环境卫星CCD影像在太湖湖泛暗色水团监测中的应用

合集下载

基于太湖气溶胶类型分区的环境一号卫星CCD大气校正

ｑａｉｓｎｈｏｏｓＭＯＤＩｍａｅｓａｎｉａｙｄｔｍ，Ｌｋａｈｓｄｖｄｄｉｔａ，ｔａｓｏｈｒａｔｎｈｔ－ｕｓ —ｙｃｒｎｕＳｉｇｓａｎａｃｌｒａｕｌａｅＴｉｕｗａｉｉｅｎｏｔｐｎｓｈｔｉ，ｎ￣ｅｎｐｒａｄｔｅｏｈｗｏ
摘
要：由两颗卫星组成的环境卫星星座系统所提供的ＣＤ数据具有较高的时间分辨率，Ｃ使其在内陆湖泊水环境遥感监测
中具有较大的应用潜力，对其有效的大气校正方法的研究则是其定量化参数反演的前提．基于准同步的ＭＯＩＤＳ数据辅助，根据气溶胶的差异性，将太湖划分为北部湖区、其他湖区两块区域，利用辐射传输模型，研究太湖环境一号ＣＤ数据大气校Ｃ正的方法，并对２００９年４月１、ｌ２７２、５日数据进行大气校正．研究结果表明，该大气校正方法直接使用较为成熟的ＭＤＳ各ＯＩ类产品，克服了传统大气校正中依赖于现场同步测量大气参数的缺陷，能够快速、有效地完成环境一号ＣＤ数据的大气校Ｃ正．基于气溶胶类型对太湖进行分区后，所求算的遥感反射率精度高于６ｓ模型和暗像元等大气校正方法得到的结果．
ｅａｔｒｐｒ．Ｔｈｎ，ｒｄａｉｅｔｎｆｒｍｏｅｓｕｅｏｄｖｌｐｔｅａｍｏｅｅａｉｔｖｒｓｅｄｌｗａｓｄｔｅｅｏｈｔｓｈｒｏｒｃｉｔｏｏａｅｌｅＨＪ１Ｃａｃｏｉｉｇｓｈ
，
ｎｔｉｈｔｍｐｒｌｒｓｌｔｎ．ＳｈｔｔｅｅｉｒａｐｔｎｉｎｉｖｒｉｇｉｌｎｄｌｋｔｒｑａｉａａｔｒｙｔｉｙｔｍｆｉｈｇｅｏａｅｏｕｉｓｏＯｔａｈｒｓｇｅｔｏｅｔｉｎｅｓｎｎａａｅｗａｅｕｌｙｐｒｍｅｅｓｂｈｓｓｓｅｌａｔ

太湖湖泛现象的卫星遥感监测

太湖湖泛现象的卫星遥感监测李旭文;牛志春;姜晟;金焰【期刊名称】《环境监测管理与技术》【年(卷),期】2012(024)002【摘要】2010年8月20日太湖地区Landsat ETM影像显示,太湖西部沿岸带存在湖泛黑水团现象,对该景遥感影像进行了大气校正,提取了湖泛样区、其他水体样区的ETM各波段光谱反射率数据统计特征.结果表明,湖泛样区在可见光波长的ETM波段1、2、3具有很低的反射率,水色暗黑,与人眼观察一致,而在反射红外波长的ETM波段4则有比波段3高的反射率,差异植被指数DVI＞0,其原因为湖泛黑水团中,虽然大量蓝藻死亡分解,然而水中还残留有一定数量的活体蓝藻,残余叶绿素及细胞造成了虽然较弱、但仍较为稳定的反射红外波长处的光谱反射能力.提出了识别湖泛现象的遥感判据为ρ0.485 ＜0.05 and ρ0.56＜0.08 andρ0.66＜0.065 and (ρ0.83-ρ0.66) ＞0 andρ0.83＜0.1.【总页数】6页(P12-17)【作者】李旭文;牛志春;姜晟;金焰【作者单位】江苏省环境监测中心,江苏南京 210036;江苏省环境监测中心,江苏南京 210036;江苏省环境监测中心,江苏南京 210036;江苏省环境监测中心,江苏南京 210036【正文语种】中文【中图分类】X87【相关文献】1.太湖湖泛预警监测系统及治理技术探析 [J], 龚慧;姚敏;邵飞燕;汪姗2.太湖宜兴近岸水域“湖泛”现象初析 [J], 陈荷生3.2009-2017年太湖湖泛发生特征及其影响因素 [J], 刘俊杰;陆隽;朱广伟;高鸣远;闻亮;姚敏;聂青4.太湖西北部近岸水域近10年湖泛情况浅析 [J], 纪海婷; 吴荣荣; 龚慧; 张鸽5.太湖蓝藻水华和湖泛应急防控能力提升对策研究 [J], 殷鹏;张建华;胡晓雨因版权原因，仅展示原文概要，查看原文内容请购买。

