毕业论文-基于TM影像水体藻类污染研究

.引言了解水污染的现状对保护水资源有重要意义。针对水体蓝藻等有机物的污染，本文对TM影像进行了一些介绍，然后对水体植被指数原理、遥感水污染的主要分析方法，常见的有机物污染如叶绿素蓝藻水华遥感原理概括分析总结。最后基于中国大陆东部海域遥感影像图对其提取NDVI、RVI植被指数的提取，从而做出其污染分布图。2.TM影像在目视解译遥感图像时，我们会考虑很多的图像特征——颜色（在全色图像情况下）、结构、大小、形状、背景等诸如此类，但在计算机辅助软件中经常使用的仅仅是颜色，重要的是设置的多波段传感器（像眼睛那样在光谱里看到多个地方。并能够进入测量光谱反应模式的传感器）及光谱波段的数目和波段范围。美国地球资源卫星（Landsat）是一个有7个波段，30m分辨率的多光谱图像商业系统。通过分析显示，在许多环境中自然环境信息量的传播最多的波段是近红外波和红色波。水体由红外线波长强烈地吸收，因此在这个区域十分明显。另外，植物物种在这里把他们的根本差异展示了出来，因为这是叶绿素为光合作用吸收能量的原始地方。红色区间也很重要，因为它反映了叶绿素吸收能量进行的光合作用，是容易区分植被和非植被的波长。如果了解了红色波段和近红外波段的重要性，就会发现地球资源监测设计的传感器系统都带有红色波段和近红外波传感器。其他波段依赖于设想的应用范围。很多波段还包括绿色可见波段，因为它可以和另外两个波段一起使用，产生传统的假彩色合成图，即一个来自绿色、红色、和近红外波段的彩色图像（和自然颜色图像的蓝色、绿色和红色波段相反）。这种组合随着红外摄影的出现而变得很常见，并为遥感领域的专家所熟悉。此外，这三种波段的结合在解译人文景观、自然和植被表面方面运用得很好。其他波段对地表物质变得更具有针对性，这种现象越来越普遍，比如，陆地卫星TM5波段位于两个水体吸收带之间，目前已经证明了他在确定土壤和叶片水分之间的差异方面非常有用，同样，陆地卫星TM7波段目标是检测裸露岩石表面的热液蚀变区。与它相反，NOAA系列卫星上的AVHRR系统包括几个自动检测云层温度特性的热通道。Landsat上的多谱扫描仪MSS(Multi—SpectralScanner)能收集蓝色、绿色、红色和近红外4个波段的图像：专题制图仪TM(ThematicMapper),能够收集7个波段的图像，这些波段有蓝波、绿波、红波、近红外波、两个中近红外波和一个热红外波。多光谱扫描仪的分辨率是80m，而专题制图仪的空间分辨率达到30m.这两个传感器图像有185km宽的测绘带，在当地时间每天的上午9:45经过，周期是16天。3植被指数在自然资源评价和监测中，植被分析和植被形式的变化探测是非常关键的。因而不难发现，绿色植被探测和定量评价是环境资源管理和制定决策的主要遥感应用之一。绿色植被的健康冠层与电磁光谱中的可见光和近红外区域中的能量有明显作用。在可见光区，植物色素（多数是叶绿素）吸收巨大的能量，主要是用于光合作用。这个吸收在可见光谱的红色和蓝色区域达到最高点，多数树叶呈现出了绿色。但在近红外区，会出现不同的相互作用，这个区域的能量不仅用在光合作用中，还被多数树叶的内部结构强烈分散，于是在近红外区产生了非常高的反射率。因而，在红波段的反射量与近红外的反射量之间形成了一个强烈地对比，这成为一系列利用遥感图像发展植被量化指数的重要焦点。植被指数(VI)模型的集合是为提供绿色植被生物量定量评价而设计。植被指数可以应用在高、低空间分辨率卫星图像中，比如，NOAAAVHRR,LandsatTM和MSS,SPOTHRV/XS,以及在红波和近中红外地区与该集合相似的其他集合中。在多种情景中，利用绿色植被指数模型对绿色生物量进行评价，还可以用作整体环境变化的标（VI）志，特别应用在干旱的条件和土地退化风险评价中。所以主要集中在干旱环境下绿色生物量评价上，在这类地区，土壤背景是探测信号的主要组成部分。