CN107219171B - 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 - Google Patents
一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 Download PDFInfo
- Publication number
- CN107219171B CN107219171B CN201710353927.7A CN201710353927A CN107219171B CN 107219171 B CN107219171 B CN 107219171B CN 201710353927 A CN201710353927 A CN 201710353927A CN 107219171 B CN107219171 B CN 107219171B
- Authority
- CN
- China
- Prior art keywords
- tsm
- pahs
- goci
- concentration
- water
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 50
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 30
- 125000005575 polycyclic aromatic hydrocarbon group Chemical group 0.000 title claims abstract description 19
- 239000002245 particle Substances 0.000 title claims abstract description 16
- 239000002352 surface water Substances 0.000 claims abstract description 14
- 239000000126 substance Substances 0.000 claims abstract description 10
- 239000003643 water by type Substances 0.000 claims abstract description 7
- DXBHBZVCASKNBY-UHFFFAOYSA-N 1,2-Benz(a)anthracene Chemical compound C1=CC=C2C3=CC4=CC=CC=C4C=C3C=CC2=C1 DXBHBZVCASKNBY-UHFFFAOYSA-N 0.000 claims description 12
- HAXBIWFMXWRORI-UHFFFAOYSA-N Benzo[k]fluoranthene Chemical compound C1=CC(C2=CC3=CC=CC=C3C=C22)=C3C2=CC=CC3=C1 HAXBIWFMXWRORI-UHFFFAOYSA-N 0.000 claims description 12
- FTOVXSOBNPWTSH-UHFFFAOYSA-N benzo[b]fluoranthene Chemical compound C12=CC=CC=C1C1=CC3=CC=CC=C3C3=C1C2=CC=C3 FTOVXSOBNPWTSH-UHFFFAOYSA-N 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 12
- 238000001228 spectrum Methods 0.000 claims description 11
- GVEPBJHOBDJJJI-UHFFFAOYSA-N fluoranthene Chemical compound C1=CC(C2=CC=CC=C22)=C3C2=CC=CC3=C1 GVEPBJHOBDJJJI-UHFFFAOYSA-N 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 238000002310 reflectometry Methods 0.000 claims description 8
- 230000003595 spectral effect Effects 0.000 claims description 7
- SXQBHARYMNFBPS-UHFFFAOYSA-N Indeno[1,2,3-cd]pyrene Chemical compound C=1C(C2=CC=CC=C22)=C3C2=CC=C(C=C2)C3=C3C2=CC=CC3=1 SXQBHARYMNFBPS-UHFFFAOYSA-N 0.000 claims description 6
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 claims description 6
- CWRYPZZKDGJXCA-UHFFFAOYSA-N acenaphthene Chemical compound C1=CC(CC2)=C3C2=CC=CC3=C1 CWRYPZZKDGJXCA-UHFFFAOYSA-N 0.000 claims description 6
- HXGDTGSAIMULJN-UHFFFAOYSA-N acetnaphthylene Natural products C1=CC(C=C2)=C3C2=CC=CC3=C1 HXGDTGSAIMULJN-UHFFFAOYSA-N 0.000 claims description 6
- MWPLVEDNUUSJAV-UHFFFAOYSA-N anthracene Chemical compound C1=CC=CC2=CC3=CC=CC=C3C=C21 MWPLVEDNUUSJAV-UHFFFAOYSA-N 0.000 claims description 6
