（测试计量技术及仪器专业论文）内陆湖泊水质参数反演及富营养化评价.pdf

l，l j- 1 1 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工 作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地 方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含 为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 ，签名：萑盎日期：纱，护年月日 论文使用授权 本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后应遵守此规定) 魏皿 1 一l i 。 k r | r l - 摘要 摘要 湖泊肩负着灌溉、防洪防旱、水路运输、提供水产品、旅游观光等重要作用， 同时也是局部气候的调节器。但是，近年来由于人们环保意识的淡漠，导致我国 大多数的湖泊出现了不同程度的富营养化状况，这严重影响了湖泊的功能。因此， 本文利用遥感技术反演了昆承湖湖区的水质参数浓度，并且对湖区的水质富营养 化状况作了评价，为治理湖区水质的富营养化提供了依据。 遥感数据的预处理是遥感反演水质参数浓度的重要环节。对于实测数据的预 处理，首先把实测得到亮度值曲线转换成反射率值曲线；然后对其作归一化和一 阶微分处理。对于e t m + 的预处理，首先在湖区周围均匀选取地面控制点，运用 二次多项式校正模型和双线性内插法以小于1 个像元的误差完成几何精校正；然 后，运用归一化差异水体指数m n d v i 完整提取出湖区；最后，采用f l a a s h 和 黑暗像元法分别进行大气精校正，并选用了精度较好的f l a a s h ( 误差在4 - 1 5 以 内) 校正结果，完成e t m + 的预处理工作。 归一化反射率光谱和一阶微分光谱与叶绿素8 和悬浮物浓度作相关性分析的 结果表明：叶绿素8 和悬浮物的敏感波段分别为e t m + 的2 、3 、4 波段和第1 、2 波段。并且，建立了叶绿素8 和悬浮物的半经验遥感定量反演关系式，其置信度 为9 9 9 ：方均根误差分别为1 4 0 9 m g m 3 和1 4 5 2 m g l ，远小于样本极差值。同 时，还以水质参数的固有光学特性为中间变量，利用半分析方法建立了叶绿素f l 的反演关系式，其置信度为9 9 5 、方均根误差为2 1 7 2 m g m 3 。与半经验反演关 系式显著性和精度的对比分析结果表明，半经验法反演叶绿素f l 浓度的效果略好。 利用叶绿素8 浓度估算总磷、总氮和高锰酸盐指数含量的结果，分别用综合 营养状态指数法、模糊综合评价法和灰色聚类法对采样点的水质进行了富营养化 评价。评价结果显示，采样点的水质都处于中度富营养化状态。对比分析三种方 法的优劣和适用范围，选用了能够与遥感图像结合使用的综合营养状态指数法对 整个湖区的水质进行了评价，并且制作了湖区水质状态的分布图和统计图，还结 合实地考察对评价结果作了简要分析。 关键词：遥感，水质监测，富营养化，湖泊 _ 1 ， 、， i t q q h ，“ i 撕 a b s t r a c t a b s t r a c t i ti sr e c o g n i z e dt h 乩l a k e s ，p l a y i n gav e r yi m p o r t a n tr o l ei np r e v e n t i n gf r o mf l o o d a n dd r o u g h t ，r e g u l a t i n gl o c a lc l i m a t e ，i r r i g a t i o n , w a t e rt r a n s p o r t , a q u a t i cp r o d u c t ss u p p l y , t o u r i s m ，e ta l ，n o to n l yc o n t i n u o u s l ys u p p l yt h eg o o d sa n dm a t e r i a l sw h i c ha r ee s s e n t i a l t od e v e l o p m e n to fh u m a ns o c i e t y , b u ta l s ot h ee c o l o g i c a lp r o t e c t i o n u n f o r t u n a t e l y , d u e t ot h el a c ko fp e o p l e se n v i r o n m e n t a la w a r e