下载文档原格式
基于MODIS数据的滇池水温遥感反演及其在蓝藻监测中的应用研究的开题报告一、题目基于MODIS数据的滇池水温遥感反演及其在蓝藻监测中的应用研究二、研究背景和意义滇池是中国第八大淡水湖，也是我国南部地区最大的内陆湖泊之一，是云南省经济社会发展和生态环境保护的重要组成部分。
滇池水体温度是影响其生态环境和生物群落的一个关键因素，在藻类生长、水生生物分布、湖泊富营养化等方面都具有重要作用。
因此，对滇池水温进行准确的监测和预测具有重要意义。
遥感技术在湖泊水温监测中具有诸多优势，如遥测数据获取简便、覆盖面积广、时间分辨率高等。
MODIS卫星是目前应用广泛的湖泊水温遥感数据源之一，经过研究表明，用MODIS数据反演湖泊水温的方法在准确性和稳定性上已经得到了较好的验证。
因此，本研究将基于MODIS数据对滇池水温进行遥感反演，以实现对滇池水温的快速、准确、连续监测，提高滇池管理和保护的水平。
本研究还将探讨滇池水温与蓝藻的关系，研究滇池水温对蓝藻生长及其发生爆发的影响，为滇池针对性防治蓝藻提供科学依据。
三、研究内容和方法本研究将采用MODIS卫星数据，结合野外实测数据，采用常用的水温反演算法，建立滇池水温反演模型，对滇池水温进行遥感监测。
通过野外调查和实验，收集滇池蓝藻分布、数量等数据，利用相关分析等方法分析水温与蓝藻发生爆发的关系，并探讨滇池水温对蓝藻生长的影响机理。
四、研究预期成果1. 建立基于MODIS数据的滇池水温反演模型，并实现滇池水温遥感监测；2. 揭示滇池水温与蓝藻发生爆发的关系，探讨滇池水温对蓝藻生长的影响机理；3. 提供滇池水温监测及蓝藻防治决策的科学支持。
五、进度安排第一年：1. 收集并整理滇池遥感数据和实测数据；2. 建立滇池水温反演模型并进行遥感监测；3. 野外调查滇池蓝藻分布及数量；4. 建立滇池水温与蓝藻发生爆发的关系模型。
第二年：1. 野外实验，深入研究滇池水温对蓝藻生长的影响机理；2. 探讨滇池水温与蓝藻发生爆发的关系研究方法；3. 编写研究论文并进行中期检查。
遥感技术在滇池水质动态监测中的应用摘要湖泊是一种很重要的淡水资源，但因为人为活动影响和工业化程度加剧，湖泊的污染问题日益严重，所以加强湖泊水质的治理和监测势不容缓。
本文通过建立各遥感图像波段与各水体污染指标的模型，完成了对1989年、1992年、2000年和2006年四个时段的滇池污染物质（叶绿素A，悬浮物，透明度）的监测，为滇池的治理方向提供了一个参考。
关键词遥感；滇池；水质监测；叶绿素A；悬浮物；透明度0 引言滇池的水质污染从70年代后期开始，进入80年代水质污染逐渐加重，到了90年代后，污染速度明显加快。
全湖性蓝藻水华暴长，大面积的浮藻堆积，厚度可达几十厘米，这严重影响到了滇池的水体以及旅游景观。
1999年为了使世博会能够成功举办，让滇池的水体旅游景观得到明显改善，政府于当年4月实行了滇池蓝藻的清除应急计划[2]。
而在2000年，草海的污染情况又出现回升。
所幸外海的主要污染数据变化不大，水质保持相对稳定。
虽然滇池水质加剧恶化的情形在一定程度上得到了遏制，局部区域的水质也有所改善，但是滇池污染的发展趋势仍未得到根本的改变。
1 水体中悬浮物浓度的遥感定量监测1.1 原理从水体视反射光谱响应的曲线中可以得到一条规律：不同的水质其主要区别体现在ETM和TM的1～4波段中，而在第4波段后其对各种水质就不敏感了。
据云南环境科学研究所赵碧云等人对滇池水体中悬浮物含量与各个波段灰度值所做的相关性分析，可以知道，滇池总的悬浮物浓度与b4/b1的相关性最好，其相关关系为：总的悬浮物浓度=-64.678+352.736(b4/b1) [3]。
1.2 分析结果经过PCI的波段比值(b4/b1)分析和MATLAB的图像处理，得到下面几幅图像，分别反映了1989年、1992年、2000年和2006年滇池总悬浮物的浓度情况。
通过对比1989年、1992年、2000年和2006年的滇池总悬浮物的浓度情况可知，1989年滇池的悬浮物含量较低，到了1992年，悬浮物含量迅猛增加，明显比1989年的含量高出很多。
