归一化浮游藻类指数
崂山水库浮游植物的季节变化及水体营养状态
崂山水库浮游植物的季节变化及水体营养状态王艳玲;曹正梅;刘峰【摘要】为掌握崂山水库水质状况,2008年对崂山水库水体理化指标、浮游植物群落结构和细胞密度进行了监测.监测结果为:共检出浮游植物7门45属62种,其中种类最多的是绿藻和硅藻,分别占总种数的48.39%和27.42%.浮游植物群落结构季节变化明显,3月份硅藻种类最多,7月、8月和10月绿藻种类最多.库区优势种为鱼腥藻(Anabaena Bory.)、实球藻(Pandorina morum Bory.)、隐藻(Crytomonas Ehr.)、小环藻(Cyclotella Ktz.).水库浮游植物的四季平均细胞密度为12.8×105个/L,8月份最高,达到40.5×105个/L.叶绿素a的质量浓度年均值为7.05mg/m3,综合营养状态指数为50.6.总体来看,水库水体已经呈现中营养向轻度富营养化转化的趋势.%To understand the Laoshan Reservoir's water quality, the physical and chemical indicators, phytoplankton community structure and cell density of the reservoir in 2008 were monitored. The results showed that total 62 species (7 phylum and 45 genus) phytoplankton samples were detected. The majority of them were green algae and diatom that amounted to 48.39％ and 27.4％ of total species respectively. The seasonal variation of phytoplankton community structure was significant. The diatom sat at the primary position in March, and the green algae was the most in July,August and October. The dominant species were Anabaena Bory. , Pandorina morum Bory. , Crytomonas Ehr. , and Cyclotella K()tz. The average number of phytoplankton per liter in water was 12.8 × 105 and the highest value was 40.5 × 105 appeared in August. The mass concentration of Chlorophyll a was 7.05 mg/m3. The value ofsynthetical nutrition state index was 50.6. The water body of the reservoir showed the tendency of transformation from mesotrophication to light eutrophication.【期刊名称】《水资源保护》【年(卷),期】2011(027)001【总页数】4页(P42-45)【关键词】崂山水库;浮游植物;季节变化;营养状态【作者】王艳玲;曹正梅;刘峰【作者单位】青岛市环境监测中心站,山东,青岛,266003;青岛市环境监测中心站,山东,青岛,266003;青岛市环境监测中心站,山东,青岛,266003【正文语种】中文【中图分类】X824崂山水库位于崂山风景区内,是青岛市重要的饮用水水源地。
envi归一化水体指数
envi归一化水体指数
ENVI归一化水体指数（ENVI Normalized Water Index，ENVI NWI）是一种用于分析遥感图像中水体的指数。
它是基于归一化差异水体指数（Normalized Difference Water Index，NDWI）进行计算的。
ENVI归一化水体指数的计算公式如下：
ENVI NWI = (Green - NIR) / (Green + NIR)
其中，Green表示绿光波段的像素值，NIR表示近红外波段的
像素值。
ENVI归一化水体指数的取值范围为-1到1之间，数值越高表
示水体可能性越高，数值越低表示非水体可能性越高。
该指数可用于遥感图像中水体提取、水体变化检测等应用，对于监测湖泊、河流、水库等水体的分布和变化具有一定的应用价值。
基于R的于桥水库藻华时空分布特征及影响因子分析
基于RS 的于桥水库藻华时空分布特征及影响因子分析岳㊀昂1㊀张㊀赞1㊀魏㊀巍1∗㊀韩静敏1㊀刘红磊2(1.天津市生态环境监测中心,天津300191;2.天津市环境保护科学研究院,天津300191)摘要:于桥水库蓝藻水华的出现造成水体富营养化,影响饮用水安全㊂遥感技术为监测和预防藻华提供了高效快捷的手段,以2008 2017年的Landsat 卫星影像为数据源,通过NDVI 指数反演,分析了于桥水库历年藻华分布特征和变化趋势㊂从空间分布特征来看,于桥水库藻华主要分布在东岸和北岸,严重时会发展到水库中心;从历年藻华面积变化趋势看,2008 2013年,于桥水库藻华爆发面积较小,2013 2015年藻华现象逐年严重,2016 2017年水库藻华面积显著减少并趋于平稳㊂根据遥感监测结果,结合实地监测数据,分析得出:磷是于桥水库藻华爆发的限制性因子,气温的阶段性上升可能导致藻华大面积爆发㊂基于此研究结果,提出以磷输入控制为核心目标的于桥水库藻华防治措施,以减少水体富营养化和藻华爆发㊂关键词:于桥水库;遥感;藻华;影响因子;磷SPATIOTEMPORAL DISTRIBUTION CHARACTERISTICS OF ALGAL BLOOM IN YUQIAORESERVOIR BASED ON RS AND ITS INFLUENCE FACTORS ANALYSISYue Ang 1㊀Zhang Zan 1㊀Wei Wei 1∗㊀Han Jingmin 1㊀Liu Honglei 2(1.Tianjin Eco-Environmental Monitoring Center,Tianjin 300191,China;2.Tianjin Academy of Environmental Sciences,Tianjin 300191,China)Abstract :The appearance of cyanobacteria blooms in Yuqiao Reservoir caused eutrophication of the water body and affectedthe safety of drinking water.Remote sensing technology provides an efficient and fast way to monitor and prevent algal blooms.Landsat satellite remote sensing images from 2008to 2017were used to analyze the distribution characteristics and changing trends of algal blooms in Yuqiao Reservoir through NDVI index inversion.From the perspective of spatial distributioncharacteristics,the algal blooms are mainly distributed on the east and north shores while in severe cases will develop to the center of the reservoir.From the perspective of the algal bloom