n e s s ，m o s to ft h e l a k e s i nc h i n ah a v e s u f f e r e dd i f f e r e n td e g r e e so fe u t r o p h i c a t i o ns t a t u s ，w h i c hh a ss e r i o u s l ya f f e c t e dt h e f u n c t i o no fl a k e si nr e c e n ty e a r s s o ，t h i sp a p e rp r e s e n t st h ei n v e r s i o nt h ec o n c e n t r a t i o n o ft h ew a t e rq u a l i t yp a r a m e t e r so fl a k ek u n c h e n g , a n dt h ee v a l u a t i o no fe u t r o p h i c a t i o n l e v e lo ft h el a k eb yt h r e em e t h o d s ，w h i c hp r o v i d e sab a s i sf o rp r e v e n t i o na n dc u r eo f e u t r o p h i cl a k e a c c u r a t ee x t r a c t i o no f r e m o t es e n s i n gi n f o r m a t i o ni so n eo f t h em o s ti m p o r t a n tp a r t s o fi n v e r s i n gt h ec o n c e n t r a t i o no fw a t e rq u a l i t yp a r a m e t e r s f i r s t l y , r e m o t es e n s i n gd a t a p r e p r o c e s s i n g ，c o n s i s t i n go ft h ep r e t r e a t m e n to ft h em e a s u r e dh y p e r s p e c t r a ld a t ao ft h e s a m p l i n gp o i n t sa n dt h ee t m + r e m o t es e n s i n gi m a g eo fl a k ek u n c h e n g , w a sd o n e f o r t h em e a s u r e dh y p e r s p e c t r a ld a t a , t h em e a s u r e dd nc u r v e sa r ec o n v e r t e dt or e f l e c t a n c e c u r v e s ；a n dt h e nr e f l e c t a n c ec u r v e sw e r en o r m a l i z e da n df i r s to r d e rd i f f e r e n t i a lt r e a t e d i no r d e rt or e m o v et h ei n t r o d u c t i o no fr a n d o mm e a s u r e m e n te r r o r , a n dt op r e p a r et o d e t e r m i n a t et h eo p t i m a lb a n do ft h ew a t e rq u a l i t yp a r a m e t e r s f o rt h ee t m + ，t h ea u t h o r s e l e c t e d16g r o u n dc o n t r o lp o i n t sa r o u n dt h el a k eu n i f o r m l y , a n du s e das e c o n d - o r d e r r a t i o n a lp o l y n o m i a lm o d e la n db i l i n e a ri n t e r p o l a t i o nm e t h o dt oc o m p l e t et h ep r e c i s e g e o m e t r i c a lc o r r e c t i o n , t h er e s u l ts h o w e