一种富营养化湖泊藻类总存量遥感估算方法
【技术领域】
[0001 ]本发明设及富营养化湖泊藻类总存量遥感估算方法。
【背景技术】
[0002] 藻类大量繁殖引起的水华现象是湖泊水体富营养化的重要特征(孔繁翔和高光， 2005)，我国已经成为世界上蓝藻水华暴发最严重、分布最广的国家之一(吴庆龙等，2008)。 卫星遥感具有快速、大范围、周期性的特点，已成为湖泊蓝藻水华监测和预测预警不可或缺 的技术手段(潘德炉和马荣华，2008)。目前，我国长江中下游富营养化湖泊(太湖、巢湖等） 蓝藻水华面积的卫星遥感监测均已基本实现了业务化运行（马荣华等，2010;朱利等， 2013)，为政府及水环境管理部口提供了重要的决策依据。
[0003] 事实上，由于蓝藻具有伪空胞(Vacuole)的特殊细胞结构，其自身具有浮力和根据 环境变化(光照、水动力）调节浮力的能力(Walsby，1994;孔繁翔和宋立荣，2011)，导致水体 表层藻华面积经常会在数小时内发生剧烈变化，甚至出现短时间内大面积蓝藻水华聚集或 消失的现象。因此，单独监测覆盖水华面积很难真实表征水体中藻类分布状况，只有获得水 体内藻类总存量，才能准确把握蓝藻变化情势。
【发明内容】
[0004] 本发明的目的在于提供一种富营养化湖泊藻类总存量遥感估算方法，可精确获取 湖泊藻类总存量的时空分布，准确分析湖泊内藻总量发生、发展状况及趋势，科学评估湖泊 污染治理与生态修复效果，为水利、环保等部口的水资源管理、水环境保护的科学决策提供 科技支撑。
[0005] 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W另选或有 利的方式发展独立权利要求的技术特征。
[0006] 为达成上述目的，本发明所采用的技术方案如下：
[0007] 本发明提供一种富营养化湖泊藻类总存量(表征量:叶绿素 a总量，量纲:t)的遥感 估算方法，包括:在生物光学模型模拟及实测数据的基础上，获取NDBI与水体表层叶绿素 a 浓度间的定量关系，并推广至经过瑞利散射矫正的M0DIS卫星影像数据;基于巢湖中庙及巢 湖闽的同日水位及巢湖水下DEM，确定巢湖的水深空间分布情况;基于实测剖面经验数据， 筛选判断湖泊NDBI阔值，分别构建藻华与非藻华条件下单元水柱内藻类总存量估算方法； 基于M0DIS卫星影像的单元像元内藻类总存量的估算方法。基于本发明的方法，可准确获取 富营养化湖泊藻类总存量的年际、月际变化规律及其空间分布。
[000引作为进一步的示例，前述方法的具体实现包括：
[0009] 1)在生物光学模型模拟及实测数据的基础上，获取NDBI与水体表层叶绿素 a浓度 间的定量关系
[0010] 基于藻华W及悬浮物光谱响应特征，构建藻类指数NDBI作为湖泊表层叶绿素 a浓 度的基本指数;生物光学模型的基础上，结合巢湖的实测数据，进行不同情景下的数值模 拟，确定NDBI与叶绿素 a浓度的定量关系，利用野外实测数据构建基于Rrs数据的NDBI与表层 叶绿素 a浓度的定量关系;模拟巢湖地区在不同气溶胶类型及厚度、不同太阳高度角、卫星 观测角W及方位角情况下，地面监测的遥感反射比Rrs与模拟的瑞利散射矫正后的Rrc之间 的定量关系；将基于地面实测光谱数据的表层叶绿素 a浓度反演算法应用至经过瑞利散射 矫正的MODIS卫星影像数据，从而获取到湖泊全水域表层叶绿素 a浓度空间分布；
[0011] 2)基于巢湖中庙及巢湖闽的同日水位及巢湖水下DEM，确定巢湖的水深空间分布 情况
[0012] 通过巢湖闽与忠庙站的水位数据，计算得到全湖的水位数据；由湖底DEM得到湖底 高程数据，通过水位数据减去高程数据全湖水深空间分布数据；
[0013] 3)筛选判断湖泊非藻华条件的NDBI阔值，基于实测剖面数据，构建藻华和非藻华 条件下表藻总量的遥感估算方法
[0014] 其中所述判断湖泊非藻华条件的评价指数NDBI是指基于藻华W及悬浮物光谱响 应特征，W该藻类指数作为判断藻华和非藻华的基本指数;基于实测数据，利用CART决策树 W及地面遥感反射比Rrs与瑞利散射矫正后的Rrc之间的定量关系，获取到NDBlRrc = 0.1193 为卫星影像中非藻华和藻华条件的区分阔值;基于巢湖地区野外剖面监测数据，分别构建 了藻华和非藻华条件下藻总量的遥感估算方法；