area changes over the years,the area is relatively small,but more serious year by year from 2013to 2015,and decreased significantly and stabilized from 2016to 2017.Based on theresults of remote sensing monitoring and field monitoring data,the research showed that phosphorus is the limiting factor for algal blooms in the Yuqiao Reservoir,and the stepwise increase in temperature may cause large-scale blooms of algal blooms.Based on this result,algae bloom prevention measures in Yuqiao Reservoir were proposed with the core objective of phosphorus input control to reduce water eutrophication and algal blooms.Keywords :Yuqiao Reservoir;Remote sensing;Algal bloom;Impact factor;Phosphorus㊀㊀㊀㊀㊀㊀㊀㊀收稿日期:2020-03-21基金项目:天津市科技计划项目(16YFXTSF00380)㊂第一作者:岳昂,工程师,研究方向为水环境监测㊁生态环境遥感监测研究㊂∗通信作者:魏巍(1970-),男,高级工程师,主要从事生态环境监测相关工作㊂1003813938@0㊀引㊀言水是人类生存和进步的生命之源,是社会经济发展不可替代的基础自然资源㊂近年来,随着社会经济的迅猛发展,城镇化程度加速扩张,工农业生产和生活污水的排放对内陆湖泊河流造成了不同程度的污染,导致水体富营养化问题出现,水华蓝藻现象爆发,成为水生态系统最重要的问题之一,给内陆湖泊生态环境治理带来了严峻的考验㊂传统的藻华测量方法是通过现场采样后在实验室进行测量,这种方法不仅费时费力,而且无法监测大范围水体的藻华分布情况㊂遥感技术的出现和快速发展,为监测和预防水华蓝藻提供了高效快捷的手段㊂遥感监测具有监测范围广㊁速度快㊁成本低㊁便于进行长期动态监测的优势,利用遥感技术进行蓝藻水华监测能够较好的反映藻华的时空分布和演化规律,可以帮助环境监测相关部门快速掌握藻华的变化趋势,为藻华预警提供科学依据[1]㊂在内陆水体水质遥感监测中,对蓝藻水华的监测主要是针对藻华覆盖的分布范围和动态趋势的监测㊂利用遥感技术监测蓝藻水华的方法包括单波段阈值法㊁光谱指数法㊁监督分类法和水质参数反演法等㊂单波段阈值法是利用藻华在近红外波段的高反射特性,通过选取合适的阈值区分藻华和水体,从而获取藻华分布范围㊂段洪涛等[2]利用MODIS数据,选取0.1为阈值,认为band>0.1时为藻华,提取了海岸带水域的蓝藻水华㊂光谱指数法是利用不同的波段组合方式,通过计算波段比值的方法实现藻华的有效监测㊂李旭文[3]等利用Landsat TM数据通过构建差分植被指数DVI来计算藻类生物量,并对藻类生物量进行分级,对太湖梅梁湖区藻类分布特征进行了监测和分析㊂Hu等[4]通过建立浮游藻类光谱指数提取了青岛海岸的藻类,并将改方法应用于太湖,对太湖2000 2009年藻华分布情况进行了监测㊂监督分类法是利用蓝藻和水体的光谱特征和纹理信息的差异,通过训练样本选择利用遥感图像监督分类的方法提取蓝藻水华㊂林怡[5]利用Landsat ETM+数据构建的归一化蓝藻指数,采用支持向量机(Support Vector Machine,SVM)方法进行监督分类提取淀山湖蓝藻水华,有效地识别了各种密度的蓝藻空间分布信息㊂水质参数反演法是以蓝藻素或叶绿素a为目标,通过遥感定量反演,分析蓝藻的分布状态㊂例如,梅长青[6]㊁怀红燕[7]等利用MODIS数据对我国巢湖㊁淀山湖进行叶绿素反演,通过叶绿素浓度监测藻类水华的暴发㊂于桥水库是天津市唯一的城市集中式应用水水源地,是天津市市区及滨海新区千万人口的生命线,对天津市经济社会发展具有极其重要的作用㊂但是近年来,由于农业面源污染和上游城市污水的排放[8-9],污染加剧,给于桥水库水质状况带来了严重影响,造成了水体富营养化,从1997年就已经出现了蓝藻水华爆发[10],给天津市饮用水安全带来了极大隐患,因此于桥水库藻华监测及爆发因素分析尤为重要㊂本文利用Landsat8和landsat7卫星遥感影像,通过光谱指数计算,提取于桥水库近10年来的藻华空间分布情况,分析其时空分布特征,并结合实地水质监测数据和区域温度数据,分析于桥水库总磷㊁叶绿素a与藻华面积的关系,探讨藻华爆发的影响因子,为于桥水库藻华治理和水质监管提供支撑㊂1㊀藻华遥感解译1.1㊀研究区概况于桥水库位于天津市蓟县城东4km处的州河上游,是一座山谷型水库㊂于桥水库始建于1959年, 1983年引滦入津工程建成后,于桥水库正式纳入引滦入津工程管理,成为天津唯一的水源地,其主要功能以防洪㊁城市供水为主,兼顾灌溉㊁发电等㊂于桥水库上游主要入库河流为淋河㊁沙河和黎河,其中沙河和黎河汇聚而成果河,黎河为引滦输水通道,上游连接输水隧洞,由于输水影响,果河入库的氮㊁磷质量浓度持续超标[11],导致库区水质无法达到规划要求的Ⅲ类标准,直接影响下游的蓟县㊁宝坻㊁宁河㊁玉田㊁汉沽等各县(区)的低洼地区近百万人口和300余万亩耕地㊂1.2㊀数据介绍遥感数据采用了Landsat-8OLI和Landsat-7ETM+卫星遥感图像,数据源来自地理空间数据云(http:// /)㊂Landsat-7是美国的陆地卫星计划(Landsat)中的第七颗,卫星携带增强型专题制图仪(Enhanced Thematic Mapper,ETM+)传感器,与Landsat-5相比增加了分辨率为15m的全色波段(PAN波段)㊂Landsat-8是太阳同步轨道卫星,携带陆地成像仪(Operational Land Imager,OLI)和热红外传感器(Thermal Infrared Sensor,TIRS),OLI陆地成像仪包括9个波段,空间分辨率为30m,其中包括一个15m的全色波段㊂与Landsat5/Landsat7相比, Landsat8涵盖的波段更多㊁波段划分更精细,数据量也提高到以往的3倍[12,13]㊂本文选取2008 2017年8 9月的Landsat-8OLI和Landsat-7ETM+影像为主要数据源进行于桥水库藻华解译分析㊂气象数据来自中国气象科学共享服务系统(http://图1㊀于桥水库遥感影像示意/),获取了流域内气象站(站点编号54439,坐标为117ʎ53ᶄE㊁40ʎ12ᶄN)的日平均和最大气温,分析气温与于桥水库叶绿素a质量浓度和藻华爆发面积的关系㊂1.3㊀藻华提取方法研究1.3.1㊀Landsat数据预处理利用ENVI软件对Landsat数据进行区域裁剪㊁辐射定标㊁大气校正等预处理[14],消除传感器误差㊁大气误差等外界干扰因素的影响,并采用单波段阈值法制作水体区域掩膜[15],获得准确的水体区域,在此基础上再进行蓝藻水华的提取㊂1.3.2㊀蓝藻水华提取方法蓝藻水华具有与植被相似的光谱特征[16],在550nm(绿波段)附近有一个反射峰,在675~710nm 波段具有类似于植被的陡坡效应,而在710~900nm (近红外波段)由于藻类细胞结构特点强烈反射太阳光谱能量而具有一个极高的反射率平台[17],这是蓝藻水华区别于正常水体的最明显的特征,因此利用植被指数可以有效的进行蓝藻水华的提取㊂归一化植被指数(Normalized Difference Vegetation Index,NDVI)是最常用且提取效果较好的植被指数之一,由于蓝藻光谱特征具有与植被相似的陡坡效应,所以利用NDVI可以有效的识别蓝藻水华㊂NDVI的计算公式如下:NDVI=NIR-RNIR+R(1)式中:NIR为近红外波段反射值;R为红波段反射值㊂1.4㊀藻华空间分布及演变趋势分析1.4.1㊀藻华面积解译获得于桥水库的水体区域后,利用ENVI的波段运算工具进行NDVI反演,得到于桥水库的NDVI图㊂在NDVI图像中,NDVI>0的区域为藻华区域,且NDVI值越大藻华浓度越高,NDVI值越小藻华浓度越低;NDVI<0的区域为正常水体㊂对得到的NDVI 