CN108088805B - 富营养化湖泊真光层内藻总量卫星遥感监测方法 - Google Patents

富营养化湖泊真光层内藻总量卫星遥感监测方法 Download PDF

Info

Publication number
CN108088805B
CN108088805B CN201711349507.8A CN201711349507A CN108088805B CN 108088805 B CN108088805 B CN 108088805B CN 201711349507 A CN201711349507 A CN 201711349507A CN 108088805 B CN108088805 B CN 108088805B
Authority
CN
China
Prior art keywords
algae
ebi
data
total amount
rrs
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
Application number
CN201711349507.8A
Other languages
English (en)
Other versions
CN108088805A (zh
Inventor
张玉超
胡旻琪
马荣华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Institute of Geography and Limnology of CAS
Original Assignee
Nanjing Institute of Geography and Limnology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Institute of Geography and Limnology of CAS filed Critical Nanjing Institute of Geography and Limnology of CAS
Priority to CN201711349507.8A priority Critical patent/CN108088805B/zh
Publication of CN108088805A publication Critical patent/CN108088805A/zh
Application granted granted Critical
Publication of CN108088805B publication Critical patent/CN108088805B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • 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
    • 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
    • G01N2021/1795—Atmospheric mapping of gases
    • 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
    • G01N2021/1797—Remote sensing in landscape, e.g. crops

Landscapes

  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Cultivation Of Seaweed (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种富营养化湖泊真光层内藻总量卫星遥感监测方法，包括：基于野外实测固有光学数据，通过辐射传输模拟，结合真光层内藻类不同垂向分布类型下水体Rrs光谱特点，以及MODIS、MERIS、OLCI卫星数据的波段特征，构建基于Rrs数据的水体真光层内藻总量指数EBIRrs，再结合大气辐射传输模拟，将基于Rrs数据的EBI模型推广至卫星数据Rrc上，实现富营养化湖泊真光层内藻总量的卫星遥感监测。基于该方法，可准确获取富营养化湖泊真光层内藻总量的年际、月际变化规律及其空间分布。

