基于光谱特征分类的内陆湖泊水体富营养化遥感评价研究

The technology of remote sensing which use the staring-imaging satellite images has great superiority such as high temporal resolution and long-term dynamic monitoring. Compared to open ocean waters, inland waters are optically complex due to the uncorrelated optical properties of phytoplankton, total suspended matters, and colored dissolved matter (CDOM), which makes it more difficult to accurately estimate eutrophication status from remotely sensed data. So the crucial link for remote sensing monitoring is classifying water by the spectral information and construct the eutrophication evaluation models by each type of water. In this project, the field experiments were conducted in the typical inland water to observe the water apparent optical properties (AOP), inherent optical properties (IOP) and water quality parameters, etc. Then, an algorithm for classification of inland water spectra by remote sensing reflectance was confirmed. Based on in situ measured hyperspectral data and COMS satellite GOCI image data, we constructed the eutrophication evaluation models for each type of inland water and verified the precision and applicability of the models. The spatial and temporal distribution of study area’s eutrophication state was evaluated by using the GOCI image data with the eutrophication evaluation models. Combined with the meteorological data, research and reveal the response relationship between meteorological factors and eutrophic state.

利用凝视卫星影像数据进行湖泊富营养化时空分布变化监测及动态评价，具有高时间分辨率以及可以长期动态监测的优势，而内陆湖泊水体较为复杂的光学特性一定程度上限制了遥感技术在内陆水体中的应用，所以能准确对所获取的水体光谱信息进行分类判别，并针对各类水体特征构建富营养化评价模型是遥感监测中至关重要的环节。本项目拟选取中国典型内陆水体为研究区，通过对不同区域水体吸收、散射和遥感反射率(Rrs)的差异性进行分析，进而根据水体遥感反射率建立水体的分类方法；在此基础上针对每类水体分别构建基于实测高光谱数据和凝视卫星GOCI影像数据的富营养化遥感评价模型，对模型的精度和适用性进行验证；并将模型结合GOCI影像数据应用于研究区水体，对模型进行验证，进一步获取其富营养化时空分布格局，从而分析其时空变化规律及与气象因子的响应关系。

卫星遥感技术作为一种大范围、同步的对地观测手段，在湖泊水体富营养化监测中具有巨大的优势，并且随着光谱分类算法的研究和发展，其模型的适用性和精度也得到了进一步提升。目前在轨运行的韩国COMS卫星生产的GOCI数据与国产高分四号卫星影像数据同属凝视卫星数据，因此对GOCI数据的应用研究将对国产高分四号卫星影像数据的投入使用起到先期验证和技术储备的作用。.（1）研究中，首先实现了对GOCI数据的预处理研究，包括辐射定标、几何校正、大气校正、水体提取和水华水草区识别剔除等五个流程。.（2）通过对实测水体光学特性的分析，结合非监督分类中两步聚类法对实测光谱数据进行聚类，研究中进而将内陆湖泊水体按照光学特性的不同分为三类水体，并为后续分类建模提供依据。.（3）研究中将Chl-a浓度作为了评价水体富营养化状态的主导因子，进而采用三波段算法选取了特征波段对太湖2018年3月和5月的营养状态进行了评价，并结合2011年和2013年两次苕溪河流域的强降水事件，对极端降水对太湖营养状态的影响进行了分析。在2011年9月场次降水后，苕溪河口的营养状态发生了下降，中心区域的的水体营养状态升高，其中9月4日富富营养化占全湖的面积由9点的43.19%上升至13点的78.87%。而2013年场次降水后太湖水体的富营养化水体面积占比由降水前的37.06%，下降至降水后的15.15%，而随着苕溪河来水水量的下降，太湖富营养化水体的占比又上升至40.98%。.（4）根据构建的太湖悬浮浓度和叶绿素a浓度的反演模型，对2011和2013年太湖水质情况进行反演分析。在两次强降水过程后，太湖水体悬浮物浓度均处于一个较高的水平，在2011年9月4日12点时，悬浮物浓度值最高，全湖的平均浓度达到109.27mg/L；而2013年10月13日12点时，悬浮物浓度值最高，全湖的平均浓度达到100.13mg/L。在2011年9月初，太湖水体的水华现象较为严重，主要暴发的区域集中在西北湖岸区域以及苕溪河口区域；而2013年10月全湖叶绿素平均浓度为13.10μg/L，而水华现象主要发生在太湖的北部湖湾区。