毕业论文：东平湖水体叶绿素浓度遥感监测系统设计.doc

本科生毕业论文（设计）题 目： 东平湖水体叶绿素浓 度遥感监测系统设计 专业代码： 070703 作者姓名： 李镜尧 学 号： 2007202073 单 位： 环境与规划学院 指导教师： 马雪梅 2011年5月31日- II -聊城大学本科毕业论文（设计）原创性声明本人郑重声明：所提交的学位论文是本人在导师指导下，独立进行研究取得的成果。除文中已经注明引用的内容外，论文中不含其他人已经发表或撰写过的研究成果，也不包含为获得聊城大学或其他教育机构的学位证书而使用过的材料。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人承担本声明的相应责任。学位论文作者签名： 日期 .指导教师签名： 日期 .目 录1引 言12系统总体设计12.1系统数据源12.2系统总体结构22.3系统处理流程33系统关键技术33.1影像自动筛选与裁剪33.2限区域控制点自动识别43.3数据管理技术43.4影像建模54系统功能模块设计54.1数据准备64.1.1影像准备64.1.2数据入库64.1.3数据列表74.2实测数据处理74.2.1点集操作74.2.2插值操作74.3影像预处理74.3.1辐射校正84.3.2几何校正84.3.3噪声处理94.4水质监测94.4.1反演模型104.4.2监测结果分析114.4.3影像动画播放114.5专题图115应用实例126结 语13摘 要叶绿素浓度是衡量湖水富营养化程度的重要指标。利用遥感图像快速获取东平湖水质状况的空间信息，并构建信息系统对湖区污染治理有着重要意义。系统采用C/S架构，以免费下载的中巴环境小卫星影像为数据源，构建集遥感信息提取、叶绿素浓度反演于一体的信息系统。除实现海量数据自动筛选、影像预处理自动化、应用数据管理及叶绿素浓度自动反演等功能以外，还具有较高的实用性和可扩展性，用户可根据需要自己定义反演模型，所得结果可为制定东平湖水质优化方案提供可靠的数据支持和信息服务。关键词：叶绿素浓度；遥感监测；信息系统；东平湖；环境小卫星AbstractChlorophyll concentration is an important index to measure the lake eutrophication level. It is significant for Dongping Lake pollution control to fast acquire spatial information of its water quality and to build its information system. Used three-layer C/S framework model, the information system is built at the command of remote sensing information extraction and chlorophyll concentration monitoring withthe environmentalsatellite image data source. Besides automatically filter the massive data, image process in procedures, management of the massive data and automatic inversion of chlorophyll concentration, the system also has higher practicability and expansibility. Users can define inversion model according to their needs and the results can provide decision support and information service for water quality optimization scheme in Dongping Lake.Key words: chlorophyll concentration；remote sensing monitoring；information system； Dongping Lake；CBERS HJ-1A/1B东平湖叶绿素浓度遥感监测系统设计与实现1引 言东平湖是山东省第二大淡水湖泊，接纳全部大汶河流域的来水，根据南水北调东线规划方案，承担调蓄任务。