国外水体水质遥感监测方法
- 格式:docx
- 大小:12.72 KB
- 文档页数:3
利用遥感技术进行水资源监测随着科技的不断发展,遥感技术成为了一项有效地技术手段,可以用于人类生存环境的监测与管理。
水资源作为人类重要的生存资源之一,其数量的变化对人类生存环境会产生深远的影响。
因此,利用遥感技术进行水资源的监测,已经成为了现代社会的主要任务之一。
本文将阐述遥感技术在水资源监测中的应用及技术原理。
一、遥感技术在水资源监测中的应用遥感技术是指通过卫星或飞机等高空探测设备采集和记录地面物体的材质、大小、形状及其分布情况等信息,然后借助于计算机等技术手段对这些信息进行处理、分析和提取,从而得出一系列地面物体的物理、化学、地形等特征参数的技术。
遥感技术主要包括卫星遥感、空间遥感和飞机遥感。
在水资源的监测中,遥感技术主要包括以下几种应用:1.水质监测水质监测是指对水体中污染物质的赋存状态进行监测的过程。
遥感技术主要通过反演水体的光谱特征参数来完成对水质的监测。
遥感技术可以根据地表水体对红外、绿色波段等的吸收和反射情况,推算出地表水体中总悬浮物、水色、透明度、叶绿素、蓝藻等参数。
2.水量监测水量监测旨在确定水源地水的储量、水面面积、水深等水量参数。
遥感技术可以利用遥感影像数据中的云量、反射量、热红外亮温和植被指数等目标参数,反演水体的垂直深度、水面高程等参数。
3.水土保持监测水土保持指的是在合理利用水时,不破坏土地的保持力,维护生态系统平衡,发挥水资源的综合效益。
利用遥感技术进行水土保持监测可以获取地表覆盖类型的变化情况,了解地表的微地形及地表地貌信息,以及水土流失等水土要素。
二、遥感技术在水资源监测中的技术原理1.光谱谱效应光谱谱效应是指在不同波长幅宽的光线作用下,同一物质的不同结构因素吸收、散射和反射的规律。
在水资源监测中,通过监测水体所反射或吸收的光线强度、波长和其对应的所带信息来获取水体的水质,包括透明度、深度、浊度等。
遥感技术中利用的常见水质指标包括色度、浊度、溶解性总固体和总有机碳等。
利用遥感技术进行水质监测利用遥感技术进行水质监测水是生命之源,也是人类生产和生活的重要资源。
然而,由于人类活动的影响,水质污染问题日益严重。
传统的水质监测方法需要大量的人力和物力,而且监测数据的时效性和准确性无法得到保证。
为了解决这些问题,利用遥感技术进行水质监测已成为一种重要的方法。
遥感技术是指通过卫星、飞机等高空平台对地面物体进行观测和测量的一种技术。
利用遥感技术进行水质监测,可以实现对大范围水域的快速监测和数据获取。
遥感技术可以获取到水体的光学、热学、电学等多种信息,可以通过这些信息来推断水体的化学成分、营养状况、叶绿素含量等指标,从而实现对水质的监测和评价。
遥感技术在水质监测中的应用主要包括两个方面:一是利用遥感图像来获取水体的表面特征和光学信息;二是利用遥感技术来获取水体的温度、悬浮物、叶绿素等指标。
在获取水体表面特征和光学信息方面,遥感技术主要利用了水体中不同波长的反射率差异。
不同波段的遥感图像可以反映出水体的不同特征,如蓝色波段可以反映出水体的透明度和深度,红色波段可以反映出水体中悬浮物的浓度和分布情况。
通过对这些信息进行分析,可以评估水体的透明度、深度、悬浮物分布等指标。
在获取水体温度、悬浮物、叶绿素等指标方面,遥感技术主要利用了水体对不同波段电磁波的吸收和散射特性。
