1、本科毕业论文（20 届）基于 TM 影像水体藻类污染研究所在学院专业班级 测绘工程学生姓名指导教师完成日期基于 TM 影像的水体藻类污染研究【摘要】传统的人工现场采集水样进行水质分析的方法监测结果较准确，但采样频次有限、成本高耗时长。遥感技术是研究污染源的动态监测的新方法 ,使水质监测和治理奠定了基础 。本文对 TM 影像进行了一些介绍，然后对水体植被指数原理、遥感水污染的主要分析方法，常见的有机物污染如叶绿素蓝藻水华遥感原理概括分析总结。最后基于中国大陆东部海域遥感影像图对其提取 NDVI、RVI 植被指数的提取，从而做出其污染分布图。【关键字】TM 影像 遥感水质分析 环中国大陆东部沿海
2、水体提取 植被指数提取藻类信息目录1. 引言 .12.TM 影像 .13 植被指数 .14.水质分析方法 .24.1 半分析方法 .24.2 经验方法 .24.3 其他 .25.水体遥感原理 .25.1 水体蓝藻水华浓度遥感 .35.2 水体叶绿素浓度遥感 .36.环中国大陆东部海域水色遥感模型 .36.1 数据来源 .36.2 数据预处理 .36.2.1 图像辐射定标 .36.2.2 图像大气校正 .46.3 水体提取 .56.4 NDVI 植被指数提取藻类信息 .56.5 数据处理分析依据 .56.7 分析与讨论 .77.结束语 .7致谢语 .811.引言了解水污染的现状对保护水资源有重要
3、意义。针对水体蓝藻等有机物的污染，本文对 TM 影像进行了一些介绍，然后对水体植被指数原理、遥感水污染的主要分析方法，常见的有机物污染如叶绿素蓝藻水华遥感原理概括分析总结。最后基于中国大陆东部海域遥感影像图对其提取 NDVI、RVI 植被指数的提取，从而做出其污染分布图。2.TM 影像在目视解译遥感图像时，我们会考虑很多的图像特征颜色（在全色图像情况下）、结构、大小、形状、背景等诸如此类，但在计算机辅助软件中经常使用的仅仅是颜色，重要的是设置的多波段传感器（像眼睛那样在光谱里看到多个地方。并能够进入测量光谱反应模式的传感器）及光谱波段的数目和波段范围。美国地球资源卫星（Landsat）是一个有
4、 7 个波段，30m 分辨率的多光谱图像商业系统。通过分析显示，在许多环境中自然环境信息量的传播最多的波段是近红外波和红色波。水体由红外线波长强烈地吸收，因此在这个区域十分明显。另外，植物物种在这里把他们的根本差异展示了出来，因为这是叶绿素为光合作用吸收能量的原始地方。红色区间也很重要，因为它反映了叶绿素吸收能量进行的光合作用，是容易区分植被和非植被的波长。如果了解了红色波段和近红外波段的重要性，就会发现地球资源监测设计的传感器系统都带有红色波段和近红外波传感器。其他波段依赖于设想的应用范围。很多波段还包括绿色可见波段，因为它可以和另外两个波段一起使用，产生传统的假彩色合成图，即一个来自绿色、
5、红色、和近红外波段的彩色图像（和自然颜色图像的蓝色、绿色和红色波段相反）。这种组合随着红外摄影的出现而变得很常见，并为遥感领域的专家所熟悉。此外，这三种波段的结合在解译人文景观、自然和植被表面方面运用得很好。其他波段对地表物质变得更具有针对性，这种现象越来越普遍，比如，陆地卫星 TM5 波段位于两个水体吸收带之间，目前已经证明了他在确定土壤和叶片水分之间的差异方面非常有用，同样，陆地卫星 TM7 波段目标是检测裸露岩石表面的热液蚀变区。与它相反，NOAA 系列卫星上的 AVHRR 系统包括几个自动检测云层温度特性的热通道。Landsat 上的多谱扫描仪 MSS(MultiSpectral Sc