[0015] 4)基于M0DIS卫星影像的每个像元内藻类总存量的估算方法
[0016] 利用水体表层叶绿素 a浓度与NDBI间的定量关系、对应条件下藻总量的遥感估算 方法，基于M0DIS卫星影像再结合巢湖同日的水深数据，获取卫星影像每个像元水柱内的藻 类总存量。
[0017] 基于前述步骤和方法，在对多幅时间序列的卫星影像处理后获取富营养化湖泊全 湖的藻类总存量的年际、月际变化规律及其空间分布。
[0018] 由W上本发明的技术方案可知，本发明的富营养化湖泊藻类总存量M0DIS卫星遥 感估算方法，在生物光学模型模拟及实测数据的基础上，获取NDBI与水体表层叶绿素 a浓度 间的定量关系，并推广至经过瑞利散射矫正的M0DIS卫星影像数据;基于巢湖中庙及巢湖闽 的同日水位及巢湖水下DEM，确定巢湖的水深空间分布情况;基于实测剖面经验数据，筛选 判断湖泊NDBI阔值，分别构建藻华与非藻华条件下单元水柱内藻类总存量估算方法;基于 M0DIS卫星影像的单元像元内藻类总存量的估算方法。获取全湖藻类总存量的时空分布，可 W更加客观真实地反映湖泊富营养化状况的时空分布。湖泊藻类总存量遥感监测可W有效 的实现对湖泊藻华风险W及对水源区进行有效评估;湖泊藻类总存量的长期高精度监测， 有助于科学评估年际间藻类总量的变化及其发展趋势，有效评估湖泊污染治理和生态修复 的绩效，为水利、环保等部口的水资源管理、水环境保护的科学决策提供科技支撑。
[0019] 应当理解，前述构思W及在下面更加详细地描述的额外构思的所有组合只要在运 样的构思不相互矛盾的情况下都可W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。
[0020] 结合附图从下面的描述中可W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】
[0021] 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W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，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：
[0022] 图1是NDB巧旨数监测藻华的基本原理示意图。
[0023] 图2是理论模拟下NDBI与叶绿素 a浓度间定量关系。
[0024] 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W及方位角时，Rrs 与Rrc间的定量关系。
[0025] 图4是NDBI判断藻华与非藻华条件的CART决策树。
[0026] 图5是藻华与非藻华条件下巢湖藻总量的遥感估算方法。
[0027] 图6是巢湖叶绿素 a的M0DIS卫星高精度监测空间分布结果(2010年12月4日）。
[0028] 图7是某一段时期的（2003-2013年)巢湖藻类总存量的时空分布结果汇总图。
[0029] 图8是某一段时期的（2003-2013年)巢湖藻类总存量的变化统计图。
[0030] 前述图示1-8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，并不在本例中再做寶述。
【具体实施方式】
[0031] 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。
[0032] 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，W及下面更加详细地描述的那些构思和实施方式可很多方式中任意一种来实 施，运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