探讨遥感反演模型技术在水质参数监测中的具体应用

李奕(佳木斯市环境保护监测站,黑龙江佳木斯 154003)



探讨遥感反演模型技术在水质参数监测中的具体应用

李奕
(佳木斯市环境保护监测站,黑龙江佳木斯 154003)

【摘 要】叶绿素a(Chl-a)是江河湖泊水体水质状况评价的重要指标之一。本文以妫水河为研究区,利用实Chl-a浓度数据和同步的环境一号卫星(HJ-1A)多光谱数据对浑河水体Chl-a浓度的遥感反演模型进行研究,结论对于提高遥感反演的精度,并为浑河的水质遥感监测提供技术和方法参考。

【关键词】浑河沈阳河段 内陆水体 叶绿素a (Chl-a) 遥感反演模型

1 数据源采集与数据预处理

1.1 野外数据采集

研究区为浑河中游河段，根据该河流水面状况、水质分布以及水面形状等特征，采样路线设计为自南向北，在重点部位均设置采样点，覆盖整个研究区域，力求采集的数据能准确反映整体水质状况。数据采集分六个时间点进行，共获得96份水体高光谱数据。测量光谱选择气象条件较好的10：00-14：00时段。利用野外水质仪同步采集ChI-a浓度，并同时获取水体温度以及PH值等水体环境数据。

1.2 HJ-1A数据预处理

从中国卫星资源中心获取对应的六景多光谱数据。并对其中影像质量符合要求的两景图像进行预处理，其主要步骤包括：

(1)辐射定标。定标公式如：L=DN×α+L0其中L-辐亮度；α-绝度辐射定标系数增益；L0-偏移量。(2)影像裁剪。利用遥感数字影像处理软件(ENVI)，在保留研究中心区的前提下，对初始遥感图像进行裁剪。(3)几何纠正。利用ENVI软件对获取的遥感数据进行几何纠正，误差精度控制在0.3个像元以内。(4)大气纠正。本研究利用ENVI软件完成2景多光谱遥感数据的大气校正。

2 基于HJ-1A卫星多光谱数据的Chl-a反演

2.1 叶绿素a反演模型的构建

HJ-1A多光谱包括蓝、绿、红、近红四个波段，由于水色信息分布于这四个波段，并存在一定的重叠。在上节卫星影像数据预处理的基础上对HJ-1A各波段之间的相关系数进行分析，并得到如表1所示的结果。

表1 HJ-1A各波段间的相关性

表2 HJ-1A波段及波段组合与Chl-a浓度的相关系数

由上述结果可以看出，前三个波段之间的相关性较强，也就是说这三个波段之间信息重叠较多，而与波段4之间的重叠信息较少。利用HJ-1A和TM多光谱数据进行Chl-a浓度反演建模的波段选择方式的研究结论，对HJ-1A数据进行进一步筛选，并以此为基础对叶绿素a浓度相关系数进行分析，分析结果如表2所示。

结果显示数组合波段相比单波段的相关系数要高，最大绝对值为0.77，显示组合波段对噪音影响的降低具有一定的效果。叶绿素a的反射峰和吸收谷没有包含在四个波段中，因此在作与Chl-a的一元回归分析时应该选择相关系数最大的波段。为了综合考虑各个波段提供的光学信息特征，可以使用波段变化形式与Chl-a浓度作多元回归。本研究采用分期建模方式，建立一元线性回归模型和SVM模型。

2.2 模型的应用

利用SVM模型反演结果的三个指标依次为：35.33ug/L，18.26ug/L，21.30ug/L。数值显示浑河处于IV类水质，结论与沈阳市水务局监测结论一致。同时，反演结果显示研究区Chl-a浓度均值分别上升了：3.61ug/L和6.71 ug/L，说明浑河水质在不断恶化。此外，浑河河Chl-a浓度在空间分布上的差异性比较明显：Chla浓度深水区较低，高浓度值区域浮游藻类分布较明显。

3 结语

(1)SVM模型的反演比一元线性模型精度要高，将HJ-1A多光谱数据与波段组合数据结合作为SVM模型的输入变量对提高模型精度有利。(2)模型的计算结果显示浑河水体处于富营养化状态，监测结果与沈阳水务局公布的结果一致。(3)SVM模型具有很好的非线性拟合能力，能够提高水质参数反演的精度。

参考文献:

[1]赵玉芹,汪西莉,蒋赛.渭河水质遥感反演的人工神经网络模型研究[J].遥感技术与应用,2009(01):63-67.

[2]汪西莉,周兆永,延军平.应用GA-SVM的渭河水质参数多光谱遥感反演[J].遥感学报,2009(04):740-744.

[3]朱利,姚延娟,吴传庆,张永军,陈静,王颖.基于环境一号卫星的内陆水体水质多光谱遥感监测[J].地理与地理信息科学,2010(02):81-84+113.