6、anner)能收集蓝色、绿色、红色和近红外 4 个波段的图像：专题制图仪 TM(Thematic Mapper),能够收集 7 个波段的图像，这些波段有蓝波、绿波、红波、近红外波、两个中近红外波和一个热红外波。多光谱扫描仪的分辨率是 80m，而专题制图仪的空间分辨率达到 30m.这两个传感器图像有 185km 宽的测绘带，在当地时间每天的上午 9:45 经过，周期是 16 天。3 植被指数在自然资源评价和监测中，植被分析和植被形式的变化探测是非常关键的。因而不难发现，绿色植被探测和定量评价是环境资源管理和制定决策的主要遥感应用之一。绿色植被的健康冠层与电磁光谱中的可见光和近红外区域中的能量有明
7、显作用。在可见光区，植物色素（多数是叶绿素）吸收巨大的能量，主要是用于光合作用。这个吸收在可见光谱的红色和蓝色区域达到最高点，多数树叶呈现出了绿色。但在近红外区，会出现不同的相互作用，这个区域的能量不仅用在光合作用中，还被多数树叶的内部结构强烈分散，于是在近红外区产生了非常高的反射率。2因而，在红波段的反射量与近红外的反射量之间形成了一个强烈地对比，这成为一系列利用遥感图像发展植被量化指数的重要焦点。植被指数(VI)模型的集合是为提供绿色植被生物量定量评价而设计。植被指数可以应用在高、低空间分辨率卫星图像中，比如，NOAAAVHRR,Landsat TM 和 MSS,SPOT HRV/XS,以
8、及在红波和近中红外地区与该集合相似的其他集合中。在多种情景中，利用绿色植被指数模型对绿色生物量进行评价，还可以用作整体环境变化的标（VI）志，特别应用在干旱的条件和土地退化风险评价中。所以主要集中在干旱环境下绿色生物量评价上，在这类地区，土壤背景是探测信号的主要组成部分。NDVI 和 RVI 是基于斜率的简单运算组合的植被指数，侧重于电磁光谱的红波段和近红外部分中植被的光谱相应机理的对比。基于斜率的植被指数是可见光红波段(RED)和近红外波段（NEAR INFRADE）的组合，广泛应用于生成植被指数。这个指数值显示绿色植被和生物量的状态和丰富程度。植被指数为研究和监测植被及植被动态方面提供了重
9、要的机遇。本文将尝试将 NDVI 和 RVI 植被指数模型用于水体藻类提取，从而进行有机污染研究。4.水质分析方法4.1 半分析方法物理辐射传输理论、辐射的方法和有效性的光学材料在吸水和反向散射特性、反射率、水之间的关系的基础上,吸收和散射系数用于计算组件和组件的浓度吸收和后向散射系数、浓度的反演方法来确定组件 1。具有较强的适用性和可靠性,该方法用于悬挂组件如叶绿素和反演。但需要测试参数模型的方法,因为限制的仪器、设备广泛的应用程序。此外,一些未知的变量在模型中常量的经验,这可能会影响反演的精度 2。虽然半分析方法有先天优势,但研究海岸和河口水水质有机污染应用某些 3。4.2 经验方法基于同
10、步的水质参数的经验方法和遥感测量统计关系的经验,选择最优波段或波段组合模型数据和实测水质参数,然后水质参数反演方法。这种方法是目前使用最广泛的是相对简单的,但事实上,遥感数据之间的相关性和水质参数,和不是很明确的物理意义,受限于时间和地点 4。4.3 其他随着科学技术的发展,如计算机和人工智能研究人员进行了大量的工作,国内外先进的水质遥感反演方法,这是一个典型的和广泛使用的方法和人工神经网络 5,非线性优化方法、主成分分析(pca),等6,7。5.水体遥感原理卫星遥感的总辐射(L1)=大气中的水直接反射回到水面尚未实现表面的辐射(LP)+水没有到达底部的水只在界面反射或散射强度(LV)+水体和
