<acronym id="owqss"><center id="owqss"></center></acronym>
<acronym id="owqss"></acronym>
<acronym id="owqss"><center id="owqss"></center></acronym>

滇池不同空間分布水體的高光譜特征差異分析

胡琳 甘淑 袁希平 李雁 付承彪 宋春雨 閆馨方

引用本文:
Citation:

滇池不同空間分布水體的高光譜特征差異分析

    作者簡介: 胡 琳(1994?),女,云南人,博士生,主要從事攝影測量與遙感技術研究.E-mail:hl112365@163.com;
    通訊作者: 甘淑, bo5200909@163.com
  • 中圖分類號: P236

Difference analyses on hyperspectral characteristics of spatial distribution of different water bodies in Dianchi Lake

    Corresponding author: GAN Shu, bo5200909@163.com ;
  • CLC number: P236

  • 摘要: 滇池作為污染十分嚴重的高原湖泊之一,其水質監測工作備受關注. 利用高光譜遙感監測水質,便于動態長期監測并能找出污染源及其空間分布差異. 因此,文章基于珠海一號高光譜衛星數據,從空間尺度上,分別選取滇池內部不同區域的水體進行高光譜試驗分析比較. 試驗結果認為:①研究區草海和外海水體在近紅外波段內反射率差異最大,可用于2類水體的識別與提取,以及對水體內葉綠素含量進行初判斷;②研究區入湖口和出湖口位置的水體光譜曲線在880~940 nm范圍內變化異常,可用于2處水體的識別與提取,并推測因水體中懸浮物顆粒影響改變了變化趨勢;③湖心和湖岸帶水體在近紅外波段內,反射率差值先增至最大再逐漸減小,可根據此光譜特征實現2個區域水體的識別與提取,并推測可能是由于水體內懸浮物體積濃度影響導致光譜差異. 綜上所述,近紅外波段有很好的光譜響應特征,可以較好地反映并識別湖泊的不同空間分布差異. 同時,對于水環境條件差異也可以進行更好地判斷.
  • 圖 1  珠海一號預處理流程圖

    Figure 1.  ZH-1 preprocessing flowchart

    圖 2  試驗方案

    Figure 2.  Test plan

    圖 3  滇池取樣點布設位置

    Figure 3.  Location of sampling points in Dianchi Lake

    圖 4  滇池草海與外海水體反射光譜曲線

    Figure 4.  Reflectance spectra of Caohai and offshore waters in Dianchi Lake

    圖 5  滇池出入湖口位置的水體反射光譜曲線

    Figure 5.  The reflectance spectra of water bodies from the inlet and outlet of the lake in Dianchi Lake

    圖 6  滇池湖心、湖岸帶水體反射光譜曲線

    Figure 6.  Reflectance spectra of water bodies in the center and shore of Dianchi Lake

    鸿禾娱乐
  • [1] Song F, Wu F, Wu A, et al. Depth-dependent variations of dissolved organic matter composition and humification in a plateau lake using fluorescence spectroscopy[J]. Chemosphere, 2019, 225: 507-516. DOI:  10.1016/j.chemosphere.2019.03.089.
    [2] 賀克雕, 高偉, 段昌群, 等. 滇池、撫仙湖、陽宗海長期水位變化(1988—2015年)及驅動因子[J]. 湖泊科學, 2019, 31(5): 1 379-1 390. He K D, Gao W, Duan C Q, et al. Water level variation and its driving factors in Lake Dianchi, Fuxian and Yangzong during 1988—2015[J]. Journal of Lake Sciences, 2019, 31(5): 1 379-1 390.
    [3] 胡琳, 甘淑, 費聯君, 等. 滇池周邊典型城鎮地表覆蓋分類遙感分析研究[J]. 全球定位系統, 2019, 31(5): 1 379-1 390. Hu L, Gan S, Fei L J, et al. Remote sensing analysis of surface coverage of typical urban areas around Dianchi Lake[J]. GNSS World of China, 2019, 31(5): 1 379-1 390.
    [4] 王橋, 張兵, 韋玉春, 等. 太湖水體環境遙感監測實驗及其軟件實現[M]. 北京: 科學出版社, 2008.

