沿海水域污水遥感监测方法研究

摘要

海洋是地球上生命的摇篮，蕴藏着巨大的能源，世界上各个国家的发展都离不开海洋。随着我国日新月异地发展，我国沿海和内河区域船舶溢油污染、压载水和船舶生活垃圾任意排放量与日俱增，陆源污染物的海洋排放量持续增加，我国沿海水域海水污染问题变得日益严峻，不仅影响着人们的日常生活和身体健康，也制约了我国航运业的发展。为了规范船舶操作、保护海洋环境，IMO制定了一些船舶防污染公约，比如《1954年油污公约》(OIL54)、《MARPOL73/78公约》、《2001年控制船舶防污底系统国际公约》(AFS Convention2004)、《国际安全与环保拆船公约》等。我国拥有漫长的海岸线，保护海洋环境防治海水污染必须引起我们的重视。IMO制定的防治海洋污染公约的实施将对我国的航运业产生巨大的影响。
　　传统的海水水质监测方法效率较低，无法获得大范围海水的水质状况，寻找一种更加精确、简便的沿海海域污水监测模型，对海水水质进行监测是一项十分重要的工作。随着全球遥感理论不断革新，海洋污水遥感监测技术逐渐由定性遥感向定量遥感转变。将遥感技术应用于海洋水质监测领域，不仅可以对某一区域进行长期监测，从而对海水污染趋势进行预测，而且节约了污水监测成本。对海水水质进行监测同样符合IMO船舶防污染相关公约的精神。
　　本文对我国沿海水域污水遥感监测方法进行了深入的理论研究，污水遥感监测分为定性监测点和定量监测。论文利用HJ1A/1B遥感卫星数据对我国香港海域海水水质进行了定量反演，同时利用NOAA系列卫星数据对2010年8月2日河北秦皇岛老龙头海域船舶排放的污水团的扩散及漂移状况进行了解译分析。
　　在反演香港海域海水水质时，以反演叶绿素浓度指标为例，首先从我国资源卫星应用中心获取2012年12月26日香港海域的HJ1A/1B影像资料，其次从香港环保署获取2012年12月香港海域76个水质监测点的叶绿素浓度现场数据。本文利用三种方法对香港海域叶绿素浓度进行了分析:
　　①用Pearson相关性分析法分析了100多种波段组合，并选取Pearson相关性系数最大的波段组合对叶绿素浓度进行多元线性回归分析;
　　②将HJ1A/1B遥感数据四个波段数据作为输入，建立BP神经网络模型对香港海域叶绿素浓度进行反演;
　　③建立RBF神经网络模型对叶绿素浓度进行反演。研究结果表明:多元线性回归模型和RBF神经网络模型反演结果相对误差较大，约为0.67; BP神经网络反演结果误差较小，相对误差约为0.38。
　　2010年8月2日秦皇岛老龙头海域发生海水污染事故，给当地养殖户造成了巨大损失，本文利用遥感图像增强的相关方法，对NOAA系列遥感影像进行人工目视解译，最终发现海水污染源头及污水漂移扩散规律。

目录

声明

摘要

第1章 绪论

1．1 论文研究背景及意义

1．2 污水遥感监测国内外研究现状

1．2．1 海水叶绿素遥感

1．2．2 海洋溢油遥感

1．2．3 其他水体污染物遥感

1．3 论文主要研究内容

第2章 遥感监测污染水体的基本理论

2．1 污水遥感监测原理

2．2 污水遥感监测中相关物理量的定义

2．3 水体类型及波谱特征

2．4 水体污染的遥感监测方法

2．4．1 分析法

2．4．2 经验法

2．4．3 半经验法

2．5 污水水质监测指标及可反演的水质指标

2．6 污水遥感监测中的数据源

2．6．1 多光谱数据源

2．6．2 高光谱数据源

第3章 沿海水域遥感影像预处理

3．1 遥感图像及现场数据获取

3．2 传感器定标

3．2．1 发射前实验室定标

3．2．2 星上定标

3．2．3 场地定标

3．3 大气校正

3．3．1 不变目标法

3．3．2 6S大气校正

3．3．3 FLAASH大气校正

3．3．4 黑暗像元法

3．4 几何校正

第4章 遥感监测污水应用实例

4．1 遥感监测香港海域水质特征

4．1．1 香港海域概况

4．1．2 香港海域HJ1A／1B影像预处理

4．1．3 基于波段组合的线性回归模型反演水质

4．1．4 BP神经网络模型反演香港海域水质

4．1．5 RBF神经网络模型反演叶香港海域水质

4．1．6 三种模型反演结果的比较分析

4．1．7 香港海域叶绿素浓度空间分布

4．2 遥感监测秦皇岛老龙头海域污染事故

4．2．1 秦皇岛老龙头海域概况

4．2．2 遥感图像的增强与解译方法

4．2．3 秦皇岛老龙头海域NOAA遥感图像增强处理

4．2．4 海水异常区的漂移扩散分析

4．2．5 污水源分析

第5章 结论与展望

5．1 结论

5．2 展望

参考文献

致谢