Description

富营养化湖泊真光层内藻总量卫星遥感监测方法
技术领域
本发明涉及遥感技术领域，尤其涉及大型富营养化湖泊真光层内藻总量卫星遥感监测方法。
背景技术
遥感技术提供了快速大范围监测蓝藻的可能。蓝藻水华爆发，水体中叶绿素含量显著升高，导致水体光谱特征发生变化，通常蓝藻覆盖区域光谱特征与无藻湖面有较为明显的差异。湖泊水色遥感可以利用多种性在传感器探测以及反演内陆水体叶绿素等水色要素参数。因此，可以利用卫星遥感数据监测蓝藻水华。目前MODIS、CBERS-1、TM、ETM以及IRS-P6、LISS-3等遥感数据已经广泛用于蓝藻水华监测(段洪涛，2008)。
目前，相关学者们已经研发了多种估算湖泊表层水体藻类含量的方法(马荣华等，2010)。事实上，遥感监测藻华的面积会在短时间内产生很大的变化。同时，外界水动力或环境因子的变化改变了藻类的垂向分布结构，从而引起表面上看似的短时间内藻华突然暴发或消失(Beaver et al.,2013；Blottière et al.,2013；Ndong et al.,2014)。因此，藻类垂向结构的变化使得只监测水表面藻华不能反映整个水体的富营养化状况，同时也影响水体光学参数遥感反演的精度(Stramska and Stramski,2005)和色素生物量的估计(Silulwane et al.,2010)。
遥感探测到的信号不仅包括水体表层的信息，还反映了一定深度内水下光场的结构，遥感反射比对真光层内的水体光学组分的垂向非均匀分布具有响应(薛坤，2016)。与藻类垂向均一分布相比，藻类垂向非均匀分布影响了遥感反射比的大小及光谱形状(Kutseret al.,2008)，因此，开展真光层内藻总量的计算成为遥感估算整个水柱内藻总量的基础。
目前的藻总量估算方法以经验性算法为主，除利用表层叶绿素浓度进行藻总量的估算方法精度有待提高外，对于“表层”的深度定义还需进一步明确。对于富营养化湖泊而言，构建基于遥感反射比的真光层内藻总量估算模型，利用卫星遥感手段反演巢湖蓝藻总量，不仅能掌握巢湖藻总量的变化与时空分布信息，更能较好的反映整个湖泊的富营养化状况，为湖泊蓝藻水华生态灾害监测和预警提供重要的技术支撑。
发明内容
本发明的目的在于，通过构建水体真光层内藻总量指数EBI(EuphoticzoneBiomass Index)，提供了一种富营养化湖泊真光层内藻总量卫星遥感监测方法。
为实现上述技术目的，本发明采用如下技术方案：
包括：基于野外实测固有光学数据，通过辐射传输模拟，结合真光层内藻类不同垂向分布类型下水体Rrs光谱特点，以及MODIS(moderate-resolution imagingspectroradiometer)、MERIS(medium-resolution imaging spectromete)、OLCI(oceanand land colour instrument)卫星数据的波段特征，构建基于Rrs数据的水体真光层内藻总量指数EBIRrs，再结合大气辐射传输模拟，将基于Rrs数据的EBI模型推广至卫星数据Rrc上，实现富营养化湖泊真光层内藻总量的卫星遥感监测。基于该方法，可准确获取富营养化湖泊真光层内藻总量的年际、月际变化规律及其空间分布。
本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。
为达成上述目的，本发明所采用的技术方案如下：
一种富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述方法包括以下步骤：
1)构建基于Rrs数据真光层内藻总量估算指数(EBIRrs)；
其中所述基于Rrs数据真光层内藻总量估算指数(EBIRrs)是基于水体中浮游藻类不同垂向分布类型条件下的光谱响应特征，以蓝光与红光波段为基线，选择藻蓝蛋白标志性波段620nm的差值表达形式获取，将该EBIRrs指数作为估算真光层内藻总量的基本指数；
2)在生物光学模型模拟的基础上，获取真光层内藻总量与EBIRrs间的定量关系；
在生物光学模型的基础上，结合实测数据，进行藻华和非藻华条件下藻类不同垂向分布下水体辐射传输模拟，基于该模拟数据计算真光层深度计算，并结合MODIS、MERIS以及OLCI的波段响应函数，确定三种卫星模拟数据的EBIRrs与真光层内藻总量的定量关系；
3)构建基于卫星Rrc数据的真光层内藻总量估算指数(EBIRrc)；
基于卫星Rrc数据计算真光层内藻总量估算指数(EBIRrc)，模拟在不同气溶胶类型及厚度、不同太阳高度角、卫星观测角以及方位角情况下，获取基于Rrs数据的EBIRrs与模拟的瑞利散射矫正后Rcs数据的EBIRrc之间的定量关系；
4)基于卫星Rrc数据真光层内藻总量的遥感估算模型；
将基于Rrs光谱数据的真光层内藻总量估算方法应用至经过瑞利散射矫正的Rrc数据，从而获取到湖泊全水域真光层内藻总量及其空间分布，在对多幅时间序列的卫星影像处理后即可获取富营养化湖泊真光层内藻总量的年际、月际变化规律及其空间分布。
