共查询到18条相似文献，搜索用时 163 毫秒
1.
太湖蓝藻爆发与水温的关系的MODIS遥感 总被引：15，自引：4，他引：11
利用MODIS高光谱遥感数据动态监测太湖地区蓝藻水华发展过程,并结合水温环境因子,探讨蓝藻爆发的环境条件.首先,通过简单的比值植被指数,实现蓝藻生物量的遥感估算;根据六期遥感估算结果,监测太湖蓝藻动态发展过程.然后,利用MODIS热红外波段(31和32),采用分裂窗算法,同步反演出的太湖表面水体温度,探讨蓝藻爆发的水温条件,及蓝藻生长与水-温度之间的关系.研究结果表明,在水体富营养化前提下,水体温度是影响蓝藻生长的重要环境因子;合适的水体温度(24-30℃)是蓝藻爆发的必要条件;大于30℃的高温,对蓝藻的生长有明显的抑制作用. 相似文献
2.
3.
基于遥感数据的太湖蓝藻水华信息识别方法 总被引：9，自引：4，他引：5
2007 年太湖大规模蓝藻暴发,再次引起了人们对太湖环境的关注.有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义.而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年4月23日CBERS-02星CCD数据为主要的数据源,以NDVI值为测试变量,运用CART算法确定分割阈值,从而通过构建决策树的方法识别蓝藻水华信息,分析其蓝藻水华的提取结果,取得了较好的效果.文中还在GIS技术支持下,提取了2007年5月17日MODIS影像中的蓝藻水华信息.本次研究为以后开展长期的太湖蓝藻水华动态监测提供技术参考. 相似文献
4.
5.
太湖蓝藻水华遥感监测方法 总被引：31，自引：17，他引：14
利用遥感技术监测太湖蓝藻水华具有重要的现实意义.基于不同遥感数据,包括MODIS/Terra、CBERS-2 CCD、ETM和IRS.P6 LISS3,结合蓝藻水华光谱特征,采用单波段、波段差值、波段比值等方法,提取不同历史时期太湖蓝藻水华.结果表明:MODIS/Terra数据可以利用判别式Band2＞0.1和Band2/Band4＞1提取蓝藻水华;CBERS-2 CCD、ETM和IRS-P6 LISS3数据可以利用Band4大于一定阈值和Band4/Band3＞1提取蓝藻水华;波段比值(近红外,红光＞1)算法稳定,可以发展成为蓝藻水华遥感提取普适模式.同时,本文成功利用ETM和IRS.P6 LISS3数据Band4波段对蓝藻水华空间分布强度进行了五级划分.这为今后利用遥感技术,建立太湖蓝藻水华监测和预警系统莫定了基础. 相似文献
6.
太湖蓝藻水华的预防、预测和预警的理论与实践 总被引：67，自引：21，他引：46
综述了蓝藻水华预防、预测预警的重要意义及其理论与技术体系.基于作者所提出的将蓝藻水华形成分为休眠、复苏、生长和上浮聚集形成水华的"四阶段理论",以及太湖蓝藻越冬、春季复苏和水华形成的时空规律,提出了太湖蓝藻水华的预防理念.综述了国内外蓝藻水华形成与预测研究进展,阐述了蓝藻水华形成关键过程的主导生态因子及其阈值:确定了水华蓝藻越冬的空间分布与生命特征,利用室内模拟实验和野外原位观测与捕捉,得到了蓝藻春季复苏的室内和野外温度阈值分别为14℃和9℃,发现了蓝藻复苏量与有效生理积温呈正相关的基本规律;初步揭示了水华蓝藻生长竞争优势形成的生物学与生态学机理以及光利用策略,利用细胞分裂频率法测定了夏季太湖水华蓝藻的原位生长速率为0.2-0.4;确定了在不同水文气象条件下,水华蓝藻在水体中垂直分布和在不同湖区之间输移的基本格局,发现藻类在水体中各层间百分含量的变异系数随着风浪的增大而减小,进一步证明了蓝藻水华形成是在适当水文气象要素驱动下,已经成为优势种群的水华蓝藻在湖体中空间位置的改变而引起的.建立了太湖蓝藻水华预测模型和工作流程,在2007年和2008年在太湖实施了未来3d的蓝藻水华预测预警,预测分析了2008年全年太湖蓝藻水华情势.对预测结果的回顾性评估与分析表明,目前已有的理论研究结果和预测工作流程可以对太湖蓝藻水华发生概率、发生地点和强度进行预测,预测准确率达到60%-80%.此外,还提出了未来蓝藻水华预测的研究方向. 相似文献
7.