- LHRCREOYAASXPZ-UHFFFAOYSA-N dibenz[a,h]anthracene Chemical compound C1=CC=C2C(C=C3C=CC=4C(C3=C3)=CC=CC=4)=C3C=CC2=C1 LHRCREOYAASXPZ-UHFFFAOYSA-N 0.000 claims description 6
- RKZJFAONHOYOKU-UHFFFAOYSA-N indeno[1,2,3-cd]pyrene Natural products C1Cc2ccc3ccc4c5ccccc5c6cc(=C1)c2c3c46 RKZJFAONHOYOKU-UHFFFAOYSA-N 0.000 claims description 6
- YNPNZTXNASCQKK-UHFFFAOYSA-N phenanthrene Chemical compound C1=CC=C2C3=CC=CC=C3C=CC2=C1 YNPNZTXNASCQKK-UHFFFAOYSA-N 0.000 claims description 6
- BBEAQIROQSPTKN-UHFFFAOYSA-N pyrene Chemical compound C1=CC=C2C=CC3=CC=CC4=CC=C1C2=C43 BBEAQIROQSPTKN-UHFFFAOYSA-N 0.000 claims description 6
- 238000005316 response function Methods 0.000 claims description 6
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 claims description 4
- FMMWHPNWAFZXNH-UHFFFAOYSA-N Benz[a]pyrene Chemical compound C1=C2C3=CC=CC=C3C=C(C=C3)C2=C2C3=CC=CC2=C1 FMMWHPNWAFZXNH-UHFFFAOYSA-N 0.000 claims description 3
- 125000004054 acenaphthylenyl group Chemical group C1(=CC2=CC=CC3=CC=CC1=C23)* 0.000 claims description 3
- 239000000443 aerosol Substances 0.000 claims description 3
- 125000005605 benzo group Chemical group 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 claims description 3
- 125000003983 fluorenyl group Chemical class C1(=CC=CC=2C3=CC=CC=C3CC12)* 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 239000013535 sea water Substances 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 12
- 239000003344 environmental pollutant Substances 0.000 abstract description 7
- 231100000719 pollutant Toxicity 0.000 abstract description 7
- 238000003384 imaging method Methods 0.000 description 9
- 230000007613 environmental effect Effects 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000004817 gas chromatography Methods 0.000 description 4
- 239000012528 membrane Substances 0.000 description 4
- 230000002688 persistence Effects 0.000 description 4
- 239000002957 persistent organic pollutant Substances 0.000 description 4
- 239000012071 phase Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000711 cancerogenic effect Effects 0.000 description 2
- 231100000315 carcinogenic Toxicity 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000005446 dissolved organic matter Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000035800 maturation Effects 0.000 description 2
- 238000002414 normal-phase solid-phase extraction Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 231100000419 toxicity Toxicity 0.000 description 2
- 230000001988 toxicity Effects 0.000 description 2
- 206010007269 Carcinogenicity Diseases 0.000 description 1
- 208000031320 Teratogenesis Diseases 0.000 description 1
