基于LIBSVM的东洞庭湖叶绿素a浓度反演及水体富营养状态评价

发布时间：2020-04-01 23:57

【摘要】：近年来东洞庭湖流域有污染加剧和水体富营养化的趋势,其生态安全存在隐患,因此,保护东洞庭湖的生态,有效监测水体变化十分必要。其中叶绿素a浓度能有效的反映水体富营养化的程度。水体富营养化对东洞庭湖的生态安全带来隐患,因此,保护东洞庭湖的生态环境,有效监测水体成分变化变得尤为重要。对湖区的水质状态以及水体营养化研究和预警提供有效的技术支持,本文以东洞庭湖为研究区域,首先构建3种叶绿素a浓度反演模型,比较得出精确度最高的模型,然后用其对东洞庭湖流域的叶绿素a浓度进行遥感反演研究,分析湖区的水质状态以及水体富营养化程度,主要研究成果如下:(一)3种叶绿素a浓度反演模型的构建1)对Landsat8遥感影像数据进行预处理,找出一个与叶绿素a相关系数最高的波段进行反演,最后通过反演的结果与实测的值做一个对比,得到精度为75.67%的单波段反演模型。2)对Landsat8每个波段的作用及其波长范围进行相关性分析,找出一组相关性系数最高的波段进行反演,得到精度为78.32%的多波段反演模型。3)利用2016、2017年的9个样本点数据作为LIBSVM模型的初始数据,东洞庭湖叶绿素a浓度进行预测,利用SVMcgForRegress.m代码文件对模型进行计算求得最适合叶绿素a反演模型。构建叶绿素a反演模型的数据集,在叶绿素a估算过程中选择30组B1、B2、B3、B4、B5、B6值及叶绿素a的浓度结果,将剩下的6组数据结果作为检验模型精度的数据,得到精度为84.2%的SVM反演模型。4)三种模型对比,SVM反演模型的精确度最高。(二)利用TIS水体富营养化状态评价1)2016年7月～2017年12月东洞庭湖水体营养指数都介于20～70之间,东洞庭湖均处于中营养化状态以上,且靠近岳阳市城区的水体营养化状态严重。2)2016年7月东洞庭湖水体营养指数较高,属于中度富营养,12月东洞庭湖水体综合营养指数较低,属于轻度富营养。3)2017年6月、12月的营养化状态较2016年6月、12月有不同程度有所降低,说明2017年的水质较2016年有所好转。4)东洞庭湖2016年.7月与2017年7月的富营养指数分布呈现出明显的东部西部的现象,说明靠东边的区域水体富营养化程度高于西边,造成这种现象的原因可能是东边靠近岳阳城区,而城区生活污水、工业废水、养殖业、渔业饵料等因素较多,因此导致营养化状态严重。5)东洞庭湖2016年12月与2017年12月的营养化指数分布呈现出沿岸边流域中心的现象,说明沿岸边的富营养化程度高于流域中心,造成这种现象的原因可能是12月份的温度较低,水流量较小,边缘地带水体流动速度较慢,因此叶绿素大量沉积在河岸边。因此,利用营养状态指数TSL模型计算研究时间段内东洞庭湖营养状况与利用遥感图像的识别研究时间段内东洞庭湖营养状况的结果基本相符。但是,营养状态指数的计算不能反映出水体局部的营养状况,而遥感图像的识别能够反映水体整体的变化趋势以及局部的态势。通过遥感反演技术,利用Landsat8卫星的遥感影像数据对东洞庭湖的水体富营养化状况进行了多方面的评价,得出了不同年份同一时段的东洞庭湖流域的营养状况,为水体监测及预计体统一定的决策依据,同时也为东洞庭湖的水体生态环境保护提供了较为重要的理论基础。
【图文】：

水体辐射的数据信息展开光学特征研究。最后利用所获得的信息探索在水体反演逡逑过程中水体中重要物质的浓度与其性能指标之间存在的某种联系，从而根据发现逡逑的规律来估测各种物质的浓度。如图２．３为水色遥感传输原理图。逡逑卫星传感器的信号来源主要有两个方面，一个是海洋表面，另一个是大气层。逡逑并且８０％的信号来源于大气层贡献，相比之下仅有１０％的信号来源于海洋表面。逡逑数据显示大气层表面信号对于监测水体水质有着举足轻重的作用，为了得到更真逡逑实的反射率数据，需要克服消除大气对表面信号的干扰，这一环节对于整个水色逡逑遥感监测过程有着重要的意义。学者就海洋表面信号展开一系列的分析，从海洋逡逑空气辐射传播的角度出发，发现水色传感器所获取的总辐射来源主要有以下几个逡逑方面：ＬＰ邋（大气散射辐射）、海面离水辐射、海面反射辐射。逡逑１０逡逑