NDVI和RVI是基于斜率的简单运算组合的植被指数，侧重于电磁光谱的红波段和近红外部分中植被的光谱相应机理的对比。基于斜率的植被指数是可见光红波段(RED)和近红外波段（NEARINFRADE）的组合，广泛应用于生成植被指数。这个指数值显示绿色植被和生物量的状态和丰富程度。植被指数为研究和监测植被及植被动态方面提供了重要的机遇。本文将尝试将NDVI和RVI植被指数模型用于水体藻类提取，从而进行有机污染研究。4.水质分析方法4.1半分析方法物理辐射传输理论、辐射的方法和有效性的光学材料在吸水和反向散射特性、反射率、水之间的关系的基础上,吸收和散射系数用于计算组件和组件的浓度吸收和后向散射系数、浓度的反演方法来确定组件[1]。具有较强的适用性和可靠性,该方法用于悬挂组件如叶绿素和反演。但需要测试参数模型的方法,因为限制的仪器、设备广泛的应用程序。此外,一些未知的变量在模型中常量的经验,这可能会影响反演的精度[2]。虽然半分析方法有先天优势,但研究海岸和河口水水质有机污染应用某些[3]。4.2经验方法基于同步的水质参数的经验方法和遥感测量统计关系的经验,选择最优波段或波段组合模型数据和实测水质参数,然后水质参数反演方法。这种方法是目前使用最广泛的是相对简单的,但事实上,遥感数据之间的相关性和水质参数,和不是很明确的物理意义,受限于时间和地点[4]。4.3其他随着科学技术的发展,如计算机和人工智能研究人员进行了大量的工作,国内外先进的水质遥感反演方法,这是一个典型的和广泛使用的方法和人工神经网络[5],非线性优化方法、主成分分析(pca),等[6],[7]。5.水体遥感原理卫星遥感的总辐射(L1)=大气中的水直接反射回到水面尚未实现表面的辐射(LP)+水没有到达底部的水只在界面反射或散射强度(LV)+水体和水面反射辐射(LS)+水底部的反射强度(LB)。LP和LB是有机污染的研究不需要的。水质研究在公式(1)是最重要的LV,包括纯净水(w)和水中的无机悬浮物(SM)、有机叶绿素(Chla)和溶解有机物(DOM)的浓度,并分别在水中吸收和散射的光(λ)(c)的功能变化,即:LV=f(Wc(λ)、SMc(λ)、叶绿素(λ)、DOMc(λ)]这些成分和它们的浓度变化时,水质和水也将改变。水由于入射能量(阳光)有很强的吸收,出现软弱的总体程度的反射率,并有随着波长的增加继续削弱的倾向,具体表现如下:在可见光的波长范围(480nm~580nm),反射率约为4%~5%,但到580nm,降至2%~3%,但超过740nm波长的入射能量几乎所有被水吸收。到目前为止,通常只研究可见光波长的水质污染,在所有的可见光波段中水体蓝色的光反射率是相对强劲的范围,并有明显的散射效应,绿灯略弱,红灯是相对较弱,这也是大海呈蓝的主要原因。由于水体在近红外和随后的中红外波长(740nm-2500nm)范围内的强吸收特性,导致一个明确的水质在波长范围几乎没有反射率,也正因为如此,此波长范围常被用来研究水边界,划定水范围。总之,清水的遥感信息模型根据其反射率可以近似为:蓝色>绿色>红色>近红外>中红外。5.1水体蓝藻水华浓度遥感郭国钦通过分析和研究,得出滇池蓝藻在可见光,红外光谱的谱特征和使用假彩色合成和归一化植被指数方法在滇池蓝藻信息识别和提取遥感[8]。李旭文以TM数据作为数据源,得出利用叶绿素和DVI植被指数(TM4/TM3),藻类生物量之间的高度相关性定量遥感模型成立,湖面积叶绿素和蓝藻生物量遥感评估[9]。使用遥感数据,黄家柱测试了LandsatTM太湖藻类爆发，时间在1998年8月,[10]。5.2水体叶绿素浓度遥感我们知道，遥感中显示植物存在的位置是根据叶绿素的多少，水体的富营养化是通过叶绿素。根据已有的研究成果，叶绿素会影响电磁波的波长在大气中的物理反应。它有几个明显的特征：（1）叶绿素的强吸收是在400~500nm(蓝光）范围内，而且在波长440nm处会出现吸收最低值；