济南市、泰安市、淄博市将从东平湖直接取水，同时黄河洛口以下河段缺水或断流时，也由其向黄河补水，故东平湖在山东省的水资源调配和供给中起着重要作用。但随着经济高速发展、工业化程度加剧及人为活动的影响，湖区污染逐渐加重1-2。因此对其进行实时监测就变得尤为重要。据了解湖区现有监测方法大多是通过实验室分析个别水样点，检测较少，结果也很难代表湖区整体情况，且费时费力。与之相比，利用遥感技术对湖水水质进行监测具有监测范围广、速度快、成本低和便于进行长期动态监测等优势。因此有很多学者进行了这方面的深入研究3-7，虽然所得研究成果丰富，但因影像处理步骤复杂，成果应用性较差，问题主要集中在影像处理过程专业性较强，很难被非专业工作人员掌握8；影像操作过程重复工作较多，且不具备可升级性和可扩展性；人为海量数据筛选较为困难，且不客观9。针对以上问题，本文结合遥感水质监测业务流程，借助C#和IDL语言，构建东平湖的叶绿素浓度遥感监测系统，为水质快速宏观检测及处理提供可靠数据支持和信息服务。2系统总体设计2.1系统数据源系统采用的遥感数据为中国和巴西研制的环境与灾害监测预报小卫星星座A、B星(HJ-1A/1B星，简称HJ)，该数据具有高时效性，过境时间为2天；同时，影像CCD相机的谱段设置和空间分辨率与Landsat7/TM前4个波段完全相同；同时，HJ-1A星装载的超光谱成像仪（HSI）可提供110-128个波段信息10。此外，系统还用到了影像同步水质实测数据、气象统计数据、GPS定位数据及湖区及周边DEM数据。2.2系统总体结构系统采用C/S架构，按照叶绿素浓度遥感监测的业务流程，遵循系统稳定性和可扩展性原则，运用IDL和C#语言，以类交互的方式构建整个系统11 ，该系统可为东平湖水质优化处理提供空间分布信息及信息服务。具体系统包括数据层，逻辑层和表现层，结构如图1所示。东平湖水质参数遥感检测系统湖区信息提取地理信息专题数据库遥感影像数据库野外调查数据库统计资料数据库遥感预处理模块水质参数监测模型变化信息监测模型遥感影像处理库水质参数专题图分析模型动画播放表现层逻辑层数据层图1 系统结构图Fig.1 Structure of the system1）数据层。为了实现遥感数据独立访问功能和提高数据库调用速度，遥感影像和影像元数据采用不同的存储模式，其中影像元数据和其他数据使用Access2007数据库存储，由DPHDataSetTableAdapters类管理，而影像数据存入用户指定的文件目录下，由C#从数据库中获取影像存储地址，并由IDL语言根据地址调用所需影像。同时，本系统使用AppManager类对当前应用所需数据与处理结果数据进行分类管理，从而实现快捷访问。2）逻辑层。这一层是连接数据层和用户界面层之间的桥梁，该层以IDL类的形式进行封装，开放出不同的接口供用户界面层调用，并能够从数据库中提取数据输送到用户界面层。该层主要包括：数据准备、实测数据管理、影像预处理、监测模型和专题图输出等。各模块之间既相互独立，又提供一些标准且简单的接口，允许使用者设置参数和属性以适应特定的应用要求。3）表现层。表现层是与用户交互的一层。用户可根据系统界面反馈的信息，通过交互控件调用逻辑层中的功能，实现用户的处理目的。2.3系统处理流程本系统运用C # 语言实现系统架构，运用IDL 语言实现系统中影像处理功能模块，采用IDLDrawWidget 控件实现二者衔接。影像经筛选后加载进入系统，再经过影像预处理、影像建模和影像制图等处理流程，最后通过动画播放、专题图制图及统计报表的形式对检测结果进行发布，系统处理流程如图2所示。HJ数据元数据、气象统计数据水质参数实测数据数据入库数据处理影像自动筛选影像自动裁剪星上定标几何校正噪声处理相对辐射校正湖区提取统计回归模型指数模型变化监测动态演示等级图输出连续图输出监测报告 图2 系统处理流程图Fig.2 Workflow of the system3系统关键技术 3.1影像自动筛选与裁剪经实验获得了适合东平湖HJ星卫星影像的评价体系，该体系的影响因子有：影像元数据中的质量信息和云覆盖度、气象数据库中的气温和风速。系统通过该评价体系对影像进行自动筛选。筛选后的影像每景约为800M，而东平湖只占其中一小部分，为排除其他部分的影响、减少数据量、提高系统运行速度，系统根据统计实验，设置了东平湖范围的四个角点坐标，根据该坐标值对初次导入数据库的影像进行粗略裁剪。