一种富营养化湖泊MODIS影像的藻华和非藻华条件分类方法

摘要

本发明公开了一种富营养化湖泊MODIS影像的藻华和非藻华条件分类方法，基于MODISRGB影像人工判读和野外实测数据分析，将富营养化湖泊的MODIS影像分为藻华影像和非藻华影像；筛选对气溶胶类型及厚度不敏感的蓝藻水华识别指数用于判断藻华像元；最后设定像元阈值区分藻华和非藻华条件MODIS影像。采用本发明的方法可以有效区分高悬浮物主导水体影像和藻华主导水体影像，解决两种影像的误判问题，可以更精确分析富营养化湖泊水质变化特征，为湖泊色素浓度估算提供科技支撑。

说明书

技术领域

本发明涉及富营养化湖泊富营养化湖泊“藻华和非藻华条件”MODIS影像分类方法。

背景技术

卫星遥感技术具有准实时、周期性强、覆盖范围广、成本低等优势，为湖泊水环境监测以及蓝藻水华的预警提供了基础和依据。但研究中发现，经常出现高悬浮物主导水体影像和藻华主导水体影像误判的现象，因此需要对影像进行分类，以更合理的分析湖泊不同物质组分浓度的变化情况。

影像分类的基础是准确地对蓝藻水华区域进行识别，识别蓝藻水华区域依赖于水体反射率信息，水体遥感反射率可以反映水体中不同物质组分浓度的空间差异，蓝藻水华区域与非水华区域在光谱上最大的差异在近红外波段：蓝藻水华区域具有较为明显的反射峰，近红外波段形成抬升，而非水华区域则没有这样的规律，这是利用遥感监测蓝藻水华的理论基础。目前，较常用的蓝藻水华区域识别算法主要有目视分析、单波段法、比值法、指数法等4种。Wrigley RC利用近红外影像解译了加利福尼亚Clear Lake的蓝藻水华暴发区域，是较早关于蓝藻水华识别的科学记载。Gower等提出了MCI指数，利用藻蓝素709nm波段特征峰来提取蓝藻水华。Landsat系列数据空间分辨率更高，李旭文等通过比较大量Landsat TM影像提出了CBI蓝藻水华强度指数。Oyama等基于Landsat TM/ETM+影像，利用VCI和FAI指数结合ETM+第3波段来监测蓝藻水华。但Landsat卫星重访周期需要16天，难以满足蓝藻水华监测需求。Alawadi F针对MODIS第1、2、3、4四个波段数据，提出了一种新的检测微型藻类的表层水华指数SABI(Surface Algal Bloom Index,SABI)，该方法对环境条件的变化具有较好的稳定性。但上述方法的数据基于水体遥感反射率数据Rrs，获取水体遥感反射率数据的关键技术是大气校正，目前为止，湖泊水体的大气校正还没有实现业务化运行。大气校正方法大多使用基于辐射传输模拟模型(Dekker et al.,2001；Ammenberg et al.,2002；、Duan et al.,2008)，但传统的基于辐射传输模型的校正方法需要实时实地的大气参数，目前尚不能实现业务化。而得到广泛应用的“亮像元”大气校正算法(即近红外波段离水辐射为零)(Zhao and Nakajima,1997；Arnone et al.,1998；Ruddick et al.,2000；Hu et al.,2000；Lavender et al.,2005；Vidot and Sante,2005)，由于我国内陆湖泊气溶胶变化较为强烈，而内陆湖泊辐亮度在近红外波段也不为零；此外，湖泊中存在大面积的光学浅水，离水辐射除包含来自水体的贡献外，也包含来自湖底底质的贡献，因此“亮像元”大气校正算法已不再适用。Hu利用经过瑞利校正的反射率数据Rrc，提出了用FAI指数来提取蓝藻水华，避免了大气校正带来的误差，对气溶胶类型和厚度均不敏感，并可用于长时间序列太湖的蓝藻水华监测研究，已经成为较为成熟的可用于我国富营养化湖泊蓝藻水华区域的提取方法。

