富营养化湖泊真光层外藻总量遥感间接监测方法

摘要

本发明提供一种富营养化湖泊真光层外藻总量遥感间接监测方法，包括：在模拟藻华和非藻华藻类垂向分布基础上，通过Ecolight辐射传输模拟，构建真光层外藻类叶绿素a平均浓度与真光层内叶绿素a平均浓度或者真光层深度之间的定量关系，继而在已知真光层内叶绿素a平均浓度或者真光层深度遥感反演的基础上，间接实现对真光层外藻总量的遥感监测。基于该方法，可为最终准确获取富营养化湖泊水柱内乃至整个湖泊内藻总量的年际、月际变化规律及其空间分布服务。

说明书

技术领域

本发明涉及遥感技术领域，尤其涉及富营养化湖泊真光层外藻总量遥感间接监测方法。

背景技术

遥感技术提供了快速大范围监测蓝藻的可能。蓝藻水华爆发，水体中叶绿素含量显著升 高，导致水体光谱特征发生变化，通常蓝藻覆盖区域光谱特征与无藻湖面有较为明显的差异。 湖泊水色遥感可以利用多种性在传感器探测以及反演内陆水体叶绿素等水色要素参数。因此， 可以利用卫星遥感数据监测蓝藻水华。目前MODIS、CBERS-1、TM、ETM以及IRS-P6、LISS-3 等遥感数据已经广泛用于蓝藻水华监测(段洪涛，2008)。

目前，相关学者们已经研发了多种估算湖泊表层水体藻类含量的方法(马荣华等，2010)。 事实上，遥感监测藻华的面积会在短时间内产生很大的变化。同时，外界水动力或环境因子 的变化改变了藻类的垂向分布结构，从而引起表面上看似的短时间内藻华突然暴发或消失 (Beaver et al.,2013；Blottière et al.,2013；Ndong et al.,2014)。因此，藻类垂向结构的变化使 得只监测水表面藻华不能反映整个水体的富营养化状况，同时也影响水体光学参数遥感反演 的精度(Stramska and Stramski,2005)和色素生物量的估计(Silulwane et al.,2010)。

遥感探测到的信号不仅包括水体表层的信息，还反映了一定深度内水下光场的结构，遥 感反射比对真光层内的水体光学组分的垂向非均匀分布具有响应(薛坤，2016)。与藻类垂向 均一分布相比，藻类垂向非均匀分布影响了遥感反射比的大小及光谱形状(Kutser et al., 2008)，因此，开展真光层内藻总量的计算成为遥感估算整个水柱内藻总量的基础。

但是，整个水柱内的藻总量信息由真光层内和真光层外两部分组成，由于遥感几乎无法 探测到真光层外的水体信息，因此，只能考虑通过可遥感监测的真光层内的藻类信息或者水 体表观参量，来间接估算真光层外的藻总量信息。对于富营养化湖泊而言，构建基于遥感反 射比的真光层外藻总量间接估算模型，是利用卫星遥感手段反演巢湖蓝藻总量，反映整个湖 泊的富营养化状况，以及湖泊蓝藻水华生态灾害监测和预警重要的技术支撑。

发明内容

本发明的目的在于提供一种富营养化湖泊真光层外藻总量遥感间接监测方法。

为达成上述目的，本发明所采用的技术方案如下：

一种富营养化湖泊真光层外藻总量遥感间接监测方法，所述方法包括以下步骤：

1)构建藻类不同垂向分布条件下水体光学参量数据库；

通过模拟藻类在藻华与非藻华条件下垂向分布，基于富营养化湖泊实测水体固有光学特 性，经过Ecolight辐射传输模拟，构建与藻类不同垂向分布相配套的水体表观光学参数数据 库。

2)基于步骤1)的水体表观光学参数数据库数据，计算获取非藻华条件下真光层外叶绿 素a平均浓度与真光层内叶绿素a平均浓度之间的定量关系；

3)基于步骤1)的水体表观光学参数数据库数据，计算获取藻华条件下真光层外叶绿素 a平均浓度与真光层深度之间的定量关系；

4)基于卫星R_rc数据和步骤1)的水体表观光学参数数据库数据构建真光层内藻总量的>

作为本发明的进一步改进，所述步骤1)中，实测水体固有光学参量包括叶绿素a、悬浮 泥沙以及CDOM的比吸收系数；水体表观光学参量包括水体表面遥感反射比R_rs、漫衰减系>d等。

作为本发明的进一步改进，所述步骤步骤2)中，所述步骤2)中，基于水体表面遥感反 射比R_rs计算非藻华条件下真光层外叶绿素a平均浓度与真光层内叶绿素a平均浓度之间的定>

作为本发明的进一步改进，所述步骤3)中，基于水体表面遥感反射比R_rs计算藻华条件>

作为本发明的进一步改进，所述步骤4)中，在前述1)-3)步骤完成以及藻类垂向分布类 型(藻华与非藻华)已知的前提下，应用至卫星影像流程具体如下：

(1)获取卫星影像数据，进行影像预处理；

(2)基于预处理影像获取R_rc数据，结合R_rc数据及K_d数据，逐像元计算真光层深度Zeu；

(3)根据水位以及湖盆DEM数据逐像元计算水深D；

(4)在藻华水域根据真光层外叶绿素a平均浓度与真光层深度之间的定量关系，计算该 像元水柱真光层外叶绿素a平均浓度；

(5)在非藻华水域根据真光层外叶绿素a平均浓度与真光层内平均叶绿素a浓度的定量 关系，计算该像元水柱真光层外叶绿素a平均浓度；

(6)若D>Zeu，则计算该像元真光层外藻总量，否则，该像元真光外藻总量记为0。

根据前述流程，获取全湖的真光层外藻总量的空间分布情况。

由以上本发明的技术方案可知，本发明的一种富营养化湖泊真光层外藻总量遥感间接监 测方法，包括：在模拟藻华和非藻华藻类垂向分布基础上，通过Ecolight辐射传输模拟，构 建真光层外藻类叶绿素a平均浓度与真光层内叶绿素a平均浓度或者真光层深度之间的定量 关系，继而在已知真光层内叶绿素a平均浓度或者真光层深度遥感反演的基础上，间接实现 对真光层外藻总量的遥感监测。基于该方法，可为最终准确获取富营养化湖泊水柱内乃至整 个湖泊内藻总量的年际、月际变化规律及其空间分布服务。

