水污染遥感监测的基本原理.doc

l 水污染遥感监测的基本原理水污染遥感指应用地面、航空、航天等遥感平台对河流、湖泊、水库和海洋进行探测，诊断水体的反射、发射、吸收特征的变化，从而实现快速地确定水污染的分布状况和位置的水污染监测方法。水污染遥感常用的仪器有红外扫描仪、多光谱扫描仪、微波系统和激光雷达等。监测对象主要是水面油污染、水中悬浮物、污水排放、赤潮藻类的类型和密度等。基于遥感的突发性水污染监测应用刘建东等（2008）基于“3S”技术，利用计算机、通信网络、计算机辅助设计技术手段，通过建立水环境和部分重点污染源的在线监测系统，并运用水污染控制系统研究成果，对水环境污染事故实施有效监控。采用卫星遥感与浑河流域水质准同步监测技术，实现天地一体化模拟实验；采用航天卫星、低空微航、地面监视监测相结合的技术手段，实现水污染事故的应急监控监测；采用GPRS无线传输技术，构建基于“3S”技术的浑河流域水污染事故应急监控系统，实现跨流域江河水质污染自动监测数据的实时传输。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Band20.1和Band2/Band41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/Band31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.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.遥感在环境监测中的应用 1 水环境污染监测 水体的遥感监测主要是以污染水与清洁水的反射光谱特征研究作为基础的。总的看来，清洁水体反射率比较低，水体对光有较强的吸收性能，而较强的分子散射性仅存在于光谱区较短的谱段上。故在一般遥感影像上，水体表现为暗色色调，在红外谱段上尤其明显。为了进行水质监测，可以采用以水体光谱特性和水色为指标的遥感技术。海洋石油污染和向海洋倾倒废弃物是海洋环境恶化的重要原因。全世界每年排入海洋的石油及其制品多达 1000多万吨，这对海洋生态所造成的灾害性影响是无法估量的。人海河流把沿岸农田的化学肥料、城市中的生活废水和工业污水不断排人海洋，使海洋污染范围不断扩展，生态环境恶化，环境质量下降。应用遥感卫星，特别是海洋遥感卫星，可以在大范围内对石油污染和化学污染进行搜索，还可以估算出污染的范围及其扩散情况，从而为海洋环保部门提供了必需的数据和资料。2 大气污染监测 大气遥感监测主要利用气象卫星定期地监控大气温度和水蒸汽垂直分布。影响大气环境质量的主要因素是气溶胶含量和各种有害气体，而这些物理量通常不可能用遥感手段直接识别。水汽、二氧化碳、臭氧、甲烷等微量气体成分具有各 自分子所固有的辐射和吸收光谱，所以，实际上是通过测量大气的散射、吸收及辐射的光谱而从其结果中反演推算出来的。通过对穿过大气层的太阳(月亮、星星)的直射光，来 自大气和云的散射光，来 自地表的反射光，以及来 自大气和地表的热辐射进行吸收光谱分析或发射光谱分析，从而测量它们的光谱特性来求出大气气体分子的密度。通过遥感图像可以直接分析出大气气溶胶的分布和含量，而有害气体通常不能在遥感图像上直接显示出来，只能利用间接解译标志植物对有害气体的敏感性来推断大气污染的程度和性质。3 地面污染及土地利用发展监测 地面污染也是利用间接解译，通过污染区作物的生长所起的特殊变化，与正常生长区的作物有不同的光谱表现来确定。通过定期地监测地面的作业就能查清土地利用形式的变化，以便管理资源。人工建筑物特别容易测定，这是由于它们的高反射率和形状的规则性所致。因此通过遥感图像，在城市规划中可以可靠地跟踪都市扩大的规模和速度，还能查清像隔热不佳的建筑物的热损失这类特殊问题。最后遥感还可以被用来监视森林砍伐，估计牧场开垦的规模和速度。摘要： 目前，多光谱、高空间分辨率的SPOT5卫星遥感数据被广泛应用到森林资源调查中。本文结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的处理和信息提取。