图像进行阈值分割,得到于桥水库藻华分布图㊂为了消除其他易混淆物体的干扰,得到精准的藻华分布,通过对象矩形度进一步判断藻华的面积分布㊂对象矩形度即为表明形状能被矩形描述的程度,由多边形面积比多边形外接矩形的面积表示㊂矩形的矩形度为1,非矩形的矩形度小于1㊂对象矩形度是识别藻华的核心因子,根据对目标对象的判断将对象矩形度设定为0.7~0.8,可以有效识别出农田大体特征,消除对藻华提取的影响,但应注意前一步分割参数应设定相对细微㊂此外,由于水流㊁风向等外部环境都会影响到藻华的聚集,因此在卫星影像上含有藻华的水体与正常水体表现了不同的表面特征,即藻华在水体表面一般表现为条带状或者絮状形态,容易与周围湖水相区分,有利于目标物的目视解译[18],利用这一特征对获得藻华分布图进行后处理,最终得到准确的于桥水库藻华面积分布图㊂1.4.2㊀于桥水库近10年藻华空间分布特征及演变趋势分析利用2008 2017年8 9月于桥水库Landsat数据,采用NDVI指数反演结合人工目视解译的遥感方法,提取于桥水库2008 2017年的藻华空间分布图,分析10年间于桥水库藻华变化趋势,结果见图2㊂从空间分布特征来看,于桥水库藻华主要分布在东岸和北岸,严重时会发展到水库中心,西南沿岸基本没有藻华出现,水质状况较好,造成这一分布特征的原因可能与盛行风向㊁入库支流营养盐数据[19]以图2㊀于桥水库2008 2017年夏秋季藻华时空分布和藻华面积变化趋势及水库周边地貌状况有关[20]㊂从历年藻华面积变化趋势看,2008 2013年,于桥水库藻华爆发面积较小,水质状况较好,其中2009年藻华面积最小为1.87km2,2010 2013年藻华面积相对平稳,基本维持在3km2左右;2013 2015年藻华现象逐年严重,到2015年达到一个峰值,藻华面积达到5.65km2; 2016 2017年水库藻华面积显著减少并趋于平稳,藻华面积分别为1.5km2和1.95km2㊂2㊀藻华影响因子分析2.1㊀于桥水库近10年水质情况为研究水质环境与藻华面积变化的关系,本文分析了2008 2017年于桥坝下㊁水库中心㊁东马坊㊁九百户㊁三岔口不同监测点位的总磷(Total Phosphorus, TP)和叶绿素a(Chl-a)的质量浓度变化情况,如图3所示㊂整体来看,在同一监测时间,不同监测点位的TP和Chl-a质量浓度没有明显差异,且五个监测点位上的TP质量浓度与Chl-a质量浓度的历年变化趋势基本一致㊂2008 2012年TP和Chl-a质量浓度均较为平稳,没有明显变化,从2013年开始,TP和Chl-a质量浓度大幅上升,并到2016年达到最大,2017年开始有回落趋势㊂2008年于桥水库TP和Chl-a平均质量浓度分别是0.027mg/L和6.7mg/m3,到2016年分别上升至0.110mg/L和24.3mg/m3,2017年又回落至0.035mg/L和13.3mg/m3㊂ʏ TP; ʻ Chl-a㊂图3㊀于桥水库5个监测站点的总磷和叶绿素a质量浓度变化(2008 2017年)2.2㊀于桥水库磷质量浓度、叶绿素a与藻华面积关系分析分析于桥水库2008 2017年实测的TP和Chl-a 质量浓度可以发现,二者呈现明显的线性关系(R2= 0.944),如图4a所示㊂由此可见,TP质量浓度的增加会促进藻类生长,进而造成水体Chl-a质量浓度的上升,这一结果与Smith等[21]的研究结果是一致的,也进一步证明了磷是于桥水库藻华爆发的限制性因子㊂如图4b是藻华面积与叶绿素a的关系图,从图中可以看出二者没有明显关联㊂结合磷质量浓度与藻华面积的历年变化情况可以看出,磷质量浓度与藻华面积变化也不完全一致㊂从藻华面积变化趋势图中可知,于桥水库藻华面积在2015年达到最大值5.65km2,而磷质量浓度和叶绿素a浓度的最大值均是在2016年,其浓度分别为0.109mg /L 和52.44mg /m 3,而此时藻华面积相较2015年已大幅减少,甚至为历年最少㊂由此可知,虽然TP 浓度增加会促进藻华爆发,然而藻华爆发面积与磷质量浓度没有必然联系㊂这是因为磷并非是引起藻华爆发的唯一因素,藻华发生会受到营养盐浓度㊁温度㊁湖泊地形㊁湖流等多种环境因素的影响㊂于桥水库的输入方式主要是河流输入[22],河流入库口由于流速降低,吸附于颗粒上的磷大量沉积,并水土界面发生交换作用重新进入上覆水体,导致水中磷质量浓度升高[23],造成有支流输入的河口和近岸区域藻华滋生和大面积聚集(见图2)㊂因此,在于桥水库藻华防治工作中,应重点关注水流较为缓慢的岸边区域和有支流输入的河口缓流区域㊂图4㊀叶绿素质量浓度对总磷质量浓度的响应关系及藻华面积与叶绿素质量浓度2.3㊀区域气温与于桥水库藻华爆发关系分析水温对藻类生长具有重要影响,其中25ħ左右是较适宜藻类生长的温度[24],因此每年的8 9月是于桥水库藻华爆发最为严重的时间㊂利用国家气象站(遵化站)2008 2017年8 9月的日平均和最大气温数据,分析不同年份气温变化与于桥水库藻华面积变化的关系㊂结果显示,2015年8 9月日平均气温分布与其他年份有明显不同㊂2015年8 9月,日平均气温在22~28ħ的累计频率为65%左右,明显高于其他年份,说明该部分时段温度高于同期温度㊂进一步分析发现在藻华面积分布较高的年份均有类似的温度分布特征,充分证明了在营养盐充足的条件下,气温的升高会促进藻类大量繁殖,导致藻华大面积爆发㊂ʻ 2008; ʏ 2009; ▶ 2010; һ 2011; ▽ 2012;⎔ 2013; ʻˑ 2014; Җ 2015; ◁ 2016; Ѳˑ 2017㊂图5㊀于桥水库2008 2017年8 9月份日平均气温累积频度分布3㊀结㊀论从上述分析可以看出,于桥水库藻华主要出现库区东岸和北岸的河流入口处,西南及水库中心水体状况较好,藻华出现较少㊂引起藻华现象的原因包括营养盐输入㊁磷质量浓度的增加㊁温度等因子,其中营养盐是藻华发生的物质基础,总磷与水中叶绿素a 浓度有着直接影响,是于桥水库藻华爆发的限制性因子;温度也与藻华爆发密切相关,对藻华爆发面积有着重要影响㊂基于此,在于桥水库蓝藻水华防治方面,建议以磷输入控制为核心目标,具体对策如下:1)控制面源磷输入和废污水排放,实施基于入库磷总量达标的流域水质目标管理方案[25];2)建造人工湿地,开展入库河流岸边带修复和重建,减低入河磷污染和净化水质;3)在东岸和北岸污染较重区域开展生态清淤,减少沉积物内源磷污染㊂参考文献[1]㊀赵丹.典型内陆湖库蓝藻水华遥感监测[D].西安科技大学,2018.[2]㊀张渊智,段洪涛.芬兰海岸带水域蓝藻水华遥感监测[J].湖泊科学,2008,20(2):167-172.[3]㊀李旭文,季耿善,杨静.太湖藻类的卫星遥感监测[J].湖泊科学,1995(7):65-68.[4]㊀HU C,LEE Z,MA R,et al.Moderate resolution imagingspectroradiometer (MODIS)observations of cyanobacteria bloomsin Taihu Lake,China [J ].Journal of Geophysical Research:Oceans,2010,115(C4).(下转第83页)。
浮游植物吸收光谱特征分析
