CN112232234B - 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 - Google Patents
基于遥感的内陆湖库蓝藻水华强度评价方法和装置 Download PDFInfo
- Publication number
- CN112232234B CN112232234B CN202011125934.XA CN202011125934A CN112232234B CN 112232234 B CN112232234 B CN 112232234B CN 202011125934 A CN202011125934 A CN 202011125934A CN 112232234 B CN112232234 B CN 112232234B
- Authority
- CN
- China
- Prior art keywords
- bloom
- index
- area
- cyanobacterial bloom
- cyanobacterial
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/188—Vegetation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于遥感的内陆湖库蓝藻水华强度评价方法和装置,属于水体污染监测领域。本发明通过遥感影像获取蓝藻水华的分布范围和蓝藻水华面积,并综合蓝藻水华面积占比、蓝藻水华暴发对于城镇的影响情况以及蓝藻水华暴发对于饮用水水源地取水口的影响情况对蓝藻水华强度进行评价,凸显了蓝藻水华暴发程度以及蓝藻水华暴发时对湖库周边人类活动区域与供水水源地取水口的影响的问题,为湖库水环境管理提供了科学的依据。
Description
技术领域
本发明涉及水体污染监测领域,特别是指一种基于遥感的内陆湖库蓝藻水华强度评价方法和装置。
背景技术
随着我国社会主义进程的发展与现代化、工业化进程的推进,目前我国的内陆湖库的污染问题越来越严重,富营养化问题日益凸显。蓝藻水华作为严重富营养化最明显的一个表征,在我国内陆湖库中普遍存在,蓝藻水华致使湖库水体变臭,影响湖库生态景观。此外,蓝藻水华产生的藻毒素通过食物链进入到生物和人体当中,还会威胁人类健康。
传统的地面蓝藻水华监测主要是实地进行水样的采集,带回实验室通过显微镜对水样中藻类的个数和形态进行观测和识别。受限于采样方式,该种方法对于小型湖库较为适用,对于大面积湖库较难普及使用。同时由于检测人员水平参差不齐,导致镜检法时所统计藻密度数量存在一定误差。遥感则具有大范围、快速、连续、可视、客观等特点,利用遥感技术对于大型内陆湖库蓝藻水华进行识别,可以较好的反映蓝藻水华的空间分布范围以及时空动态变化等。
现有技术中利用遥感对蓝藻水华的研究都是从遥感或地面的角度尝试分析评价湖库内蓝藻水华强度评价,但是都未评价蓝藻水华对于湖库周边人类活动区域的影响,也未凸显蓝藻水华暴发时对于供水水源地取水口的威胁。
发明内容
为解决上述技术问题,本发明提供一种基于遥感的内陆湖库蓝藻水华强度评价方法和装置,本发明凸显了蓝藻水华暴发程度以及蓝藻水华暴发时对湖库周边人类活动区域与供水水源地取水口的影响的问题,为湖库水环境管理提供了科学的依据。
本发明提供技术方案如下:
一种基于遥感的内陆湖库蓝藻水华强度评价方法,包括:
S1:获取覆盖湖库区域的遥感影像;
S2:对所述遥感影像进行预处理,得到遥感反射率影像,所述预处理包括几何校正、空间裁剪、辐射定标、表观反射率计算和大气校正;
S3:从所述遥感反射率影像上获取湖库区域的遥感反射率影像;
S4:采用归一化植被指数法,提取湖库区域的遥感反射率影像的归一化植被指数NDVI,得到归一化植被指数分布图,所述归一化植被指数通过如下公式得到:
其中NDVI为归一化植被指数,ρRed、ρNIR分别是红波段、近红外波段的遥感反射率;
S5:将归一化植被指数分布图的每个像元值与设定的阈值进行比较,若比较通过,则标记该像元为蓝藻水华像元;
S6:根据标记的所有蓝藻水华像元以及遥感影像的空间分辨率计算得到蓝藻水华的分布范围和蓝藻水华面积;
S7:根据蓝藻水华面积以及湖库区域的面积计算蓝藻水华面积占比,并根据所述蓝藻水华面积占比设置蓝藻水华面积指数;
S8:获取城镇土地利用类型分布图,并根据蓝藻水华的分布范围与周边城镇的距离、人类目视距离、蓝藻水华气味散逸漂浮距离和/或周边城镇的人类活动范围设置蓝藻水华对城镇影响指数;
S9:获取湖库区域内饮用水源地取水口分布位置,并根据蓝藻水华的分布范围与饮用水源地取水口的距离设置蓝藻水华对水源地影响指数;
S10:将所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数按照设定的加权系数进行加权求和,得到蓝藻水华强度指数,根据所述蓝藻水华强度指数对蓝藻水华强度进行评价。
进一步的,根据如下对应关系设置蓝藻水华面积指数p:
其中,P为蓝藻水华面积占比,p为蓝藻水华面积指数。
进一步的,根据如下对应关系设置蓝藻水华对城镇影响指数l1:
其中,L1为蓝藻水华的分布范围在下风向时对周边城镇的影响距离,ln(L1)=b*L+ln a,L为蓝藻水华分布范围与城镇的最近距离(km),a,b为根据风速设定的常数,l1为蓝藻水华对城镇影响指数。
进一步的,根据如下对应关系设置蓝藻水华对水源地影响指数l2:
其中,t为蓝藻水华扩散到饮用水源地取水口的时间,t=Min(L2i/(V*cosθi)),L2i为蓝藻水华与各个取水口i的直线距离,V为蓝藻水华的扩散速度,θi为蓝藻水华扩散方向与直线L2i的夹角,l2为蓝藻水华对水源地影响指数。
进一步的,所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数的加权系数通过层次分析法确定;
所述蓝藻水华强度指数Y通过如下公式计算得到:
Y=0.44p+0.17l1+0.39l2。
一种基于遥感的内陆湖库蓝藻水华强度评价装置,包括:
遥感影像获取模块,用于获取覆盖湖库区域的遥感影像;
预处理模块,用于对所述遥感影像进行预处理,得到遥感反射率影像,所述预处理包括几何校正、空间裁剪、辐射定标、表观反射率计算和大气校正;
湖库区域影像获取模块,用于从所述遥感反射率影像上获取湖库区域的遥感反射率影像;
归一化植被指数计算模块,用于采用归一化植被指数法,提取湖库区域的遥感反射率影像的归一化植被指数NDVI,得到归一化植被指数分布图,所述归一化植被指数通过如下公式得到:
其中NDVI为归一化植被指数,ρRed、ρNIR分别是红波段、近红外波段的遥感反射率;
比较模块,用于将归一化植被指数分布图的每个像元值与设定的阈值进行比较,若比较通过,则标记该像元为蓝藻水华像元;
蓝藻水华确定模块,用于根据标记的所有蓝藻水华像元以及遥感影像的空间分辨率计算得到蓝藻水华的分布范围和蓝藻水华面积;
蓝藻水华面积指数获取模块,用于根据蓝藻水华面积以及湖库区域的面积计算蓝藻水华面积占比,并根据所述蓝藻水华面积占比设置蓝藻水华面积指数;
蓝藻水华对城镇影响指数获取模块,用于获取城镇土地利用类型分布图,并根据蓝藻水华的分布范围与周边城镇的距离、人类目视距离、蓝藻水华气味散逸漂浮距离和/或周边城镇的人类活动范围设置蓝藻水华对城镇影响指数;
蓝藻水华对水源地影响指数获取模块,用于获取湖库区域内饮用水源地取水口分布位置,并根据蓝藻水华的分布范围与饮用水源地取水口的距离设置蓝藻水华对水源地影响指数;
蓝藻水华强度指数计算模块,用于将所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数按照设定的加权系数进行加权求和,得到蓝藻水华强度指数,根据所述蓝藻水华强度指数对蓝藻水华强度进行评价。
进一步的,根据如下对应关系设置蓝藻水华面积指数p:
其中,P为蓝藻水华面积占比,p为蓝藻水华面积指数。
进一步的,根据如下对应关系设置蓝藻水华对城镇影响指数l1:
其中,L1为蓝藻水华的分布范围在下风向时对周边城镇的影响距离,ln(L1)=b*L+ln a,L为蓝藻水华分布范围与城镇的最近距离(km),a,b为根据风速设定的常数,l1为蓝藻水华对城镇影响指数。
进一步的,根据如下对应关系设置蓝藻水华对水源地影响指数l2:
其中,t为蓝藻水华扩散到饮用水源地取水口的时间,t=Min(L2i/(V*cosθi)),L2i为蓝藻水华与各个取水口i的直线距离,V为蓝藻水华的扩散速度,θi为蓝藻水华扩散方向与直线L2i的夹角,l2为蓝藻水华对水源地影响指数。
进一步的,所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数的加权系数通过层次分析法确定;
所述蓝藻水华强度指数Y通过如下公式计算得到:
Y=0.44p+0.17l1+0.39l2。
本发明具有以下有益效果:
本发明通过遥感影像获取蓝藻水华的分布范围和蓝藻水华面积,并综合蓝藻水华面积占比、蓝藻水华暴发对于城镇的影响情况以及蓝藻水华暴发对于饮用水水源地取水口的影响情况对蓝藻水华强度进行评价,凸显了蓝藻水华暴发程度以及蓝藻水华暴发时对湖库周边人类活动区域与供水水源地取水口的影响的问题,为湖库水环境管理提供了科学的依据。
附图说明
图1为本发明的基于遥感的内陆湖库蓝藻水华强度评价方法流程图;
图2为本发明的基于遥感的内陆湖库蓝藻水华强度评价装置示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
实施例1:
本发明实施例提供一种基于遥感的内陆湖库蓝藻水华强度评价方法,如图1所示,该方法包括:
S1:获取覆盖湖库区域的遥感影像。
本步骤中,选取具有红光(630nm~690nm)和近红外(760nm~900nm)波段的卫星遥感影像数据。遥感影像的空间分辨率应取决于湖库区域的大小,湖库区域面积越小,空间分辨率要求越高。遥感影像数据至少覆盖湖库区域90%以上面积;在湖库区域内,云覆盖率小于50%。
S2:对遥感影像进行预处理,得到遥感反射率影像,预处理包括几何校正、空间裁剪、辐射定标、表观反射率计算和大气校正。
几何校正:遥感成像的时候,由于飞行器的姿态、高度、速度以及地球自转等因素的影响,造成图像相对于地面目标发生几何畸变,这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等,针对几何畸变进行的误差校正就叫几何校正。
进行几何校正时,基于参考影像或空间几何信息,开展影像几何精度校正和空间投影转换,精度控制在1个像元内。
空间裁剪:依据监测湖库区域的左上角和右下角经纬度,对所选取的遥感影像进行空间裁剪,范围要略大于湖库水体区域。
辐射定标:辐射定标根据遥感器的定标公式及各波段定标系数进行,辐射定标的公式为:
L=Gain*DN+Offset
其中,L为表观辐亮度,单位为W·m-2·sr-1·μm-1;
