（地图学与地理信息系统专业论文）湖泊水质遥感监测与评价方法研究.pdf

摘要 湖泊是地球上重要的淡水资源，但随着经济的高速发展和工业化程度的加剧 以及人为活动的影响，湖泊污染和富营养化问题日益严重，因此必须加强湖泊水 质的监测和治理。常规的水质监测耗时耗力，并且很难反映湖泊的整体水质状况， 而遥感技术可以快速、及时的提供整个湖区的水质状况，具有监测范围广、成本 低和便于进行长期动态监测的特殊优势，在湖泊水质监测中具有巨大的应用潜 力。 本文在总结分析国内外水质遥感监测已有的理论、技术和方法的基础上，归 纳总结了湖泊水质遥感监测指标。该指标体系包括叶绿素a 、悬浮物、黄色物质、 水温、水深等指标，其中叶绿素a 和悬浮物是影响水体光谱特征的主要物质，同 时也是研究和应用中比较成熟的水质参数。 研究以太湖为实验区，通过对太湖水体实测光谱的分析，揭示了太湖水体光 学反射特征，这是遥感定量监测太湖水质的前提和基础。研究结果表明，5 5 0 n m 、 6 6 0 n m 以及6 9 0 n m 附近的波段与叶绿素a 浓度呈现较好的相关性，而5 7 0 r i m 与 7 0 0 n m 附近的波段与悬浮物高度相关。与单波段相比，波段组合算法( 包括波段 比值、差值、和差组合等) 与水质参数的相关性有明显的提高。 m o d l s 数据以其较高的时恻分辨率、辐射分辨率和较多的波段设置成为水 质监测最具有潜力的数据源之一。本文将经过大气纠正( 直方图最小值去除法) 的m o d i s 波段反射率进行组合，并分别与叶绿素a 和悬浮物浓度进行相关分析。 通过数百种波段组合的试验分析，发现m o d i s 陆地波段1 4 ( 包括2 5 0 m 和5 0 0 m 数据) 对水质参数反应比较灵敏，本文对此进行了分析刹筛选，从中选择出最佳 反演波段及波段组合。 由于太湖水体光谱特征的季节性差异明显，研究提出了分期建模的思想，结 合四期地面采样数据，应用统计回归方法针对不同季节构建了相应的水质参数反 演模型。所建模型在通用性上存在一定不足，但是较好地体现了所在季节太湖水 体的光学特性。 太湖水体光学特征复杂，利用统计回归方法难以糟确地描述光谱反射率与水 体组分之间的关系。人工神经网络出于具备自遁应、自组织性和容错性能，正适 合模拟这种错综复杂的关系。本研究通过大量的训练和测试，采用m o d l s2 5 0 m 两个波段和5 0 0 m 前四个波段分别构建了适合太湖水体水质参数反演的两层b p 神经网络模型，反演精度令人满意。 为了探测太湖水质的发展演变趋势，研究应用所建模型以及多时相m o d i s 数据对太湖水体中的叶绿素a 和悬浮物含量，以及太湖的水质状况进行了变化监 测研究。同时，对太湖展丌动态连续监测，并对2 0 0 4 年太湖全年内的水质变异 特征进行了分析，指出7 、8 月份是太湖优势水体类型( 类水体) 变化幅度最 大的时段。 在叶绿素a 、悬浮物等水质遥感指标反演的基础上，本文讨论了其与水体营 养状况评价指标之间的关系，并分别采用t s l 、t s i m 以及t l i 等评价指数对太 湖水体夏秋两季的营养状态进行了遥感评价。结果表明，太湖夏季水体富营养化 程度十分严重，秋季水体相对较好。通过分析比较，认为t l i 指数综合考虑了 c h l a 、 r p 、t n 、s d 、c o d m 。等指标，适于用来评价太湖水体的营养状况。 基于上述研究，本文构建了一个基于m o d i s 的湖泊水质遥感监测体系，该 体系为进一步开展湖泊水质业务化卫星监溺打下了基础。从m o d i s 数据预处理 到水质参数反演、水体营养状况评价以及水质变化监测，监测体系中的各个环节 均己实现模块化开发；此外，本文所构建的叶绿素a 以及悬浮物浓度的统计回归 模型和b p 神经网络模型，经过必要的验证和完善后，均可以直接应用于太湖水 质的遥感监测。 关键词：太湖；水质遥感；m o d i s ；人工神经网络；变化监测；营养状况评价 r e m o t es e n s i n gm o n i t o r i n ga n da s s e s s m e n to fw a t e r q u a l i t yf o rl a k e s z h u l i n g y a ( p h dc a n d i d a t ef o rc a r t o g r a p h ya n dg i s ) d i r e c t e db yp r o f w a n gs h i x i na n dp r o f z h o uy i a b s t r a c t l a k e sa r ev e r yi m p o r t a n ti nf r e s h w a t e rs u p p l y a tp r e s e n t ，m o s to ft h el a k e si n t h ew o r l da r es u f f e r i n gf r o me u t r o p h i c a t i o nw i t hi n d u s t r i a l i z a t i o n ，e c o n o m i cg r o w t h ， a n dh u m