11、水面反射辐射(LS)+水底部的反射强度(LB)。LP 和 LB 是有机污染的研究不需要的。水质研究在公式(1)是最重要的 LV,包括纯净水(w)和水中的无机悬浮物(SM)、有机叶绿素(Chla)和溶解有机物(DOM)的浓度,并分别在水中吸收和散射的光()(c)的功能变化,即:LV = f(Wc()、SMc()、叶绿素()、DOMc()这些成分和它们的浓度变化时,水质和水也将改变。水由于入射能量(阳光)有很强的吸收,出现软弱的总体程度的反射率,并有随着波长的增加继续削弱的倾向,具体表现如下:在可见光的波长范围(480 nm 580 nm),反射率约为 4% 5%,但到 580nm,降至 2% 3
12、%,但超过740nm 波长的入射能量几乎所有被水吸收。到目前为止,通常只研究可见光波长的水质污染,在所有的3可见光波段中水体蓝色的光反射率是相对强劲的范围,并有明显的散射效应,绿灯略弱,红灯是相对较弱,这也是大海呈蓝的主要原因。由于水体在近红外和随后的中红外波长(740 nm - 2500 nm)范围内的强吸收特性,导致一个明确的水质在波长范围几乎没有反射率,也正因为如此,此波长范围常被用来研究水边界,划定水范围。总之,清水的遥感信息模型根据其反射率可以近似为:蓝色 绿色红色近红外中红外。5.1 水体蓝藻水华浓度遥感郭国钦通过分析和研究,得出滇池蓝藻在可见光,红外光谱的谱特征和使用假彩色合成和
13、归一化植被指数方法在滇池蓝藻信息识别和提取遥感 8。李旭文以 TM 数据作为数据源,得出利用叶绿素和 DVI植被指数(TM4 / TM3),藻类生物量之间的高度相关性定量遥感模型成立,湖面积叶绿素和蓝藻生物量遥感评估 9。使用遥感数据,黄家柱测试了 LandsatTM 太湖藻类爆发，时间在 1998 年 8 月, 10。5.2 水体叶绿素浓度遥感我们知道，遥感中显示植物存在的位置是根据叶绿素的多少，水体的富营养化是通过叶绿素。根据已有的研究成果，叶绿素会影响电磁波的波长在大气中的物理反应。它有几个明显的特征：（1）叶绿素的强吸收是在 400500nm(蓝光）范围内，而且在波长 440nm 处会
14、出现吸收最低值； （2）在550nm 范围，有叶绿素的最大反射峰，其中，在波长 520nm 处的辐射值是一个不因为叶绿素的改变而改变的“节点 ”；（3）第二次的强吸收约为 675nm 处；（ 4）在 690nm700nm 的附近有一次出现明显的反射峰，这是因为各种综合效应在最小；（5)水体在近红外波长的反射率也会随着水中悬浮物质含量的增加而增高，相反，有些沉积物在此波段处的反射率却降低。6.环中国大陆东部海域水色遥感模型6.1 数据来源地理空间数据云平台下载影像，地理范围大致介于东经 23.5925.49 北纬 117.37119.71,截取了其中的一部分我国东部大陆环海地区。影像数据如下：起
15、源= “美国地质调查局(u.s. geological survey)”SPACECRAFT_ID = “Landsat5“SENSOR_ID = “TM“SENSOR_MODE = “BUMPER“ACQUISITION_DATE = 2010-05-24SCENE_CENTER_SCAN_TIME = 02:23:55.6700750ZSUN_AZIMUTH = 94.5606193SUN_ELEVATION = 66.93240496.2 数据预处理由于卫星传感器所接收到的信息包含了大气、水体等各方面的信息，为了抑制其它信息和增强表征水体的信息，必须对影像进行预处理 11。6.2.1 图
