城市景觀水體富營養(yǎng)化多光譜遙感監(jiān)測的模型期期研究結(jié)題報告

1、城市景觀水體富營養(yǎng)化多光譜遙感監(jiān)測的模型期期研究結(jié)題報告 所屬學(xué)院：環(huán)境科學(xué)與工程學(xué)院 指導(dǎo)教師：霍艾迪 團隊人員：李晨龍，馬凱，趙珊， 朱海昌，溫婷婷 完成時間：2013年3月2日目 錄綜述-3研究背景-3研究目的-6研究意義-6國內(nèi)外研究現(xiàn)狀-8主要研究內(nèi)容及方法-19本研究的特色-20解決的關(guān)鍵性科學(xué)問題-21采取的技術(shù)路線-21綜述本研究以城市景觀水體為靶區(qū)，采用多光譜數(shù)據(jù)遙感反演、地面準(zhǔn)同步水質(zhì)監(jiān)測驗證等方法，考慮水體空間變異性，通過尺度轉(zhuǎn)換，水質(zhì)分析，以探索適合城市景觀水體水質(zhì)定量遙感監(jiān)測的波段分析和模型構(gòu)建技術(shù)，開展水質(zhì)定量遙感監(jiān)測和水體富營養(yǎng)化狀態(tài)評價識別方法和技術(shù)研究，實現(xiàn)與

2、遙感水質(zhì)監(jiān)測的同步完成。并根據(jù)實測結(jié)果，評價不同方法的精度，提出基于多時相多光譜遙感數(shù)據(jù)進行水質(zhì)狀況變化動態(tài)監(jiān)測的技術(shù)模式。其成果拓寬了城市景觀水體開展省時省力、大尺度水體富營養(yǎng)化動態(tài)監(jiān)測的有效方法，搭建了一個基層水利、環(huán)境及其它相關(guān)業(yè)務(wù)管理部門易于掌握的，具有可操作性的多光譜城市景觀水質(zhì)遙感監(jiān)測平臺。從而為探索切實有效的城市景觀水體修復(fù)方法,恢復(fù)并提高水體生態(tài)系統(tǒng)景觀功能與價值,提高其生態(tài)環(huán)境效益與社會經(jīng)濟效益等提供了重要途徑。研究背景通常城市景觀水，大致分為以下4種類型：天然湖泊、人造湖泊、人造景觀湖、各種景觀河道。在城市綠地、公園、居住小區(qū)等的建設(shè)中，城市景觀水體被引進人們的生活，以滿足

3、人類親水的心理需求1。水環(huán)境容量比較小，流動性差且自凈能力差，是大多數(shù)城市住宅小區(qū)中的人工濕地生態(tài)景觀水體的普遍性問題，部分城市景觀水體出現(xiàn)了不同程度的富營養(yǎng)化現(xiàn)象，顏色泛綠，發(fā)出難聞的腥臭味，嚴(yán)重影響周邊的自然環(huán)境和人居環(huán)境，喪失了水體的景觀功能。水體富營養(yǎng)化是全球性的環(huán)境問題，尤其是城市景觀水體以及周圍水域普遍存在富營養(yǎng)化或超營養(yǎng)化狀態(tài)。水體富營養(yǎng)化是由于水體中氮、磷營養(yǎng)物質(zhì)的富集，引起藻類及其他浮游生物迅速繁殖、水體溶解氧量下降、從而導(dǎo)致魚類及其他生物大量死亡、水質(zhì)的惡化2。對我國正在實施的水資源可持續(xù)利用戰(zhàn)略帶來了負(fù)面的影響。因此，分析景觀水體營養(yǎng)狀態(tài)情況及變化原因，實時監(jiān)測和控制城市

4、景觀水體富營養(yǎng)化，保護城區(qū)重要水資源工作迫在眉睫。為了準(zhǔn)確評定湖泊所處的富營養(yǎng)狀態(tài)，進而為富營養(yǎng)化湖泊的防治提供科學(xué)依據(jù)，世界各國的科學(xué)家提出了許多富營養(yǎng)化的監(jiān)測和評定方法，并在應(yīng)用中收到了較好的效果。但是這些評價都只建立在傳統(tǒng)的采樣分析方法基礎(chǔ)上，通常只能了解監(jiān)測點或斷面上的水質(zhì)狀況，對于整個水體而言，這些監(jiān)測點的數(shù)據(jù)很難代表整體的狀況3。 傳統(tǒng)的城市景觀水體富營養(yǎng)化監(jiān)測主要采用實地采樣分析的手段進行，這種方法是目前我國各地方環(huán)境保護部門和水利部門主要采用的方法。但由于其數(shù)據(jù)的數(shù)量有限，需要在全國建立龐大的水質(zhì)監(jiān)測網(wǎng)點，投入的人力物力巨大，并且對于整個水體來說，這些監(jiān)測點位的數(shù)據(jù)只具有局部的

5、代表意義，受局部環(huán)境擾動影響較大，并不能全面詳細(xì)的反映整個水體環(huán)境的總體時空變化。缺乏一定的準(zhǔn)確性和精確度，且費時、費力、成本高?？傊?，傳統(tǒng)的監(jiān)測方法難以獲取大范圍水域水質(zhì)的分布和變化，已經(jīng)不能夠滿足現(xiàn)在對水質(zhì)實時的監(jiān)測與評價要求。而隨著遙感技術(shù)在水質(zhì)監(jiān)測方面的應(yīng)用與發(fā)展，給城市景觀水體富營養(yǎng)化的監(jiān)測與評價帶來了新的機遇與選擇。水質(zhì)遙感監(jiān)測是利用經(jīng)驗、半經(jīng)驗或者物理分析的方法，選擇合適的遙感波段數(shù)據(jù)，建立水質(zhì)參數(shù)的遙感估測模型來反演水體中的水質(zhì)參數(shù)濃度。隨著傳感器空間分辨率和光譜分辨率的進一步提高，利用遙感技術(shù)監(jiān)測水質(zhì)具有常規(guī)方法無法比擬的優(yōu)點，可以快速、及時地提供整個湖泊或整個區(qū)域乃至全球范