a na c t i v i t i e s f r e q u e n tm o n i t o r i n ga n di n t e g r a t e dm a n a g e m e n tf o rl a k e sa r e n e c e s s a r y h o w e v e r , c o n v e n t i o n a lm e t h o d sf o rm o n i t o r i n gi nl a k e sw h i c ha r et i m e & m o n e y - c o n s u m e dc a n tp r o v i d ew a t e rq u a l i t yi n f o r m a t i o no ft h ew h o l el a k e w i t h s p a t i a la n dt e m p o r a li n f o r m a t i o n ，r e m o t es e n s i n gt e c h n i q u ei ss u i t a b l et oo b t a i ns u c h i n f o r m a t i o nq u i c k l ya n df r e q u e n t l y a n di t 1 1b ew i d e l ya p p l i e di nw a t e rq u a l i t y m o n i t o r i n go fl a k e si n f u t u r eb e c a u s eo fi t s a d v a n t a g eo ff a s t n e s s ，e c o n o m ya n d l o n g t e r md y n a m i cm o n i t o r i n g b a s e do nt h ea n a l y s i so ff o r m e rt h e o r y , t e c h n i q u e sa n dm e t h o d si nw a t e rq u a l i t y m o n i t o r i n gv i ar e m o t es e n s i n g ，t h i sp a p e rs t u d i e st h er e m o t es e n s i n gp a r a m e t e r si n w a t e rq u a l i t ym o n i t o r i n g ，i n c l u d i n gc h l o r o p h y l l a ( c h l - a ) ，s u s p e n d e ds e d i m e n t ( s s ) ， y e l l o ws u b s t a n c e ，w a t e rt e m p e r a t u r e ，w a t e rd i s t a n c ea n ds oo n a m o n gt h e s e ，c h l - a a n ds sa r ec h i e fw a t e rb i o p h y s i c a lp a r a m e t e r s ，a n dt h e ya r ew i d e l yu s e dt oi n d i c a t e t r o p h i cs t a t eo fl a k e s t h es p e c t r a lc h a r a c t e r i s t i c so ft a i h ul a k ew a t e ra r es t u d i e db ya n a l y z i n gt h e f i e l ds p e c t r am e a s u r e m e n ti nt h i sp a p e r t h er e s u l t ss h o wt h a tb a n d sa r o u n d5 5 0 h m ， 6 6 0 n ma n d6 9 0 n ma r ew e l lr e l a t e dw i t hc h l - a ，a n db a n d sa r o u n d5 7 0 n ma n d7 0 0 n m a r es u i t a b l et od e t e c ts s c o m p a r i n gw i t hs i n g l eb a n d ，b a n dc o m b i n a t i o n s ( i n c l u d i n g d i f f e r e n c e ，r a t i oa n ds u m d i f f e r e n c ec o m b i n a t i o ne ta 1 1h a v eb e t t e rc o r r e l a t i o nw i t h c h l aa n ds s w i t hh i g hs p e c t r a l ，t i m ea n dr a d i a n c er e s o l u t i o n ，m o d i sh a sb e