于４８０ｎｍ？５５０ｎｍ范围内的波段对叶绿素ａ并不敏感。当波长处于６７０ｎｍ附近出逡逑现弱吸收峰，根据其正相关的关系此时叶绿素ａ的吸收系数也处于最低水平。有逡逑关叶绿素ａ的光谱曲线如图２．２所示。逡逑４４３邋４９０邋５１０邋５５５逦６７０逡逑°－０７邋■邋Ｊ逦＾逦Ｉ逡逑０．０６邋－邋／＼逡逑／邋ｈ逡逑０．０５邋＊逦／逦＼逡逑ｗ邋°－０４邋－邋／逦＼逡逑＇逦０．０３－／逦＼逡逑00２邋■逦＼逦八逡逑０．０１邋－邋＼邋／邋＼逡逑４００逦４５０逦５００逦５５０逦６００逦６５０逦７００逦７５０逦８００逡逑波段逡逑图２．２叶绿素ａ浓度光谱曲线图逡逑Ｆｉｇ邋２．２邋Ｃｈｌｏｒｏｐｈｙｌｌ邋ａ邋ｃｏｎｃｅｎｔｒａｔｉｏｎ邋ｓｐｅｃｔｒｕｍ邋ｃｕｒｖｅ逡逑据统计，大洋流域的水体中叶绿素ａ的浓度仅达到０．０１ｍｇ／ｍ３，近岸地区的逡逑情况截然相反，其浓度高达ｌ0ｍｇ／ｍ３，并且当水体富营养化程度较高时，其浓度逡逑达到巅峰值ｌ00ｍｇ／ｍ３。本研宄由于时间限制，为了得到准确的叶绿素浓度动态逡逑变化，选择近红外波段和红外波段比值展开研究，艮Ｐ：逡逑Ｐ邋￣邋＾Ｎ１Ｒ邋＾邋＾ＲＥＤ逦（２－７）逡逑其中，ＮＮＩＲ表示近红外波段的亮度水平，例如ＴＭ／ＥＴＭ＋传感器的４波段，逡逑ＯＬＩ传感器的５波段，，ＮＲＥＤ表示红光波段的亮度水平，例如ＴＭ／ＥＴＭ＋传感器逡逑的３波段，ＯＬＩ传感器的４波段。逡逑基于比值法我们获得了有关叶绿素ａ的数据信息
【学位授予单位】：中南林业科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：X524;X824

【参考文献】

相关期刊论文 前10条

1 王莹;刘其根;冯权泷;龚建华;胡忠军;胡梦红;;基于ETM+影像的千岛湖叶绿素a浓度卫星遥感反演研究[J];激光生物学报;2015年05期

2 刘朝相;宫兆宁;赵文吉;崔天翔;林川;张翼然;;基于SVM模型的妫水河叶绿素a浓度的遥感反演[J];遥感技术与应用;2014年03期

3 乔婷;张怀清;陈永富;凌成星;;基于NDVI分割与面向对象的东洞庭湖湿地植被信息提取技术[J];西北林学院学报;2013年04期

4 潘梅娥;杨昆;洪亮;;基于环境一号卫星影像的内陆水体叶绿素α浓度遥感定量反演模型研究[J];科学技术与工程;2013年15期

5 金惠淑;鱼京善;孙文超;李占杰;;基于GOCI遥感数据的湖泊富营养化监测研究[J];北京师范大学学报(自然科学版);2013年Z1期

6 莫登奎;严恩萍;洪奕丰;林辉;;基于Hyperion的东洞庭湖水质参数空间分异规律[J];中国农学通报;2013年05期

7 王亚欣;鞠洪波;张怀清;江东;庄大方;;东洞庭湖国家级自然保护区湿地资源评价[J];地球信息科学学报;2011年03期

8 袁立伟;杨树文;杨维芳;刘涛;;基于ENVI+IDL的遥感三维地形可视化技术研究与实现[J];兰州交通大学学报;2011年03期

9 范荣桂;朱东南;邓岚;;湖泊富营养化成因及其综合治理技术进展[J];水资源与水工程学报;2010年06期

10 刘大召;张辰光;付东洋;沈春燕;;基于高光谱数据的珠江口表层水体悬浮泥沙遥感反演模式[J];海洋科学;2010年07期

相关博士学位论文 前2条

1 刘阁;适用于不同光学特征二类水体的叶绿素a浓度遥感估算方法研究[D];南京师范大学;2016年

2 张彩云;台湾海峡叶绿素a对海洋环境多尺度时间变动的响应研究[D];厦门大学;2006年

相关硕士学位论文 前7条

1 潘洋洋;SVM模型在叶绿素a非线性定量遥感反演中的应用研究[D];华中科技大学;2017年

2 阎孟冬;基于Landsat-8卫星影像数据的清河水库水质反演模型研究[D];沈阳农业大学;2016年

3 孙绍杰;基于GOCI的太湖水体叶绿素a浓度估算及其昼变化特征分析[D];南京大学;2013年

4 刘忠华;基于高分数据的太湖重点污染入湖河流叶绿素a浓度遥感反演[D];南京师范大学;2012年

5 周方方;水库水体叶绿素a光学性质及浓度遥感反演模式研究[D];浙江大学;2011年

6 梁坚;支持向量机在水质评价及预测中的应用研究[D];浙江工业大学;2009年

7 闻建光;太湖水体叶绿素a遥感监测模型研究[D];吉林大学;2005年

本文编号：2611138