基于环境一号卫星的太湖叶绿素a浓度提取

基于环境一号卫星的太湖叶绿素a浓度提取旷达;韩秀珍;刘翔;詹雅婷;牛铮;王李娟【摘要】综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5～12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.【期刊名称】《中国环境科学》【年(卷),期】2010(030)009【总页数】6页(P1268-1273)【关键词】环境一号卫星;遥感;叶绿素a【作者】旷达;韩秀珍;刘翔;詹雅婷;牛铮;王李娟【作者单位】中国科学院遥感应用研究所,遥感科学国家重点实验室,北京,100101;中国科学院研究生院,北京,100139;中国气象局国家卫星气象中心,北京,100081;北京东方泰坦科技股份有限公司,北京,100083;南京信息工程大学气象灾害省部共建教育部重点实验室,江苏,南京,210044;中国科学院遥感应用研究所,遥感科学国家重点实验室,北京,100101;中国科学院遥感应用研究所,遥感科学国家重点实验室,北京,100101;中国科学院研究生院,北京,100139【正文语种】中文【中图分类】X87Abstract：In this study, models estimating water chlorophyll-a concentration have been proposed and calibrated, based on the regression analysis between HJ-1 satellite CCD images and synchronous in-situ water quality monitoring data, ranging from September to December in 2008 on Taihu, Jiangsu Province. The red and near infrared bands of HJ-1A and 1B CCD data, with central wavelength at 660 nm and 830 nm respectively, have shown to be sensitive to the chlorophyll-a concentration. Three models has been built and validated. The results illustrate the high potentials of the models to estimate chlorophyll-a concentration in inland waters for operational applications from satellite HJ-1 satellite CCD data, which will be of immense value for environment monitoring. Among the three models been proposed, the one based on index R830/R660has the highest estimation precision, 6.04mg/m3. This model has been applied to eight images of HJ-1 satellite CCD, generating chlorophyll-a concentration distributions from May to December 2009.Key words：HJ-1 satellite；remote sensing；chlorophyll-a目前,我国内陆江河湖泊水质监测和分析主要依赖于高精度的仪器进行周期性的实地监测以及实验室分析[1].这种监测方法耗费较多人力物力,易受气候和水文条件的限制,难以长时间跟踪监测,且较少的数据点难以反映湖泊的整体分布状况[2].从1978年美国NASA第一代水色遥感器CZCS到MODIS和MERIS,水体叶绿素a的遥感反演方法不断得到更新发展,精度逐渐提高[3].第一、二代水色卫星采用的反演方法主要是蓝绿辐亮度比值法.这种反演方法适合于悬浮泥沙和黄色物质含量较低的一类水体.但在二类水体,由于悬浮泥沙的后向散射和黄色物质的强吸收等因素,蓝绿比值法几乎不可用[4].从MODIS、MERIS开始,荧光遥感算法[5]成为二类水体叶绿素a浓度反演的重要方法,包括基线荧光高度法和归一化荧光高度法.这种方法有效地补充了蓝绿比值法的不足[6].但荧光遥感的应用也受到诸多因素的制约,如荧光遥感特征波段的选择、活体叶绿素荧光过程的复杂多变性以及荧光峰的“红移现象”等[4].为提高反演精度,需要研究利用新型传感器数据进行遥感监测的关键技术与方法,同时加强多种遥感数据之间的融合以及遥感数据同地面同步监测数据的结合[7].本研究探索利用新型卫星传感器环境一号卫星进行水体叶绿素a遥感定量反演方法,结合地面同步观测数据,发现第4波段与第3波段的比值R830/R660与叶绿素a浓度的对数值之间存在较高的相关性,并以此为基础建立了新的遥感信息模型.经验证,该模型的反演精度达到6.04mg/m3.将该模型应用到2009年5～12月的环境一号卫星CCD影像,得到太湖水体叶绿素a浓度的时空变化分布,对变化趋势进行了分析.1.1研究区域太湖是我国第三大淡水湖泊,位于长江流域下游,该区域城镇密集,城市化水平居全国之首[8].伴随着该地区高速发展的城市化进程,区域内的河流富营养化比较严重,水质属于II～V类,局部地区甚至为劣V类.1.2遥感数据2008年9月6日,我国“环境一号卫星A、B星以一箭双星的方式在太原卫星发射中心成功发射,并在9月8日开机成像.该卫星主要用于对生态破坏、环境污染和灾害进行大范围、全天候、全天时动态监测.环境一号卫星的CCD相机共分4个谱段,表2列出其主要技术指标.本研究所用到的环境一号卫星CCD数据是经过辐射校正、系统几何校正后的2级产品.建立回归模型所需数据以及模型验证数据涵盖从2008年9月19日月至12月15日的8个时相.用于生成2009年5～12月太湖水体叶绿素a浓度分布图的数据为8景环境一号卫星CCD数据,其影像采集时间涵盖8个月份.1.3地面实测数据所用地面实测数据来自于2008年《湖州市蓝藻监测报告》[9],由湖州市环境保护监测中心每天对若干个固定采样点的水质参数采样获得.地面采样时间一般为上午8:00～10:00,这恰好与环境一号卫星在太湖地区的过境时间相吻合.由表2可见卫星数据与地面采样数据的获取几乎同步,相差一般在2h以内.用到的7个地面采样点均分布于太湖南部(图1).由于大面积蓝藻覆盖水域不适合于水体叶绿素a浓度遥感建模,根据《湖州市蓝藻监测报告》[9]中的蓝藻爆发分布与天气信息,结合卫星影像上的云层覆盖信息,对获得的56个地面采样数据进行了适当剔除.例如,9月19日大钱港入湖口的地面实测点因为云层覆盖被剔除,9月23日长兴夹浦、长兴合溪、长兴兴塘3个实测点因为湖面覆盖大量蓝藻被剔除.对最终得到的43个有效地面采样点数据进行随机抽样,其中30个用于建立反演水体叶绿素a浓度值的遥感信息模型,其余13个用来评定模型精度.1.4遥感数据的预处理利用环境一号卫星CCD数据提取太湖表层水体叶绿素a浓度,首先需要对卫星影像进行几何精校正和大气辐射校正.1.4.1几何精校正从中国资源卫星应用中心获得的环境一号卫星CCD数据是经过系统几何畸变校正后的2级产品,只需对其进行几何精校正便能实现原始影像与参考图像的空间精确配准.选用经过空间配准的1:5 万地形图为参考图像,在ENVI 4.5支持下对环境一号卫星CCD影像进行几何精校正,图像重采样采用最近邻点法,总误差控制在0.5个像元内.1.4.2大气辐射校正相对于陆地,水体的反射率很低,入瞳辐亮度中有超过80%以上的能量来自大气的干扰信息[8],因此精确的大气校正是进行河流表层叶绿素a浓度定量反演所必须的关键步骤.采用ENVI 4.5软件下的FLAASH大气校正模块对环境一号卫星CCD数据进行大气校正.输入相关参数,计算得到大气校正后的反射率图像.1.5遥感信息模型的建立1.5.1单波段方法利用SPSS 13.0对环境一号卫星CCD的4个波段反射率与叶绿素a浓度进行皮尔逊相关性分析.结果表明,除在第1波段475nm与叶绿素a浓度的相关系数相对较高以外,其他3个波段反射率与叶绿素a浓度的相关系数普遍较低,分别为-0.194,0.253,0.359.第1波段475nm反射率与叶绿素a浓度的皮尔逊相关系数达到了0.533,但相关程度仍不高.这可能是由于太湖的悬浮物浓度较高,而悬浮物的高反射率掩盖了水体中的叶绿素信息[10].因此,利用环境一号卫星CCD的单波段建立估算水体叶绿素a浓度的模型是不适合的.1.5.2多波段方法研究表明,采用多波段反射比可以部分消除水表面光滑度和微波随时间和空间变化的干扰,并在一定程度上减小其他污染物的影响[11].在以往运用遥感手段提取叶绿素a浓度的研究中,一种常用的方法是采用各种波段比值法和波段回归法扩大叶绿素a吸收峰与叶绿素a反射峰或荧光峰间的差异,以达到提取叶绿素a浓度的目的[12].雷坤[13]利用中巴地球资源1号卫星对太湖表层水体进行水质遥感监测,认为近红外波段是提取叶绿素含量的关键波段,联合红波段建立了反演叶绿素a浓度的双波段模型.吕恒等[2]分析3TM数据与准实时地面采样数据,发现TM3/(TM1+TM4)与叶绿素a浓度的相关性最好,并以此建立了太湖叶绿素a浓度的三波段线性反演模型.戴永宁等[14]以巢湖水体为例,利用624nm附近藻胆素和706nm附近叶绿素a的吸收峰建立了反演叶绿素a浓度的双波段反演模型.可见,可见光红波段和近红外波段是反演叶绿素a浓度的常用波段.为寻找环境一号卫星CCD反演水体叶绿素a浓度的最佳波段组合,在SPSS 13.0支持下对各波段灰度值进行比值变换、指数变换和对数变换等多种非线性变化和组合,分析了15种不同波段组合及其第一主成分与叶绿素a浓度之间的相关关系.结果表明,研究区域叶绿素a浓度的对数值和第4与第3波段的组合B4/B3的相关系数最高,为0.85(图2).其余波段组合相关系数较高的有(B4-B3)/(B3+B4)和B3/(B1+B4),分别为0.8和0.78.将各个因子作为自变量与水体叶绿素a浓度值进行回归分析,建立反演水体叶绿素a遥感信息模型.将模型计算所得结果与地面实测采样点数据进行统计分析,若合理并满足精度则将结果输出,否则重新分析,直到建立满足精度要求的模型,并对建立的若干个遥感模型进行对比分析.最终得到3个叶绿素a遥感信息模型,见式(1)～(3).从建立的遥感信息模型可以看出,环境一号卫星CCD第3和第4波段灰度值与水体叶绿素a浓度值关系密切,是反演水体叶绿素a浓度的关键波段.基于B4/B3因子的模型(模型1):基于(B4-B3)/(B3+B4)因子的模型(模型2):基于B3/(B1+B4)因子的模型(模型3):式中:C为叶绿素a浓度,mg/m3;RB1,RB3,RB4分别为环境一号卫星CCD第1、3和4波段反射率.2.1模型精度验证将建立的3个遥感信息模型应用于环境一号卫星CCD数据,得到叶绿素a浓度模型预测值,再和地面采样实测数据进行对比分析.用于验证数据的13个地面采样数据的叶绿素a浓度实测值为2.13～82.2mg/m3,平均浓度值为18.19mg/ m3.3个模型的预测结果与实测叶绿素a浓度的误差均方根分别为6.04,19.30,16.02mg/m3. 相对于平均浓度18.19mg/m3,模型的预测值误差均较大,尤其是模型2和模型3的预测精度很低.进一步分析可知,误差主要来源于个别叶绿素a浓度值极高的采样点.例如,7号采样点的叶绿素a浓度实测值为82.2mg/m3,3个模型预测值的平均误差为40.69mg/m3.造成这种高浓度叶绿素a估算精度较低的主要原因,可能是由于地面采样数据主要在秋冬季节采集,水体叶绿素a浓度较春夏季偏低,造成建立的遥感信息模型对高浓度叶绿素a不够敏感.此外,内陆水体受人工和自然影响较多,在地理位置偏移较小的情况下可能有较大的叶绿素a浓度变化梯度,导致实测数据点并不能有效代表所在区域内的平均浓度值.叶绿素a浓度值较高的区域经常漂浮大量水生植物,这也可能在一定程度限制应用遥感数据估算水体叶绿素a浓度的精度. 若剔除7号点,剩余的12个采样点的叶绿素a浓度平均值为12.86mg/m3,3个模型的预测值误差均方将分别降低至5.02,8.99,9.78mg/m3.由此可以得出,在对叶绿素a浓度偏低和中等的水体进行估算时,模型1相对模型2和模型3具有更高的精度.2.2太湖水体叶绿素a浓度变化分析利用遥感图像处理软件ENVI 4.5与ArcGIS 9.1,将建立的模型1应用于2009年5～12月的8景环境一号卫星CCD影像,得到该时期太湖表层水体的叶绿素a浓度分布图(图3).从时间上分析,该区域水体的叶绿素a浓度从6月份开始上升,在9～10月达到浓度峰值,12月份恢复较低水平.从地理上分析,7～8月的高叶绿素a浓度水域主要分布在沙塘港附近以及新塘北部水域.9～10月,在太湖西北部的沙塘港水域叶绿素a浓度进一步增高,并呈现往东部的焦山和拖山区域转移的趋势.同一时期,太湖东南部水域出现了极高的叶绿素a浓度分布.11月份,整个太湖水体叶绿素a开始下降,高浓度水域主要分布于西北部沙塘港和东南部水域.叶绿素a浓度在12月份进一步降低,平均浓度低于10mg/m3.总体上,太湖水体叶绿素a浓度呈现北部和东部较高、西南部和湖心较低的分布,这与以往的研究结果相一致[13].太湖的主要污染物来自西北部的常州市与北部无锡市的城市河道以及排污口,造成对应区域的富营养化与叶绿素a浓度偏高.值得注意的一点是,东太湖是典型的草型湖泊,平均水深仅1.2m,是太湖的主要出水通道,淤积较为严重,在夏秋季节水生植被覆盖率达96%[15].从2009年5～12月的叶绿素a浓度分布图(图3)上看,与太湖其他区域相比,东太湖的叶绿素a浓度始终呈现相对较高的水平.这种现象很可能是受该区域丰富的水生植物所致,并不能准确表征该区域水体的叶绿素a浓度信息.由此可见,建立的遥感信息模型对于覆盖有大量水生植被的水体是不适用的.此外,湖流、水深、水温等也会影响蓝藻的生长[16],从而影响水体的叶绿素a浓度分布.2.3与其他卫星传感器的对比分析除了环境一号卫星以外,已经有一些卫星传感器用于相关研究,并得到较好的结果.宋瑜等[3]采用MERIS数据对太湖叶绿素a进行反演研究,利用归一化荧光高度与叶绿素a浓度线性回归建立模型,结果基本上反映出太湖北部水体的叶绿素a浓度分布格局.然而,在太湖南部水陆过渡带,MERIS产品数据出现异常值,限制了其在内陆大型湖泊水质状况反演研究中的应用.马荣华等[17]结合Landsat ETM与实测光谱估测太湖叶绿素,利用ETM3/ETM1与叶绿素浓度值之间的函数关系建立了反演模型,均方根误差为12.34mg/m3.张玉超等[18]将支持向量机的方法应用于MODIS 数据太湖叶绿素a非线性反演中,发现其对低值和高值均有较好的预测精度,平均相对误差仅为15.91%.与这些卫星传感器相比,本研究利用环境一号卫星数据用于叶绿素a浓度反演的精度略微偏低.究其原因,可能包含多个方面,如特征波段的选择,反演算法的设计,地面实测数据,国内自主研制的传感器硬件参数,都可能对反演结果产生影响.随着环境一号卫星的研究应用逐渐推开,其在水质遥感方面的反演方法和模型将进一步完善.此外,相对其他卫星传感器,由于环境一号卫星是我国自主设计生产,数据订购和获取较为方便,利于研究和应用工作的开展.3.1利用我国自主研制的环境一号卫星CCD数据进行水体表层叶绿素a浓度提取,可以获得较高的反演精度.3.2环境一号卫星CCD数据的各个波段中,第3和第4波段与叶绿素a浓度值具有最高的相关性,是反演水体叶绿素a浓度的最佳波段.3.2对于覆盖有大量水生植被的水体,不适合采用遥感信息模型反演水体叶绿素a浓度.[1] 王孝武,孙水裕.基于TM数据和ANN的河流水质参数监测研究 [J]. 环境工程学报, 2009,3(8):1532-1536.[2] 吕恒,江南,罗潋葱.基于TM数据的太湖叶绿素A浓度定量反演 [J]. 地理科学, 2006,26(4):473-476.[3] 宋瑜,宋晓东,郭照冰,等.利用MERIS产品数据反演太湖叶绿素a浓度研究 [J]. 遥感信息, 2009,(8):19-24.[4] 邢天罡,赵冬至,刘玉光,等.叶绿素a荧光遥感研究进展 [J]. 遥感学报,2007,11(1):137-145.[5] Neville R A, Gower J F R．Passive remote sensing of phytoplankton via chlorophyll fluorescence [J]．Journal of Geophysical Research,1977,82:3487-3493.[6] Gordon H R. Diffuse reflectance of the ocean: The theory of its augmentation by chlorophyll-a fluorescence at 685nm [J]. Applied Optics, 1979,18:1161-1166.[7] 宋瑜,宋晓东,江洪.太湖藻类的遥感监测研究 [J]. 遥感信息, 2008,(4):102-109.[8] 杨一鹏,王桥,肖青,等.基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究 [J]. 地理与地理信息科学, 2006,22(2): 5-8.[9] 湖州市环境保护监测中心.2008年《湖州市蓝藻监测报告》 [R]. 2008.[10] Bhargava D S, Mariam D W. Light penetration depth, turbidity and reflectance related relationship and models [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1991,46(4):217-230.[11] Koponen S, Pulliainen J, Kallio K, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data [J]. Remote Sensing of Environment, 2002,79:51-59.[12] 段洪涛,张柏,宋开山,等.查干湖叶绿素a浓度高光谱定量模型研究 [J]. 环境科学, 2006,27(3):503-507.[13] 雷坤,郑丙辉,王桥.基于中巴地球资源1号卫星的太湖表层水体水质遥感 [J]. 环境科学学报, 2004,24(3):376-380.[14] 戴永宁,李素菊,王学军.巢湖水体的表观光学特性测量与分析[J]. 中国环境科学, 2008,28(11):979-983.[15] 李文朝,陈开宁,吴庆龙,等.东太湖水生植物生物质腐烂分解实验 [J]. 湖泊科学, 2001, 13(4):331-335.[16] 杜聪,王世新,周艺,等.应用遥感数据评价蓝藻水华对太湖取水口的影响. [J]. 中国环境科学, 2009,29(10):1041-1046.[17] 马荣华,戴锦芳.结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物含量. [J]. 湖泊科学, 2005,17(2):97-103.[18] 张玉超,钱新, 钱瑜,等.支持向量机在太湖叶绿素a非线性反演中的应用. [J]. 中国环境科学, 2009,29(1):78-83.致谢：本文的地面采样数据由湖州市环境保护监测中心提供,在此表示感谢.【相关文献】[1] 王孝武,孙水裕.基于TM数据和ANN的河流水质参数监测研究 [J]. 环境工程学报,2009,3(8):1532-1536.[2] 吕恒,江南,罗潋葱.基于TM数据的太湖叶绿素A浓度定量反演 [J]. 地理科学, 2006,26(4):473-476.[3] 宋瑜,宋晓东,郭照冰,等.利用MERIS产品数据反演太湖叶绿素a浓度研究 [J]. 遥感信息, 2009,(8):19-24.[4] 邢天罡,赵冬至,刘玉光,等.叶绿素a荧光遥感研究进展 [J]. 遥感学报, 2007,11(1):137-145.[5] Neville R A, Gower J F R．Passive remote sensing of phytoplankton via chlorophyll fluorescence [J]．Journal of Geophysical Research, 1977,82:3487-3493.[6] Gordon H R. Diffuse reflectance of the ocean: The theory of its augmentation by chlorophyll-a fluorescence at 685nm [J]. Applied Optics, 1979,18:1161-1166.[7] 宋瑜,宋晓东,江洪.太湖藻类的遥感监测研究 [J]. 遥感信息, 2008,(4):102-109.[8] 杨一鹏,王桥,肖青,等.基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究 [J]. 地理与地理信息科学, 2006,22(2): 5-8.[9] 湖州市环境保护监测中心.2008年《湖州市蓝藻监测报告》 [R]. 2008.[10] Bhargava D S, Mariam D W. Light penetration depth, turbidity and reflectance related relationship and models [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1991,46(4):217-230.[11] Koponen S, Pulliainen J, Kallio K, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data [J]. Remote Sensing of Environment, 2002,79:51-59.[12] 段洪涛,张柏,宋开山,等.查干湖叶绿素a浓度高光谱定量模型研究 [J]. 环境科学,2006,27(3):503-507.[13] 雷坤,郑丙辉,王桥.基于中巴地球资源1号卫星的太湖表层水体水质遥感 [J]. 环境科学学报, 2004,24(3):376-380.[14] 戴永宁,李素菊,王学军.巢湖水体的表观光学特性测量与分析[J]. 中国环境科学,2008,28(11):979-983.[15] 李文朝,陈开宁,吴庆龙,等.东太湖水生植物生物质腐烂分解实验 [J]. 湖泊科学, 2001,13(4):331-335.[16] 杜聪,王世新,周艺,等.应用遥感数据评价蓝藻水华对太湖取水口的影响. [J]. 中国环境科学, 2009,29(10):1041-1046.[17] 马荣华,戴锦芳.结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物含量. [J]. 湖泊科学, 2005,17(2):97-103.[18] 张玉超,钱新, 钱瑜,等.支持向量机在太湖叶绿素a非线性反演中的应用. [J]. 中国环境科学, 2009,29(1):78-83.致谢：本文的地面采样数据由湖州市环境保护监测中心提供,在此表示感谢.Quantitative estimation of Taihu chlorophyll-a concentration using HJ-1A and 1B CCD imagery.KUANG Da1,2, HAN Xiu-zhen3*, LIU Xiang4, ZHAN Ya-ting5, NIU Zheng1, WANG Li-juan1,2(1.State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China；2.Graduate University of Chinese Academy of Science, Beijing 100049, China；3.National Satellite Meteorological Center, China Meteorological Administration, Beijing 110008, China；4.Beijing Oriental Titan Technology Corporation, Beijing 100083, China;5. Key Laboratoryof Meteorological Disaster, Ministry of Education, Nanjing University of Information Science and Technology, Nanjing 210044, China). China Environmental Science, 2010,30(9)：1268～1273。