c o m eo n eo ft h e b e s tp o t e n t i a ld a t as o u r c ef o rl a k e sm o n i t o r i n g a f t e ra t m o s p h e r ec o r r e c t l y , m o d i s b a n d sa n db a n dc o m b i n a t i o n sa l ec o r r e l a t e dw i t hc h l aa n ds sc o n c e n t r a t i o n m e a s u r e m e n t b a s e do ns e v e r a lh u n d r e dt e s t s i t sf o u n dt h a tb a n d sf o rl a n dw i t l l 2 5 0 ma n d5 0 0 mr e s o l u t i o na n dt h e i rc o m b i n a t i o n sa l er e l a t e dc l o s e l yt ob i o - p h y s i c a l p a r a m e t e r s a n dt h e n ，t h em o s ts u i t a b l eb a n d sa n db a n dc o m b i n a t i o n sf o rr e t r i e v i n g c h l aa n ds sa r ec h o s e t h es p e c t r a lc h a r a c t e r i s t i c so fw a t e ri nt a i h ul a k ea r ev a r i a b l ei nd i f f e r e n t s e a s o n s f o rd e t e c t i n gs u c hc h a n g e ，s e m i e m p i r i c a lr e t r i e v a lm o d e l sf o re a c hs e a s o n a r e d e v e l o p e dr e s p e c t i v e l yu s i n gr e g r e s s i o nm e t h o d s a l t h o u 曲w i t h l e s s m u l t i t e m p o r a la p p l i c a b i l i t y , t h e s em o d e l sr e p r e s e n tt h es p e c t r a l c h a r a c t e r i s t i co f t a i h ul a k ew a t e ri nc e r t a i ns e a s o na c c u r a t e l y t h ew a t e ro ft a i h ul a k ei st y p i c a li n l a n dw a t e rw i t hc o m p l i c a t e ds p e c t r a l c h a r a c t e r i s t i c i t sd i f f i c u l tt op r e s e n tt h er e l a t i o n s h i pb e t w e e nb a n dr e f l e c t a n c ea n d w a t e rp a r a m e t e r so n l yu s i n gr e g r e s s i o nm e t h o d s a r t i f i c i a ln e u r a ln e t w o r ki ss u i t a b l e t os i m u l a t es u c hc o m p l i c a t e dr e l a t i o n s h i p s t h i sp a p e rd e v e l o p sb pn e u r a lm o d e l sf o r c h l aa n ds sb ya m o u n t so ft r a i na n dc h o i c e ，w h i c hh a v eh i 【g ha c c u r a c ya n d a p p l i c a b i l i t y f o rd e t e c t i n gt h ec h a n g eo fw a t e rq u a l i t yi nt a i h ul a k e ，t h i sp a p e rs t u d i e st h e c h a n g eo fc h l a ，s sa n dw a t e r - c a s eb yu s i n gr e t r i e v a lm o d e l sa n dm u l t i t e m p o r a l m o d l si m a g e s t h e n ，d y n a m i cm o n i t o r i n gf o rt