通过对水体中不同波段电磁波的反射率进行分析,可以推断出水体中悬浮物、叶绿素等物质的含量。
同时,由于不同物质对电磁波的吸收和散射特性不同,可以根据不同波段电磁波反射率的变化来判断水体温度、营养状况等指标。
除了以上两种方法,还有一些其他基于遥感技术的水质监测方法。
例如,利用遥感技术获取水体表面温度数据,可以通过计算水体表面温度与空气温度之间的差异来判断水体中是否存在污染物;利用遥感技术获取河流或湖泊表面高度数据,可以通过计算不同时间点的高度变化来判断是否存在污染源。
虽然遥感技术在水质监测中具有很大的优势,但也存在一些限制因素。
水体质量监测的遥感技术研究在当今环境保护和水资源管理的重要领域中,水体质量监测是一项至关重要的任务。
传统的水体质量监测方法往往依赖于实地采样和实验室分析,这种方式不仅费时费力,而且难以实现大面积、实时和动态的监测。
随着遥感技术的不断发展,其在水体质量监测方面展现出了巨大的潜力和优势。
遥感技术,简单来说,就是通过非接触式的手段获取远距离目标的信息。
在水体质量监测中,它主要利用电磁波与水体相互作用产生的光谱特征来获取有关水体物理、化学和生物特性的信息。
一、遥感技术在水体质量监测中的应用原理水体对不同波长的电磁波具有不同的吸收、散射和反射特性。
例如,清洁的水体在可见光波段对蓝光的吸收较强,而对绿光的反射较强,这使得我们从遥感图像中看到的清洁水体呈现出偏绿的色调。
而当水体受到污染,如存在大量的悬浮物、藻类或溶解性有机物时,其光谱特征会发生显著变化。
通过对这些光谱特征的分析和处理,可以反演得到水体中的各种水质参数,如叶绿素 a 浓度、悬浮物浓度、浊度、透明度、化学需氧量(COD)、生化需氧量(BOD)等。
二、常用的遥感数据源目前,用于水体质量监测的遥感数据源主要包括卫星遥感和航空遥感。
卫星遥感具有覆盖范围广、重访周期短、成本相对较低等优点。
常见的卫星遥感平台如 Landsat 系列、MODIS、Sentinel 系列等,它们能够提供不同空间分辨率和光谱分辨率的遥感图像,适用于大尺度的水体质量监测。
航空遥感则具有更高的空间分辨率和灵活性,可以根据具体的监测需求进行定制化的飞行和数据采集。
但航空遥感的成本相对较高,覆盖范围相对较小,一般适用于小范围的精细监测和研究。
三、遥感技术监测水体质量的方法1、经验模型法经验模型法是基于大量的实地采样数据和遥感影像数据,通过统计分析建立水质参数与遥感反射率之间的经验关系。
这种方法简单直观,但由于其建立在特定的研究区域和时间段的数据基础上,具有较强的地域性和时效性限制。
2、半经验模型法半经验模型法结合了一定的物理原理和经验关系。
环境遥感技术在水资源监测中的应用随着全球气候变暖越来越显著,水资源短缺成为全球面临的严重问题。
国内外许多研究者和政策制定者都已经开始重视水资源监测和管理,以便更好地处理水资源问题。
其中,环境遥感技术作为一种非常有力的技术手段,在水资源监测中的应用变得越来越重要。
一、环境遥感技术的基本原理所谓环境遥感技术,是指通过感知与记录地球表层特征、状态的一种技术。
主要是通过卫星上的相机、雷达、光谱仪等遥感设备探测地球表面的特征进行观测、测量和分析,从而获得各种环境信息。
二、环境遥感技术在水资源监测中的应用领域环境遥感技术在水资源监测中的应用领域非常广泛。
正是因为它具有非常敏锐和高效的特性,可以通过高精度的遥感观测、数据挖掘和统计分析,从而更好地识别和研究水资源的各种问题。