探讨性地提出了适应于森林资源调查的SPOT5遥感数据处理方法。 关键词：SPOT5 遥感数据，森林资源调查、数据处理DISCUSSION ON SPOT5 IMAGE DATA PROCESSING FOR FOREST INVENTORYWang Zhaoli, Huangsheng,Zhangminzhong,Ma Shengli(Northwest Institute for Forest Inventory, Planning &Design, Xian China 710048) Abstract: Now days, high spatial resolution and multispectral SPOT5 image data are widely applied in forest inventory in China. Based on the characteristics of SPOT5 image and requirements of forest inventory, this paper discusses the processing procedures of ordering image data, ortho-rectification, image bands composition and image data fusion. The complete steps of image processing for forest inventory are given.Key words: SPOT5 image data，forest inventory, data processing 前言 卫星遥感影像具有空间宏观性、视角广、多分辨率（光谱和空间）、多时相、周期性、信息量丰富等特点，所以卫星遥感影像既可以提供森林资源的宏观空间分布信息又能提供局部的详细信息以及随时间、空间变化的信息等1。目前在林业领域卫星遥感数据被广泛的应用于不同尺度层次的森林资源调查、资源监测、病虫害、火灾监测等方面。2002年5月法国SPOT地球观测卫星系列之5号卫星（即SPOT5星）发射。SPOT5遥感数据的多光谱波段空间分辨率为10米（短波红外空间分辨率为20米），但全色波段空间分辨率达到2.5米。SPOT5遥感数据的高空间分辨率和多光谱分辨率为森林资源调查提供了丰富的、可靠的、高精度的基础数据源。从性价比分析，在其他高分辨率遥感数据目前比较昂贵的状况下，SPOT5遥感数据比较适宜应用于大面积的森林资源调查，可大幅度的森林调查的减少外业工作量、提高工作效率。在我国SPOT5卫星数据已被大量地应用于森林资源调查工作中，尤其，是在森林资源“二类”调查中被作基本的森林资源信息源提取各类信息。针对于将多光谱分辨率和高空间分辨率的SPOT5遥感数据应用于森林资源调查的数据处理技术和方法鲜有报道。本文总结工作实践，结合SPOT5遥感数据的特点，根据森林资源调查的需要，从遥感数据的订购、正射校正、波段组合、融合处理和数据变换处理等方面探讨了SPOT5数据的基本处理方法。 1SPOT5卫星遥感数据特点 SPOT卫星系统采用线性阵列传感器和推扫式扫描技术，具有旋转式平面镜可以进行倾斜观察获得倾斜图像和立体像对。采用与太阳同步的近极地的椭圆形轨道，轨道高度约832Km，轨道倾角98.7o ，每天绕地球14圈多，重复覆盖周期26天2。由于有倾斜观测功能，使重复覆盖周期减少到2-3天。SPOT5卫星载有2台高分辨率几何成像仪（HRG）、1台高分辨率立体成像装置（HRS）和1台宽视域植被探测仪（VGT）。高分辨率几何成像仪的波段选择是总结了多年的研究成果，认为HRG的波段设置（见表1）足以取得辨别作物和植被类型的最佳效果。本文主要探讨HRG高空间分辨率数据的处理。 2SPOT5数据的处理方法和过程 SPOT5数据处理工作流程： 2.1 遥感数据的订购 订购数据时，用户需向数据代理商提供购买区域的四个角的大地坐标或者数据的景号（PATH/ROW）。特别应该注意数据订购时间和用户拿到数据之间有时间差，间隔时间长短因用户的要求、天气、卫星重复覆盖周期而异。