CN116359137B - 多水域城市生态环境遥感监测方法 - Google Patents
多水域城市生态环境遥感监测方法 Download PDFInfo
- Publication number
- CN116359137B CN116359137B CN202310628972.4A CN202310628972A CN116359137B CN 116359137 B CN116359137 B CN 116359137B CN 202310628972 A CN202310628972 A CN 202310628972A CN 116359137 B CN116359137 B CN 116359137B
- Authority
- CN
- China
- Prior art keywords
- index
- remote sensing
- factor
- wave band
- ecological environment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 45
- 239000002689 soil Substances 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000011160 research Methods 0.000 claims abstract description 19
- 230000007613 environmental effect Effects 0.000 claims abstract description 16
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 238000010606 normalization Methods 0.000 claims abstract description 12
- 150000003839 salts Chemical class 0.000 claims abstract description 12
- 239000002352 surface water Substances 0.000 claims abstract description 12
- 238000009826 distribution Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000002310 reflectometry Methods 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 42
- 230000005855 radiation Effects 0.000 claims description 17
- 239000000443 aerosol Substances 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 8
- 238000001228 spectrum Methods 0.000 claims description 8
- 230000005457 Black-body radiation Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 238000002834 transmittance Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 238000003915 air pollution Methods 0.000 abstract 1
- 238000010276 construction Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000013441 quality evaluation Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000000007 visual 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Chemical & Material Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Primary Health Care (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种多水域城市生态环境遥感监测方法,包括如下步骤:获取指定年份中研究区域的多期遥感影像并对其进行预处理;根据处理后的遥感影像获取生态指数单因子指标,其中,生态指数单因子指标包括水体空间分布的影响因子,并对各生态指数单因子进行归一化处理;根据步骤得到的各生态指数单因子构建遥感生态环境评价模型;根据遥感生态环境评价模型对研究区环境质量进行评估。本发明针对性地加入了表示水体空间分布的地表水势丰度因子、表示土壤含盐量的盐度因子、表示空气受污染程度的空气质量因子,通过以上七种具有代表性的因子集成构建改进后的遥感生态模型,使得模型涉及的影响因子更加丰富,使得评价结果更加真实和客观。