1. 地表水资源监测环境遥感技术可通过侦测地表水位变化,大幅提高了对地表水的监测能力。
例如,通过对遥感图像的分析和反演,可以得到水体的表面面积、水深等信息。
同时还可以追踪水体的演化过程,反映水环境的动态变化。
2. 地下水资源监测地下水在许多地域经常作为重要的水源供给,它在许多地方易受到人为和自然因素的影响。
环境遥感技术可以通过划分遥感图像中的不同水体类别,进一步提取出地表和地下水的含水层面积和深度等信息。
同时,环境遥感技术也可以通过观测地表地形、机械下降等设备,来判断地下水资源的补给和状态。
3. 水环境污染监测水污染对环境和生态系统造成的损坏非常巨大,也严重限制了水资源的有效利用。
环境遥感技术可以通过对遥感图像中的信息进行分析,把环境污染物的来源和延展规律等因素进行统计和分析。
从而能够更好地识别出水质的变化趋势和发现隐藏的污染源。
4. 季节性水资源变化分析环境遥感技术可以通过分析水资源的季节性变化,更好地预测和规划水资源的使用。
例如,可以监测到冰雪融化的时间和水量、干旱和降雨的季节、洪水发生的时间、水位和流量的变化等。
三、环境遥感技术在水资源领域的实际应用案例1. 基于人工模拟神经网络的水质监测模型该模型可以通过提取遥感图像中的水质特征,结合实时的观测数据,建立水质监测模型。
基于遥感数据的地表水质监测方法概述引言:地表水质监测是保护水资源、维护生态平衡的重要手段之一。
传统的水质监测方法需要大量的人力物力,且监测范围有限。
而基于遥感数据的地表水质监测方法,通过利用卫星遥感技术获取大范围的地表水信息,可以提高监测效率和监测范围,成为当前研究的热点之一。
一、遥感数据在地表水质监测中的应用1. 遥感数据的特点遥感数据具有广覆盖、高分辨率、多时相等特点,可以提供大范围、全面的地表水信息。
2. 水体光学特性与水质参数关系水体中的溶解有机物、悬浮物、叶绿素等物质对光的吸收、散射和反射有不同的影响,通过遥感数据可以获取这些光学特性,进而推测水质参数。
3. 遥感数据在水质监测中的应用遥感数据可以用于水体的光学遥感反演,通过建立光学模型,根据水体的光学特性推测水质参数,如浊度、叶绿素浓度等。
同时,遥感数据还可以用于监测水体的温度、水深等参数。
二、基于遥感数据的地表水质监测方法1. 光学遥感方法光学遥感方法是基于水体光学特性与水质参数之间的关系进行推测的方法。
通过获取水体的遥感反射率数据,利用反演模型计算出水质参数。
这种方法具有操作简便、监测范围广等优点。
2. 红外遥感方法红外遥感方法是利用水体的红外辐射特性与水质参数之间的关系进行推测的方法。
通过获取水体的红外辐射数据,利用反演模型计算出水质参数。
这种方法可以在遥感图像中较好地区分水体和陆地,有助于提高监测精度。
3. 雷达遥感方法雷达遥感方法是利用雷达波束穿透水体,探测水体底部特征,通过底部反射率推测水质参数的方法。
这种方法具有对云雾不敏感、全天候监测等优点,但受到波束穿透深度的限制。
4. 热红外遥感方法热红外遥感方法是利用水体的热红外辐射特性与水质参数之间的关系进行推测的方法。
通过获取水体的热红外辐射数据,利用反演模型计算出水质参数。
这种方法可以监测水体的温度、水深等参数。
三、基于遥感数据的地表水质监测方法的优势与挑战1. 优势基于遥感数据的地表水质监测方法具有监测范围广、操作简便、监测效率高等优势。
