太湖藻类的遥感监测研究

遥感信息　　　　　　　　　　　　　　　　　　　　2008.4综　　述　　　　　　　　　　　　　　　　　　　　　

太湖藻类的遥感监测研究

宋瑜①,②,宋晓东②,江洪①,③

(①南京大学国际地球系统科学研究所,南京210093;②中国科学院城市环境研究所,厦门361003;

③浙江林学院国际空间生态与生态系统生态研究中心,杭州311300)

摘要:随着太湖水体富营养化的日益严重和蓝藻水华爆发的逐年加剧,如何实现藻类的时空动态监测成为亟待解决的关键问题。本文在分析太湖水体光谱特征的基础上,总结了太湖藻类叶绿素浓度反演的几种常用方法:经验模型、半经验模型、分析模型、混合光谱模型、神经网络模型等,并分析了各自的优缺点;在比较了不同遥感数据源在反演估算中的应用特点后,提出新型卫星遥感数据具有遥感反演的应用优势;最后对太湖藻类的遥感监测研究中存在的问题及发展方向做出了分析和展望。

关键词:太湖藻类;叶绿素a;遥感监测

中图分类号:TP79　　文献标识码:A　　文章编号:1000-3177(2008)98-00102-07

1　引　言

富营养化水体的一个重要特征是藻类物质的大量繁殖。叶绿素在藻类物质中所占的比例比较稳定,并且易于在实验室中测量,为反映水体营养化程度的一个重要参数[1]表面叶绿素浓度,传统的。利用遥感手段,可低成本、实时地监测水体表面水质参数的时空动态变化[2～3]。自上世纪八十年代以来,遥感技术逐渐应用到内陆水体、海洋的资源调查及环境监测等方面。太湖作为中国长江中下游的典型淡水湖泊,在经济快速发展和气候变化的影响下,水质污染日趋严重,对太湖叶绿素浓度的遥感反演一直是研究的重点[4～5]。随着遥感技术特别是高光谱遥感的迅速发展,国内外学者对水体叶绿素的光谱特征和算法的研究不断深入[6～9]。二十世纪九十年代初,多光谱遥感数据LandsatTM开始应用于太湖藻类遥感监测;九十年代末至今,在地物高光谱仪的实测数据和实验室水质分析指标的基础上,太湖水体叶绿素定量反演模型不断发展。目前,太湖藻类叶绿素反演方法以经验、半经验方法为主,反演模型带有一定的地域性和季节性。然而,近年来随着太湖水环境的持续恶化,一些藻类特别是蓝藻大

收稿日期:2007-11-16

量繁殖,水华爆发的频率和面积逐年增加[10～11],严重影响到周边地区的社会、,甚至导致无锡如何提高太湖藻类。本文总结了太湖藻类水,比较了不同遥感数据源在太湖藻类叶绿素反演模型中的应用特点,并对研究中存在的问题及发展方向做出了分析和展望。

2　太湖藻类水体的高光谱特征

水体的光谱特征是由其中的各种光学活性物质

对光辐射的吸收和散射性质决定的。水质遥感监测是通过量测一定波长范围的水体辐射值,研究水体反射光谱特征与水质指标浓度之间的关系,建立水质指标反演算法[12～13]。叶绿素浓度遥感监测的核心问题是建立水体反射率与叶绿素浓度间的定量关系[14～15]。因此,太湖藻类叶绿素的波谱特征的研究是遥感监测太湖水体叶绿素浓度的基础。

太湖水体的反射率在400～500nm之间较低,这是由于叶绿素a在蓝紫光波段的吸收及黄色物质在该波段的强烈吸收所致;叶绿素和胡萝卜素弱吸收及细胞的散射作用在550～580nm内形成了反射峰;而藻青素和藻青蛋白的吸收又使620～630nm波段的反射比降低;675nm附近由于叶绿素对红光

　　修订日期:2008-

06-10

基金项目:科技部973项目(2005CB422208);国家自然科学基金项目(40671132)。

作者简介:宋瑜(1983～),女,硕士研究生,现主要从事水环境遥感研究。　　E2mail:Lifeisatreeys@http://www.77cn.com.cn