Description
技术领域
本发明属于生态环境监测的技术领域,具体涉及一种多水域城市生态环境遥感监测方法。
背景技术
生态环境是与生物体相互作用的资源环境或与生物体进行物质能量流动众因素的集合。自20世纪50年代以来,人类生产和生活活动的规模和强度极大地影响着地球生态环境。在不断创造与丰富物质世界和精神需求的同时,人类对于自然资源的过度开采和利用也导致了森林和草原的破坏、水土流失、土地盐碱化、物种多样性锐减等一系列由环境污染而引发的生态破坏问题。当代人类面临的环境问题已从区域性、阶段性向全球性、难以逆转的方向发展。
在此基础上,对于生态环境质量的监测与评估工作是必不可少的。生态环境评价具有区域性、多学科性的特点,其链接微观与宏观、自然与人文、百姓与政府部门。通过分析可以掌握人与自然间各相关因子间的交互作用,建立一套科学的评价系统或标准,合理地评价一个地区的生态环境质量,发现其中存在的环境问题,分析原因并预测发展趋势,最终为政府各项政策的制定、相关产业的生产规划等提供更强而有力的辅助与参考,同时也为当下地理信息数字化管理打下良好基础。特别是随着农村人口的不断迁移、城市化的进程不断加快、城镇的面积不断扩大,各种城市生态环境问题接踵而至。对城市环境质量的评估不仅能提升市民的生活质量,还能促进区域经济可持续发展,更对城市文明的建设有着重要的意义。近年来“3S”技术与计算机技术迅猛发展,遥感技术因其监测范围大、瞬时成像、实时传输的特点,可迅速获取一块区域上的影像信息并进行动态监测,同时受地面影响较小,现已被广泛地应用于城市环境监测与评估中。
国家环保局于2006年制定《生态环境评价技术规范》对环境质量进行研究,该规范介绍了环境生态指数EI,其通过对生物丰度指数、植被覆盖指数、水网密度指数、土地胁迫指数和污染负荷指数耦合生成综合生态指数,利用这一指标对生态环境进行评估。虽然环境生态指数EI得到了广泛的应用,但其仍存在各指标权重固定从而无法满足对不同地域、不同地理条件的情况进行客观综合的分析的问题。针对这一现象,徐涵秋于2013年提出了一个完全基于遥感影像信息集成多种因子综合生态指数RSEI,将生态要素分为了绿度、湿度、热度和干度,通过主成分分析法使得以上四个要素根据数据本身的性质而决定权重大小,减少了人为因素的干扰。通过这一模型对区域环境进行快速监测和评价,可实现对区域生态环境变化的可视化、时空分析及变化趋势预测。但是其存在以下问题:第一,此模型不适用于在拥有大量水体的研究区中实现,若研究区域内存在大面积水域则可能对模型中湿度因子的计算产生影响进而使得研究结果产生偏差,所以现有研究大多将研究区域的水域剔除后再进行环境评估,但该行为忽视了水体对生态环境的影响;第二,此模型在计算干度因子时,采用计算热红外与近红外波段比值的方式增强建设用地的识别度以达到提取的效果,但实际情况中砂土、水体也具有相似的光谱特征,通过此方法进行建设用地信息的提取必然会出现混杂水体和砂土信息的情况,此外,在结合裸土指数与建筑物指数进行干度因子计算时直接采用了两者的算术平均值,而忽视了不同研究区内裸土与建筑物土地面积占比的不同,对干度影响的强度也不同;第三,此模型仅根据绿度、湿度、干度以及热度进行环境评价因子的构造,而在沿海区域的城市生态系统中仍存在其他影响环境质量的因子,例如水体、土壤盐度以及空气质量等;第四,在构建RSEI指数时仅采用主成分分析中的第一主成分中的数据,而通过阅读相关文献,大量的实验结果表面该模型构建后第一与第二主成分的累计贡献率基本可达85%以上,若同时采用第一与第二主成分进行RSEI指数的计算则可更大程度地涵盖原始数据信息。
发明内容
本发明的目的在于针对现有技术的不足之处,提供一种多水域城市生态环境遥感监测方法,本发明综合考虑了水资源对生态环境质量评价的影响,构建了综合性的针对多水域城市地区遥感生态环境评价模型,从而使得最终的生态环境质量评估结果更具有全面性与准确性。
为解决上述技术问题,本发明采用如下技术方案:
一种多水域城市生态环境遥感监测方法,包括如下步骤:
步骤1、获取指定年份中研究区域的多期遥感影像并对其进行预处理;
步骤2、根据处理后的遥感影像获取生态指数单因子指标,其中,生态指数单因子指标包括水体空间分布的影响因子,并对各生态指数单因子进行归一化处理;
步骤3、根据步骤得到的各生态指数单因子构建遥感生态环境评价模型;
步骤4、根据遥感生态环境评价模型对研究区环境质量进行评估。
进一步地,步骤1中预处理方法为:选取遥感影像中的云及阴影部分并对其进行掩膜处理,并对同年份多幅影像进行中值合并,再对合并后的影像进行几何校正、辐射定标、大气校正,之后利用研究区域矢量文件对遥感影像进行裁剪。
进一步地,生态指数单因子指标包括绿度因子、湿度因子、干度因子、热度因子、地表水势丰度因子、盐度因子、空气质量因子。
进一步地,绿度因子的计算公式为:
式中:、表示遥感影像中的红波段、近红外波段的反射率;
湿度因子的计算公式为:
式中:、、、、、分别代表遥感影像中的蓝波段、绿波段、红波段、近红外波段、中红外波段1、中红外波段2的反射率;c1~c6是遥感影像传感器的参数。
进一步地,干度因子的计算方法为:
(a)、对步骤1处理后的遥感影像进行计算,得到不同地物类型的丰度图及所占面积比例;
(b)、计算城市建筑指数和裸土指数,其中,城市建筑指数的计算公式:
;
式中,;