浮游植物吸收光谱特征分析张前前;王磊;类淑河;祝陈坚;王修林【期刊名称】《光谱学与光谱分析》【年(卷),期】2006(26)9【摘要】文章选取了东海9个典型浮游植物赤潮种、优势种,在实验室2个温度(20,15℃)和2个光照(7 000,1 100 lux)条件下进行培养,对不同温度、光照和生长周期条件下9种浮游植物的吸收光谱进行了研究.首先,将归一化的光谱数据组成的矩阵进行奇异值分解,采用第一特征值与所有特征值的和之比来衡量浮游植物吸收光谱的相似性,选取了25条能够表征9种浮游植物吸收光谱基本特征的代表谱.其中,等鞭金藻和柔弱角毛藻各1条,岛国大扁藻和旋链角毛藻各2条,裸甲藻3条,塔玛亚力山大藻、东海原甲藻、中肋骨条藻和聚球藻各4条.然后,进一步提取代表谱中具有较大判别能力的波长点,总共得到7个特征波长段(点),它们是340.5～420.5 nm波段、423.5～431 nm波段、440.5～525.5 nm波段和760.5,763.5,769.5,856.5 nm波长点;由此形成的特征谱,对量测光谱判别分析正确率达到80%.【总页数】5页(P1676-1680)【作者】张前前;王磊;类淑河;祝陈坚;王修林【作者单位】中国海洋大学化学化工学院,山东,青岛,266003;中国石油天然气华东勘察设计研究院,山东,青岛,266071;中国海洋大学数学系,山东,青岛,266071;中国海洋大学化学化工学院,山东,青岛,266003;中国海洋大学化学化工学院,山东,青岛,266003【正文语种】中文【中图分类】O657.3;Q949.2【相关文献】1.南海典型海区浮游植物吸收光谱特征及遥感反演产品的精度评估 [J], 赵文静;曹文熙;胡水波;王桂芬;刘振宇;徐敏2.基于南海北部海区浮游植物吸收光谱斜率变化的粒级结构反演 [J], 王桂芬;曹文熙;周雯;梁少君;杨跃忠;赵俊3.用多层感知器模型由吸收光谱反演浮游植物色素 [J], 周雯;曹文熙;王桂芬;梁少君;赵俊;孙兆华4.基于浮游植物吸收光谱提取粒径参数 [J], 梁少君;曹文熙;王桂芬;周雯;赵俊;孙兆华5.由粒子吸收光谱提取浮游植物吸收光谱的人工神经网络方法 [J], 刘雪锋;张亭禄因版权原因，仅展示原文概要，查看原文内容请购买。
北京市五景观湖泊浮游藻类评价及聚类分析
北京市五景观湖泊浮游藻类评价及聚类分析卫新锋;赵彦伟;彭可扬;王喆;任硕仪【期刊名称】《水土保持研究》【年(卷),期】2009(16)2【摘要】基于北京什刹海、昆明湖、奥运湖、朝阳公园湖、玉渊潭5个景观湖泊浮游藻类调查,对比分析了其数量、种属组成及Margalef种类丰富度指数、Shanon-wiever多样性指数、Pielou均匀度指数,结果表明:除奥运湖外,其余四湖均为富营养水体,昆明湖、奥运湖、什刹海水质要好于其它两个;对5个湖泊浮游藻类种属结构与生物指数进行聚类,种属结构聚类结果是朝阳公园、玉渊潭和奥运湖为一类,生物指数聚类结果是玉渊潭与朝阳公园湖为一类,表明再生水对浮游藻类种属结构影响较大,水质跟生物指数具有一致性。
【总页数】4页(P212-215)【关键词】景观湖泊;浮游藻类;生物指数;系统聚类;再生水【作者】卫新锋;赵彦伟;彭可扬;王喆;任硕仪【作者单位】北京师范大学环境学院,水环境模拟国家重点实验室,北京100875;北京市三帆中学,北京100088【正文语种】中文【中图分类】K524【相关文献】1.南京仙林大学城高校校园景观水体浮游藻类调查与水质评价 [J], 王琳;李敬伟;夏娴;赵璐;孙晨霞;田园园;汪育文;许小军2.南京仙林大学城高校校园景观水体浮游藻类调查与水质评价(英文) [J], 王琳;李敬伟;夏娴;赵璐;孙晨霞;田园园;汪育文;许小军;3.鄱阳湖五河入湖口浮游藻类及营养现状评价 [J], 陈格君;周文斌;胡春华4.东北地区人工湖泊浮游藻类变动与生物学评价 [J], 施心路;谭晓丽;刘桂杰;杨仙玉;张志兵;刘晓江;聂品5.基于景观适宜性评价的北京市三山五园地区绿道体系规划 [J], 王博娅;刘志成因版权原因，仅展示原文概要，查看原文内容请购买。
应用Landsat TM影像估算渤海叶绿素a和总悬浮物浓度
应用Landsat TM影像估算渤海叶绿素a和总悬浮物浓度邬明权;韩松;赵永清;牛铮【摘要】利用23个实测样点的渤海叶绿素a和总悬浮物浓度数据及同步Landsat TM影像数据,分别分析了Landsat TM离水辐射亮度对渤海叶绿素a和总悬浮物浓度的敏感性,选择合适的波段,通过回归分析构建了基于Landsat TM离水辐射亮度的渤海叶绿素a和总悬浮物浓度反演模型.结果表明,TM1、TM2和TM3波段对叶绿素a的敏感性较高,以TM4/TM1和TM3/TM2的对数为自变量,以叶绿素a浓度的对数为因变量的线性估算模型可以有效反演渤海叶绿素a浓度,决定系数R2达到0.97 ;TM3波段对悬浮物的敏感性最高,以TM2、TM3和TM3/TM2为自变量,以总悬浮物浓度的以10为底的对数为因变量的多元线性模型获得的结果最佳,决定系数R2达到0.91.%In order to meet the demand for high spatial resolution water quality parameters in land-sourced sewage outfalls monitoring,a novel chlorophyll-a and total suspended matter concentration extracting method based on Landsat TM images and field sample data was studied. With 23 field sample data of chlorophyll-a and total suspended matter concentration and six synchronized Landsat TM5 images in Bohai. some linear model of chlorophyll-a and total suspended matter concentration extracting method were built by linear regression analysis technology. First .sensitive bands were selected by sensitivity analysis between Landsat TM reflectance images and chlorophyll-a and total suspended matter concentration. Then quantitative estimation model of chlorophyll-a and total suspended matter concentration with Landsat TM reflectance was built by regression analysis. The results showedthat,TMl,TM2 and TM3 bands have a higher sensitivity to CHL. Chlorophyll-a can be highly estimated by the power function model and multiple regression model with TM4/TM1 and TM3/TM2 as independent variables.A high coefficient of determination (R2) of 0. 97 was acquired with the power function model. TM3 band had a higher sensitivity to SS. Total suspended matter concentration can be highly estimated by the multivariate linear model and power function model with TM2, TM3 and TM3/TM2 as independent variables. A high coefficient of determination (R2) of 0. 91 was acquired with the multivariate linear model.【期刊名称】《遥感信息》【年(卷),期】2012(027)004【总页数】5页(P91-95)【关键词】Landsat;叶绿素a;总悬浮物;遥感;渤海【作者】邬明权;韩松;赵永清;牛铮【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;北京京诚嘉宇环境科技有限公司,北京100053;山西煤炭管理干部学院,太原030006;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【正文语种】中文【中图分类】TP791 引言叶绿素和悬浮物是水体表面的重要参数之一，叶绿素a的浓度是评价海洋水质、有机污染程度［1］和探测渔场的重要参数。
