基于TM影像水体藻类污染研究.docx

《基于TM影像水体藻类污染研究.docx》由会员分享，可在线阅读，更多相关《基于TM影像水体藻类污染研究.docx（12页珍藏版）》请在第一文库网上搜索。

1、题目：基于TM影像水体藻类污染研究专业：测绘工程【摘要】传统的人工现场采集水样进行水质分析的方法监测结果较准确，但采样频次有限、成本高耗时长。遥感技术是研究污染源的动态监测的新方法，使水质监测和治理奠定了基础。本文对TM影像进行了一些介绍，然后对水体植被指数原理、遥感水污染的主要分析方法，常见的有机物污染如叶绿素蓝藻水华遥感原理概括分析总结。最后基于中国大陆东部海域遥感影像图对其提取NDVI、RV1植被指数的提取，从而做出其污染分布图。【关键字】TM影像遥感水质分析环中国大陆东部沿海水体提取植被指数提取藻类信息目录1 .引言12 .TM影像13植被指数14.水质分析方法24.1 半分析方法24

2、. 2经验方法25. 3其他25.水体遥感原理25. 1水体蓝藻水华浓度遥感36. 2水体叶绿素浓度遥感36.环中国大陆东部海域水色遥感模型31 .1数据来源36 .2数据预处理36.2.1图像辐射定标36.2.2图像大气校正46.3水体提取56.4NDVI植被指数提取藻类信息56.5数据处理分析依据56.7分析与讨论67.结束语7致谢语81 .引言了解水污染的现状对保护水资源有重要意义。针对水体蓝藻等有机物的污染，本文对TM影像进行了一些介绍，然后对水体植被指数原理、遥感水污染的主要分析方法，常见的有机物污染如叶绿素蓝藻水华遥感原理概括分析总结。最后基于中国大陆东部海域遥感影像图对其提取ND

3、VKRVI植被指数的提取，从而做出其污染分布图。2 .TM影像在目视解译遥感图像时，我们会考虑很多的图像特征一一颜色（在全色图像情况下）、结构、大小、形状、背景等诸如此类，但在计算机辅助软件中经常使用的仅仅是颜色，重要的是设置的多波段传感器（像眼睛那样在光谱里看到多个地方。并能够进入测量光谱反应模式的传感器）及光谱波段的数目和波段范围。美国地球资源卫星（1andSat）是一个有7个波段，30m分辨率的多光谱图像商业系统。通过分析显示，在许多环境中自然环境信息量的传播最多的波段是近红外波和红色波。水体由红外线波长强烈地吸收，因此在这个区域十分明显。另外，植物物种在这里把他们的根本差异展示了出来，

4、因为这是叶绿素为光合作用吸收能量的原始地方。红色区间也很重要，因为它反映了叶绿素吸收能量进行的光合作用，是容易区分植被和非植被的波长。如果了解了红色波段和近红外波段的重要性，就会发现地球资源监测设计的传感器系统都带有红色波段和近红外波传感器。其他波段依赖于设想的应用范围。很多波段还包括绿色可见波段，因为它可以和另外两个波段一起使用，产生传统的假彩色合成图，即一个来自绿色、红色、和近红外波段的彩色图像（和自然颜色图像的蓝色、绿色和红色波段相反）。这种组合随着红外摄影的出现而变得很常见，并为遥感领域的专家所熟悉。止匕外，这三种波段的结合在解译人文景观、自然和植被表面方面运用得很好。其他波段对地表物

5、质变得更具有针对性，这种现象越来越普遍，比如，陆地卫星TM5波段位于两个水体吸收带之间，目前已经证明了他在确定土壤和叶片水分之间的差异方面非常有用，同样，陆地卫星TM7波段目标是检测裸露岩石表面的热液蚀变区。与它相反，NOAA系列卫星上的AVHRR系统包括几个自动检测云层温度特性的热通道。1andsat上的多谱扫描仪MSS（Mu1ti一Spectra1SCanner）能收集蓝色、绿色、红色和近红外4个波段的图像：专题制图仪TM（ThenIatiCMaPPer）,能够收集7个波段的图像，这些波段有蓝波、绿波、红波、近红外波、两个中近红外波和一个热红外波。多光谱扫描仪的分辨率是80m,而专题制图仪