a i h ul a k ei sp e r f o r m e d ，a n dt h e c h a n g et r a i ti n2 0 0 4i sa n a l y z e d t h er e s u l td e m o n s t r a t e st h a tt h ed o m i n a n tw a t e r ( c a s e4 、i nt a i h ul a k ec h a n g e st h em o s ti nj u l ya n da u g u s t t h er e l a t i o n s h i pb e t w e e nw a t e rb i o p h y s i c a lp a r a m e t e r s ( i n c l u d i n gc h l a ，s s ) a n dt r o p h i cs t a t ea s s e s s m e n ti n d e x e si sd i s c u s s e di nt h i sp a p e r a n dt h e n ，t h et r o p h i c s t a t eo ft a i h ul a k ei ns u m m e ra n da u t u m na r ea s s e s s e du s i n gt s i ，t s i ma n dt l i t h er e s u l t sr e v e a lt h a tt a i h ul a k ei se u t r o p h i cb a d l y b yc o m p a r i s o n ，t l ii sm o r e s u i t a b l ei nt r o p h i cs t a t ea s s e s s m e n tb e c a u s ei tc o n s i d e r st h ei n f o r m a t i o no fc h l - a ，t p , t n ，s da n dc o d m nc o m p r e h e n s i v e l y 。 t h ep u r p o s eo ft h i sp a p e ri st op r o v i d eam o d i s b a s e dp r o c e d u r ef o rd e t e c t i n g c h a n g e s o fw a t e rq u a l i t yi nh i g h l yt u r b i dl a k e s a l lo ft h ek e yp r o c e s s e s ，s u c ha sd a t a p r e p r o e e s s ，r e t r i e v a lm o d e l sd e v e l o p i n g , t r o p h i c s t a t ea s s e s s m e n ta n dc h a n g e d e t e c t i o n ，h a v eb e e nc o m p l e m e n t e db ym o d u l a r i z a t i o np r o g r a m f u r t h e r m o r e ，t h e r e g r e s s i o na n db pn e u r a lm o d e l sd e v e l o p e di nt h i sp a p e rc a nb ea p p l i e di nw a t e r m o n i t o r i n gi nt a i h ul a k ed i r e c t l ya f t e rn e c e s s a r yv a t i d a t i o na n di m p r o v e m e n t k e yw o r d s ：t a i h ul a k e ；w a t e rq u a l i t ym o n i t o r i n gb yr e m o t es e n s i n g ；m o d l s a r t i f i c i a ln e u r a ln e t w o r k ；c h a n g ed e t e c t ；t r o p h i cs t a t ea s s e s s m e n t i v 中国科学院遥感应用研究所 学位论文原创性声明 。0 0 s 3 7 9 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独 立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论 文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文 的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本 声明的法律结果由本人承担。 