基于MODIS卫星的巢湖蓝藻自动监测系统设计与实现

钱海明 王春林 孙金彦

（安徽省（水利部淮河水利委员会）水利科学研究院 蚌埠 233000）

基于MODIS卫星的巢湖蓝藻自动监测系统设计与实现

钱海明 王春林 孙金彦

（安徽省（水利部淮河水利委员会）水利科学研究院 蚌埠 233000）

随着巢湖流域经济的迅速发展，工业化进程的加快、城镇人口的增加、化肥和农药的大量使用，加重了巢湖水体富营养化情况，使得藻类等水生植物大量繁殖，破坏巢湖水域生态系统的平衡。为了提高巢湖水生态系统的稳定性，急需对巢湖蓝藻情况进行动态监测，为相关部门提供科学、可靠数据支持和信息服务。

MODIS卫星 遥感监测 系统配置 混合编程

遥感技术为蓝藻动态监测提供了辅助支持，准确、快速地监测蓝藻爆发的区域，提取蓝藻爆发信息。为了满足巢湖蓝藻的动态监测业务需求，基于蓝藻遥感监测的技术路线，设计并实现了基于MODIS卫星的巢湖蓝藻自动监测系统。以MODISL1B数据作为系统数据源，利用C#和IDL进行混合编程，结合ARCGIS的空间分析功能，将蓝藻遥感信息的主要方法应用到了系统建模中，提高了巢湖蓝藻动态监测的效率。系统在蓝藻动态监测业务化运行中取得明显效果。

1 系统总体设计

1.1 系统目标

基于蓝藻遥感监测的技术路线，利用C#和IDL进行混合编程，结合ARCGIS的空间分析功能，遵循系统操作快捷及系统可扩展性原则，设计基于MODIS卫星的巢湖蓝藻自动监测系统，旨在提高巢湖蓝藻的动态监测业务能力。

1.2 系统数据源

采用安徽省（水利部淮河水利委员会）水利科学研究院河湖监测遥感中心每日实时接收的中等分辨率成像光谱仪（moderate-resolution imaging spectroradiometer，MOD13Q1）的陆地II级标准数据产品（Terra/MODIS及aqua/MODIS数据），两个波段，空间分辨率为250m。研究MODIS卫星过境时间（上午10:30和下午13:30）的蓝藻水华的生长周期，探测蓝藻水华的爆发时间及空间分布特征。

1.3 系统总体结构

利用先整体后局部的模块化设计方法设计系统布局，通过C#和IDL的混合编程，结合ARCGIS空间分析的优势，基于蓝藻遥感监测的方法技术路线，将系统划分为四大模块，分别是数据管理模块、影像预处理模块、蓝藻信息提取模块和制图与出图模块，系统总体结构如图1所示。

图1 系统总体结构图

1.3.1 数据管理模块

以MODISL1B影像数据作为系统数据源，基于蓝藻遥感监测手段，设计了矢量数据库、栅格数据库及属性数据库，通过混合编程实现系统多源数据的编辑、更新及保存等功能。同时，便于通过历史影像数据、分类数据与假彩色合成数据进行叠加分析等方式对蓝藻动态做辅助分析。

1.3.2 影像预处理模块

利用IDL语言的遥感影像处理优势，以编程实现MODID L1B影像数据的辐射校正，消除由于卫星传感器航带式采集影像导致的“双眼皮”现象。通过地理坐标文件对辐射校正后的影像进行几何校，使得影像数据具备地理空间坐标信息。由于影像空间分辨率导致的影像偏移，需要与配准好的影像数据进行地理配准，提高影像几何定位精度。通过裁剪与拼接功能，提取影像的被研究区域。

图2 巢湖卫星遥感影像图

图3 巢湖蓝藻水华区域分布图

1.3.3 蓝藻信息提取模块

利用IDL语言的遥感影像处理优势，对地理配准后的影像进行湖面提取，得到巢湖湖面影像层。基于归一化植被指数模型和统计回归模型计算蓝藻模型阈值，提高蓝藻信息提取的精度。利用ArcGIS的空间分析功能，以ArcEngine为实现手段，对巢湖湖面影像层进行空间分析，定量提取巢湖蓝藻信息，统计分析蓝藻的空间分布及面积特征。

1.3.4 制图与出图模块

旨在提高系统自动化、人性化程度，对系统提取到的蓝藻信息进行制图与出图，通过ArcEngine模块实现图层的叠加、专题图符号的添加以及蓝藻面积等功能，进而生成巢湖蓝藻水华遥感影像图以及巢湖蓝藻区域分布图，利用直观的地图符号展示巢湖蓝藻的空间分布及面积特征。系统将自动生成巢湖蓝藻监测报告，报告包含原始影像的日期、蓝藻水华遥感影像图、蓝藻区域分布图以及蓝藻空间分布及面积特征，以便后续蓝藻信息的查询与分析。

1.4 系统关键技术

系统的研发平台是VisualC#，通过C#与IDL的混合编程，融合IDLDrawWidget图像可视化控件，结合ArcEngine空间数据可视化控件，实现系统的遥感影像处理能力与空间分析能力的有机结合。按照蓝藻遥感监测的技术路线，应用树模式结构与面对对象思想设计了系统架构，将系统抽象为根节点对象，各个功能模型抽象为中间节点对象，每项功能抽象为叶子节点对象，提高系统的完整性与数据的一致性。

2 应用实例

为了验证系统的可行性及适用性，以2015年12月7日13:30的MODISL1B影像数据作为系统实验数据。首先，通过数据管理模块建立包含矢量数据库、栅格数据库及属性数据库的工作区，提高系统对MODISL1B影像数据及后续中间数据的编辑、更新及保存能力。其次，利用影像处理模块的辐射校正、几何校正、地理配准及裁剪与拼接处理MODISL1B影像数据，得到具备地理空间信息的影像数据。利用湖面提取模块，得到巢湖湖面影像层，基于归一化植被指数模型和统计线性回归模型反演蓝藻信息，将阈值大于0.5的影像区域，视为蓝藻集聚区域。结果如图2和图3所示，湖面呈深灰色，蓝藻集聚区域呈浅灰色。

由于蓝藻在MODIS影像的1波段和2波段中分别呈现吸收光谱特征和高反射光谱特征，采用多波段彩色合成的显示方式，通过色彩及亮度突出显示蓝藻的空间分布状况。图2采波段1、2、1的组合方式，巢湖水面呈深灰色，蓝藻集聚区呈浅灰色，这样可以有较好目视区分效果。图3为蓝藻区域分布图，将巢湖湖面影像层与蓝藻集聚层进行波段融合，将蓝藻集聚层进行高亮度显示以显示蓝藻水华，根据设定的阈值提取蓝藻集聚区，得到2016年12月7日的巢湖蓝藻面积约为47.25km2。通过叠加分析改变影像的透明度，可以明显发现提取结果与实际蓝藻爆发区域一致，系统能较好地提取蓝藻的爆发情况，能够满足巢湖蓝藻爆发的应急处理需要。

3 结语

系统以实际业务和科研应用为需求导向，通过系统配置与单体模式技术动态构建基于菜单形式的系统架构，设计了良好的数据结构以便更好地管理空间数据。将MODIS L1B影像数据作为系统数据源，采用C#和IDL的混合编程模式，结合ARCGIS空间分析的优势，基于蓝藻遥感监测的方法技术路线，将归一化植被指数模型和统计线性回归模型应用到系统建模中，实现了巢湖蓝藻的自动化提取。通过实例进行验证分析，结果表明系统在巢湖蓝藻遥感监测业务化运行中取得了明显的效果■