DN为遥感影像的数字灰度值;
Gain为绝对定标系数的增益量,单位为W·m-2·sr-1·μm-1;
Offset为绝对定标系数的偏移量,单位为W·m-2·sr-1·μm-1,空缺值为0。
表观反射率计算:根据辐射定标获得的各波段表观辐亮度,按照如下公式计算各波段的表观反射率:
其中,ρTOA为大气层顶表观反射率(无量纲);
D为实际日地距离与平均日地距离的比值;
F0为平均日地距离处的大气层顶太阳谱照度,单位为W·m-2·μm-1;
θs为太阳天顶角。
大气校正:可见光波段和近红外波段的卫星遥感大气校正主要针对大气分子散射、气溶胶散射及水汽吸收的影响。可采用基于辐射传输模型的方法(如6S模型、Flaash大气校正模型等)进行大气校正,得到各波段地表反射率,也称为大气层底反射率ρBOA。
S3:从遥感反射率影像上获取湖库区域的遥感反射率影像。
本步骤中,可以根据已知的湖库区域的边界在遥感反射率影像上进行剪裁,得到湖库区域的遥感反射率影像。
还可以通过如下方法从遥感反射率影像上获取湖库区域的遥感反射率影像:
步骤31:对遥感反射率影像进行水陆分离,得到初步确定的湖库区域的遥感反射率影像。
本步骤中,利用特定波段的信息,对影像进行边缘检测,检测出岛礁和大陆的轮廓,进行裁剪,完成水陆分离。
步骤32:对初步确定的湖库区域的遥感反射率影像的边缘进行掩膜运算,得到湖库区域的遥感反射率影像。
水陆分离后可能存在边缘不精确的问题,边缘掩膜能够对初步确定的湖库区域的边缘进行修正,减少因水陆边界分离不精确而导致的检测错误的问题。
S4:采用归一化植被指数法,提取湖库区域的遥感反射率影像的归一化植被指数NDVI,得到归一化植被指数分布图,归一化植被指数通过如下公式得到:
其中NDVI为归一化植被指数,ρRed、ρNIR分别是红波段、近红外波段的遥感反射率。
卫星遥感影像数据监测蓝藻水华主要是基于正常水体光谱与发生蓝藻水华水体光谱的差异。蓝藻水华暴发时,藻类聚集在水体表面,因其对红光波段的强吸收导致产生的红光波段反射率较低,在近红外波段具有类似于植被光谱曲线特征的“反射峰平台效应”,近红外波段反射率较高。而正常水体对近红外波段有强烈的吸收作用,导致反射率较低。因此,通过计算植被指数,利用蓝藻水华在水体中归一化植被指数(NDVI)值高于正常水体的特性,可以区分蓝藻水华和正常水体,进行蓝藻水华的提取。
S5:将归一化植被指数分布图的每个像元值与设定的阈值进行比较,若比较通过,则标记该像元为蓝藻水华像元。
蓝藻水华的NDVI值要高于正常水体,NDVI值高于阈值的为蓝藻水华,否则为正常水体,示例性的,该阈值可以设为0,NDVI值高于0的像元为蓝藻水华,蓝藻水华像元赋值为1进行标记,其他地物(包括正常水体、云、陆地等)像元赋值为0,获得蓝藻水华二值图。
S6:根据标记的所有蓝藻水华像元以及遥感影像的空间分辨率计算得到蓝藻水华的分布范围和蓝藻水华面积。
所有蓝藻水华像元组成的图像块即为蓝藻水华的分布范围。基于前述的蓝藻水华二值图统计蓝藻水华像元总数,乘以每个像元对应的实际面积,即可计算得出蓝藻水华面积A1,每个像元对应的实际面积通过遥感影像的空间分辨率确定。例如空间分辨率为8m,蓝藻水华像元的个数为100,则每个像元对应的实际面积为8*8=64m,蓝藻水华面积A1为8m*8m*100=6400m2。
S7:根据蓝藻水华面积以及湖库区域的面积计算蓝藻水华面积占比P,并根据蓝藻水华面积占比设置蓝藻水华面积指数,其中,蓝藻水华面积占比P越大,蓝藻水华面积指数T1也越大。
S8:获取城镇土地利用类型分布图,并根据蓝藻水华的分布范围与周边城镇的距离、人类目视距离、蓝藻水华气味散逸漂浮距离和/或周边城镇的人类活动范围设置蓝藻水华对城镇影响指数。
根据生态环境部“全国生态环境十年变化调查”的划分标准,利用解译手段将土地覆盖、生态系统分为9大类,分别为“森林、灌丛、草地、湿地、农田、城镇、荒漠、冰川/永久积雪、裸地”,将其中的城镇土地利用类型提取出来,即可得到城镇土地利用类型分布图。
前述通过遥感手段获得蓝藻水华暴发时蓝藻水华在湖库的分布范围,根据人类目视距离、气味散逸漂浮距离、人类自身活动范围,由此对遥感监测到的蓝藻水华范围做一定距离的缓冲区,为该缓冲区内城镇与蓝藻水华的分布范围不同的距离设置不同的蓝藻水华对城镇影响指数,进行蓝藻水华暴发时对于周边城镇的影响情况评估。
S9:获取湖库区域内饮用水源地取水口分布位置,并根据蓝藻水华的分布范围与饮用水源地取水口的距离设置蓝藻水华对水源地影响指数。
饮用水源地取水口分布位置从地方管理部门获得,为保障居民用水安全,地方政府部门会将饮用水水源地取水口设置于远离湖库岸边位置,通过地方获取饮用水水源地取水口位置。由此对遥感监测到的蓝藻水华范围做一定距离的缓冲区,为该缓冲区内取水口与蓝藻水华的分布范围不同的距离设置不同的蓝藻水华对水源地影响指数,进行蓝藻水华暴发时对于饮用水水源地取水口的影响情况评估。
S10:将蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数按照设定的加权系数进行加权求和,得到蓝藻水华强度指数,根据蓝藻水华强度指数对蓝藻水华强度进行评价。
为消除人为影响,将前述的蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数按权重加和,得出来蓝藻水华强度指数。依据最后蓝藻水华强度得分高低进行蓝藻水华强度评估。