（2）在550nm范围，有叶绿素的最大反射峰，其中，在波长520nm处的辐射值是一个不因为叶绿素的改变而改变的“节点”；（3）第二次的强吸收约为675nm处；（4）在690nm~700nm的附近有一次出现明显的反射峰，这是因为各种综合效应在最小；（5)水体在近红外波长的反射率也会随着水中悬浮物质含量的增加而增高，相反，有些沉积物在此波段处的反射率却降低。6.环中国大陆东部海域水色遥感模型6.1数据来源地理空间数据云平台下载影像，地理范围大致介于东经23.59~25.49北纬117.37~119.71,截取了其中的一部分——我国东部大陆环海地区。影像数据如下：起源=“美国地质调查局(u.s.geologicalsurvey)”SPACECRAFT_ID="Landsat5"SENSOR_ID="TM"SENSOR_MODE="BUMPER"ACQUISITION_DATE=2010-05-24SCENE_CENTER_SCAN_TIME=02:23:55.6700750ZSUN_AZIMUTH=94.5606193SUN_ELEVATION=66.93240496.2数据预处理由于卫星传感器所接收到的信息包含了大气、水体等各方面的信息，为了抑制其它信息和增强表征水体的信息，必须对影像进行预处理[11]。6.2.1图像辐射定标步骤一:DN值转为星上辐亮度步骤二a：星上辐亮度转为大气顶层反射率步骤二b:热红外波段的星上辐亮度转为星上亮温[12]在ERDAS中的操作步骤：（1）把多个tiff文件合并为img文件。执行InterpreterUtilitiesLayerStack弹出以下窗口在inputfile处打开对应影像的所有tiff文件，将Layer右侧设置为all后单击Add，设置outputfile名称，单击OK开始执行。生成多波段的img文件。（2）建立用于辐射定标的Model。执行ModelerMolelerMaker弹出以下窗口在上面窗口中，进行读入数据、数据计算、输出结果等模型的建立。注意保存Model，以便将来多次使用。（3）执行Model，生成结果。6.2.2图像大气校正大气矫正可以用多种方法来影响遥感图像的性质。在分子水平上，大气气体产生瑞利散射，不断影响短波（原因是，比如，是的天空看上去是蓝色的）而且像氧气，二氧化碳，臭氧和水蒸气（特别是后两者）这些主要大气成分都吸收选定波长的能量。气溶胶颗粒（气溶胶思微小固体或液体颗粒的气体悬浮液）是薄雾的主要决定成分，引进大部分非选择（也就是，同等地影像所有的波长）Mie散射。大气作用可以是巨大的，因此遥感专家致力于这些作用的建模和修复。1986年,法国Tanre德里尔科技大学(里尔科技大学)大气光学实验室和其他人为了简化大气辐射传输方程,太阳光谱波段卫星信号模拟器的发展5s(卫星信号模拟太阳光谱),用于模拟太阳辐射的传输系统和计算卫星辐射亮度的学生。1997年,埃里克·Vemote5s改进、发展的6s(第二模拟卫星在太阳光谱信号),6s,吸收最新的散射计算方法使太阳光谱波段散射比5s来提高计算精度。模型假设一个万里无云的氛围,的情况下考虑到水蒸气,二氧化碳,O3和O2的吸收,分子和气溶胶散射和凹凸不平的地面和双向反射问题是提高5s,6光谱积分步骤5nm2.5nm,与5s相比,它可以模拟机载观测,建立了目标高度,解释附近的双向功能和效果,增加了计算的两种气体吸收(有限公司、一氧化二氮)。散射效应是通过使用SOS连续(散射)方法,以提高精度。缺点是不能处理球面大气观测和身体(身体)。6.3水体提取对landsatTM遥感影像中水体提取的多种方法中，目前较多的是周成武等提出的普间关系法，主要原理是通过分析水体在TM影像的7个波段的波谱特性，发现水体与其他地物相比具有独特的谱间关系，及对于LandsatTM遥感影像的7个波段具有波段2加波段3大于波段4加波段5的特征。该方法可以将水体与阴影区分开，对水库、坑塘、宽的河流和河流中较宽的部分[13]。6.4NDVI植被指数提取藻类信息归一化植被指数是Rouse等人在1974年建立的特殊VI，它解决了利用LandsatMSS影像从背景土壤的亮度值中分类绿色植被的问题。这个指数表达了近红外波段（NEARINFRAED）与红波段（RED）的差异总值归一化，也就是:NDVI=(DNnir-DNred)/(DNnir+DNred)式中nir为近红外波段，red为红光段。