16、像辐射定标4步骤一:DN 值转为星上辐亮度步骤二 a：星上辐亮度转为大气顶层反射率步骤二 b: 热红外波段的星上辐亮度转为星上亮温12在 ERDAS 中的操作步骤：（1）把多个 tiff 文件合并为 img 文件。执行 InterpreterUtilitiesLayer Stack 弹出以下窗口在 input file 处打开对应影像的所有 tiff 文件，将 Layer 右侧设置为 all 后单击 Add，设置output file 名称，单击 OK 开始执行。生成多波段的 img 文件。（2）建立用于辐射定标的 Model。执行 ModelerMoleler Maker 弹出以下窗口在上面
17、窗口中，进行读入数据、数据计算、输出结果等模型的建立。注意保存 Model，以便将来多次使用。（3）执行 Model，生成结果。6.2.2 图像大气校正大气矫正可以用多种方法来影响遥感图像的性质。在分子水平上，大气气体产生瑞利散射，不断影响短波（原因是，比如，是的天空看上去是蓝色的）而且像氧气，二氧化碳，臭氧和水蒸气（特别是后两者）这些主要大气成分都吸收选定波长的能量。气溶胶颗粒（气溶胶思微小固体或液体颗粒的气体悬浮液）是薄雾的主要决定成分，引进大部分非选择（也就是，同等地影像所有的波长）Mie 散射。大气作用可以是巨大的，因此遥感专家致力于这些作用的建模和修复。1986 年,法国 Tanre
18、 德里尔科技大学(里尔科技大学)大气光学实验室和其他人为了简化大气辐射传输方程,太阳光谱波段卫星信号模拟器的发展 5 s(卫星信号模拟太阳光谱),用于模拟太阳辐射的传5输系统和计算卫星辐射亮度的学生。1997 年,埃里克Vemote 5 s 改进、发展的 6 s(第二模拟卫星在太阳光谱信号),6 s,吸收最新的散射计算方法使太阳光谱波段散射比 5 s 来提高计算精度。模型假设一个万里无云的氛围,的情况下考虑到水蒸气,二氧化碳,O3 和 O2 的吸收,分子和气溶胶散射和凹凸不平的地面和双向反射问题是提高 5 s,6 光谱积分步骤 5 nm 2.5 nm,与 5 s 相比,它可以模拟机载观测,建立
19、了目标高度,解释附近的双向功能和效果,增加了计算的两种气体吸收(有限公司、一氧化二氮)。散射效应是通过使用 SOS 连续(散射)方法,以提高精度。缺点是不能处理球面大气观测和身体(身体)。6.3 水体提取对 landsatTM 遥感影像中水体提取的多种方法中，目前较多的是周成武等提出的普间关系法，主要原理是通过分析水体在 TM 影像的 7 个波段的波谱特性，发现水体与其他地物相比具有独特的谱间关系，及对于 LandsatTM 遥感影像的 7 个波段具有波段 2 加波段 3 大于波段 4 加波段 5 的特征。该方法可以将水体与阴影区分开，对水库、坑塘、宽的河流和河流中较宽的部分 13。6.4 N
20、DVI 植被指数提取藻类信息归一化植被指数是 Rouse 等人在 1974 年建立的特殊 VI，它解决了利用 Landsat MSS 影像从背景土壤的亮度值中分类绿色植被的问题。这个指数表达了近红外波段（NEAR INFRAED）与红波段（RED）的差异总值归一化，也就是:NDVI=(DNnir-DNred)/(DNnir+DNred)式中 nir 为近红外波段，red 为红光段。这是非常常用的 VI，他减少了地形影像同时又能表达线性测量比例。此外，被零除的现象也明显减少。更进一步说，测量比例能合适的描述在-1 1 之间，0近似为没有植被。因而，赋值代表没有植被的表面。简单比值植被指数 CRV
