水华遥感监测目前已开展对我国三湖一库的水华业务监测,如2010年完成太湖、巢湖水华监测245频次,滇池周报34期。采用的模型有高光谱模型:基于叶绿素a光谱指数,以区别水华和水草与普通水体;多光谱模型:叶绿素a算法;归一化植被指数法(NDVI)。例1:基于MODIS数据的太湖水华遥感监测数据源为当日10

首页> 环境监测> 技术> 正文

【组图】环境卫星应用——地表水环境动态监测

2015-08-10 12:58 来源: 光学遥感微信

水华遥感监测

目前已开展对我国“三湖一库”的水华业务监测,如2010年完成太湖、巢湖水华监测245频次,滇池周报34期。采用的模型有高光谱模型:基于叶绿素a光谱指数,以区别水华和水草与普通水体;多光谱模型:叶绿素a算法;归一化植被指数法(NDVI)。

例1:基于MODIS数据的太湖水华遥感监测

数据源为当日10点45分的MODIS数据,主要使用250米分辨率的红、近红波段数据。

图1太湖水华分布

通过信息提取和分析得出:太湖西部沿岸、竺山湖及湖南区域、梅梁湖、吴中区近岸水域和湖心区监测到水华,面积约为124.44km2,占太湖总面积的5.3%。

例2:基于环境一号卫星CCD数据的巢湖水华遥感监测

采用环境一号B星10点57分CCD数据,对巢湖水华进行监测,地面分辨率30米。采用阈值法,基于CCD的第四波段,能够很好地提取水体分布和水体面积;基于CCD光谱响应函数和6s模型,对遥感影像进行大气校正;最后进行水华提取。

图2巢湖水华分布

如上图所示,巢湖水域无云所覆盖,西北部沿岸监测到水华,面积估算为32.97km2,占总面积的4.33%。

例3:基于环境一号卫星CCD数据的滇池水华遥感监测

采用环境一号卫星11时44分CCD数据,地面分辨率30米。利用ENVI软件的ROI工具完成对云覆盖区域的淹膜。

图3滇池水华分布

如上图所示:滇池水体大部分为云层覆盖,滇池外海北部和东部沿岸水域发生水华,水华面积约为7.99km2,占滇池总面积的2.77%。

延伸阅读:

【组图】环境卫星应用——环境空气质量动态监测

叶绿素a遥感监测

目前已开展针对部分湖库水体叶绿素a的遥感监测。从分析叶绿素a与水体光谱响应间关系出发,针对用环境一号卫星的高光谱数据和CCD数据,基于叶绿素a的高光谱和多光谱两类反演模型,反演叶绿素a的浓度。其中高光谱模型主要包括基于实验室和野外光谱采集的主要波段相关性分析模型、混合像元模型和叶绿素a动态峰位置模型;多光谱模型主要包括基于星地同步试验数据和遥感数据的季节模型和波段优化模型。同时我们也利用MODIS和TM数据对水体的叶绿素a进行反演。应用举例如下:

例1:基于环境一号卫星CCD数据的洞庭湖叶绿素a浓度反演

数据为HJ-1A二级CCD影像数据,有4个波段,数据以GEOTIFF的格式单波段分别存储。

图4洞庭湖叶绿素a浓度分布

从上图中可见,叶绿素a浓度分布图中,西部洞庭湖水域叶绿素a浓度较高,东洞庭湖水域叶绿素浓度较低。南边各湖区中部水域叶绿素a浓度较低。

例2:基于环境一号卫星超光谱数据的大鹏湾叶绿素a浓度反演

数据为HJ-1AHSI的广州大鹏湾区域一景影像,HIS数据有115个波段,波长范围:459—956nm,数据以HDF5的格式存储。

图5广州大鹏湾叶绿素a浓度分布

叶绿素a浓度的分布规律比较合符常识,近岸水域叶绿素a浓度高于远岸区域。

例3:基于MODIS数据的太湖叶绿素a浓度遥感反演

数据为美国TERRA卫星MODIS传感器数据,近红和红外2个波段,地面分辨率250米。

图6太湖叶绿素a浓度分布

上图中黄色部分为水华,从太湖叶绿素a浓度反演结果看,水华周围的叶绿素a浓度最大,中部湖区的叶绿素a浓度较小。东太湖叶绿素a浓度较高主要受水草影响,与实际情况有一定出入。

