基于软分类的太湖水体叶绿素a浓度遥感反演与长时间序列分析

发布时间：2020-07-22 07:06

【摘要】：近年来,中国的水体污染问题越来越严重,特别是内陆湖泊的富营养化问题最为突出。叶绿素是影响光合作用的最重要的色素,是水体富营养化的重要指示参量。卫星遥感具有成本低、范围广、速度快、连续性好等优势,在水环境监测中发挥了越来越重要的作用。叶绿素a浓度反演是水色遥感的重要研究内容,而浑浊富营养化内陆水体的叶绿素a浓度反演一直是个难点。本文主要研究内容就是利用遥感技术监测浑浊富营养化的太湖水体的叶绿素a浓度,在此基础上分析其空间分布特点和长时间变化趋势,并初步结合降水、气温、风速等因素解释了太湖叶绿素a浓度的变化规律。本文在水体光学分类研究的基础上提出了两种基于软分类(模糊分类)的水体叶绿素a浓度反演策略,相应的将已有的叶绿素a浓度反演方法归结为传统反演策略和硬分类反演策略。本文以太湖为研究对象获取大量实测水面光谱数据和MERIS卫星图像,分别实现了基于实测水面光谱的和基于MERIS图像的软分类反演策略,通过对比传统反演策略和硬分类反演策略评价了软分类反演策略的精度。采用精度最高的软分类反演策略,建立了MERIS长时间序列批量数据叶绿素a浓度反演流程,解决了反演过程的关键技术难题。最后,反演了太湖2002～2012年的叶绿素a浓度,分析了十年来太湖叶绿素a浓度的空间分布特征以及年际变化、季节变化和月变化规律与发展趋势。通过利用实测水面光谱和MERIS图像对不同反演策略的精度检验发现：硬分类反演策略比传统反演策略的精度有所提高,软分类反演策略取得了最好的精度,且普适性最强。十年来,太湖叶绿素a浓度的空间分布呈现从北向南递减的规律；年际变化呈现“W”字形的波动变化趋势；季节变化显著：冬季最低,春季升高,夏季最高,秋季开始降低；月变化规律总体呈现冬季月份低、夏季月份高的“Λ”字形,且以年为周期的波动变化。本文的主要研究贡献有以下三个方面： 1)提出了4种叶绿素a浓度反演策略,全面评价了4种反演策略的精度,以及不同反演策略下5种基于水面光谱的和12种基于MERIS数据的叶绿素a浓度反演算法的精度,通过比较找到了太湖不同类型水体对应的最优算法和模型。 2)论证了MERIS2P离水辐射产品在太湖的适用性。通过MERIS2P遥感反射率数据与实测遥感反射率的对比分析,评估了其在太湖的适用性。 3)反演了太湖2002～2012年共1932景MERIS数据的叶绿素a浓度,并据此全面分析了十年来太湖叶绿素a浓度的年际变化、季节变化和月变化规律和发展趋势。本文的创新点主要体现在以下两个方面： 1)创新性地提出了基于软分类的太湖水体叶绿素a浓度反演策略。该反演策略通过最优算法和距离权重的加权融合提高了算法的稳定性、可靠性以及结果的平滑性、连续性。软分类反演策略解决了叶绿素a浓度反演算法的区域性和季节性适用性问题,提高了算法的普适性。 2)创新性地提出了矢量边界辅助下的MERIS数据水体自动提取方法。该方法实现了MERIS数据水体提取阂值的自动化选择,提高了水体提取的精度和对大批量数据的处理效率。
【学位授予单位】：华东师范大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：X87;X52
【图文】：

实景,状况,浮游植物,叶绿素

图1.1.1我国部分河湖污染状况实景图叶绿素a浓度(Cmo)是水体富营养化的重要指示参量。工农业生产以及人类生活废水中含有大量e蟮！⒓氐扔镏剩庑┓纤湃氲剿宓敝校沟盟宕τ诟挥刺懈∮沃参锾乇鹗窃謇嗟人锎罅可し敝场６∮沃参锖驮謇嗟闹饕鼐褪且堵趟亍Ｒ堵趟厥导噬洗嬖谟谒心芙泄夂献饔玫纳锾澹躺参铩⒃死堵淘澹ɡ毒┖驼婧嗽謇唷Ｒ堵趟匚疽哆衔铮ㄒ堵趟豠、b、c、d以及原叶绿素和细菌叶绿素等种类，其中叶绿素a (Chla)存在于所有的浮游植物和藻类当中（http://www.baike.com/wiki/叶绿素）。因此，叶绿素a浓度是反映水体中总的浮游植物和藻类生物量的最佳参量，也是评价水体富营养化状态的最佳色素。叶绿素a是一类与光合作用有关的最重要的色素，叶绿素a吸收大部分的红

叶绿素a浓度,反演算法,反演策略,遥感产品

图1.3.1本文研究内容以上四部分的关系如上图所示。所有的叶绿素a浓度反演算法都必须选策略和操作流程来实现从原始数据到叶绿素a浓度遥感产品的转换。一种重要的反演策略，分类反演策略的前提是水体光学分类。叶绿素算法包括基于实测水面光谱的和基于遥感器数据的，基于实测水面光以为基于遥感器数据的算法提供理论支持和算法论证。反演算法的精为选择适用的反演算法提供实测数据验证和分析，也是发展软分类反础和前提。根据反演算法精度评价的结果选择适用的叶绿素a浓度反精确反演大批量、长时间序列叶绿素a浓度遥感产品。叶绿素a浓度分析叶绿素a浓度分布规律和发展趋势的基础数据。3.3研究思路

反演策略,固有光,水质参数,研究思路

图1.3. 2本文研究思路1)数据获取是反演策略建立、验证的基础本文获取的数据包括水体固有光学量、实测水面光谱、实测水质参数和ERIS 2P产品。这些数据为叶绿素a浓度反演策略的建立和精度评价提供了基，也是长时间序列叶绿素a浓度反演的输入数据。2)数据处理与分析是建立反演策略的重要环节固有光学量和光谱数据分析是叶绿素a浓度反滨策略建立的理论基础，对水光谱数据的光学分类是叶绿素a浓度反演策略的前提。二者都是叶绿素a浓度演算法和反演策略的必经环节。3)反演策略是本文研究的关键内容叶绿素a浓度反演的核心是反演策略的建立，基于实测光谱数据的反演策略以推广到MERIS数据使用。反演策略选择和流程设计，是业务化反演的保障，

【参考文献】