本发明旨在选择对气溶胶类型和厚度均不敏感的浮游藻类指数(FAI)，在藻华识别的基础上，通过对2000-2014年MODIS影像进行目视区分，统计获取“藻华和非藻华条件”MODIS影像分类像元阈值，对不同特征的MODIS影像进行分类。通过对“藻华和非藻华条件”MODIS影像进行分类，可以更全面地对巢湖水质情况进行全面分析，为水体色素浓度估算提供技术支撑。

参考文献：

Alawadi F.Detection of surface algal blooms using the newly developed algorithm surface algal bloom index(SABI)[C]//Remote Sensing.International Society for Optics and Photonics,2010:782506-782506-14.

Ammenberg P,Flink P,Lindell T,Pierson,D,Strombeck N.Biooptical modelling combined with remote sensing to assess water quality.International Journal of Remote Sensing.2002,23:1621-1638；

Arnone R A,Martinolich P,Gould R W,Stumpf R,Ladner S.Coastal Optical Properties Using SeaWiFS,Ocean Optics XIV Kailua-Kona Hawaii,SPIE-the Internation Society for Optical Engineering.November 10-13,1998；

Dekker A G,Vos R J,Peters S W M.Comparison of remote sensing data,model results and in situ data for total suspended matter(TSM)in the southern Frisian lakes.The Science of the Total Environment.2001,268:197-214；

Duan H,Zhang Y,Zhang B,Song K,Wang Z,Liu D,Li F.Estimation of chlorophyll-a concentration and trophic states for inland lakes in Northeast China from Landsat TM data and field spectral measurements.International Journal of Remote Sensing.2008,29(3)；

Gower J,King S,Borstad G,et al.Detection of intense plankton blooms using the 709nm band of the MERIS imaging spectrometer[J].International Journal of Remote Sensing,2005,26(9):2005-2012.

Hu C.M.A novel ocean color index to detect floating algae in the global oceans.Remote sensing of environment,2009,113(10):2118-2129；

Hu C.M.,Li D.Q.,Chen C.S.,et al.On the recurrent Ulvaprolifera blooms in the Yellow Sea and East China Sea.Journal of Geophysical Research,2010a,115,C05017；

Lavender S J,Pinkerton M H,Moore G F.Modification to the atmospheric correction of SeaWiFS ocean color images over turbid waters.Continental Shelf Research.2005,25:539-555；

Oyama Y,Fukushima T,Matsushita B,et al.Monitoring levels of cyanobacterial blooms using the visual cyanobacteria index(VCI)and floating algae index(FAI)[J].International Journal of Applied Earth Observation and Geoinformation,2015,38:335-348.

Ruddick K G,Ovidio F,Rijkeboer M.Atmospheric correction of SeaWiFS imagery for turbid coastal and inland Waters.Applied Optics.2000,39(6):897-912；

Vidot J,Santer R.Atmospheric correction for inland waters-application to SeaWiFS.International Journal of Remote Sensing.2005,26(17):3663-3682；

Wrigley RC.Remote sensing and lake eutrophication[J].Nature,1974,250:213-214.

Zhao Fengsheng,Nakajima T.Simultaneous determination of water-leaving reflectanceand aerosol optical thickness from Coastal Zone Color Scanner measurements.Applied Optics.1997,36(27):6949-6956；

李旭文,牛志春,姜晟,等.基于卫星影像的太湖蓝藻水华遥感强度指数和等级划分算法设计[J].环境监测管理与技术,2011(5):23-30.