应用Landsat TM影像估算渤海叶绿素a和总悬浮物浓度
作者 简介 ： 明权 （ ９ ３ ） 男 ， 士 ， 邬 １８ ￣ ， 博 助理研 究员 ， 研究 方 向 ： 农业 遥感 与海 洋 遥感 。
Ｅ ｍａｌ ｗｕ ＠ ｉ ａ ａ ． ｎ － ｉ： ｍｑ ｒ ． ｃ ｃ ｓ词 ： ａ ｄ ａ ； 绿 素 ａ 总 悬 浮 物 ； 感 ； 海 Ｌ ｎ ｓｔ叶 ； 遥 渤
ｄ ｉ１ ． ９ ９ ｊ ｉ ｎ １ ０ — ３ ７ ． ０ ２ ０ ． １ ｏ ：０ ３ ６ ／．ｓ ． ０ ０ １ ７ ２ １ ． ４ ０ ６ ｓ
中 图分 类 号 ： ７ ＴＰ ９
文献标识码 ： Ａ
（ Ｔ ｅ ｔｔ Ｋｅ ａ ｏ ａｏ ｙ ｏ ｍｏｅＳ ｎ ｉｇ Ｓ ｉ ｃ ，ｎ ｔ ｕ ｅ ｆ Ｒｅ ｔ Ｓ ｎ ｉｇ Ａｐ ｌ ａｉｎ ， ｈｎ ｓ Ａｃ ｄ ｍｙ ① ｈ ａｅ ｙ Ｌ ｂ ｒ ｔｒ ｆ Ｒｅ ｔ ｅ ｓ ｃ ｎ ｅ Ｉ ｓ ｔ ｔ ｏ ｍｏｅ ｅ ｓ ｐ ｉ ｔ ｓ Ｃ ｉｅｅ ａ ｅ Ｓ ｎ ｅ ｉ ｎ ｃ ｏ ｏ ｃ ｎ ｅ ， ｅ ｉｇ １ ０ ０ ； Ｃ ｐ ｔｌ ｎ ｉｅ ｒ ｇ ＆ Ｒｅ ａ ｃ ｎ ｏ ｐ ｒ ｔ ｎＬｉ ｔｄ Ｅ ｏｏ ｙ Ｔ ｃ ｎ ｌｇ ｆＳ ｉ ｃ ｓ Ｂ ｉ ｎ ０ １ １ ② ａ ｉ ｇ ｎ ｅｉ ｅ ｊ ａＥ ｎ ｓ ｒｈ Ｉ ｃ ｒ ｏａ ｉ ｍｉ ｃ ｌｇ ｅｈ ｏｏ ｙ ｅ ｏ ｅ Ｃ ｍｐ ｎ Ｂ ｉｉｇ １ ０ ５ ； Ｓ ａ ｘ ｏ ｌ ｎ ｎ ｍ ｎ ｓ ａ ｏｓＣ ｌ ｇ ， ａｙ ａ ３ ０ ６ ｏ ａ ｙ， ｅ ｎ ０ ０ ３ ③ ｈ ｎ ｉ ａ ｉｇ Ａｄ ｉ ｉ ｒ ｔｒ ｏ ｌ ｅ Ｔ ｉ ｕ ｎ ０ ０ ０ ） ｊ Ｃ Ｍｉ ｔ ｅ
遥感应用在水体富营养化2
因此水体在这两个波段的反射能量很 这一特征与植物形成十分明显的差异， 植物形成十分明显的差异 小。这一特征与植物形成十分明显的差异， 水在红外波段 红外波段（ 水在红外波段（NIR、SWIR）的强吸收， 、 ）的强吸收， 而植被在这一波段有一个反射峰，因而在 而植被在这一波段有一个反射峰， 红外波段识别水体是较容易的。 红外波段识别水体是较容易的。
太 湖 地 区 蓝 藻 遥 感 卫 星 动 态 监 测 图
太 湖 地 区 蓝 藻 遥 感 卫 星 动 态 监 测 图
1995~2007 年巢湖叶绿素a 年巢湖叶绿素 相对浓度在7~9 月份的分布变化情况 月份的分布变化情况. 相对浓度在
四、富营养化的遥感应用具体算法
二、叶绿素模型建立
4.1 模型反演法
三、遥感在水体富营养化中的应用过程
一、采样和遥感数据预控污
对于水体富营养化的研究中，水体在藻类大 对于水体富营养化的研究中，水体在藻类大 量繁殖和大量死亡分解阶段均体现不同的光谱特 量繁殖和大量死亡分解阶段均体现不同的光谱特 征。浮游植物中的叶绿素对近红外光具有明显的 陡坡效应” 在藻类大量繁殖时， “陡坡效应”。在藻类大量繁殖时，水体在彩色 红褐色或紫红色； 红外像呈红褐色或紫红色 当藻类大量死亡后， 红外像呈红褐色或紫红色；当藻类大量死亡后， 水中含有丰富的消光性有机分解物，在影像上水 水中含有丰富的消光性有机分解物， 体会呈现近于蓝黑的暗色调 蓝黑的暗色调， 体会呈现近于蓝黑的暗色调，这两阶段在影像上 也可能出现综合反映。 也可能出现综合反映。
1. 不同的藻类的光谱特性还处于研究阶段； 不同的藻类的光谱特性还处于研究阶段； 的光谱特性还处于研究阶段 2. 遥感影像也将随着科技发展而面向更高分辨 遥感影像也将随着科技发展而面向更高分辨 率、高光谱影像辅以更精确算法达到监测富 高光谱影像辅以更精确算法达到监测富 营养化目的。 营养化目的。
Sentinel-2数据的小型湖泊水生植被类群自动提取方法——以翠屏湖为例
Sentinel-2数据的小型湖泊水生植被类群自动提取方法——以翠屏湖为例汪政辉; 辛存林; 孙喆; 罗菊花; 马荣华【期刊名称】《《遥感信息》》【年(卷),期】2019(034)005【总页数】10页(P132-141)【关键词】Sentinel-2; 水生植被; 湖泊; 决策树分类; Otsu【作者】汪政辉; 辛存林; 孙喆; 罗菊花; 马荣华【作者单位】西北师范大学地理与环境科学学院兰州730070; 中国科学院南京地理与湖泊研究所南京210008; 淮阴师范学院江苏区域现代农业与环境保护协同创新中心江苏淮安223001【正文语种】中文【中图分类】X870 引言水生植被具有吸附净化、阻滞水流、促进沉降、澄清水质、抑制藻类等生态功能，在维持湖泊生态系统平衡、物质循环和水质方面发挥着重要的作用[1-2]。
水生植物繁茂的湖泊，水体具有较高清澈度，较低的营养盐浓度和藻类生物量[3]。
水生植被，尤其是沉水植被的盖度和丰度直接决定着湖泊的稳态[4]。
因此，大范围、准确、快速地监测湖泊水生植物类群及其时空分布对湖泊管理和生态修复具有十分重要的意义。
传统的水生植物监测方法主要以人工调查法为主，精度虽高，但费时费力，监测覆盖范围小，且时空连续性差。
卫星遥感技术具有宏观、低成本、快速、动态的优势，同时具有实时性和历史追溯性等特点，已成为浅水湖泊水生植物监测的有效手段[5-7]。
相比陆生植被，水生植被由于其生长在复杂度较高的水体中，其光谱特性具有复杂性[8]。
相关研究[9-12]表明，挺水和浮叶植物大部分叶片位于水面之上，光谱信号无需经过水体辐射传输过程，受水环境影响较小，具有典型的植被光谱特征；而沉水植被由于完全沉入水中，反射光谱易受水环境参数影响，其光谱特征与挺水和浮叶植被有显著差异。
不同水生植被类群的光谱特征及对水环境的光谱响应各有差异，也是水生植被遥感监测的理论基础。
近年来，国内外学者基于多种遥感卫星数据，也在不同的大型浅水湖泊先后开展了一系列水生植物遥感分类和制图研究[13-15]，并发展了一些用于区分水生植被与其他植被及藻华的光谱指数，如Villa等[16]发现使用蓝光和近红外波段构建的归一化水生植被指数(normalized difference aquatic vegetation index，NDAVI)对水生植被具有很高的敏感度，且可以降低背景噪声对水生植被提取的影响，并在太湖和加尔达湖等湖泊取得了较好的应用效果；Liu等[17]考虑了藻类与水生植被在物候特征上的差异，基于浮游藻类指数(floating algal index，FAI)建立了植被出现频率指数(vegetation presence frequency，VPF)用于识别太湖水生植被和藻华；Oyama等[18]基于蓝藻水华与水生植被的光谱差异，结合归一化水体指数(normalized difference water index，NDWI)和浮游藻类指数构建决策树识别日本的3个湖(lakes kasumiguara，inba-numa and tega-muma)的蓝藻水华和水生植被。
Himawari-8气象卫星黄海浒苔动态监测