6、圍的分布狀況。遙感水質(zhì)監(jiān)測技術(shù)具有宏觀、動態(tài)、成本低等顯著特點，其在水質(zhì)監(jiān)測上的應(yīng)用，有著常規(guī)監(jiān)測不可替代的優(yōu)點4。它既可以滿足大范圍水質(zhì)監(jiān)測的需要，也可以動態(tài)跟蹤污染事件的發(fā)生、發(fā)展。富營養(yǎng)化和有毒藻類的暴發(fā)是很多湖泊面臨的問題，而遙感方法尤其適合監(jiān)測與湖泊富營養(yǎng)化有關(guān)的水質(zhì)指標(biāo)。因此，利用遙感技術(shù)對城市景觀水體富營養(yǎng)化狀態(tài)進行動態(tài)監(jiān)測與評價，已成為現(xiàn)代水質(zhì)監(jiān)測方面的新趨勢新發(fā)展。本文主要以西安市轄區(qū)內(nèi)湖泊景觀水體為例，將遙感監(jiān)測評價與綜合營養(yǎng)狀態(tài)指數(shù)評價進行對比。通過開展水質(zhì)遙感定量監(jiān)測和湖泊富營養(yǎng)化狀態(tài)評價識別方法的技術(shù)研究，發(fā)展適合城市景觀水體水質(zhì)定量遙感監(jiān)測的波段分析和模型構(gòu)建技術(shù)，

7、搭建一個基層水利、環(huán)境及其它相關(guān)業(yè)務(wù)管理部門易于掌握的，具有可操作性的中低分辨率的城市景觀水質(zhì)遙感監(jiān)測平臺。在此基礎(chǔ)上，實現(xiàn)與遙感水質(zhì)監(jiān)測同步完成的城市景觀水體富營養(yǎng)狀態(tài)的評價識別。同時結(jié)合多時相衛(wèi)星遙感數(shù)據(jù)，對水質(zhì)狀況的時空變化進行動態(tài)監(jiān)測。研究目的本研究以城市景觀水體為靶區(qū)，以多光譜數(shù)據(jù)遙感反演為主要方法，通過尺度轉(zhuǎn)換，水質(zhì)分析，開展水質(zhì)定量遙感監(jiān)測和對水體富營養(yǎng)化狀態(tài)評價識別的方法和技術(shù)研究，探索城市景觀水體富營養(yǎng)化多光譜遙感監(jiān)測的便捷方法，通過發(fā)展適合城市景觀水體水質(zhì)定量遙感監(jiān)測的波段分析和構(gòu)建模型，實現(xiàn)與遙感水質(zhì)監(jiān)測同步完成的城市景觀水體營養(yǎng)狀態(tài)的評價識別，搭建一個基層水利、環(huán)境及其

8、它相關(guān)業(yè)務(wù)管理部門易于掌握的，具有可操作性的多光譜城市景觀水質(zhì)遙感監(jiān)測平臺。研究意義城市景觀水體是營造城市優(yōu)美景觀，為城市居民提供休閑游憩的場所，主要包括城市里的天然湖泊、人工湖泊、景觀池塘、景觀河道等。城市景觀水體多為靜止或流動性差的封閉緩流水體，水域面積小、水深較淺、水環(huán)境容量小、自凈能力差、容易出現(xiàn)不同程度的富營養(yǎng)化現(xiàn)象。一旦發(fā)生，水體顏色泛綠，發(fā)出難聞的腥臭味，嚴(yán)重影響周邊的自然環(huán)境和人居環(huán)境，喪失了水體的景觀功能。由于地表水體存在富營養(yǎng)化問題，其中的氨氮、總磷、總氮、化學(xué)需氧量等有機物質(zhì)會以水為介質(zhì)，在下滲過程中，透過地層進入地下水中。雖然地表水在經(jīng)過地層變?yōu)榈叵滤倪^程中或多或少得

9、到一定凈化，但是地下水的水質(zhì)還會受到不小的影響。為了發(fā)揮城市景觀水體功能，營造優(yōu)美城市環(huán)境，有效防治地下水進一步污染，對城市景觀水體水質(zhì)做到快捷準(zhǔn)確監(jiān)測和及時治理就顯得尤為重要。傳統(tǒng)的城市景觀水體水質(zhì)監(jiān)測采用實地、點上采樣和實驗室分析等手段，這類監(jiān)測方法有一定的準(zhǔn)確性，但容易受局部擾動的影響，不能反映整個水體生態(tài)環(huán)境的時空變化，且費時、費力、成本高，不能滿足對水質(zhì)實時、大尺度監(jiān)測評價要求。遙感技術(shù)的出現(xiàn)和發(fā)展，給水質(zhì)的監(jiān)測評價提供了新的機遇與選擇。水質(zhì)遙感監(jiān)測是利用經(jīng)驗、半經(jīng)驗或者物理分析的方法，選擇合適的遙感波段數(shù)據(jù)，建立水質(zhì)參數(shù)的遙感估測模型來反演水體中的水質(zhì)參數(shù)濃度。水質(zhì)遙感監(jiān)測方法可以

10、反映水質(zhì)在空間和時間上的分布和變化情況，發(fā)現(xiàn)其它一些方法難以揭示的污染源和污染物遷移特征，具有監(jiān)測范圍廣、速度快、成本低和便于進行長期動態(tài)監(jiān)測的優(yōu)勢，既可以滿足大范圍水質(zhì)監(jiān)測的需要，也可以動態(tài)跟蹤污染事件的發(fā)生、發(fā)展。如何針對城市景觀水體，通過多光譜遙感監(jiān)測技術(shù)和地面準(zhǔn)同步水質(zhì)分析技術(shù)的科學(xué)組裝，實現(xiàn)對水體富營養(yǎng)化的方便快捷監(jiān)測，及時地掌握城市景觀水體的富營養(yǎng)化狀態(tài)，是探索切實有效的修復(fù)方法改善其水質(zhì),恢復(fù)并提高水體生態(tài)系統(tǒng)景觀功能與價值,以提高其生態(tài)環(huán)境效益與社會經(jīng)濟效益的重要途徑。因此，應(yīng)用遙感技術(shù)進行水質(zhì)變化機理研究，進而研究水資源的合理利用和保護，有效防治地下水進一步污染，維護地下水安

11、全，成為當(dāng)前國際、國內(nèi)遙感界的研究熱點之一。本研究以位于西安市區(qū)的漢城湖、興慶湖、護城河、曲江池、未央湖、蓮湖公園、渭河咸陽段、豐慶公園及革命公園等景觀水體為研究對象，主要應(yīng)用多時相的多光譜衛(wèi)星遙感數(shù)據(jù)，通過尺度轉(zhuǎn)換等方法，進行水質(zhì)參數(shù)的遙感信息提取和定量反演研究，引入數(shù)據(jù)挖掘和知識發(fā)現(xiàn)機制，揭示城市景觀水體富營養(yǎng)化過程中隱含的客觀規(guī)律，利用一種新的機器學(xué)習(xí)法-支持向量機（SVM-Support Vector Machine）1-5及模糊模式識別交叉迭代模型對遙感反演的水質(zhì)數(shù)據(jù)進行水體富營養(yǎng)化狀態(tài)的模糊模式識別，構(gòu)建一個適合于城市景觀水體水質(zhì)實時監(jiān)測與富營養(yǎng)化狀態(tài)評價識別的計算準(zhǔn)確、性能穩(wěn)定的

12、計算模型。通過以上研究，回答科學(xué)與生產(chǎn)中的幾個實際問題：城市景觀水體富營養(yǎng)化多光譜遙感監(jiān)測的機理模型是什么？如何進行城市景觀水體水質(zhì)參數(shù)敏感波段分析與選擇及如何建立基于定量遙感反演技術(shù)的城市景觀水體富營養(yǎng)化快捷綜合評價方法與模型？從而全面及時地掌握城市景觀水體的富營養(yǎng)化狀態(tài)，揭示水體富營養(yǎng)化形成的機理和發(fā)生發(fā)展的規(guī)律，為制定具有時效性的控制水體富營養(yǎng)化的治理措施提供科學(xué)依據(jù)。國內(nèi)外研究現(xiàn)狀自70年代初期開始，遙感技術(shù)逐漸應(yīng)用到陸地水體的研究中，從單純的水域識別逐漸發(fā)展到對水質(zhì)參數(shù)進行遙感監(jiān)測、制圖和預(yù)測。隨著遙感技術(shù)的不斷發(fā)展和對水質(zhì)參數(shù)光譜特征及算法研究的不斷深入，監(jiān)測方法經(jīng)歷了分析方法(2

13、0世紀(jì)80年代前，研究主要針對開闊海洋)經(jīng)驗方法(80-90年代)半經(jīng)驗方法(90年代后)的發(fā)展過程。多種遙感數(shù)據(jù)，包括Landsat MSS、TM、SPOT、MODIS、IRS-1C、NOAA/AVHRR，和各種航空高光譜數(shù)據(jù)，廣泛的應(yīng)用于水質(zhì)遙感監(jiān)測研究。遙感監(jiān)測水質(zhì)從定性逐漸發(fā)展到定量，通過遙感可監(jiān)測的水質(zhì)參數(shù)種類逐漸增加，包括葉綠素a、懸浮物、黃色物質(zhì)（部分溶解性有機物）等，反演精度也在不斷提高。但是目前還沒有形成精度很高，且具有較好通用性的模型和算法。目前國際上對水質(zhì)參數(shù)遙感監(jiān)測方面的研究，主要集中在以下幾個方面：葉綠素a遙感監(jiān)測的研究進展葉綠素a濃度是影響水體光譜特征的重要參數(shù)之一

14、。葉綠素a濃度上升時，藍(lán)波段的反射率下降，綠、紅波段的反射率上升。計算葉綠素a濃度的最佳波段的選取依賴于葉綠素a的濃度6-10。目前，一般衛(wèi)星遙感監(jiān)測葉綠素a濃度仍主要是利用遙感數(shù)據(jù)輻射值的波段或波段組合與實地測量值之間建立統(tǒng)計模型的方法11, 12。對葉綠素a濃度的監(jiān)測，國外主要通過物理模型13-15和經(jīng)驗半經(jīng)驗?zāi)Ｐ?。例如，Sathyendranath et al.16和Lahet et al.17通過建立三要素反射模型來反演近海岸水體的葉綠素a濃度和西班牙北部埃布羅河的葉綠素a濃度。Kondratyev et al.18利用物理模型方法對Ldagoa湖的葉綠素、懸浮物、黃色物質(zhì)的濃度進行了

15、反演，取得了較理想的結(jié)果。Nikias strombeck et al19基于實驗測量數(shù)據(jù)分析水體內(nèi)在光學(xué)性質(zhì)及影響它的組分濃度的關(guān)系。Pulliainen20提出先根據(jù)懸浮物濃度對監(jiān)測水體進行分類，然后再對不同的類別選擇合適的算法計算葉綠素a濃度，可以提高算法的精度。利用這些關(guān)系建立起來的遙感反射率比值與葉綠素a之間的線性回歸關(guān)系，由于懸浮物和黃色物質(zhì)的干擾，測定誤差較大，影響研究結(jié)果的準(zhǔn)確性。在國內(nèi)，李素菊等21, 22利用高光譜數(shù)據(jù)反射率比值法和一階微分法分別建立了葉綠素a的遙感定量模型。王建平等23基于TM數(shù)據(jù)構(gòu)造了包含一個隱含層的BP神經(jīng)網(wǎng)絡(luò)模型反演葉綠素a等水質(zhì)參數(shù)的濃度。周藝等2

16、4詳細(xì)論述了內(nèi)陸水體水質(zhì)監(jiān)測中遙感應(yīng)用研究的發(fā)展和現(xiàn)狀，比較全面地總結(jié)了葉綠素a濃度的遙感監(jiān)測方法。吳敏、王學(xué)軍25應(yīng)用MODIS影像對巢湖的葉綠素a、懸浮物和透明度等參數(shù)進行了監(jiān)測，研究結(jié)果表明，一些波段的反射率比值與葉綠素a呈現(xiàn)較好的對數(shù)關(guān)系。懸浮物遙感監(jiān)測的研究進展水體中懸浮物濃度是最先被遙感估測的水質(zhì)參數(shù)，懸浮物濃度、顆粒大小及其組成是影響懸浮物光譜反射的主要因素。隨著遙感技術(shù)的不斷發(fā)展和創(chuàng)新，懸浮物的遙感監(jiān)測方法已經(jīng)有了較為成熟的物理模型15, 26和經(jīng)驗與半經(jīng)驗?zāi)Ｐ?7。例如，Dekker et al28提出基于實測的水體內(nèi)在光學(xué)性質(zhì)的物理光學(xué)模型用于提取懸浮物濃度，由于經(jīng)過大氣校

17、正及水氣界面校正，該算法可用于多時序的TM和SPOT數(shù)據(jù)中。此外，李京29-31提出反射率與懸浮固體含量之間的理論關(guān)系式為指數(shù)關(guān)系。黎夏32, 33推導(dǎo)出了包含Gorden關(guān)系式和負(fù)指數(shù)關(guān)系式的懸浮泥沙遙感定量模型。Lathrop34, 35研究發(fā)現(xiàn)TM2、3波段或它們的比值與水體的透明度和總懸浮物相關(guān)性很大，成冪函數(shù)關(guān)系。Kallio36利用光譜數(shù)據(jù)研究芬蘭南部湖泊，結(jié)果表明估測懸浮物的最佳算法可以利用單波段705-714nm的反射率R705-714得到。其它水質(zhì)參數(shù)遙感監(jiān)測的研究進展黃色物質(zhì)水體中的有色可溶性有機物(又稱“黃色物質(zhì)”)是遙感監(jiān)測水質(zhì)分類的主要參數(shù)之一,研究其光譜吸收性質(zhì)具有

18、重要的實際意義。90年代以來，國外的一些學(xué)者開始研究水體中黃色物質(zhì)的光吸收特性，進行黃色物質(zhì)的定量遙感監(jiān)測研究37-39。我國從事黃色物質(zhì)方面的研究較少，夏達(dá)英40, 41對海水中黃色物質(zhì)的跳熒光特性進行了研究；吳永森42, 43對膠州灣水域中的黃色物質(zhì)的光吸收特性進行了實驗研究，計算出了指數(shù)斜率S的數(shù)的值范圍，為海水黃色物質(zhì)含量的遙感探測提供了基礎(chǔ)性實驗依據(jù)。 COD（化學(xué)需氧量）COD的遙感監(jiān)測在國內(nèi)外的研究不多。李旭文等44, 45利用TM數(shù)據(jù)評價了蘇州運河的有機污染，通過回歸分析表明TM1、TM2、TM3與COD相關(guān)性最好，其次是生化耗氧量(BOD)，與溶解氧(DO)也表現(xiàn)出一定程度的

19、正相關(guān)。博江46, 47利用彩色紅外航片建立了蘇南大運河水中6項有機污染參數(shù)(包括有機污染綜合評價值)與彩紅外航空膠片透射密度之間的相關(guān)模型。此外，遙感監(jiān)測研究所涉及的水質(zhì)參數(shù)還包括水溫、透明度、總磷、總氮、pH值等，相關(guān)研究也較少。近年來，隨著傳感器技術(shù)的迅速發(fā)展，高分辨率、高光譜和多極化遙感數(shù)據(jù)逐漸成為主流遙感信息源，為遙感走向微觀定量水質(zhì)監(jiān)測提供了數(shù)據(jù)保證?；趯λ|(zhì)參數(shù)光譜特性日漸深入的了解，國外很多的學(xué)者在研究進一步提高水質(zhì)遙感監(jiān)測精度的同時，開始致力于發(fā)展沒有時間和空間特殊性的水質(zhì)遙感監(jiān)測通用算法。 利用遙感技術(shù)綜合評價水體營養(yǎng)狀態(tài)研究進展利用遙感技術(shù)評價水質(zhì)營養(yǎng)狀態(tài)的研究是當(dāng)前國

20、際湖泊學(xué)家和遙感學(xué)者研究的熱點。國外從20世紀(jì)70年代開始就針對多光譜傳感系統(tǒng)(multi-spectral sensing system，MSS)的4個波段進行水質(zhì)遙感研究。目前已經(jīng)應(yīng)用衛(wèi)星遙感數(shù)據(jù)研究水體組分如透明度、Chl-a、溶解性有機物、懸浮物、溫度等的分布和變化7, 48。歐盟用衛(wèi)星遙感監(jiān)測湖泊水質(zhì)(satellite remote sensing for lake monitoring，SALMON)計劃主要研究49：與遙感同步測量水面反射光譜、吸收光譜和熒光，提高遙感水質(zhì)模型的精度；測得大量光譜數(shù)據(jù)，不用同步的水質(zhì)數(shù)據(jù)，只利用光譜的內(nèi)在屬性，建立光譜與Chl-a，SD和色度之間

21、的關(guān)系式50。 有關(guān)水體營養(yǎng)化的評價，我國在20世紀(jì)70年代遙感技術(shù)尚不十分發(fā)達(dá)的情況下，多從水質(zhì)、水生生物以及底質(zhì)三個方面來進行，所采用的評價方法，可歸納為六種類型51-54：特征法、參數(shù)法、生物指標(biāo)評價法、磷收支模型法、營養(yǎng)狀態(tài)指數(shù)法、數(shù)學(xué)分析法，這些方法為遙感綜合監(jiān)測提供了基礎(chǔ)。但是，采用這些方法評價某些水體的富營養(yǎng)化程度時，常會遇到這樣的問題：選擇不同的指標(biāo)可能得到不同的結(jié)果，這是由于水體富營養(yǎng)化的評價，即確定水體的狀態(tài)屬性，實際上是一個將定性問題定量化的多變量的綜合決策過程55-57，因此，對水體富營養(yǎng)化程度進行評價應(yīng)以綜合評價為主。在前文所述的6類富營養(yǎng)化評價方法中，營養(yǎng)狀態(tài)指數(shù)(

22、TSI，Trophic Stat e Index )法可以進行定量的數(shù)值評價。該方法將湖泊營養(yǎng)狀態(tài)的貧營養(yǎng)-富營養(yǎng)連續(xù)劃分為0-100的連續(xù)數(shù)值，操作簡單，可比性較強，可為進一步分析富營養(yǎng)化機理奠定基礎(chǔ)。TSI法主要以水體透明度(SD)、藻類葉綠索a濃度(Chl-a )和水體總磷濃度(TP)為指標(biāo)，有Carlson的TSI法和Aizaki修正的TSIM法等58, 59。 TSI法的基礎(chǔ)是假定水體中的懸浮物質(zhì)全部為浮游植物，即水體透明度主要受浮游植物豐度的影響，其TSI指數(shù)以透明度為基準(zhǔn)，這一方法忽略了浮游植物以外的其它因子(水色、水體中的溶解物質(zhì)以及其它懸浮物質(zhì))對透明度的影響，因而具有一定的

23、限制，而TSIM則是以葉綠素a濃度為基準(zhǔn)，較好地解決了這一問題。此外，Aizaki等58, 59還分析了葉綠索a分別與總氮(TN)、化學(xué)耗氧量(COD)以及懸浮物(SS)濃度等的相關(guān)關(guān)系，從而得出總氨、化學(xué)耗氧量以及懸浮物濃度等的TSIm指數(shù)公式。李柞泳等60-63通過對我國一些湖泊水庫營養(yǎng)狀態(tài)的考察和比較，選擇大理洱海和廣州流花湖分別作為貧營養(yǎng)和富營養(yǎng)狀態(tài)的標(biāo)準(zhǔn)湖泊，與TSI和TSIM作比較，得出適用于我國若干湖泊的營養(yǎng)狀態(tài)評價的TSIC計算公式。其不足之處在于，由于TSIc系根據(jù)TSI和TSIM計算而來，不是根據(jù)主要參數(shù)的相關(guān)公式，因此出現(xiàn)某些參數(shù)的TSIC指數(shù)大于100的現(xiàn)象。目前城市景

24、觀水體多為靜止或流動性差的封閉緩流水體，水域面積小、水深較淺、水環(huán)境容量小、自凈能力差、容易出現(xiàn)不同程度的富營養(yǎng)化現(xiàn)象，進一步發(fā)展會嚴(yán)重影響地下水飲用水水源環(huán)境。本申請項目正是在項目組以前研究工作基礎(chǔ)上，擬采用遙感與地面監(jiān)測相結(jié)合的方法，通過分析多個水質(zhì)參數(shù)與遙感各波段光譜反射特征之間的響應(yīng)關(guān)系，建立定量遙感反演模型，并利用多種參數(shù)的綜合評價模型，引入數(shù)據(jù)挖掘中的知識發(fā)現(xiàn)機制，利用一種新的機器學(xué)習(xí)法（SVM）,選取能反應(yīng)城市水體富營養(yǎng)化程度的指標(biāo)-葉綠素a(Ch1-a，Chlorophyll-a)為主要評價因子，透明度(SDD，Secchi Disk Depth)、總磷(TP)、總氮(TN)及

25、CODMn為輔助因子，剖析這五個特征值與景觀水體富營養(yǎng)化產(chǎn)生、發(fā)展之間的關(guān)系及規(guī)律，對西安市區(qū)9個景觀水體富營養(yǎng)化程度進行遙感監(jiān)測，以期構(gòu)建既能反映其富營養(yǎng)化狀況,又簡便快捷的綜合評價模型，為治理水體富營養(yǎng)化,有效防治地下水進一步污染奠定基礎(chǔ)。主要參考文獻1.Drucker, H., C.J.C. Burges, L. Kaufman, A. Smola,V. Vapnik. Support vector regression machines. Advances in neural information processing systems, 1997: p. 155-161.2.Mait

26、y, R., P.P. Bhagwat,A. Bhatnagar. Potential of support vector regression for prediction of monthly streamflow using endogenous property. Hydrological Processes, 2010. 24(7): p. 917-923.3.Farquad, M.A.H., V. Ravi,S.B. Raju. Rule extraction from support vector machines: a hybrid approach for solving c

27、lassification and regression problems. International Journal of Information and Decision Sciences, 2011. 3(3): p. 265-294.4.Hao, P.Y. Possibilistic regression analysis by support vector machine. 2011: IEEE.5.Yu, Z., H.S. Wong,G. Wen. A modified support vector machine and its application to image seg

28、mentation. Image and Vision Computing, 2011. 29(1): p. 29-40.6.Pulliainen, J., K. Kallio, K. Eloheimo, S. Koponen, H. Servomaa, T. Hannonen, S. Tauriainen,M. Hallikainen. A semi-operative approach to lake water quality retrieval from remote sensing data. The Science of the Total Environment, 2001. 2

29、68(1-3): p. 79-93.7.Giardino, C., V.E. Brando, A.G. Dekker, N. Str mbeck,G. Candiani. Assessment of water quality in Lake Garda (Italy) using Hyperion. Remote Sensing of Environment, 2007. 109(2): p. 183-195.8.Voutilainen, A., T. Pyh lahti, K.Y. Kallio, J. Pulliainen, H. Haario,J.P. Kaipio. A filter

30、ing approach for estimating lake water quality from remote sensing data. International Journal of Applied Earth Observation and Geoinformation, 2007. 9(1): p. 50-64.9.Gitelson, A.A., J.F. Schalles,C.M. Hladik. Remote chlorophyll-a retrieval in turbid, productive estuaries: Chesapeake Bay case study.

31、 Remote Sensing of Environment, 2007. 109(4): p. 464-472.10.Govender, M., K. Chetty,H. Bulcock. A review of hyperspectral remote sensing and its application in vegetation and water resource studies. Water SA, 2009. 33(2).11.Geza, M.,J.E. McCray. Effects of soil data resolution on SWAT model stream f

32、low and water quality predictions. Journal of environmental management, 2008. 88(3): p. 393-406.12.Carpenter, D.,S. Carpenter. Modeling inland water quality using Landsat data. Remote Sensing of Environment, 1983. 13(4): p. 345-352.13.Jack, E., H.W.J. Hakvoort, A. Reumer, J.A.C. Verkleij, H. Schat,W

33、.H.O. Ernst. Real-time PCR analysis of metallothionein-2b expression in metallicolous and non-metallicolous populations of Silene vulgaris (Moench) Garcke. Environmental and Experimental Botany, 2007. 59(1): p. 84-91.14.Hakvoort, H., J. de Haan, R. Jordans, R. Vos, S. Peters,M. Rijkeboer. Towards ai

34、rborne remote sensing of water quality in The Netherlands-validation and error analysis. ISPRS Journal of Photogrammetry and Remote Sensing, 2002. 57(3): p. 171-183.15.Duce, R., et al. Impacts of atmospheric anthropogenic nitrogen on the open ocean. Science, 2008. 320(5878): p. 893.16.Sathyendranath

35、, S., L. Prieur,A. Morel. A three-component model of ocean colour and its application to remote sensing of phytoplankton pigments in coastal waters. International Journal of Remote Sensing, 1989. 10(8): p. 1373-1394.17.Lahet, F., S. Ouillon,P. Forget. A three-component model of ocean color and its a

36、pplication in the Ebro river mouth area. Remote Sensing of Environment, 2000. 72(2): p. 181-190.18.Kondratyev, K., D. Pozdnyakov,L. Pettersson. Water quality remote sensing in the visible spectrum. International Journal of Remote Sensing, 1998. 19(5): p. 957-979.19.Str mbeck, N.,D. Pierson. The effe

37、cts of variability in the inherent optical properties on estimations of chlorophyll a by remote sensing in Swedish freshwaters. The Science of the Total Environment, 2001. 268(1-3): p. 123-137.20.Zhang, Y., J. Pulliainen, S. Koponen,M. Hallikainen. Application of an empirical neural network to surfa

38、ce water quality estimation in the Gulf of Finland using combined optical data and microwave data. Remote Sensing of Environment, 2002. 81(2-3): p. 327-336.21.李素菊, 吳倩, 王學(xué)軍, 樸秀英,戴永寧. 巢湖浮游植物葉綠素含量與反射光譜特征的關(guān)系. 湖泊科學(xué), 2002. 14(003): p. 228-234.22.楊思全, 李素菊, 湯童, 王平,溫奇. 環(huán)境減災(zāi)衛(wèi)星國際服務(wù)模式探索與成效. 航天器工程, 2010(004): p.

39、 105-109.23.王建平,王志石. 用 TM 影像進行湖泊水色反演研究的人工神經(jīng)網(wǎng)絡(luò)模型. 環(huán)境科學(xué), 2003. 24(002): p. 73-76.24.周藝, 周偉奇, 王世新,張蓓. 遙感技術(shù)在內(nèi)陸水體水質(zhì)監(jiān)測中的應(yīng)用. 水科學(xué)進展, 2004. 15(003): p. 312-317.25.吳敏,王學(xué)軍. 應(yīng)用 MODIS 遙感數(shù)據(jù)監(jiān)測巢湖水質(zhì). 湖泊科學(xué), 2005. 17(002): p. 110-113.26.Shutler, J., P. Land, T. Smyth,S. Groom. Extending the MODIS 1 km ocean colour atm

40、ospheric correction to the MODIS 500 m bands and 500 m chlorophyll-a estimation towards coastal and estuarine monitoring. Remote Sensing of Environment, 2007. 107(4): p. 521-532.27.Verdin, J. Monitoring water quality conditions in a large western reservoir with Landsat imagery. Photogrammetric Engin

41、eering and Remote Sensing, 1985. 51(3): p. 343-353.28.Dekker, A., R. Vos,S. Peters. Analytical algorithms for lake water TSM estimation for retrospective analyses of TM and SPOT sensor data. International Journal of Remote Sensing, 2002. 23(1): p. 15-35.29.李京. 水域懸浮固體含量的遙感定量研究. 環(huán)境科學(xué)學(xué)報, 1986. 6(2): p.

42、 166-173.30.武永峰, 李茂松,李京. 中國植被綠度期遙感監(jiān)測方法研究. 遙感學(xué)報, 2008(001): p. 92-103.31.劉曉峰, 段洪濤,馬榮華. 太湖水體遙感反演參數(shù)的空間異質(zhì)性. 湖泊科學(xué), 2010. 22(003): p. 367-374.32.黎夏. 懸浮泥沙遙感定量的統(tǒng)一模式及其在珠江口中的應(yīng)用. 環(huán)境遙感, 1992. 7(002): p. 106-114.33.陳軍, 周冠華, 溫珍河, 馬金峰, 張旭, 彭丹青,楊松林. 太湖表層懸浮泥沙遙感定量模式研究. 光譜學(xué)與光譜分析, 2010(001): p. 137-141.34.Lathrop, R. L

43、andsat Thematic Mapper monitoring of turbid inland water quality. Photogrammetric Engineering and Remote Sensing;(United States), 1992. 58.35.Torbick, N., F. Hu, J. Zhang, J. Qi, H. Zhang,B. Becker. Mapping Chlorophyll-a Concentrations in West Lake, China using Landsat 7 ETM+. Journal of Great Lakes

44、 Research, 2008. 34(3): p. 559-565.36.Kallio, K., T. Kutser, T. Hannonen, S. Koponen, J. Pulliainen, J. Veps l inen,T. Pyh lahti. Retrieval of water quality from airborne imaging spectrometry of various lake types in different seasons. The Science of the Total Environment, 2001. 268(1-3): p. 59-77.主

45、要研究內(nèi)容及方法對西安針市景觀水體，引入基于粗糙集方法的知識發(fā)現(xiàn)機制，揭示城市景觀水體富營養(yǎng)化過程中隱含的客觀規(guī)律，將遙感監(jiān)測理論中的半經(jīng)驗方法，神經(jīng)網(wǎng)絡(luò)方法和GA-SVM等方法有機結(jié)合，開展城市景觀水體水質(zhì)遙感動態(tài)監(jiān)測，以水體富營養(yǎng)化狀態(tài)評價識別為目的，主要研究內(nèi)容包括：(1)城市景觀水體水質(zhì)參數(shù)敏感波譜分析及最佳波段選擇。通過研究水質(zhì)參數(shù)的光譜特征，可以選擇和優(yōu)化波段組合，并對各種波段及波段組合的反射率與同步地面實測水質(zhì)的數(shù)據(jù)進行相關(guān)性分析，確定水質(zhì)參數(shù)遙感定量監(jiān)測的最佳波段及波段組合，以獲得最佳光譜信息。(2)水質(zhì)參數(shù)遙感定量反演模型構(gòu)建。基于水質(zhì)參數(shù)的光譜特征和波段分析，結(jié)合同步地面實

46、測數(shù)據(jù)，通過尺度轉(zhuǎn)換，利用GA-SVM方法，建立多光譜遙感數(shù)據(jù)的反射率值和總氮(TN)、總磷(TP)、葉綠素(Chl-a)、化學(xué)需氧量(CODmn)及透明度(SDD)等水質(zhì)指標(biāo)的遙感反演定量模型，并對模型的有效性和精度進行檢驗。由于這五個指標(biāo)對水體富營養(yǎng)化的貢獻及各自的功能不一樣，通過本研究有可能再發(fā)現(xiàn)一些對富營養(yǎng)化更為敏感的化學(xué)成份。(3)城市景觀水體富營養(yǎng)化狀態(tài)的遙感評價。利用模糊模式識別交叉迭代模型對陜西省西安市景觀水體的水質(zhì)參數(shù)的遙感反演結(jié)果進行湖泊水體富營養(yǎng)化狀態(tài)的模糊模式識別研究，實現(xiàn)對城市景觀水體富營養(yǎng)化狀態(tài)的遙感評價識別。本研究的特色(1) 研究思路獨特，解決了城市景觀水體污染

47、監(jiān)測時間上的連續(xù)性問題，明確掌握了污染物的連續(xù)變化及遷移規(guī)律，為城市地下水污染治理提供了有針對性的資料。重點探討城市景觀水體水質(zhì)綜合評價模型與遙感水質(zhì)綜合評價模型的結(jié)合，吸收了水文學(xué)、生態(tài)學(xué)、遙感與地理信息系統(tǒng)等學(xué)科的研究成果，具有鮮明的多學(xué)科交叉性與綜合性的特點。(2) 研究方法創(chuàng)新，實現(xiàn)了城市景觀水體其它方法從點上監(jiān)測到遙感方法面上監(jiān)測的突破。利用遙感技術(shù)系統(tǒng)研究城市景觀水體富營養(yǎng)化的時空分布，拓寬了城市景觀水體開展省時省力、大尺度水體富營養(yǎng)化動態(tài)監(jiān)測的有效方法，搭建了一個基層水利、環(huán)境及其它相關(guān)業(yè)務(wù)管理部門易于掌握的，具有可操作性的多光譜城市景觀水質(zhì)遙感監(jiān)測平臺。解決的關(guān)鍵性科學(xué)問題(1

48、) 城市景觀水體水質(zhì)參數(shù)敏感波段分析與選擇;(2) 城市景觀水體富營養(yǎng)化監(jiān)測指標(biāo)及其相關(guān)關(guān)系研究；采取的技術(shù)路線本研究以西安市景觀水體為實驗區(qū)，以水質(zhì)遙感監(jiān)測和水體富營養(yǎng)化狀態(tài)評價識別為主要研究對象。在總結(jié)分析水質(zhì)遙感監(jiān)測已有的理論與方法的基礎(chǔ)上，結(jié)合衛(wèi)星遙感技術(shù)，引入基于粗糙集方法的知識發(fā)現(xiàn)機制，采用一種新的機器學(xué)習(xí)方法支持向量機(SVM，support vector machine)進行遙感反演，通過遺傳算法(GA, genetic algorithm)解決SVM的參數(shù)自動優(yōu)選問題，針對城市景觀水體實現(xiàn)水質(zhì)參數(shù)反演。模型的構(gòu)建和應(yīng)用通過下述6個步驟實現(xiàn):1）采樣區(qū)的選擇。西安市城區(qū)公園眾多

49、，且?guī)缀趺孔珗@內(nèi)都有人造景觀水體。根據(jù)景觀水體的位置、周圍環(huán)境及人為干擾的程度，選取西安市城區(qū)9處景觀水體為研究對象，分別為漢城湖、城墻內(nèi)的革命公園、蓮湖公園，城墻東外的興慶公園、長樂公園，城墻西外的勞動公園、豐慶公園，及城墻下的護城河(玉祥門處)、渭河咸陽段。9處景觀水體平均溫度為192l，水深1.6 m。其中興慶湖、蓮湖位于西安市中心,未央湖位于西安市北郊,是城市主要景觀水體。其水域面積分別為12 hm2、26.67 hm2 和20 hm2,水域深度分別為4 m、3 m和3 m,均為小型湖泊。2）遙感影像的預(yù)處理。即幾何精糾正、輻射定標(biāo)和大氣校正及水體輪廓提取，同時將遙感影像的灰度值轉(zhuǎn)換

50、為相應(yīng)物理意義的反射率值。水體對光的反射主要在小于1 000nm波長范圍內(nèi)，1 000nm以后水體幾乎全部吸收。本研究主要使用可見光和近紅外波段。對遙感影像進行幾何精糾正，總誤差RMS控制在0.5個象元之內(nèi)，圖像重采樣采用最近鄰近點法，這樣可以避免光譜信息的丟失，投影選擇UTM投影，橢球體選擇WGS84，這樣可以使采樣點定位坐標(biāo)和遙感圖像投影坐標(biāo)精確匹配。通過比較，選取端元光譜效果最佳，并有利于信息集中和噪聲去除的方法提取水、葉綠素、周邊泥水混合物、其他組分4種地物作為端元光譜，進一步反演葉綠素濃度指數(shù)，通過GPS與地面實測點的水質(zhì)參數(shù)濃度值空間上相對應(yīng)。3）訓(xùn)練樣本的選擇。分別基于多元遙感影

51、像和反演參數(shù)的一個最相關(guān)波段以及利用所有n個波段建立了一元和多元SVM反演模型,利用GA選擇模型參數(shù)。由于樣本數(shù)較少,采用K折交叉驗證法（K-fold cross-validation）：隨機將樣本分成k個互不相交的子集，其中k-1份作為訓(xùn)練數(shù)據(jù)集，而另外的1份作為驗證數(shù)據(jù)集。用驗證集來驗證所得分類器或者回歸的錯誤碼率。一般需要循環(huán)k次，直到所有k份數(shù)據(jù)全部被選擇一遍為止。SVM利用LIBSVM庫文件構(gòu)建,實驗運行環(huán)境及平臺采用Matlab7.0。4）水質(zhì)反演模型的構(gòu)建。本項目采用一種新的機器學(xué)習(xí)方法支持向量機(SVM，support vector machine)進行遙感反演。SVM建立在統(tǒng)

52、計學(xué)習(xí)理論的基礎(chǔ)上，可以根據(jù)有限的樣本信息在模型復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中，以獲得最好的推廣能力(預(yù)測精度)，它在解決小樣本、非線性和高維學(xué)習(xí)中表現(xiàn)出許多特有的優(yōu)勢。本項目利用SVM建模，采用遺傳算法(GA, genetic algorithm)解決SVM的參數(shù)自動優(yōu)選問題，針對城市景觀水體實現(xiàn)水質(zhì)參數(shù)反演。年度研究計劃及成果年度研究資料的收集 通過現(xiàn)場勘測和調(diào)研，查找書籍文獻，上網(wǎng)搜索，對課題的研究思路和內(nèi)容有了深入的理解，根據(jù)研究思路與內(nèi)容和研究區(qū)的基礎(chǔ)資料，我們確定了水體取樣的城市:西安，咸陽，渭南，寶雞，收集了研究區(qū)的基礎(chǔ)資料。本研究以城市景觀水體為靶區(qū)，采用多光譜數(shù)據(jù)遙感反演、

53、地面準(zhǔn)同步水質(zhì)監(jiān)測驗證等方法，考慮水體空間變異性，通過尺度轉(zhuǎn)換，水質(zhì)分析，以探索適合城市景觀水體水質(zhì)定量遙感監(jiān)測的波段分析和模型構(gòu)建技術(shù)，開展水質(zhì)定量遙感監(jiān)測和水體富營養(yǎng)化狀態(tài)評價識別方法和技術(shù)研究，實現(xiàn)與遙感水質(zhì)監(jiān)測的同步完成。 資料分析 應(yīng)用定量遙感反演方法提取不同的水體富營養(yǎng)化指標(biāo)，篩選城市景觀水體富營養(yǎng)化過程中顯著變化的關(guān)鍵因素，構(gòu)建客觀反映城市景觀水體富營養(yǎng)化的指標(biāo)體系?；陂L序列遙感影像資料，應(yīng)用定量遙感反演的方法，計算不同歷史時期各主要反映富營養(yǎng)化變化指標(biāo)的值，分析研究區(qū)富營養(yǎng)化過程變化的特征及其主要驅(qū)動因子；野外實地調(diào)查景觀水體取樣出發(fā)前的準(zhǔn)備檢查以下物品是否帶齊1取樣用品：G

54、PS，溫度計，取水鐵壺，塑料裝水壺，溶解氧塑料筐，黑色塑料袋（測葉綠素），透明膠帶，繩子，標(biāo)簽紙 ，筆記本，筆，策劃書。這次取樣忘記帶繩子，對本次取樣產(chǎn)了不利影響，下次出發(fā)前一定提前做好準(zhǔn)備，防止紕漏的發(fā)生。 2外出用品：身份證，公交卡，學(xué)生證，銀行卡，防寒的衣服，飲用水，紙巾，雨傘，包，適合野外活動的鞋服。景觀水體取樣步驟及注意事項1 潤洗：用取水鐵壺取取樣點的水，將裝水裝置（塑料裝水壺，溶解氧瓶）潤洗兩次。2 取水：用鐵壺取水，取水位置為水面下約0.5米處。取水時需將繩子弄順，以防纏在一起，影響取水。這方面本次取水做的不好，需要改進。3 裝水: 將水裝入溶解氧瓶時，倒水不可太劇烈，以防產(chǎn)生

55、水泡，溶解氧瓶需用水液封；如果是測葉綠素含量，需給裝水塑料壺套黑色塑料袋。4 測溫：讀數(shù)時，視線與刻線水平，精確到小數(shù)點后一位。5 貼標(biāo)簽： 標(biāo)明取水位置，必要時在標(biāo)簽外貼透明膠，以防沾濕。6 GPS定位并記錄：經(jīng)緯度；需讀到小數(shù)點后四位，并標(biāo)明北緯，東經(jīng)；高程；記錄時標(biāo)明取水點位置。 水樣取好后，需要測定水樣中總磷，總氮，溶解氧，葉綠素a含量。其中水樣中葉綠素a的含量由長安大學(xué)研究生孫韻在長安大學(xué)水環(huán)境實驗室（地點：水工樓）測定，水樣中總磷，總氮，溶解氧量的測定，由西安市水環(huán)境監(jiān)測中心（西安市長安區(qū)航天中路）技術(shù)員幫助完成。取樣地點及數(shù)據(jù) 對西安市，咸陽市，寶雞市，渭南市主要景觀水體進行了取樣分析，通過實驗測定，獲取了各個取樣地點景觀水體的研究指標(biāo)，包括總氮，總磷，葉綠素a，溶解氧含量。取樣點空間位置分布如下:咸陽市 地點 ENH（m）渭河（一號橋）3430971086767 396.0景觀水體13427251086476385.1渭河（二號橋）3432421087006380.6景觀水體23433481087383392.4渭濱公園1343371 1087370338.1渭濱公園23433021087149 381.6渭南市潼關(guān)地點ENH（m）入黃河口110236753461051.7320.8北洛村11034323.2北拾村1093434