澳门邻近水域水环境遥感

1、Page 1澳门邻近水域水环境遥感1、概述2、澳门邻近水域悬浮泥沙研究3、叶绿素的水色遥感识别 Page 21 概述n 本案例取自“澳门环境遥感与数字化研究应用遥感技术对珠江西部的环境评价”项目研究报告。本实验研究内容主要包括：澳门邻近邻近水域悬浮泥沙研究，叶绿素的水色遥感识别。返回Page 32 澳门邻近水域悬浮泥沙研究 水中悬沙在重力和盐析絮凝沉降等作用下，在水体能量降低时悬沙沉降迅速，使表层水体含沙量变化显著。这些特点在遥感影像上表现为图像灰度梯度或色阶梯度较大。由此可以通过遥感技术分析水中含沙量，进而分析海岸线变迁。悬沙研究技术路线如图9-1。 信息建库 研究区域提取 大气校正 空间配

2、准 信息复合 悬沙定性研究 海岸线变迁分析图9-1 澳门邻近水域悬沙研究技术路线Page 4Page 5n 从彩图9-3到彩图9-6可以看出，澳门邻近水域悬浮泥沙主要集中分布于珠江和西江的两岸。这一区域不悬沙浓度相对较高，而且由于周围岛屿的影响，该区域水域相对流动性较差，使得该水域中的悬沙比较容易沉积下来。Page 63 叶绿素的水色遥感识别 在水色遥感中，一般将水体组分归为四类：纯水、叶绿素a、悬浮泥沙和黄色物质。第一类水体中叶绿色a对水体光学性质起决定性作用，故可仅考虑叶绿色a的反演，较第二类水体容易。 综合考虑大气校正和水体组分反演，目前的水色遥感应用研究分为3种思路： 不进行大气校正，

3、水体反演是黑箱模型。 大气校正和水体反演都是黑箱模型。 大气校正比较严格，水体反演是黑箱模型。 本研究使用黑箱模型反演叶绿素的分布情况。 Page 7n 叶绿素水色遥感识别的研究从来遥感影像、GPS控点和试验室测定入手。对影像进行几何校正，辐射校正，再与试验室结合研究。Page 8 本研究在研究过程中考察了两种黑箱方案。 方案一：应用TM数据不同波段组合来估算沿海水表层叶绿素浓度，也考察了叶绿素浓度的对数值。 对以上波段组合得到的数据分析可以得到以下结论： 使用叶绿素浓度和对数值进行拟合的结果没有太大区别，在大部分情况下使用对数值拟合系数稍有提高。 均值滤波FAV对拟合结果帮助不大。3*3的卷

4、积核优于5*5和7*7。此结果与本研究做的GPS定位分析精度是一样的。 大气校正中的“减黑体”法和不进行大气校正的效果基本一样，ATCOR大气校正后效果有一定改善。 似乎没有占优势的波段组合，当然单波段或两波段组合的结果都不如三波段组合。Page 9n 方案二：通过观察测点的分布和数据的规律，发现近区和远区的悬沙浓度相差较大，但叶绿素浓度在同一数量级。n 由于波段组合不一定能得到满意的结果，使用了多元线性回归法对远近来个区域进行了分别处理。表9-7简单给出了部分具有代表性的结果。Page 10n 从表9-7可以看出：n 分区后两个区域的线性拟合效果明显优于放在一起拟合的效果，充分说明两个区域水体组分的物理性质有所不同。n 对叶绿素和悬沙，远区的效果均好于近区，说明近区由于高浓度悬沙带来的干扰更大。n 通过ATCOR大气校正后再进行拟合的结果优于不进行大气校正，说明比较准确的大气校正是必要的。n 一般来说，不做FAV的效果比FAV（3*3）要好，特别是对远区而言。n 叶绿素取对数时的效果优于不取对数时的效果，但悬沙不取对数的效果更好。n 灰度值取对数时的效果优于不取对数时的效果。Page 11n 经过上述工作，最后采用方案：遥感数据经ATCOR大气校正，没有做FAV均值滤波，只取TM14波段的灰度值，叶绿素浓度和灰度值均取对