卫星数据水环境监测方案

水体分布提取方法水体分布提取承受最的改进双峰法进展面对对象的水体分布提取。改进双峰法主要技术流程如下输入数据。输入经过辐射校正、几何校正和大气校正的遥感反射率或瑞利校正反射率图像。边界膨胀。对输入数据采样简洁阈值分割法进展水体分布粗提取，然后对粗提取水风光积膨胀，2~3倍，将膨胀后的矢量边界作为后续处理的感兴趣区域〔ROI〕〔如以下图所示〕。水体分布粗提取后边界膨胀阈值选择。在2)步得到的ROI区域内统计水体指数灰度直方图，并在先验阈值区间内查找直方图最小值的遥感反射率作为图像分割的阈值〔如以下图所示，两条红线之间的区域即为先验阈值区间，直方图最小值所在阈值为，该值大小等于遥感反射率乘以0乘以〕。双峰法直方图阈值选择0〔陆地1〔水体〕〔如以下图左图所示〕。最小连通区去除。图像阈值分割的结果会有很多杂乱的斑点和小的水体，设置最小连通区像元数NN0〔如以下图右图所示。水质参数反演方法

最小连通区去除前后比较利用遥感图像反演内陆水质参数需要完成的操作步骤主要有六个，依次是：辐射校正、几何校正、水陆分界、大气校正、水草水华识别和水质参数反演，其流程如以下图所示。原始遥感图像(1)辐射校正(2)几何校正(3)水陆分界水体掩膜图像(4)大气校正遥感反射率图像(5)水草水华识别水草水华分类图(6)水质参数反演水质参数专题图遥感图像反演内陆水质参数的操作流程辐射校正和几何校正是遥感图像处理的通用流程。水陆分界是水体遥感的特别操作，用于提取水体研究区域。依据水体和陆地光谱差异承受阈值分割，计算得到水体掩膜图像，其中水体为1，陆地为0。大气校正对于水体要素遥感反演至关重要。水体反射率比较低，遥感器接收的来自水体的信号中很大的局部是来自大气散射，因此利用遥感数据监测水质首先要对遥感图像进展准确的大气校正。来自水草和水华的遥感数据无法用于反演水面以下的水体要素，因此首先要把水草和水华区域提取出来，然后利用非水华和非水草的遥感图像反演水体要素。数据猎取数据猎取是争论工作的根底，猎取的数据包括水体试验数据和卫星遥感数据。水体试验数据猎取课题组已经在水体试验数据，这些试验数据很多是和光学遥感卫星同步或准同步的。卫星遥感数据猎取GF1,5,6号卫星遥感图像数据。数据处理数据处理是重要环节，数据包括水体试验数据的处理和卫星遥感数据的预处理。水体试验数据处理主要包括水面反射率光谱特征分析、水体固有光学特性分析、水体光学分类。卫星遥感数据的预处理主要包括水体提取和大气校正。水面反射率光谱特征分析利用全部水面实测遥感反射率光谱数据分析其光谱特征，包括反射峰、反射谷、反射率拐点等信息，为水质参数反演方法的波段选择供给支持。水体提取将争论基于改进双峰法的水体边界自动化提取方法，为后面开展水质参数反演供给支持。大气校正将利用与光学遥感卫星同步猎取的水面反射率光谱数据，比照现有各种典型大气校正方法，确定最适宜进展水质参数浓度反演的大气校正方法。水质参数反演算法水质参数反演算法主要包括传统反演策略、硬分类反演策略、软分类反演策略。每种反演策略中需要检验典型的水质参数反演方法的适用性。首先利用水体试验猎取的水面光谱数据集比照每种策略的水质参数浓度反演结果，确定最正确的反演策略、反演方法以及其中的步骤和参数。水质参数反演模块开发基于经过检验的水质参数反演最优算法，开发水质参数遥感反演模块。叶绿素a浓度反演方法叶绿素a是水体中浮游植物或藻类植物中最重要的色素，也是水体中藻类浓度、种类等的重要指示因素，因此它也是反映水体富养分化程度的重要指标。水体叶绿素a浓度反演是水色遥感的核心内容。目前，利用遥感技术反演水体叶绿素a浓度的方法主要有阅历模型、半分析模型、分析模型、智能模型等。由于内陆浑浊二类水体的光学特性较为简单，分析模型和智能模型算法的精度受实测水体固有光学量和表观光学量的影响较大，模型的稳定性较差，不能用于水体叶绿素a浓度反演。本节构建了叶绿素a反演半阅历模型。常用的基于水体光谱特征参量的叶绿素a浓度反演算法包括两波段比值算法〔TBR〕、归一化叶绿素指数算法〔NDCI〕、综合叶绿素指数算法〔SCI〕、三波段半分析算法〔TBS〕和四波段半分析算法〔FBS〕。这五种算法的模型拟合结果如以下图所示。基于水体光谱特征参量的叶绿素a浓度遥感反演模型从图中可以看出三波段半分析算法和四波段半分析算法的拟合趋势有误，数据点的分布较乱，拟合公式不能反响叶绿素aa浓度的反演。两波段比值算法、归一化叶绿素指数算法和综合叶绿素指数算法的拟合趋势较好，拟合度R2也较高。其中综合叶绿素指数和两波段比值算法的拟合效果最好，可以作为基于水体光谱特征参量的叶绿素a浓度反演算法。悬浮物浓度反演方法我们计算了总悬浮物浓度与遥感反射率每个波段遥感反射率的相关系数平方，并进一步计算了总悬浮物浓度倒数与每个波段遥感反射率倒数的相关系数平方，结果如以下图所示。遥感反射率与总悬浮物浓度的相关系数平方从图中可以觉察，总悬浮物浓度倒数与每个波段遥感反射率倒数的相关系数平方明显大于总悬浮物浓度与遥感反射率每个波段遥感反射率的相关系数平方。因此，可以建立总悬浮物浓度倒数与每个波段遥感反射率倒数线性回归公式：1/TSM=A*(1/Rrs(λ))+BTSM的计算公式如下：TSM

