共查询到18条相似文献，搜索用时 171 毫秒
1.
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
2.
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
3.
太湖蓝藻水华的年度情势预测方法探讨 总被引：2，自引：2，他引：0
在太湖、巢湖、滇池、洱海、三峡水库等我国重要湖泊和水库,蓝藻水华时常发生但年际之间藻情往往有较大差异,给蓝藻水华的防控物资及人员投入、湖库水源地水质安全保障带来较大的挑战,亟待探索周年尺度的蓝藻水华强度预测方法.本文收集了太湖连续15年的蓝藻水华情势观测数据和同步的气象、水文数据用于构建蓝藻水华预测模型,提出了利用遥感反演的蓝藻水华面积(A_(BL))及人工观测的水体浮游植物叶绿素α浓度([Chl.a]_(LB))共同表征的蓝藻水华强度指标(BI).分析了太湖年尺度的BI值与环境条件的关系,提出了基于年初能够掌握的气象、水文、营养盐等综合环境指标进行年度BI预测的统计模型.结果表明,太湖年度BI值与冬季及初春(12-3月)日均水温(WT_(12-3))、冬春季有效积温(AT_(12-3))、前一年降雨总量(RF_(YB))等环境因子呈显著正相关,与冬季及初春的水体总氮(TN_(12-3))、溶解性总氮(DTN_(12-3))、总磷(TP_(12-3))及溶解性总磷(DTP_(12-3))不存在统计上的显著相关关系.此外,本研究开展了基于上述因子(BI为因变量,其余环境因子为自变量)的多元(或一元)回归分析,并遴选出最优模型.总体而言,最优模型的模拟计算结果与实测浓度具有较高的一致性,因此本研究得出的模型对太湖蓝藻水华年际强度预测具有较高精度.本研究对太湖等富营养化湖库蓝藻水华的中长期预测具有指导意义. 相似文献
4.
基于HJ-CCD和MODIS的吉林省中西部湖泊透明度反演对比 总被引：2，自引：0，他引：2
水体透明度能够反映光在水体中的穿透程度,影响水生植被及以光为依赖条件的水生生物的分布,获取透明度的传统方法是采用透明度盘进行测量,但也可以通过遥感方法获得.环境减灾卫星是专门用于环境与灾害监测预报的小卫星星座,影像覆盖范围广,空间、时相分辨率较高,可以为水环境遥感提供较好的数据源.MODIS数据在近岸水体和内陆大型湖泊水环境监测中也有广泛应用,它的时相分辨率也很高,但空间分辨率低.利用HJ-1A卫星CCD数据和MODIS日反射率产品(MOD09GA),以2012年9月吉林省石头口门水库、二龙湖、查干湖、月亮泡等地的实测透明度为基础(实测点数74个,最小值为0.134 m,最大值为1.410 m,平均值为0.488 m),根据灰色关联度选取构建模型的波段组合,建立水体透明度反演模型.HJ1A-CCD数据与MOD09GA数据建立的模型R2分别为0.639和0.894,均方根误差(RMSE)分别为0.248和0.135,模型验证的平均相对误差(MRE)分别为17.1%和9.5%,RMSE分别为0.207和0.089.MODIS数据以其较高的辐射分辨率使模型精度较高,但是HJ数据在应用于透明度小于1 m的水体时精度也较高(MRE=13.5%,RMSE=0.066).HJ-CCD数据在空间分辨率上的优势使其能够获得透明度空间分布的细节信息.比较两者反演得到的湖泊平均透明度,结果较为一致. 相似文献
5.
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
6.
7.
MODIS-Terra和MERIS数据被用于芬兰湾蓝藻水华的监测,并对两者的性能进行了比较.研究结果表明:MODIS-Terra 波段设置主要针对一类大洋水体,缺乏预警藻蓝素的有效波段;MERIS传感器设置了620nm和665nm波段,基本对应藻蓝素的吸收峰(630nm)和反射峰(650nm),具有蓝藻水华探测的潜力,但在藻华未成型之前,海岸带水体不同优势藻类具有相似的叶绿紊特征,较难辨别蓝藻水华.总的来说,MODlS和MERIS数据比较困难实现蓝藻水华初期预警,但可以有效监测已成型的蓝藻水华.这一方法可以用于中国太湖或者海岸带水体藻华探测和监测研究. 相似文献
8.
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
9.
藻类生长与营养盐浓度存在藻类几何级数增长的营养盐浓度变化的下限阈值和藻类生长不受氮磷浓度增加影响的上限阈值,但由于蓝藻水华的形成受多种因素的综合影响,不同湖泊、不同区域及不同时段的氮磷浓度对蓝藻水华的影响差别较大,使得蓝藻生长的氮磷控制阈值难以确定.针对控制蓝藻水华暴发的氮磷阈值的研究虽然有所开展,但多集中在实验室研究阶段或对经验值的判断,虽然也有基于野外实测数据的研究,但也限制于某一特定区域,而基于野外长序列实测数据并且覆盖整个湖泊的氮磷阈值研究则是空白.太湖作为具有较高营养背景的富营养化浅水湖泊,蓝藻水华的发生受氮磷影响较大.对太湖总磷(TP)、总氮(TN)和叶绿素a(Chl.a)浓度的时空变化分析发现,太湖西北湖区的TP、TN与Chl.a浓度明显较高,并且TP、TN与Chl.a均呈显著性正相关.为探究太湖蓝藻水华暴发的TP和TN控制阈值,以轻富营养化等级下的Chl.a分级标准(10,26］作为表征水华暴发的条件,采用郑丙辉等的频率分布法,确定了太湖蓝藻水华暴发的TP和TN控制阈值分别为0.05~0.06和1.71~1.72 mg/L;通过空间验证,太湖藻型区TP和TN浓度远高于同级营养水平下全湖区TP和TN控制阈值,表明藻型区高氮磷水平为蓝藻水华发生提供充足营养盐条件,即使氮磷全湖平均浓度控制在蓝藻水华暴发的氮磷阈值水平之下,但在气象水文等因素适宜条件下,藻型区水华发生风险仍然较高;并且在高氮磷背景下,即便在水华发生风险低的季节,水华发生风险仍然较大.近十几年来,虽然太湖经历了大规模的高强度治理,但由于环太湖流域的湖西区入湖负荷占比大,导致太湖藻型区氮磷浓度仍处于高位运行状态,为蓝藻水华的暴发提供了充足的营养盐基础,因此,湖西区的控源减排仍然是太湖富营养化及蓝藻水华防控的重点. 相似文献
10.
