湖库水体富营养化遥感监测
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
拓展应用 其它类型的水体？
要实现区域、全国、全球的应用
更多类型数据完善分类反演模型
研究
方向
可能需要10年的积累
如何更快发挥遥感的优势？
研究内容
典型水体营养状态指数遥感监测 大范围水体营养状态等级遥感监测 蓝藻水华时空分布多源遥感监测
内容
典型水体营养状态指数遥感监测 大范围水体营养状态等级遥感监测 蓝藻水华时空分布多源遥感监测
典型水体营养状态指数遥感监测
叶绿素a浓度反演原理
与浑浊水体叶绿素a浓度显著相关的光谱特征
675nm附近反射谷深度、700nm附近反射峰高度、700nm附近反射峰波长
0.04 0.03 0.02
1号点 (chla=63mg/m^3)
叶绿素a(Chla)、总氮(TN)、总磷(TP)、化学需氧量(COD)。
(2) 计算评价因子营养状态指数
TLI (Chla) =10(2.5 +1.086lnChla) TLI (TP) =10(9.436 +1.624lnTP) TLI (TN) =10(5.453 +1.694lnTN) TLI (SD) =10(5.118 - 1.94lnSD) TLI (COD)=10(0.109+2.661lnCOD)
两波段比值： Rrs(700nm)/Rrs(675nm) 归一化指数： (Rrs(700nm)-Rrs(675nm))/ (Rrs(700nm)+Rrs(675nm)) 反射峰波长： λmax 三波段模型： (1/Rrs(675nm) -1/Rrs(700nm))*Rrs(740)
问题： 水体光学特性随区域和季节变化大； 缺少普适性的水质参数反演模型。
(3) 计算综合营养状态指数
TLI(∑) =∑Wj ·TLI(j)
(4) 综合营养状态指数分级
TLI范围 TLI<30 30≤TLI<50 50≤TLI
营养状态 贫营养 中营养 富营养
背景
富营养化遥感监测方法 1. 遥感反演叶绿素a(Chla)浓度 2. 计算 TLI(Chla)
遥感监测方法的优势（潜力） Ø 范围广、速度快、成本低 Ø 宏观、动态、连续监测 Ø 反映时空变化状况 Ø 揭示污染物迁移特征
高空间分辨率 中小型水体监测 Landsat, Sentinel2, 时间分辨率不高
GF1, GF2
光谱分辨率不高
高光谱分辨率 提高监测的精度 HJ HSI, GF5 HSI 时间分辨率不高 监测更多的参数
世界上还缺少面向水环境监测的最佳遥感数据源
数据源分析
珠海一号高光谱卫星的特点
遥感器指标特点 高时间分辨率 高空间分辨率 高光谱分辨率
2号点 (chla=50mg/m^3)
3号点 (chla=7mg/m^3)
遥感反射率
0.01
0
350
450
550
650
750
850
950
波长（nm）
悬浮物浓度相同(32mg/L)、叶绿素a浓度不同的水体反射率光谱
典型水体营养状态指数遥感监测
叶绿素a浓度反演原理
浑浊水体叶绿素a浓度反演常用光谱特征参量
背景
富营养化遥感监测现状 目前还没有大范围湖库叶绿素a（富营养化）监测结果
NASA全球叶绿素a产品
目标
充分发挥多源遥感数据 在水环境监测中的优势
数据源分析
Biblioteka Baidu多源遥感数据分类
光学遥感
热红外遥感
微波遥感
数据源分析
多源遥感数据的应用
应用目标
水质 水环境
水资源
水质参数 富营养化 水华 赤潮 绿潮 固废污染 热污染 溢油污染 。。。 水域面积 。。。
典型水体营养状态指数遥感监测
浑浊水体叶绿素a反演模型发展过程和问题
经验 模型
一湖 一模型 一湖一季一模型
缺少物理机理 适用性比较差
统一 模型参数 解析 模型 一湖一季一套参数
模型参数获取困难 忽略水体内部差异
典型水体营养状态指数遥感监测
构建了基于分类的叶绿素a反演模型
水体 遥感 图像
第一类
遥感反射率
湖库富营养化遥感监测
基本概念 定义 危害 现状
背景
水体接纳过量营养物质（主要指氮、磷）， 使得藻类以及其它水生生物异常繁殖的现象。
破坏水生环境，伤害水生动物， 容易爆发水华，威胁饮水安全。 《2016年中国水资源公报》中， 118个调查湖泊中79%为富营养化。