发明内容

本发明的目的在于提供一种富营养化湖泊MODIS影像的藻华和非藻华条件影像分类方法，可有效对富营养化湖泊水体影像进行分类，以更全面地对富营养化湖泊水质情况进行全面分析，为水体色素浓度估算提供技术支撑。

本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。

为达成上述目的，本发明所采用的技术方案如下：

一种富营养化湖泊MODIS影像的藻华和非藻华条件分类方法，包括：基于MODIS RGB影像人工判读和野外实测数据分析，将富营养化湖泊的MODIS影像分为“藻华影像”和“非藻华影像”；筛选提取蓝藻水华的指数(FAI)用以判断藻华像元；设定合理的像元阈值区分藻华和非藻华影像。

作为进一步的示例，前述方法的具体实现包括：

1)基于MODIS RGB影像人工判读和野外实测数据分析，将富营养化湖泊巢湖的MODIS影像分为“藻华影像”和“非藻华影像”。

巢湖主要包含三种典型水体：清洁水体、高悬浮物主导水体和藻华主导水体，高悬浮物区域和藻华区域属于强信号区，经常出现高悬浮物主导水体和藻华主导水体误判的现象；

2)筛选提取蓝藻水华的指数(FAI)用以判断藻华像元：

清洁水体与高悬浮物主导水体典型光谱特征类似，将清洁水体、高悬浮物主导水体归为“非藻华影像”，藻华主导水体归为“藻华影像”。结合富营养化湖泊的影像数据，进行不同影像条件下的指标模拟，确定选取指数FAI用以判断影像的藻华像元数目；

3)设定合理的像元阈值区分“藻华影像”和“非藻华影像”：

统计出每景MODIS“非藻华影像”受边界效应影响的像元数，将每景影像受影响的像元数做成直方图，计算该直方图的平均值和标准差作为区分MODIS影像“藻华”和“非藻华”条件的统一阈值；

由以上发明的技术方案可知，本发明的富营养化湖泊水体藻华和非藻华条件影像分类方法，可有效对富营养化湖泊水体影像进行分类，有效区分高悬浮物影像和藻华影像，解决了藻华影像和高悬浮物影像误判的问题，以便更全面地对巢湖水质情况进行分类分析，为水体色素浓度估算提供技术支撑。

应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。

结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。

附图说明

附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：

图1是高SPM主导水体和藻华主导水体影像的第一模态分布。

图2是巢湖三种典型水体及其光谱特征。

图3是2013年4月27日巢湖MODIS RGB影像和FAI产品。

图4是不同湖区受水陆效应影响的像元个数。

图5是“藻华影像”和“非藻华影像”的像元阈值判断。

图6是将MODIS影像经过统一的方法判断后，进行影像的分类。

前述图示1-5中，作为英文形式表达的各坐标、标识或其他表示，均为本领域所公知的，并不在本例中再做赘述。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是应为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。

本发明基于MODIS卫星数据对富营养化湖泊水体“藻华和非藻华条件”进行影像分类，上述目的是这样实现的：基于MODIS RGB影像人工判读和野外实测数据分析，将富营养化湖泊的MODIS影像分为“藻华和非藻华条件”；筛选提取蓝藻水华的指数(FAI)用以判断藻华像元；设定合理的像元阈值区分“藻华和非藻华条件”下的MODIS影像。所选用的MODIS卫星影像为经过辐射定标、大气瑞利散射校正和几何校正的卫星图像，所用卫星图像的分辨率为250nm。

作为示例性的描述，下面结合附图所示，以巢湖为例，对前述方法的实施进行具体说明。

步骤1、将富营养化湖泊巢湖的MODIS影像分为“藻华影像”和“非藻华影像”；

基于MODIS RGB影像人工判读和野外实测数据分析，巢湖主要包含三种典型水体：清洁水体、高悬浮物主导水体和藻华主导水体。在EOF算法应用过程中，经常出现高悬浮物水体和藻华水体误判的现象，将高悬浮物水体和藻华水体这两种情况Rrc影像数据直接进行EOF分析，第一模态结果显示藻华区域和高悬浮物区域得分值都比较高(图1)；和藻华出现的区域相同，悬浮物高的区域占据了所有的模态变化信号，若不对影像进行分类，则两类水体会出现误判的情况。

