论文部分内容阅读
作为最重要的淡水资源之一，湖泊在我国经济发展和人们生活中起着不可或缺的作用，及时准确地了解湖泊水质状况和变化趋势具有非常重要的意义。
随着环境信息技术的不断进步，水色遥感技术由于其大范围、同步性和相对成本较低等优点，在大洋水体、沿海以及湖泊水库的水质监测中都有广泛的应用。近年来，随着高光谱技术遥感发展迅速，利用其高光谱分辨率可以大大提高水质遥感的精度。MODIS遥感是近几年来应用发展迅速的一种高光谱成像光谱仪，由于MODIS具有实行全球免费接收、高辐射分辨率和光谱分辨率、观测周期短、获取数据快、定位准确等诸多优点，在一类水体中已经得到大量应用，但由于其在水体监测上空间分辨率不高限制了在内陆湖泊监测中的应用。本研究选择了比较大型的内陆湖泊——安徽巢湖作为研究对象，初步探讨MODIS在内陆湖泊水质监测上的可能性与适用性。
水体中的叶绿素a、藻类、透明度等信息，可以在不同的遥感波段图像上反映出来。本研究的目的就是运用MODIS高光谱技术来研究内陆水体巢湖的藻类和叶绿素a浓度、透明度、总磷、总氮等水质参数，分析巢湖的藻类爆发在高光谱遥感图像中的体现。
本研究获取了2001年1月到2004年6月之间巢湖12个监测点的每月实地连续监测数据，对巢湖水质参数的分布状况进行了分析，并选取MODIS图像的红光波段和近红外波段计算了归一化植被指数，结果表明，应用MODIS-NDVI计算出巢湖藻类爆发时的藻类分布结果与实地采样的叶绿素a浓度值在空间分布上体现出很好的一致性。
在此基础上，分别使用波段拟合模型、人工神经网络中的BP和RBF网络模型、遗传神经网络模型等方法建立MODIS波段辐射率与水质参数之间的关系。结果表明，波段拟合模型是一种简单、快捷、易用的半经验模型，它可通过选择适合的波段组合或建立相对复杂的回归方程来提高二类水体水质参数的反演精度；BP网络模型对选择的波段信息量利用充分，因此精度在波段拟合模型的基础上有很大的提高，但是由于其本身存在的缺陷使结果仍然不够理想；RBF网络模型可以克服BP网络的缺陷，训练不依赖初始权值、速度快等优点，精度略高于BP网络模型；遗传神经网络模型将遗传算法和BP算法结合起来，不仅可以保证搜索的全局性还可以保证收敛到满意解，在湖泊水质参数的反演中具有很大的潜力。
以上研究结果表明，MODIS数据不仅可以用于海洋，而且有能力对大型内陆湖泊水质参数和藻类爆发进行研究；人工神经网络技术特别是遗传神经网络模型用于湖泊水质遥感反演研究也是可行的，具有一定的精确度与实用性。本研究为利用高光谱技术研究内陆湖泊的水质参数和藻类爆发提供了基础和参考。