作为本发明的进一步改进，所述步骤1)中，基于水体中浮游藻类不同垂向分布类型条件下的光谱Rrs数据，是在湖泊固有光学数据的基础上，设置不同的藻类垂向分布，利用Hydrolight进行辐射传输模拟获得。
作为本发明的进一步改进，所述步骤1)中，基于Rrs数据真光层内藻总量估算指数(EBIRrs)表达形式为：
EBIRrs＝BI1-BI2
Figure BDA0001509952690000031
Figure BDA0001509952690000032
其中，BI1指以443nm和682nm为基线，620nm处差值的指数，BI2指以443nm和667nm为基线，620nm处差值的指数，Rrsλ指波长λ时的Rrs值。
所述步骤2)中，基于模拟卫星数据构建的EBIRrs公式如下：
EBIRrs(MODIS)＝BI1-BI2
Figure BDA0001509952690000033
Figure BDA0001509952690000034
EBIRrs(MERIS)＝BI1-BI2
Figure BDA0001509952690000035
Figure BDA0001509952690000036
EBIRrs(OLCI)＝BI1-BI2
Figure BDA0001509952690000037
Figure BDA0001509952690000038
式中的EBIRrs(MODIS)、EBIRrs(MERIS)、EBIRrs(OLCI)分别指MODIS、MERIS、OLCI模拟波段数据Rrs的真光层内藻总量估算指数；B1-B10指不同遥感影像的应用波段；Rrs，λ为模拟MODIS、MERIS、OLCI卫星波段数据的遥感反射比。应用于MODIS模拟数据的波段是B1＝645nm，B2＝859nm，B3＝469nm，B4＝555nm；应用于MERIS模拟数据的波段是B2＝443nm，B6＝620nm，B7＝665nm，B8＝682nm；应用于OLCI模拟数据的波段是B3＝443nm，B7＝620nm，B8＝665nm，B10＝681nm。
所述步骤2)中，获取真光层内藻总量与EBIRrs间的定量关系如下：
MODIS影像：
藻华条件：Beu＝-5285.5*EBIRrs(MODIS)+99.093
非藻华条件：Beu＝0.4598*EBIRrs(MODIS)-0.973
MERIS影像：
藻华条件：Beu＝-23510*EBIRrs(MERIS)+109.39
非藻华条件：Beu＝0.0136*EBIRrs(MERIS)-1.343
OLCI影像：
藻华条件：Beu＝-23985*EBIRrs(OLCI)+103.5
非藻华条件：Beu＝0.0144*EBIRrs(OLCI)-1.319 (3)
式中，Beu指真光层内藻总量。
所述步骤3)中，基于Rrc数据，结合MODIS、MERIS和OLCI卫星数据的波段设置，真光层内藻总量估算指数(EBIRrc)表达形式为：
EBIRrc(MODIS)＝BI1-BI2
Figure BDA0001509952690000041
Figure BDA0001509952690000042
EBIRrc(MERIS)＝BI1-BI2
Figure BDA0001509952690000043
Figure BDA0001509952690000044
EBIRrc(OLCI)＝BI1-BI2
Figure BDA0001509952690000045
Figure BDA0001509952690000046
式中的EBIRrc(MODIS)、EBIRrc(MERIS)、EBIRrc(OLCI)分别指MODIS、MERIS、OLCI影像真光层内藻总量估算指数；Rrc，λ为MODIS、MERIS、OLCI卫星数据经过瑞利散射校正后获得的水体遥感反射比；B1-B10指不同遥感影像的应用波段；应用于MODIS影像的波段是B3＝469nm，B4＝555nm，B1＝645nm，B2＝859nm；应用于MERIS影像的波段是B2＝443nm，B6＝620nm，B7＝665nm，B8＝682nm；应用于OLCI影像的波段是B3＝443nm，B7＝620nm，B8＝665nm，B10＝681nm。所述EBIRrc指数建立在MODIS、MERIS、OLCI卫星影像的辐射定标、几何纠正和大气瑞利散射校正的基础上。
作为本发明的进一步改进，所述步骤4)中，在已知真光层计算方法的前提下，具体如下：
4.1)获取遥感影像，进行影像预处理；
4.2)基于遥感影像获取Rrc数据，逐像元计算EBIRrc指数；
4.3)逐像元计算真光层深度Zeu，并判断藻华与非藻华条件；
4.4)基于当日水位数据和湖盆DEM数据，逐像元计算水深D；
4.5)若D>Zeu，依据Zeu逐像元计算真光层内藻总量；D≤Zeu，在依据Zeu逐像元计算真光层内藻总量的基础上，乘以D/Zeu。