论文作者签名：弃兄仓毛 日期：1 ，o i 年月乙日 第一章绪论 1 1 选题背景和意义 第一章绪论 水是生态系统的血液，充足、优质的水资源是生态系统健康发展的物质基础， 是2 1 世纪可持续发展战略实施的重要保障。随着社会经济发展，水在国民经济 和社会发展中的地位和作用越来越突出。 我国水资源状况不容乐观，从水资源数量来看，我国是一个水资源大国，但 是人均水资源只及世界平均水平的四分之一。而湖泊淡水资源是我国极为珍贵的 内陆水资源之一，我国现有大于1 o k m 2 的天然湖泊2 7 5 9 个，总面积达9 1 0 1 9 6 3 i ( m 2 。其中面积大于1 0 0k m 2 有6 5 6 个，合计面积8 5 2 5 6 9 4k m 2 ；大于l o o o 0k 蟛 的1 4 个，合计面积3 4 6 1 8 4k m 2 ；5 0 0 1 0 0 0k m 2 的1 7 个，合计面积1 1 2 3 0 8k m 2 ， 1 0 0 - - 5 0 0k m 2 的1 0 8 个，合计面积2 2 4 1 5 3 3k m 2 ，1 0 1 0 0k m 2 的5 1 7 个，合计面 积1 6 9 9 2 4k i d 2 ；卜1 0k m 2 的2 0 8 6 个，合计面积5 7 6 2 7k m 2 。可见，我国湖泊就 面积而言，以特大型湖泊、大型湖泊、中型湖泊为主体，以个数而言，则是小型 湖泊占绝对优势。我国湖泊总贮水量约7 0 7 7 x1 0 一i n ，其中淡水贮量2 2 4 9 x1 0 8 m 3 ， 占我国陆地淡水资源量的8 ( 王苏民等，1 9 9 8 ) ，而其中5 以上分布在经济较发 达的东部平原和云南省。因此，湖泊水资源对我国国民经济建设有着重要的影响。 但随着经济的高速发展和t 业化程度的加剧以及人为活动的影响，湖泊污染和富 营养化问题日益严重，不仅给湖区人民发展水产养殖、观光游览等经济活动带来 重大损失，而且还会影响到水源地的供水，给经济建设和人民身体健康造成直接 的损害，有的地区己成为经济发展的重要制约因素。因此，湖泊水质的监测和治 理工作亟待加强。 水质监测是水质评价与水污染防治的主要依据，随着水体污染问题的日渐严 重，水质监测成为社会经济可持续发展必须解决的重大问题。而湖泊水体的水质 与国民生产和人们的生活息息相关，凶此，快捷准确的湖泊水质监测就显得尤为 重要。 目前，我国湖泊水质常规的监测方法是先采集水样，然后进行实验室分析， 并根据分析数据采用单一参数评价指数法或多参数的综合评价法进行水质评价。 博士论文：湖泊水质遥感监测与评价方法研究 该方法虽然能对众多的水质指标做出精确的分析和评价，但是费时费力，不经济； 而且水样采集和分析的数量有限，对于整个湖泊而言，这些测点数据只具有局部 和典型的代表意义。这种方法是目前我国各地方环境保护部门和水利部门采用的 传统方法。他们在全国建立了庞大的水质监测网点，每年投入巨大的人力物力进 行采样和分析。即使如此，也只能对一些重点的湖泊水库进行监测，其余大多数 湖泊水库的水质情况仍然不得而知。而且就某一个湖泊而言，只能布设有限的采 样点，一年中采集有限次的水样，这样获取的水质信息也是局部的，而且难于长 时间连续监测。总之，常规的水质监测方法费时费力，难以获取大范围水域水质 状况的分布和变化，不能满足对水质实时、大尺度的监测评价要求。 遥感技术的出现和发展，给水质的监测评价提供了新的机遇与选择。湖泊的 水质遥感监测是利用经验、半经验或者物理分析的方法，选择合适的遥感波段数 据，建立水质参数的遥感估测模型来反演水体中的水质参数浓度。水质遥感监测 方法可以反映水质在空间和时间上的分布和变化情况，发现一些常规方法难以揭 示的污染源和污染物迁移特征，具有监测范围广、速度快、成本低和便于进行长 期动态监测的优势。因此，应用遥感技术进行水质机理研究，进而研究水资源的 合理利用和保护，已引起各国的同益关注，成为当前国际、国内遥感界的研究热 点和难点之一。 本研究在中国科学院知识创新工程重要方向性项目( k z c x 3 一s w 一3 3 4 ) 和国家 环保局环境一号卫星业务化应用关键技术研究项目的支持下，应用多源遥感数据 进行湖泊水质参数的遥感信息提取和定量反演研究，为湖泊水质的实时监测与评 价提供科学依据。 1 2 国内外研究进展 自7 0 年代初期肝始，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 ( 8 0 年代前，研究主要针对开阔海洋) 经验方法( 8 0 9 0 年代) 一半经验方法( 9 0 年代后) 的发展过程。多种遥感数据，包括l a n d s a tm s s 、t m 、s p o t 、m o d i s 、 i r s 1 c 、n o a a a v h r r ，和各种航空高光谱数据，如a v i r i s 数据、c a s i 数 第一章绪论 据、a i s a 数据及c i s 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。 1 2 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( k a l l i oke ta l ，2 0 0 1 ) 。 