- 150000004945 aromatic hydrocarbons Chemical class 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 231100000704 bioconcentration Toxicity 0.000 description 1
- 231100000260 carcinogenicity Toxicity 0.000 description 1
- 230000007670 carcinogenicity Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000000975 co-precipitation Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 231100000350 mutagenesis Toxicity 0.000 description 1
- 238000002703 mutagenesis Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 125000003367 polycyclic group Chemical group 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法。该方法是通过建立河口海湾水色参数TSM定量表征颗粒态PAHs含量算法，并应用到世界上首颗地球静止气象卫星传感器GOCI影像上，获取河口海湾颗粒态PAHs的遥感反演浓度分布情况。本发明能够实现使用遥感手段监测近海水域PAHs的污染状况，可以大面积、高频次地监测海洋污染物的分布特征，提出基于实测数据分析的海域表层水体悬浮颗粒物中PAHs的遥感模型，并应用到GOCI卫星数据，借助海洋水体中相对成熟的水色参数TSM遥感反演技术，从而实现海洋环境中PAHs大面积、高频次的遥感监测。
Description
技术领域
本发明属于海洋环境遥感领域，具体涉及：海洋污染物、海洋生态监测、海洋水色遥感、水质遥感等领域。该方法将已经相对成熟的水体悬浮颗粒物浓度(theTotalSuspended matter，简称TSM)卫星遥感反演技术拓展到海洋环境中多环芳烃(Polycyclicaromatic hydrocarbons，简称PAHs)的监测系统中，使用遥感手段实现海洋环境中持久性有机污染物的大范围、周期性监测。
背景技术
持久性有机污染物是一类具有长期残留性、生物蓄积性、半挥发性和高毒性的特殊污染物。一旦进入环境中，就很难在自然条件下进行讲解，存留时间久，给人类和生态系统带来长久的危害。多环芳烃(PAHs)是一类典型的持久性有机污染物，具有典型的三致特征(致畸、致癌、致突变)效应，由于广泛存在、种类繁多以及强烈致癌性而备受关注。在环境中虽然含量较少，但广泛存在于各种环境介质中，主要来源于煤、石油、木材的不完全燃烧和石油产品以及在石油开采、使用过程中产生的泄露和排放。绝大多数的多环芳烃具有较强的毒性，是环境中致癌化学物质中最大的一类。20世纪80年代，美国环境保护署(US EPA)选定毒性显著的16种PAHs列入优先控制污染物名单，多环芳烃的海洋环境污染问题已经受到了国际社会的普遍重视，成为各国科学界和政府广泛关注的焦点。
目前对于海洋环境中PAHs的监测方式主要采用现场采样和实验室定量分析相结合的方式进行，传统的测量方法需要派遣大量工作人员出海逐个站点进行样品采集，并对样品进行一系列的有机分析预处理工作，再对PAHs的含量进行检测，从样品采集、样品处理到样品测定，整个流程耗费相当长的时间，需要投入大量的人力、财力、物力。由于海洋面积广阔，自然条件恶劣，加之测量费用过高，传统的监测方法效率低，成本高，只能做到点、线监测，无法实现对海洋环境中的PAHs大面积监测。同时海洋环境中的PAHs随着运动的水体具有明显的动态变化特征，传统的监测方法无法做到短周期、高频率地监测。无论从采样广度还是采样周期，传统的监测方法都无法满足大范围、短周期的监测需求。
遥感具有大尺度、周期性、快速同步获取水体信息、成本相对低廉等优点，随着技术的发展，运用遥感手段可以高效地监测海洋水体中各种组分含量的分布和动态变化，从而克服传统现场观测方法的不足，在水环境检测中的应用越来越广泛，海洋是时刻处于运动变化中的水体，对传感器在时间和空间分辨率上具有更高的要求。地球静止海洋水色成像仪GOCI(Geostationary Ocean Color Imager)是世界上第一个为海洋水色观测而设计的静止轨道卫星传感器，搭载在首颗地球静止气象卫星COMS(Communication，Ocean，Meteorological Satellite)上，主要任务是观测以朝鲜半岛为中心的一定范围内的海洋环境的变化，对该区域的海洋生态系统进行长期的和短期的监测。每天8景成像的时间分辨率为水色遥感动态监测提供了良好的契机。GOCI共设置了8个波段，中心波长分别为412nm、443nm、490nm、555nm、660nm、680nm、745nm、865nm。GOCI的精度非常高，其辐射校正误差小于3.8％，空间分辨率为500m，时间分辨率为1h，可以较好地捕捉水体的空间、光谱特征。
使用遥感手段可以监测到海洋环境中叶绿素、悬浮物、溶解性有机物等水体水色重要参数，目前对于水体悬浮颗粒物TSM、有色溶解有机质CDOM、色素、叶绿素等遥感监测研究较多，技术已相对成熟。而PAHs在光谱上表现较差，很难通过遥感手段直接获取或者进行反演，大量基础研究表明，PAHs的环境行为与水体中的可遥感组分(如TSM、CDOM等)密切相关，为利用遥感技术进行监测提供了理论可能，TSM是水色遥感中三大水质参数之一，由于PAHs弱极性或非极性，易脱离水相吸附于悬浮物中，与悬浮物共同沉淀，是海洋中PAHs的重要载体。以TSM为中介，使用遥感手段间接地实现研究海域PAHs大范围、高频次监测，从而可以节约大量的人力、经济成本。