dt h a tt h e e r r o rw a sl e s st h a no n ep i x e l f u r t h e r m o r e , 0 3 0 5 8w a ss e t 勰t h et h r e s h o l dt od e l i m i t a t et h el a k ea n dt h eo t h e r g r o u n d o b j e c t sb ym n d v i l a s t l y , f l a a s ha n dd a r ko b j e c t sm e t h o dw e r ea d o p t e dt o c o m p l e t et h ep r e c i s ea t m o s p h e r i cc o r r e c t i o n i ts h o w e dt h a tt h er e s u l tf r o mf l a a s h w a sb e t t e r ( t h ee r r o rw a sb e t w e e n 士15 ) b ya n a l y z i n gt h em e a s u r e dr e f l e c t a n c es p e c t r u m ，i tw a sf o u n dt h a tt h ew a t e r q u a l i t yo ft h es a m p l i n gs i t e sh a dt y p i c a ls p e c t r a lc h a r a c t e r i s t i c so ft h et y p e 1 1w a t e r b o d i e s o nt h i sb a s i s ，w i 廿lt h eh e l po ft h ec o r r e l a t i o na n a l y s i sb e t w e e nt h en o r m a l i z e d a b s t r a c t r e f l e c t a n c es p e c t r u m 、f i r s td e r i v a t i v es p e c t r u ma n dt h ec o n c e n t r a t i o no fc h l o r o p h y l l - a a n ds u s p e n d e ds o l i d s ，i tw a sf o u n dt h a tt h es e n s i t i v eb a n do fc h l o r o p h y l l - aa n d s u s p e n d e ds o l i d sw e r er e s p e c t i v e l yt h e2 巴3 i d ，4 mb a n do fe t m + a n dt h e1 髓，2 n db a n d o fe t m + b a s e do nt h ea b o v ea n a l y s e s ，t h es e m i - e m p i r i c a lq u a n t i t a t i v er e m o t es e n s i n g i n v e r s i o nf o r m u l af o rc h l o r o p h y l l - aa n ds u s p e n d e ds o l i d s ，o fw h i c ht h er o o tm e a n s q u a r ee r r o r ( r m s e ) w a sr e s p e c t i v e l y1 4 0 9 m g m 3a n d1 4 5 2 m 班，c o u l dm e e tt h e s t a t i s t i c a ls i g n i f i c a n c et e s tw i t ht h ec o n f i d e n c ec o e f f i c i e n to f9 9 9 ，w e r eb u i l ti nt h i s p a p e r w h a t sm o r e , t h ea u t h o ra p p l i e dt h es e m i - a n a l y t i c a lm e t h o dt oi n v e r s et h e c o n c e n t r a t i o no fc h l o r o p h y l l - aw i t ht h eh e l po ft h ei n h e r e n to p t i c a lp r o p e r t