Himawari-8气象卫星黄海浒苔动态监测王萌;郑伟;李峰【摘要】As a new generation geostationary meteorologicalsatellite,Himawari-8 can provide measurements dynamically monitoring of Enteromorpha prolifera,with its high temporal-spatial resolution.According to the normalized differential vegetation index NDVI,by studying reflection characteristics of enteromorpha,a method using Himawari-8 data is proposed for enteromorpha information detection,drift speed and intensity ing the above methods,the outbreak processes of enteromorpha prolifera in the Yellow Sea from May to July in 2016 are monitored including the appearing time,location,areas,intensity,range of influence,drift path and drift speed.Results show that the enteromorpha are detected firstly on 19 May 2016 in the Yellow Sea and areas are relatively small.It outbreaks in mid and late June with its continuous growth,and areas,range of influence and intensity all reach the maximum in this period.The enteromorpha enters recession period in early July near the coast of Shandong Province,the Yellow Sea,such asQingdao,Yantai,Weihai and so on.The calculation shows that enteromorpha intensity changes with time,and multi-temporal enteromorpha intensity are accumulated into enteromorpha intensity synthetic product.The multi-temporal enteromorpha intensity synthetic product shows that enteromorpha intensity covers more in the central Yellow Sea and the east of Yantai waters,and less in initial position.Themoving path of enteromorpha from appearance to disappearance shows that the drift path of enteromorpha is from the southeast open sea to the northwest offshore,and the average daily drift speed changes constantly.Dynamic changes of enteromorpha are closely related to the environmental hydro meteorological conditions,such as temperature,wind speed and direction.The suitable temperature is the basis for enteromorpha's growth and development.In late May,enteromorpha growth are detected near the northern coast of Jiangsu Provincefirstly,where the temperature is stably 20℃.And then in earlyJune,enteromorpha area increases rapidly with the increasing temperature,and then outbreaks in mid-June when the temperature reaches 20℃ in east of Shandong Peninsula sea.In early July,the average temperature of the Yellow Sea is above 25℃,m aking the enteromorpha decay and disappear gradually.It shows that dominant wind direction is the main driving force of enteromorpha drift,the calculation shows that enteromorpha drifts northward with large and steady south wind from May to July in 2016,and finally arrive in Weihai coast,and the moving direction is in line with the wind.%基于Himawari-8气象卫星数据,研究了利用归一化植被指数提取浒苔信息方法,并提出了浒苔强度和移动速度估算方法.对2016年5-7月黄海海域浒苔信息进行监测,获得了浒苔暴发的时间、地点、面积、强度、影响范围、漂移路径及移动速度.结果表明:2016年5月19日Himawari-8气象卫星首次监测到黄海海域出现浒苔信息;6月中下旬进入暴发期,浒苔面积、影响范围及强度达到最大值;7月上旬,伴随着浒苔大面积登陆青岛、烟台、威海等地,浒苔进入缓慢消亡阶段.多时次浒苔强度合成产品显示:2016年浒苔在黄海中部海域、烟台以东海域覆盖强度较大,在初始位置一带覆盖强度较小.浒苔漂移路径整体为从东南外海逐渐开始向西北近海海域靠近,日移动速度不断变化.浒苔的动态变化与水文气象环境密切相关,适宜的温度是浒苔生长和发展的基础,浒苔出现后,盛行风向是浒苔漂移方向的主要驱动力,2016年5 7月强劲的南风使浒苔一直向北漂移,并最终抵达威海,浒苔的移动与风向大致相同.【期刊名称】《应用气象学报》【年(卷),期】2017(028)006【总页数】10页(P714-723)【关键词】Himawari-8;黄海;浒苔【作者】王萌;郑伟;李峰【作者单位】国家卫星气象中心,北京100081;国家卫星气象中心,北京100081;山东省气候中心,济南250031【正文语种】中文基于Himawari-8气象卫星数据，研究了利用归一化植被指数提取浒苔信息方法，并提出了浒苔强度和移动速度估算方法。
利用浮游植物生物完整性对河流健康进行评价
利用浮游植物生物完整性对河流健康进行评价作者：李博韬刘凌朱燕陈翔来源：《人民黄河》2020年第06期摘要：2017年3—12月對江阴市4条河流的13个采样点进行调查研究，基于浮游植物生物完整性指数（P-IBI）评价了河流健康状况，并分析了P-IBI与环境因子的相关性。
通过分析人为干扰程度划分出参照点与受损点，对18个候选参数进行指标筛选和Pearson相关性分析，最终选取硅藻门分类单元数、绿藻门百分比、席藻百分比、香农多样性指数和浮游植物生物量5个参数，采用比值法计算得到各参数分值，各个参数分值相加得到江阴市4条河流的浮游植物生物完整性指数分值P。
结果表明：调查河流浮游植物优势种为颤藻、鱼腥藻、裸藻等，水体富营养化严重，整体水质较差;P与河流流速、透明度、矿化度和电导率相关性较高，人类活动引起的水土流失是浮游植物种群结构的主要影响因素;4条河流P与水质数据基本吻合，水质状况越好，P越高，表明采用浮游植物生物完整性指数对河流健康状况进行评价是可行的。