3.2限区域控制点自动识别鉴于影像配准工作较大，且受限于判读人员的判读能力，而由遥感专业软件中的几何自动校正功能得到的控制点精度较低，本系统采用限区域自动识别控制点的方式进行影像间几何配准，首先在基础影像中利用标识框框出标识地物，再把待校正图中的标识框移至包括该标志地物的任意区域，在区域内通过灰度共生计算得出两区域内相似度最大的点作为控制点，如图3-A/B所示。该方法大大提高了影像间几何配准的精度和速度，非遥感技术人员可在2分钟之内完成影像配准，平均误差为0.3个像元，从而大大提高了系统的实用性。图3-A 自动识别前Fig.3-A Before the automatic identification图3-B 自动识别后Fig.3-B After the automatic identification3.3数据管理技术系统采用文件+数据库的管理方式对下载影像进行管理12-13，这种管理方式管理数据时，影像数据按照文件方式组织管理，在关系数据库中，每个文件有唯一的ID与影像对应。为了提高影像数据管理效率，方便系统每个模块对其进行快捷访问，系统构建一个应用数据管理器（如图4所示），该管理器用于统一管理当前正在应用的影像数据和实测数据，管理器由C#语言编写的AppManager静态类完成。影像数据库全部数据列表应用数据管理器当前应用图像当前应用实测值TreeView数据列表影像预处理模块水质监测模块其他模块图4 应用数据管理器Fig.4 Application data manager3.4影像建模反演模型是该系统的核心部分，系统针对有无实测数据，设计出指数模型和统计回归模型两种模型对湖区叶绿素浓度进行监测9。在没有实测数据情况下，根据水体及其所含物质的影像表征理论，利用指数模型对湖区的各水质参数进行监测，其目的是获取湖区水质变化的相对信息；如具备影像地面同步数据，系统可通过统计回归模型对湖区的水质参数进行反演。两种模型的算法变量均可由用户根据实验自行设置和更新，从而大大提高了系统的可扩展性。系统中使用归一化植被指数NDVI作为叶绿素浓度监测的算法变量，统计回归模型确定为二次形式14。同时系统为其他水质参数的监测预留了扩展空间，只需向数据库中录入相应的算法变量和相关参数即可。4系统功能模块设计根据水质遥感监测处理流程，设计出该系统的功能结构图5。其中数据准备模块是整个系统的数据入口与规整化处理模块；实测数据管理模块主要提供对实测数据的一些处理功能；影像预处理和水质遥感监测模块设计的主要目的是将水质参数遥感监测业务流程化，并尽量简化影像的处理步骤；专题图输出模块主要用于监测结果输出打印。数据准备数据维护湖区提取影像动画播放东平湖叶绿素浓度遥感监测系统实测数据管理影像预处理水质遥感监测专题图输出影像筛选数据入库数据浏览点集操作插值运算辐射校正几何校正去除噪声水质检测模型指数模型统计回归模型结果分析等级划分变化分析图5 系统功能模块设计Fig.5 Design of system function module4.1数据准备数据准备是整个系统的数据入口与规整化处理模块。系统三大主要源数据为影像数据、实测数据与气象数据。针对这三种数据的自身特点，该模块分别为它们提供了不同的导入、浏览与维护操作。4.1.1影像准备1）影像下载。用户接通互联网后，可使用“影像下载”功能通过系统内置浏览器直接访问HJ-1A /1B星影像下载页面，登录后便可以进行影像选购与下载。2）影像筛选。用户指定待筛选影像所在路径的根目录，程序自动读取该目录下所有影像的元数据，并自动连接气象数据库中对应时间的气象数据，然后根据影像质量评定模型对其进行筛选，最后生成筛选结果报表。4.1.2数据入库1）导入影像。影像导入功能集多波段合成、影像粗裁剪与元数据入库为一体，影像经合成裁剪后存入影像文件路径下，并同时在数据库中建立相关信息。 2）导入实测数值。实测数据是水质监测统计模型中必不可少的参数，该功能将实测值导入数据库中进行统一管理，在导入过程中同时按基准影像计算其投影坐标与行列号，已备监测模块直接使用。3）导入气象数据。气象数据是影像自动筛选的主要参考因子，本系统的气象数据由东平湖中心气象站提供。新的气象数据可通过此功能导入数据库，以供影像筛选使用。4.1.3数据列表1）影像列表与元数据列表。提供影像及其元数据浏览与管理功能，其中“查看父影像” 操作将定位到选中影像的父影像，所谓父影像是指生成该影像的影像，而“查看元数据”操作将打开选中影像的元数据。2）实测数据列表。实测数据列表列出了每次导入的实测值的记录，双击某条记录，将打开这次实测值的详细列表。该功能提供了对实测数据的“打开”、“导入”、“删除”操作。3）气象数据列表。显示与管理当前系统中已有的气象数据。