相对于其他卫星数据，比较有利的一面是SPOT5卫星装置有旋转式平面镜可以进行倾斜观察，用户可向代理商申请红色编程提前得到调查区域的遥感数据，但要支付编程费。对于遥感数据的时相、云量、入射角、阴影量、是否购买高空间分辨率的全色波段等用户根据自己具体的工作需要向代理商提出限制要求。 根据我们对SPOT5遥感数据的使用，对于森林资源调查，北方9，10月份和11月初的遥感影像比较适宜。代理商向用户提供经过处理的不同级别的影像产品，在森林资源调查中建议购买SPOT1A级产品，用户可根据自己的工作需要进行处理，同时也可减少费用。 2.2 基础数据准备 大比例尺地形图和高精度DEM是进行SPOT5遥感数据高精度正射校正必需的基础地理数据。建议购买1：10000地形图和1：25000数字高程模型（DEM）。 将1：1万地形图扫描，扫描分辨率设置为300DPI。将扫描好的地形图进行几何精纠正，纠正精度控制在0.3毫米内。从测绘部门购买的1：1万地形图为北京54坐标系3度分带高斯克吕格投影，而1：2.5万DEM为北京54坐标系6度分带投影。在数据准备时，将校正好的1：1万地形图通过换带转换转成和DEM一致的6度分带投影。 对于没有1：1万地形图的地区，建议使用差分GPS接收机采集地面控制点。 2.3几何正射校正 正射校正过程应用了法国SPOT公司发行的GEOIMAGE软件。GEOIMAGE软件有针对SPOT5卫星数据开发的SPOT5物理模型。模型模块自动读取DEM信息。SPOT 物理模型可读取卫星在获取遥感数据的瞬间状态参数，这些参数存贮在数据的头文件中3。卫星状态参数包括：卫星成像瞬间的经纬度、高度、倾角等。卫星状态参数能够帮助提高几何校正的精度。 以校正好的1：1万地形图为基准，在影像图上找出和地形图上地物相匹配的明显地物作为地面控制点。在进行正射校正时，应先进行全色波段数据校正，然后以校正好的全色波段数据为基准进行多光谱数据校正。以全色波段数据为基准校正多光谱波段就比较容易校正，且能提高两者的匹配精度。地面控制点应分布均匀，影像的边缘部分布要有控制点分布，同时在不同的高程范围最好都有控制点。地面控制点的数量因地形地貌的复杂程度而定，根据我们的经验，一景60KmX60Km的SPOT5数据，一般地势平缓的地区20个左右控制点即可达到满意的结果，在高山区25个左右控制点就可使正射校正精度满足要求。重采样方法采用双线性内插法。 2.4 辐射校正 用户购买的SPOT5的各级数据，数据提供商已经根据卫星的记录参数对遥感数据做了辐射校正，即消除了传感器自身引起的、大气辐射引起的辐射噪声。若果影像存在薄雾或地形高差较大引起的辐射误差情况，用户应进一步进行辐射校正处理。薄雾的简单消除原理是基于近红外波段不受大气辐射影响，清澈的水体或死阴影区的数值应为零。从各波段数据中减去近红外波段的水体或阴影的不为零值。地形起伏引起的辐射误差校正公式: f (x,y)=g(x,y)/cosa，g(x,y)为坡度为a的倾斜面上的地物影像；f (x,y)为校正后的影像。由于坡度因子参与校正所以需要DEM支持。 2.5 波段组合 根据SPOT5数据波谱特征（表1），各波段分别记录反映了植被的不同特征方面：B4（SWIR）短波红外反映植物和土壤的含水量，利于植被水分状况和长势分析；B3（NIR）近红外波段对植被类别、密度、生长力、病虫害等的变化敏感；B2（RED）红光波段对植被的覆盖度、植被的生长状况敏感；B1（VIS）可见光波段对植物的叶绿素和叶绿素浓度敏感。经过比较分析和实际应用发现SPOT5的B3、B4、B2波段组合对植被类型的识别要优于B3、B2和B1的组合。但由于B4波段的空间分辨率为20米，使B342组合对植被空间几何细节表达没有B321组合清晰，例如林缘界线信息表达方面B321要优于B342。 2.6 影像数据融合 对于购买有高空间分辨率全色波段数据的用户，进行数据融合是必不可少的。影像数据融合能够综合不同波段、不同空间分辨率数据（层）的特征，融合后的数据具有更丰富、更可靠的信息4。 根据影像数据融合的水平阶段，影像融合分为：像元级、特征级和决策级三个层次。为了最大限度的从SPOT5遥感数据中提取森林植被信息，应进行像元级的