综上所述，为了弥补当前海洋环境中PAHs的监测能力和技术手段的不足，本发明以河口海湾为研究区，以海洋表层水体悬浮颗粒物中PAHs的观测分析为基础，通过分析悬浮颗粒物TSM浓度与海洋表层水体悬浮颗粒物中PAHs(颗粒态PAHs)的定量关系，开发以TSM对颗粒态PAHs进行定量表征的关键技术，根据TSM提取模型研发基于GOCI数据的海洋表层水体颗粒态中PAHs遥感监测方法，从而实现对河口海湾水体中颗粒态PAHs污染分布状况进行大范围、周期性的重复监测，为今后河口海湾PAHs浓度分布的遥感监测提供预研成果。
发明内容
本发明的目的是针对现有传统技术的不足以及海洋生态环境监测和科学研究的需要，本发明提出的一种使用遥感手段进行河口海湾海洋污染物的监测方法，尤其适用于河口海湾表层水体悬浮颗粒物中PAHs的浓度监测，具有大面积、高频率的特征。本发明通过建立河口海湾水色参数TSM定量表征颗粒态PAHs含量算法，并应用到世界上首颗地球静止气象卫星传感器GOCI影像上，获取河口海湾颗粒态PAHs的遥感反演浓度分布情况。
本发明解决其关键技术问题所采用的技术方案包括以下几个步骤：
步骤(1)、对待监测河口海湾区域提取水色参数TSM浓度的实测数据、水域表层水体悬浮颗粒物中PAHs浓度的实测数据；同时获取表层水体遥感反射率Rrs的实测数据；
所述的TSM浓度采用重量法测量，为现有成熟技术，按照海洋监测规范(GB17378-2007)进行；即通过现场采集水样并过滤，将滤膜带回实验室后采用重量法进行测量。
所述的PAHs浓度采用气相色谱法测量，为现有成熟技术，按照海洋监测规范(GB17378-2007)进行；即通过现场采集水样并过滤，将滤膜带回实验室后使用固相萃取进行预处理后采用气相色谱法进行测量。
所述的PAHs浓度为US EPA选定的多环芳烃中16种优先控制物质总浓度，16种多环芳烃分别为萘(Nap)、苊烯(Acy)、二氢苊(Ace)、芴(Flu)、菲(Phe)、蒽(Ant)、荧蒽(Flua)、芘(Pyr)、苯并[a]蒽(BaA)、(Chr)、苯并[b]荧蒽(BbF)、苯并[k]荧蒽(BkF)、苯并[a]芘(BaP)、茚并[1,2,3-cd]芘(InP)、二苯并[a,h]蒽(DbA)、苯并[g,h,i]苝(BgP)。
所述的表层水体遥感反射率Rrs是采用ASD手持式光谱仪水面以上测量法获取，通过ASD手持式光谱仪分别测量水体、天空、灰板的光谱曲线，遥感反射率由公式(1)计算所得；
其中，Lsw为海水表面辐亮度，仪器测量水体所得；Lsky为天空漫散射光，仪器测量天空获得；r为菲涅尔反射率，即气-水界面对天空光的反射率，受到太阳位置、观测几何、风速风向以及海面粗糙度等因素的影响，一般取值0.028；Lp为标准灰板反射信号，由仪器对准灰板测量所得；ρp为标准板的反射率，由实验室校正所得。
步骤(2)、根据现有成熟的地球静止海洋水色成像仪GOCI，获取GOCI同步L1B遥感数据；使用ENVI软件中的FLAASH模块对GOCI L1B数据进行FLAASH大气校正，从而消除大气、光照等因素对地物反射的影响，从影像中还原出地物的地表反射率、辐射率和地表温度等真实物理模型参数。
这里的GOCI L1B遥感数据与TSM浓度、PAHs浓度、Rrs为同步数据，为官网上下载的L1B一级影像数据；
所述的使用ENVI软件中的FLAASH模块实现GOCI L1B数据的FLAASH大气校正，具体如下：
第一步，在ENVI中输入BIL或者是BIP格式的GOCI L1B数据；
第二步，打开FLAASH模块，输入GOCI传感器各个波段的中心波长和半峰全宽等参数；
第三步，继续输入大气参数，包括大气能见度和气溶胶类型；
第四步，根据GOCI的光谱响应函数制作光谱响应函数光谱库文件；
第五步，输入光谱响应函数光谱库文件，运行FLAASH模块，生成遥感反射率数据；
步骤(3)、根据实测PAHs浓度和TSM浓度定量关系进行定量分析，构建TSM定量表征颗粒态PAHs浓度的算法模型见公式(2)：
PAHs＝417.8017×e(-0.0067×TSM) (2)
颗粒态PAHs浓度与TSM浓度具有一定的负相关性，随着TSM浓度的升高，悬浮颗粒物对PAHs的吸附能力降低，颗粒态PAHs浓度呈指数降低趋势。
步骤(4)、根据Rrs的实测数据，以及TSM浓度的实测数据，建立TSM浓度与Rrs的相关性模型：
选取地球静止海洋水色成像仪GOCI的波段设置，计算不同波段遥感反射率和TSM浓度的相关系数，识别出对TSM变化敏感的波段，确定敏感波段为745nm和490nm，建立745nm和490nm波段实测遥感反射率比值，使得遥感反射率比值与实测TSM浓度的相关性最高。TSM浓度与Rrs的相关性模型具体见公式(3)：
所述的模型基于745nm和490nm波段实测遥感反射率比值法构建，R为0.96，拟合效果良好。
步骤(5)、根据步骤(4)中TSM浓度与Rrs的相关性模型，结合步骤(2)FLAASH大气校正后得到的Rrs数据，在ENVI中使用波段运算，从而获取GOCI的TSM遥感产品；
步骤(6)、根据步骤(3)TSM定量表征颗粒态PAHs浓度的算法模型，结合步骤(5)GOCI的TSM遥感产品，在ENVI中使用波段运算，从而获得GOCI的PAHs浓度分布情况。
本发明有益效果如下：
本发明能够实现使用遥感手段监测近海水域PAHs的污染状况，可以大面积、高频次地监测海洋污染物的分布特征，提出基于实测数据分析的海域表层水体悬浮颗粒物中PAHs的遥感模型，并应用到GOCI卫星数据，借助海洋水体中相对成熟的水色参数TSM遥感反演技术，从而实现海洋环境中PAHs大面积、高频次的遥感监测。
本发明有利于提高包括PAHs在内的海洋环境污染物监测技术水平，通过技术推广、实际应用示范，将卫星遥感等空间信息技术应用服务更好地纳入到浙江设环境保护监测的决策链中。对于减少、消除和预防海洋持久性有机污染物带来的健康及环境风险，维系人类健康繁衍和维护生态环境安全，促进可持续发展，建立和谐社会具有重要理论意义和实际应用价值。该发明在海洋污染物、海洋生态监测等行业具有较高的推广价值和应用前景。
附图说明
图1为本发明流程图。
图2为泛杭州湾海域表层水体中TSM与颗粒态PAHs相关关系模型。