基于遥感和地理信息系统的湖泊水质监测与评估湖泊是水资源的重要组成部分,对于水质的监测与评估具有重要意义。
随着科技的发展,基于遥感和地理信息系统(GIS)的湖泊水质监测与评估方法得到了广泛应用。
本文将介绍该方法的原理和优势,并探讨其在湖泊水质监测与评估中的应用。
一、基于遥感和GIS的湖泊水质监测与评估方法的原理1. 遥感技术:遥感技术利用卫星或飞机等遥感平台获取湖泊的遥感影像,通过对不同波段的数据进行处理和解译,获得湖泊水质相关的信息。
主要手段包括多光谱遥感和高光谱遥感等。
2. GIS技术:GIS技术是一种将地理空间数据与属性数据相结合的信息处理系统,可以进行空间分析、空间查询和空间模拟等操作。
在湖泊水质监测与评估中,可以利用GIS技术对湖泊的水质数据进行管理、分析和展示。
二、基于遥感和GIS的湖泊水质监测与评估方法的优势1. 客观性:基于遥感和GIS的方法可以获取大范围的湖泊水质信息,避免了传统采样分析的主观性和局限性。
2. 实时性:遥感技术可以获取连续的遥感影像,GIS技术可以实时处理和分析数据,使湖泊水质监测与评估的结果更加及时和准确。
3. 综合性:遥感和GIS技术可以获取和处理多种多样的水质参数,如水温、浊度、叶绿素-a浓度等,从而全面评估湖泊水质的状况。
三、基于遥感和GIS的湖泊水质监测与评估的应用1. 水环境调查:利用遥感和GIS技术可以对湖泊的水质、水温和叶绿素-a浓度等进行全面调查,为湖泊水质监测提供数据基础。
2. 水质变化监测:通过连续获取湖泊的遥感影像,结合GIS技术分析,可以监测湖泊水质的时空变化,了解湖泊富营养化等问题。
3. 水质评价与预警:基于遥感和GIS技术,可以建立湖泊水质评估模型,预测湖泊水质的趋势,并提供相关预警信息,为保护湖泊水资源提供科学依据。
4. 水生态研究:遥感和GIS技术可以获取湖泊的空间分布和结构特征,对湖泊水质与水生态之间的关系进行分析和研究,为湖泊生态环境保护提供支持。
使用遥感技术进行湖泊水质监测的方法湖泊是自然景观中的重要组成部分,既是人们休闲娱乐的场所,也是许多动植物的栖息地。
然而,随着工业和城市化的不断发展,湖泊水质受到了严重污染的威胁,给湖泊生态系统和人类健康带来了巨大的风险。
为了实时监测湖泊水质,遥感技术成为了一种重要的手段。
首先,我们需要了解遥感技术。
它是通过卫星、飞机等远距离的方法获取地面的信息。
遥感技术通过检测地表反射、散射或辐射特征来获取环境数据,包括植被覆盖、土壤类型和水体质量。
对于湖泊水质监测而言,遥感技术能够提供更广泛、更全面的数据,减少了常规采样方法的工作量和时间成本。
其次,我们要了解遥感技术在湖泊水质监测中的应用。
遥感技术主要依赖于可见光、红外光和微波辐射等不同波段的传感器。
这些传感器可以检测湖泊的光谱特征,如水体中的叶绿素、悬浮物、溶解有机物质和蓝藻等。
通过对光谱特征的分析,我们可以了解湖泊水质的状态,及时发现异常情况,采取相应的措施保护湖泊生态。
在遥感技术的支持下,我们可以通过以下几个方面来进行湖泊水质监测。
首先是水体透明度的监测。
透明度是反映湖泊水体浑浊程度的重要指标,可以通过浮游植物和悬浮物的浓度来估计。
遥感技术可以通过检测水体的光学属性,如反射率和透过率,判断水体透明度的变化。
这种方法可以快速、准确地监测湖泊水体的浑浊情况。
其次是浮游植物的监测。
