些方面可W单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
[0033] 本发明给予M0DIS卫星数据对富营养化湖泊藻类总存量的遥感估算，上述目的是 运样实现的: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。
[0034] 作为示例性的描述，下面结合附图所示，对前述方法的实施进行具体说明。
[0035] 步骤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
[0036] 对叶绿素 a浓度变化敏感而又不受高悬浮物影响的叶绿素 a评价指数NDBI是指基 于叶绿素 aW及悬浮物光谱响应特征，选择红、绿波段W及类似于NDVI表达形式，可避免高 悬浮物对叶绿素 a浓度估算的不利影响，并W该藻类指数作为叶绿素 a浓度遥感监测指数。
[0037] 具体地，基于水体光学活性物质（叶绿素 a、无机悬浮物、黄色物质）的基本监测原 理，研究水体中Ξ种光学活性物质的光谱特征，并结合现有叶绿素 a在二类水体中的反演算 法，比较分析各自优缺点，选择准确估算叶绿素 a浓度的同时，不受水体中无机悬浮物W及 黄色物质的影响的监测指数作为蓝藻水华MODIS卫星监测的基本指数，W克服水体中其他 光学活性物质对叶绿素 a浓度监测的不利情况。
[0038] 本例子中，由于高叶绿素 a的水体在绿光波段(570nm)有个反射峰，而因叶绿素 a在 665nm的强吸收而造成红光波段的反射谷（图1)，因此可W从M0DIS对应的叶绿素 a特征波段 来估算叶绿素 a的含量。图1是M0DIS波段设置下高叶绿素 a、高浑浊W及一般水体的光谱W 及Ξ者的差别，可W看出如果W555nm、645nm波段为两端基点，高叶绿素 a水体与高浑浊水 体具有最大的差别。根据此特点，提出了NDBKNormalized difference bloom index)指 数：
[0039] NDBlRrs = (Rrs 巧 55)-Rrs(645))/(Rrs(555)+Rrs(645)) (1)
[0040] 其中，Rrs(A)是地面测量获得的λ波长处水体遥感反射比。
[0041] 在生物光学模型的基础上，结合巢湖的实测数据，开展不同情景下的数值模拟，从 理论上证明NDBI与叶绿素 a浓度的定量关系，W及水体中其他光学活性物质对该算法影响。
[0042] 本例子中，对于一般水体，水体的遥感反射比与水体的固有光学属性成正比关系，
[0046]其中aw和bbw对应着纯水的吸收系数和后向散射系数;而aph、ad和ag则是浮游植物 色素、无机悬浮物和黄色物质的吸收系数，它们都与水体中相应物质的量存在着密切关系， bbp是水体中颗粒物的后向散射系数，在藻类含量不高的水体中，该系数与无机悬浮物有着 密切关系。其中， 鋒7]
(3)[004引根据式(1)，NDBI与叶绿素 a浓度间存在W下关系，
[0049] (4)
[0050] 根据式(4)，NDBI和叶绿素 a浓度间存在着单调关系，也就是NDBI随叶绿素 a浓度的 增加而增加。因此，假定水体中无机悬浮物浓度为50mg/L，在忽略黄色物质影响的情况下， 图2为基于生物光学模型模拟的NDBI和水体表层叶绿素 a浓度间定量关系。
[0051] 根据我们2013-2014年在巢湖的野外实测的光谱数据W及相应的叶绿素 a浓度数 据，我们构建了基于实测光谱数据的巢湖表层水体叶绿素 a的反演算法。
[0052] Chla = 3.888 · ei5'83x瞩 1帖）(5)
[0053] 考察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 角对地面监测的遥感反射比与模拟的瑞利散射矫正后的Rrc之间的定量关系的影响，并通过 模拟数据确定两者之间的定量模型。
[0054] 本例子中，要将基于实测光谱数据得到叶绿素 a的反演算法推广至卫星影像数据， 大气矫正不可忽略。但是目前仍然缺乏针对高浑浊水体有效的精确大气矫正算法，本次采 用MODIS影像的瑞利散射矫正，也就是通过运种矫正，大气层顶的光学信息去除了瑞利散射 的影响，依然包含着气溶胶信息W及地面信息。基于瑞利散射校正后的数据，NDBI表达为： [005引 NDBlRrc=(Rrc(555)-Rrc(645))/(Rrc(555)+Rrc(645)) (6)
[0056]其中，Κκ(λ)是经过瑞利校正的λ波长处的反射率。Rrc是MODIS数据进行瑞利散射 校正，然后基于化等(2004)的研究将其转换为瑞利散射校正后的反射率：
[0化7]
[0化引式中，時是校正臭氧和其他气体吸收效应后的传感器福射率，Fo是获取数据时的 大气圈外太阳福照度，θ0是太阳天顶角，Rr是采用6S(Ve;rmote等，1997)预测的瑞利反射率。
[0059] 基于福射传输理论W及假定一个非禪合的海洋一大气系统，Rr。可W表达为：
[0060]
[0061] 式中，Ra是气溶胶反射率(包括来自于气溶胶分子的相互作用），Rtarget是野外实测 目标(藻类或者水体)的表面反射率，to是从太阳到目标物的大气透射率，t是从目标物到卫 星传感器的大气透射率。由于受风和水流的影响，浮游藻类通常呈现一种水面浮油的形态， 因此t可W看作浮游藻类的光透射率。
[0062] 为了考察不同气溶胶类型及其厚度，W及卫星观测造成的影响，我们根据巢湖地 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及方位角对地面监测的遥感 反射比与模拟的瑞利散射矫正后的Rrc之间的定量关系的影响（图3)，并通过模拟数据确定 两者之间的定量模型，
[006；3] NDBI(Rrc)=0.605 · NDBI(Rrs)+0.023。(9)
[0064] 将基于地面实测光谱数据的叶绿素 a反演算法应用至经过瑞利散射矫正的卫星影 像数据，基于式(5)和式(9)，巢湖叶绿素 a的M0DIS卫星高精度反演模型如下，
[0065] Chla = 1.935 · e26'i65x瞩I化C) 。〇)
[0066] 依据基于M0DIS影像的瑞利散射矫正，结合公式（10)即可实现全影像中水体表层 叶绿素 a浓度的高精度估算。具体流程主要如下:①对获取的M0DIS影像进行了几何纠正和 福射定标计算。几何纠正采用Geogra地ic Lat/Lon投影，结合1B数据中的经缔度信息进行 校正，校正后的位置精度达到0.5个像素。在邸DAS中利用湖泊矢量边界，通过掩膜技术提取 湖泊水域，除去岛蜗植被的影响，利用最近邻法，将M0DIS 500m影像数据重采样为250m;② Μ孤IS影像中逐一像元计算其在bandl(645皿)和band4巧55皿)的Rrc值;③根据公式(6)逐一 像元计算NDBI值;④继而根据公式（10)，即可得到计算后的水体表层叶绿素 a空间分布结 果。
[0067] 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
[0068] 水深数据是由湖区当天的水位数据与湖区抓Μ数据相减得到。计算中选取了巢湖 闽站与忠庙站两个水文站点的实测数据，通过统计2006-2013年所有站点数据，得到两个站 点的平均水位坡度差。对于缺少某一站点的天数采用该平均坡度差得到全湖的水位，对于 包括两个站点的天数，采用实测的水位坡度差内插得到全湖的水位。再结合湖区DEM，用实 测的水位数据与DEM数据相减，进而得到实测的水深数据；
[0069] 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
[0070] 为了获取藻华和非藻华的NDBI的阔值，W巢湖野外实测数据为基础，利用CAR