4.2实测数据处理该模块提供了对实测数据的一些辅助处理功能：实测数据生成点数据集，点集与影像叠加和实测数据插值操作。4.2.1点集操作1）生成点数据集。该功能将根据实测数据经纬度坐标生成当前基准影像坐标系下的Shapefile点数据集。该点文件可以与影像叠加显示，从而给出采样点的分布情况。2）点集叠加操作。与前一操作一起构成实测数据空间分布查看功能。4.2.2插值操作系统提供了线性回归插值法，多元回归插值法，克吕格插值法，反距离权重插值法。用户可以使用该功能对实测数据进行插值操作。4.3影像预处理影像预处理功能主要包括辐射校正和几何校正。此外，因卫星成像探元阵列不一致和大电路频率响应等因素影响，HJ-1A /1B影像存在比较明显的周期噪声，因此系统在预处理功能中设计了高斯滤波器对所有影像进行除噪处理，以提高影像的信噪比。4.3.1辐射校正1）星上定标。该功能是将影像灰度级值转换为反射率值。遥感数据反射率值可以用下面的公式计算：式中， DN为像元灰度值，GAIN和BLAS分别为图像中各个波段的增益和偏移值，系统直接从元数据库中读取增益与偏移值对影像进行星上定标计算。2）相对辐射校正。系统中采用的是统计回归法：把从影像中采样所得的亮暗像元点，用下式做线性回归：其中，y是待校正波段，x是参考波段（系统默认为第四波段），系数1是气溶胶吸收系数，截距0是大气程辐射。各波段只需减去0以消除程辐射对影像波段的影响。系统中亮暗像元通过绘制ROI功能获得（如图6）。图6 ROI选取与相对辐射校正Fig.6 ROI selection and Relative radiation correction4.3.2几何校正遥感图像的几何校正，是遥感信息处理过程中的一个基本环节。在进行水质变化监测和分析时，必需保证不同时期图像的几何一致性。目前，采用的几何位置变换方法有多项式变换、共线变换和随机场插值变换等方法。本系统采用基于二次多项式的坐标拟合。其表达式如下： 根据控制点的坐标，可以计算A、B L的值，构建几何校正表达式，对影像进行几何配准。1）半自动选点校正。半自动选点的处理思想与航空影像的相对定向相似。首先在基础影像中利用标识框框出标识地物，再把待校正图中的标识框移至包括该标志地物的任意区域，在区域内通过灰度共生计算得出两区域内相似度最大的点作为控制点。2）自动选点校正。开启自动选点功能后，系统首先让用户输入自动选点参数，如同ENVI自动选点操作一样，然后根据用户的参数调用ENVI中的自动选则控制点函数ENVI_AUTO_TIE_POINTS_DOIT实现自动选点功能，选点结束后不会直接校正，而是带着这些点转入半自动校正模式下，用户可以根据误差计算结果调整或删除自动选则的坏点，也可继续添加控制点。4.3.3噪声处理HJ-1A /1B星产生比较明显的周期噪声，主要来源是由于卫星成像探元阵列的不一致和大电路的频率响应等因素导致。经过试验，本系统最后决定采用高斯低通滤波器对其进行去噪处理。高斯低通滤波器设有不同大小的窗口供用户选择，以适应个别影像的特殊要求，图7为高斯去噪前后对比图。图7 高斯滤波前后对比Fig.7 Contrast between before and after gaussian filter4.4水质监测系统中提供了叶绿素浓度的遥感监测模型有指数模型和统计回归模型两种。并同时为其他水质参数（如悬浮物、透明度、总磷、总氮等）的监测预留了扩展空间，只需录入相应的算法变量即可。系统提供了监测结果分析功能对反演结果进行等级划分与变化监测。另外动画播放功能可以演示多时相湖区叶绿素浓度连续变化情况。4.4.1反演模型1）指数模型。指数模型主要原理是通过对水体及其所含物质的物理光学性质进行分析，获得不同水质参数在影像中的波谱响应特征，从而构建水质遥感模型，该模型最大的优点就是可以不依赖于与卫星同步的水质采样数据，这也使得遥感对水质分析的应用更容易。从系统的监测效果来看，利用基于影像光谱的指数模型, 可以快速有效地揭示不同时间段的水质变化情况，其处理流程如下。图8 指数模型流程图Fig.8 Workflow of exponential model2）统计模型。统计模型主要是通过GPS定位，结合准同步遥感与地面实测数据，利用线性回归模型对不同时期的水质参数进行反演。该模型具体处理步骤如图9所示。同时，统计回归等级划分时参考了中国环境监测总站提供的有关分级标准，具体标准如表1。