图3为2015年5月5日泛杭州湾海域TSM浓度卫星遥感反演结果；其中编号00，01，02，03，04，05，06，07与GOCI数据编号一致，分别为对应GOCI传感器成像时间8:30，9:30，10:30，11:30，12:30，13:30，14:30，15:30的影像结果。
图4为2015年5月7日泛杭州湾海域TSM浓度卫星遥感反演结果；其中编号00，01，02，03，04，05，06，07与GOCI数据编号一致，分别为对应GOCI传感器成像时间8:30，9:30，10:30，11:30，12:30，13:30，14:30，15:30的影像结果。
图5为2015年5月5日泛杭州湾海域表层水体颗粒态PAHs浓度分布；其中编号00，01，02，03，04，05，06，07与GOCI数据编号一致，分别为对应GOCI传感器成像时间8:30，9:30，10:30，11:30，12:30，13:30，14:30，15:30的影像结果。
图6为2015年5月7日泛杭州湾海域表层水体颗粒态PAHs浓度分布；其中编号00，01，02，03，04，05，06，07与GOCI数据编号一致，分别为对应GOCI传感器成像时间8:30，9:30，10:30，11:30，12:30，13:30，14:30，15:30的影像结果。
具体实施方式
下面结合附图对本发明作进一步的说明。
参照图1，一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法，所述方法包括以下步骤：
步骤(1)、对泛杭州湾海域(包括杭州湾湾内水域和舟山群岛邻近海域)提取水色参数TSM浓度的实测数据、水域表层水体悬浮颗粒物中PAHs浓度的实测数据；同时获取表层水体遥感反射率Rrs的实测数据；
所述的TSM浓度采用重量法测量，为现有成熟技术，按照海洋监测规范(GB17378-2007)进行；即通过现场采集水样并过滤，将滤膜带回实验室后采用重量法进行测量。
所述的PAHs浓度采用气相色谱法测量，为现有成熟技术，按照海洋监测规范(GB17378-2007)进行；即通过现场采集水样并过滤，将滤膜带回实验室后使用固相萃取进行预处理后采用气相色谱法进行测量。
所述的PAHs浓度为US EPA选定的多环芳烃中16种优先控制物质总浓度，16种多环芳烃分别为萘(Nap)、苊烯(Acy)、二氢苊(Ace)、芴(Flu)、菲(Phe)、蒽(Ant)、荧蒽(Flua)、芘(Pyr)、苯并[a]蒽(BaA)、(Chr)、苯并[b]荧蒽(BbF)、苯并[k]荧蒽(BkF)、苯并[a]芘(BaP)、茚并[1,2,3-cd]芘(InP)、二苯并[a,h]蒽(DbA)、苯并[g,h,i]苝(BgP)。
所述的表层水体遥感反射率Rrs是采用ASD手持式光谱仪水面以上测量法获取；
所述的表层水体遥感反射率Rrs是采用ASD手持式光谱仪水面以上测量法获取，通过ASD手持式光谱仪分别测量水体、天空、灰板的光谱曲线，遥感反射率由公式(1)计算所得；
其中，Lsw为海水表面辐亮度，仪器测量水体所得；Lsky为天空漫散射光，仪器测量天空获得；r为菲涅尔反射率，即气-水界面对天空光的反射率，受到太阳位置、观测几何、风速风向以及海面粗糙度等因素的影响，取值0.028；Lp为标准灰板反射信号，由仪器对准灰板测量所得；ρp为标准板的反射率，有实验室校正所得。
步骤(2)、根据现有成熟的地球静止海洋水色成像仪GOCI，获取泛杭州湾海域同步GOCIL1B遥感数据；使用ENVI软件中的FLAASH模块对GOCI L1B数据的进行FLAASH大气校正，从而消除大气、光照等因素对地物反射的影响，从影像中还原出地物的地表反射率、辐射率和地表温度等真实物理模型参数。
所述的GOCI L1B遥感数据与TSM浓度、PAHs浓度、Rrs为同步数据，为官网上下载的L1B一级影像数据；
所述的使用ENVI软件中的FLAASH模块实现GOCI L1B数据的FLAASH大气校正，具体如下：
第一步，在ENVI中输入BIL或者是BIP格式的GOCI L1B数据；
第二步，打开FLAASH模块，输入GOCI传感器各个波段的中心波长和半峰全宽等参数；
第三步，继续输入大气参数，包括大气能见度和气溶胶类型；
第四步，根据GOCI的光谱响应函数制作光谱响应函数光谱库文件；
第五步，输入光谱响应函数光谱库文件，运行FLAASH模块，生成遥感反射率数据；
步骤(3)、根据实测PAHs浓度和TSM浓度定量关系进行定量分析，构建TSM定量表征颗粒态PAHs浓度的算法模型见公式(2)：
PAHs＝417.8017×e(-0.0067×TSM) (2)
如图2所示，颗粒态PAHs浓度与TSM浓度具有一定的负相关性，随着TSM浓度的升高，悬浮颗粒物对PAHs的吸附能力降低，颗粒态PAHs浓度呈指数降低趋势，模型R2为0.67。
步骤(4)、根据Rrs的实测数据，以及TSM浓度的实测数据，建立TSM浓度与Rrs的相关性模型：
选取地球静止海洋水色成像仪GOCI的波段设置，计算不同波段遥感反射率和TSM浓度的相关系数，识别出对TSM变化敏感的波段，确定敏感波段为745nm和490nm，选定745nm和490nm实测遥感反射率比值，使得与实测TSM浓度的相关性最高，TSM浓度与745nm和490nm波段组合的Rrs定量模型具体见公式(3)：
基于745nm和490nm波段实测遥感反射率比值的TSM遥感模型R为0.96，反演效果较好。
步骤(5)、根据步骤(4)中TSM浓度与Rrs的相关性模型，结合步骤(2)FLAASH大气校正后得到的Rrs数据，在ENVI中使用波段运算，从而获取GOCI的TSM遥感产品，泛杭州湾海域TSM遥感产品为图3-4，结果显示TSM分布特征具有时空差异，空间分布上，TSM高值区集中于杭州湾水域；时间变化上看，早上TSM浓度较低，随后逐渐增加，中午浓度最高，下午缓慢降低，但是仍高于早上。
步骤(6)、根据步骤(3)TSM定量表征颗粒态PAHs浓度的算法模型，结合步骤(5)GOCI的TSM遥感产品，从而获得GOCI的PAHs浓度分布情况(见图5、6)，反演颗粒态PAHs分布特征结果与实测PAHs基本一致，反演效果良好，长江口入海口外和舟山市附近颗粒态PAHs含量较高，杭州湾内含量较低，实现了泛杭州湾海域PAHs大面积、高频率的遥感监测。