1 2 1 1 物理模型 s a t h y e n d r a n a t he ta 1 ( 1 9 8 9 ) 和l a h e te ta 1 ( 2 0 0 0 ) 通过建立三要素 反射模型( t h r e e c o m p o n e n tr e f l e c t a n c em o d e l ) 来反演近海岸水体的叶绿素 a 浓度和西班牙北部埃布罗河的叶绿素a 浓度。k o n d r a t y e ve ta 1 ( 1 9 9 8 ) 利 用物理模型方法对l a d o g a 湖的叶绿素、悬浮物、黄色物质的浓度进行了反演， 取得了较理想的结果。h o o g e n b o o m 等( 1 9 9 8 ) 提出基于物理分析方法的矩阵反 演模型从水下辐照度来提取水体叶绿素a ，模型从原理上考虑了水体各种组分的 相互作用。d o n a l dc p i e r s o n ( 2 0 0 1 ) 利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。k e v i ng e o r g er u d d i c k 等( 2 0 0 1 ) 提出自适应的两个 波段( 6 7 2 n m 和7 0 4 r i m ) 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。h a n sh a k v o o r t t 等( 2 0 0 2 ) 利用机载高光谱数据对荷兰沿岸进行水质制图，根据水体固有的光学特性，采用 矩阵反演模型反演叶绿素a 的浓度。 1 2 1 2 经验与半经验模型 目前，一般卫星遥感监测叶绿素a 浓度仍主要是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的方法。c a r p e n t e re ta l ( 1 9 8 3 ) 利用在澳 大利亚三个湖泊所测的地面数据及同步的m s s 数据进行多元线性回归来模拟并 博士论文：湖泊水质迢感监测与评价方法研究 预测湖泊水质，其中叶绿素a 浓度与m s s 两个波段的数据成线性关系。d e k k e r ( 1 9 9 3 ) 基于t m 数据6 个波段的定量分析，选择t m 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；c p a t t i a r a t c h ie ta l ( 1 9 9 4 ) 利用大气校正过的多时序t m 数据进行研究，则认为线性和对数模式对 叶绿素a 的浓度估算都是用意义的。s a m p s ak o p o n e n e ta l ( 2 0 0 2 ) 利用航空高光 谱数据和m e r l s 卫星影像，通过各种可能的通道或通道比值的回归分析模式的 对比，选出叶绿素a 的最佳提取算法，并根据两个分类标准进行水质指标等级分 类，其中叶绿素分五级，精度为7 8 。n i k l a ss t r o m b e c ke ta l ( 2 0 0 1 ) 基于实验 测量数据分析水体内在光学性质及影响它的组分浓度的关系，利用这些关系建立 遥感反射率比值与叶绿素a 之间的线性回归关系，结果表明由于悬浮物和黄色物 质的影响，存在较大误差。y u a n z h iz h , a n ge ta l ( 2 0 0 2 ) 提出利用t m 和e r s 2 - - s a r 数据来估算水体悬浮物、叶绿素a 和透明度的经验神经网络算法。 p a b r i v i oe ta l ( 2 0 0 1 ) 应用t m 影像对g a r d a 湖的叶绿素浓度进行监测，并 对其变化进行了评价。研究表明，悬浮物浓度和叶绿素a 浓度存在很大的相关性。 p u l l i a i n e n ( 2 0 0 1 ) 提出先根据悬浮物浓度对监测水体进行分类，然后再对不同的 类别选择合适的算法计算叶绿素a 浓度，可以提高算法的精度。 国内也有相应的研究成果，疏小舟等( 2 0 0 0 ) 研究了o m i s - - i i 波段反射比 r 2 l 瓜1 8 与藻类叶绿素浓度曲关系，结果表明，0 m i s 一1 i 能够提高叶绿素a 定量 遥感的精度。李素菊等( 2 0 0 2 ) 利用高光谱数据反射率比值法和一阶微分法分别 建立了叶绿素a 的遥感定量模型。认为反射率比值r 7 0 5 n m r 6 8 0 n m 和6 9 0 n m 反射率的一阶微分均与叶绿素a 浓度有较好的相关性，且用反射率比值法估算叶 绿素a 效果较好。王建平等( 2 0 0 3 ) 基于t m 数据构造了包含一个隐含层的b p 神经网络模型反演叶绿素a 等水质参数的浓度。吴敏、王学军( 2 0 0 4 ) 应用m o d i s 影像对巢湖的叶绿素a 、悬浮物和透明度等参数进行了监测，研究结果表明，一 些波段的反射率比值与叶绿素a 呈现较好的对数关系。王世新、周艺等( 2 0 0 4 ) 详细论述了内陆水体水质监测中遥感应用研究的发展和现状，比较全而地总结了 r 绿素a 浓度的遥感监测方法。 第一章绪论 1 2 2 悬浮物遥感监测的研究进展 湖泊中悬浮物浓度是最先被遥感估测的水质参数，悬浮物浓度、颗粒大小及 其组成是影响悬浮物光谱反射的主要因素。