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 过实施例并参考附图来描述本发明的各个方面的实施例，其中：

图1是非藻华条件下真光层外叶绿素a平均浓度与真光层内叶绿素a平均浓度之间的定 量关系；

图2是藻华条件下真光层外叶绿素a平均浓度与真光层深度之间的定量关系；

图3是基于MODIS卫星数据，真光层内藻总量遥感监测的应用示意图；

前述图示1-3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。

本实施例以巢湖为例，并以MODIS卫星影像对本发明的方法作进一步描述。

本发明提供一种富营养化湖泊真光层外藻总量遥感间接监测方法，上述目的是这样实现 的：

构建藻类不同垂向分布条件下水体光学参量数据库；

获取非藻华条件下真光层外叶绿素a平均浓度与真光层内叶绿素a平均浓度之间的定量 关系；

获取藻华条件下真光层外叶绿素a平均浓度与真光层深度之间的定量关系；

实现真光层外藻总量的间接遥感监测。

作为示例性的描述，下面结合附图所示，对前述方法的实施进行具体说明。

步骤1、构建藻类不同垂向分布条件下水体光学参量数据库；

利用Ecolight辐射传输模型模拟不同藻类垂向类型(表1、表3)，基于巢湖实测数据(表 2)，将巢湖固有光学量作为输入参数，分别模拟藻华与非藻华下叶绿素浓度垂向分布情况。 在MATLAB中编写程序批量读取模拟得到的K_d与R_rs数据。

表1Chla(z)的垂向分布类型及其拟合函数

表1中z为离水面的距离。

表2Ecolight输入参数设置

其中SPIM为无机悬浮物浓度，a_g(440)为水体440nm波长位置的CDOM吸收系数，S_g为a_g(440)的光谱斜率，λ为波长。

表3不同藻类垂向类型Chla(z)结构参数设置

步骤2、基于步骤1的水体表观光学参数数据库数据，计算获取非藻华条件下真光层外 叶绿素a平均浓度与真光层内叶绿素a平均浓度之间的定量关系；

非藻华条件下的真光层外叶绿素浓度预测值通过建立真光层内叶绿素a平均浓度与真光 层外叶绿素a平均浓度的关系如图1所示。真光层内的平均藻总量与真光层外的平均叶绿素 浓度有很好的线性关系，对线性关系进行曲线拟合得到关系式：

Chla_{eu_out}＝-0.8981*Chla_eu+58.04>

步骤3、基于步骤1的水体表观光学参数数据库数据，计算获取藻华条件下真光层外叶 绿素a平均浓度与真光层深度之间的定量关系；

藻华条件下的真光层外叶绿素浓度预测值通过建立真光层深度与真光层外叶绿素平均浓 度的关系如图2所示。研究发现，真光层深度Zeu与真光层外的叶绿素浓度有较好的函数关 系，利用多项式进行曲线拟合，得到关系式：

步骤4、基于卫星R_rc数据和步骤1)的水体表观光学参数数据库数据构建真光层内藻总>

具体流程主要如下：

①对获取的MODIS影像进行几何纠正和辐射定标计算。几何纠正采用GeographicLat/Lon投影，结合1B数据中的经纬度信息进行校正，校正后的位置精度达到0.5个像素。在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；

②逐像元计算Zeu和水深D；

③逐像元计算藻华范围内像元水柱真光层外叶绿素a平均浓度；

④逐像元非藻华范围内像元水柱真光层外叶绿素a平均浓度；

⑤若D>Zeu，则计算该像元真光层外藻总量，否则，该像元真光外藻总量记为0，即可 得到全湖的真光层内藻总量的空间分布情况(见图3)。

本实施例中，MODIS影像经瑞利散射矫正，也就是大气层顶的光学信息去除了瑞利散射 的影响，依然包含着气溶胶信息以及地面信息。瑞利散射矫正过程如下(Hu et al.,2004)：

式中，是校正臭氧和其他气体吸收效应后的传感器辐射率，F₀是获取数据时的大气圈>0是太阳天顶角，R_r是采用6S(Vermote>

基于辐射传输理论以及假定一个非耦合的海洋—大气系统，R_rc可以表达为：

R_rc＝R_a+t₀tR_target>

式中，R_a是气溶胶反射率(包括来自于气溶胶分子的相互作用)，R_target是野外实测目标>0是从太阳到目标物的大气透射率，t是从目标物到卫星传感器的大气透射率。

基于前述步骤和方法，应用至经过瑞利散射矫正的MODIS卫星影像数据，基于前述的 分类方法，在对多幅时间序列的卫星影像处理后获取富营养化湖泊真光层外藻总量的年际、 月际变化规律及其空间分布。

通过上述方法即可实现间接实现对真光层外藻总量的遥感监测。基于该方法，可为最终 准确获取富营养化湖泊水柱内乃至整个湖泊内藻总量的年际、月际变化规律及其空间分布服 务。

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。