Claims (5)
1.一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法，其特征在于该方法包括以下步骤：
步骤(1)、对待监测河口海湾区域提取水色参数TSM浓度的实测数据、水域表层水体悬浮颗粒物中PAHs浓度的实测数据；同时获取表层水体遥感反射率Rrs的实测数据；
步骤(2)、根据地球静止海洋水色成像仪GOCI，获取GOCI同步L1B遥感数据；使用ENVI软件中的FLAASH模块对GOCI L1B数据进行FLAASH大气校正，从而消除大气、光照因素对地物反射的影响，从影像中还原出地物的地表反射率、辐射率和地表温度真实物理模型参数；
步骤(3)、根据实测PAHs浓度和TSM浓度定量关系进行定量分析，构建TSM定量表征颗粒态PAHs浓度的算法模型见公式(2)：
PAHs＝417.8017×e(-0.0067×TSM) (2)
步骤(4)、根据Rrs的实测数据，以及TSM浓度的实测数据，建立TSM浓度与Rrs的相关性模型：
选取地球静止海洋水色成像仪GOCI的波段设置，计算不同波段遥感反射率和TSM浓度的相关系数，识别出对TSM变化敏感的波段，确定敏感波段为745nm和490nm，建立745nm和490nm波段实测遥感反射率比值，使得遥感反射率比值与实测TSM浓度的相关性最高；TSM浓度与Rrs的相关性模型具体见公式(3)：
步骤(5)、根据步骤(4)中TSM浓度与Rrs的相关性模型，结合步骤(2)FLAASH大气校正后得到的Rrs数据，在ENVI中使用波段运算，从而获取GOCI的TSM遥感产品；
步骤(6)、根据步骤(3)TSM定量表征颗粒态PAHs浓度的算法模型，结合步骤(5)GOCI的TSM遥感产品，在ENVI中使用波段运算，从而获得GOCI的PAHs浓度分布情况。
2.如权利要求1所述的一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法，其特征在于所述的PAHs浓度为US EPA选定的多环芳烃中16种优先控制物质总浓度，16种多环芳烃分别为萘(Nap)、苊烯(Acy)、二氢苊(Ace)、芴(Flu)、菲(Phe)、蒽(Ant)、荧蒽(Flua)、芘(Pyr)、苯并[a]蒽(BaA)、(Chr)、苯并[b]荧蒽(BbF)、苯并[k]荧蒽(BkF)、苯并[a]芘(BaP)、茚并[1,2,3-cd]芘(InP)、二苯并[a,h]蒽(DbA)、苯并[g,h,i]苝(BgP)。
3.如权利要求1所述的一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法，其特征在于步骤(1)所述的表层水体遥感反射率Rrs由公式(1)计算所得：
其中，Lsw为海水表面辐亮度，Lsky为天空漫散射光，r为菲涅尔反射率，Lp为标准灰板反射信号，ρp为标准板的反射率。
4.如权利要求1所述的一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法，其特征在于步骤(2)所述的GOCI L1B遥感数据与TSM浓度、PAHs浓度、Rrs为同步数据。
5.如权利要求1所述的一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法，其特征在于步骤(2)所述的使用ENVI软件中的FLAASH模块实现GOCI L1B数据的FLAASH大气校正，具体如下：
第一步，在ENVI中输入BIL或者是BIP格式的GOCI L1B数据；
第二步，打开FLAASH模块，输入GOCI传感器各个波段的中心波长和半峰全宽参数；
第三步，继续输入大气参数，包括大气能见度和气溶胶类型；
第四步，根据GOCI的光谱响应函数制作光谱响应函数光谱库文件；
第五步，输入光谱响应函数光谱库文件，运行FLAASH模块，生成遥感反射率数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710353927.7A CN107219171B (zh) | 2017-05-18 | 2017-05-18 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710353927.7A CN107219171B (zh) | 2017-05-18 | 2017-05-18 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107219171A CN107219171A (zh) | 2017-09-29 |
| CN107219171B true CN107219171B (zh) | 2019-09-17 |
Family
ID=59944258
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710353927.7A Active CN107219171B (zh) | 2017-05-18 | 2017-05-18 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107219171B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109581372B (zh) * | 2018-12-10 | 2021-01-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
| CN109621599B (zh) * | 2018-12-29 | 2023-09-22 | 佛山市云米电器科技有限公司 | 一种具有油烟催化降解功能的油烟机及油烟催化降解方法 |
| CN109621595B (zh) * | 2018-12-29 | 2023-09-22 | 佛山市云米电器科技有限公司 | 根据厨房油烟成分的除油喷雾系统及油烟除油喷雾方法 |
| CN110274858B (zh) * | 2019-07-15 | 2021-08-31 | 南京吉泽信息科技有限公司 | 利用goci数据估算湖泊悬浮泥沙浓度的遥感方法 |
