论文部分内容阅读
湖泊是地球上重要的淡水资源，其水质状况直接影响到国民生产和人们的日常用水。随着经济的高速发展和工业化程度的加剧以及人为活动的影响，湖泊污染和富营养化问题日益严重，准确、快速的湖泊水质监测显得尤为重要。叶绿素a浓度是衡量浮游植物的生物量和富营养化程度的最基本指标。常规的湖泊叶绿素a监测方法费时耗力，并且很难反映湖泊的整体水质状况，而遥感技术具有监测范围广，成本低和便于进行长期动态监测的特殊优势，可以快速、及时地提供整个湖区的水质状况，在湖泊水质监测中具有巨大的应用潜力。 本文主要针对太湖地区，通过2009年4月、2006年7月和10月进行的三次水面光谱测量和同步水质采样实验，开展太湖水体光谱特征分析，以及水体中叶绿素a浓度的地面实测光谱反演模型的敏感波段和最佳波段组合选择，建立适合太湖地区的叶绿素a浓度反演模型。 本文采用半经验方法建立基于地面高光谱的叶绿素a定量估测模型。模型的建立通过以下几个步骤实现:基于太湖水体三个时段的遥感反射率数据，分别进行归一化处理和一阶微分处理，通过对归一化结果与一阶微分结果与叶绿素浓度进行相关分析，选取相关性较高的波段或波段组合与叶绿素a浓度建立多种回归模型，选取模型精度高的为叶绿素a浓度的地面高光谱反演模型。研究结果显示: 1.以归一化遥感反射率数据为基础，通过分析归一化遥感反射率与叶绿素a浓度的相关关系，确定较大正相关波段和较大负相关波段的比值作为自变量，叶绿素a浓度值作为因变量，进行模型回归分析。通过分析发现，对于2009年4月的数据，利用R705nm/R673nm所建立的线性模型来进行叶绿素a浓度的估算结果与实测值的平均相对误差较小;对于2006年7月的数据，利用R729nm/R673nm所建立的幂函数模型对叶绿素a浓度的估算效果较理想;对于2006年10月的数据，利用R715nm/R673nm所建立的一元二次模型来进行叶绿素a浓度的估算精度较高。 2.以遥感反射率数据的一阶微分处理结果为基础，通过分析遥感反射率一阶微分结果与叶绿素a浓度的相关关系，确定较大正相关波段的一阶微分值作为自变量，叶绿素a浓度值作为因变量，进行模型回归分析。通过分析发现，对于2009年4月和2006年7月的数据，分别利用R691nm和R707nm波段一阶微分结果建立的一元二次模型对叶绿素a浓度的估算效果较理想;对于2006年10月的数据，利用R698nm波段一阶微分结果建立的指数模型对叶绿素a浓度的估算结果与实测值的平均相对误差较小。 3.通过研究2009年4月、2006年7月和10月水体遥感反射率数据的叶绿素a浓度反演模型可以发现，不论基于归一化反射率还是一阶微分结果，2009年4月的叶绿素a反演模型拟合效果和估算结果均不是很理想，主要原因可能是2009年4月的春季太湖水体中叶绿素a浓度相比2006年7月和10月的浓度偏低所致。