浮游植物是湖泊水质监测中的重要指标之一,其生长受光照、温度和营养盐等因素的影响。
通过遥感技术,我们可以获取湖泊水体中浮游植物的光谱特征,如叶绿素的浓度和叶绿素荧光的变化。
这些数据可以帮助我们了解湖泊的水质状态和生态系统的健康状况。
同时,遥感技术还可以用于监测湖泊水体中的悬浮物。
悬浮物主要来自于人类活动和自然过程,如农业排放、工业废水和土地侵蚀。
它们会降低湖泊的透明度,对湖泊生物造成威胁。
通过遥感技术,我们可以检测湖泊水体中悬浮物的光谱特征和浓度,及时发现悬浮物的积聚并采取相应的措施进行治理。
基于遥感的水体污染监测方法研究 在当今社会,随着工业化和城市化进程的加速,水体污染问题日益严峻。准确、及时地监测水体污染状况对于环境保护、水资源管理以及人类健康至关重要。遥感技术作为一种高效、大范围、非接触式的监测手段,在水体污染监测中发挥着越来越重要的作用。
遥感技术能够获取大面积的地表信息,通过对水体反射、辐射的电磁波信号进行分析,可以获取水体的物理、化学和生物特征。与传统的实地采样监测方法相比,遥感具有快速、高效、成本低等优势,能够实现对水体污染的动态监测和大面积覆盖。
水体的光学特性是遥感监测的基础。纯净的水体在可见光和近红外波段具有特定的光谱特征,而当水体受到污染时,其光谱特征会发生变化。例如,富营养化的水体中藻类大量繁殖,会导致水体在绿光波段的反射率增加;受到重金属污染的水体,其颜色和透明度可能发生改变,从而影响光谱反射曲线。
在基于遥感的水体污染监测中,常用的数据源包括卫星遥感数据和航空遥感数据。卫星遥感数据具有覆盖范围广、重访周期短的特点,如 Landsat 系列卫星、MODIS 等。Landsat 卫星提供了较高空间分辨率的多光谱数据,适用于对较大面积的水体进行监测;MODIS 则具有较高的时间分辨率,能够捕捉水体的动态变化。航空遥感数据则具有更高的空间分辨率和灵活性,可以针对特定区域进行精细监测。 为了从遥感数据中提取水体污染的信息,需要运用一系列的图像处理和分析方法。首先是数据预处理,包括辐射校正、几何校正等,以消除传感器误差和地形影响。然后通过水体提取算法,将水体与陆地等其他地物区分开来。常用的水体提取方法有基于阈值的方法、基于光谱指数的方法以及基于机器学习的方法。
在监测水体污染的具体指标方面,遥感技术可以用于监测水体的叶绿素 a 浓度、悬浮物浓度、有色可溶性有机物(CDOM)含量等。叶绿素 a 是藻类光合作用的重要色素,其浓度的变化可以反映水体的富营养化程度。通过建立叶绿素 a 浓度与遥感反射率之间的经验或半经验模型,可以实现对叶绿素 a 浓度的遥感估算。悬浮物会影响水体的透明度和光学性质,利用遥感数据可以估算悬浮物的浓度,进而评估水体的浑浊度。CDOM 则与水体的腐殖质含量有关,对其进行监测有助于了解水体的有机污染状况。
如何利用激光遥感技术进行湖泊水质监测湖泊是地球上珍贵的水资源之一,对人类生活和生态环境起着重要的作用。
然而,随着人类活动的不断增加,湖泊水质污染问题日益突出,给生态系统和人类健康带来了严重威胁。
为了实时监测湖泊水质状况和及时采取措施保护湖泊健康,激光遥感技术应运而生。
本文将介绍如何利用激光遥感技术进行湖泊水质监测,探讨其优势、应用及未来发展方向。
一、激光遥感技术简介激光遥感技术是一种利用激光器作为能量源,通过激光束与目标物相互作用,测量和记录目标物特征的技术方法。