根据前述流程，获取全湖的真光层内藻总量的空间分布情况。
由以上本发明的技术方案可知，本发明的一种富营养化湖泊真光层内藻总量卫星遥感监测方法，包括：基于野外实测固有光学数据，通过辐射传输模拟，结合真光层内藻类不同垂向分布类型下水体Rrs光谱特点，以及MODIS、MERIS、OLCI卫星数据的波段特征，构建基于Rrs数据的水体真光层内藻总量指数(EBIRrs)，再结合大气辐射传输模拟，将基于Rrs数据的EBI模型推广至卫星数据Rrc上，实现富营养化湖泊真光层内藻总量的卫星遥感监测。基于该方法，可准确获取富营养化湖泊真光层内藻总量的年际、月际变化规律及其空间分布。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示，为了清晰起见，在每个图中，并非每个组成部分均被标记，现在，将通过实施例并参考附图来描述本发明的各个方面的实施例，其中：
图1是基于模拟Rrs光谱数据条件下非藻华条件下真光层内藻总量与EBIRrs之间的定量关系；
图2是基于模拟Rrs光谱数据条件下藻华条件下真光层内藻总量与EBIRrs之间的定量关系；
图3是不同气溶胶类型及其厚度，不同太阳高度角、卫星观测角以及方位角条件下EBIRrs与EBIRrc的定量关系；
图4是基于MODIS卫星数据，真光层内藻总量遥感监测的应用示意图；
前述图示1-4中，作为英文形式表达的各坐标、标识或其他表示，均为本领域所公知的，并不在本例中再做赘述。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是应为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
本实施例以巢湖为例，对本发明的方法作进一步描述。
本发明提供一种富营养化湖泊真光层内藻总量卫星遥感监测方法，上述目的是这样实现的：构建基于Rrs数据真光层内藻总量估算指数(EBIRrs)；
在生物光学模型模拟的基础上，综合卫星波段响应函数，构建基于模拟卫星数据的EBIRrs，获取真光层内藻总量与EBIRrs间的定量关系；
构建基于卫星Rrc数据的真光层内藻总量估算指数(EBIRrc)；
构建基于卫星Rrc数据真光层内藻总量的遥感估算模型。
作为示例性的描述，下面结合附图所示，对前述方法的实施进行具体说明。
步骤1、构建基于Rrs数据的真光层内藻总量估算指数(EBIRrs)；
基于Rrs数据的真光层内藻总量估算指数(EBIRrs)表达形式为：
EBIRrs＝BI1-BI2
Figure BDA0001509952690000061
Figure BDA0001509952690000062
其中，BI1指以443nm和682nm为基线，620nm处差值的指数，BI2指以443nm和667nm为基线，620nm处差值的指数，Rrsλ指波长λ时的Rrs值。
所述基于Rrs数据真光层内藻总量估算指数(EBIRrs)是指基于水体中浮游藻类不同垂向分布类型条件下的光谱响应特征，以蓝光与红光波段为基线，选择藻蓝蛋白标志性波段620nm的差值表达形式，并以该指数作为基于Rrs数据真光层内藻总量遥感监测基本指数；
步骤2、在生物光学模型模拟的基础上，获取真光层内藻总量与EBIRrs间的定量关系；
在生物光学模型的基础上，结合实测数据，进行藻华和非藻华条件下藻类不同垂向分布下水体辐射传输模拟，基于该模拟数据计算真光层深度，并结合MODIS、MERIS以及OLCI的波段响应函数，确定三种卫星模拟数据的EBIRrs与真光层内藻总量的定量关系；
基于模拟卫星数据构建的EBIRrs公式如下：
EBIRrs(MODIS)＝BI1-BI2
Figure BDA0001509952690000071
Figure BDA0001509952690000072
EBIRrs(MERIS)＝BI1-BI2
Figure BDA0001509952690000073
Figure BDA0001509952690000074
EBIRrs(OLCI)＝BI1-BI2
Figure BDA0001509952690000075
Figure BDA0001509952690000076
式中的EBIRrs(MODIS)、EBIRrs(MERIS)、EBIRrs(OLCI)分别指MODIS、MERIS、OLCI模拟波段数据Rrs的真光层内藻总量估算指数；B1-B10指不同遥感影像的应用波段；Rrs，λ为模拟MODIS、MERIS、OLCI卫星波段数据的遥感反射比。应用于MODIS模拟数据的波段是B1＝645nm，B2＝859nm，B3＝469nm，B4＝555nm；应用于MERIS模拟数据的波段是B2＝443nm，B6＝620nm，B7＝665nm，B8＝682nm；应用于OLCI模拟数据的波段是B3＝443nm，B7＝620nm，B8＝665nm，B10＝681nm。