206-应用专题：基于环境小卫星的湖泊水质遥感监测

专题概述
• 本专题详细介绍了利用环境小卫星CCD-1B图像反演太湖叶绿素a浓度的完整流程，涉及环境小卫星的数据读取、辐射定标、几何校正、大气校正、反演模型的建立、遥感反演过程、反演结果验证等内容。
• 使用模块和工具：
– ENVI主模块 – FLAASH大气校正扩展模块 – 国产卫星支持工具 – 曲线拟合工具 – Excel相关功能
处理流程
HJ1B-CCD1原始数据
数据读取
数
辐射定标
据
预
处
几何校正
理
大气校正
太湖区裁剪
基准影像波谱响应函数太湖矢量数据
星上点与地面实测点建模
叶
绿
素
浓
模型修正
度
反
演
模型应用于图像
叶绿素浓度分布图结果分析
流程说明
• 根据环境小卫星CCD数据特点及太湖水质反演技术要求，采用的技术路线为：先对环境小卫星CCD数据进行数据预处理：数据读取、辐射定标、几何校正、大气校正、太湖区裁剪，利用波段比值法对实测的叶绿素a浓度数据建立反演模型，将模型应用于太湖水面区域影像，反演出整个太湖区的叶绿素a浓度。
2.2 辐射定标
• 在Toolbox中，打开/Radiometric Correction/Radiometric Calibration，选择HJ-1B数据文件。由于整景数据范围大，而工程区只是其中一小部分，所以可以只对研究区范围进行辐射定标。
2.3 几何校正
• 这一步是对环境数据进行几何校正，使其具有精确的地理信息，基准影像可以是地形图，也可以是已经过校正的其他中高分辨率影像，本专题中采用已经过校正的TM数据作为基准影像。
• 添加制图要素，制图输出