随着流域生态环境保护工作的深化和管理部门针对水环境管理需求的不断提高,着眼以人为本、以人民生活切身感受为出发点,迫切的需要从景观、生态、供水三方面提出一套科学、可行的蓝藻水华强度评价体系,以满足人民群众对优美生态环境的需求。
本发明通过遥感影像获取蓝藻水华的分布范围和蓝藻水华面积,并综合蓝藻水华面积占比、蓝藻水华暴发对于城镇的影响情况以及蓝藻水华暴发对于饮用水水源地取水口的影响情况对蓝藻水华强度进行评价,凸显了蓝藻水华暴发程度以及蓝藻水华暴发时对湖库周边人类活动区域与供水水源地取水口的影响的问题,为湖库水环境管理提供了科学的依据。
本发明中,对蓝藻水华面积占比进行强度分级,由低到高分成1-5级,对应的蓝藻水华面积指数如下:
其中,P为蓝藻水华面积占比,p为蓝藻水华面积指数。
本发明根据如下对应关系设置蓝藻水华对城镇影响指数l1:
其中,L1为蓝藻水华的分布范围在下风向时对周边城镇的影响距离,ln(L1)=b*L+ln a,L为蓝藻水华分布范围与城镇的最近距离(km),a,b为根据风速设定的常数,l1为蓝藻水华对城镇影响指数。
本发明通过蓝藻水华的分布范围在下风向时对周边城镇的影响距离L1确定蓝藻水华对城镇影响指数l1,L1主要考虑蓝藻水华的味道对周边城镇的影响距离,其根据蓝藻水华分布范围与城镇的最近距离L以及与风速有关的常数a,b确定。
本发明根据如下对应关系设置蓝藻水华对水源地影响指数l2:
其中,t为蓝藻水华扩散到饮用水源地取水口的时间,t=Min(L2i/(V*cosθi)),L2i为蓝藻水华与各个取水口i的直线距离,V为蓝藻水华的扩散速度,θi为蓝藻水华扩散方向与直线L2i的夹角,l2为蓝藻水华对水源地影响指数。
蓝藻水华扩散到饮用水源地取水口的时间t为蓝藻水华扩散到各个取水口的最短时间,通过蓝藻水华与各个取水口直线距离L2i、蓝藻水华扩散速度V以及蓝藻为水华扩散方向与直线L2i的夹角θi计算蓝藻水华扩散到各个取水口的时间,选取扩散到各个取水口时间的最小值作为蓝藻水华扩散到饮用水源地取水口的时间t。
考虑一般蓝藻水华扩散较快,将蓝藻水华扩散到饮用水源地取水口的时间t按照一天24小时进行划分分级,根据如上对应关系为每个级别设置不同的l2。
在加权求和时,蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数的加权系数通过层次分析法确定。
将蓝藻水华面积指数p、蓝藻水华对城镇影响指数l1、蓝藻水华对水源地影响指数l2三个指标进行层次分析法。
针对指标进行两两比较,构造判断矩阵,判断矩阵中得分越高则说明该指标相对于另一个指标越重要。判断矩阵如下表所示:
通过计算得知,蓝藻水华面积指数p、蓝藻水华对城镇影响指数l1、蓝藻水华对水源地影响指数l2三个指标的权重分别为:0.44、0.17、0.39。蓝藻水华面积指数p权重最大,表明蓝藻水华面积指数是判断蓝藻水华强度最重要的一个指标,蓝藻水华对水源地影响指数l2次之,蓝藻水华对城镇影响指数l1相对来说最弱。
根据一致性RI表格查表得知,3阶判断矩阵RI值为:0.52。此次水华强度3阶判断矩阵的CI值为0.0091,计算得到CR值为0.018,远小于0.1,说明权重的计算具有可靠性,该研究判断矩阵满足一致性检验,计算权重具有科学性。
根据上述得到的权重,所述蓝藻水华强度指数Y通过如下公式计算得到:
Y=0.44p+0.17l1+0.39l2。
实施例2:
本发明实施例提供一种基于遥感的内陆湖库蓝藻水华强度评价装置,如图2所示,其包括:
遥感影像获取模块1,用于获取覆盖湖库区域的遥感影像。
预处理模块2,用于对所述遥感影像进行预处理,得到遥感反射率影像,所述预处理包括几何校正、空间裁剪、辐射定标、表观反射率计算和大气校正。
湖库区域影像获取模块3,用于从所述遥感反射率影像上获取湖库区域的遥感反射率影像。
归一化植被指数计算模块4,用于采用归一化植被指数法,提取湖库区域的遥感反射率影像的归一化植被指数NDVI,得到归一化植被指数分布图,所述归一化植被指数通过如下公式得到:
其中NDVI为归一化植被指数,ρRed、ρNIR分别是红波段、近红外波段的遥感反射率。
比较模块5,用于将归一化植被指数分布图的每个像元值与设定的阈值进行比较,若比较通过,则标记该像元为蓝藻水华像元。
蓝藻水华确定模块6,用于根据标记的所有蓝藻水华像元以及遥感影像的空间分辨率计算得到蓝藻水华的分布范围和蓝藻水华面积。
蓝藻水华面积指数获取模块7,用于根据蓝藻水华面积以及湖库区域的面积计算蓝藻水华面积占比,并根据所述蓝藻水华面积占比设置蓝藻水华面积指数。
蓝藻水华对城镇影响指数获取模块8,用于获取城镇土地利用类型分布图,并根据蓝藻水华的分布范围与周边城镇的距离、人类目视距离、蓝藻水华气味散逸漂浮距离和/或周边城镇的人类活动范围设置蓝藻水华对城镇影响指数。
蓝藻水华对水源地影响指数获取模块9,用于获取湖库区域内饮用水源地取水口分布位置,并根据蓝藻水华的分布范围与饮用水源地取水口的距离设置蓝藻水华对水源地影响指数。
蓝藻水华强度指数计算模块10,用于将所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数按照设定的加权系数进行加权求和,得到蓝藻水华强度指数,根据所述蓝藻水华强度指数对蓝藻水华强度进行评价。
具体的,根据如下对应关系设置蓝藻水华面积指数p:
其中,P为蓝藻水华面积占比,p为蓝藻水华面积指数。
根据如下对应关系设置蓝藻水华对城镇影响指数l1:
其中,L1为蓝藻水华的分布范围在下风向时对周边城镇的影响距离,ln(L1)=b*L+ln a,L为蓝藻水华分布范围与城镇的最近距离(km),a,b为根据风速设定的常数,l1为蓝藻水华对城镇影响指数。
根据如下对应关系设置蓝藻水华对水源地影响指数l2:
其中,t为蓝藻水华扩散到饮用水源地取水口的时间,t=Min(L2i/(V*cosθi)),L2i为蓝藻水华与各个取水口i的直线距离,V为蓝藻水华的扩散速度,θi为蓝藻水华扩散方向与直线L2i的夹角,l2为蓝藻水华对水源地影响指数。
在加权求和时,蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数的加权系数通过层次分析法确定;
所述蓝藻水华强度指数Y通过如下公式计算得到:
Y=0.44p+0.17l1+0.39l2。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例1中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种基于遥感的内陆湖库蓝藻水华强度评价方法,其特征在于,包括:
S1:获取覆盖湖库区域的遥感影像;
S2:对所述遥感影像进行预处理,得到遥感反射率影像,所述预处理包括几何校正、空间裁剪、辐射定标、表观反射率计算和大气校正;
S3:从所述遥感反射率影像上获取湖库区域的遥感反射率影像;
S4:采用归一化植被指数法,提取湖库区域的遥感反射率影像的归一化植被指数NDVI,得到归一化植被指数分布图,所述归一化植被指数通过如下公式得到:
其中NDVI为归一化植被指数,ρRed、ρNIR分别是红波段、近红外波段的遥感反射率;
S5:将归一化植被指数分布图的每个像元值与设定的阈值进行比较,若比较通过,则标记该像元为蓝藻水华像元;
S6:根据标记的所有蓝藻水华像元以及遥感影像的空间分辨率计算得到蓝藻水华的分布范围和蓝藻水华面积;
S7:根据蓝藻水华面积以及湖库区域的面积计算蓝藻水华面积占比,并根据所述蓝藻水华面积占比设置蓝藻水华面积指数;
S8:获取城镇土地利用类型分布图,并根据蓝藻水华的分布范围与周边城镇的距离、人类目视距离、蓝藻水华气味散逸漂浮距离和/或周边城镇的人类活动范围设置蓝藻水华对城镇影响指数;
S9:获取湖库区域内饮用水源地取水口分布位置,并根据蓝藻水华的分布范围与饮用水源地取水口的距离设置蓝藻水华对水源地影响指数;
S10:将所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数按照设定的加权系数进行加权求和,得到蓝藻水华强度指数,根据所述蓝藻水华强度指数对蓝藻水华强度进行评价。
5.根据权利要求4所述的基于遥感的内陆湖库蓝藻水华强度评价方法,其特征在于,所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数的加权系数通过层次分析法确定;
所述蓝藻水华强度指数Y通过如下公式计算得到:
Y=0.44p+0.17l1+0.39l2。
6.一种基于遥感的内陆湖库蓝藻水华强度评价装置,其特征在于,包括:
遥感影像获取模块,用于获取覆盖湖库区域的遥感影像;
预处理模块,用于对所述遥感影像进行预处理,得到遥感反射率影像,所述预处理包括几何校正、空间裁剪、辐射定标、表观反射率计算和大气校正;
湖库区域影像获取模块,用于从所述遥感反射率影像上获取湖库区域的遥感反射率影像;
归一化植被指数计算模块,用于采用归一化植被指数法,提取湖库区域的遥感反射率影像的归一化植被指数NDVI,得到归一化植被指数分布图,所述归一化植被指数通过如下公式得到:
其中NDVI为归一化植被指数,ρRed、ρNIR分别是红波段、近红外波段的遥感反射率;
比较模块,用于将归一化植被指数分布图的每个像元值与设定的阈值进行比较,若比较通过,则标记该像元为蓝藻水华像元;
蓝藻水华确定模块,用于根据标记的所有蓝藻水华像元以及遥感影像的空间分辨率计算得到蓝藻水华的分布范围和蓝藻水华面积;
蓝藻水华面积指数获取模块,用于根据蓝藻水华面积以及湖库区域的面积计算蓝藻水华面积占比,并根据所述蓝藻水华面积占比设置蓝藻水华面积指数;
蓝藻水华对城镇影响指数获取模块,用于获取城镇土地利用类型分布图,并根据蓝藻水华的分布范围与周边城镇的距离、人类目视距离、蓝藻水华气味散逸漂浮距离和/或周边城镇的人类活动范围设置蓝藻水华对城镇影响指数;
蓝藻水华对水源地影响指数获取模块,用于获取湖库区域内饮用水源地取水口分布位置,并根据蓝藻水华的分布范围与饮用水源地取水口的距离设置蓝藻水华对水源地影响指数;
蓝藻水华强度指数计算模块,用于将所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数按照设定的加权系数进行加权求和,得到蓝藻水华强度指数,根据所述蓝藻水华强度指数对蓝藻水华强度进行评价。
10.根据权利要求9所述的基于遥感的内陆湖库蓝藻水华强度评价装置,其特征在于,所述蓝藻水华面积指数、蓝藻水华对城镇影响指数和蓝藻水华对水源地影响指数的加权系数通过层次分析法确定;
所述蓝藻水华强度指数Y通过如下公式计算得到:
Y=0.44p+0.17l1+0.39l2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125934.XA CN112232234B (zh) | 2020-10-20 | 2020-10-20 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011125934.XA CN112232234B (zh) | 2020-10-20 | 2020-10-20 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112232234A CN112232234A (zh) | 2021-01-15 |
CN112232234B true CN112232234B (zh) | 2021-04-16 |
Family
ID=74118083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011125934.XA Active CN112232234B (zh) | 2020-10-20 | 2020-10-20 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112232234B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113516373B (zh) * | 2021-06-18 | 2023-07-25 | 中国科学院南京地理与湖泊研究所 | 蓝藻水华防控集成技术体系的构建方法 |
CN113627280A (zh) * | 2021-07-23 | 2021-11-09 | 中国科学院南京地理与湖泊研究所 | 基于视频监控设备的湖泊滨岸带蓝藻水华监测与分析方法 |
CN114563378B (zh) * | 2022-03-03 | 2022-07-29 | 生态环境部卫星环境应用中心 | 湖库蓝藻水华空间分布定量描述方法、装置、介质和设备 |
CN115082793B (zh) * | 2022-06-28 | 2023-02-17 | 生态环境部卫星环境应用中心 | 水源地林草空间本底状况快速调查方法和装置 |
CN115719174B (zh) * | 2022-10-26 | 2023-05-02 | 生态环境部卫星环境应用中心 | 土地利用类型与蓝藻水华风险定量关系确定方法和装置 |
CN115508287B (zh) * | 2022-10-28 | 2023-03-24 | 生态环境部卫星环境应用中心 | 湖库蓝藻水华提取方法和装置 |
CN115760613B (zh) * | 2022-11-15 | 2024-01-05 | 江苏省气候中心 | 一种结合卫星影像和光流法的蓝藻水华短时预测方法 |
CN115984711B (zh) * | 2022-12-30 | 2023-07-21 | 中国科学院空天信息创新研究院 | 一种基于卫星遥感的非蓝藻水华监测方法和系统 |
CN116260847B (zh) * | 2023-05-12 | 2023-07-11 | 湖南华博信息技术有限公司 | 基于水环境遥感监测的云服务系统 |
CN116310772B (zh) * | 2023-05-18 | 2023-07-28 | 德州华恒环保科技有限公司 | 基于多光谱图像的水环境污染识别方法 |
CN117315486B (zh) * | 2023-10-30 | 2024-05-14 | 武汉理工大学 | 一种航道绿地监测方法、装置、电子设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087617A (zh) * | 2011-02-01 | 2011-06-08 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的水华分布提取方法 |
CN103743700A (zh) * | 2014-01-17 | 2014-04-23 | 中国科学院南京地理与湖泊研究所 | 一种大型浅水湖泊蓝藻水华modis卫星高精度监测方法 |
CN105046242A (zh) * | 2015-08-24 | 2015-11-11 | 山东省农业可持续发展研究所 | 一种基于Landsat 8影像二维特征空间的芦笋种植面积提取方法 |
CN106971146A (zh) * | 2017-03-03 | 2017-07-21 | 环境保护部卫星环境应用中心 | 基于三查技术的水体异常遥感动态监控方法、装置和系统 |
CN107340365A (zh) * | 2017-06-19 | 2017-11-10 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法 |
CN108169142A (zh) * | 2017-12-20 | 2018-06-15 | 环境保护部卫星环境应用中心 | 基于遥感影像的水色异常快速定位方法和装置 |
CN110082349A (zh) * | 2019-02-01 | 2019-08-02 | 南京师范大学 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
CN111307727A (zh) * | 2020-03-13 | 2020-06-19 | 生态环境部卫星环境应用中心 | 基于时序遥感影像的水体水色异常识别方法和装置 |
CN111398176A (zh) * | 2020-03-13 | 2020-07-10 | 生态环境部卫星环境应用中心 | 基于像元尺度特征的水体水色异常遥感识别方法和装置 |