真光层内藻总量与EBIRrs间的定量关系如下：
MODIS：
藻华条件：Beu＝-5285.5*EBIRrs(MODIS)+99.093
非藻华条件：Beu＝0.4598*EBIRrs(MODIS)-0.973
MERIS：
藻华条件：Beu＝-23510*EBIRrs(MERIS)+109.39
非藻华条件：Beu＝0.0136*EBIRrs(MERIS)-1.343
OLCI：
藻华条件：Beu＝-23985*EBIRrs(OLCI)+103.5
非藻华条件：Beu＝0.0144*EBIRrs(OLCI)-1.319 (3)
其中，Beu指真光层内藻总量。三种影像数据的藻华条件与非藻华条件的定量关系如图1、2所示。
步骤3、构建基于卫星Rrc数据的真光层内藻总量估算指数EBIRrc；
基于Rrc数据真光层内藻总量估算指数(EBIRrc)表达形式为：
EBIRrc(MODIS)＝BI1-BI2
Figure BDA0001509952690000081
Figure BDA0001509952690000082
EBIRrc(MERIS)＝BI1-BI2
Figure BDA0001509952690000083
Figure BDA0001509952690000084
EBIRrc(OLCI)＝BI1-BI2
Figure BDA0001509952690000085
Figure BDA0001509952690000086
式中的EBIRrc(MODIS)、EBIRrc(MERIS)、EBIRrc(OLCI)分别指MODIS、MERIS、OLCI影像真光层内藻总量估算指数；B1-B10指不同遥感影像的应用波段；Rrc，λ为MODIS、MERIS、OLCI卫星数据经过瑞利散射校正后获得的水体遥感反射比；所述EBIRrc指数建立在MODIS、MERIS、OLCI卫星影像的辐射定标、几何纠正和大气瑞利散射校正的基础上。应用于MODIS影像的波段是B1＝645nm，B2＝859nm，B3＝469nm，B4＝555nm；应用于MERIS影像的波段是B2＝443nm，B6＝620nm，B7＝665nm，B8＝682nm；应用于OLCI影像的波段是B3＝443nm，B7＝620nm，B8＝665nm，B10＝681nm。
本实施例中，MODIS、MERIS、OLCI影像仅瑞利散射矫正，也就是大气层顶的光学信息去除了瑞利散射的影响，依然包含着气溶胶信息以及地面信息。瑞利散射矫正过程如下(Hu et al.,2004)：
Figure BDA0001509952690000091
式中，
Figure BDA0001509952690000092
是校正臭氧和其他气体吸收效应后的传感器辐射率，F0是获取数据时的大气圈外太阳辐照度，θ0是太阳天顶角，Rr是采用6S(Vermote et al.,1997)预测的瑞利反射率。
基于辐射传输理论以及假定一个非耦合的海洋—大气系统，Rrc可以表达为：
Rrc＝Ra+t0tRtarget (6)
式中，Ra是气溶胶反射率(包括来自于气溶胶分子的相互作用)，Rtarget是野外实测目标的表面反射率，t0是从太阳到目标物的大气透射率，t是从目标物到卫星传感器的大气透射率。
步骤4、基于卫星Rrc数据获取真光层内藻总量的遥感估算模型；
①对获取的MODIS、MERIS、OLCI影像进行几何纠正和辐射定标计算。
几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正，校正后的位置精度达到0.5个像素。在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；
②MODIS影像中逐一像元计算其在B1(645nm)、B2(859nm)、B3(469nm)、B4(555nm)的Rrc值；MERIS影像中逐一像元计算其在B2(443nm)、B6(620nm)、B7(665nm)、B8(682nm)的Rrc值；OLCI影像中逐一像元计算其在B3(443nm)、B7(620nm)、B8(665nm)、B10(681nm)的Rrc值；
③根据公式(3)和公式(6)逐一像元计算EBIRrc值；
④逐像元逐一计算真光层深度；
⑤构建真光层内藻总量的反演模型，若D>Zeu，依据Zeu逐像元计算真光层内藻总量；若D≤Zeu，在依据Zeu逐像元计算真光层内藻总量的基础上，乘以D/Zeu；即可得到全湖的真光层内藻总量的空间分布情况。
采用上述方法构建遥感估算模型如下：
MODIS：
Figure BDA0001509952690000101
Figure BDA0001509952690000102
MERIS：
Figure BDA0001509952690000103
Figure BDA0001509952690000104
OLCI：
Figure BDA0001509952690000105
Figure BDA0001509952690000106
其中基于MODIS卫星数据的真光层内藻总量遥感监测图如图4所示。
基于前述步骤和方法，应用至经过瑞利散射矫正的MODIS、MERIS、OLCI卫星影像数据，基于前述的方法，在对多幅时间序列的卫星影像处理后获取富营养化湖泊真光层内藻总量的年际、月际变化规律及其空间分布。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述方法包括以下步骤：
1)构建基于Rrs数据的真光层内藻总量估算指数EBIRrs；
所述基于Rrs数据真光层内藻总量估算指数EBIRrs由基于水体中浮游藻类不同垂向分布类型条件下的光谱响应特征，以蓝光与红光波段为基线，选择藻蓝蛋白标志性波段620nm的差值表达形式获取，将该EBIRrs指数作为估算真光层内藻总量的基本指数；
2)在生物光学模型模拟的基础上，获取真光层内藻总量与EBIRrs间的定量关系；
在生物光学模型的基础上，结合实测数据，进行藻华和非藻华条件下藻类不同垂向分布下水体辐射传输模拟，基于模拟数据计算真光层深度，并结合MODIS、MERIS以及OLCI的波段响应函数，确定三种卫星模拟数据的EBIRrs与真光层内藻总量的定量关系；
3)构建基于卫星Rrc数据的真光层内藻总量估算指数EBIRrc；
基于卫星Rrc数据计算藻总量估算指数EBIRrc，模拟在不同气溶胶类型及厚度、不同太阳高度角、卫星观测角以及方位角情况下，获取基于Rrs数据的EBIRrs与模拟的瑞利散射矫正后Rrc数据的EBIRrc之间的定量关系；
4)基于卫星Rrc数据的真光层内藻总量的遥感估算模型；
将基于Rrs光谱数据的真光层内藻总量估算方法应用至经过瑞利散射矫正的Rrc数据，从而获取到湖泊全水域真光层内藻总量及其空间分布，在对多幅时间序列的卫星影像处理后获取富营养化湖泊真光层内藻总量的年际、月际变化规律及其空间分布。
2.根据权利要求1所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述步骤1)中，基于水体中浮游藻类不同垂向分布类型条件下的光谱Rrs数据，是在湖泊固有光学数据的基础上，设置不同的藻类垂向分布，利用Hydrolight进行辐射传输模拟获得。
3.根据权利要求1所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述步骤1)中，基于Rrs数据的真光层内藻总量估算指数EBIRrs表达形式为：
EBIRrs＝BI1-BI2
Figure FDA0002310952300000011
Figure FDA0002310952300000012
其中，BI1指以443nm和682nm为基线，620nm处差值的指数，BI2指以443nm和667nm为基线，620nm处差值的指数，Rrsλ指波长λ时的Rrs值。
4.根据权利要求1所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述步骤2)中，基于模拟卫星数据构建的EBIRrs公式如下：
EBIRrs(MODIS)＝BI1-BI2
Figure FDA0002310952300000021
Figure FDA0002310952300000022
EBIRrs(MERIS)＝BI1-BI2
Figure FDA0002310952300000023
Figure FDA0002310952300000024
EBIRrs(OLCI)＝BI1-BI2
Figure FDA0002310952300000025
Figure FDA0002310952300000026
式中的EBIRrs(MODIS)、EBIRrs(MERIS)、EBIRrs(OLCI)分别指MODIS、MERIS、OLCI模拟波段数据Rrs的真光层内藻总量估算指数；Rrsλ为模拟MODIS、MERIS、OLCI卫星波段数据的遥感反射比；应用于MODIS模拟数据的波段是B1＝645nm，B2＝859nm，B3＝469nm，B4＝555nm；应用于MERIS模拟数据的波段是B2＝443nm，B6＝620nm，B7＝665nm，B8＝682nm；应用于OLCI模拟数据的波段是B3＝443nm，B7＝620nm，B8＝665nm，B10＝681nm。
5.根据权利要求4所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，获取真光层内藻总量与EBIRrs间的定量关系如下：
MODIS影像：
藻华条件：Beu＝-5285.5*EBIRrs(MODIS)+99.093
非藻华条件：Beu＝0.4598*EBIRrs(MODIS)-0.973
MERIS影像：
藻华条件：Beu＝-23510*EBIRrs(MERIS)+109.39
非藻华条件：Beu＝0.0136*EBIRrs(MERIS)-1.343
OLCI影像：
藻华条件：Beu＝-23985*EBIRrs(OLCI)+103.5
非藻华条件：Beu＝0.0144*EBIRrs(OLCI)-1.319 (3)
式中，Beu指真光层内藻总量。
6.根据权利要求1所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述步骤3)中，基于Rrc数据，结合MODIS、MERIS和OLCI卫星数据的波段设置，真光层内藻总量估算指数EBIRrc表达形式为：
EBIRrc(MODIS)＝BI1-BI2
Figure FDA0002310952300000031
Figure FDA0002310952300000032
EBIRrc(MERIS)＝BI1-BI2
Figure FDA0002310952300000033
Figure FDA0002310952300000034
EBIRrc(OLCI)＝BI1-BI2
Figure FDA0002310952300000035
Figure FDA0002310952300000036
式中的EBIRrc(MODIS)、EBIRrc(MERIS)、EBIRrc(OLCI)分别指MODIS、MERIS、OLCI影像真光层内藻总量估算指数；Rrcλ为MODIS、MERIS、OLCI卫星数据经过瑞利散射校正后获得的水体遥感反射比；应用于MODIS影像的波段是B3＝469nm，B4＝555nm，B1＝645nm，B2＝859nm；应用于MERIS影像的波段是B2＝443nm，B6＝620nm，B7＝665nm，B8＝682nm；应用于OLCI影像的波段是B3＝443nm，B7＝620nm，B8＝665nm，B10＝681nm；所述EBIRrc指数建立在MODIS、MERIS、OLCI卫星影像的辐射定标、几何纠正和大气瑞利散射校正的基础上。
7.根据权利要求1或5所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述步骤3)中，气溶胶类型参照SeaDas的LUT的结果，气溶胶厚度参照待监测湖泊地区常年监测结果范围，观测角度则依据太阳、卫星和待监测湖泊的相对位置确定。
8.根据权利要求1所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述步骤4)中全湖的真光层内藻总量计算方法如下：
4.1)获取遥感影像，进行影像预处理；
4.2)基于遥感影像获取Rrc数据，逐像元计算EBIRrc指数；
4.3)逐像元计算真光层深度Zeu，并判断藻华与非藻华条件；
4.4)基于当日水位数据和湖盆DEM数据，逐像元计算水深D；
4.5)若D>Zeu，依据Zeu逐像元计算真光层内藻总量；D≤Zeu，在依据Zeu逐像元计算真光层内藻总量的基础上，乘以D/Zeu；
根据前述流程，获取全湖的真光层内藻总量的空间分布情况。
9.根据权利要求8所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，所述步骤4.1)中，对获取的影像进行几何纠正和辐射定标计算；几何纠正采用GeographicLat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响。
10.根据权利要求1或8所述的富营养化湖泊真光层内藻总量遥感监测方法，其特征在于，构建遥感估算模型如下：
MODIS影像：
藻华条件：
Figure FDA0002310952300000041
非藻华条件：
Figure FDA0002310952300000042
MERIS：
藻华条件：
Figure FDA0002310952300000043
非藻华条件：
Figure FDA0002310952300000044
OLCI：
藻华条件：
Figure FDA0002310952300000045
非藻华条件：
Figure FDA0002310952300000046
式中，Beu指真光层内藻总量。
CN201711349507.8A 2017-12-15 2017-12-15 富营养化湖泊真光层内藻总量卫星遥感监测方法 Active CN108088805B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711349507.8A CN108088805B (zh) 2017-12-15 2017-12-15 富营养化湖泊真光层内藻总量卫星遥感监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711349507.8A CN108088805B (zh) 2017-12-15 2017-12-15 富营养化湖泊真光层内藻总量卫星遥感监测方法