收稿日期:2006204230;修订日期:2007202210基金项目:中国科学院知识创新工程重要方向性项目(K ZCX 22Y W 2426);国家重点基础研究发展规划项目(2002C B412306)资助作者简介:万能(1978—),男,湖北黄石人;博士研究生;从事藻类生态生理学研究.E 2mail :hbwallon @ 通讯作者:宋立荣,E 2mail :lrs ong @滇池藻类生物量时空分布及其影响因子万 能1,2 宋立荣1 王若南3 刘剑彤1(11中国科学院水生生物研究所,淡水生态与生物技术国家重点实验室,武汉 430072;21中国科学院研究生院,北京100049;31云南大学生命科学学院,昆明 650091)摘要:以滇池全湖选取的40个样点,从2001年9月到2002年8月对全湖水体中的叶绿素a 的含量每月进行调查,对浮游植物的群落组成和细胞数每两个月进行分析。
结果显示,叶绿素a 的含量(月均值)从2002年1月的01015mg/L 增加到2002年8月的0110mg/L 呈现明显的上升趋势,水体温度也从1月的10℃上升到8月的28℃;叶绿素a 含量的全湖均值则显示出南部水域低,北部水域高的态势,其中又以1号位点最高。
滇池地区常年盛行的西南风导致藻类向北的水平运动加强对这一结果的形成有着重要的影响。
种群优势度的结果也显示出蓝藻(Cyanobacterium )的优势度高达100%,其中以铜绿微囊藻(Microcystis aeruginosa )又最为常见。
但在2002年3月,束丝藻成为了优势种群,表明滇池藻类的优势种群存在明显的季节演替。
研究结果同时表明,在各项理化指标当中,叶绿素a (Chl 1a )与水温(WT )、总氮(T N )及化学需氧量(C OD Mn )有极显著相关,Pears on 相关系数分别为01736、01970和01929,p <0101。
结果表明,氮已经取代磷成为滇池藻类生长的营养限制因子,表征有机污染物程度的C OD Mn 也已成为藻类生物量的主要相关因子,由此可见滇池的富营养化程度极高,尤其是有机污染物浓度。
滇池蓝藻水华时空变化特征及环境影响因素龚铭;王百群;赵方凯;于洋【期刊名称】《水土保持研究》【年(卷),期】2024(31)4【摘要】[目的]明晰滇池流域水体富营养化演变特征和水体综合治理状况及其主要驱动因素,为滇池流域水污染治理和水生态修复提供科学支撑。
[方法]以滇池为研究对象,采用Google Earth Engine(GEE)和遥感监测分析2002—2021年期间滇池蓝藻水华的时空变化,并探讨了蓝藻水华与环境因子之间的关系。
[结果]2002—2021年,滇池蓝藻水华面积变化具有显著的年际特征,在2006年、2013年和2016年出现峰值,分别为1.952×10^(7),2.010×10^(7),1.743×10^(7) m^(2);在2005年、2010年和2014年出现谷值,分别为1.243×10^(7),1.156×10^(7),1.163×10^(7) m^(2)。
2016年后蓝藻水华面积稳定波动,整体无明显变化趋势,2021年面积为1.709×10^(7) m^(2)。
在月份尺度,蓝藻水华主要发生在7—12月,8月达到峰值,11—2月持续降低,2月达谷值。
蓝藻水华与气温、降水量之间呈现正相关关系,与风向呈现显著负相关关系(p<0.05),与风向呈现最为密切的显著相关关系(p<0.05),受滇池地形等因素影响,4种气象因子中风向因子重要性最高,偏东的风向对滇池蓝藻水华覆盖率具有显著促进作用。
[结论]滇池蓝藻整体保持稳定波动无显著演变趋势,未来滇池水生态修复应深入考量风向、风速对蓝藻爆发的重要驱动作用。
【总页数】11页(P419-429)【作者】龚铭;王百群;赵方凯;于洋【作者单位】北京林业大学水土保持学院;山西吉县森林生态系统国家野外科学观测研究站;中国科学院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室;云南大学生态与环境学院【正文语种】中文【中图分类】X87;X524【相关文献】1.滇池北部围隔区蓝藻水华暴发主要影响因素及交互作用研究2.巢湖水华蓝藻原位生长率的时空变化及其环境影响因子3.基于GEE的滇池蓝藻水华时空分布监测4.2002—2018年滇池外海蓝藻水华暴发时空变化特征及其驱动因子5.基于MODIS的滇池蓝藻水华时间序列变化趋势及气象影响因素分析因版权原因，仅展示原文概要，查看原文内容请购买。
基于MODIS影像的蓝藻提取与研究摘要湖泊、河流等水资源遭到污染的事实正在一步步加重，对于水资源的保护已经日益成为不容忽视的社会问题。
而蓝藻疯长是导致湖泊水华现象从而造成水资源污染的一个主要性因素。
本次研究将利用具有高分辨率特点的MODIS影像数据进行太湖水域蓝藻的提取与分析，正确统计太湖水域各区的蓝藻爆发频次的变化，分析太湖蓝藻水华现象的爆发强度，爆发的主要地点和爆发的迁移过程，以及蓝藻水华在空间与时间上的分布规律，为蓝藻爆发提供正确的预警服务，以帮助有关部门进行蓝藻治理。
关键词：蓝藻水华，太湖，遥感，MODIS，时空分布EXTRACTION AND CYANOBACTERIA BASED ONMODIS IMAGESABSTRACTWater lakes, rivers and other contaminated fact is a step increase, for the protection of water resources has increasingly become a social problem can not be ignored. The blue-green algae blooms soaring phenomenon leading to the lake water pollution causing a major factor. This study will use high resolution MODIS image data extraction and analysis of the characteristics of blue-green algae in Taihu Lake, the correct statistical outbreak of blue-green algae in Taihu Lake districts frequency changes, analyze the strength of the outbreak in Taihu cyanobacteria blooms, the main venue and the outbreak the outbreak of the migration process, as well as the distribution of cyanobacteria blooms in space and time, to provide the correct algae bloom warning services to help the relevant authorities for cyanobacteria governance. KEYWORDS：Cyanobacteria blooms，Taihu , Remote sensing ,MODIS , Spatial and temporal distribution目录基于MODIES影像的蓝藻的提取与研究................... 错误!未定义书签。
一、水体遥感原理水体的光学特征集中表现在可见光在水体中的辐射传输过程,包括水面的入射辐射、水的光学性质、表面粗糙度、日照角度与观测角度、气-水界面的相对折射率以及在某些情况下还涉及水底反射光等。
对于清水，在蓝一绿光波段反射率为4%~5%。
0.5μm以下的红光部分反射率降到2%~3%，在近红外、短波红外部分几乎吸收全部的入射能量。
因此水体在这两个波段的反射能量很小。
这一特征与植物形成十分明显的差异，水在红外波段（NIR、SWIR）的强吸收，而植被在这一波段有一个反射峰，因而在红外波段识别水体是较容易的。
1.1、水光谱特性水体的光谱特性不仅是通过表面特征确定的，它包含了一定深度水体的信息，且这个深度及反映的光谱特性是随时空而变化的。
水色（即水体的光谱特性）主要决定于水体中浮游生物含量（叶绿素浓度）、悬浮固体含量（混浊度大小）、营养盐含量、有机物质、盐度指标）以及其他污染物、底部形态（水下地形）、水深等因素。
二、水体富营养化2.1、富营养化定义当大量的营养盐进入水体后，在一定条件下引起藻类的大量繁殖，而后在藻类死亡分解过程中消耗大量溶解氧，从而导致鱼类和贝类的死亡。
这一过程称为水体的富营养化。
2.1、这些浮游植物以蓝藻为主，均含有叶绿素a，它们的存在使得近红外波段进入水体反射率明显上升。
叶绿素在蓝波段的440 nm 以及红波段的678nm 附近有显著的吸收,当藻类密度较高时水体光谱反射曲线在这两个波段附近出现吸收峰值。
因此可利用遥感影像对其进行动态监测预警。