这是非常常用的VI，他减少了地形影像同时又能表达线性测量比例。此外，被零除的现象也明显减少。更进一步说，测量比例能合适的描述在-1~1之间，0近似为没有植被。因而，赋值代表没有植被的表面。简单比值植被指数CRVI是由Richardson和Wiegand(1997)提出来的，用计算机计算更简便。计算结果是纯水体部分DNVI值小于0，有植被特征的水体部分，及蓝藻在水表爆发区域的NDVI越大的地方，叶绿素a浓度越高。计算出的DNVI值分为6类[14]。6.5数据处理分析依据1、水体悬浮物浓度研究悬浮物质含量高地水体R2>R12、高浓度悬浮区域，则R3>R23、一般浓度的悬浮区域，R3<R24、对于污染水体，随着污染物浓度的增加，R4/R3的值逐渐增大5、R4/R3即（RVI）可以作为有机污染的重要指标。6、R2/R1可区分较高悬浮泥沙区域7、R2/R1>1悬浮物质水体提取8、R2/R1>1且R3>=R2高悬浮物浓度区9、R2/R1>1且R3<R2低悬浮物浓度区[15]6.6分类制图图像分类是遥感图像的计算机辅助解译，主要包括包括监督分类和非监督分类。非监督分类不需要查找类型的分类特征信息,相反,它分析图像数据,把数据分成若干自然光谱组,或者集群.分析家通过结合该地区的熟悉长度和地面调查的真实情况来确定这些集群作为土地覆盖类型的归属，比如，系统可以分沥青和水泥地的类型，分析家对分类进行归组，建立一个路面的类型。非监督分类技术的共同目标就是揭示主要的土地覆盖分类，这个土地覆盖分类可能存在于未知的图像中。一般来说，这样的程序属于聚集分析的范围，因为他们在多波段图像内搜索象元特点相似的反射率集群，这些集群是所有土地覆盖类型的概括，因为这些集群揭示土地覆盖的主要类型，因而倾向于忽略出现频率很低的土地类型特性。不过由于这些广泛的共同点，还没有除此之外的其他方法。分类：先将经过以上处理所生成的环中国东大陆沿岸水域NDVI植被指数提取和RVI植被指数提取，用无监督分类法分别对它们进行分类，均值类似的类别代表浓度接近的水体。由于缺少实际情况采集水质监测的样本数据和GIS等一些辅助数据，只能绘制一个比较粗糙的藻类水质分布图。水体RVI指数分类图水体DNVI指数提取分类图6.7分析与讨论(1)图中污染程度的强弱顺序为：一级有机污染＞二级有机污染＞三级有机污染＞四级有机污染＞五级有机污染．从中可明显看到环中国东部沿岸有机污染浓度分布图.(2)图像上显示结果，沿岸是污染最严重的地方，追其原因，陆地沿岸生活污水工业污染最严重，东南季风也有一定影响。(3)由于缺乏与影像获得时间相对应的实时水质监测参数和地面资料，不能保证提取的数据的“纯净度”，从而影响到最后的分类结果．因此在这里值得注意的是，分析结果只具有相对的意义，并不一定是真实的数值.(4)非监督分类只能得出其相似度，而不能得出数据的内在属性。(5)水体遥感影像除对有机污染研究外，对水温、水深、水体界限范围、水分化学成分、水体悬浮物皆有反映，可进行更加深刻的剖析。（6）可进一步通过变化监测，对比分析得出NDVI，RVI指数提取分析。7.结束语水体水体富营养化复杂的内在与外在因素导致治理的难度极高。识别藻类以及反应其时间和空间和动态变化情况，对分析水体富营养化十分有帮助。世界上很多国家的科学家学者对水体环境的遥感监测进行了大量的实验分析总结等，建立了包括回归模型、水体生物光学模型等方法反演水质函数参数，为水质遥感监测提供了一定基础。遥感影像获取技术方面，随着高性能新型遥感器的研制开发水平高新技术的提高以及环境资源遥感对高精度遥感数据要求的提高，将迎来高空间和高光谱分辨率遥感影像时代。雷达遥感技术可以适应任何时间在任何天气的图像数据和渗透一些对象。这些新技术将有广阔的发展前景。水有机污染高光谱遥感发展迅速。可以显著提高科学性和合理性的有机污染水环境监测和智能化程度,和扩大应用范围的有机污染的水环境监测。可获取遥感立体影像。将环境污染遥感监测技术(RS)与地理信息系统（GIS）、全球定位系统（GPS）、专家系统（ExpertSystem.ES)技术集成建立高速，高精度，大量的遥感数据处理系统。致谢四年的大学生活已然接近尾声，在此对多年一直关心、帮助、鼓励我的人表示衷心的感谢。