了解卫星影像分类技术在水域水质监测中的作用

了解卫星影像分类技术在水域水质监测中的作用一. 引言随着科技的不断进步和发展，卫星影像分类技术在许多领域中发挥着重要的作用。

其中，水域水质监测是其中之一。

水源是人类赖以生存的重要资源之一，因此，对水域的水质进行有效的监测和保护显得尤为重要。

本文将重点探讨卫星影像分类技术在水域水质监测中的作用，并且对这一领域的发展趋势进行展望。

二. 卫星影像分类技术在水域水质监测中的基本原理卫星影像分类技术通过分析和处理遥感卫星获取的图像数据，利用计算机算法对水域的水质进行分类和识别。

其基本原理是通过提取图像中的特征，如颜色、纹理、形状等信息，结合已有的水质监测数据，通过模型训练和优化，实现对水质的准确识别和判定。

三. 卫星影像分类技术在水域水质监测中的应用1. 水体污染溯源卫星影像分类技术可以帮助监测人员对水体污染源进行溯源。

通过对污染事件发生后的卫星影像进行比对分析，可以鉴定出污染源的位置和范围。

这对于相关部门制定污染治理策略和措施具有重要意义。

2.水体富营养化监测卫星影像分类技术可以实时监测和评估水体的富营养化程度。

通过对水体中藻类含量的识别和分析，可以帮助人们了解水体的营养状况，进而采取相应的措施，预防和减少水体中藻类过度生长引发的环境问题。

3.水体生态环境评估卫星影像分类技术还可用于水体生态环境评估。

通过对影像中的不同植被类型进行识别和分类，可以便捷地监测和评估水体周围的生态环境，包括湿地的状况、河流的廊道生态等方面。

四. 卫星影像分类技术在水域水质监测中的挑战和问题1. 分辨率限制卫星影像数据的分辨率限制，使得其在水质监测中存在一定的局限性。

较低的分辨率可能导致对细小水体污染源的监测和定位不准确，影响监测结果的精确性。

2. 云量和大气影响卫星影像的获取受到云量和大气因素的影响。

云量较多时，卫星影像可能会受到遮挡，导致无法准确获取水体的图像信息。

大气因素也会对影像的色彩和亮度产生干扰，降低分类和判定的准确性。

环境卫星CCD影像在太湖湖泛暗色水团监测中的应用、

２１日局部水域湖泛现象发生；０１年７月２ｔ２１８Ｅ
多波段等优势，近年来具备中国技术特色的重要是
环境遥感监测手段。通过对太湖地区２００９年５
月、００年８月、０２１２１１年７月、０年９月环境一２１１
场监测，感影像上湖泛特征与地面结果互相印遥证；００年８月，２１太湖地区高温持续时问很长，８从月１日起到月末，获得的１２景ＣＤ数据很好地展Ｃ示了蓝藻水华频繁暴发，进而导致在当年８月２ — ０
号ＣＤ相机影像数据的处理，别出在太湖发生Ｃ识的湖泛黑水团，分展现了环境一号影像对中国湖充泊生态问题的快速监测预警作用。
１数据处理方法１１影像资料．
的湖泛发生在太湖宜兴附近及兰山嘴一带近岸水域；０１年９月２日的影像上，渎港一社渎２１４官港一烧香港水色较暗黑，尚未得到地面监测和观测资料的同步验证，暂判读为暗色水体。
一
１一
第４卷第３期
李旭文等．境卫星ＣＤ影像在太湖湖泛暗色水团监测中的应用环Ｃ
２１０２年６月
时、态监测地表水、动空气、生态质量的需求出发，在技术设计上独具特色，其是星上ＣＤ相机载尤Ｃ荷的设计，有７０ｋ大幅宽、达３１辨率、具０ｍ高０Ｉ分Ｔ