2、筛选提取蓝藻水华的指数(FAI)用以判断藻华像元；

另外，对比分析清洁水体与高悬浮物主导水体以及藻华主导水体的光谱特征(图2)，发现高悬浮物区域点位(S2)Rrc光谱显著高于清洁水体点位S1，但光谱形状类似，因此可以将清洁水体、高悬浮物主导水体归为一类影像(I类)。而对于藻华主导水体，藻华区域点位(S3)近红外波段(859nm)的反射率显著增加，光谱形状发生很大变化，因此本文将藻华影像单独分为另一类(II类)。

用于蓝藻水华的提取的指数众多，胡传民博士提出的浮游藻类指数(FAI，Floating algae index)，对于海岸带和内陆湖泊水体具有很好的稳定性，可以有效提取蓝藻藻华。FAI指数以645nm和1240nm波段为基线，计算859nm与基线的差值来判断藻华，具体计算公式为：

FAI＝Rrc'(859)-Rrc(859)(1)

Rrc'(859)＝Rrc(645)-[Rrc(1240)-Rrc(645)]*(859-645)/(1240-645)(2)

其中，Rrc(λ)是经过瑞利校正的λ波长处的反射率，Rrc’(859)是基于645nm和1240nm波段线性内插得到的859nm波段相对反射率。

3、设定合理的像元阈值区分“藻华影像”和“非藻华影像”；

根据FAI指数和相关阈值，将巢湖影像分为两类：“非藻华影像”(I类)和“藻华影像”(II类)。FAI对高悬浮物较为敏感，选择纯藻华像元FAI＝0.02为阈值，可以有效区分“非藻华影像”。但在实际计算中发现，“非藻华影像”由于受水陆边界效应、条带及小片藻华等三种情况的影响，易造成将“非藻华影像”误判为“藻华影像”，特别是水陆边界效应造成的混分情况最多，约占80％以上。

随机选择一景受水陆边界效应影响的影像，以2013年4月27日影像为例(图3a)，目视分析的结果表明该影像属于“非藻华影像”，但FAI结果受水陆边界效应影响(图3b)。随机选择了三个湖区的不同区域(图3b虚线框中所示)，每个区域包含17*13个有效像元，有效像元即非空值的像元。陆地水体边界的像元记为0，陆地像元记为负，水体像元记为正，每个剖面总计13个像元。每个像元FAI值是垂向方向上17个像元FAI值的平均。

图4展示了不同湖区受到水陆边界效应影响的像元数目(如图4黑框中所示)，西湖区两个像元受到边界效应影响(FAI>0.02)，中湖区一个像元，东湖区两个像元。如果随机选择其他区域，受到水陆边界效应影响的像元数目将会发生变化，不同区域受影响的像元数目不同且没有确定规律。原算法假设中我们认为存在FAI>0.02的像元则认为是“藻华影像”，如果忽略边界效应的影响，那么2013年则没有“非藻华影像”，这显然不符合客观事实。因此考虑水陆边界效应，设定区分“藻华影像”、“非藻华影像”的像元阈值非常必要。

“藻华影像”通过目视解译很好区分，对2000-2014年所有影像进行筛选，将所有“藻华影像”剔除之后，统计出每景“非藻华影像”受边界效应影响的像元数。将每景影像受影响的像元数做成直方图(图5)，图中N为影像总数。该直方图中包括1182个影像，计算该直方图的平均值和标准差，均值为102.59，标准差为91.02。直方图经过SPSS的数据检验，该分布符合正态分布。像元阈值的计算方法为：平均值+2*标准差，据此计算本实施例的像元阈值约285个像元，即藻华面积需大于17.80km²，将该阈值作为本研究区分非藻华(I类)和藻华(II类)影像的统一阈值。前述影像分类方法的像元阈值采用统计学3Sigma原理，一组正态分布数据的平均值+2*标准差覆盖了95％的数据量。

通过上述方法即可实现将MODIS影像经过统一的方法判断后，进行影像的分类(如图6)，本发明的方法可有效区分富营养化湖泊MODIS影像中高悬浮物影像和藻华影像，避免两种影像的误判。有助于全面地对富营养化湖泊水质情况进行全面分析，为水体色素浓度估算提供技术支撑。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。