导入实测值统计回归分析选择影像参数反演计算选择水质参数反演结果动画演示等级划分专题图输出变化监测图9 统计模型流程图 Fig.9 Workflow of statistical model表1 叶绿素浓度等级划分标准Tab.1 Chlorophyll concentration hierarchies standards等级划分浓度范围(g/L)贫营养化4.1中营养化4.126富营养化2664重富营养化64160超重营养化1604.4.2监测结果分析1）等级划分。等级划分操作对前面所得的反演结果进行标准等级划分，并给每等赋以不同的颜色，以便于观察。对不同模型的反演结果有不同的划分标准：指数模型按K-mean聚类划分为5等，统计模型按表1的叶绿素浓度标准等级划分。2）变化分析。变化分析操作，用来检测水质参数的变化区域。系统提供了对等级划分后的图像作差和作商两种方式来求取变化信息。并用不同的颜色来表示区域的变化情况。4.4.3影像动画播放湖泊水质随着时间的推移不断地发生变化，为了能更好的反映不同时期水质的不同，采用动画播放的方式，用户可以直观的看到不同时期东平湖水质的变化与不同，这样可以更好的反映水质质量变化。进入动画播放功能后，用户首先需要选择播放影像，系统为用户提供了影像筛选器，能帮助用户很快从所有影像中选出自己感兴趣的系列图像进行播放。4.5专题图系统采用“傻瓜式”专题图输出方式，用户只需选择要输出的影像，一副标准美观的专题图便呈现在屏幕上，然后根据用户需要可存储为JPG、BMP和PNG格式，效果如图10。图10 专题图输出Fig.10 Special charts output5应用实例 系统在东平湖水质监测中得到了成功应用，下面以2009年8月30日湖区叶绿素a浓度监测为例，分别利用系统提供的指数模型和统计回归模型对湖区富营养化指标进行监测。由系统得出该时期叶绿素a浓度统计回归模型为：Cch-a=459.94* Z*2+305.21*Z+49.29其中Cch-a为叶绿素a浓度值；Z为归一化植被指数NDVI(b4-b3)/(b4+b3)；模型相关系数R为0.83，具有较高的提取精度。其中指数模型的等级划分则是由非监督分类方法计算得出，监测结果如图11所示。图11 系统中两种模型监测叶绿素a浓度效果图Fig.11 The effect figures monitoring chlorophyll concentration a by two models in system由图11可知，两种监测结果大致相同，监测结果具有一定的客观性。其中含叶绿素a浓度最大的是湖区内的水生植物，其类型主要为芦苇，大面积芦苇主要分布在湖区的东南角，该区域是国家级湿地保护区，由两种方法得到的水生植物面积分别为29.43 KM2和25.22 KM2，两种监测结果之间存在一定误差，这与两模型的局限性有关，需进一步深入研究。因水生植物的净水作用，湖区的中南部水质较北部好，部分区域可达到贫营养化的标准。由两种方法监测到的富营养化水域主要分布在湖区西南角和西北角，面积分别为28.87KM2和25.19 KM 2，西南角的污染主要是由大面积养殖造成的，而西北角则是因为生活污水排放。6结 语根据叶绿素浓度遥感监测技术流程，以东平湖HJ卫星影像为数据源，文章总结了水质遥感监测信息系统的相关技术。根据实际调查数据可知，监测结果比较符合实际情况，且该系统具有如下特点：1）系统操作智能化。包括大气校正、几何校正和滤波处理在内的影像预处理操作均采用向导式的流程模式供用户使用，这不但缩短了工作时间，且提高了处理精度和系统的智能性，从而为该系统产业化提供了有利的技术支持； 2）界面友好。系统采用图形化菜单，经典分区模式操作界面；监测结果信息发布形式多样，系统除提供三种专题图输出格式以外，还向用户提供了动画播放功能，这使得水质参数动态变化过程的演示更加直观；3）系统具有良好的可扩展性和可升级性。在水质参数反演过程中，用户可在系统中直接对实测数据进行展点、插值运算，并随着相关研究不断深入，随时将实验比较稳定的新模型加载到系统中，或修改系统中已有的反演模型；4）系统便于维护。本系统充分利用了面向对象的程序设计的继承、封装和多态三大特点，从IDL到C#完全以类交互作用构建整个系统，代码重用率高，便于将来系统的更新与维护。总之，水质遥感监测以其独特的优势成为解决湖泊退化、湖水富营养化等水环境问题的技术支持。本系统就该技术在操作过程存在的数据处理步骤复杂、对操作人员的业务素质要求高等问题，结合遥感监测水质状况技术流程，把遥感提取水质参数的主要方法应用到信息系统建设中，构建东平湖水质参数遥感动态监测系统，为东平湖水质监测提供辅助支持，并为建立东平湖水质优化方案提供可靠的数据支持和信息服务。参考文献1 孙栋,段登选,王志忠等.东平湖水质监测与评价J.