i e so fw a t e r q u a l i t yp a r a m e t e r s t h eq u a n t i t a t i v ei n v e r s i o nf o r m u l ab yt h es e m i - a n a l y t i c a l ，w i t ht h e r m s eo f2 17 2 m g m 3 ，c o u l dm e e tt h es t a t i s t i c a ls i g n i f i c a n c et e s tw i t ht h ec o n f i d e n c e c o e f f i c i e n to f9 9 5 ，w h i c hi s s l i g h t l yp o o r e rb o t h i ns i g n i f i c a n c ea n dp r e c i s i o n c o m p a r et ot h a tb ys e m i - e m p i r i c a lm e t h o d f o rt h es a k eo fa s s e s s i n ge u t r o p h i cl e v e lo fw a t e ro ft h es a m p l i n gp o i n t s ，t h e c h l o r o p h y l l aw a su s e dt oe s t i m a t et h ec o n c e n t r a t i o no ft h et o t a lp h o s p h o r u s ( t p ) ，t o t a l n i t r o g e n ( t n ) a n dc o d m n t h er e s u l t sf r o mt h et h r e ea s s e s s m e n tm e t h o d s ( t l i ，t h eg r e y c l u s t e r i n gm e t h o da n dt h ef u z z yc o m p r e h e n s i v ee v a l u a t i o nm e t h o d ) s h o w e dt h a tt h e w a t e ro fa l lt h es a m p l i n gp o i n t sw e r ei nm o d e r a t e l ye u t r o p h i cs t a t u s a c c o r d i n gt ot h e c o m p a r a t i v ea n a l y s i so ft h em e r i t sa n dt h es c o p eo fa p p l i c a t i o no f t h et h r e em e t h o d s ，t h e c o m p r e h e n s i v e l y 竹o p h i cl e v e li n d e xm e t h o d , w h i c hw a sa b l l et ow o r kc o m b i n e dw i t h r e m o t es e n s i n gi m a g e s ，w a sc h o s e nt oa s s e s st h ee u t r o p h i cl e v e lo ft h ew h o l el a k e i n a c c o r d a n c ew i lt h er e s u l t , t h ead i s t r i b u t i o n a lm a pa n das t a t i s t i cm a po ft h ew a t e r q u a l i t yo fl a k ek u n c h e n gw e r ep r o d u c e d ，a c c o r d i n gt ow h i c h ，b r i e fa n a l y s i sw e r e p r o p o s e dc o m b i n e dw i t ht h es u r v e ya r o u n dt h el r k ek u n c h e n g , k e y w o r d ：r e m o t es e n s e ；w a t e rq u a l i t ym o n i t o r i n g ；e u t r o p h i c a t i o n ；l a k e i l l o - p 一 - 、- t q 鼍 、 f 目录 目录 第一章绪论1 1 1 课题背景和意义1 1 2 国内外水质遥感的研究现状及发展趋势2 1 2 1 研究现状2 1 2 2 发展趋势5 1 3 技术路线5 第二章昆承湖湖区数据采集及预处理7 2 1 湖区概况。