102

2008.4　　　　　　　　　　　　　　　　　　　　　综遥感信息　　述　　　　　　　　　　　　　　　　　　　　

的吸收作用,导致该波长附近出现反射波谷;700nm附近有明显反射峰,其存在与否通常被认定是判定水体是否含有藻类叶绿素的依据[16～17]。多数研究者认为700nm附近出现反射峰应归因为叶绿素的荧光效应[18～20]。疏小舟等[1]指出荧光峰随着太湖水体叶绿素浓度的增大发生“红移”。当太湖水体叶绿素浓度很低时,700nm附近处没有明显的反射峰;藻类密集覆盖水面时,近红外波段的反射率曲线走平,也没有明显的峰值出现;而对于极端值以外的采样点处水体,反射峰的位置从低叶绿素浓度时的约685nm变化到高浓度时的约720nm。国内外研究者在其他水域的研究也有相似结果[21～22],并发现红移幅度随着藻类的不同而有所差异。

叶绿素的含量是浮游植物现存量指标[10],其年际变化与太湖每年的藻类水华的爆发相吻合。太湖藻类由多种藻门构成,既有蓝藻等漂浮在水体近表水层的藻类(如微囊藻、鱼腥藻、色球藻),也有硅藻、隐藻、甲藻等细胞单体比重较大的沉水性藻类,遥感探测记录的是水体近表受光层对入射能量的吸收、散射及反射的综合特性,而这层水柱中又以蓝藻的光谱响应为主[4]。μm)陆地植被,除可见光区(0.55

μ峰外,1

具有强烈反射[23],谱差异很大,范围及动态变化过程。

红外波段的差值[4]、比值[31]以及与其他波段的非线性组合[23,32]等。虽然建立了不少精度较好太湖叶绿素a浓度遥感反演的经验算法,但因水中叶绿素的光谱信号相对较弱,加上太湖悬浮泥沙含量和黄色物质的影响,因此叶绿素浓度与卫星遥感数据之间的相关性不能保证。所以,经验模型的精度难以提高,且模型的应用受到时间和地域的限制。

3.2　半经验模型

半经验模型随着高光谱遥感技术在水质监测中的应用而兴起,并成为自90年代以来国内外学者较常用的一种水质监测方法[33～34]。半经验模型是将已知的水质参数光谱特征与统计分析模型相结合,选择最佳波段或波段组合作为相关变量估算叶绿素浓度的方法,具有一定的物理意义[35]。一般来说,叶绿素a的浓度与各波长处的反射率相关性不大[36～37]。有研究发现太湖叶绿素a浓度与700nm附近光谱反射率有较高的相关关系,并选取该波段范围内的峰高[38]、反射率值[39]。研(荧光峰红移、),[]R705/R675,并用航空成像光谱仪OMIS2Ⅱ反射比波段R(21)/R(18)(中心波长分别为704.8nm和669.9nm)反演了飞机飞行航线的叶绿素浓度分布,除大量藻类密集漂浮的情况下估算值远低于采样值外,模型结果精度较好。马荣华等[25]采用反射比R706/R682和706nm反射峰的位置对梅梁湾附近水体叶绿素进

3　太湖藻类叶绿素的遥感反演方法

叶绿素a浓度遥感定量反演方法大致可分为经验方法(EmpiricalMethod)、半经验方法(Semi2em2piricalMethod)和分析方法(AnalyticalMethod)等。太湖水体藻类叶绿素遥感信息的提取在80～90年代以定性分析、经验模型为主[23～24];90年代中后期以来,以半经验模型为主[1～25]。近年来,神经网络模型和混合光谱分解模型等新方法渐显优势[26～27],而基于分析方法的太湖叶绿素反演研究也有了起步性的发展[28～29]。

3.1　经验模型

行线性反演。由于不同研究区的水体光学性质存在

差异,其提出的比值模型与Gitelson[36]的模型形式上一致,常数项不同,而反射峰位置模型更接近于疏小舟等[1]的研究结果。焦红波等[17]认为由反射比比值变量R719/R670所建立的线性模型对叶绿素a浓度的估算精度最理想。然而,该类比值反演法在较短时间区间(月)内有很好的精度,而分季节模型的效果不好[40]。此外,对原始数据进行微分处理,可以去除部分线性或接近线性的背景、噪声光谱对目标光谱的影响[14,39],从而在叶绿素浓度估算中起到提高反演精度的效果。在高光谱反演模型的基础上,利用多 …… 此处隐藏：14923字，全部文档内容请下载后查看。喜欢就下载吧 ……