关键词：浮游植物;群落结构;生物完整性指数;河流健康;江阴市中图分类号：X824文献标志码：Adoi：10.3969/j.issn.1000-1379.2020.06.015Assessment of River Health by Using Phytoplanktonic Index of Biotic IntegrityLI Botao， LIU Ling， ZHU Yan， CHEN Xiang（College of Hydrology and Water Resources， Hohai University， Nanjing 210098， China）Abstract： From March to December 2017， thirteensampling sites at four rivers in Jiangyin were investigated to construct phytoplanktonic index of biotic integrity （P-IBI）， evaluate river health and analyze the correlation between P-IBI and environmental factors. Through the analysis of the degree of human disturbance， the reference sites and damaged sites were divided. The discriminating power analysis and Pearson correlation analysis were conducted on 18 candidate parameters. Finally， five parameters were selected， namely， the percentage of Bacillariophyta，the percentage of Chlorophyta， the percentage of Phormidium， the Shannon-Wiener index and the biomass of phytoplankton. Ratio method was used to get the score of each parameter and the total score of P was obtained after accumulating. The results show that the investigated dominant species of phytoplankton in the river are Oscillatoria， Anabaena and Euglena， eutrophication of water body is severe and water quality is generally poor. P has a high correlation with the river flow velocity，transparency， salinity and conductivity and soil erosion caused by human activities is the main influencing factor of the structure of phytoplankton population structure. P of four rivers is generally consistent with the water quality data. The better the water quality， the higher the P-IBI score. It is feasible to use P-IBI to evaluate river health.Key words： phytoplankton;community structure;phytoplanktonic index of biotic integrity;river health; Jiangyin City近年来，随着城市规模不断扩大，城市污水和工业废水不断排入河道，使得城市河道黑臭水体频发，严重影响人类健康。
ENVI5.3新增光谱指数详解
ENVI5.3新增光谱指数详解
ENVI5.3新增两个光谱指数：归一化泥指数（NDMI）和改进的归一化水体指数。
归一化泥指数（NDMI）：该指数突出了泥土或浅水的信息，该指数最早是用于排除这些像从而提高快速大气校正（QUAC）的精度。
该值越大，说明地物的含水量越大。
改进的归一化水指数（MNDWI），该指数提高了水域特征，抑制了来自建筑物用地、植被和土壤的干扰，对水体信息的增强和提取效果更好。
改进的归一化水指数的结果中，水体的值为正，且数值较大，因为水体在段波红外波段的吸收特性比近红外波段更强。
建筑物、土壤和植被都是负值，指数用到了更多短波红外波段的信息，因为土壤在短波红外波段的反射率比近红外要高。
含有绿波段（0.5-0.6µm）短波红外（1.55-1.75µm）的多光谱数据，都可以计算出MNDWI指数，且更容易准确的区分出水体信息。
与NDWI相比，NDWI对计算的波长有严格的要求，且结果中水体和其他地物的区分度不是很高。
对一个高光谱数据进行NDWI和MNDWI的计算，结果如下图，NDWI指数图上，可看出植被、建筑物、土壤的干扰大；在MNDWI指数图上，水体为值为正的像元，其他地物为负值，水体很容易区分。
ENVI5.3的光谱指数计算器中，除了新增两个光谱指数之外，能根据输入数据的波长显示可计算的光谱指数。
如下图，输入8波段的WV2数据，可计算的光谱指数有40个。
浮游硅藻生物指数法评价赣江水系水质健康状况研究
浮游硅藻生物指数法评价赣江水系水质健康状况研究张萌;黄丹;刘足根;李惠民【摘要】应用较敏感的水体富营养化评价指标——富营养化硅藻指数(TDI)对南方丰水型河流赣江流域的富营养化状态进行评估.结果表明,丰水期的富营养化状态(TDI=34.35)优于枯水期(TDI=56.98)以及平水期(TDI=65.19),依据TDI富营养化评分标准,丰水期处于贫营养状态,枯水期处于中营养状态,平水期则处于富营养化状态.因此,河流水质健康状况为丰水期＞枯水期＞平水期.从不同水情期的赣江全流域富营养化程度的空间差异来看,赣江下游的袁河中下游和干流下游(如南昌段)是河流超富营养化的主要区域,其次是赣江上游支流的梅江下游、绵水下游和上犹江下游的城市段面在平水期呈现富营养化-超富营养化过渡状态.【期刊名称】《江西科学》【年(卷),期】2015(033)003【总页数】11页(P293-302,348)【关键词】浮游硅藻;赣江流域;TDI;河流健康【作者】张萌;黄丹;刘足根;李惠民【作者单位】江西省环境保护科学研究院,330029,南昌;江西省环境保护科学研究院,330029,南昌;萍乡市环境科学研究所,337000,江西,萍乡;江西省环境保护科学研究院,330029,南昌;江西省环境保护科学研究院,330029,南昌【正文语种】中文【中图分类】X1710 引言硅藻广泛存在于江河、湖泊、溪流等各种水体中［1－2］，对水体温度、营养物、酸碱度、有机污染，重金属等非常敏感［3，4－6］，被认为是河流水质以及生态质量评价中非常适合的指示生物［7－8］。
近30年来，随着欧盟、美国、澳大利亚、南非、台湾和巴西等［7，9，10－15］国家和地区的研究者们对硅藻研究工作的深入，他们利用统计学方法将硅藻与环境因子结合起来，建立了一系列辨别硅藻群落的函数和数学模型，使硅藻在监测水体水质变化方面的准确性大大提高，并广泛应用于河流健康评价。
随后，大量以硅藻为指示生物的指数方法就相继被提出并不断改进，如特殊污染敏感指数(SPI)、硅藻模型相似性指数(DMA)［16］、水生环境腐殖度指数(SI)、硅藻属指数(GI)［9］、硅藻组合有机污染指数(DAIpo)［17］、生物硅藻指数(BDI)［18］及硅藻富营养化指数(TDI)［19］等，广泛应用于水体质量评价及水体富营养化程度的判定。
含红边波段的植被指数
含红边波段的植被指数1.引言1.1 概述概述植被指数是一种用于评估植被生长状况和健康状态的重要指标。
过去，人们主要使用常见的植被指数，如归一化植被指数（NDVI）和差值植被指数（DVI），来分析植被覆盖的情况。
然而，随着科学技术的不断进步，研究者们发现红边波段在植被指数计算中的重要作用。
红边波段是指相对于可见光和红外光之间的窄带波段。
它位于可见光和近红外光之间，具有独特的光谱特征。
这个波段对于植被的生理状况、营养状况和叶绿素含量等方面有着较高的响应性。
因此，通过使用红边波段的植被指数，研究者们可以更准确地评估植被的生长状况。
本文将重点介绍红边波段的植被指数及其应用。