7 2 2 采样点布设7 2 3 采样点水样采集分析和数据获取8 2 4 采样点实测光谱获取。8 2 4 1 光谱仪简介8 2 4 2 光谱数据的获取8 2 5 实测光谱数据预处理9 2 5 1 数据筛选9 2 5 2 数据平均9 2 5 3d n 值转换为反射率9 2 5 4 剔除取样点异常光谱曲线1 0 2 5 5 光谱的归一化处理1 0 2 5 6 光谱的一阶微分平滑处理1 1 2 6 遥感数据源及预处理1 2 2 6 1 几何精校正1 2 2 6 2 湖区提取1 4 2 6 3 辐射校正17 第三章基于实测光谱确定叶绿素a 和悬浮物的敏感波段2 1 3 1 敏感波段的确定方法2 1 3 2 确定叶绿素a ( c h l 幻的敏感波段2 1 3 2 1 基于归一化光谱确定c h l a 的敏感波段2 2 目录 3 2 2 基于一阶微分光谱确定c h l a 的敏感波段2 3 3 2 3 结果分析2 4 3 - 3 确定悬浮物( s s ) 的敏感波段2 4 3 3 1 基于归一化光谱确定s s 的敏感波段2 5 3 3 2 基于一阶微分光谱确定s s 的敏感波段2 6 3 3 3 结果分析2 6 第四章基于半经验法反演叶绿素a 和悬浮物浓度2 8 4 1 模型检验方法2 8 4 1 1 显著性检验2 8 4 1 2 精度检验。2 9 4 2 提取e t m + 各波段的反射率3 0 4 3 半经验法反演叶绿素a ( c h l - a ) 浓度3 0 4 3 1e t m + 波段的相关性分析3 0 4 3 2 反演模型的建立3l 4 3 3 模型精度检验与反演结果。3 2 4 4 半经验法反演悬浮物( s s ) 浓度3 3 4 4 1e t m + 波段的相关性分析3 3 4 4 2 反演模型的建立3 4 4 4 3 模型精度检验与反演结果3 5 第五章基于半分析法反演叶绿素a 浓度。3 7 5 1 半分析法理论基础3 7 5 2 建立叶绿素a ( c l a - a ) 的半分析反演模型3 8 5 2 1 确立c h l a 浓度和实测光谱波段组合的关系。3 8 5 2 2 确立实测光谱波段组合与e t m + 波段的关系4 0 5 2 3 确立c h l a 浓度与e t m + 波段的定量关系式4 1 5 3 模型精度检验与反演结果4 1 5 4 反演模型精度对比分析4 3 第六章昆承湖湖区水体富营养化评价4 6 6 1 总磷、总氮和高锰酸盐指数的含量估算4 6 6 1 1 总磷( t p ) 与叶绿素a ( c l 咀a ) 的关系及估算方法4 6 6 1 2 总氮( t 与叶绿素a ( c h l a ) 的关系及估算方法4 8 6 1 3 高锰酸盐指数( c o d m n ) 与叶绿素a ( c h l a ) 的关系及估算方法5 0 v 肆 _ ， i 眇 如 岫 ，争。 q 目录 6 2 湖区水质的富营养化程度评价5 2 6 2 1 综合营养状态指数法5 3 6 2 2 模糊综合评价法5 5 6 2 3 灰色聚类法5 7 6 2 4 评价方法选择。5 9 6 3 湖区水质富营养化评价结果6 l 第七章结论与展望6 4 7 1 结论6 4 7 2 展望6 5 致谢6 7 参考文献6 8 攻读硕士学位期间取得的研究成果7 5 v i 坤 一 。 p 一 r 第一章绪论 1 1 课题背景和意义 第一章绪论 水是生物圈全部生物生存繁衍的基石；而其中的淡水也是人类社会稳步发展 最为倚重的物质。湖泊及河流是可利用的淡水资源的主要存在形式。我国的淡水 资源总量位居世界第六。可是，十几亿的人口使得我国的人均淡水资源仅为世界 平均值的2 5 左右，是严重缺水的国家。更令人担忧的是，近年来我国内陆水体 的污染情况极为严重，导致供需矛盾日益尖锐。富营养化、毒污染以及热污染是 我国内陆水体污染的主要形式。其中，富营养化现象在人群聚居地最常见。 富营养化是一种含氮、磷等元素的能够促进水生植物不正常生长的化合物达 到一定浓度所引起的水质污染现象。阳光对富营养化水体的透射能力大幅降低， 会影响水面下藻类光合作用的正常进行，从而减少了c 0 2 的吸收量和0 2 的释放 量；与此同时，浮游生物的繁殖也使溶解于水中的0 2 含量急剧降低；这两方面的 作用导致的后果就是溶解氧( d i s s o l v e do x y g e n ，d o ) 含量远远低于正常水平。富 营养化水体( 尤其是浅水区域) 底部积聚的有机化合物和某些水生物在低0 2 的环境 下会生成大量有毒有害物质。另一方面，水面植物的光合作用旺盛，使得表层水 d o 过饱和。