水体富营养化主要评价依据三、遥感在水体富营养化中的应用过程一、采样和遥感数据预处理二、叶绿素模型建立三、多时相监测控污一、采样和遥感数据预处理采用实验区每个波段上的平均灰度值作为定量反演的指标值。
然后采样，根据实测数据在试验区遥感图片上选取对应灰度值,数据预处理通常包括卫星影像的投影坐标校正、水陆分界、噪声修正、辐射匹配、水面反射校正以及漂浮植物分布区的确定。
滇池蓝藻水华监测预警空间信息系统设计与实现房晟忠;颜翔;彭斌;吴勇;秦艳姣【摘要】针对昆明滇池蓝藻水华污染问题,以满足有关环境保护管理部门对滇池蓝藻水华的监测、治理及环境保护需求为前提,设计开发了滇池蓝藻水华监测预警空间信息系统.介绍了系统设计思路、系统体系结构和系统功能,并依托计算机软硬件环境与网络通信平台,基于基础地理数据、卫星遥感数据、地基遥感数据、气象水文数据和蓝藻水华专题数据,利用GIS、遥感监测、物联网、计算机网络等技术实现了系统开发,提供蓝藻水华数据地图浏览、综合查询、空间分析、遥感监测、视频监控、应急处置、报告输出等功能,辅助管理人员开展蓝藻水华监测预警工作.【期刊名称】《微型机与应用》【年(卷),期】2019(038)004【总页数】5页(P97-101)【关键词】蓝藻水华;遥感监测;定量反演;监测预警;应急处置【作者】房晟忠;颜翔;彭斌;吴勇;秦艳姣【作者单位】昆明市环境监测中心,云南昆明650228;昆明市环境监测中心,云南昆明650228;中国航天科工信息技术研究院,北京100070;中国航天科工信息技术研究院,北京100070;中国航天科工信息技术研究院,北京100070【正文语种】中文【中图分类】TP39;P2370 引言滇池是我国著名的高原淡水湖泊，属金沙江水系，位于昆明市南端，湖体略呈弓形，弓背向东，南北长约40 km，东西最宽处12.5 km，平均水深4.4 m，水面积300 km2，库容12.9亿立方米，素有“五百里滇池”的美誉。
滇池具有城市供水、工农业用水、调蓄、防洪、旅游、水产养殖等多种功能，是昆明生态安全格局的重要组成部分，对昆明市乃至全省社会经济发展起着至关重要的作用。
然而，由于80年代经济和社会的发展，大量的工业废水和生活污水排入滇池，超过了滇池水环境容量和自净能力，水体迅速富营养化，昔日的“高原明珠”蜕变为我国污染最严重的湖泊之一，成为全国环境污染的典型。
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。
MODIS 数据具有从可见光到热红外的36个光谱通道,加之较高的辐射分辨率(12bit ,TM 图像8bit ),使其已成为内陆较大湖泊水质遥感监测最有潜力的数据源之一[3]。
1 滇池蓝藻水华概况滇池为地震断层陷落型的湖泊,南北长39km ,东西最宽为13km 。
湖岸线长163.2km ,面积为306.3km 2,容水量为15.7亿m 3,流域面积2920km 2。
自20世纪80年代以来,入湖污染物不断增加,富营养化日趋严重,导致湖内蓝藻大量繁殖。
1992年蓝藻水华大面积暴发,造成鱼类死亡,从此滇池蓝藻水华问题日益严重。
滇池蓝藻一般于每年的4～11月大量繁殖、富集,此时由于滇池流域盛行西南风,外海常年形成逆时针环流,受风向、风浪及水体的环流影响,浮于水面的蓝藻“水华”被源源不断地输送到滇池北部,特别是海埂、草海大堤、大观河入滇池河道一带。
因湖水富营养化引起的蓝藻水华频繁暴发,破坏了滇池生态系统的总体平衡,严重降低了滇池的使用功能[4～5]。
2 技术路线和方法2.1 滇池蓝藻水华监测的原理和方法蓝藻的遥感监测是基于蓝藻的光谱效应,蓝藻个体呈绿色,当气候条件适宜时,大量蓝藻聚集后便形成覆盖在水面上的绿油漆状水华,由于水华的蓝藻浓度和聚集的厚度不同,致使水体颜色、密度、透明度等产生差异,导致水体的反射能量发生变化,进而在遥感图像上反映为色调、灰阶、形态、纹理等特征的差别,利用这一特性,并选择恰当的蓝藻水华响应波段,就可识别蓝藻分布的范围、面积等[6～7]。
2.2 数据预处理卫星地面站接收的MODIS 数据在星地通公司开发的MODIS 后端处理程序和EOSshop 商业软件平台上,完成研究区域影像分辨率为250m 和500m 的初步地理校正和投影,并将光谱值转化为反射值,完成数据的预处理。
2.2.1 假彩色合成法叶绿素在蓝波段的440nm 以及红波段的678nm 附近有显著的吸收,当藻类密度较高时水体光谱反射曲线在这两个波段附近出现吸收峰值[8～9],水体对近红外波段吸收比较强,当水中含叶绿素时,近红外波段明显抬升(图1)[10]。