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
11.
蓝藻水华是全球性的水环境健康问题,对水华暴发过程信息的快速准确获取是制定有效防治措施的关键.卫星遥感因具有大范围、周期性观测的特点,被广泛地用于湖泊蓝藻水华的时空动态监测.本文指出在利用遥感对湖泊蓝藻水华进行研究时,需要注意的4个问题:(1)湖泊水体中泥沙等信号对藻华存在干扰;(2)大气程辐射及水陆边界影响藻华特征提取结果;(3)卫星数据的有效观测频次影响获取的藻华时空变化趋势;(4)卫星遥感难以实现藻华暴发区的叶绿素浓度准确反演.本文分析了形成上述问题的主要原因,并建议相关的研究工作者在选用合适的遥感数据及方法时,对它们的潜在影响进行评估. 相似文献
12.
蓝藻的防控与治理是湖泊水环境、水生态管理的重要内容,实时获取蓝藻的空间分布信息对于降低蓝藻灾害风险具有重要意义.针对地面调查费时费力、卫星遥感监测粒度较粗且时效性不强等问题,本文提出了一种基于视频监控网络的湖泊蓝藻实时监测技术.基于环巢湖视频监控网络的33个功能摄像机,研究如何从视频图像中实时、准确提取蓝藻的分布信息.为克服不同摄像头的观测角度不一致、光照强度和背景条件不一致等诸多挑战,在视频图像蓝藻表征分析的基础上,通过多尺度深度网络进行图像粗粒度分类,区分蓝藻与浑浊、阴影水体;基于随机森林进行蓝藻精细化识别,克服蓝藻的强异质性.最后以渔政站沿岸水域的日均蓝藻覆盖率和月均蓝藻覆盖率为统计单位,开展了巢湖沿岸蓝藻的动态监测.研究成果可为科学制定蓝藻治理方案提供技术支撑. 相似文献
13.
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
14.
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
15.
MARK F. MEIER 《水文科学杂志》2013,58(3):307-330
Abstract Monitoring of snow and ice on the Earth's surface will require increasing use of satellite remote sensing techniques. These techniques are evolving rapidly. Active and passive sensors operating in the visible, near infrared, thermal infrared, and microwave wavelengths are described in regard to general applications and in regard to specific USA or USSR satellites. Meteorological satellites (frequent images of relatively crude resolution) and Earth resources satellites such as Landsat (less frequent images of higher resolution) have been used to monitor the areal extent of seasonal snow, but problems exist with cloud cover or dense forest canopies. Snow mass (water equivalent) can be measured from a low-flying aircraft using natural radioactivity, but cannot yet be measured from satellite altitudes. A combination of active and passive microwave sensors may permit this kind of measurement, but not until more is known about radiation scattering in snow. Satellite observations are very useful in glacier inventories, correcting maps of glacier extent, estimating certain mass balance parameters, and monitoring calving or surging glaciers. Ground ice is virtually impossible to monitor from satellites; ice on rivers and lakes can be monitored only with very high-resolution sensors. Microwave sensors, due to their all-weather capability (the ability to see through clouds) provide exciting data on sea ice distribution. Analysis of digital tapes of satellite data requires the archiving and scanning of huge amounts of data. Simple methods for extracting quantitative data from satellite images are described. 相似文献
16.
17.
18.
近年来随着人类的活动日益加剧，水体富营养化问题已经严重威胁到湖泊生态安全。为了快速并准确地获取藻华爆发的范围，本文提出浮游藻类指数线性拟合模型（FAI linear fitting model, FAI-L）。在以往的研究中，NDVI(normalized difference vegetation index)已经广泛应用于藻华的识别中，且采用坡度计算获取NDVI阈值的方法也得到验证，相对于NDVI,FAI对环境条件的改变敏感度较低，且由于FAI增加了短红外波段，能够有效地降低部分大气和薄云的影响，对藻华的识别有较高的精度，但是FAI识别藻华的阈值如何确定的问题没有有效的解决办法。本文通过建立NDVI与FAI的线性拟合方程，利用NDVI阈值确定FAI阈值，能够有效地解决FAI阈值确定问题。通过Landsat8和Sentinel-2的提取结果显示：（1）FAI-L相对于NDVI提取结果在精度上有较大提升。采用该方法对于Landsat8影像的藻华提取精度为97.16%，相对于NDVI的提取精度（91.72%）提高了5.44%。（2）以Sentinel-2数据为基础探究FAI-L的适用性情... 相似文献