裸土指数计算公式:
式中,、、、、、分别表示遥感影像中的蓝波段、绿波段、红波段、近红外波段、中红外波段1和热红外波段1的反射率;
(c)根据上述得到的不同地物类型所占面积比例、建筑指数 和裸土指数计算干度因子,其计算公式为:
式中,、分别表示不透水面和裸土面积的比例,由上述步骤(a)获得。
进一步地,热度因子的计算方法为:
首先根据植被数据计算植被覆盖度,再根据植被覆盖度计算地表比辐射率,再根据地表比辐射率计算相同温度下黑体辐射亮度,最后根据黑体辐射亮度即可得到热度因子。
进一步地,植被覆盖度计算公式:
;
式中,为归一化植被指数,表示分类为植被完全覆盖类型的地物的归一化植被指数,表示分类为裸土或无植被覆盖类型的地物的归一化植被指数。
自然表面像元的比辐射率估算公式:
城镇像元的比辐射率估算公式:
;
地表比辐射率计算公式:
;相同温度下黑体辐射亮度计算公式:
;
式中,为热红外波段的辐射亮度,为大气在热红外波段的透过率,为大气向上辐射亮度,为大气向下辐射亮度。
热度因子计算公式:
;
其中,K 1、K 2为定标系数常量
进一步地,地表水势丰度因子的计算方法为:
式中:、、表示遥感影像中的蓝波段、近红外波段、中红外波段2的反射率。
进一步地,盐度因子计算公式为:
式中,为盐分指数,为归一化盐分指数,为盐分指数2,为盐分指数3,、、、分别表示遥感影像中蓝波段、红波段、近红外波段1的反射率,在进行计算前先将各盐分指标进行归一化处理。
进一步地,空气质量因子的计算方法为:
首先,构建地表反射率数据集;构建MODIS蓝波段反射率与OLI蓝波段地表反射率间的函数关系,通过回归分析建立MODIS蓝波段与OLI蓝波段光谱转化模型,最终形成与OLI匹配的蓝波段地表反射率数据;
其次,构建查找表;采用6S辐射传输模型模拟构建不同观测几何条件下的电磁波在大气中的传播过程,根据传感器类型及观测条件设置查找表相关参数;
最后,计算;传感器接收到的大气层顶的表观反射率为:
根据上述构建的查找表通过查找、插值的方式得到与像元几何信息最为匹配的一组,获得该条件下的、、、四个参数;再根据以上四个参数求得模拟的表观反射率,并与真实值进行对比,筛选出两者差值最小的一组大气参数,最后经查找表查询、插值得到该组大气参数对应的AOD值,即为所求气溶胶光学厚度。
进一步地,步骤3具体实现方法如下:
采用主成分分析法集成各生态指数单因子建立遥感生态环境评价模型,其计算公式如下:
式中:和分别代表主成分分析结果中的第一主成分和第二主成分,和分别表示对应主成分的贡献率;
对构建的遥感生态环境评价模型进行归一化处理,计算公式如下:
式中:为归一化后的指数值,、和分别表示改进后遥感生态指数的原始值、所有像元中的最大值和最小值。
进一步地,步骤4中的评价方法如下:
对遥感生态环境评价指数进行分级处理,以0.2为一个区间将划分为五个等级:一级数值区间为[0,0.2],表示生态环境质量“差”;二级数值区间为(0.2,0.4],表示生态环境质量“较差”;三级数值区间为(0.4,0.6],表示生态环境质量“一般”;四级数值区间为(0.6,0.8],表示生态环境质量“良好”;五级数值区间为(0.8,1],表示生态环境质量“优”,根据以上分级结果对环境质量进行评价与分析。
与现有技术相比,本发明的有益效果为:
1、本发明创新性地提出了一种应用多水域城市生态环境的评价方法,除考虑到绿度因子、湿度因子、干度因子和热度因子外,还针对性地加入了表示水体空间分布的地表水势丰度因子、表示土壤含盐量的盐度因子、表示空气受污染程度的空气质量因子,通过以上七种具有代表性的因子集成构建改进后的遥感生态模型,使得模型涉及的影响因子更加丰富,使得评价结果更加真实和客观;
2、本发明的方法使用多种遥感特征进行生态环境评价,针对已有生态环境质量评价方法中水资源影响考虑不够充分的问题,本发明利用地表水势丰度指数描述水的空间分布,该指数能有效反映出水域周围发生的生态变化,实现了顾及水效益的生态环境质量评价;针对已有建筑用地地物信息提取方法对拥有相似光谱特征的砂石与水体造成错误提取的问题,本发明采用了改进后的归一化差值不透水面指数,可以有效地提高信息采集的精度,且在结合裸土指数与建筑物指数计算干度因子时,采用通过线性混合像元分解法得到各像元内建设用地和裸土的土地面积占比,以此为权重计算加权平均值,可真实反应不同研究区域裸土与建设用地的实际情况,提高干度因子的精度;
3、本发明的方法通过采集多源遥感影像进行相关信息的提取与计算,完全基于遥感影像信息集成多因子综合模型对生态环境进行监测与评价,各因子权重的确定完全基于数据自身的属性;当主成分分析的第一主成分与第二主成分的累计贡献率达到85%及以上时,采用以两者的特征值贡献率为权重相加求得遥感生态指数,在保证数据精度的前提条件下更大程度地涵盖原始数据中的信息,使得模型结果更为贴合实际情况。本发明在很大程度上避免了人为因素的干扰,降低了人工成本,提高了生态环境监测的精度和效率。
附图说明
图1为本发明实施例多水域城市生态环境遥感监测方法的流程图;
图2为本发明实施例2014-2020年实施区IRSEI的空间分布图。
具体实施方式
下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