延伸阅读:

【组图】环境卫星应用——环境空气质量动态监测

水表温度遥感监测

水体表面温度主要指海洋表面温度和内陆水体(如湖泊、河流、水库等)表面温度,其中海洋表面的温度变化对天气参数及全球气候变迁起到决定性的作用,因此海面温度的遥感测量有重要的应用价值和科学意义,一直是遥感界的重要研究课题。目前,主要基于环境卫星IRS数据和TM卫星数据,利用单窗算法,针对我国近海、河口和湖泊的水体表面温度反演研究。应用举例如下:

例1:基于环境一号卫星IRS数据的太湖水表温度反演

采用环境一号B星IRS影像第4波段数据,太湖水表温度反演结果如下:

图7太湖水表分度分布

从上图可见:太湖水表温度分布平滑,从西往东温度逐渐递增,其中东南部有部分水域受到薄云云层影响,温度较低。

例2:基于环境一号卫星IRS数据的渤海水表温度反演

采用环境一号B星IRS影像第4波段数据,渤海水表温度反演结果如下:

图8渤海海表温度分布

从上图可以看出,渤海海表温度分布平滑,其中渤海中心温度要高于近海岸的温度。

例3:基于环境一号卫星IRS数据的长江口水表温度反演

长江口水表温度反演结果如下:

图9长江口水表温度分布

从上图可以看出,长江口水表温度分布平滑,分布趋势为越远离陆地温度越低。

延伸阅读:

【组图】环境卫星应用——环境空气质量动态监测

赤潮遥感监测

赤潮是海洋中某些微小浮游生物在一定条件下暴发性增殖所引起海水变色的一种有害的生态异常现象。赤潮是各种色潮的统称,一般可分为有毒赤潮与无毒赤潮两类。有毒赤潮是指赤潮生物体内含有某种毒素或能分泌出毒素的生物为主形成的赤潮。有毒赤潮一旦形成,可对赤潮区的生态系统、海洋渔业、海洋环境以及人体健康造成不同程度的毒害。无毒赤潮是指赤潮生物体内不含毒素,又不分泌毒素的生物为主形成的赤潮。无毒赤潮对海洋生态、海洋环境、海洋渔业也会产生不同程度的危害,但基本不产生毒害作用。从赤潮发生的地理特征来说,也可分为外海(外洋)型赤潮和近岸、河口、内湾型赤潮。前者是指在外海或洋区出现的赤潮。后者分别指发生在近岸区、河口区或内湾区等水域的赤潮。

赤潮具有与叶绿素具有相似的光谱特征,因此是一种可定量估算的遥感指标,可通过建立浮游植物与叶绿素的相关关系,利用叶绿素含量来估算浮游植物含量。赤潮分布的多光谱遥感提取流程如图10所示,首先输入环境一号卫星CCD数据,依次完成几何校正、目标区截取和大气校正得到遥感反射率图像;然后计算归一化植被指数,并对近红外波段进行阈值分割,分别得到NDVI图像和水体边界二值图像;其次,进行波段运行,形成水域的NDVI图像;基于归一化植被指数阈值,将归一化植被指数大于阈值的像元判断为赤潮,小于阈值的则判断为普通水体,最后得到赤潮面积分布图,通过连续遥感监测,可是实现赤潮的发生、发展的全程监测(如图11)。

图10赤潮分布的多光谱遥感提取流程

图11赤潮遥感动态监测图

延伸阅读:

【组图】环境卫星应用——环境空气质量动态监测

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。
展开全文
打开北极星学社APP,阅读体验更佳
2
收藏
投稿

打开北极星学社APP查看更多相关报道

今日
本周
本月
新闻排行榜

打开北极星学社APP,阅读体验更佳