它具有高分辨率、高灵敏度、高时空分辨率、非接触和无损测量等特点,广泛应用于地质勘探、环境监测、农田资源调查等领域。
二、湖泊水质监测的需求湖泊水质监测是指对湖泊水体中的溶解氧、浊度、氨氮、总磷等关键指标进行实时监测和评估,以了解湖泊水质状况及其变化趋势,为湖泊管理和污染防治提供科学依据。
传统的水质监测方法需要在实地采样后进行实验室分析,周期长、工作量大、成本高。
而激光遥感技术可以实现对湖泊水质进行高效、全面、实时监测,提高监测效率和准确性。
三、激光遥感技术在湖泊水质监测中的应用1. 水质参数遥感反演激光遥感技术通过测量和分析湖泊水体的散射和吸收特性,可以定量估计水质参数,例如浊度、叶绿素浓度、有机质含量等。
这些参数对湖泊的水质状况和富营养化程度有重要影响,通过激光遥感技术可以实现对湖泊水质的长时间、高空间分辨率的监测。
2. 湖泊水质变化监测激光遥感技术可以获得湖泊水体的时序遥感影像,通过对不同时间影像数据的比较和分析,可以监测湖泊水质的变化。
例如,通过监测湖泊水体的颜色变化、叶绿素浓度的时空分布等,可以判断湖泊水质的富营养化程度和水华发生情况,有助于及时采取措施保护湖泊健康。
3. 湖泊水质模拟预测激光遥感技术可以提供湖泊水体的空间分布数据,结合数学模型和气象资料,可以对湖泊中关键水质参数进行模拟和预测。
这有助于了解湖泊水质的长期演变趋势,为湖泊管理者提供科学依据,制定合理的保护和治理措施。
国外水体水质遥感监测方法
自70年代初期开始,遥感技术逐渐应用到陆地水体的研究中,从单纯的水域识别逐渐发展到对水质参数进行遥感监测、制图和预
测。
随着遥感技术的不断发展和对水质参数光谱特征及算法研究的不断深入,监测方法经历了分析方法(80年代前,研究主要针对开阔海洋)一经验方法(80 一90年代)一半经验方法(90年代后)的发展过程。
多种遥感数据,包括LandsatMss ,TM,sPoT、
Mools,IRs 一le、NOA刀AVHRR,和各种航空高光谱数据,如AVIRIS 数据、CASI数据、AISA数据及CIS数据,广泛的应用于水质遥感监测研究。
遥感监测水质从定性逐渐发展到定量,通过遥感可监测的水质参数种类逐渐增加,包括叶绿素a、悬浮物、
黄色物质等,反演精度也在不断提高。
但是目前还没有形成精度很高,且具有较好通用性的模型和算法。
我国在内陆水体水质参数遥感监测方面也做了不少工作。
李京【’提岀反射率与悬浮固体含量之间的理论关系式为指数关系。
黎夏
f2]推导出了包含Gorden关系式和负指数关系式的悬浮泥沙遥感定量统一模型。
内陆水体水质遥感监测,主要监测的污染物质主要有三类,分别为浮游植物,主要是藻类。
由于藻类都含有叶绿素,所以在遥感水
质监测以叶绿素a浓度;非色素悬浮物(简称悬浮物55,suspendedsediment),由浮游植物死亡而产生的有机碎屑以及陆生或湖
体底泥经再悬浮而产生的无机悬浮颗粒;黄色物质(ColouredDISSolVedOrganieMatter ,CDOM),由黄腐酸、腐殖酸组成的溶
解性有机物。
1、叶绿素a遥感监测的研究进展
叶绿素a浓度是影响水体光谱特征的重要参数之一。
叶绿素a浓度上升时,蓝波段的反射率下降,绿、红波段的反射率上升。
计
算叶绿素a浓度的最佳波段的选取依赖于叶绿素a的浓度[3]。
国内外专家提岀了多种反演水体叶绿素浓度的算法,这些算法有的
在I类水体叶绿素反演中已经取得比较令人满意的结果,形成了诸多业务化的标准算法,而在H类水体中的应用研究成果也有不少。