随着遥感技术的不断发展和创新，悬 浮物的遥感监测方法已经有了较为成熟的物理模型和经验与半经验模型。 1 2 2 1 物理模型 k r i t i k o s ( 1 9 7 4 ) 最早利用陆地卫星数据研究水体中的悬浮物含量。k l e m a se t a l ( 1 9 7 4 ) 将遥感资料应用于特拉华湾，发现悬浮泥沙含量与陆地卫星m s s 亮度 值呈对数关系。h o o g e n b o o m ，h j 等( 1 9 9 8 ) 基于物理分析方法提出矩阵反演模 型从水下辐照度提取水体叶绿素和悬浮物。g f m o o r e 等( 1 9 9 9 ) 利用不同波 段的水表面反射比的理论关系模型来反演悬浮物浓度，并提出了近红外波段水体 及大气光学的双层模型对水质模型进行大气校正。2 0 0 1 年，d o n a l dc p i e r s o n 利 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物理模型，并用于预 测瑞典m a l a r e n 湖的水下辐射反射率( 水下遥感反射率) 的光谱变化情况，分析 了影响光谱变化的各种因素。d e k k e re ta l ( 2 0 0 2 ) 提出基于实测的水体内在光学 性质的物理光学模型用于提取悬浮物浓度，由于经过大气校正及水气界面校正， 该算法可用于多时序的t m 和s p o t 数据中。此外，李京( 1 9 8 6 ) 提出反射率与 悬浮固体含量之间的理论关系式为指数关系。黎夏( 1 9 9 2 ) 推导出了包含g o r d e n 关系式和负指数关系式的悬浮泥沙遥感定量模型。 1 2 2 2 经验与半经验模型 c a r p e n t e re ta l ( 1 9 8 3 ) 利用在澳大利亚三个湖泊所测的地面数据及同步的 m s s 数据进行多元线性回归来模拟并预测湖泊水质的混浊度，得到相应的浑浊 度算法。j a m e sp v e r d i n ( 1 9 8 5 ) 利用大气校f 后的m s s 数据与地面测量数据进 行分析，得到f l a m i n gg o r g e 水库悬浮物的回归模型。l a t h r o p ( 1 9 9 2 ) 研究发现 t m 2 、3 波段或它们的比值与水体的透明度和总悬浮物相关性很大，成幂函数关 系。k a l l i o ( 2 0 0 1 ) 利用a i s a 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以利用单波段7 0 5 7 1 4 n m 的反射率r 7 0 5 - 7 1 4 得到。d e k k e r 博士论文：湖泊水质遥感监测与评价方法研究 ( 1 9 9 3 ) 评价了t m 可见光6 个波段和中红外波段的光谱信息在内陆水质监测的 应用范围和局限性，通过定量分析选择波段4 用来反演悬浮物和叶绿素浓度。 m a h t a b a ( 1 9 9 8 ) 的模拟实验结果也表明t m4 波段是估测悬浮物浓度的最佳波 段。y u a n z h iz h a n ge ta l ( 2 0 0 2 ) 提出利用t m 和e r s 2 - - s a r 数据来估算水体悬 浮物、叶绿素和透明度的经验神经网络算法，通过与线性回归算法的结果对比， 说明神经网络算法的精度较高。r i c h a r de ta l ( 2 0 0 4 ) 运用统计方法估测了北墨西 哥湾的悬浮物浓度，结果表明2 5 0 mm o d i s 数据可以很好地监测面积较小的海 湾、河口等近海水体，其中波段i ( 中心波长6 4 5 n m ) 和悬浮物浓度高度相关。 h a n n a ( 2 0 0 1 ) 利用m o d i s 模拟数据来监测芬兰8 5 个湖泊和1 0 5 个沿海水体监 测点的水质状况，发现( r 5 3 r r 7 4 s ) ( r s 5 1 - r 7 4 s ) 、r a 6 7 - r 7 4 8 、r 7 4 8 一r s 7 0 等波段组合可 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( 2 0 0 0 ) 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t m 和e r s 2 s a r 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 0 0 0 ) 利用t m 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。杨世植( 2 0 0 2 ) 指出t m 波段3 与波段2 的比值是估计总悬浮物和水体透明度的有效指标。吴敏、王学军等 ( 2 0 0 4 ) 应用m o d i s 数据监测了巢湖的悬浮物浓度，发现m o d i s 波段1 0 、1 1 的对数组合与悬浮物浓度呈现较好的相关性。吕恒等( 2 0 0 5 ) 利削实测光谱和模 拟m e r i s 数据对太湖的悬浮物浓度进行了遥感定量模型的构建。