d o 含量的不正常波动会严重影响水生动物的新陈代谢，极大地威胁 其生存繁衍，对生态环境带来巨大的破坏。此外，富营养化的水体中含有的亚硝 酸盐x ( n 0 2 ) ”硝酸盐x ( n 0 3 ) v 等有害物质，超过一定的浓度就会给人畜健康带 来急性或者慢性的伤害。 由此可见，对被污染的水体施以及时、恰当的治理是相当重要的。水质监测 是水质评价与水污染防治的基础，因此，准确、便捷的水质监测手段就显得尤为 重要。 目前，我国对于内陆水体水质的常规监测办法是先采集水样，然后进行实验 室分析，并根据分析的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。诚然，该方法能比较精确的分析和评价众多的水质指标，然而这种方 法费时费力，能采集和分析的监测点数量很有限，对于反映大范围水域水质参数 的分布和变化情况就力不从心了。并且，这种方法也不能满足实时监测的要求。 电子科技大学硕士学位论文 出现于上世纪6 0 年代的遥感技术很好的解决了这个难题。水质状况的遥感监 测主要是利用经验、半经验或者理论分析的方法，选择恰当的遥感数据波段反演 水质参数浓度，据此对大面积水域的水质状况进行评价。遥感图像可以直观地展 示出大面积水域的水质在空间和时间上的分布及其变化的情况。除此之外，遥感 技术还具有信息量大、受地理因素限制较少和有利于长时间监测等优势。 1 2 国内外水质遥感的研究现状及发展趋势 1 2 1 研究现状 从数据源方面来说，近些年电子技术的快速发展，带动传感器技术发展势头 迅猛，越来越多的优质遥感数据被用于监测水质。从技术研究来看，国内外学者 通过对各种水质参数如叶绿素a 、悬浮物、黄色物质等光学特性的深入研究，使 遥感定量反演这些参数成为可能，多种反演方法如经验半经验法、分析半分析 法的应用和不断改进使得反演精度不断地提高。但是，自然形成的水体中所含成 分相当复杂，并且现行的反演方法各有短板( 如经验半经验法的普适性和稳定性 较差，分析半分析法的精度较低等) 。因此，至今还没有研究出一种兼具高精度、 高稳定性和高通用性的水质评价参数浓度的反演方法。 1 2 1 1 关于叶绿素a 反演的研究现状 现阶段，利用遥感影像反演叶绿素a 浓度的主要方法依旧是结合遥感数据的 单波段反射率值或多波段组合运算值与实地采集样本的实测浓度值建立多种形式 的统计回归模型，如线性模型、对数模型等。 m s s 、t m 和e t m + 遥感图像是估算叶绿素a 浓度的主要数据来源。上世纪 8 0 年代，国外一些学者的研究表明，可以用m s s 波段的线性模型和对数模型来 反演湖泊、水库中的叶绿素a 浓度，并且获得到了较高的反演精度采用【l 】【2 1 。9 0 年代以后，m s s 逐渐被t m 遥感影影像取代。1 9 9 3 年，d e k k e r 3 】以t m 的第4 波 段为自变量分别用线性模型和指数模型反演叶绿素a 的浓度，并得出了指数模型 的反演精度高于线性模型的反演精度的结论。一年后，c p a t t i a r a t c h i 等【4 】依据经 辐射校正的多时序t m 遥感图像，在文中指出线性、对数模型都可以用来估算叶 绿素a 的浓度。1 9 9 9 年，a l l e e 掣5 】用多个时节的t m 遥感图像尝试构造了对数多 元表达式估测坐落于美国a r k a n s a ss t a t e 的b u l lr e s e r v o i r 中叶绿素a 浓度，模型 检验的结果表明，各种藻类所占比例随时间的变化在很大程度上限制了统计模型 2 第一章绪论 的通用性。2 0 0 1 年，b r i v i o 等【6 】把意大利g a r d al a k e 作为研究对象，用t m 影像 的前3 个波段t m l 、t m 2 和t m 3 的反射率值和相关系数为0 8 18 的统计回归模 型反演了叶绿素a 的浓度。 国内众多学者也对精确反演叶绿素a 进行了大量深入的研究。1 9 9 6 年，陈楚 群【_ 7 】等人的分析研究表明，t m 的第3 波段和第4 波段反射率的乘积( 即t m 3 x t m 4 ) 是估算近海浅水区叶绿素a 浓度的最佳波段组合，二者的相关系数达到0 7 6 6 8 。 同年9 月，余丰宁等【8 】对太湖北部监测点的叶绿素a 浓度和t m 影像的7 个波段 分别作了相关性分析，结果表明第3 、4 、7 波段都可以用来估算该地区的叶绿素 a 的浓度。通过优化组合这3 个波段，选定因子 刑4 ( 1 m 3 t m 例2 估算叶绿素a 的含量；在此基础上，通过订正时相和纬度进一步提高了反演精度。2 0 0 2 年， y u a n z h iz h a n g 等p j 在对g u l fo ff i n l a n d 的研究中，采用了基于t m 和e r s 2 s a r 遥感影像的经验神经网络算法来反演悬浮物、叶绿素a 的浓度和透明度。