论文部分内容阅读
湖泊是地球上重要的淡水资源，但随着经济的高速发展和工业化程度的加剧以及人为活动的影响，湖泊污染和富营养化问题日益严重，因此必须加强湖泊水质的监测和治理。常规的水质监测耗时耗力，并且很难反映湖泊的整体水质状况，而遥感技术可以快速、及时的提供整个湖区的水质状况，具有监测范围广、成本低和便于进行长期动态监测的特殊优势，在湖泊水质监测中具有巨大的应用潜力。 本文在总结分析国内外水质遥感监测已有的理论、技术和方法的基础上，归纳总结了湖泊水质遥感监测指标。该指标体系包括叶绿素a、悬浮物、黄色物质、水温、水深等指标，其中叶绿素a和悬浮物是影响水体光谱特征的主要物质，同时也是研究和应用中比较成熟的水质参数。 研究以太湖为实验区，通过对太湖水体实测光谱的分析，揭示了太湖水体光学反射特征，这是遥感定量监测太湖水质的前提和基础。研究结果表明，550nm、660nm以及690nm附近的波段与叶绿素a浓度呈现较好的相关性，而570nm与700nm附近的波段与悬浮物高度相关。与单波段相比，波段组合算法(包括波段比值、差值、和差组合等)与水质参数的相关性有明显的提高。 MODIS数据以其较高的时间分辨率、辐射分辨率和较多的波段设置成为水质监测最具有潜力的数据源之一。本文将经过大气纠正(直方图最小值去除法)的MODIS波段反射率进行组合，并分别与叶绿素a和悬浮物浓度进行相关分析。通过数百种波段组合的试验分析，发现MODIS陆地波段1-4(包括250m和500m数据)对水质参数反应比较灵敏，本文对此进行了分析和筛选，从中选择出最佳反演波段及波段组合。 由于太湖水体光谱特征的季节性差异明显，研究提出了分期建模的思想，结合四期地面采样数据，应用统计回归方法针对不同季节构建了相应的水质参数反演模型。所建模型在通用性上存在一定不足，但是较好地体现了所在季节太湖水体的光学特性。 太湖水体光学特征复杂，利用统计回归方法难以精确地描述光谱反射率与水体组分之间的关系。人工神经网络由于具备自适应、自组织性和容错性能，正适合模拟这种错综复杂的关系。本研究通过大量的训练和测试，采用MODIS 250m两个波段和500m前四个波段分别构建了适合太湖水体水质参数反演的两层BP神经网络模型，反演精度令人满意。 为了探测太湖水质的发展演变趋势，研究应用所建模型以及多时相MODIS