[发明专利]基于遥感影像的蓝藻生物量时空变化监测与可视化方法

说明书

技术领域

本发明涉及一种水环境监测技术，尤其是涉及一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法。

背景技术

从国内外富营养化及蓝藻水华的监测工作来看，由于受到自然条件和时空等因素限制，传统的监测方法具有一定局限性。成本高、耗时长，并很难对大面积湖泊的藻类的时空动态分布和变化做出全面的调查。随着遥感技术的不断进步，在广袤水域的污染识别和检测方面，使用卫星遥感数据已经成为大面积、迅速评估水质的有效方法。特别是利用高时空分辨率的多时相卫星影像数据结合已有的地理信息和实测数据，能全面、快速、可靠地识别和提取出蓝藻污染区域，进而获得蓝藻水华的污染情况。从而快速、全面掌握蓝藻时空分布变化信息，能实现控制蓝藻水华、评价蓝藻生态环境风险、研究蓝藻异常生长的原因以及建立水质的预警系统的作用。

对水体中蓝藻水华的识别，国内外的研究者们使用的算法众多，包括使用归一化差值植被指数(NDVI)、使用藻类的波谱反射和吸收特性、使用水体生物-光学模型等方法。使用这些方法的本质，都是对所获得的遥感影像进行分类提取，根据蓝藻污染水域本身的光谱特性以及其他生物学特性，从其中提取和识别出蓝藻水华污染的区域，从而对受污染水域进行分析。因此，从蓝藻在遥感影像上显示的光谱特性和生物学特性角度出发，蓝藻的识别方法可以分为两大类，一类是利用蓝藻本身的光谱特性，利用蓝藻污染水体和正常水体在不同波段吸收率和反射率的差异，使用归一化差值植被指数或构造其他评价指数的方法，对遥感影像进行解译，识别和提取出蓝藻污染区域；另一类则是利用蓝藻污染水体的生物学特性，利用蓝藻中所含的叶绿素a、液泡结构等生物特性，通过遥感影像的光谱分析，对水体的叶绿素浓度含量等参数进行判断，进而获得蓝藻水华的污染情况。

对于国内外目前使用的这两类蓝藻识别算法，其也有各自的优势和劣势。使用归一化差值植被指数或其他构造的植被指数，通过遥感数据反映的光谱信息，具有识别准确，易于处理的优点，在水体蓝藻浓度较高时，会在水面上产生类似陆上植被的光谱特征，识别处理效果较好，但是当水体蓝藻浓度较低时，蓝藻的光谱曲线与背景水体相混合，呈现高悬浮物水体的特性，给水华面积的提取带来了困难，还需要与其他地物光谱曲线相结合，进一步分析。使用含蓝藻水体的叶绿素a浓度和蓝藻液泡结构的生物特性的分类方法，具有适应性好，数据源广泛的特点。需要考虑水面其他水生植物，例如水草、浮萍等高叶绿素植物的影响因素，对于水深水质等环境背景因素也有要求。同时，高分辨率的影像对水体中叶绿素a浓度的判别有较好的效果，但是考虑到国内遥感研究的实际情况，价格高昂的高分辨率影像获取途径不易，还多使用中等分辨率的MODIS数据，影响了相应研究的深入。

对于蓝藻水华变化情况的检测，目前国内外使用的主要方法是基于多时相的遥感影像，通过对一段时间序列内的遥感影像进行分析，对不同时相的遥感影像分别进行蓝藻的识别和提取，然后进行对比分析，获取蓝藻的变化情况，对蓝藻水华进行检测。针对我国目前淡水水体污染严重的现状，使用遥感数据进行水污染的识别和检测有着广阔的应用前景。同时，遥感数据的应用也有其局限性，因此在使用遥感数据进行水污染识别和变化检测处理时，应当加强与环境、海洋、生物等学科的联系，使用多种方法同时进行，运用多学科的知识来弥补遥感数据识别与提取上的不足。

在实际应用中，大面积浑浊水体和陆生植被将对蓝藻覆盖信息的分类和提取产生明显地干扰作用。传统的遥感影像分类技术利用单一的指数特征，如归一化植被指数、归一化差异水体指数(NDWI)等，其对蓝藻分布信息的提取较多受到自然条件和环境因素的影响。同时，目前类似的蓝藻生物量监测系统都缺少流域和水网分析，主要是单纯依赖遥感影像进行蓝藻爆发监测。无法在充分利用已有数字化地理信息的基础上对蓝藻水华的爆发机理、流域影响、风力和温度等环境和气象因素的影响进行分析和直观表达。从而难以对蓝藻水华的成因分析给以可靠支持和指导，也因此无法有效地实现蓝藻水华的时空分布和变化的全面分析。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种蓝藻识别精度和可靠性高的基于遥感影像的蓝藻生物量时空变化监测与可视化方法。

本发明的目的可以通过以下技术方案来实现：

一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，该方法包括以下步骤：

1)获取蓝藻研究区域的遥感影像，并对其进行图像预处理，构建归一化蓝藻指数；

2)采用基于VPRS_GID的特征优化模型对遥感影像的特征进行优化，获得优化后的多特征空间；