基于卫星遥感的太湖蓝藻水华时空分布规律认识

J. Lake Sci.(湖泊科学), 2008, 20(6): 687-694 . E-mail: jlakes@ ©2008 by Journal of Lake Sciences基于卫星遥感的太湖蓝藻水华时空分布规律认识∗马荣华 1, 孔繁翔 1, 段洪涛 1, 张寿选 1, 孔维娟 2, 郝景燕 1(1: 中国科学院南京地理与湖泊研究所, 南京 210008) (2: 南京大学地理信息科学系, 南京 210093) 摘要: 建立了基于多源卫星遥感影像的太湖蓝藻水华信息提取的普适模式 , 获取了天气晴好条件下蓝藻水华的面积和空间分布. 近年来, 太湖蓝藻水华暴发时间逐渐提前至 3-4 月, 暴发的高频繁期发生在 6-7 月, 其次是 10-11 月; 2000 年以来, 蓝藻水华的持续时间有所增加, 几乎全年(3-12 月)都有发生. 北部(梅梁湾、竺山湾)是蓝藻水华的最初暴发地, 是蓝藻水华暴发的重灾区, 每年都有发生; 2001 年以来, 南部沿岸区(浙江附近水域, 即夹浦新塘一带的沿岸水体)也几乎每年都有发生, 且集聚面积逐年扩大, 持续时间越来越长, 逐渐成为太湖蓝藻的最早暴发地; 2003 年以来, 蓝藻水华开始向湖心扩散, 严重时几乎覆盖整个太湖的非水生植被区 ; 值得注意的是 , 2005 年以来 , 以前很少有蓝藻水华发生的贡湖湾 , 也开始有大面积蓝藻水华覆盖, 2007 年发生的频率显著增加. 关键词: 蓝藻水华; 遥感; 太湖Spatio-temporal distribution of cyanobacteria blooms based on satellite imageries in Lake Taihu, ChinaMA Ronghua1, KONG Fanxiang1, DUAN Hongtao1, ZHANG Shouxuan1, KONG Weijuan2 & HAO Jingyan1(1: Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, P.R.China) (2: Department of Geography Information Sciences, Nanjing University, Nanjing 210093, P.R.China)Abstract: Of all the cloudless 340 satellite imageries 11 were shot by Landsat MSS/TM/ETM sensor since 1979, 216 by EOS MODIS sensor since 2002, 10 by CEBERS CCD sensor since 2005 and 3 by IRS P6 LISS-3 sensor in 2007. On the basis of the spectral analysis, an applicable model was developed to extract the cyanobacteria bloom information from multi-source remote sensing images. And then, the model was used to acquire cyanobacteria bloom-covered area and its spatial distribution. The result showed that the initial time of cyanobacteria bloom was moved from June or July to March or April at present, three-four months advanced than the normal. The statistics showed that the cyanobacteria bloom occurs most frequently in June or July and the second was in October or November. Additionally, the duration of cyanobacteria bloom is becoming longer and longer and almost over time of March to December at present. The most intensity of cyanobacteria bloom occurred in September and the second was in June. The north of Lake Taihu, including Meiliang Bay and Zhushan Bay, was the initial location of cyanobacteria bloom and also the heavy disaster area, where the cyanobacteria bloom occurred every year since its first time. However, cyanobacteria bloom also occurred along the south bank of Lake Taihu almost every year since 2001, where the cyanobacteria bloom-covered area was becoming larger and larger and the duration time was becoming longer and longer, and which was becoming the earliest location of cyanobacteria bloom. It was noticeable that the cyanobacteria bloom was pervading gradually from the north, the west and the south to the center since 2003, and it sometimes covered almost the whole non-vegetation area. Additionally, there were cyanobacteria blooms occurring at Gonghu Bay since 2005, and it occurred more frequently in 2007. Keywords: Cyanobacteria blooms; remote sensing; Lake Taihu∗国家科技支撑计划项目(2007BAC26B01)和中国科学院“优秀博士学位论文、院长奖获得者”科研启动专项资金(07YJ01100) 联合资助. 2007-11-15 收稿; 2008-05-28 收修改稿. 马荣华, 男, 1972 年生, 博士, 副研究员; E-mail: rhma@.688J. Lake Sci.(湖泊科学), 2008, 20(6) 蓝藻暴发形成水华后, 在外力(如风、水流等)的作用下, 大面积积聚, 在卫星遥感影像上产生类似陆生植被的光谱特征[1]. 遥感具有快速、大范围、周期性的特点, 已经成为蓝藻水华监测的重要手段, 几乎所有的卫星遥感传感器如 AVHRR(Advanced Very High Resolution Radiometer)、CZCS(Coastal Zone Color Scanner) 、 SeaWiFS(Sea-Viewing Wide-Field-Of-View Sensor) 、 MERIS(Medium Resolution Imaging Spectrometer) 、 Landsat TM/ETM(Thematic Mapper/ Enhanced Thematic Mapper) 、 ASTER(Advanced Spaceborne Thermal Emission and Reflection Radiometer) 、 MODIS(MODerate-resolution Imaging Spectroradiometer)、SAR(Synthetic Aperture Radars)、Hyperion & ALI(Advanced Land Imager), 都能够识别和监测蓝藻水华的空间分布和暴发范围, 在时间系列影像数据的支持下, 可以发现蓝藻水华的空间分布规律. 本文使用多源卫星遥感影像数据(EOS MODIS、CEBERS CCD、LANDSAT TM/ETM、IRS P6 LISS-3), 试图获取太湖蓝藻水华的时空分布规律, 为蓝藻的预测预警提供基础和依据.1 数据和方法共收集包含太湖的、天气状况良好的卫星遥感影像/图片 340 景/幅(表 1), 其中自 2002 年以来的 EOS MODIS 卫星影像共 216 景(2002 年 13 景、2003 年 26 景、2004 年 16 景、2005 年 30 景、2006 年 39 景、 2007 年截止至 11 月 3 日共 92 景), 自 1979 年以来的 Landsat MSS/TM/ETM 卫星影像 16 景(1979 年 5 月 25 日, 1984 年 8 月 4 日, 1986 年 7 月 25 日, 1987 年 6 月 26 日, 1988 年 10 月 18 日, 1989 年 10 月 21 日, 1991 年 7 月 23 日、 11 月 12 日, 1994 年 6 月 29 日, 1998 年 8 月 11 日, 2000 年 5 月 4 日, 2001 年 7 月 26 日, 2002 年 1 月 2 日、 7 月 13 日, 2003 年 11 月 13 日, 2004 年 7 月 26 日), 包含有太湖的 Landsat MSS/TM/ETM 卫星影像图片 95 幅(5/4/3 或 4/3/2 波段合成)(1986 年 10 月 29 日, 1987 年 1 月 17 日、2 月 2 日、5 月 25 日, 1988 年 4 月 25 日、11 月 3 日、11 月 19 日、12 月 5 日, 1989 年 5 月 14 日、5 月 30 日、7 月 17 日、12 月 8 日, 1990 年 2 月 26 日、6 月 2 日、7 月 20 日、12 月 11 日, 1991 年 1 月 12 日、3 月 17 日、8 月 24 日、10 月 11 日、10 月 27 日, 1992 年 1 月 15 日、2 月 16 日、4 月 4 日、4 月 20 日、5 月 6 日、5 月 22 日、6 月 7 日、7 月 25 日、10 月 13 日、10 月 29 日、11 月 30 日、12 月 16 日, 1993 年 2 月 2 日、6 月 10 日、6 月 26 日、7 月 12 日、9 月 30 日、12 月 19 日, 1994 年 3 月 25 日、11 月 4 日、12 月 6 日、12 月 22 日, 1995 年 2 月 24 日、7 月 18 日、8 月 3 日、8 月 19 日、11 月 23 日、12 月 9 日, 1996 年 1 月 10 日、5 月 1 日、7 月 20 日、9 月 6 日、12 月 11 日, 1997 年 1 月 12 日、1 月 28 日、2 月 13 日、5 月 4 日、表 1 不同卫星遥感影像的蓝藻水华提取方法[2] Tab.1 The approaches to acquire cyanobacteria blooms in Lake Taihu from different satellite imageries 卫星遥感影像 EOS MODIS 方法说明准确判定. 蓝藻水华在近红外波段具有高反射特性, 在可见光波段具有低反射特性, 水体恰好相反, 因此可以利用近红外波段与可见光波段的比值来提取蓝藻水华; 而 Band2/Band1 不能有效区分低浓度蓝藻和高浑浊水体. 实际上, 蓝藻具有“陡坡效应”, 近红外波段的反射明显大于绿光波段, 使得 Band2/Band4>1, 因此利用 Band2/Band4>1, 可以迅速确定蓝藻水华. CEBERS CCD Band4/Band3>1 Band4 可以提取蓝藻水华, 但易与高浑浊水体相混淆, 河流入湖口处高悬浮物水体常被误作为蓝藻水华 ; 进一步发现 , 浑浊水体的 DN 值从 Band3 到 Band4 逐渐降低, 而蓝藻水华恰好相反, 因此可利用 Band4/Band3 提取蓝藻水华, 剔除高悬浮物水体. LANDSAT TM/ETM Band4/Band3>1 说明同 CEBERS CCD IRS P6 LISS-3 Band4/Band3>1 说明同 CEBERS CCD Band2/Band4>1 Band2 可以提取蓝藻水华, 但易与高浑浊水体相混淆, 阈值很难马荣华等: 基于卫星遥感的太湖蓝藻水华时空分布规律认识6895 月 20 日、6 月 5 日、8 月 8 日、10 月 11 日、10 月 27 日、12 月 14 日, 1998 年 1 月 31 日、7 月 10 日、 10 月 30 日、11 月 15 日、12 月 17 日, 1999 年 2 月 3 日、2 月 19 日、10 月 1 日、12 月 20 日, 2000 年 6 月 13 日、7 月 31 日、9 月 17 日、11 月 4 日、12 月 6 日、12 月 22 日, 2001 年 2 月 8 日、3 月 12 日、4 月 13 日、5 月 31 日、6 月 16 日、7 月 2 日、7 月 18 日、8 月 19 日、11 月 7 日、12 月 25 日, 2002 年 2 月 11 日、3 月 31 日、8 月 22 日、9 月 23 日、10 月 9 日、10 月 25 日), 自 2005 年以来的 CEBERS CCD 卫星遥感影像 10 景(2005 年 6 月 16 日、10 月 24 日、11 月 16 日, 2006 年 3 月 26 日、6 月 12 日、10 月 23 日、11 月 15 日, 2007 年 1 月 9 日、3 月 28 日、4 月 23 日), 2007 年 IRS P6 LISS-3 卫星遥感影像 3 景 (4 月 14 日、4 月 28 日、6 月 15 日). 通过 ERDAS 9.1 对 MODIS 影像进行重投影和几何纠正, 通过 1:50000 地形图对其它卫星遥感影像进行几何精纠正, 误差均在 0.5 个像元之内. 基于上述 4 种卫星遥感影像不同地物(水体、植被、蓝藻水华等)的光谱特征, 建立了若干种蓝藻水华的提取模式, 通过对比分析, 最终选取近红外和红光波段的比值作为蓝藻水华信息提取的普适模式(表 1).2 结果和讨论2.1 蓝藻水华形成的时间 1979 年以来 Landsat MSS/TM/ETM 卫星遥感影像、天气晴好状况下的 MODIS 卫星遥感影像(2002 年至今)、CEBERS 卫星遥感影像(2004 年至今)、IRS P6 卫星遥感影像(2007 年 4 月 4 日、4 月 28 日、6 月 15 日)表明: (1)太湖蓝藻水华大面积暴发于 1987 年 6 月(图 1), 随着时间(年份)的推移, 暴发时间(月份) 有逐渐提前的趋势(图 2), 2005 年提前至 4 月, 2007 年再次提前, 3 月 28 日便发现较大面积的水华, 值得注意的是, 2003-2004 年, 暴发始于 7 月份; (2)2000 年以前(1987-2000 年), 蓝藻水华暴发的频繁期为 6-7 月, 9 月最少, 10-11 月为次频繁期(图 3); (3)2000 年以后(2001-2007), 蓝藻水华暴发的频率明显高于 2000 年以前(1987-2000 年), 持续时间所有加长, 几乎全年(3-12 月)都有蓝藻水华暴发, 7 月为暴发频繁期, 10-11 月的暴发频率稍高于 8-9 月(图 3); (4)总体上认为, 3-4 月逐渐成为蓝藻水华的初始暴发期, 6-7 月为蓝藻水华暴发频繁期, 10-11 月为蓝藻水华暴发次频繁期.N N010km010kmab 图 1 1987 年 6 月 26 日卫星遥感初次发现太湖蓝藻水华 (a: Landsat TM 卫星遥感影像; b: 蓝藻水华的空间分布及集聚规模)Fig.1 Cyanobacteria bloom was found firstly by satellite imagery in Lake Taihu on June 26th, 1987 (a: Landsat TM satellite imagery; b: its distribution and convergency size)690J. Lake Sci.(湖泊科学), 2008, 20(6)图 2 1987 年以来水华暴发初始时间(1999 年数据缺失) Fig.2 The initial time of cyanobacteria bloom since 1987 (no image data in 1999) 2.2 蓝藻水华的空间分布图 3 1987 年以来蓝藻水华暴发时间与频率分布 Fig.3 The time and frequency of cyanobacteria bloom since 19872.2.1 初次暴发地点卫星遥感监测表明, 1987 年 6 月太湖蓝藻水华初次暴发时, 主要分布在梅梁湾的直湖港和武进港附近以及贡山湾湾口乌龟山至大贡山以北之间的部分水域, 南部沿岸区夹浦—新塘附近的沿岸水域有极少量成线状分布. 统计表明(表 2), 1987 年以来, 梅梁湾是太湖蓝藻最初暴发最频繁的湖区, 共发生过 14 次, 其次是竺山湾(包括竺山湾湾口), 共发生过 6 次, 然后是南部沿岸区(浙江新塘附近), 共发生过 4 次, 最后是西部沿岸区, 共发生过 2 次; 2000 年以前, 蓝藻水华几乎每年都首先在梅梁湾或竺山湾暴发; 近年来, 蓝藻最初暴发地点有向南部沿岸区转移的趋势. 表 2 1987 年以来太湖蓝藻水华最初暴发地点(1999 年无数据) Tab.2 The initial locations of cyanobacteria blooms in Lake Taihu since 1987(no image data in 1999) 时间 1987 年地点梅梁湾的直湖港和武进港附近水域、乌龟山至大贡山以北之间的部分水域、夹浦—新塘附近的南部沿岸区竺山湾湾口梅梁湾梅梁湾竺山湾、梅梁湾梅梁湾梅梁湾竺山湾、梅梁湾梅梁湾梅梁湾时间 1997 年地点竺山湾、梅梁湾1988 年 1989 年 1990 年 1991 年 1992 年 1993 年 1994 年 1995 年 1996 年1998 年 2000 年 2001 年 2002 年 2003 年 2004 年 2005 年 2006 年 2007 年梅梁湾梅梁湾、西部沿岸区南太湖浙江新塘沿岸区梅梁湾梅梁湾、竺山湾湾口竺山湾南太湖浙江新塘沿岸区西部沿岸区南太湖浙江新塘沿岸区2.2.2 主要分布区域 2000 年以前, 太湖蓝藻水华主要出现在梅梁湾、竺山湾, 以及竺山湾和梅梁湾相连的水域, 梅梁湾发生频率远高于竺山湾, 西太湖沿岸也时有发生. 2001 年以来, 除梅梁湾和竺山湾继续每年继续都有发生外, 南部沿岸区浙江附近水域, 即夹浦新塘一带的沿岸水体, 也几乎每年都有发生, 且集聚面积逐年扩大, 持续时间越来越长, 有时会和西部沿岸区连成一片(图 4), 形成整个开敞水体的沿岸区都被蓝藻水华覆盖的分布格局. 2003 年以来, 蓝藻水华开始逐渐向湖心扩散(图 5、图 6), 严重时几乎覆盖整个太湖的非水生马荣华等: 基于卫星遥感的太湖蓝藻水华时空分布规律认识691植被区, 如 2007 年 9 月 7 日(图 5f). 2005 年以来(图 5c、5d), 贡湖湾也时有蓝藻水华发生, 2007 年贡湖湾蓝藻水华发生的频率明显增加(4 月 28 日、8 月 30 日、10 月 11 日、10 月 18 日). 总体上, 太湖蓝藻水华的空间分布是一个从梅梁湾和竺山湾逐渐向湖心区、最终布满整个非水生植被区的空间演化过程(图 6).图 4 2001 年以来太湖南部沿岸水体蓝藻水华的发展趋势 Fig.4 A growing tendency of cyanobacteria blooms along the lake bank in the south of Lake Taihu since 2001692J. Lake Sci.(湖泊科学), 2008, 20(6)图 5 2003 年以来湖心区成为太湖蓝藻水华的主要分布区之一 Fig.5 The lake center becoming one of the main distributions of cyanobacteria blooms since 2003梅梁湾竺山湾 2000 年西部沿岸区南部沿岸区湖心区贡湖湾2003 年 2005 年 2007 年非水生植被区图 6 太湖蓝藻水华主要空间分布的历史演化过程Fig.6 An evolution of spatial distribution of cayanobacteria blooms in Lake Taihu马荣华等: 基于卫星遥感的太湖蓝藻水华时空分布规律认识 2.3 蓝藻水华的覆盖面积693卫星遥感初次发现蓝藻水华时(图 1), 覆盖面积达 62.2km2(1987 年 6 月 26 日), 之后一直到 2000 年, 水华覆盖面积都维持在这个水平. 2000 年后, 特别近 4 年来, 水华集聚面积/暴发强度逐渐增大, 最大集聚面积和暴发强度出现的时间有提前的趋势, 主要表现在两个方面(图 7): (1)2004 年太湖蓝藻水华最大集聚面积约 196.8km2, 2005 年约 316.9km2, 2006 年约 805.5km2, 是 2004 年的 4 倍多、2005 年的 2 倍多, 上述 3 个年份中蓝藻水华的最大集聚面积和暴发强度均出现在 9 月; 2007 年, 蓝藻水华的暴发强度和集聚面积继续增大, 最大集聚面积达 979.1km2, 时间上提前到 6 月底, 9 月份出现二次暴发高潮, 集聚面积达 855.1 km2; (2)2004-2006 每年的 10-12 月, 蓝藻水华集聚面积基本上维持在 200km2 以下的水平, 2007 年以来, 相同月份的水华集聚面积最大扩大到 450km2 左右.图 7 2004-2007 年太湖水面蓝藻集聚面积 Fig.7 The cayanobacteria bloom-covered area over time of 2004-20073 讨论与结论近红外波段中 , 蓝藻水华的光谱特征与其它地物差异较为明显 , 但当蓝藻浓度较低时 , 则表现出与高悬浮物含量水体相似的光谱特征, 在利用近红外单波段提取蓝藻水华信息时, 很难确定一个标准阈值, 阈值的较小变化 , 会带来蓝藻水华的面积和空间分布的较大变化 . 地物光谱特征的进一步分析表明 , 通过近红外波段和红光波段的比值大于 1 来提取水华具有更好的效果, 但当蓝藻浓度很低、水体信息掩盖蓝藻信息时, 由于水体信息近红外波段的低反射率, 导致近红外波段和红光波段的比值小于 1, 从而低估了蓝藻水华的集聚和覆盖面积[3-5]. 因此本文获取的水华集聚面积带有一定的误差, 但可以作为长期监测与分析的依据. 特别需要说明的是, 本文的研究完全遵照卫星遥感影像/图片的既定事实, 但由于卫星遥感的时间分辨率, 或者在卫星过境时刻的天气原因, 大量分布有蓝藻水华的信息并没有被卫星传感器抓拍到, 形成蓝藻水华空间分布信息的“卫星遥感盲区”, 因此在某段时间内, 通过卫星遥感虽然没有发现蓝藻水华, 但实际上或许存在. 1960 年夏, 中国科学院南京地理与湖泊研究所在太湖进行科学考察时, 在托山附近以及托山与焦山之间就曾发现有条状分布的藻类; 20 世纪 70 年代, 夏至前后, 在梅雨少、日照好的情况下, 在闾江口附近就会有水华发生, 但历时不长, 一到初秋, 便逐渐消失; 80 年代初, 夏季太湖监测时, 常见条状水华, 但都是间断的, 范围较小; 1986 年 8 月, 在大浦口至平台山一带, 成片出现面积约 20km2 的蓝藻水华[3-6].694J. Lake Sci.(湖泊科学), 2008, 20(6) 太湖蓝藻水华最初在夏季出现, 随着时间的推移, 暴发时间逐渐前移, 近年来, 3-4 月逐渐成为蓝藻水华的初始暴发期; 统计表明, 蓝藻水华暴发的频繁期发生在 6-7 月, 10-11 月成为蓝藻水华暴发的次频繁期. 2000 年以来, 蓝藻水华的持续时间有所加长, 几乎全年(3-12 月)都有发生, 9 月成为蓝藻水华暴发的高强度期, 其次是 6 月. 太湖北部(梅梁湾、竺山湾)是蓝藻水华的最初暴发地, 是蓝藻水华暴发的重灾区, 每年都有发生; 2001 年以来, 南部沿岸区(浙江附近水域, 即夹浦新塘一带的沿岸水体)也几乎每年都有发生, 且集聚面积逐年扩大, 持续时间越来越长, 逐渐成为太湖蓝藻的最早暴发地; 2003 年以来, 蓝藻水华开始向湖心扩散, 严重时几乎覆盖整个太湖的非水生植被区; 值得注意的是, 2005 年以来, 以前很少有蓝藻水华发生的贡湖湾, 也开始有大面积蓝藻水华覆盖, 2007 年发生的频率显著增加.4 参考文献[1] Dekker AG. Imaging spectrometry of water. In: Meer FD, Jong SM eds. Imaging spectrometry: Basic principles and prospective applications. Kluwer Academic, 2001: 307-359. [2] [3] 段洪涛, 张寿选, 张渊智. 太湖蓝藻水华遥感监测方法. 湖泊科学, 2008, 20(2): 145-152. Barale V, Jaquet J, Ndiaye M. Algal blooming patterns and anomalies in the Mediterranean Sea as derived from the SeaWiFS data set (1998-2003). Remote Sensing of Environment, 2008, 112: 3300-3313. [4] [5] Guo L. Doing battle with the green monster of Taihu Lake. Science, 2007, 317: 1166. Ma R, Ma X, Dai J. Hyperspectral feature analysis of chlorophyll a and suspended solids using field measurements from Taihu Lake, eastern China. Hydrological Sciences Journal, 2007, 52: 808-824. [6] 顾岗. 太湖蓝藻暴发成因及其富营养化控制. 环境监测管理与技术, 1996, 8(6): 17-19.。