本篇论文从选题、修改、定稿、成稿，无不凝聚着陈绍杰老师的心血和智慧。他以渊博的专业知识、严谨的治学态度和精益求精的工作作风，诲人不倦的高尚师德、宽以待人的崇高风范，深深的感染和激励着我。

陈绍杰老师于百忙之中详细批阅了我的论文，对文章的各方面的内容问题和细节进行认真的批注，提出了宝贵的修改意见。通过这次毕业论文，我感受很多，收获也很多。首先，让我对GPS技术在边坡应用中有了更深刻的解读。其次，提高我对问题的分析和解决的能力。最后，经过徐老师对我的耐心指导，培养了我不骄不躁、严谨求实的学习精神和工作作风，让我更加清楚撰写论文是一个繁琐、认真更加要有深刻的理解专业知识的基础上完成这其中必须把握好每一个细节，才能更好的完成论文。

同时，感谢资源工程学院测绘工程专业老师及院领导在我的生活和学习中给予的关怀和帮助。感谢11级测绘工程班的全体同学，在这四年中给予的支持和鼓励，是你们伴我度过这四年美好而又难忘的时光！

在此，我对各位于百忙中抽空来评审论文和参加答辩的老师深表谢意！这四年来，是你们用自己的心血和汗水培育了我。最后祝老师们身体健康，工作顺利！祝和我朝夕相处四年的同学们早日实现自己的人生理想。参考文献[1]李旭文，季耿善，杨静[J].遥感信息，1995，(1):25-29[2]黄家柱，赵锐.卫星遥感监测太湖水域蓝藻暴发[J].遥感信息，1999，（4):43-44[3]张晓忆，景元书，简单基于ETM+影像监测的蓝藻水华时空分布特征南京南京信息工程大学[4]刘建萍，张玉超，钱新，等，太湖蓝藻水华的遥感监测研究[J]。环境污染与防治，2009,31报，（8）：79—87[5]赵冬至,曲元,张丰收等.用TM图像估算海面叶绿素浓度的神经网络模型.海洋环境科学，2001，20（1）：16—21.[6]韩秀珍，朱小祥，刘诚，基于MODIS数据的太湖蓝藻信息提取研究[A].中国气象学会.2007年论文集[C].北京：气象出版社，2007.139-144[7]陈云，戴景芳，基于遥感数据的太湖蓝藻水华信息识别方法[J].湖泊科学，2008,20（2）;179-186.[8]谢国清，李蒙，鲁韦坤，等。滇池蓝藻水华光谱特征、遥感识别及暴发气象条件[J].湖泊科学，2010,22（3):327-332.[9]李旭文，季耿善，杨静.太湖梅梁湖湾蓝藻生物量的遥感估算[J].遥感信息，1995，(1):25-29[10]黄家柱，赵锐.卫星遥感监测太湖水域蓝藻暴发[J].遥感信息，1999，（4):43-44[11]骆玉霞，陈焕伟.遥感图像的特征提取与选择研究[J].

Information

Recording

Materials：2002，3(2)[12]章孝灿、黄智才、戴企成等.遥感数字图像处理.

杭州天目山路148号：浙江大学出版社，2008，319-331.[13]李小曼,王刚,田杰.TM影像中水体提取方法研究[J].西南农业大学学报,2006,（28):581-582.[14]汪小钦,王钦敏,刘高焕,励惠国.水污染遥感监测.遥感技术与应用，2002，17（2):75-76.[15]郑庆峰,孙国武,李军等.影响太湖蓝藻暴发的气象条件分析[J].高原气象，2008，27:218-223.BasedontheTMimagesofwateralgaepollutionResourcesinthecollegeofengineeringsurveyingandmappingengineering2011092644qiu-pingwangTheinstructorShao-jieChen【abstract