利用这一特点采用R G B :62221组合对2008年7月7日、30日和2009年5月21日11:00过境的Terra 数据进行假彩色合成(MODIS 1～7通道参数,见表1),合成后的影像具有较好的视觉效果,在滇池外海北部经常出现水华的区域出现了淡绿色区域,而其它水域基本为蓝黑色(图2中的Ⅰ、Ⅱ、Ⅲ,见图版)。
表1 MODIS 1～7通道的参数分辨率波段名称波段波长/nm 250m 红1620～670近红外2841～876500m蓝绿近红外3459～4794545～56551230～125061628～165272105～2155图1 各类典型地物MODIS 波段光谱特征曲线2.2.2 植被指数法这里所指的植被指数(NDV I )即归一化植被指数(I NDV I ),该指数值越大表示植被的覆盖度越好,而且通道间的比值能有效改善大气干扰,其算法为:I NDV I =(I NIR -R )/(I N IR +R )R 为MODIS 1通道反射率,I N IR 为MODIS 2通道反射率。
水华暴发时蓝藻大量覆盖于水面,藻类属于低等浮游植物,细胞中的叶绿素同样进行光合作用,因此在近红外波段反射率值的差别较大,呈现出类似于植被的光谱反射特性,因此可利用这一特性提取水华分布区。
对2008年7月7日、30日和2009年5月21日11:00过境的Terra 数据进行NDV I 计算,然后按照一定间隔将指数进行分级并赋予不同颜色,处理结果见图2中的Ⅳ、Ⅴ、Ⅵ,与假彩色合成结果相对比,NDV I 值在-0.1以上的区域与假彩色合成的淡绿色区域相对应,其中NDV I 大于0.4的区域与合成影像中颜色较绿的区域相吻合。
2.3 监测结果验证实验采用GPS 定位水华分布区域边界,并采用数码照片进行记录。
根据以往滇池水华分布特征和当日风向,由于实验当天以西南风为主,滇池水华在湖流和风浪的推导下易在滇池外海北岸形成水华分布区,因此本次考察路线主要考虑由南到北穿越滇池外海北岸的水华区域,同时用GPS 定位水华出现时的位置,作为遥感水华不同覆盖程度的参考点。
通过2008年7月7日、30日和2009年5月21日的野外实地考察,选择具有代表性的GPS 点作为验证点(图3,见图版),结果表明,假彩色合成影像中颜色较绿的区域(NDV I 大于0.4的区域)即为被水华完全覆盖的区域(图2中Ⅰ、Ⅱ、Ⅲ中所标示的A 、D 、F 点);淡绿色的区域(NDVI 大于-0.1的区域)则为水华轻度覆盖的区域(图2中Ⅰ、Ⅱ中所标示的B 、C 和E 点)。
该实验证实了上述假彩色合成方法和NDVI 分级方法监测滇池蓝藻水华的准确性。
2.4 两种监测方法比较假彩色合成法与植被指数法结果相对比,两者都能正确反映蓝藻浓度的变化情况,主要表现为假彩色合成法随着蓝藻浓度的升高,影像由蓝色或黑色向绿色过度,即蓝藻浓度越高,对应区域的影像颜色越绿;而植被指数法表现为随着蓝藻浓度的升高,NDVI 值也随着升高。
对NDVI 进行适当分级后发现,NDVI 值在-0.1以上的区域与假彩色合成的绿色区域相对应,即NDVI 值在-0.1以上的区域为水华区。
3 结论与讨论本研究经过野外调查,采用天气条件较好时的MODIS 数据(没有有雾和霾的晴空影像),结合蓝藻916第5期 鲁韦坤等:MODIS 遥感监测滇池蓝藻水华分布水华光谱特征,选用假彩色合成法(R G B:62221)和归一化植被指数法成功提取蓝藻水华的分布信息,并通过GPS定位验证了该两种方法的准确性。
(1)不论是假彩色合成法或归一化植被指数法,两者都能快速获得蓝藻水华的监测结果。
其中假彩色合成法具有较好的视觉效果,主要表现为:①蓝藻水华区域与无水华区域对比明显,易于目视解译;②具有较为真实的颜色表现能力,蓝藻水华为绿色,无水华区域为蓝色;③蓝藻水华区域绿色的深浅代表了水华的不同浓度。
对于只是监测水华的分布面积该方法是一个较好的方法。
若将假彩色合成法和归一化植被指数法相结合,归一化植被指数法能以数值大小的方式区别水华浓度,可用于以后的定量研究。
(2)假彩色合成法具有直观的优点,但是其直方图拉伸后的色调效果可能因操作时的差异而导致影像在处理后存在色彩差异,给对比研究工作带来不利影响。
植被指数法则克服了这一缺点,但它在确定水华分布区的NDV I阈值上目前还存在不确定性,需要进一步验证。