环境一号卫星CCD数据在太湖蓝藻水华遥感监测中的应用

环境一号卫星CCD 数据在太湖蓝藻水华遥感监测中的应用金焰,张咏,牛志春,姜晟(江苏省环境监测中心,江苏南京 210036)摘要:利用环境一号卫星(H J-1)CCD 数据,对太湖水华进行遥感监测,并比对同时相的EOS /MOD IS 卫星遥感数据。

结果表明,H J-1星CCD 数据具有优于EO S /M OD IS 数据的蓝藻水华识别能力,并有良好抗云层干扰能力,适合用于太湖蓝藻水华应急监测。

关键词:环境一号卫星;宽覆盖多光谱可见光相机数据;蓝藻水华;遥感监测;太湖中图分类号:X 87 文献标识码:B 文章编号:1006-2009(2010)05-0053-04Application of Environ m ental Satellite H J -1CCD D ata for CyanobacteriaB l oo m R e m ote Sensi ng i n Tai hu L akeJI N Yan ,ZHANG Yong ,N I U Zh i chun ,JI A NG Sheng(J i a ng s u Environm entalM onitori n g Center ,N anjing,J iangs u 210036,Ch i n a)Abst ract :Re m ote sensi n g m on itori n g of cyanobacteria b l o o m in Ta i h u Lake w ith env ironm ental satelliteH J1CCD data w as descri b ed .Co m pared w ith EOS /MODI S data ,resu lts show ed thatH J 1CCD data w asm ore su it able for cyanobacteria b loo m recognition i n e m ergency m on itor i n g than that of EOS /M OD I S did and had better capab ility o f anti i n terference w hen it w as cloudy .K ey w ords :Env ironm en tal sa tellite H J 1;CCD data ;C yanobacteria bloo m ;Re m ote sensi n g m on itor i n g ;Taihu Lake收稿日期:2010-03-18;修订日期:2010-07-22基金项目:国家科技支撑基金资助项目(2008BAC34B07)作者简介:金焰(1982 ),男,江苏南京人,助理工程师,硕士,从事环境遥感监测工作。

环境一号卫星CCD数据在生态环境监测和评价工作中的应用价值研究

ａｓｓｍｅ，ａｄｉｓｅｃｌｅｔｔｍｅｒｓｌｔｏｎｄｔａｎｅｄｎｔｇｎｅｏｏｉａｎｉｏｉｇａｄａｌｒｎｓｅｓｎｔｎｔｘｅｌｎｉｅｏｕｉｎａｄｗｉｈｇｉｄａｖａａｅｉｃｌｇｃｌｍｏｔｒｎｎｅｒｙｗａｎｉｇ．
一
年里很难获取数据质量较好且覆盖全省的同时
相遥感数据，以保证评价的一致性，而导致当难从
年的生态评价工作基于的是上一年的数据，使评价结果滞后于环境管理需要。因此，开展基于我国国
环境一号卫星ＣＤ数据在生态环境监测和评价Ｃ工作中的应用价值研究
金焰，张咏，志春，姜牛晟
２０３）１０６（苏省环境监测中心，苏南京江江
摘
要：于环境一号卫星ＣＤ传感器性能，生态景观角度人手，对江苏省地形地貌特征，展了环境一号卫星ＣＤ基Ｃ从针开Ｃ
数据在生态环境监测和评价工作中的应用可行性研究，果表明环境一号卫星ＣＤ数据可以满足江苏省生态环境监测和结Ｃ评价Ｔ作需要，时间分辨率和幅宽是开展生态监控和预警的重要优势。其关键词：环境一号卫星；ＣＣＤ数据；态环境；测；价生监评中图分类号：８６Ｘ２文献标识码：Ｂ文章编号：６４６３（００一４０２ — ７１７ — ７２２１）０ — ０９０