MODIS影像的大气校正及在太湖蓝藻监测中的应用 总被引：7，自引：0，他引：7
MODIS 数据有免费、波段丰富、时间分辨率高等优点,是进行太湖蓝藻监测的重要数据源,由于MODIS传感器接收的是地物反射太阳辐射的信号,太阳辐射与地球大气的相互作用会引起传感器接收到的信号失真,为了提高利用MODIS数据监测太湖蓝藻的精度,必须对其进行大气校正.本文介绍了FIAASH大气校正模型的基本原理,并对2007年4月25日MODIS数据的前七个波段进行试验,对比分析了影像大气校正前后的NDVI值以检测大气校正的效果;分析表明,大气校正前后NDVI的变化趋势基本上相同,但大气校正后的NDVI动态范围更大,校正后NDVI的平均值和标准差增大,大气校正在一定程度上有效地降低了大气对遥感影像的影响,达到了增强信息的目的;最后,利用大气校正获取的地表真实反射率数据的第二波段与第一波段的比值,运用阈值法提取蓝藻信息,经试验当阈值为1.9时提取出来的蓝藻分布图基本上与实际相符.利用MODIS影像可以快速、及时地监测蓝藻爆发的位置及爆发程度. 相似文献
8.
以往对太湖蓝藻提取的研究中,较少将国内高分系列卫星影像作为数据源.为此本文基于2019年太湖不同蓝藻暴发时期的高分六号数据,采用随机森林（random forest,RF）法、归一化植被指数（normalized differential vegetation index,NDVI）阈值法和多光谱绿潮指数（multispectral green tide index,MGTI）阈值法对太湖蓝藻进行提取以寻求提取太湖蓝藻的最佳方法,并在此基础之上探讨了RF不同输入变量的适用性.结果表明,2019年太湖南岸和梅梁湖的蓝藻水华富营养化较为严重,NDVI阈值法明显将部分轻度蓝藻漏提,MGTI阈值法对中、重度蓝藻的识别能力不如NDVI法,而RF法能够有效地提取太湖蓝藻.其中将归一化植被指数和归一化水体指数作为输入变量的RF法提取中型暴发期的太湖蓝藻精度最高,总体分类精度和Kappa系数分别为99%和0.97.研究太湖蓝藻的提取方法对太湖的环境治理提供了技术支持,也为其他湖泊蓝藻的遥感监测提供了科学依据. 相似文献
9.
水体富营养化引起的蓝藻水华问题,是我国湖泊面临的主要环境问题,亟需加强现状监测和变化研究;我国自主研发的环境(HJ)卫星空间分辨率高,重访周期短,可用于长时间序列蓝藻水华的动态监测.本文利用HJ卫星CCD数据,通过自动控制散点回归的方法进行相对辐射校正,再将归一化植被指数和像元生长算法相结合,提出了一种可业务化运行的蓝藻水华高精度提取算法.该算法的优点为:(1)水华提取时具有统一的阈值,解决了以往一景影像一个阈值,无法大规模批处理的难题;(2)通过对像元进行线性分解,精度可达到亚像元级别.利用该算法对太湖2009—2014年蓝藻水华进行监测,发现2013—2014年太湖蓝藻水华较以往暴发面积偏小.研究表明,该算法对蓝藻水华识别能力强,自动化程度和水华提取精度高,可作为业务化算法运行. 相似文献
10.
随着湖泊流域经济的快速发展,蓝藻水华频繁暴发的现象越来越严重,水体富营养化已经成为国内外重大环境问题.浮游植物是水体的初级生产者,是衡量水体富营养化程度的主要指标之一,遥感技术则是探测水体浮游植物时空分布的重要手段.在收集整理近千篇国内外水体浮游植物遥感研究论文的基础上,从卫星数据源、研究内容及研究方法等角度,总结了遥感技术在富营养化湖泊浮游植物监测应用的历史进展、研究重点及发展趋势.研究表明,现有的富营养化水体浮游植物遥感研究,以湖泊蓝藻水华问题为切入点,研究视角由水体表层(藻华面积、色素浓度)转至水下三维(藻总量),研究方法从定性识别转向定量反演,研究内容从监测蓝藻水华推进到探测不同类群蓝藻,逐渐形成了以应用为导向,"MODIS/VIIRS大中型湖泊日常监测—GF/Sentinel2小型湖泊针对性监测—无人机应急监测"的浮游植物遥感综合监测体系.上述研究梳理了富营养化水体浮游植物遥感监测湖泊水环境学科的发展动向,以期为从事蓝藻水华生态灾害监测和预警人员提供重要的技术支撑和理论参考. 相似文献
11.