马荣华等 ( 2 0 0 5 ) 也应用e t m + 及实测光谱数据探测了太湖水体的悬浮物及叶绿素a 含量。 1 2 7 其它水质参数遥感监测的研究进展 1 2 3 1 黄色物质 9 0 年代以来，国外的一些学者开始研究湖泊中黄色物质的光吸收特性，进 行黄色物质的定量遥感监测研究。p e g a u ( 1 9 9 5 ) 对美国爱达荷州的p o n d 湖中 2 6 个水样的黄色物质进行了s 值测定，得出其平均值为0 0 1 7 0 n m - 1 。g i t e l s o n 第一章绪论 ( 1 9 9 1 ) 通过对湖泊水质参数光谱特征的分析和回归实验，提出了计算黄色物质 ( d o m ) 的回归算法： d o m = a 8 z b 其中a 、b 是通过回归计算可以得到的系数，z 是一个对黄色物质最敏感， 而对其它干扰因子最不敏感的波段反射率函数。利用波长为7 0 0 n m 、6 7 5 n m 、 6 2 0 n m 、5 6 0 r i m 、4 8 0 r i m 、4 3 0 n m 时的波段反射率比值或波段反射率加减比值进 行黄色物质浓度反演，取得了较高的精度，d o m 的误差小于o 6 5m g c m 一3 ( a m m e n b e r gp ，2 0 0 2 ) 。 我国从事黄色物质方面的研究较少，夏达英( 1 9 9 9 ) 对海水中的黄色物质的 荧光特性进行过研究；吴永森( 2 0 0 2 ) 对胶州湾水域中的黄色物质光吸收特性进 行了实验研究，并计算出了指数斜率s 数值范围，为海水黄色物质含量的遥感探 测提供了基础性实验依据。 1 2 3 2 溶解有机物( c o d ) 进行永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( 1 9 9 3 ) 利用t m 数据评价了苏州运河的有 机污染，通过回归分析表明t m l 、2 、3 与c o d 相关性最好，其次是生化需氧量 ( b o d ) ，与溶解氧( d o ) 也表现出一定程度的正相关。博江( 1 9 9 4 ) 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问的相关模型。王学军( 2 0 0 0 ) 选取了太湖水 质高锰酸盐指数( c o d m 。) 等7 个监测参数，利用t m 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、 p h 值等，由于相关研究较少，难以总结，在这里不再论述。 近年来，随着传感器技术的迅速发展，高分辨率、高光谱和多极化遥感数据 逐渐成为主流遥感信息源，为遥感走向微观定量水质临测提供了数据保证。基于 对水质参数光谱特性日渐深入的了解，国外很多的学者在研究进一步提高水质遥 感监测精度的同时，开始致力于发展没有时间和空间特殊性的水质遥感监测算 法。 博士论文：湖泊永质遥感监测与评价方法研究 1 2 4 湖泊水体营养状况评价方法研究进展 湖泊富营养化程度的评价是对湖泊富营养化发展过程中某一阶段营养状态 的定量描述，其主要目的是通过对水体营养状况代表性指标的调查，判断湖泊的 营养状态，了解其富营养化进程并预测其发展趋势。近半个世纪以来，国内外众 多学者对湖泊营养状态的评价方法进行了深入探讨，提出了多种形式的评价方 法，如特征法、参数法、营养状态指数法、生物指标评价法等( 刘建康，1 9 9 0 ) 。 早期的评价方法以综合评价法为主( 冯玉国，1 9 9 6 ) ；近年来，以数理统计为基 础的模糊评价、灰色预测、层次分析等系统方法发展很快( 李祚泳，1 9 9 1 ；刘首 文，1 9 9 6 ；杜宝汉等，1 9 9 9 ) ；雨3 s 技术与传统方法相结合应用于湖泊营养状况 评价是今后的研究方向。 特征法是根据水体富营养化的生态环境因子特征来评价永体营养状态的方 法( 吉村，1 9 3 7 ) 。该方法把水体区分为贫营养和富营养，采用的指标主要分为 湖盆形态、水质、生物和底质等四个大的方面，把各指标定性区分为两种类型。 此方法建立在定性的基础之上，把湖泊仅区分为两种类型，显得过于简单，不能 准确描述湖泊的营养水平。 参数法是根据水体富营养化主要代表性参数来评价水体营养状态的方法。所 选择的参数多为水体中总磷、总氮、叶绿素a 、透明度、c o d 及生物量等。通 过对这些参数的数量大小分级，把水体分为多个营养程度，如贫、中、中一富、 富、极富等。各国学者针对具体湖泊或湖泊群的研究，所提出的评价标准并不完 全相同。比如s e i r g e n s e w ( 1 9 8 0 ) 从湖泊生态学的观点出发，提出了湖泊富营养 化程度的判断标准。参数法最大的问题是不同的研究者根据各自的情况选用不同 的指标和标准，往往使评价结果不具可比性。 营养状态法是综合多项富营养化代表性指标，将其表示成指数，而对水体营 养状态进行评价的方法。此方法以一套参数为基础进行评价，指标简单，反应灵 敏，但在使用时常因测试技术误差或水体季节变化等因素的影响，往往难以反映 出水体营养状态的真实情况。c a r l s o n ( 1 9 7 7 ) 提出营养状态评价指数( t r o p h i cs t a t e i n d e x ，t s 0 。他把以透明度为基准