-
2020
- 2020-10-20 CN CN202011125934.XA patent/CN112232234B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087617A (zh) * | 2011-02-01 | 2011-06-08 | 环境保护部卫星环境应用中心 | 基于环境一号卫星的水华分布提取方法 |
CN103743700A (zh) * | 2014-01-17 | 2014-04-23 | 中国科学院南京地理与湖泊研究所 | 一种大型浅水湖泊蓝藻水华modis卫星高精度监测方法 |
CN105046242A (zh) * | 2015-08-24 | 2015-11-11 | 山东省农业可持续发展研究所 | 一种基于Landsat 8影像二维特征空间的芦笋种植面积提取方法 |
CN106971146A (zh) * | 2017-03-03 | 2017-07-21 | 环境保护部卫星环境应用中心 | 基于三查技术的水体异常遥感动态监控方法、装置和系统 |
CN107340365A (zh) * | 2017-06-19 | 2017-11-10 | 中国科学院南京地理与湖泊研究所 | 一种面向湖泊蓝藻灾害的立体监控及数据挖掘系统和方法 |
CN108169142A (zh) * | 2017-12-20 | 2018-06-15 | 环境保护部卫星环境应用中心 | 基于遥感影像的水色异常快速定位方法和装置 |
CN110082349A (zh) * | 2019-02-01 | 2019-08-02 | 南京师范大学 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
CN111307727A (zh) * | 2020-03-13 | 2020-06-19 | 生态环境部卫星环境应用中心 | 基于时序遥感影像的水体水色异常识别方法和装置 |
CN111398176A (zh) * | 2020-03-13 | 2020-07-10 | 生态环境部卫星环境应用中心 | 基于像元尺度特征的水体水色异常遥感识别方法和装置 |
Non-Patent Citations (8)
Title |
---|
Data driven analysis of Algal Bloom activity for effective Water Sustainability;Vinay Boddula等;《2016 IEEE International Conferences on Big Data and Cloud Computing (BDCloud), Social Computing and Networking (SocialCom), Sustainable Computing and Communications (SustainCom)》;20161231;第424-430页 * |
Quantifi cation of fl oating macroalgae blooms using the scaled algae index;Rodrigo A.Garcia等;《JOURNAL OF GEOPHYSICAL RESEARCH: OCEANS》;20131231;第118卷;第26-42页 * |
Remote sensing of algal blooms using a turbidity-free function for near-infrared and red signals;LI Yan等;《Chinese Science Bulletin 2006》;20061231;第51卷(第4期);第464-471页 * |
卫星遥感太湖蓝藻水华分布及其气象影响要素分析;武胜利等;《气象》;20090131;第35卷(第1期);第18-23页 * |
基于决策树的Landsat TM/ETM+图像中太湖蓝藻水华信息提取;夏晓瑞等;《湖泊科学》;20141231;第26卷(第6期);第907-915页 * |
基于天地协同的巢湖水华分布特征分析;赵焕等;《中国环境科学》;20181231;第38卷(第6期);第2297-2303页 * |
基于遥感方法的巢湖水华月平均强度评价方法研究;吴园玲等;《环境监测管理与技术》;20191231;第31卷(第6期);第33-36页 * |
气象因子对巢湖水源地蓝藻水华暴发的影响;蒋晨韵等;《江苏农业科学》;20191231;第47卷(第10期);第281-285页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112232234A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112232234B (zh) | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 | |
Harding Jr et al. | SeaWiFS retrievals of chlorophyll in Chesapeake Bay and the mid-Atlantic bight | |
CN111024618A (zh) | 基于遥感影像的水质健康监测方法、装置及存储介质 | |
