一種富營養化湖泊非藻華條件下藻類總存量遙感估算方法
【技術領域】
[0001] 本發明涉及富營養化湖泊非藻華條件下藻類總存量遙感估算方法。
【背景技術】
[0002] 藻類大量繁殖引起的水華現象是湖泊水體富營養化的重要特征（孔繁翔和高 光，2005)，我國已經成為世界上藍藻水華暴發最嚴重、分布最廣的國家之一（吳慶龍 等，2008)。衛星遙感具有快速、大范圍、周期性的特點，已成為湖泊藍藻水華監測和預測預 警不可或缺的技術手段（潘德爐和馬榮華，2008)。目前，我國長江中下游富營養化湖泊（太 湖、巢湖等）藍藻水華面積的衛星遙感監測均已基本實現了業務化運行（馬榮華等，2010; 朱利等，2013)，為政府及水環境管理部門提供了重要的決策依據。
[0003] 事實上，由于藍藻具有偽空胞（Vacuole)的特殊細胞結構，其自身具有浮力和根 據環境變化（光照、水動力）調節浮力的能力（Walsby，1994 ;孔繁翔和宋立榮，2011)，導致 水體表層藻華面積經常會在數小時內發生劇烈變化，甚至出現短時間內大面積藍藻水華聚 集或消失的現象。因此，單獨監測覆蓋水華面積很難真實表征水體中藻類分布狀況，只有獲 得水體內藻類總存量，才能準確把握藍藻變化情勢。
【發明內容】
[0004] 本發明的目的在于提供一種富營養化湖泊非藻華條件下藻類總存量遙感估算方 法，可精確獲取湖泊藻類總存量的時空分布，準確分析湖泊內藻總量發生、發展狀況及趨 勢，科學評估湖泊污染治理與生態修復效果，為水利、環保等部門的水資源管理、水環境保 護的科學決策提供科技支撐。
[0005] 本發明的上述目的通過獨立權利要求的技術特征實現，從屬權利要求以另選或有 利的方式發展獨立權利要求的技術特征。
[0006] 為達成上述目的，本發明所采用的技術方案如下：
[0007] -種富營養化湖泊非藻華條件下藻類總存量（表征量：葉綠素a總量，量綱：t)的 遙感估算方法，包括：篩選判斷湖泊非藻華條件的NDBI閾值；在生物光學模型模擬及實測 數據的基礎上，獲取非藻華條件下NDBI與水體表層葉綠素a濃度間的定量關系，并推廣至 經過瑞利散射矯正的M0DIS衛星（MODerate-resolution Imaging spectroradiometer)影 像數據；基于實測剖面數據，獲取藻類表層總生物量與不同水深范圍藻類總存量間的查找 表；基于巢湖中廟及巢湖閘的同日水位及巢湖水下DEM，確定巢湖的水深空間分布情況；基 于M0DIS衛星影像的每個像元內藻類總存量的估算方法。基于該方法，可準確獲取富營養 化湖泊非藻華條件下藻類總存量的年際、月際變化規律及其空間分布。
[0008] 作為進一步的示例，前述方法的具體實現包括：
[0009] 1)篩選判斷湖泊非藻華條件的NDBI閾值
[0010] 其中所述判斷湖泊非藻華條件的評價指數NDBI是指基于藻華以及懸浮物光譜響 應特征，選擇紅、綠波段以及類似于NDVI表達形式，可避免高懸浮物對藻華監測的不利影 響，并以該藻類指數作為判斷藻華和非藻華的基本指數；基于野外實測數據，利用CART決 策樹，獲取到NDBIfcs= 0. 24為非藻華和藻華條件的區分閾值；
[0011] 2)在生物光學模型模擬及實測數據的基礎上，獲取非藻華條件下NDBI與水體表 層葉綠素a濃度間的定量關系
[0012] 在生物光學模型的基礎上，結合巢湖的實測數據，進行不同情景下的數值模擬，確 定NDBI與葉綠素a濃度的定量關系，利用野外實測數據構建基于數據的NDBI與表層葉 綠素a濃度的定量關系；模擬巢湖地區在不同氣溶膠類型及厚度、不同太陽高度角、衛星觀 測角以及方位角情況下，地面監測的遙感反射比！與模擬的瑞利散射矯正后的之間的 定量關系；將基于地面實測光譜數據的表層葉綠素a濃度反演算法應用至經過瑞利散射矯 正的M0DIS衛星影像數據，從而獲取到湖泊全水域表層葉綠素a濃度空間分布；
[0013] 3)基于實測剖面數據，獲取藻類表層總生物量與不同水深范圍藻類總存量間的查 找表