遥感影像在水体监测中的应用

遥感影像在水体监测中的应用水是生命之源，对于人类的生存和发展至关重要。

而水体的质量、分布和变化情况直接影响着生态环境、水资源管理以及人类的生产生活。

遥感影像技术作为一种高效、大范围、实时的监测手段，在水体监测中发挥着越来越重要的作用。

遥感影像技术通过搭载在卫星、飞机等平台上的传感器，获取大面积的地表信息，包括水体的光谱特征、几何形状、温度等。

这些信息经过处理和分析，可以为我们提供丰富的水体监测数据。

在水体范围和形态的监测方面，遥感影像具有独特的优势。

通过不同波段的组合和图像处理算法，可以清晰地识别出河流、湖泊、海洋等水体的边界和轮廓。

这对于水资源的规划和管理具有重要意义。

例如，在城市规划中，准确了解河流和湖泊的分布范围，有助于合理布局城市的建设和发展，避免侵占水域。

遥感影像还能用于水体水质的监测。

不同的水质参数会导致水体在遥感影像上呈现出不同的光谱特征。

例如，富营养化的水体由于藻类的大量繁殖，在特定波段上的反射率会发生变化。

通过建立相应的数学模型，可以反演出水体中的叶绿素 a 浓度、悬浮物浓度、透明度等水质参数。

这为及时掌握水体的污染状况和评估治理效果提供了有力的技术支持。

在水体温度的监测中，遥感影像同样表现出色。

热红外波段的遥感影像可以获取水体表面的温度分布。

这对于研究水体的热交换、水生态系统的能量平衡以及预测水华的发生具有重要意义。

比如，在夏季高温时，通过监测水库的水温变化，可以及时采取措施防止水温过高对水生生物造成不利影响。

此外，遥感影像在水体动态变化的监测中也发挥着关键作用。

通过对不同时期的遥感影像进行对比分析，可以清晰地看到水体面积的扩张或萎缩、河道的变迁等。

这对于研究气候变化对水资源的影响、评估水利工程的效果以及防范洪涝灾害等都具有重要的参考价值。

然而，遥感影像在水体监测中也面临一些挑战。

例如，大气的干扰会影响遥感影像的质量和精度，导致数据误差。

此外，复杂的水体环境和水质状况也增加了遥感数据解译和分析的难度。

高光谱成像技术监测太湖水质

太湖水质监测中光谱技术的应用2008年5月29日，以“太湖美，美就美在太湖水”著称的无锡太湖，突然大面积蓝藻暴发，供给无锡全市市民的饮用水源迅速被蓝藻污染，小小蓝藻搅得无锡市近200万人口生活不得安宁。

千百年来被太湖滋养的无锡，被一场严重的水危机打了个措手不及。

太湖蓝藻的肆虐，不是一朝一夕就形成的，太湖蓝藻的危害已经有二十多年了，至今已呈积重难返之势。

太湖蓝藻的治理，相关部门也早就采取措施加以治理，但至今仍没有找到根治蓝藻的方法，太湖蓝藻的治理，出路到底在哪里？蓝藻的爆发更多是人祸造成“蓝藻”是一种最原始的单细胞藻类植物，一般呈蓝绿色，少数呈红色，主要分布在淡水中。

在一些营养丰富的水体中，有些“蓝藻”经常在夏季大量繁殖，并在水面形成一层蓝绿色而有腥臭味的浮沫（称为“水华”），造成水体缺氧、腐臭。

“蓝藻”死亡后会产生毒素，加剧水质恶化，严重污染饮用水。

这次无锡水危机最直接的原因是蓝藻暴发，看上去是气温升高、降雨偏少弱化了水体本身的净化能力，致使水质进一步恶化，加剧了蓝藻的灾情。

但不可否认的是，这样一场生态灾难的背后挥之不去的是人祸的影子。

据有关监测结果显示，太湖的营养盐浓度持续增高，1998年以来湖心区监测点水体总磷的浓度和叶绿素含量的平均值均呈现不断增加趋势。

由于水体严重富营养化，太湖流域的饮用水日益受到威胁。

监测数据显示，目前，太湖流域的饮用水源地水质以Ⅱ类、Ⅲ类为主，有32%的水体水质不能达到饮用水要求。

从1995年起，太湖就被列入国家“三河三湖”水污染防治的重点，十多年的治理中，各级政府都投入了大量资金，建设了大批工程。

据统计，2005年太湖治理一期总投资约人民币100亿元，即将开始的太湖治理二期工程预算投资甚至达到了1000亿元。

然而所有的努力，都被污染的加剧所淹没。

近年来，太湖上的蓝藻就像“牛皮癣”，越治越多，一到夏天就暴发。

太湖湖泊生态系统结构遭受空前破坏，连续多年发生了湖泊萎缩、功能衰退、水质污染、湿地减少等现象。

基于HJ-1ACCD数据的湖泊叶绿素a浓度反演

基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊叶绿素a浓度反演是一项重要的环境监测工作，可以为湖泊富营养化调查和水质评价提供重要依据。

基于HJ-1ACCD（Huan Jing Yi Hao 1A Charge Coupled Device）数据的湖泊叶绿素a浓度反演是利用HJ-1A卫星上搭载的CCD相机获取的湖泊遥感影像进行的一种遥感技术。

HJ-1A卫星是中国环境卫星二号的第一颗星，主要任务是对环境进行全方位、高频发射观测，为我国环境监测提供数据支撑。

CCD相机是HJ-1A卫星上的主要探测设备，可以获取高空间分辨率的遥感影像数据。

湖泊叶绿素a是湖泊中生物量浓度的一个重要指标，可以作为湖泊水质的一个关键参考。

利用HJ-1ACCD数据进行湖泊叶绿素a浓度反演的方法主要包括以下几个步骤。

对HJ-1ACCD数据进行预处理。

预处理的主要内容包括大气校正、大气成分估计和大气校正系数计算等。

大气校正是遥感数据处理中的重要一步，可以去除大气的影响，提高数据的准确性。

接下来，对预处理后的HJ-1ACCD数据进行图像解译。

图像解译是根据湖泊中的不同物质的反射特征进行分类，从而确定叶绿素a浓度所对应的分类。

然后，利用已知的湖泊叶绿素a浓度和HJ-1ACCD数据之间的关系进行模型拟合。

可以使用回归分析等方法，建立叶绿素a浓度与HJ-1ACCD数据之间的数学模型。

需要注意的是，湖泊叶绿素a浓度反演是一种间接方法，其精度和准确性还需要进行实地调查和水质采样分析进行验证。

湖泊的特征和环境条件也会对反演结果产生一定的影响，因此在实际应用中需要结合实际情况进行分析和判断。

基于HJ-1ACCD数据的湖泊叶绿素a浓度反演是一种通过对遥感影像数据的处理和分析，利用数学模型对湖泊叶绿素a浓度进行估计的方法。

这种方法可以为湖泊水质评价和富营养化调查提供重要的参考数据，具有广阔的应用前景。

卫星遥感技术用于江河湖泊水质监测方法探讨

卫星遥感技术用于江河湖泊水质监测方法探讨卫星遥感技术是一种通过卫星获取地球表面信息的技术手段。

近年来，随着技术的不断进步，卫星遥感技术在环境监测领域得到了广泛的应用。

其中，卫星遥感技术在江河湖泊水质监测中具有重要的作用。

本文将探讨卫星遥感技术在江河湖泊水质监测中的方法和应用。

首先，卫星遥感技术可以通过监测水体的反射光谱来评估水质状况。

通过遥感卫星获取的数据，可以分析水体的溶解有机物、悬浮颗粒物、藻类等物质的含量和分布情况。

通过分析这些波段的反射率，可以判断水体中的营养盐含量、浑浊度以及藻类的生物量等指标，从而评估水质的好坏。

这种无需实地采样的遥感方法，可以大大提高监测的效率和覆盖面积，并为水资源管理和环境保护提供科学依据。

其次，卫星遥感技术可以通过监测水体的温度来评估水质状况。

水体温度是水域中发生的生物、化学和物理过程的重要指标。

通过遥感卫星获取的热红外数据，可以分析水体温度的分布和变化情况。

水体的温度受到水深、流速、附近气温等因素的影响，而这些因素与水体的水质状况密切相关。

通过研究水体温度的空间分布和季节变化，可以揭示出水体的环境特征和其它水质监测数据所难以获取的信息。

此外，卫星遥感技术还可以通过监测水体的透明度来评估水质状况。

水体透明度是水体中悬浮物质和溶解物质的影响下光线穿透的程度。

通过遥感卫星获取的数据，可以分析水体的透明度变化，进而评估水体中悬浮物质的含量和分布情况。

透明度与水体的浊度和悬浮物质的浓度紧密相关，在水质监测中具有很高的参考价值。

在卫星遥感技术的应用中，也存在一些挑战和限制。

首先，遥感数据的空间分辨率和时间分辨率对于水质监测来说仍然有所局限。

当前常见的卫星遥感数据分辨率尚不能满足个别细小水体或河流的监测需求；而数据获取的时间周期也有一定限制。

其次，遥感数据的处理和解译需要科学的算法和技术支持。

正确地解译遥感数据并提取出准确的水质信息，需要深入的专业知识和专业分析软件的支持。

环境一号卫星CCD相机水体信息采集特性分析

采用基于遥感器入瞳处总辐亮度的交叉定标方法进行交叉辐射定标，取适用于水体目标的交叉辐射定标参数。获最后根据瑞利散射和气溶胶散射的计算值，以及获取的交叉定标系数，推出Ｈ１－Ｃ２可能接受到的灰度值。反ＪＢＣＤ
水体还是在二类水体，遥感器的近红外波段皆存在水体信息采集为零的现象，中ＨＪＢＣ各其１－ＣＤ２尤为明显。利用近１Ｏ景涵盖了ＨＪ１ＣＣ、一Ａ／Ｃ、一ＢＣＤ１ＨＪ１／Ｃ一Ａ／Ｄ１ＨＪ１ＣＤ２ＨＪ１／Ｃ、一ＢＣＤ２数据，以及同时过境的Ｅ／ＯＳＭ０ＤＩ，Ｓ
ｔｅ４ｂｎｈ－ａｄＣＣＤｃｍｅａＨＪＩＣａｒｓ（－Ａ／ＣＤ１ＨＪ１ｃ，一Ａ／ｃＤ２，－Ｂ／ＨＪ１ＣＣＤ１ＨＪ１Ｃ，一Ｂ／ＣＤ２）ｗｅｅａａｙｅ．ｅｒｓｌｓｓｏｄｔａｒｎｌｚｄＴｈｅｕｔｈｗｅｈｔ
ＡｂｔａｔＴｈｏ－ｄａｅｌｅＨＪ１ｓｒｃ：ｅｈｍｅｍａｅｓｔｌｉｓ‘ 一Ａ’ａｄ ‘ 一Ｂ’ｗｅｅｓｃｅｓｕｌａｎｈｄｉｅｔｍｂｒ２０．ｅｒｒｌｓｔｔｎＨＪ１ｒｕｃｓｆｌ１ｕｃｅｎＳｐｅｅ０８Ｔｈｉｏｅｉｏｙ
ｂ “ ，１ｙＨ． ”ＳｔｌｉｅＭｕｔｓｅｔａ一ａｅｌｔｌｉｐｃｒｌＣＣＤｅｓｒＳｎｏｓ