巢湖蓝藻水华时空分布(2000-2015年) 总被引：4，自引：3，他引：1
巢湖是我国五大淡水湖之一,近年来水体富营养化严重,蓝藻水华频繁暴发.通过收集2000-2015年晴好天气下2478景MODIS Terra和Aqua影像,利用浮游藻类指数,提取巢湖蓝藻水华时空分布数据.结果显示,巢湖蓝藻水华覆盖面积、暴发频率以及持续时间都在增加,每年最初暴发时间提前.从分布上来看,西巢湖依然严重,中巢湖、东巢湖水华暴发面积较以往大大增加;过去16年内巢湖蓝藻水华暴发频率持续增长,其中2007年最为严重,2008-2010年暴发频率出现缓和,此后又出现增长趋势.这些研究结果有助于掌握蓝藻水华的情况,为巢湖科学治理提供了数据支持. 相似文献
12.
湖泊藻华问题已成为全球水生态环境领域面临的长期挑战,风力条件变化和引调水工程的水力调度能改变湖体水动力结构,对藻类的生长和聚集过程产生影响,进行该过程的精细化监测和机制分析对于湖泊藻华预报预警和应急处置具有重要意义。本研究基于Hiamwari-8/AHI卫星遥感高频监测数据,对比分析了归一化差异植被指数(NDVI)、增强植被指数(EVI)和浮游藻类指数(FAI) 3种不同指数对太湖藻华的反演效果,开展了典型风力条件下和水力调度下太湖藻华生消过程的持续监测分析。结果表明,FAI对藻华区域和非藻华区域的区分更加明显,其阈值提取的藻华面积与基于MODIS图像解译的藻华面积的相对误差最低,为-2.27%。当营养盐充足且水温持续保持在蓝藻大量生长增殖的阈值以上时,风力条件是导致太湖藻类迁移聚集的关键因子,风向主要影响藻类的水平迁移,使其进行方向性迁移并逐渐形成大面积藻华区域。风速主要影响藻类的垂向迁移并存在临界阈值,当风速低于约2.5 m/s的临界风速时,藻华面积随风速增加而增加;当风速高于临界风速时,藻华面积随风速增加而降低。水力调度对距离较近的贡湖湾区域具有显著影响,主要通过水动力扰动来影响... 相似文献
13.
蓝藻水华暴发时间变化一定程度上表征了藻华物候特征,研究藻华物候变化可为湖泊水环境健康问题治理和缓解水生生态系统环境退化提供科学依据。以往巢湖蓝藻水华遥感监测主要基于2000年以来的MODIS卫星数据,限制了对巢湖蓝藻水华暴发时空变化过程的理解。本文利用Landsat扩展时间序列,联合MODIS数据,基于浮游藻类指数和阈值分割技术提取巢湖蓝藻水华,在评估二者藻华提取结果一致性的基础上,获取并分析了巢湖1987-2020年蓝藻水华暴发物候的规律及影响因子。结果表明：(1) 2000年前,巢湖蓝藻水华暴发规模较小,2000年后面积显著上升,大面积蓝藻水华出现频繁,2011年达到最高峰(608.4 km2);(2)1987-2020年间,巢湖蓝藻水华暴发可以分为3个阶段：(1)1987-2004年,巢湖蓝藻水华年暴发开始时间显著提前,暴发持续时间显著增加;(2)2005-2010年,藻华年暴发开始时间显著延迟,但暴发持续时间变化不显著;(3)2011-2020年,巢湖藻华暴发开始、结束和持续时间呈现年际波动,年暴发开始时间、结束时间和持续时间有所提前,但不显著;(3)巢湖... 相似文献
14.
