RVI、DVI、EVI、NDVI),选择NDVI作为区分蓝藻水华和水体的最佳植被指数。建立了用于区分蓝藻水华与水生植物的透明度指数(NSDD)。(2)蓝藻水华决策树提取模型的建立及验证结合蓝藻水华与陆地信息、水体、水生植物的区分指数,以R25、NDVI、NSDD为节点建立了湖泊蓝藻水华的决策树提取模型,初步解决了蓝藻水华与水生植物的混淆问题。与NDVI阈值法、Chla反演模型、FAI方法相比,本文的决策树模型剔除了陆地的影响,能很好地区分水生植物。以目视解译为参照进行相对精度评价,正确率达94.12%,漏提率5.88%,误提率为0.53%,提取精度高于其他方法。(3)人工辅助的蓝藻水华快速提取基于多期图像的蓝藻水华提取结果,初步确定了适用于HJ-1-CCD影像决策树提取模型的阈值,即R25、NDVI、NSDD节点的初始阈值为2.75、-0.22、0.78,阈值范围依次为:2.5～3.7、-0.25～-0.13、0.57～0.87。设计了蓝藻水华的决策树人工辅助自动提取原型系统,在阈值范围基础上通过微调可以快速提取蓝藻水华信息,为蓝藻水华的自动提取奠定了基础。