| CN116912704A (zh) * | 2023-06-02 | 2023-10-20 | 生态环境部环境规划院 | 一种基于遥感及地面核查技术的地表水磷污染物溯源方法 |
| CN117274819B (zh) * | 2023-11-17 | 2024-02-23 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 用于多类型海域智能化监测的遥感信息提取系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101122588A (zh) * | 2007-09-13 | 2008-02-13 | 复旦大学 | 一种测定污泥中多环芳烃的方法 |
| CN103020478A (zh) * | 2012-12-28 | 2013-04-03 | 杭州师范大学 | 一种海洋水色遥感产品真实性检验的方法 |
| CN106092929A (zh) * | 2016-06-07 | 2016-11-09 | 同济大学 | 富营养化水库表层水体藻类分布Landsat遥感监测方法 |
| CN106126826A (zh) * | 2016-06-27 | 2016-11-16 | 中国科学院南京地理与湖泊研究所 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
-
2017
- 2017-05-18 CN CN201710353927.7A patent/CN107219171B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101122588A (zh) * | 2007-09-13 | 2008-02-13 | 复旦大学 | 一种测定污泥中多环芳烃的方法 |
| CN103020478A (zh) * | 2012-12-28 | 2013-04-03 | 杭州师范大学 | 一种海洋水色遥感产品真实性检验的方法 |
| CN106092929A (zh) * | 2016-06-07 | 2016-11-09 | 同济大学 | 富营养化水库表层水体藻类分布Landsat遥感监测方法 |
| CN106126826A (zh) * | 2016-06-27 | 2016-11-16 | 中国科学院南京地理与湖泊研究所 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
Non-Patent Citations (3)
| Title |
|---|
| Ⅱ类水体悬浮泥沙遥感监测技术综述;庞毓雯等;《杭州师范大学学报（自然科学版）》;20160131;第15卷(第1期);第108-112页 |
| Distribution and sources of polycyclic aromatic hydrocarbons in surface sediments from the Bering Sea and western Arctic Ocean;Mengwei Zhao et al.;《Marine Pollution Bulletin》;20160121;第104卷;第379-385页 |
| 泛杭州湾海域沉积物中多环芳烃分布及源解析;胡小萌等;《海洋环境科学》;20170228;第36卷(第1期);第107-113页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107219171A (zh) | 2017-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107219171B (zh) | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 | |
| CN107044985B (zh) | 一种表层海水中多环芳烃的遥感监测方法 | |
| Goldberg et al. | TROPOMI NO2 in the United States: A detailed look at the annual averages, weekly cycles, effects of temperature, and correlation with surface NO2 concentrations | |
| He et al. | Using geostationary satellite ocean color data to map the diurnal dynamics of suspended particulate matter in coastal waters | |
| Chu et al. | Spatio-temporal water quality mapping from satellite images using geographically and temporally weighted regression | |
| Ding et al. | Towards an orbital time scale for Chinese loess deposits | |
| Ahn et al. | Detecting the red tide algal blooms from satellite ocean color observations in optically complex Northeast-Asia Coastal waters | |
| Westberry et al. | Spatial and temporal distribution of Trichodesmium blooms in the world's oceans | |