6、的空间分辨率达到30m.这两个传感器图像有185km宽的测绘带，在当地时间每天的上午9:45经过，周期是16天。3植被指数在自然资源评价和监测中，植被分析和植被形式的变化探测是非常关键的。因而不难发现，绿色植被探测和定量评价是环境资源管理和制定决策的主要遥感应用之一。绿色植被的健康冠层与电磁光谱中的可见光和近红外区域中的能量有明显作用。在可见光区，植物色素（多数是叶绿素）吸收巨大的能量，主要是用于光合作用。这个吸收在可见光谱的红色和蓝色区域达到最高点，多数树叶呈现出了绿色。但在近红外区，会出现不同的相互作用，这个区域的能量不仅用在光合作用中，还被多数树叶的内部结构强烈分散，于是在近红外区产生了

7、非常高的反射率。因而，在红波段的反射量与近红外的反射量之间形成了一个强烈地对比，这成为一系列利用遥感图像发展植被量化指数的重要焦点。植被指数(VI)模型的集合是为提供绿色植被生物量定量评价而设计。植被指数可以应用在高、低空间分辨率卫星图像中，比如，NOAAAVHRR1andsatTM和MSS,SPOTHRV/XS,以及在红波和近中红外地区与该集合相似的其他集合中。在多种情景中，利用绿色植被指数模型对绿色生物量进行评价，还可以用作整体环境变化的标(VI)志，特别应用在干旱的条件和土地退化风险评价中。所以主要集中在干旱环境下绿色生物量评价上，在这类地区，土壤背景是探测信号的主要组成部分。NDVI和

8、RVI是基于斜率的简单运算组合的植被指数，侧重于电磁光谱的红波段和近红外部分中植被的光谱相应机理的对比。基于斜率的植被指数是可见光红波段(RED)和近红外波段(NEARINFRADE)的组合，广泛应用于生成植被指数。这个指数值显示绿色植被和生物量的状态和丰富程度。植被指数为研究和监测植被及植被动态方面提供了重要的机遇。本文将尝试将NDVI和RVI植被指数模型用于水体藻类提取，从而进行有机污染研究。4.水质分析方法4.1 半分析方法物理辐射传输理论、辐射的方法和有效性的光学材料在吸水和反向散射特性、反射率、水之间的关系的基础上,吸收和散射系数用于计算组件和组件的浓度吸收和后向散射系数、浓度的反演

9、方法来确定组件。具有较强的适用性和可靠性,该方法用于悬挂组件如叶绿素和反演。但需要测试参数模型的方法,因为限制的仪器、设备广泛的应用程序。止匕外,一些未知的变量在模型中常量的经验,这可能会影响反演的精度。虽然半分析方法有先天优势,但研究海岸和河口水水质有机污染应用某些。4. 2经验方法基于同步的水质参数的经验方法和遥感测量统计关系的经验,选择最优波段或波段组合模型数据和实测水质参数,然后水质参数反演方法。这种方法是目前使用最广泛的是相对简单的,但事实上,遥感数据之间的相关性和水质参数,和不是很明确的物理意义,受限于时间和地点。4 .3其他随着科学技术的发展,如计算机和人工智能研究人员进行了大量

10、的工作，国内外先进的水质遥感反演方法,这是一个典型的和广泛使用的方法和人工神经网络巴非线性优化方法、主成分分析(PCa),等，5 .水体遥感原理卫星遥感的总辐射(1I)二大气中的水直接反射回到水面尚未实现表面的辐射(1P)+水没有到达底部的水只在界面反射或散射强度(1V)+水体和水面反射辐射(1S)+水底部的反射强度(1B)。1P和1B是有机污染的研究不需要的。水质研究在公式是最重要的1V,包括纯净水(W)和水中的无机悬浮物(SM)、有机叶绿素(Ch1a)和溶解有机物(DOM)的浓度，并分别在水中吸收和散射的光()(c)的功能变化，即：1V=f(Wc(入)、SMc(入)、叶绿素(人)、DOMC

11、(入)这些成分和它们的浓度变化时,水质和水也将改变。水由于入射能量(阳光)有很强的吸收，出现软弱的总体程度的反射率,并有随着波长的增加继续削弱的倾向，具体表现如下：在可见光的波长范围(480nm580nm),反射率约为4%5%,但到580nm,降至2%3%,但超过740nm波长的入射能量几乎所有被水吸收。到目前为止,通常只研究可见光波长的水质污染,在所有的可见光波段中水体蓝色的光反射率是相对强劲的范围,并有明显的散射效应,绿灯略弱,红灯是相对较弱,这也是大海呈蓝的主要原因。由于水体在近红外和随后的中红外波长（740nm-2500nm）范围内的强吸收特性,导致一个明确的水质在波长范围几乎没有反射

12、率,也正因为如此,此波长范围常被用来研究水边界,划定水范围。总之,清水的遥感信息模型根据其反射率可以近似为:蓝色绿色红色近红外中红外。5.1 水体蓝藻水华浓度遥感郭国钦通过分析和研究,得出滇池蓝藻在可见光,红外光谱的谱特征和使用假彩色合成和归一化植被指数方法在滇池蓝藻信息识别和提取遥感。李旭文以TM数据作为数据源,得出利用叶绿素和DVI植被指数（W4/TM3）,藻类生物量之间的高度相关性定量遥感模型成立,湖面积叶绿素和蓝藻生物量遥感评估。使用遥感数据,黄家柱测试了1andSatTM太湖藻类爆发，时间在1998年8月，河。5. 2水体叶绿素浓度遥感我们知道，遥感中显示植物存在的位置是根据叶绿素的

13、多少，水体的富营养化是通过叶绿素。根据已有的研究成果，叶绿素会影响电磁波的波长在大气中的物理反应。它有几个明显的特征：（1）叶绿素的强吸收是在400500n（蓝光）范围内，而且在波长440nm处会出现吸收最低值；（2）在550nm范围，有叶绿素的最大反射峰，其中，在波长520nm处的辐射值是一个不因为叶绿素的改变而改变的“节点”；（3）第二次的强吸收约为675nm处；（4）在69Onnr70OnnI的附近有一次出现明显的反射峰，这是因为各种综合效应在最小；（5）水体在近红外波长的反射率也会随着水中悬浮物质含量的增加而增高，相反，有些沉积物在此波段处的反射率却降低。6. 环中国大陆东部海域水色遥

14、感模型6.1 数据来源地理空间数据云平台下载影像，地理范围大致介于东经23.5925.49北纬117.37119.71,截取了其中的一部分一一我国东部大陆环海地区。影像数据如下：起源二美国地质调查局（U.s.geo1ogica1survey）”SPACECRAFT_ID=1andsat5SENSOR_ID=zzTMzzSENSOR_MODE=zzBUMPERzzACQUISITION_DATE=2010-05-24SCENE_CENTER_SCAN_TIME=02:23:55.67007502SUN_AZIMUTH=94.5606193SUN_E1EVATION=66.93240496. 2数

15、据预处理由于卫星传感器所接收到的信息包含了大气、水体等各方面的信息，为了抑制其它信息和增强表征水体的信息，必须对影像进行预处理。7. 2.1图像辐射定标步骤一:DN值转为星上辐亮度步骤二a：星上辐亮度转为大气顶层反射率步骤二b:热红外波段的星上辐亮度转为星上亮温12在ERDAS中的操作步骤：（1）把多个tiff文件合并为img文件。执行InterPreterIUti1itiesf1ayerStaCk弹出以下窗口在inputfi1e处打开对应影像的所有tiff文件，将1ayer右侧设置为a11后单击Add,设置outputfi1e名称，单击OK开始执行。生成多波段的img文件。（2）建立用于辐射定标的MOde1执行MOdeIer-Mo1e1erMaker弹出以下窗口在上面窗口中，进行读入数据、数据计算、输出结果等模型的建立。注意保存Mode1,以便将来多次使用。（3）执行MOde1,生成结果。8. 2.2图像大气校正大气矫正可以用多种方法来影响遥感图像的性质。在分子水平上，大气气体产生瑞利散射，不断影响短波（原因是，比如，是的天空看上去是蓝色的）而且像氧气，二氧化碳，臭氧和水蒸气（特别是后两者）这些主要大气成分都吸收选定波长的能量。气溶胶颗粒（气溶胶思微小固体或液体颗粒的气体悬浮液）是薄雾的主要决定成分，引进大部分非选择（也就是，同等地影像所有的波