2 0 0 5 年， 马荣华和戴锦芳【l o 】对太湖的研究中指出e n 卅的第3 波段与叶绿素a 浓度的关系 最为密切，并且用第3 波段与第1 波段的反射率比值( e t m 3 e t m l ) 估测叶绿素a 的浓度。一年后，杨一鹏等人【l l 】借助t m 遥感图像，分别利用半经验回归模型和 线性混合光谱分解模型分别估算太湖叶绿素a 的含量。对比基于这两种方法所得 模型的估算结果发现，以t m 4 t m 3 为自变量的半经验回归模型估算精度更高， 所建模型的决定系数r 2 和均方根误差( r m s e ) 分别为0 9 4 1 和1 1 7 9 0 m g m 3 。 其他的遥感数据也为研究人员提供了数据支持。1 9 9 7 年，s t e f a n 等【1 2 】用同时 测量的地面数据和s p o t 图像研究2 个水库时发现，s p o t 数据和叶绿素a 浓度 之间的相关性很低，而且不能像t m e t m + 图像那样可以通过波段反射率的相除 得到提高。1 9 9 8 年，h o o g e n b o o m 等【l3 】借助i j s s e l m e e rl a k e 的a v i r i s 遥感影像， 得出估算叶绿素a 浓度的最佳波段组合为r 7 1 3 m n r 6 7 7 姗。1 9 9 9 年，k e i n e r 等【1 4 】在 研究中采用的神经网络模型显示了海面叶绿素a 的浓度与s e a w i f s 遥感影像中的 5 个可见光波段反射率之间是相关性显著的非线性关系。同样是利用s e a w i f s 数 据，e u r i c ojd s a a 等l l5 】的研究发现，世界第4 长河m i s s i s s i p p ir i v e r 中的叶绿素 a 浓度和s e a w i f s 图像波段的反射率比值的呈指数关系。到了2 0 0 1 年，k o p o n e n 等学者u6 j 运用a i s a ( a i r b o m ei m a g i n gs p e c 2 0 m e t e rf o ra p p l i c a t i o n ) 监测地处芬兰 南部的4 个湖泊，运用经验法反演了叶绿素a 浓度。同年，f l i n k 等【1 7 】基于针对两 个瑞典湖泊的c a s i 数据，合理运用p r i n c i p a lc o m p o n e n ta n a l y s i s ( p c a ) 方法估算 出了这两个湖泊中叶绿素a 的含量。2 0 0 2 年，在航空高光谱影像和m e r i s 卫星 图像的帮助下，s a m p s ak o p o n e n 等i t s 】尝试了多种单波段及其组合值来确定叶绿素 3 电子科技大学硕士学位论文 a 的最佳估算模型。 1 2 1 2 关于悬浮物反演的研究现状 悬浮物含量的精确估算是水质遥感监测中重要的内容。水中悬浮物微粒对入 射自然光的强散射和反射作用，能够在某些波长范围或者遥感图像的某些波段处 显著增大水体的反射率。 早在2 0 世纪的7 0 年代，很多国外学者就开展了关于悬浮物浓度提取的研究。 c h e s a p e a k eb a y 悬浮物浓度的定量估测研究发现，悬浮物的浓度与遥感图像信息是 线性的关系【l 卅；而针对d e l a w a r eb a y 、f u n d yb a y 的研究显示，属于非线性模型中 的指数对数模型比简单的线性模型能更精确的提取悬浮物的含量信息【2 0 】【2 1 1 。到了 上世纪的9 0 年代，越来越多的学者投身这方面的相关研究。1 9 9 2 年1 9 9 3 年之间， l a t h r o p 等人研究了基于t m 遥感影像的定量反演悬浮物浓度，指出，t m 影像的前3 波段，即刚1 ，t m 2 和t m 3 ，都是提取悬浮浓度信息的优良数据来源；并且分别 用t m 3 t m l 的指数模型】以及t m 3 t m l ，t m 3 t m 2 幂函数形式【2 3 1 ，反演内陆水 体的悬浮物浓度。1 9 9 3 年，m e r t e s 等人【2 4 】通过实验方法得出了不同浑浊度的水体的 反射率光谱特征，指出线性光谱混合模型估算a m a z o n 地表水悬浮物浓度的效果较 好。同年，t a s s a n 2 5 】利用了波段组合( t m 2 + t m 3 ) ( t m l t m 2 ) 来估计l a k ee r k e n 的悬 浮物含量。d e k k e r 也在这一年经实验分析选择了1 m 4 用来反演悬浮物浓度【3 】。