Kondratyev 等[4J利用物理模型方法对Ladoga湖的叶绿素、悬浮物和黄色物质的浓度进行了反演,取得了较理想的结果。
Donald 等【味日用实测数据与实验分析结果建立了近表面水下遥感反射率的正向物理模型,并根据测得的水下遥感反射率,利用反向模型来反演叶绿素a的浓度。
Kevin等⑹提出自适应的两个波段(672nm 和704nLm)反射率比值算法来提取叶绿素a浓度,该模型的优点是可以省去对后向散射因子和入射光环境因子的估算。
目前,叶绿素a浓度监测中采用的半经验、经验法主要有利用遥感数据辐射值的波段或波段组合与实地测量值建立统计模型法,以及随着高光谱成像技术发展而发展起来的主成分分析法、人工神经网络法等。
carpenter 等[7]利用在澳大利亚三个湖泊所测的地
面数据及同步的MSS数据进行多元线性回归来模拟并预测湖泊水质,其中叶绿素a浓度与Mss两个波段的数据成线性关系。
Dekker[8]基于TM数据6个波段的定量分析,选择TM波段4对悬浮物及叶绿素a进行线性和指数回归分析,指出指数模式要
优于线性模式,但TM的分辨率较低,不利于水质参数监测,且T的波段组合缺乏物理解释。
Kallio等[9]分别用AlsA数据监测
了芬兰的11种湖泊和兰南部四个湖泊的水质,发现685 一691nm 的波段有利于贫营养和中营养湖的监测,建立了叶绿素a浓
度的经验算法。
Yuanzhizhang 等['0提出利用TM和ERsZ 一sAR数来估算水体悬浮物、叶绿素和透明度的经验神经网络算法, 通过与线性回归算的结果对比,说明神经网络算法的精度较高。
其他学者把AISA 数据和MODIS 、MERIS 等数据结合,对湖泊水体进行了经验、半经
验、半自动的水质分类研究,取得了很好的效果。
Flink 等【川利用主成分分析方法分析从瑞典两个湖泊得到CASI 数据,绘制了叶绿素浓度图,并指出绘制叶绿素图的最佳波段位置和波段度。
在国内,疏小舟[ '“等]利用我国自行研制的o
Is 一H 成像光谱仪在太湖地区行地表水水质遥感实验,结果表明,OMIs 一11 能够提高藻类叶绿素定量遥感精度王建平等【' 3]
基于TM数据构造了包含一个隐含层的BP神经网络模型反演叶绿素a水质参数的浓度。
马荣华等【’4]通过对太湖反射光谱特性和
藻类叶绿素a浓度之间系的研究,发现光谱反射比值706/682和700nLm附近反射峰的位置与叶绿素a浓度关性较好。
段洪涛等【’5】利用查干湖实地测量的高光谱数据,分析得出700nm处反率与67Onln处的反射率比和690nm处的一阶微分与叶绿素a的浓度有较
好相关性,并建立了定量估算模型。
闻建光等[ ‘“]采用高光谱反射率数据,从原始数据中提端元光谱,并利用原始数据以及对原始数据进行处理过的归一化数据和一阶微数据的特征波段及波段组合作为模型反演的变量,利用阻尼最小二乘法解求叶素 a 浓度,结果表明,混合光谱模型可以作为监测水体叶绿素 a 含量的定量模型。
2 悬浮物遥感监测的研究进展
内陆水体中悬浮物浓度是最先被估测的水质参数〔' 7。
] 水中固体悬浮物的定量遥感研究己提出了一系列的模型,确定了水体反射
率与悬浮物之间的量化关系。
Ritchie 等【 ' 8]用Mss 影像在Moon 湖研究高悬浮物浓度水域的反演算法,发现在悬浮物浓度大于50m 留L 的情况下,一元线性回归与多元回归算法依然能够获得较好的反演结果。