| Zhou et al. | Characterization of oil components from the Deepwater Horizon oil spill in the Gulf of Mexico using fluorescence EEM and PARAFAC techniques | |
| Carr et al. | Seasonal and spatial variability in the optical characteristics of DOM in a temperate shelf sea | |
| Sepp et al. | Do organic matter metrics included in lake surveillance monitoring in Europe provide a broad picture of brownification and enrichment with oxygen consuming substances? | |
| Braga et al. | COVID-19 lockdown effects on a coastal marine environment: Disentangling perception versus reality | |
| Boyer et al. | A full year of aerosol size distribution data from the central Arctic under an extreme positive Arctic Oscillation: insights from the Multidisciplinary drifting Observatory for the Study of Arctic Climate (MOSAiC) expedition | |
| El Meknassi et al. | Seawater 87Sr/86Sr ratios along continental margins: Patterns and processes in open and restricted shelf domains | |
| Ferrari et al. | Geo-chemical and optical characterizations of suspended matter in European coastal waters | |
| Gomes et al. | Cyclostratigraphic analysis of the early Cretaceous laminated limestones of the Araripe Basin, NE Brazil: Estimating sedimentary depositional rates | |
| Gons et al. | Optical teledetection of the vertical attenuation coefficient for downward quantum irradiance of photosynthetically available radiation in turbid inland waters | |
| Zhang et al. | Absorption features of chromophoric dissolved organic matter (CDOM) and tracing implication for dissolved organic carbon (DOC) in Changjiang Estuary, China | |
| De Cauwer et al. | Optical remote sensing in support of eutrophication monitoring in the southern North Sea. | |
| Cristina et al. | Assessment of water-leaving reflectances of oceanic and coastal waters using MERIS satellite products off the southwest coast of Portugal | |
| Mohammadpour et al. | Interference of CDOM in remote sensing of suspended particulate matter (SPM) based on MODIS in the Persian Gulf and Oman Sea | |
| Miller et al. | MONITORING SUSPENDED PARTICULATE MATTER IN PUERTO RICO: FIELD MEASUREMENTS AND REMOTE SENSING 1 | |
| Uitz et al. | Characterization of Bio‐Optical Anomalies in the Kerguelen Region, Southern Indian Ocean: A Study Based on Shipborne Sampling and BioGeoChemical‐Argo Profiling Floats | |
| Niu et al. | Distribution and source assessment of polycyclic aromatic hydrocarbons levels from Lake IJssel (the Netherlands) and their responses to hydrology | |
| Fearns et al. | The Hillarys Transect (3): Optical and chlorophyll relationships across the continental shelf off Perth |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |