澳门邻近水域水环境遥感

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

1概述本案例取自“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2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。3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：⑴不进行大气校正，水体反演是黑箱模型。⑵大气校正和水体反演都是黑箱模型。⑶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。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。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：⑴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。⑵均值滤波FAV对拟合结果帮助不大。3*3的卷积核优于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。⑶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。⑷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。

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。

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。从表9-7可以看出：⑴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。⑵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。⑶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。⑷一般来说，不做FAV的效果比FAV（3*3）要好，特别是对远区而言。⑸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。⑹灰度值取对数时的效果优于不取对数时的效果。经过上述工作，最后采用方案：遥感数据经ATCOR大