背景
富营养化常规监测方法
(1) 现场测量透明度(SD)；现场采集水样，送到实验室内测量：
背景
富营养化遥感监测难题 1. 内陆水体光学特性复杂，叶绿素a,悬浮物,黄色物质共同影响； 2. 内陆水体光学特性的区域、季节差异大； 3. 没有普适性的内陆水体叶绿素a反演模型。
遥感反射率 Rrs
0.05 0.04 0.03
春季 夏季 秋季 冬季
0.02
0.01
0 350 450 550 650 750 850 950 波长（nm）
第二类
第三类
第n类
水体 光谱 分类
叶绿 素a 浓度
建模数据
同 第 二 波段选择 类
反演模型
验证数据
同 第 二 类
水质参数反演
精度评价
精度评价
精度评价
同 第 二 类
精度评价
典型水体营养状态指数遥感监测
构建了基于分类的叶绿素a反演模型
水体分成三类 构建不同模型 最后加权处理
共同主导
悬浮泥沙主导
藻类主导
光学遥感是监测水环境的重要技术
技术手段
光学遥感 热红外遥感
微波遥感
数据源分析
光学遥感数据的发展及其应用
全色（黑白）
彩色
高光谱
多光谱
高光谱遥感为水环境的高精度监测带来契机
数据源分析
水环境监测对于遥感数据源的需求
遥感数据需求
用途
高时间分辨率 水污染快速识别 水环境变化监测
现有主要数据源
主要问题
MODIS, GF4, FY4 光谱分辨率不高 空间分辨率不高
遥感器具体参数 10颗卫星组网，重返周期2.5天
10m
400-1000nm，32个波段
珠海一号高光谱卫星在水环境监测中具有重要潜力。
目标
珠海一号高光谱图像示例
珠
海
一
号
高
大气校正后水体反射率光谱
光
谱
图
像
水面实测水体反射率光谱
内容
典型水体营养状态指数遥感监测 大范围水体营养状态等级遥感监测 蓝藻水华时空分布多源遥感监测
各类代表光谱
典型水体营养状态指数遥感监测
构建了基于分类的叶绿素a反演模型
反演了2000-2015年太湖叶绿素a浓度
春季
夏季
秋季
冬季
季节分类结果统计
同步数据精度评价
典型水体营养状态指数遥感监测
基于叶绿素a评价2000-2015年太湖营养状态
典型水体营养状态指数遥感监测
基于分类的叶绿素a反演模型发展展望
要实现区域、全国、全球的应用
更多类型数据完善分类反演模型
研究
方向
可能需要10年的积累
如何更快发挥遥感的优势？
研究内容
典型水体营养状态指数遥感监测 大范围水体营养状态等级遥感监测 蓝藻水华时空分布多源遥感监测
内容
典型水体营养状态指数遥感监测 大范围水体营养状态等级遥感监测 蓝藻水华时空分布多源遥感监测
典型水体营养状态指数遥感监测
叶绿素a浓度反演原理
与浑浊水体叶绿素a浓度显著相关的光谱特征
675nm附近反射谷深度、700nm附近反射峰高度、700nm附近反射峰波长
0.04 0.03 0.02
1号点 (chla=63mg/m^3)
叶绿素a(Chla)、总氮(TN)、总磷(TP)、化学需氧量(COD)。
(2) 计算评价因子营养状态指数
TLI (Chla) =10(2.5 +1.086lnChla) TLI (TP) =10(9.436 +1.624lnTP) TLI (TN) =10(5.453 +1.694lnTN) TLI (SD) =10(5.118 - 1.94lnSD) TLI (COD)=10(0.109+2.661lnCOD)
两波段比值： Rrs(700nm)/Rrs(675nm) 归一化指数： (Rrs(700nm)-Rrs(675nm))/ (Rrs(700nm)+Rrs(675nm)) 反射峰波长： λmax 三波段模型： (1/Rrs(675nm) -1/Rrs(700nm))*Rrs(740)
问题： 水体光学特性随区域和季节变化大； 缺少普适性的水质参数反演模型。
(3) 计算综合营养状态指数
TLI(∑) =∑Wj ·TLI(j)
(4) 综合营养状态指数分级
TLI范围 TLI<30 30≤TLI<50 50≤TLI
营养状态 贫营养 中营养 富营养
背景
富营养化遥感监测方法 1. 遥感反演叶绿素a(Chla)浓度 2. 计算 TLI(Chla)
遥感监测方法的优势（潜力） Ø 范围广、速度快、成本低 Ø 宏观、动态、连续监测 Ø 反映时空变化状况 Ø 揭示污染物迁移特征