卫星影像遥感技术在水污染监测的应用

卫星影像遥感技术在水污染监测的应用摘要：水资源是人类最宝贵的资源，我国人均水资源占有率较低，加之近年来水污染问题日趋严重，让水资源短缺问题更为突出。

加强对水环境的保护与治理是保护我们生态环境的关键措施。

其中，水环境监测工作是防控水污染问题的基础性工作。

为提高水环境监测水平，需要加强相关质控管理，以确保监测工作更规范科学，获取的数据更精准、全面。

关键词：卫星；遥感；水污染；监测引言水环境保护工作的开展离不开长期有效的监测，这样才能够对其中的动态化数据进行及时的掌握，从而实现对水质情况的准确分析，结合数据有效开展水资源的保护工作。

传统的水环境手工监测不但消耗了大量的人力物力，同时所获得的效果也比较有限，随着科技的发展，水环境自动监测技术逐步发展成熟，如今水质自动监测技术已经得到了广泛的应用，能够协助监测部门完成水环境监测任务，及时的对问题进行预警，使得我国水环境保护工作能够得到顺利的开展。

1卫星遥感对水使用情况的监测可根据卫星面积大致分为两类:海洋颜色的远程监测和室内设计。

如今，美国利用海洋水产资源监测海洋、游离物质、水温等指标。

代表性的监测平台包括seatar/sea-wifs、EOS-Tera & Aqua/ MO-DIS、欧洲局环境卫星/MERIS、日本ADEOS/GLI、印度IRS/OCM等。

国内主要对好氧a悬架、可溶有机物、水温、透明度等进行监测。

美国的高空间分辨率大地卫星/TM系列、法国的SPOT/HRV系列、印度的IRS-1/lis-kawa kawa系列以及美国的EO-1/Hype-rion等高光谱卫星更具代表性[22-23]。

国家主要监测指标与上述相同:卫星拥有HY-1A、HY-1B、HY-1C、HY-1D和FY1C系列卫星。

由于技术限制，对国内水域的反射不足，环境卫星(HJ-1)、中型巴尔资源卫星(CBERS)等国家卫星分辨率不足，无法满足内陆水监测的需要。

虽然许多商用卫星提供低于米级的空间分辨率，但频谱带宽影响频谱分辨率，进一步影响了环境特征监测，并限制了图像的大小。

基于环境小卫星的湖泊水质遥感监测

专题二：基于环境小卫星的湖泊水质遥感监测一、实验内容利用环境小卫星CCD-1B 图像反演太湖叶绿素a 浓度，整个实验涉及到环境小卫星的数据读取、辐射定标、几何校正、大气校正、反演模型的建立、遥感反演过程、反演结果验证等内容。

二、实验要求先对环境小卫星CCD 数据进行数据预处理：数据读取、辐射定标、几何校正、大气校正、太湖区裁剪，利用波段比值法对实测的叶绿素a 浓度数据建立反演模型，将模型应用于太湖水面区域影像，反演出整个太湖区的叶绿素a 浓度。

三、实验过程1、数据预处理(1)安装环境小卫星数据处理补丁ENVI_HJ1A1B_Tools.sav补丁放在home\ITT\IDL\IDL80\products\envi48\save_add 目录下。

（2）数据读取和定标主菜单->File->Open External File->HJ-1A/1B Tools，打开环境小卫星数据读取补丁。

在HJ-1A/1B Tools V3.0 面板中，选择CCD，点击Input File 输入“1-环境小卫星数据\HJ1B-CCD1-451-76-20091006-L20000180174\180174”文件夹中的.xml 文件，点OutputPath设置数据的输出路径，勾选“Calibration”“Layer Stacking”两个选项单击Apply 按钮。

2、工程区裁剪（1）打开HJ1B-CCD1-451-76-20091006-L20000180174_Calbrated_LayerStacking.img （2）主菜单->File->Save File As->ENVI Standard，弹出New File Builder 面板（3）在New File Builder 面板中，单击Import File，弹出的Create New File InputFile 面板，（4）在Create New File Input File 面板中，选中Select Input File 列表中的裁剪数据，单击Spatial Subset 按钮，（5）在Select Spatial Subset 面板中，单击Image，弹出Subset by Image 对话框（6）在Subset by Image 对话框中，按住鼠标左键拖动图像中的红色矩形框确定裁区域，裁剪出包括太湖区域的一部分，单击OK，（7）在Select Spatial Subset 面板中，可以看到裁剪区域信息，单击OK，（8）在Create New File Input File 对话框中，单击OK，（9）在New File Builder，设置输出文件名HJ1B-CCD1-20091006-Cal-sub.img及路径，单击OK。

基于环境小卫星CCD数据对太湖地区叶绿素a浓度的反演

gri，Sci，Bull，2021，27（17）
基于环境小卫星 CCD 数据对太湖地区叶绿素 a 浓度的反演
史鹏辉李云格姜寒
（西北农林科技大学水利与建筑工程学院，陕西杨凌 712100）
摘要：针对我国湖泊水体富营养化监测问题，以太湖为研究对象，使用了快速、低成本、大范围的遥感技术
在将遥感技术应用于叶绿素a浓度的监测等方面，国内外学者作了很多研究。朱冰川等［3］基于GOCI数据建立了太湖叶绿素a浓度的三波段反演模型，使用归一化植被覆盖指数（NDVI）对水体的蓝藻水华进行监测，并评估了水体的富营养化程度；张明慧等［4］利用MODIS时间序列影像数据，反演了福建海岸附近不同时期的叶绿素a含量，并对反演结果进行了分析；Teng Zhang等［5］比较了叶绿素 a和多个波段反射率间的相关性，确定了叶绿素a的反演波段，并将其输入到支持向量机（SVM）模型中，建立了一个良好的评价模型；Ryan McEliece等［6］基于UAV多光谱影像，通过2个不同波段计算的反射比和指数估算叶绿素 a浓度和浊度的可能性；董丹丹等［7］以巢湖为研究对象，通过拟合MODIS数据和实地监测数据，反演了水体叶绿素a 信息；马兰等［8］以向海湿地水体为研究对象，利用Land⁃ sat-OLI数据，采用回归分析的方法，建立并筛选出了叶绿素a含量最佳反演模型。笔者以太湖为研究对象，利用环
的多项式反演模型可以较为准确地反演出太湖地区的叶绿素 a 浓度值。
关键词：遥感；叶绿素 a；反演模型；波段比值法；CCD
中图分类号 X832；TP79
文献标识码 A 文章编号 1007-7731（2021）17-0030-04
The Inversion of Chlorophyll a Concentration in Taihu Lake Region Based on Environment Small Satellite CCD Data

基于Sentinel-2卫星影像的太湖水质监测

基于Sentinel -2卫星影像的太湖水质监测□刘新平管佳闫保银◎ I _____________________________________________________________________________________工作研免I一、研究区域及数据源1. 研究区域本文的研究区域选取了太湖。

太湖横跨江苏、浙江两省，东西南北四个方向分别瀕临苏州、宜兴、湖州和无锡3据介绍，太湖湖泊面积约2427.8平方千米，水域面积约2338.1平方千米，湖岸线全长约393.2千米。

太湖的西南侧为丘陵山地，东侧为平原及水网。

近年来，太湖正面临着围湖造田造地、有害渔具使用、工业废水排放、生活污水排放等多重人为因素影响，太湖水质明显下降，越来越多的研究投入到水质研究及水污染治理上。

2. 数据源本文研究数据选取的是2019年1月、5月、8月和12月的哨兵2A 卫星影像，即表征太湖四个时相的数据。

哨兵2A (Sen - tinel -2A )是高分辨率多光谱成像卫星，携带一枚多光谱成像仪 (MSI ),拥有13个谱段，从可见光到近红外再到短波红外,空间分辨率从10m 到60m ,能实现全面的陆地海洋监测，对于监测农业、林业种植、土地覆盖变化、水体污染情况以及自然灾害等具有重要意义。

数据下载地址(https ://scihub .copemicus .eu /dhus/#/home )。

二、研究方法1. 研究技术路线研究技术路线主要包括资料收集、预处理、水体边界提取及水质反演分析等。

2. 水体边界提取利用ENVI 5.3软件对Sentinel -2A 卫星数据进行辐射定标和大气校正预处理后，最终获取2019年四个时相的太湖区域遥感影像数据。

为了减少其他地物对水质反演的影响,需要对影像区域内水体之外的区域进行掩膜,继而提高后续的工作效率。

目前基于遥感影像的水体边界提取方法较多，有单波段法、水体指数法等，其基本原理大都是利用水体和其他地物在波段区间存在明显的反射差异。