(3)本研究没有考虑漂浮于水面的水草对监测结果的影响,但考察经验表明,由于水草对风浪有抑制作用,水草区域的风浪较周围较小,若水草周围有水华,则水草区域内必有水华。
但是在没有水华时,水草区域可能被误认为水华,因此应该对相对面积较大的水草区定位,以排除其对监测结果的影响。
(4)通过3次野外实地考察,验证了监测滇池蓝藻水华出现的假彩色影像合成法和NDV I法的正确性,同时利用假彩色影像的颜色差异和NDV I值的大小对蓝藻水华的覆盖程度进行了分级,得到了初步分级标准。
参考文献[1] 胡德永.陆地卫星TM观测到渤海湾赤潮[J].遥感信息,1993,(3):11214.[2] 陈晓翔,邓孺孺,何执兼,等.赤潮相关因子的卫星遥感探测与赤潮预报的可行性探讨[J].中山大学学报(自然科学版), 2001,40(2):1122115.[3] 祝令亚,王世新,周艺.应用MODIS监测太湖水体叶绿素a浓度的研究[J].应用技术,2006,(2):25228.[4] 吕云波,周东风,龚震.滇池风场的基本特征分析[J].云南环境科学,2003,22(3):124.[5] 刘丽萍.滇池水华特征及成因分析[J].云南环境科学,1999,(5):36237.[6] 王艳红,邓正栋,马荣华.基于实测光谱与MODIS数据的太湖悬浮物定量估测[J].环境科学学报,2007,27(3):5092515. [7] 周立国,冯学智,眷红,等.太湖蓝藻水华的MODIS卫星监测[J].湖泊科学,2008,20(2):2032207.[8] 祝令亚,王世新,周艺,等.应用MODIS监测太湖水体叶绿素a浓度的研究[J].应用技术,2006,2:25227.[9] 周艺,周伟奇,王世新,等.遥感技术在内陆水体水质监测中的应用[J].水科学进展,2004,15(3):3122317.[10] 刘灿德,何报寅.水质遥感监测研究进展[J].世界科技研究与发展,2005,20(5):40244.Distribution of B luealga B loom over Dianchi Lake Monitoredwith MODIS R emote Sensing Im agesL u Weikun1 Xie Guoqing1 Yu Lingxiang1 Yang Shuping2 (1Yunnan Climate Center,Kunming650034;2Kunming Environment Monitoring Center,Kunming650032)Abstract:On t he basis of t he MODIS remote sensing images,t he bluealga bloom over t he Dianchi Lake was monitored by t he p seudocolor compo sitio n(R G B:62221)and t he normalized vegetation index met hods,according to t he spect ral feat ures in t he blue,red,and near2inf rared wavebands.Through t he satellite2ground synchronization experiment s,t he accuracies of t he two met hods are verified.The p seudocolor compo sition met hod uses color difference to display bluealga bloom,which has better visual effect,while t he normalization vegetation index met hod uses index values to decide bluealga bloom concentration quantitatively,which can be applied to quantitative investigation.K ey w ords:p seudocolor composition,vegetation index,satellite2ground synchronization 026气 象 科 技 第37卷。
