关于遥感技术在水质监测中的应用探究.docVIP

关于遥感技术在水质监测中的应用探究 　　【摘要】利用遥感技术进行水环境质量监测的主要机理是被污染水体具有独特的有别于清洁水体的光谱特征，这些光谱特征体现在其对特定波长的光的吸收或反射，而且这些光谱特征能够为遥感器所捕获并在遥感图象中体现出来。如当水体出现富营养化时，浮游植物中的叶绿素对近红外波段具有明显的“陡坡效应”，故而这类水体兼有水体和植物的光谱特征，即在可见光波段反射率低，在近红外波段反射率却明显升高。 　　【关键词】遥感技术；水质监测；污染水体；光谱 　　1水体遥感监测的基本理论 　　水质参数的遥感监测过程。首先，根据水质参数选择遥感数据，并获得同期内的地面监测的水质分析数据。现今广泛使用的遥感图象波段较宽，所反映的往往是综合信息，加之太阳光、大气等因素的影响，遥感信息表现的不甚明显，要对遥感数据进行一系列校正和转换将原始数字图像格式转换为辐射值或反射率值。然后根据经验选择不同波段或波段组合的数据与同步观测的地面数据进行统计分析，再经检验得到最后满意的模型方程。 　　2水质遥感监测常用的遥感数据 　　2.1多光谱遥感数据。在水质遥感监测中常用的多光谱遥感数据，包括美国Landsat卫星的MSS、TM、ETM+数据，法国SPOT卫星的HRV数据，气象卫星NOAA的AVHRR数据，印度遥感IRS系统的LISS数据，日本JERS卫星的OPS（光学传感器）接收的多光谱图像数据，中巴地球资源1号卫星（CBERS--1）CCD相机数据等。 　　Landsat数据是目前应用较广的数据。1972年Landsat1发射后，MSS数据便开始被用于水质研究中。如解亚龙等用MSS数据对滇池悬浮物污染丰度进行了研究，明确了遥感数据与悬浮物浓度的关系；张海林等用MSS和TM数据建立了内陆水体的水质模型；Anne等人用TM和ETM+数据对芬兰的海岸水体进行了研究。 　　2.2高光谱遥感数据 　　2.2.1成像光谱仪数据。成像光谱仪也称高光谱成像仪，实质上是将二维图像和地物光谱测量结合起来的图谱合一的遥感技术，其光谱分辨率高达纳米数量级。国内外的学者主要利用的有：美国的AVIRIS数据、加拿大的CASI数据、芬兰的AISA数据、中国的PHI数据以及OMIS数据、SEAWIFS数据等进行了水体水质遥感研究，对一些水质参数，如叶绿素浓度、悬浮物浓度、溶解性有机物作了估测。 　　2.2.2非成像光谱仪数据。非成像光谱仪主要指各种野外工作时用的地面光谱测量仪，地物的光谱反射率不以影像的形式记录，而以图形等非影像形式记录。常见的有ASD野外光谱仪、便携式超光谱仪等。如对我国太湖进行水质监测时，水面光谱测量就用了GRE-1500便携式超光谱仪，光谱的响应范围0.30～1.1um，共512个测量通道，主要将其中0.35～0.90um的316个通道的数据用于水质光谱分析。并且非成像光谱仪与星载高光谱数据的结合，可望研究出具有一定适用性的水质参数反演模型。 　　2.3新型卫星遥感数据。新的卫星陆续升空为水质遥感监测提供了更高空间、时间和光谱分辨率的遥感数据。如美国的Landsat ETM+、EO--1ALI、MODIS，欧空局的Envlsat MERIS等多光谱数据和美国的EO-1Hyperion高光谱数据。Koponen用AISA数据模拟MERIS数据对芬兰南部的湖泊水质进行分类，结果表明分类精度和利用AISA数据几乎相同；Hanna等利用AISA数据模拟MODIS和MERIS数据来研究这两种数据在水质监测中的可用性时发现；MERIS以705nm为中心的波段9很适合用来估算叶绿素a的浓度，但是利用模拟的MODIS数据得到的算法精度并不高。Sabine等把CASI数据和HyMap数据结合，对德国梅克莱堡州湖区水质进行了监测，为营养参数和叶绿素浓度的定量化建立了算法。 　　3水质遥感存在的问题与发展趋势 　　3.1存在的问题：①多数限定于定性研究，或进行已有的航空和卫星遥感数据分析，却很少进行定量分析。②监测精度不高，各种算法以经验、半经验方法为主。③算法具有局部性、地方性和季节性，适用性、可移植性差。④监测的水质参数少，主要集中在悬浮沉积物、叶绿素和透明度、浑浊度等参数。⑤遥感水质监测的波段范围小，多集中于可见光和近红外波段范围，而且光谱分辨率大小不等，尤其是缺乏微波波段表面水质的研究。 　　3.2发展趋势 　　3.2.1建立遥感监测技术体系。研究利用新型遥感数据进行水质定量监测的关键技术与方法，形成一个标准化的水安全定量遥感监测技术体系，针对不同类型的内陆水体，建立多种水质参数反演算法，实现实验遥感和定量遥感的跨跃，从中获得原始创新性的成果。 　　3.2.2加强水质遥感基础研究。加深对遥感机理的认识，特别是水质对表层水体的光学