基于遥感影像的大凌河水质监测与评价.docxVIP

基于遥感影像的大凌河水质监测与评价 0 内陆河流域遥感水质反演方法探讨 大凌河是辽宁省西部最大的河流。近年来，这条河流富营养化严重，严重制约了该地区的可持续发展。因此, 快速准确的水质监测及评价研究已显得尤为重要。传统的水质监测主要依靠人工测量或实地采样分析, 获取的数据呈点状分布, 只能了解监测断面上的水质情况, 难以实现时间和空间上的连续。随着科技的发展, 遥感水质反演弥补了传统水质研究的不足, 实现高频率、大范围、准实时的水质监测。目前, 水质监测常用的有分析法、经验法、半经验法。如Koponen利用AISA数据模拟MERIS数据对芬兰南部的湖泊水质进行分类。Lathrop和Kloiber等学者的研究表明利用MSS数据可以监测内陆水体中的叶绿素a、悬浮物浓度。近年来, 国内主要针对长江、珠江、太湖、千岛湖等大面积水域的遥感水质监测研究, 而对内陆河流域遥感水质定量反演的研究还很少。因此, 建立适当的模型分析水体光谱特性与水质参数浓度之间的关系, 对内陆河流水质监测具有重要的现实意义。本文旨在利用HJ-1B影像数据, 结合常规监测数据, 构建比值线性回归及模糊控制RBF神经网络模型对朝阳市区段大凌河的叶绿素a浓度进行定量反演研究。 1 数据和预处理 1.1 水系内光仪校正参数 考虑到模型构建的可行性、监测结果的准确性, 选择时间上同步的遥感数据与实地监测的叶绿素a浓度数据。通过数据筛选发现, 中国资源卫星网提供的HJ-1B影像数据, 其时间分辨率好于SPOT HRV、EO-1ASTER、Landsat TM/ETM+等数据, 且具有MODIS数据所没有的高空间分辨率, 观测幅宽相比星载高光谱传感器EO-1 Hyperion也有明显优势, HJ-1B的这些优点, 能大大提高遥感水质监测的精度, 在地表信息监测、水质环境评价等领域有广阔的应用前景。因此, 本文获取2012年6月共5个时相的朝阳市区大凌河HJ-1B影像数据, 数据质量较好, 能够满足研究需求。实地监测数据来源于与遥感影像数据同步的16个监测断面的58组数据, 每组数据包括监测点的经纬度、叶绿素a浓度 (mg/L) 。 1.2 遥感影像几何精度校正 以朝阳市1∶50 000地形图为基准影像, 选取52个同名控制点, 在ENVI 4.8支持下采用二次多项式校正模型, 分别对各时相遥感影像进行几何精度校正, 最终将校正总误差控制在0.50个像元内。大气校正是获取地表真实辐射率的前提, 对于遥感定量反演尤为重要, 本文利用ENVI中的FLAASH大气校正模块进行大气校正。选择校正效果较好且具有代表性的2012年6月10日的影像, 其他数据作为后期反演过程的参考, 利用朝阳市区段大凌河矢量边界文件提取出水体部分, 如图1。 2 建立水体反射光谱与叶绿素a浓度之间的关系 叶绿素a浓度反演主要是确立星上点与地面实测点的一一对应关系, 建立水体反射光谱与叶绿素a浓度之间的关系模型。目前已有多种反演模型, 但各模型因数据源、水体、季节、气候而异。因此, 具体的反演应以研究区实际地理情况及数据进行分析。 2.1 叶绿素a的反射特征 水体叶绿素a浓度反演的根本是研究水体叶绿素a的光谱特征。叶绿素a对光谱特征的吸收、反射作用比较特殊, 遥感定量反演的基础是对从水体反射出来的包含叶绿素a含量信息的可见光进行探测, 可见光自水面进入水体之后, 叶绿素a会对其产生反射。无污染的纯净水体在可见光波段的反射率曲线是趋于线性的, 自然水体中不同污染物对光谱的吸收和散射使水体的光谱曲线出现一定的峰值和谷值, 呈现不同的光谱特征, 研究表明内陆水体中的叶绿素a具有特定的吸收和反射光谱, 在440和680nm波长附近有吸收谷, 在550~570nm和681~715nm波长附近有明显的反射峰, 681~700nm处被称为荧光峰。水体中藻类叶绿素a浓度的不断增加使520nm附近出现叶绿素a浓度的光谱分界点, 并逐渐向长波方向移动, 使近红外波段 (760~900nm) 的光谱辐射量增加, 因此, 近红外波段可以作为水体叶绿素a浓度估算的重要信息源。 2.2 近红外和红光波长反射率比对 通过对影像单波段波谱特征及叶绿素a的相关分析, 发现在红光与近红外波段交接处, 相关性最强。在叶绿素a遥感研究中, 采用不同波段反射率比值可以在一定程度上消除水体表层光滑度和微波随时空变化所产生的影响, 同时也可以减小其他水体污染物的干扰。因此, 本文在分析凌河水体影像各波段光谱特征的基础上, 结合已有的河流水质研究成果, 得出近红外波段和红光波段反射率的比值对评定叶绿素a浓度是有用的。利用ENVI中的bandmath工具, 以研究区影像图为输入图像, 计算公式为: 式中:b4、b3分别对应HJ-1B数据近红外和红光波段的反