高空间分辨率 中小型水体监测 Landsat, Sentinel2, 时间分辨率不高
GF1, GF2
光谱分辨率不高
高光谱分辨率 提高监测的精度 HJ HSI, GF5 HSI 时间分辨率不高 监测更多的参数
世界上还缺少面向水环境监测的最佳遥感数据源
数据源分析
珠海一号高光谱卫星的特点
遥感器指标特点 高时间分辨率 高空间分辨率 高光谱分辨率
2号点 (chla=50mg/m^3)
3号点 (chla=7mg/m^3)
遥感反射率
0.01
0
350
450
550
650
750
850
950
波长（nm）
悬浮物浓度相同(32mg/L)、叶绿素a浓度不同的水体反射率光谱
典型水体营养状态指数遥感监测
叶绿素a浓度反演原理
浑浊水体叶绿素a浓度反演常用光谱特征参量
背景
富营养化遥感监测现状 目前还没有大范围湖库叶绿素a（富营养化）监测结果
NASA全球叶绿素a产品
目标
充分发挥多源遥感数据 在水环境监测中的优势
数据源分析
Biblioteka Baidu多源遥感数据分类
光学遥感
热红外遥感
微波遥感
数据源分析
多源遥感数据的应用
应用目标
水质 水环境
水资源
水质参数 富营养化 水华 赤潮 绿潮 固废污染 热污染 溢油污染 。。。 水域面积 。。。
典型水体营养状态指数遥感监测
浑浊水体叶绿素a反演模型发展过程和问题
经验 模型
一湖 一模型 一湖一季一模型
缺少物理机理 适用性比较差
统一 模型参数 解析 模型 一湖一季一套参数
模型参数获取困难 忽略水体内部差异
典型水体营养状态指数遥感监测
构建了基于分类的叶绿素a反演模型
水体 遥感 图像
第一类
遥感反射率
湖库富营养化遥感监测
基本概念 定义 危害 现状
背景
水体接纳过量营养物质（主要指氮、磷）， 使得藻类以及其它水生生物异常繁殖的现象。
破坏水生环境，伤害水生动物， 容易爆发水华，威胁饮水安全。 《2016年中国水资源公报》中， 118个调查湖泊中79%为富营养化。
背景
富营养化常规监测方法
(1) 现场测量透明度(SD)；现场采集水样，送到实验室内测量：
背景
富营养化遥感监测难题 1. 内陆水体光学特性复杂，叶绿素a,悬浮物,黄色物质共同影响； 2. 内陆水体光学特性的区域、季节差异大； 3. 没有普适性的内陆水体叶绿素a反演模型。
遥感反射率 Rrs
0.05 0.04 0.03
春季 夏季 秋季 冬季
0.02
0.01
0 350 450 550 650 750 850 950 波长（nm）
第二类
第三类
第n类
水体 光谱 分类
叶绿 素a 浓度
建模数据
同 第 二 波段选择 类
反演模型
验证数据
同 第 二 类
水质参数反演
精度评价
精度评价
精度评价
同 第 二 类
精度评价
典型水体营养状态指数遥感监测
构建了基于分类的叶绿素a反演模型
水体分成三类 构建不同模型 最后加权处理
共同主导
悬浮泥沙主导
藻类主导
光学遥感是监测水环境的重要技术
技术手段
光学遥感 热红外遥感
微波遥感
数据源分析
光学遥感数据的发展及其应用
全色（黑白）
彩色
高光谱
多光谱
高光谱遥感为水环境的高精度监测带来契机
数据源分析
水环境监测对于遥感数据源的需求
遥感数据需求
用途
高时间分辨率 水污染快速识别 水环境变化监测
现有主要数据源
主要问题
MODIS, GF4, FY4 光谱分辨率不高 空间分辨率不高
遥感器具体参数 10颗卫星组网，重返周期2.5天
10m
400-1000nm，32个波段
珠海一号高光谱卫星在水环境监测中具有重要潜力。
目标
珠海一号高光谱图像示例
珠
海
一
号
高
大气校正后水体反射率光谱
光
谱
图
像
水面实测水体反射率光谱
内容
典型水体营养状态指数遥感监测 大范围水体营养状态等级遥感监测 蓝藻水华时空分布多源遥感监测
各类代表光谱
典型水体营养状态指数遥感监测
构建了基于分类的叶绿素a反演模型
反演了2000-2015年太湖叶绿素a浓度
春季
夏季
秋季
冬季
季节分类结果统计
同步数据精度评价
典型水体营养状态指数遥感监测
基于叶绿素a评价2000-2015年太湖营养状态
典型水体营养状态指数遥感监测
基于分类的叶绿素a反演模型发展展望