19 9 5 年，p 0 p u l u s 等【2 6 】采用了t m 3 和t m 2 反射率比估测i n d o n e s i a ns e a s 的悬浮物浓度。 1 9 9 8 年，m a h t a b a 2 7 】等人的实验也得到了与d e k k 一3 】相似的结论。同一年，t a s s a n 2 8 1 进一步研究了浅水区域的悬浮物和叶绿素的信息提取技术。2 0 0 2 年，m o h a m m a d 等人研究g a n g e s b r a h m a p u t r ar i v e r 河口的悬物浓度变化情况时使用了t m 波段的 线性表达式【2 9 】。得益于上世纪末水色传感器技术的巨大进步，越来越多的优质产 品，如m o d i s 等被用于悬浮物的定量监测。2 0 0 1 年，h a n n a 等发现m o d i s 波段组 合与芬兰多个湖以及海岸监测点的悬浮物浓度有着明显的相关性【3 0 】。2 0 0 4 年，借 助于s e a w i f s 和m o d i s 数据，b l o n d e a u - p a f i s s i e r 等人【3 l 】分别估算出了c e l t i cs e a 、 e n g l i s hc h a n n e l 西部以及n o r t hs e a 的悬浮物浓度。 较之国外，悬浮物浓度的遥感估测在国内起步较晚。由于软、硬件的限制， 我国学者从上世纪8 0 年代才开始利用美国的m s s 、t m 以及n o a a 卫星研究近 海地区的悬浮物浓度信息提取技术，并结合国外学者g o r d o n 的研究成果【3 2 1 ，通 过理论分析和数学推导提出了反演悬浮物浓度分析模型的基本结构【3 3 】【3 4 】【3 5 1 ，并且 在应用于海湾悬浮物浓度信息提取中取得了不错的效果。到了2 0 0 0 年，王学军等 4 第一章绪论 3 6 1 在对预测太湖水质富营养化状态的研究中，运用了t m 图像前4 波段的组合形 式( t m 3 + t m 4 ) ( t m l + t m 2 ) 估算悬浮物的浓度。一年之后，赵碧云等【3 7 】通过对多 种波段组合和不同形式模型的研究，认为t m 4 t m l 的线性模型是估算滇池悬浮 物浓度的最佳方案。2 0 0 3 年，杨世植和杨华等人【3 8 1 1 3 9 1 都人认为t m 影像的第2 波段和第3 波段的反射率值之比t m 3 t m 2 能够很好地反映悬浮物的浓度信息。 2 0 0 4 年，戴昌达等人【加】在研究太湖总悬浮物浓度的估算方法时指出，t m 3 t m l 是最佳波段组合。2 0 0 5 年，马荣华等【l o 】使用了t m 4 t m l 来估算悬浮物的浓度。 2 0 0 7 年，光洁等人【4 l 佣t m 遥感图像第2 ，3 波段的组合分别反演了太湖四季的 悬浮物浓度。这些研究均表明遥感手段完全能够胜任对悬浮物浓度的估测。 1 2 2 发展趋势 遥感技术在监测水质方面有着巨大潜质和常规监测方法不可比拟的优势。伴 随着传感器技术的迅速发展，高空间分辨率、高光谱分辨率和多极化的遥感数据 将成为最主要的遥感信息来源。遥感手段监测水质未来的主要研究任务在以下几 个方向开展： ( 1 ) 提高遥感数据的空间分辨率和光谱分辨率。 提高遥感数据的空间分辨率可以满足对小型水域水质监测的需要，可以扩大 遥感技术监测水质的适用范围；提高遥感数据的光谱分辨率可以提供大量精确的 波段信息，从而提高遥感技术监测水质的精度和可信度。 ( 2 ) 深入对水质参数的光学机理研究。 机理研究可以探知水质参数不随外界环境改变而变化的本质光学特性，从而 建立起受时间和地域限制较小的水质参数反演算法，为全球化、批量化的水质监 测工作做好铺垫。 ( 3 ) 结合3 s 技术限s ：遥感；g i s ：地理信息系统；g p s ：全球定位系统) 。 3 s 技术的优势互补可以为水质监测提供更详尽的信息，使得水质监测的科学 性、客观性和可靠性大幅提高。 1 3 技术路线 基于对昆承湖的实地考察，利用g i s 软件和g p s 设置了采样点的位置，并进 行了与卫星遥感数据( 准) 同步的地面数据测量。然后采用半经验方法和半分析法 分别构建了水质参数的反演模型，并且对比两种方法得到的模型精度。最后结合 5 一 皇至型垫杰堂堡主堂垡笙壅 e n 肿影像评价湖区的水质状况，并以图片的形式展现出来。技术路线如图1 1 。 图1 1 技术流程图 6 第二章昆承湖湖区数据采集及预处理 第二章昆承湖湖区数据采集及预处理 2 0 0 9 年5 月，课题组成员按照事先制定的采样方案，在位于江苏常熟的昆承 湖进行了水质概况调查和水质采样等工作。根据实验方案设定的路线和采样区域， 完成了地面调查实验、水样采集、采样点的光