[发明专利]一种富营养化湖泊藻蓝素的MODIS遥感监测方法

说明书

本发明提供一种富营养化湖泊藻蓝素的MODIS遥感监测方法，基于MODIS RGB影像人工判读和野外实测数据分析，将富营养化湖泊影像分为藻华影像和非藻华影像；结合连续两年的富营养化湖泊星地同步数据，获取基于EOF分解的藻蓝素估算算法；获取基于EOF算法的藻蓝素估算结果；最后基于所述算法获取富营养化湖泊藻蓝素长时间序列时空分布结果。采用本发明的方法将影像分类后估算色素浓度，估算结果更准确，可更全面的对水质情况做出评价，为水利、环保等部门的水资源管理、水环境保护的科学决策提供科技支撑。

技术领域

本发明涉及富营养化湖泊藻蓝素的MODIS遥感监测方法。

背景技术

卫星遥感技术具有准实时、周期性强、覆盖范围广、成本低等优势，可以弥补常规水质监测方法的不足，已成为湖泊水质实时监测的重要手段(马荣华,2010)。蓝藻水华的遥感研究，以往主要关注叶绿素a(Chlorophyll a，Chla)，但叶绿素a是所有藻类的共同色素，不能完全代表蓝藻。藻蓝素(Phycocyanin pigment concentration，PC)是蓝藻的指示型色素，可以更有效地提供蓝藻信息，以便更全面的对水质情况做出评价(隋战鹰等，2003)。因此，探明蓝藻主要色素浓度，对湖泊水质监测意义重大。

藻蓝素是表征蓝藻的重要指标，藻蓝素浓度的估算对于定量监测蓝藻的生长变化具有重要意义。利用遥感估算藻蓝素的理论基础是藻蓝素具有指示性的光谱特征(马荣华等,2009)，且与其他水色参数如藻蓝素、黄色物质(Chromophoric dissolved organicmatter，CDOM)等不重合。藻蓝素在蓝光波段具有吸收作用，620nm附近明显的特征吸收峰对藻蓝素具有较好的指示作用(Purves et al.,1995)，因此基于该特征波段或者波段组合建立了一系列估算算法，主要包括经验模型、半分析模型和生物光学模型三种类型。

经验算法大多基于红光波段(R)和近红外波段(NIR)，主要是由于藻蓝素在红光波段(R)对光有很强的吸收，并且在红光波段(R)和近红外波段(NIR)悬浮物和CDOM的吸收降到很低(Ma et al.,2006)，这些波段的遥感反射率能较好的反映藻蓝素的吸收和散射特征。因此R和NIR波段比值算法在浑浊水体藻蓝素浓度反演中取得了较好的效果，选择的波段组合主要包括：Rrs(709)和Rrs(620)，(Hunter et al.,2008；Randolph et al.,2008)，Rrs(710)和Rrs(670)，(Hunter et al.,2009)，Rrs(710)和Rrs(620)(Hunter et al.,2010)。Schalles和Yacobi(2000)则使用了两个红光波段比值的方法Rrs(650)/Rrs(625)应用于藻蓝素估算，Chen等(2014)则使用了绿光波段和短波红外波段来估算藻蓝素。上述算法对波段设置的要求较为严格，有些算法无法应用于传感器，因此有一些文献基于传感器的波段设置使用经验算法来估算藻蓝素，例如Vincent等(2004)使用Landsat TM的1、3、5、7波段应用于美国伊利湖的藻蓝素估算；Dash等(2011)则提出使用Rrs(556)和Rrs(520)的斜率来估算藻蓝素；Becker等(2009)基于最小二乘法来建立了适用于MODIS影像的藻蓝素浓度估算算法。