Publications (2)

Publication Number Publication Date
CN108088805A CN108088805A (zh) 2018-05-29
CN108088805B true CN108088805B (zh) 2020-04-03

Family

ID=62176474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711349507.8A Active CN108088805B (zh) 2017-12-15 2017-12-15 富营养化湖泊真光层内藻总量卫星遥感监测方法

Country Status (1)

Country Link
CN (1) CN108088805B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109323891A (zh) * 2018-09-30 2019-02-12 中国科学院东北地理与农业生态研究所 一种估算湖泊真光层深度的方法
CN110196239B (zh) * 2019-06-12 2020-09-29 中国科学院南京地理与湖泊研究所 浑浊水体浮游植物吸收系数光谱遥感反演方法
CN113640226B (zh) * 2021-08-12 2022-05-20 国家卫星海洋应用中心 绿潮空间覆盖率的反演方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374713A (zh) * 2014-12-03 2015-02-25 中国科学院南京地理与湖泊研究所 一种富营养化湖泊水体藻类垂向分布类型modis遥感监测方法
CN105203466A (zh) * 2015-09-17 2015-12-30 中国科学院南京地理与湖泊研究所 一种富营养化湖泊非藻华条件下藻类总存量遥感估算方法
CN105303030A (zh) * 2015-09-17 2016-02-03 中国科学院南京地理与湖泊研究所 一种富营养化湖泊藻类高斯垂向分布结构参数的modis遥感估算方法
CN105631904A (zh) * 2015-09-21 2016-06-01 中国科学院南京地理与湖泊研究所 一种富营养化湖泊藻类总存量遥感估算方法
CN106315856A (zh) * 2016-09-07 2017-01-11 中国科学院南京地理与湖泊研究所 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104374713A (zh) * 2014-12-03 2015-02-25 中国科学院南京地理与湖泊研究所 一种富营养化湖泊水体藻类垂向分布类型modis遥感监测方法
CN105203466A (zh) * 2015-09-17 2015-12-30 中国科学院南京地理与湖泊研究所 一种富营养化湖泊非藻华条件下藻类总存量遥感估算方法
CN105303030A (zh) * 2015-09-17 2016-02-03 中国科学院南京地理与湖泊研究所 一种富营养化湖泊藻类高斯垂向分布结构参数的modis遥感估算方法
CN105631904A (zh) * 2015-09-21 2016-06-01 中国科学院南京地理与湖泊研究所 一种富营养化湖泊藻类总存量遥感估算方法
CN106315856A (zh) * 2016-09-07 2017-01-11 中国科学院南京地理与湖泊研究所 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法

Also Published As

Publication number Publication date
CN108088805A (zh) 2018-05-29

Similar Documents

Publication Publication Date Title
CN108152289B (zh) 富营养化湖泊真光层外藻总量遥感间接监测方法
CN104820224B (zh) 富营养化湖泊水体叶绿素a的MODIS卫星高精度监测方法
CN105631904B (zh) 一种富营养化湖泊藻类总存量遥感估算方法
Pozdnyakov et al. Operational algorithm for the retrieval of water quality in the Great Lakes
CN102176001B (zh) 一种基于透水波段比值因子的水深反演方法
CN104390917B (zh) 一种富营养化湖泊水体叶绿素a 的MODIS卫星高精度监测方法
CN105203466B (zh) 一种富营养化湖泊非藻华条件下藻类总存量遥感估算方法
CN110749568B (zh) 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法
CN105303030B (zh) 一种富营养化湖泊藻类高斯垂向分布结构参数的modis遥感估算方法
CN104374713B (zh) 一种富营养化湖泊水体藻类垂向分布类型modis遥感监测方法
CN108088805B (zh) 富营养化湖泊真光层内藻总量卫星遥感监测方法
Loisel et al. Challenges and new advances in ocean color remote sensing of coastal waters
CN106053370A (zh) 一种基于hico模拟的反演近海岸水体透明度的方法
CN106814035A (zh) 漂浮海表的大型藻类覆盖度估算方法
Yin et al. Steady increase in water clarity in Jiaozhou Bay in the Yellow Sea from 2000 to 2018: Observations from MODIS
CN113763272B (zh) 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法
Kutser et al. Variations in colored dissolved organic matter between boreal lakes studied by satellite remote sensing
CN105445233B (zh) 华南沿海赤潮灾害应急监测与预警方法
Pahlevan et al. Integrating Landsat-7 imagery with physics-based models for quantitative mapping of coastal waters near river discharges
CN114781242A (zh) 富营养化湖泊真光层内藻总量遥感监测方法
CN105259145A (zh) 一种同时遥感岛礁水下地形和地物的方法
Pe'eri et al. Macroalgae and eelgrass mapping in Great Bay Estuary using AISA hyperspectral imagery
CN115615936B (zh) 基于多源卫星数据计算内陆水域最大叶绿素指数的方法
Peng et al. Inversion of Chlorophyll-a Concentrations in Chaohu Lake Based on GF-1 WFV Images
Syahreza et al. Remote sensing for mapping surface water quality in coastal area of Aceh, Indonesia: Sendimentation effects of the December 2004 tsunami

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