如图1所示,本发明实施例提供一种多水域城市生态环境遥感监测方法,本实施例的研究对象为2014年、2017年和2020年厦门市的城市生态环境,本实施例旨在通过遥感技术建立评估模型,获得城市环境质量的变化和发展趋势,对厦门市近年来的城市环境质量变化有科学直观的评估,发现问题,分析原因,以达到辅助环境改进与规划建设的目的,其包括以下步骤:
步骤1、数据的准备及预处理:获取2014年、2017年和2020年5-9月的多期Landsat8遥感影像,采用FMASK算法进行云及云阴影的检测与剔除,并对同年份多幅影像进行中值合并。对影像进行几何校正、辐射定标、大气校正,多光谱波段采用flaash大气校正法,热红外波段的辐射定标采用NASA官方提供的定标公式将DN值转化为表观反射率。最后根据厦门市行政区划矢量数据对影像进行裁剪。
步骤2、根据处理后的遥感影像获取生态指数单因子指标,其中,生态指数单因子指标包括水体空间分布的影响因子,并对各生态指数单因子进行归一化处理;通过影像分析技术计算七个生态指数单因子指标,分别为:绿度因子、湿度因子、干度因子、热度因子、地表水势丰度因子、盐度因子、空气质量因子,其中,地表水势丰度因子、盐度因子、空气质量因子为水体空间分布的影响因子,各项因子需进行归一化处理;
在实施例中,各生态指数单因子计算方法如下:
绿度因子的计算公式为:
式中:、表示Landsat8影像中的红波段、近红外波段的反射率。
湿度因子的计算公式为:
式中:、、、、、分别代表Landsat8影像中的蓝波段、绿波段、红波段、近红外波段、中红外波段1、中红外波段2的反射率;c1~c6是Landsat8所配备的OLI传感器参数,分别为:0.1511、0.1973、0.3283、0.3407、-0.7117、-0.4559。此外,大气校正后反射率被扩大10000倍,因此计算结果应除以10000得到正常湿度因子。
干度因子的计算方法为:
(1)、以下步骤基于ENVI 5.3平台实现:首先,对遥感影像进行最小噪声分离变换处理,实现数据降维;其次,计算像元纯度指数,通过对图像设置阈值过滤噪声、提取纯净像元与混合像元,得到感兴趣区域。之后,在感兴趣区域内利用n维可视化工具定位、识别和聚类纯像元,即将点云图集中处判定为端元,得到各端元的波谱曲线。下一步,根据得到的端元波谱曲线进行地物分类,识别与选取所需的地物类型,即得到植被、裸土、不透水面、水体等四种地物类型。最后,使用fcls_spectral_unmixing扩展工具进行波谱分离,可得到不同地物类型的丰度图及所占面积比例;
(2)、城市建筑指数计算公式:
;
;
裸土指数计算公式:
;
式中,、、、、、分别表示Landsat8影像中的蓝波段、绿波段、红波段、近红外波段、中红外波段1和热红外波段1的反射率。
干度因子计算公式:
;
式中,、分别表示不透水面和裸土面积的比例,由上述步骤(1)计算获得。
热度因子的计算方法为:
(Ⅰ)、计算植被覆盖度采用的是混合像元分解法,将整景影像的地类大致分为水体、植被和建筑,具体的计算公式如下:
式中,为归一化植被指数,表示分类为植被完全覆盖类型的地物的归一化植被指数,取值为0.7;表示分类为裸土或无植被覆盖类型的地物的归一化植被指数,取值为0.05;且有,当某个像元的值大于时,取值为1;当值小于时,取值为0;
(Ⅱ)、将遥感影像分为水体、城镇和自然表面3种类型,水体像元的比辐射率赋值为0.995,自然表面像元的比辐射率估算根据公式:
城镇像元的比辐射率估算根据公式:
输入地表比辐射率的计算公式,得到地表比辐射率结果:
(3)、通过在NANS提供的网站中输入相关参数,相关参数包括卫星影像成像时间、研究区中心的经纬度、选择何种季节的中纬度标准大气类型、选择何种传感器光谱响应曲线、海拔、气压、温度、相对湿度,可查询得到大气剖面信息:大气在热红外波段的透过率,大气向上辐射亮度,大气向下辐射亮度;利用公式得到相同温度下黑体辐射亮度影像:
;
(4)、Landsat8在发射前预设了K 1和K 2两个定标系数常量,式中K 1为774.89,K 2为1321.08,利用热度分量的计算公式计算热度因子:
S2.5:计算地表水势丰度因子
利用近红外波段与中红外2波段进行归一化指数计算可区分不同地物含水量的差异,同时加入蓝波段以提高区分效果,计算公式如下:
式中:、、表示Landsat8影像中的蓝波段、近红外波段、中红外波段2的反射率。
S2.6:盐度因子的计算方法:
式中,为盐分指数,为归一化盐分指数,为盐分指数2,为盐分指数3,、、、分别表示Landsat8影像中蓝波段、红波段、近红外波段1的反射率,在进行计算前应将各盐分指标进行归一化处理。
S2.7:空气质量因子
现有研究表明气溶胶光学厚度在一定程度上可以反映区域内大气污染程度。针对城市区域地物反射率普遍较高的特征,采用深蓝算法进行气溶胶光学厚度的反演;具体方法为:
(1)、构建地表反射率数据集
深蓝算法需要借助外部高精度地表反射率产品来获得蓝波段真实地表反射率,采用MODIS 8d合成的地表反射率产品构建地表反射率库。由于不同传感器对相同地物成像时接收的辐射能量存在差异,需要构建MODIS蓝波段反射率与OLI蓝波段地表反射率间的函数关系,对ASTER波谱库中的不同地物类别进行随机等量采样,获得混合地物光谱曲线,通过回归分析建立MODIS蓝波段与OLI蓝波段光谱转化模型,最终形成与OLI匹配的蓝波段地表反射率数据;
(2)、构建查找表
采用6S辐射传输模型模拟构建不同观测几何条件下的电磁波在大气中的传播过程,6S辐射传输模型能解决可见光和近红外波段数据在太阳-地表-传感器间的传输过程中由大气造成的数据失真,导致无法准确地反应地表地物真实的辐射特性的问题。通过采用6S模型构建查找表,可以通过输入已知像元几何信息获得该几何观测条件下不同AOD值以及其对应的大气路径辐射等效反射率、和上下行直射加散射的透过率、大气下届半球反射率等参数;在本实施例中,考虑到OLI传感器采用垂直观测的方式,查找表参数设置如下:
①大气模式:根据研究区所处纬度及季节;
②气溶胶类型:大陆型;
③观测几何:1.太阳天顶角范围为20°至50°,步长间隔为5°,共7个参数;2.观测天顶角为0°;3.相对方位角为130°;
④气溶胶参数:光学厚度值分别为0.01、0.05、0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1.0、1.2、1.5、2.0;
⑤地表反射率:蓝波段地表反射率为0至0.15,步长间隔为0.01。
(3)、计算
假设地表为均一朗伯面,气溶胶和大气分子在水平方向上分布均一,沿垂直方向均匀变化,则传感器接收到的大气层顶的表观反射率为:
式中:、为太阳天顶角、观测天顶角;为相对方位角;为大气路径辐射等效反射率;为地表二项反射率;、分别为上下行直射加散射的透过率;为大气下届半球反射率。
先通过地表反射率数据集获得蓝波段地表反射率,再根据查找表通过查找、插值的方式得到与像元几何信息最为匹配的一组,获得该条件下的、、、四个参数,再根据以上四个参数通过地气解耦求得模拟的表观反射率,并与真实值进行对比,筛选出两者差值最小的一组大气参数,最后经查找表查询、插值得到该组大气参数对应的AOD值,即为所求气溶胶光学厚度。
S2.8:各项因子归一化处理
为了提高数据的准确性,通过取5%的置信区间的方式去除异常值。由于绿度、热度、湿度、干度、盐度、地表水势丰度和空气质量这七个因子在数量级和单位上存在差异,在构建模型前需进行归一化处理,将四个指标转化为无量纲指标,使其取值范围在[0,1]之间,计算公式如下:
式中:为各指标归一化后的数值,为各指标在像元i处指标的原始值、为各指标的最大值,为各指标的最小值。
步骤3、根据步骤得到的各生态指数单因子构建遥感生态环境评价模型;
在实施例中,S3的实现包括以下步骤:
对经过归一化处理后的各指标进行主成分分析PCA,而后根据贡献度大小对第一主成分和第二主成分进行合成,初步获得遥感生态评价指数:
式中:和分别代表主成分分析结果中的第一主成分和第二主成分,和分别表示对应主成分的贡献率。
为了方便环境质量的评估,对遥感生态评价指数进行归一化处理,使其取值范围在[0,1]之间:
式中:为归一化后的遥感生态环境评价指数,为的最大值,为的最小值。
步骤4、根据遥感生态环境评价模型对研究区环境质量进行评估;在本实施例中,S4的实现包括以下步骤:
对遥感生态评价指数进行分级处理,以0.2为一个区间将划分为五个等级:一级数值区间为[0,0.2],表示生态环境质量“差”;二级数值区间为(0.2,0.4],表示生态环境质量“较差”;三级数值区间为(0.4,0.6],表示生态环境质量“一般”;四级数值区间为(0.6,0.8],表示生态环境质量“良好”;五级数值区间为(0.8,1],表示生态环境质量“优”。根据以上分级结果对环境质量进行评价与分析。实施例中2014-2020年实施区的空间分布如图2所示,根据计算得到的实施区,即可按照上述方法对其生态环境进行评价。
相对于现有技术,本发明的有益效果是:本发明运用多期影像合成的结果,通过主成分分析的方法集成绿度、热度、湿度、干度、盐度、地表水势丰度和空气质量这7种因子构建综合性的针对沿海城市地区遥感生态环境评价指数,同时采用前两位主成分构建的方式也使得最终的生态环境质量评估结果更具有全面性与准确性。
以上仅为本发明较佳的实施例,并非因此限制本发明的实施方式及保护范围,对于本领域技术人员而言,应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案,均应当包含在本发明的保护范围内。
Claims (7)
1.一种多水域城市生态环境遥感监测方法,其特征在于,包括如下步骤:
步骤1、获取指定年份中研究区域的多期遥感影像并对其进行预处理;
步骤2、根据处理后的遥感影像获取生态指数单因子指标,其中,生态指数单因子指标包括水体空间分布的影响因子,并对各生态指数单因子进行归一化处理;
步骤3、根据步骤得到的各生态指数单因子构建遥感生态环境评价模型;
步骤4、根据遥感生态环境评价模型对研究区环境质量进行评估;
其中,生态指数单因子指标包括绿度因子、湿度因子、干度因子、热度因子以及水体空间分布的影响因子,所述水体空间分布的影响因子包括地表水势丰度因子、盐度因子、空气质量因子;
地表水势丰度因子的计算方法为:
式中:、、表示遥感影像中的蓝波段、近红外波段、中红外波段2的反射率;
盐度因子计算公式为:
式中,为盐分指数,为归一化盐分指数,为盐分指数2,为盐分指数3,、、、分别表示遥感影像中蓝波段、红波段、近红外波段1的反射率,在进行计算前先将各盐分指标进行归一化处理;
空气质量因子的计算方法为:
首先,构建地表反射率数据集;构建MODIS蓝波段反射率与OLI蓝波段地表反射率间的函数关系,通过回归分析建立MODIS蓝波段与OLI蓝波段光谱转化模型,最终形成与OLI匹配的蓝波段地表反射率数据;
其次,构建查找表;采用6S辐射传输模型模拟构建不同观测几何条件下的电磁波在大气中的传播过程,根据传感器类型及观测条件设置查找表相关参数;
最后,计算;传感器接收到的大气层顶的表观反射率为:
式中:、为太阳天顶角、观测天顶角;为相对方位角;为大气路径辐射等效反射率;为地表二项反射率;、分别为上下行直射加散射的透过率;为大气下届半球反射率;
根据上述构建的查找表通过查找、插值的方式得到与像元几何信息最为匹配的一组,获得该条件下的、、、四个参数;再根据以上四个参数求得模拟的表观反射率,并与真实值进行对比,筛选出两者差值最小的一组大气参数,最后经查找表查询、插值得到该组大气参数对应的AOD值,即为所求气溶胶光学厚度。
2.根据权利要求1所述的多水域城市生态环境遥感监测方法,其特征在于,步骤1中预处理方法为:选取遥感影像中的云及阴影部分并对其进行掩膜处理,并对同年份多幅影像进行中值合并,再对合并后的影像进行几何校正、辐射定标、大气校正,之后利用研究区域矢量文件对遥感影像进行裁剪。
3.根据权利要求1所述的多水域城市生态环境遥感监测方法,其特征在于,绿度因子的计算公式为:
式中:、表示遥感影像中的红波段、近红外波段的反射率;
湿度因子的计算公式为:
式中:、 、、、、分别代表遥感影像中的蓝波段、绿波段、红波段、近红外波段、中红外波段1、中红外波段2的反射率;c1~c6是遥感影像传感器的参数。
4.根据权利要求1所述的多水域城市生态环境遥感监测方法,其特征在于,干度因子的计算方法为:
(a)、对步骤1处理后的遥感影像进行计算,得到不同地物类型的丰度图及所占面积比例;
(b)、计算城市建筑指数和裸土指数,其中,城市建筑指数的计算公式:
;
式中,;
裸土指数计算公式:
式中,、、、、、分别表示遥感影像中的蓝波段、绿波段、红波段、近红外波段、中红外波段1和热红外波段1的反射率;
(c)根据上述得到的不同地物类型所占面积比例、建筑指数 和裸土指数计算干度因子,其计算公式为:
式中,、分别表示不透水面和裸土面积的比例,由上述步骤(a)获得。
5.根据权利要求1所述的多水域城市生态环境遥感监测方法,其特征在于,热度因子的计算方法为:
首先根据植被数据计算植被覆盖度,再根据植被覆盖度计算地表比辐射率,再根据地表比辐射率计算相同温度下黑体辐射亮度,最后根据黑体辐射亮度即可得到热度因子;其中,植被覆盖度计算公式:
;
式中,为归一化植被指数,表示分类为植被完全覆盖类型的地物的归一化植被指数,表示分类为裸土或无植被覆盖类型的地物的归一化植被指数;
自然表面像元的比辐射率估算公式:
城镇像元的比辐射率估算公式:
;
地表比辐射率计算公式:
;相同温度下黑体辐射亮度计算公式:
;
式中,为热红外波段的辐射亮度,为大气在热红外波段的透过率,为大气向上辐射亮度,为大气向下辐射亮度;
热度因子计算公式:
;
其中,K 1、K 2为定标系数常量。
6.根据权利要求1所述的多水域城市生态环境遥感监测方法,其特征在于,步骤3具体实现方法如下:
采用主成分分析法集成各生态指数单因子建立遥感生态环境评价模型,其计算公式如下:
式中:和分别代表主成分分析结果中的第一主成分和第二主成分,和分别表示对应主成分的贡献率;
对构建的遥感生态环境评价模型进行归一化处理,计算公式如下:
式中:为归一化后的指数值,、和分别表示改进后遥感生态指数的原始值、所有像元中的最大值和最小值。
7.根据权利要求1所述的多水域城市生态环境遥感监测方法,其特征在于,步骤4中的评价方法如下:
对遥感生态环境评价指数进行分级处理,以0.2为一个区间将划分为五个等级:一级数值区间为[0,0.2],表示生态环境质量“差”;二级数值区间为(0.2,0.4],表示生态环境质量“较差”;三级数值区间为(0.4,0.6],表示生态环境质量“一般”;四级数值区间为(0.6,0.8],表示生态环境质量“良好”;五级数值区间为(0.8,1],表示生态环境质量“优”,根据以上分级结果对环境质量进行评价与分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628972.4A CN116359137B (zh) | 2023-05-31 | 2023-05-31 | 多水域城市生态环境遥感监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310628972.4A CN116359137B (zh) | 2023-05-31 | 2023-05-31 | 多水域城市生态环境遥感监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116359137A CN116359137A (zh) | 2023-06-30 |
CN116359137B true CN116359137B (zh) | 2023-08-15 |
Family
ID=86905335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310628972.4A Active CN116359137B (zh) | 2023-05-31 | 2023-05-31 | 多水域城市生态环境遥感监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116359137B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117274082B (zh) * | 2023-09-18 | 2024-09-20 | 深圳市中科云驰环境科技有限公司 | 一种基于遥感生态指数的水体生态环境质量分析方法及系统 |
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 |
CN117456375B (zh) * | 2023-11-07 | 2024-09-24 | 生态环境部卫星环境应用中心 | 锰渣废石遥感自动提取方法和装置 |
CN117541086B (zh) * | 2024-01-10 | 2024-04-19 | 中化现代农业有限公司 | 盐渍化程度的确定方法、装置、电子设备和存储介质 |
CN118379170A (zh) * | 2024-03-28 | 2024-07-23 | 建元未来城市投资发展有限公司 | 一种基于大数据的城市环境数字化管理系统 |
CN118155001B (zh) * | 2024-05-11 | 2024-09-17 | 中国电建集团西北勘测设计研究院有限公司 | 评估风电场对土地覆盖影响的方法、装置、设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015021428A1 (en) * | 2013-08-09 | 2015-02-12 | Cnry Inc. | System and methods for monitoring an environment |
CN106202960A (zh) * | 2016-07-21 | 2016-12-07 | 沈阳环境科学研究院 | 一种基于湖泊水生态系统的健康评价方法 |
CN108038351A (zh) * | 2017-12-06 | 2018-05-15 | 武汉大学 | 一种基于遥感影像和水生态模型的叶绿素计算方法 |
RU2017116218A (ru) * | 2017-05-11 | 2018-11-14 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Государственный университет по землеустройству" | Способ комплексного мониторинга природной среды |
CN112561235A (zh) * | 2020-11-23 | 2021-03-26 | 中铁二十四局集团福建铁路建设有限公司 | 一种适于高速公路路域的生态脆弱性评价方法 |
CN114241334A (zh) * | 2021-12-20 | 2022-03-25 | 南京大学 | 一种多因子集成的干旱区生态环境遥感监测方法 |
CN115689327A (zh) * | 2022-08-23 | 2023-02-03 | 桂林航天工业学院 | 一种喀斯特流域生态环境质量的遥感综合评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109470831B (zh) * | 2018-12-27 | 2023-12-22 | 中科院合肥技术创新工程院 | 一种水生态监测与修复水面机器人及水生态修复控制方法 |
-
2023
- 2023-05-31 CN CN202310628972.4A patent/CN116359137B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015021428A1 (en) * | 2013-08-09 | 2015-02-12 | Cnry Inc. | System and methods for monitoring an environment |
CN106202960A (zh) * | 2016-07-21 | 2016-12-07 | 沈阳环境科学研究院 | 一种基于湖泊水生态系统的健康评价方法 |
RU2017116218A (ru) * | 2017-05-11 | 2018-11-14 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Государственный университет по землеустройству" | Способ комплексного мониторинга природной среды |
CN108038351A (zh) * | 2017-12-06 | 2018-05-15 | 武汉大学 | 一种基于遥感影像和水生态模型的叶绿素计算方法 |
CN112561235A (zh) * | 2020-11-23 | 2021-03-26 | 中铁二十四局集团福建铁路建设有限公司 | 一种适于高速公路路域的生态脆弱性评价方法 |
CN114241334A (zh) * | 2021-12-20 | 2022-03-25 | 南京大学 | 一种多因子集成的干旱区生态环境遥感监测方法 |
CN115689327A (zh) * | 2022-08-23 | 2023-02-03 | 桂林航天工业学院 | 一种喀斯特流域生态环境质量的遥感综合评价方法 |
Non-Patent Citations (1)
Title |
---|
附有物理量和气象条件约束的光学卫星国土观测有效覆盖率评估;巫兆聪 等;测绘学报;第45卷(第07期);第841-849页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116359137A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116359137B (zh) | 多水域城市生态环境遥感监测方法 | |
Aboelnour et al. | Application of remote sensing techniques and geographic information systems to analyze land surface temperature in response to land use/land cover change in Greater Cairo Region, Egypt | |
Liu et al. | Analysis of the urban heat island effect in Shijiazhuang, China using satellite and airborne data | |
Hajj et al. | Relative radiometric normalization and atmospheric correction of a SPOT 5 time series | |
CN113988626B (zh) | 一种矿区生态环境遥感综合评价指数实现方法 | |
CN109581372A (zh) | 一种生态环境遥感监测方法 | |
CN113128134A (zh) | 一种矿区生态环境演变驱动因子权重量化分析方法 | |
CN103914678B (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
CN111024618A (zh) | 基于遥感影像的水质健康监测方法、装置及存储介质 | |
CN114005048A (zh) | 基于多时相数据的土地覆盖变化与热环境影响研究方法 | |
CN113553907A (zh) | 一种基于遥感技术的森林生态环境状况评价方法 | |
CN109406361B (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
CN112733596A (zh) | 一种基于中高空间分辨率遥感影像融合的森林资源变化监测方法及应用 | |
Yang et al. | Mapping the human footprint from satellite measurements in Japan | |
CN111879915A (zh) | 一种滨海湿地高分辨率的逐月土壤盐度监测方法及系统 | |
CN110632032A (zh) | 一种基于地表反射率库的沙尘暴监测方法 | |
CN102901563B (zh) | 一种同时确定地表窄波段和宽波段比辐射率的方法及装置 | |
CN113807732A (zh) | 顾及局部特征的遥感生态环境的评价方法和存储介质 | |
CN110321528B (zh) | 一种基于半监督地理空间回归分析的高光谱影像土壤重金属浓度评估方法 | |
CN117830381A (zh) | 湖泊面积变化空间分析模型、构建与面积变化预测方法及装置 | |
Chen et al. | Urban land surface temperature retrieval from high spatial resolution thermal infrared image using a modified split-window algorithm | |
Werdell et al. | Approach for the long-term spatial and temporal evaluation of ocean color satellite data products in a coastal environment | |
CN117054484A (zh) | 一种基于多源遥感数据的土壤盐渍化预测方法 | |
CN114296061B (zh) | 基于多元变量检测和不同辐射传输模型的交叉定标方法 | |
You et al. | Reconstruction of MODIS LST under Cloudy Conditions by Integrating Himawari-8 and AMSR-2 Data through Deep Forest Method |
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 |