R ()rsAB*R ( )rs上式实际上可以从生物光学模型中推导得到。内陆水体中最常用的生物光学模型如下所示：b()R(0)()f*a()bbb

()其中，R(0-)是刚好在水面以下辐照度比，f是一个与光场分布有关的参数，a是水体总的吸取系数，bb是水体总的后向散射系数。将上式中的吸取系数和散射系数开放，同时将R(0-)(λ)R(λ)表示，得到：rsR ()rs v

))*(1r())/n2sf*

b ()~bbw b

*b”p

()*Cs ~Q a()aw ph

()ad

()a

cdom

()bbw

()bbp

*b”p

()*Cs其中，aph(λ)是浮游植物色素吸取系数，ad(λ)是非色素悬浮物吸取系数，acdom(λ)是CDOM吸取系数，aw是纯水吸取系数，b 是纯水后向散射系数，是观测天顶角，r()是水-气界面反射率，

是太阳天顶角，bw v v sr()是气-水界面反射率，n是水体折射指数，Q是水下上行辐照度与辐亮度的比值，C是悬浮物浓度，b’

(λ)s s p~是悬浮物单位散射系数，bbp

是悬浮物后向散射比例系数。在近红外波段，a (λ)、a(λ)和a (λ)都大约降至0，纯水的后向散射系数b 也降至格外小，而且远ph d cdom bw小于悬浮物后向散射系数，因而可以无视。此时方程可以简化为：R ()rs

f*

~ *b” ()*Cbbp ~p sb(1r(v

))*(1r(s

))/n2 Q aw

()b *b”bp

()*CsC的计算公式：sR (

) a()Cs f (1r())*(1r())rs 1

*~ w 1* v

R ()

b b” ( )bp p 1Q n2

rs 1透亮度反演方法浑浊水体的透亮度主要与悬浮物浓度负相关。因此，我们将试验猎取的透亮度和悬浮物浓度进展线性回归，得到的结果如以下图所示。实测透亮度和总悬浮物浓度线性回归如上图所示，透亮度与总悬浮物浓度的相关系数平方〔R2〕到达0.782，说明通过二者具有格外高的相关性，利用悬浮物反演透亮度的模型为：Transparency(cm)=-4.275*TSM(mg/L)+127.0反演透亮度时，首先利用遥感数据反演悬浮物浓度，再利用上面的公式进一步反演透亮度。养分状态计算方法水体颜色是水体光学参量之一，可以反映水体叶绿素含量和浑浊程度，进而可以表征水体养分状态。FUI〔Forel-UleIndex〕，Forel-Ule比色表的一种水质监测指数。在传统监测中一般认为，FUI级别越低水质越好，级别越高水质越差。FUIForel-Ule比色表，FUI将水体颜色划分为从深蓝到红褐色1~21Forel-Ule21种水体颜色的色度坐标，计算每αFUIRGB波段值，计算遥感图像上每个像元色度坐标和对应的α角度，再依据色度查找表将遥感图像归类到从深蓝到橙红这21个颜色级别中，实现基于卫星遥感图像的水体颜色分级，猎取颜色FUI指数图像。FUI提取流程主要有以下步骤：a)计算图像像元或一条遥感反射率的颜色三刺激值X,Y,Z。对于遥感XYZ值；b〕依据XYZ值计算图像像元色度坐标〔x,y〕；c〕计算图像像元在色度二维空间中对应的角度α；d〕依据建立的FUI指数角度查找表，完成图像像元的角度α到颜FUI指数的转换。Forel-UleForel-Ule比色表中的水体颜色构建基于FUI指数的全球水体养分状态评价模型谱数据，利用叶绿素数据估算水体养分状态指数，利用光谱数据计算水体FUI指数，并分析FUI对富养分化指数〔TSI〕FUI指数的水体养分状态评价决策树。FUIFUIR(645)rsFUI≤66<FUI<9FUI>169≤FUI≤169≤FUI≤1313≤FUI≤16R(645)<t1rsR(645)≥t1rsR(645)<t2rsR(645)≥t2rsOligotrophicMesotrophicEutrophicFUI指数的水体富养分化评价决策树模型FUITSI之间的FUITSI估测模型如下：当FUI