首先，我们将简要介绍红边波段的植被指数的原理和计算方法。
然后，我们将探讨红边波段植被指数在不同领域的应用，如农业、林业和环境监测等。
通过对红边波段植被指数的研究和应用案例的分析，我们将总结其优势和局限性，并展望其未来的发展方向。
本文的目的是帮助读者更深入地了解红边波段的植被指数，并认识到其在植被研究和监测中的重要作用。
通过对红边波段植被指数的应用案例的介绍和分析，我们希望能够为相关领域的研究者和决策者提供有益的启示和参考，以促进植被研究和环境保护的进一步发展。
文章结构部分的内容如下：1.2 文章结构本文将按照以下结构来进行介绍和讨论含红边波段的植被指数：第一部分是引言部分。
在引言中，我们将概述本文的主要内容和研究背景，并说明文章的目的。
第二部分是正文部分。
在正文中，我们将首先简要介绍红边波段的植被指数，包括它的定义、计算公式等基本概念和原理。
然后，我们将详细探讨红边波段植被指数在实际应用中的价值和作用，包括在农业、生态环境监测、森林管理等领域的应用案例和效果分析。
第三部分是结论部分。
我们将总结红边波段植被指数的优势和特点，从而说明其在植物生长状况评估和环境监测中的重要性。
同时，我们还将展望红边波段植被指数的未来发展，包括可能的改进和应用领域的拓展，以期为进一步研究提供参考和指导。
浮游植物多样性指数在内陆水体污染类型评价中的应用简述
生物多样性简介
作为浮游植物多样性评价的常备工具。 2 内陆水域评价中常用生物多样性指数 一般来讲， 多样性指数取决于 3 个因素， 即种类 多寡、 个体丰富度及均匀度， 除个别多样性指数外， 不考虑种的指示意义， 只考虑群落结构特征 [5]。浮 游植物在内陆水域常用的指数分别为 Margalef 多样 性指数、 Shannon-Wiener 多样性指数、 Simpson 多样 性指数、 均匀度指数、 藻类综合指数、 硅藻生物指数、 污生指数、 Bip 指数、 Beck 指数等， 这里对其公式、 污 染类型评价等分别进行简要概述。 2.1 Margalef Index 其计算公式为： S-1 D= （1） ln N S 为种数； N 为总个体数。 式中： D 为多样性指标； 当 D 值大于 5 时水体属清洁类型， 4~5 时属寡污 带， 3~4 时属 β －中污型， 0~3 时属 α －中污－重污 [6] 型 。 此公式的优点是简单可行、 易于计算， 但只考虑 了种类的数量与个体数之间的关系， 没有考虑个体 数在各个种类间的分配情况， 且受计数样品大小的 影响， 误差较大。 与 Simpson 多样性指数相反， Margalef 多样性指 数主要是反映种类多少的一种指数， 它假定种类数 S 与总个体数的对数值 lnN 具有线性关系， 其实未必 [7] 一定如此 。D 值越大， 水质越好。不过 D 值受样方 大小的影响较为明显。有人应用 Margalef 多样性指 数进行了鱼类种群多样性的比较， 认为只有在 2 个
MODIS遥感监测滇池蓝藻水华分布
第37卷第5期2009年10月气 象 科 技M ETEOROLO GICAL SCIENCE AND TECHNOLO GY Vol.37,No.5Oct.2009MOD IS 遥感监测滇池蓝藻水华分布鲁韦坤1 谢国清1 余凌翔1 杨树平2(1云南省气候中心,昆明650034;2昆明市环境监测中心,昆明650032)摘要 以中分辨率的MODIS 数据作为遥感影像源,运用蓝藻水华在蓝波段、红波段和近红外波段的光谱特征,使用假彩色合成法(R G B :62221)和归一化植被指数法对滇池的蓝藻水华进行遥感监测。
通过星地同步试验,证明了该两种方法的正确性。
其中假彩色合成法通过色彩差异表现蓝藻水华,具有视觉效果较好的优点,归一化植被指数法则以数值大小的方式区别水华浓度,该方法建立反演模型后可用于定量研究。
关键词 假彩色合成 植被指数 星地同步 MODIS 蓝藻水华中国气象局滇池蓝藻监测项目和昆明市环境监测中心滇池蓝藻监测项目资助作者简介:鲁韦坤,男,1979年生,硕士,主要从事环境遥感方面的研究,Email :luweikun @hot 收稿日期:2008年10月30日;定稿日期:2009年6月11日引言应用TM 等高分辨率卫星监测滇池蓝藻水华的技术已经比较成熟,早在1989年渤海湾发生赤潮时就发现赤潮水体和清洁水体及浑浊水的TM 影像在TM3和TM4波段存在灰度差异,由于赤潮生物的叶绿素a 在红光区的吸收作用,其TM3的反射率低于浑浊海水,而且在TM4波段的反射率下降比浑浊海水的慢。
从处理得到的影像看,渤海西部沿海几乎全是程度不等的红色区[1～2]。
但由于高分辨率卫星具有重访周期较长、数据昂贵等缺点,不可能用于日常监测。
新型卫星遥感数据的出现,如MODIS 影像,给内陆水体的水质遥感监测提供了新的机遇。
MODIS (中分辨率成像光谱仪)是Terra和Aqua 卫星上载有的重要传感器,其星下点空间分辨率可为250m 、500m 或1000m ,每天过境4次,其中2次白天,而且过境时间相差不大,增强了影像的可比性。
归一化水体指数
归一化水体指数水体指数是对水体的综合评价，它以多种指标描述水体状况，并通过公式计算出来。
归一化水体指数，就是将水体分类评价后再进行总和评价，将各类水体的评价指标汇总成一个整体指数。
下面举例说明水体指数在环境保护工作中的应用。
1。
水体指数的意义：归一化水体指数反映了水体在某一地区所处的状态或质量水平。
如果某一地区水体指数高，表明水体质量较好，污染程度低，反之，则水体质量差，污染程度高。
在排污收费的工作中，利用水体指数可以控制收费的额度。
2。
水体指数的特点： (1)综合性：即能从各方面反映水体质量的优劣，有助于各级管理部门掌握水体的变化规律，更好地发展水体事业。
(2)客观性：水体指数是根据不同区域水体质量的客观状况进行评定的，因此它具有可靠的科学依据。
(3)稳定性：由于每个指数都是基本固定的，不会随着人为因素和自然因素的变化而变化，因而水体指数又称为“固定指数”。
3。
水体指数的分类：( 1)按水体的类型划分：清洁水体、轻度污染水体、中度污染水体、严重污染水体和极度污染水体。
(2)按水体的使用功能划分：供水水体、渔业水体、航运水体、风景水体和城市水体等。
(3)按水体的污染程度划分：污染水体和未污染水体。
4。
水体指数的计算方法：现今大家常用的计算水体指数的方法主要有三种：分类法、比较法和综合法。
(1)分类法：首先对不同类别的水体质量水平进行分类，根据分类结果确定指数计算方法。
(2)比较法：对不同类别的水体按照相应的技术规范要求，计算其综合指数。
(3)综合法：综合了分类法和比较法的优点，是目前最常用的计算水体指数的方法。
5。
水体指数在环境保护工作中的应用。
(1)用水体指数对水体的污染程度进行控制：在制定水体污染控制规划时，必须考虑水体污染情况，选择适当的指数作为控制目标。
(2)用水体指数判断水体是否受到严重污染：水体受到严重污染的情况可以根据水体指数来确定。
(3)利用水体指数评价污水处理设施：可以根据水体指数来评价污水处理厂的运行效果。
- 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)。
归一化浮游藻类指数
归一化浮游藻类指数的计算通常包括以下步骤，首先测量水样中叶绿素-a的浓度，然后将这个浓度值进行归一化处理，使其能够与其他水体的浮游藻类指数进行比较。
归一化的过程可以包括将浓度值除以水体的透明度或者其他环境因素，以消除不同水体之间的差异性。
归一化浮游藻类指数的重要性在于它可以帮助我们监测水体中浮游藻类的变化情况。
高浮游藻类浓度可能会导致水体富营养化，从而影响水质和生态系统的健康。
因此，通过对归一化浮游藻类指数的监测，可以及时发现水体中的异常情况，并采取相应的控制和管理措施。
除了监测水体质量，归一化浮游藻类指数还可以用于研究浮游藻类在水体中的分布和生长规律。
通过长期的监测和研究，可以更好地理解浮游藻类对水体生态系统的影响，为保护水体资源和生态环境提供科学依据。
总的来说，归一化浮游藻类指数是一个重要的水质指标，它不仅可以用于监测水体质量，还可以为水体生态系统的管理和保护提
供科学支持。
通过对浮游藻类指数的研究和监测，可以更好地维护水体生态平衡，保障水资源的可持续利用。