Kallio 等[3] 利用AlsA 成像光谱数据研究芬兰
南部湖泊,结果表明估测悬浮物的最佳算法可利用单波段705 一714nm 的反射率得到。
Harma[' 9] 等利用MoDIs 模拟数据来监测芬兰85 个湖泊和105 个沿海水体监测点的水质状况,发现(R53 ,一R748)/(Rssl 一R748),R667 一R748 ,R748 一Rs7 。
等波段组合(R 为反射率)可以用来估测悬浮物的浓度。
国内在利用遥感数据建立悬浮物浓度关系式方面也有许多研究成果。
张渊智等[20 】论述了纯水和不同水质的波谱特性,以芬兰海湾和芬兰南部湖泊混浊度为应用实例,利用TM 和ERSZ 一SAR 数据给出可见光中绿波段和微波/可见光复合两种模型的反演算法。
王学军等[2‘】利用TM 数据和有限的实地监测数据建立了太湖水质参数预测模型,指出利用单波段、多波段因子组合以及主成分分析等手段可以使遥感信息得到更充分的利用。
吕恒等{2“】采用含有一个隐含层的两层BP 神经网络反演模型,以TM 数据的前 4 个波段的反射率作为输入,以悬浮物浓度值作为输出,成功反演了太湖水体的悬浮物浓度。
随着水体悬浮物浓度升高,近红外光谱引起了关注,法国的Dox 盯an 等人与美国的Myint 等人分别
通过比较sPoT 、NoAAAvHRR 和seawiFs 的波段配置发现了近红外光谱对悬浮体浓度更敏感,针对悬浮泥沙提出了865nm 与555nm 波段比值算法,并成功应用于SPOT 反演悬浮物浓度和AVHRR 的宽波段反演悬浮物浓度算法中[23 一2 习。
我国的吕恒通过光谱微分的方法发现84onm 附近的一阶微分与太湖水体的悬浮物浓度相关性很好[26] 。
3 其它水质参数遥感监测的研究进展
20 世纪90 年代以来,国外学者对内陆水体中黄色物质的光吸收特性和定量遥感监测进行研究。
1994 年Roland 等利用CZCS
数据对11 类水体的叶绿素、悬浮物、黄色物质进行反演[27] ,其中黄色物质的反演结果同实际测量值比偏低。
Pegau 等[28] 对
美国爱达荷州Pond 湖中26 个水样的CDOM 进行了S 值测定,得出其平均值为0.017 。
目前国内学者对黄色物质研究主要集中在化学组成
及光学特性等方面。
吴永森、张士魁、张绪琴[29] 建立了胶州湾黄色物质吸收系数与波长的单调变化关系。
陈楚群、潘志林[30] 利用seawiFs 资料提取了珠江口水域黄色物质的浓度信息。
总体来说,目前对黄色物质的研究只是刚刚起步,还有很多的工作需要努力。
进行水质溶解有机物的遥感监测在国内外的研究不多,主要是利用经验或半经验的线性关系式进行的。
李旭文等[3 '利]用TM 数据评价了苏州运河的有机污染,通过回归分析表明TMI 、2
3与coD相关性最好,其次是生化需氧量(BoD),与溶解氧(Do)也表现出一定程度的正相关。
博江[32]利用彩色红外航片建立了苏南大运河水中6项有机污染参数(包括有机污染综合评价值)与彩红外航空胶片透射密度之间的相关模型。
王学军[33】选取了太湖水质化学需氧量(CoDMn等7个监测参数,利用TM数据单波段或多波段组合的相关分析及主成分分析来监测太湖的水质污染。
此外, 遥感监测研究所涉及的水质参数还包括水温、透明度、总磷、总氮、PH值等,但是相关研究较少。
</FONT<p>。