论文部分内容阅读
近年来,湖泊污染和富营养化问题越来越严重,其直接后果导致蓝藻水华的频繁发生,给经济建设和人民健康造成直接的损害,成为我国国民经济发展的重要制约因素。蓝藻水华形成机理十分复杂,其爆发具有突然性。因此,十分有必要对蓝藻水华发展趋势预测进行研究。本文借助遥感技术,在国家科技支撑计划“水源地水质在线监测与蓝藻水华预测预警技术研究”(2007BAC26B01)和国家科技基础重点专项“中国湖泊水质、水量和生物资源调查”(2006FY110600)的支持下,以太湖为主要研究区,按照“信息提取-因子选择-模型构建-模拟预测”的技术思路,着力研究利用MODIS遥感数据对水华发展趋势进行预测。主要研究内容与结论如下:
一、提出了提高水体叶绿素a浓度遥感提取精度的方法。研究表明,该方法可以大幅提高水华爆发期间的水体叶绿素a浓度的提取精度。论文在太湖水华实测光谱分析的基础上,发现在水华爆发期间,由于部分水体被蓝藻水华覆盖,其光谱特征与未覆盖蓝藻水华水体差异很大,通过NDVI将水体分成两个类别:水华水体和非水华水体,分别建立这两类水体的叶绿素a浓度估算模型,可以提高叶绿素a浓度的提取精度。
二、找出适用于MODIS遥感预测水华的预测因子,为水华遥感预测提供了理论基础。在水华参数遥感信息提取的基础上,详细分析了各参数对蓝藻水华爆发的关系。分析表明:水温是蓝藻水华爆发的必要条件:悬浮物浓度与水华爆发之间没有明显的显著关系;最大风速对水华的影响较小,水华的聚集更多地受日平均风速和上午10时风速的影响；沿着南风的方向,太湖叶绿素a浓度呈现递增的趋势,可见风对水华的空间聚集起到了重要的作用。
三、在因子选择分析的基础上,应用人工神经网络建模方法建立了基于MODIS遥感的太湖蓝藻水华短期预测模型,并应用遗传算法对模型进行优化,该方法对蓝藻水华预测具有较高的参照价值。水华的形成具有典型的非线性特征,利用神经网络非线性映射能力,通过神经网络建模理论建立蓝藻水华MODIS遥感预测模型,对水华分布的动态发展趋势进行24小时预测。针对BP神经网络存在易陷入局部极小值的问题,引入遗传算法对其进行优化,充分利用遗传算法全局搜索的优势,通过交叉、变异和选择算子在BP神经网络全局误差所构成的权值空间进行“粗”搜索,初步确定网络最优权值分布范围,再由BP算法在最优权值分布范围内进行局部搜索,使得BP神经网络预测模型快速收敛于全局最优。模拟预测研究表明:该模型的平均相对误差最高可以达到3.25％。
四、分别应用主因子和敏感性分析方法详细分析了叶绿素a浓度、水温、风速和风向对模型预测结果的影响,其结论为太湖蓝藻水华预测提供参照依据。主因子分析表明:夏季8月份太湖水华的爆发受风速的影响最大,其次是叶绿素a浓度；而水温和风向由于不再是水华爆发的限制性因子,两者对水华的爆发影响相对较小。敏感性分析表明:水华对风速的变化最为敏感,弱风对水华的影响较小,强风对水华具有明显的抑制作用；过高或过低的水温和叶绿素a浓度对水华具有明显地抑制作用。
有待进一步的研究工作,主要是进一步加强水质参数的遥感信息提取研究,扩大内陆水体水质参数的遥感信息提取类别,为蓝藻水华遥感预测研究提供更多的水质参数;同时,还要进一步研究预测模型的泛化性能。