[0014] 基于巢湖地區的野外剖面監測數據，獲取水體表層（40cm)內藻總量與不同水深 范圍單元水柱內的藻總量間的查找表；
[0015] 4)基于巢湖中廟及巢湖閘的同日水位及巢湖水下DEM，確定巢湖的水深空間分布 情況
[0016] 通過巢湖閘與忠廟站的水位數據，計算得到全湖的水位數據；由湖底DEM得到湖 底高程數據，通過水位數據減去高程數據全湖水深空間分布數據；
[0017] 5)基于M0DIS衛星影像的每個像元內藻類總存量的估算方法
[0018] 利用水體表層葉綠素a濃度與NDBI間的定量關系、水體表層藻總量與水柱內藻總 量查找表，基于M0DIS衛星影像再結合巢湖同日的水深數據，即可獲取衛星影像每個非藻 華像元水柱內的藻類總存量。
[0019] 基于前述步驟和方法，在對多幅時間序列的衛星影像處理后獲取富營養化湖泊全 湖的藻類總存量的年際、月際變化規律及其空間分布。
[0020] 由以上本發明的技術方案可知，本發明的富營養化湖泊非藻華條件下藻類總存量 衛星遙感估算方法，基于湖泊藍藻水華遙感監測基本原理，確定對水體中無機懸浮物以及 黃色物質不敏感的葉綠素a監測指數NDBI，基于野外實測數據通過CART決策樹確定NDBI 判斷藻華與非藻華條件的閾值，繼而利用非藻華條件下葉綠素a濃度與地面實測光譜的 NDBI及經過瑞利散射矯正后的NDBI數據的定量關系這一核心，來實現對M0DIS影像中對水 體表層葉綠素a的遙感估算，再基于藻類表層總生物量與不同水深內藻類總存量見的查找 表，以及富營養化湖泊的水深數據，獲取非藻華條件下全湖藻類總存量的時空分布，可以更 加客觀真實地反映湖泊富營養化狀況的時空分布。湖泊藻類總存量遙感監測可以有效的實 現對湖泊藻華風險以及對水源區進行有效評估；湖泊藻類總存量的長期高精度監測，有助 于科學評估年際間藻類總量的變化及其發展趨勢，有效評估湖泊污染治理和生態修復的績 效，為水利、環保等部門的水資源管理、水環境保護的科學決策提供科技支撐。
[0021] 應當理解，前述構思以及在下面更加詳細地描述的額外構思的所有組合只要在這 樣的構思不相互矛盾的情況下都可以被視為本公開的發明主題的一部分。另外，所要求保 護的主題的所有組合都被視為本公開的發明主題的一部分。
[0022] 結合附圖從下面的描述中可以更加全面地理解本發明教導的前述和其他方面、實 施例和特征。本發明的其他附加方面例如示例性實施方式的特征和/或有益效果將在下面 的描述中顯見，或通過根據本發明教導的【具體實施方式】的實踐中得知。
【附圖說明】
[0023] 附圖不意在按比例繪制。在附圖中，在各個圖中示出的每個相同或近似相同的組 成部分可以用相同的標號表示。為了清晰起見，在每個圖中，并非每個組成部分均被標記。 現在，將通過例子并參考附圖來描述本發明的各個方面的實施例，其中：
[0024] 圖1是NDBI指數監測藻華的基本原理示意圖。
[0025] 圖2是NDBI判斷藻華與非藻華條件的CART決策樹。
[0026] 圖3是理論模擬下NDBI與葉綠素a濃度間定量關系。
[0027] 圖4是不同氣溶膠類型及其厚度，不同太陽高度角、衛星觀測角以及方位角時，R" 與RJ司的定量關系。
[0028] 圖5是巢湖表層水體藻類總量與單元水柱內不同水深內藻總量的關系參量圖。
[0029] 圖6是巢湖葉綠素a的M0DIS衛星高精度監測空間分布結果（2010年12月4日）。
[0030] 圖7是某一段時期的（2003-2013年）非藻華條件下巢湖藻類總存量的時空分布 結果匯總圖。
[0031] 圖8是某一段時期的（2003-2013年）非藻華條件下巢湖藻類總存量的變化統計 圖。
[0032] 前述圖示1-8中，作為英文形式表達的各坐標、標識或其他表示，均為本領域所公 知的，并不在本例中再做贅述。
【具體實施方式】
[0033] 為了更了解本發明的技術內容，特舉具體實施例并配合所附圖式說明如