论文部分内容阅读
叶绿素a是藻的种类、藻类浓度的重要指示因素,其浓度经常被作为衡量水体营养化程度的一个重要参数。叶绿素a有特定的吸收、散射特性。遥感光学信号能够捕捉水体颜色,从而定量化其浓度。一般蓝藻水华暴发时,叶绿素a浓度急剧变化,这种显著变化往往在较短的时间尺度如几个小时内持续发生,而传统的遥感影像监测的最小时间尺度大多为一天甚至者更久,因而容易忽略一些水体叶绿素在一天之内的变化特征。本文通过静止遥感卫星GOCI提供的以1小时为时间分辨率一天之内8景的遥感影像,系统分析太湖整体叶绿素a浓度的昼变化特征,对蓝藻水华暴发时的应急响应及决策,以及蓝藻水华的预警和治理都有重要意义。(1)通过2010年10月到2012年5月于不同季节采集的总共5次太湖野外水体光谱数据和同步水样理化分析得到的叶绿素a浓度数据,对太湖水体不同叶绿素a浓度的相关谱段进行相关分析,发现对叶绿素a浓度敏感的550nm、680nm、700nm等相关波段。基于半经验／半分析等不同的光谱估算模型对模型的计算精度做了评价,表明波段比值模型、一阶微分模型和三波段模型在太湖水体叶绿素a浓度的光谱估算中都能取得较好的估算精度,并且基于水体辐射传输模型的三波段模型的光谱估算精度要明显高于传统的半经验模型。三波段模型和波段比值模型也适应于影像数据的叶绿素a浓度反演。(2)利用实测气溶胶数据对GOCI影像进行大气校正。基于太湖站实测的太阳辐射光度计数据和气溶胶光学厚度产品计算气溶胶在不同波段的气溶胶参数,进而计算气溶胶辐射亮度值,基于此算法对GOCI数据进行大气校正获取在太湖地区的遥感反射比数据。校正的结果在可见光波段产生了较好的精度,从443nm到680nm波段处的反射率与实测反射率的相对误差低于10%,在蓝光波段412nm处相对误差为19%,也较为接近水色遥感离水辐亮度15%相对误差。(3)利用适合GOCI影像叶绿a浓度反演模型,采用660nm和680nm处两波段比值模型对2012年5月6日从上午8：25至15：25以1小时为时间分辨率的8景GOCI遥感影像做叶绿素a浓度反演,模拟叶绿素a浓度值与实测值相关性达到80.1%。根据对一天内太湖水体叶绿素a浓度的变化分析,发现在8：25时太湖整体的叶绿素a浓度处于全天中的一个较高水平,从8点25分到9点25分为叶绿素a浓度增长阶段,10点25分开始,叶绿素a浓度开始逐渐下降,到15点25分达到最低。此结果与藻类受太阳辐射进行光合作用的气泡调节浮力导致的分层垂直位移理论相吻合。