21、I 是由 Richardson 和 Wiegand(1997)提出来的，用计算机计算更简便。计算结果是纯水体部分 DNVI 值小于 0，有植被特征的水体部分，及蓝藻在水表爆发区域的 NDVI越大的地方，叶绿素 a 浓度越高。计算出的 DNVI 值分为 6 类 14。6.5 数据处理分析依据1、水体悬浮物浓度研究悬浮物质含量高地水体 R2R12、高浓度悬浮区域，则 R3R23、一般浓度的悬浮区域，R31 悬浮物质水体提取8、R2/R11 且 R3=R2 高悬浮物浓度区9、R2/R11 且 R3R2 低悬浮物浓度区 156.6 分类制图图像分类是遥感图像的计算机辅助解译，主要包括包括监督分类和非监
22、督分类。非监督分类不需要查找类型的分类特征信息,相反,它分析图像数据,把数据分成若干自然光谱组,或者集群.分析家通过结合该地区的熟悉长度和地面调查的真实情况来确定这些集群作为土地覆盖类型的归属，比如，系统可以分沥青和水泥地的类型，分析家对分类进行归组，建立一个路面的类型。非监督分类技术的共同目标就是揭示主要的土地覆盖分类，这个土地覆盖分类可能存在于未知的图像中。一般来说，这样的程序属于聚集分析的范围，因为他们在多波段图像内搜索象元特点相似的反射率集群，这些集群是所有土地覆盖类型的概括，因为这些集群揭示土地覆盖的主要类型，因而倾向于忽略出现频率很低的土地类型特性。不过由于这些广泛的共同点，还没有
23、除此之外的其他方法。分类：先将经过以上处理所生成的环中国东大陆沿岸水域 NDVI 植被指数提取和 RVI 植被指数提取，用无监督分类法分别对它们进行分类，均值类似的类别代表浓度接近的水体。由于缺少实际情况采集6水质监测的样本数据和 GIS 等一些辅助数据，只能绘制一个比较粗糙的藻类水质分布图。水体 RVI 指数分类图水体 DNVI 指数提取分类图6.7 分析与讨论(1)图中污染程度的强弱顺序为：一级有机污染二级有机污染三级有机污染四级有机污染五级有机污染 从中可明显看到环中国东部沿岸有机污染浓度分布图.(2)图像上显示结果，沿岸是污染最严重的地方，追其原因，陆地沿岸生活污水工业污染最严重，东南
24、季风也有一定影响。(3)由于缺乏与影像获得时间相对应的实时水质监测参数和地面资料，不能保证提取的数据的“纯净度”，从而影响到最后的分类结果 因此在这里值得注意的是，分析结果只具有相对的意义，并不一定是真实的数值.(4)非监督分类只能得出其相似度，而不能得出数据的内在属性。7(5)水体遥感影像除对有机污染研究外，对水温、水深、水体界限范围、水分化学成分、水体悬浮物皆有反映，可进行更加深刻的剖析。（6）可进一步通过变化监测，对比分析得出 NDVI，RVI 指数提取分析。7.结束语水体水体富营养化复杂的内在与外在因素导致治理的难度极高。识别藻类以及反应其时间和空间和动态变化情况，对分析水体富营养化十
25、分有帮助。世界上很多国家的科学家学者对水体环境的遥感监测进行了大量的实验分析总结等，建立了包括回归模型、水体生物光学模型等方法反演水质函数参数，为水质遥感监测提供了一定基础。遥感影像获取技术方面，随着高性能新型遥感器的研制开发水平高新技术的提高以及环境资源遥感对高精度遥感数据要求的提高，将迎来高空间和高光谱分辨率遥感影像时代。雷达遥感技术可以适应任何时间在任何天气的图像数据和渗透一些对象。这些新技术将有广阔的发展前景。水有机污染高光谱遥感发展迅速。可以显著提高科学性和合理性的有机污染水环境监测和智能化程度,和扩大应用范围的有机污染的水环境监测。可获取遥感立体影像。将环境污染遥感监测技术(RS)与地理信息系统（GIS）、全球定位系统（GPS）、专家系统（Expert System.ES)技术集成建立高速，高精度，大量的遥感数据处理系统。