CN109190538A (zh) | 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 | |
Son et al. | Multispectral remote-sensing algorithms for particulate organic carbon (POC): The Gulf of Mexico | |
Shanmugam et al. | OSABT: An innovative algorithm to detect and characterize ocean surface algal blooms | |
CN106408005B (zh) | 基于modis色素浓度估算的富营养化湖泊水质风险评价方法 | |
Jiao et al. | Estimation of chlorophyll‐a concentration in Lake Tai, China using in situ hyperspectral data | |
CN107247927B (zh) | 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统 | |
Li et al. | Estimation of chlorophyll-a concentrations in a highly turbid eutrophic lake using a classification-based MODIS land-band algorithm | |
Wilson et al. | Eelgrass (Zostera marina) and benthic habitat mapping in Atlantic Canada using high-resolution SPOT 6/7 satellite imagery | |
Karaska et al. | AVIRIS measurements of chlorophyll, suspended minerals, dissolved organic carbon, and turbidity in the Neuse River, North Carolina | |
CN110987955A (zh) | 一种基于决策树的城市黑臭水体分级方法 | |
CN115452759B (zh) | 一种基于卫星遥感数据的河湖健康指标评价方法及系统 | |
Mokarram et al. | RELATIONSHIP BETWEEN LAND COVER AND VEGETATION INDICES. CASE STUDY: EGHLID PLAIN, FARS PROVINCE, IRAN. | |
CN114819150A (zh) | 一种极地海洋冬季初级生产力遥感反演方法 | |
CN115661634A (zh) | 城市生态网络空间要素精准识别方法 | |
Liu et al. | Evaluation of trophic state for inland waters through combining Forel-Ule Index and inherent optical properties | |
Suardana et al. | Estimation and Mapping Above-Ground Mangrove Carbon Stock Using Sentinel-2 Data Derived Vegetation Indices in Benoa Bay of Bali Province, Indonesia | |
Wilson et al. | Mapping seafloor relative reflectance and assessing coral reef morphology with EAARL-B topobathymetric Lidar waveforms | |
Naghdi et al. | The effects of cyanobacterial blooms on MODIS-L2 data products in the southern Caspian Sea | |
CN112329790B (zh) | 一种城市不透水面信息快速提取方法 | |
Zhang et al. | MERIS observations of phytoplankton phenology in the Baltic Sea | |
Lunetta et al. | Measurement of water colour using AVIRIS imagery to assess the potential for an operational monitoring capability in the Pamlico Sound Estuary, USA | |
Zhao et al. | Dynamic monitoring and analysis of chlorophyll-a concentrations in global lakes using Sentinel-2 images in Google Earth Engine |
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 |