内蒙古乌梁素海“黄苔”暴发卫星遥感动态监测 总被引：6，自引：3，他引：3
通过综合分析"黄苔"、芦苇、明水体和陆地等地物在EOS/MODIS图像上不同波段的光谱特征,提出了利用EOS/MODIS可见光、近红外波段数据提取"黄苔"信息的方法.结合乌梁素海"黄苔"实地考察资料和高空间分辨率的中巴资源卫星CBERS/CCD数据对MODIS数据监测"黄苔"的结果进行了比对验证.研究结果表明,本文提出的方法可以对"黄苔"进行有效的监测.同时提出了简单可行的去除程辐射影响的大气校正方法,利用MODIS 2008年5-10月的数据对内蒙古乌梁素海的"黄苔"灾情进行了动态监测,获得了乌梁素海"黄苔"灾情发生发展的特征信息,乌梁素海在2008年5月初开始出现"黄苔",6-7月份发生大面积"黄苔"暴发,进入8月以后"黄苔"开始逐渐消退,10月份基本消失,并初步分析了"黄苔"暴发的原因. 相似文献
15.
利用1999 2014年Landsat卫星遥感影像数据,采用浮游藻类指数(FAI)方法识别、提取洱海蓝藻水华信息,进而获取蓝藻水华时空分布数据,为进一步分析洱海蓝藻水华发生规律及监测预警提供参考.结果表明:1999 2014年洱海夏、秋季多次发生蓝藻水华,以小型水华为主(水华面积在10 km~2以内),大型水华现象主要发生在2003、2006、2013年,其中2006年水华面积最大,达到42 km~2.除近岸湖湾区域容易产生蓝藻堆积外,洱海蓝藻大型水华主要发生在洱海北部和中部区域,南部发生频次较少.近岸区域蓝藻堆积从春季开始,中心水域水华发生在夏末和秋季(8 11月),其中大型水华集中发生在10月左右. 相似文献
16.
17.
利用2000-2010年每年5-9月MODIS数据根据比值算法提取乌梁素海湖区黄苔的面积和空间分布信息并进行统计分析,探求乌梁素海黄苔产生的时空分布规律及特征,从而为黄苔的预防和治理提供支持.结果表明:(1)黄苔面积变化的年际和月际特征方面,2000、2001、2005、2006、2008、2010年黄苔面积超过了多年平均值(24 km2).5—7月份黄苔面积较小,保持在20 km2左右;8月黄苔面积迅速增长(约28 km2),9月黄苔面积最大,达到40 km2左右.(2)黄苔发生频率方面,2001年黄苔的规模和频率最高,发生频率达到0.58;2005、2006、2010年次之,发生频率在0.25附近波动(多年年均黄苔暴发频率为0.19);其他年份黄苔的发生频率处于低于0.10的水平.黄苔发生规模较大、次数较多的月份集中在8、9月,发生频率分别达到0.27、0.52,超过多年月均黄苔暴发频率0.19;其他月份黄苔的发生频率处于低于0.10的水平.(3)黄苔出现的空间分布方面,西大滩为东大滩的北部至中部,以及乌梁素海南部明水区排干口附近的西部沿岸是黄苔出现频率较高的区域.(4)2个月前的日均温度、降雨和营养盐浓度及当月风速与黄苔的产生具有极显著相关性;营养盐含量(TN、TP)的空间分布与黄苔的空间分布表现出较好的相关性.乌梁素海黄苔面积的年际变化受人类活动特别是生态补水的影响明显. 相似文献
18.
基于遥感藻总量和气象因子的巢湖不同湖区藻华预测 总被引：1，自引：0，他引：1
湖泊能为人类提供不可或缺的资源,而全球普遍存在的湖泊富营养化导致的藻华频繁暴发正不断损害湖泊生态环境服务功能.为合理保护湖泊环境和防治藻华危害,需预测藻华暴发.以我国富营养巢湖为研究区,本文构建了一种基于遥感藻总量和气象因子的不同湖区藻华暴发概率预测方法.基于MODIS/Aqua数据,研究首先反演了2003—2019年日尺度的藻华分布和考虑垂向结构的水柱藻总量.然后,统计了西、中和东巢湖的藻华面积,判别了藻华/非藻华日,并匹配日平均藻总量和气象因子.最后,筛选出藻华形成的关键影响因子——藻总量、气温和水汽压,并构建了不同湖区日藻华暴发概率的Logistic预测模型.不同湖区月平均藻总量基本一致,但藻华暴发日占比呈“西高东低”特征.对西、中和东巢湖的藻华/非藻华检验样本,模型精度分别为90%、85%和89.5%,模型也适用于2020年夏秋季和冬春季藻华预测.湖泊藻华暴发是藻类大量增殖并在一定气象条件下的产物,故基于遥感藻总量和气象因子的藻华暴发概率预测科学合理,可推广应用于太湖等其他富营养湖泊. 相似文献