    Wang Q, Zhang B, Fei Y C, et al. Remote sensing monitoring experiment and its software implementation for the water environment of Taihu Lake[M]. Beijing: Science Press, 2008.
    [5] 田野, 郭子祺, 喬彥超, 等. 基于遙感的官廳水庫水質監測研究[J]. 生態學報, 2015, 35(7): 2 217-2 226. Tian Y, Guo Z Q, Qiao Y C, et al. Remote sensing of water quality monitoring in Guanting Reservoir[J]. Acta Eclolgica Sinica, 2015, 35(7): 2 217-2 226.
    [6] 包穎, 田慶久, 陳旻, 等. 基于GOCI影像分類的太湖水體葉綠素a濃度日變化分析[J]. 光譜學與光譜分析, 2016, 36(8): 2 562-2 567. Bao Y, Tian Q J, Chen M, et al. Analysis on diurnal variation of chlorophyll-a concentration of Taihu Lake based on optical classification with GOCI data[J]. Spectroscopy and Spectral Analysis, 2016, 36(8): 2 562-2 567.
    [7] Giardino C, Brando V E, Gege P, et al. Imaging spectrometry of inland and coastal waters:State of the art. achievements and perspectives[J]. Surveys in Geophysics, 2019, 40: 401-429. DOI:  10.1007/s10712-018-9476-0.
    [8] Khan M J, Khan H S, Yousaf A, et al. Modern trends in hyperspectral image analysis: A review modern[J]. IEEE Access, 2018, 6: 14 118-14 129. DOI:  10.1109/ACCESS.2018.2812999.
    [9] Hestir E L, Brando V E, Bresciani M, et al. Measuring freshwater aquatic ecosystems: The need for a hyperspectral global mapping satellite mission[J]. Remote Sensing of Environment, 2015, 167: 181-195. DOI:  10.1016/j.rse.2015.05.023.
    [10] 于泉洲, 周蕾, 王紹強, 等. 基于EO-1 Hyperion的中國典型森林冠層高光譜特征分析[J]. 云南大學學報: 自然科學版, 2018, 40(5): 947-954. Yu Q Z, Zhou L, Wang S Q, et al. An analysis on the spectrum characteristics of Chinese typical forest canopy in growing season based on EO-1 Hyperion images[J]. Journal of Yunnan University: Natural Sciences Edition, 2018, 40(5): 947-954.
    [11] 汪金花, 曹蘭杰, 郭云飛, 等. 鐵尾礦高-多光譜遙感特征分析與信息識別[J]. 云南大學學報: 自然科學版, 2019, 41(5): 974-981. Wang J H, Cao L J, Guo Y F, et al. Feature analysis and information identification of the iron tailings by high?multispectral remote sensing[J]. Journal of Yunnan University: Natural Sciences Edition, 2019, 41(5): 974-981.
    [12] 王美玲, 焦琳琳, 王曉紅, 等. 曹妃甸濕地典型植被光譜特征差異性分析[J]. 浙江農業學報, 2019, 31(6): 963-969. DOI:  10.3969/j.issn.1004-1524.2019.06.14. Wang M L, Jiao L L, Wang X H, et al. Differences in spectral characteristics of typical vegetation in Caofeidian wetland[J]. Acta Agriculturae Zhejiangensis, 2019, 31(6): 963-969.
    [13] 吳志明, 李建超, 王睿, 等. 基于隨機森林的內陸湖泊水體有色可溶性有機物(CDOM)濃度遙感估算[J]. 湖泊科學, 2018, 30(4): 979-991. Wu Z M, Lin J C, Wang R, et al. Estimation of CDOM concentration in inland lake based on random forest using Sentinel-3A OLCI[J]. Journal of Lake Sciences, 2018, 30(4): 979-991.
    [14] 王菁晗, 何呂奇姝, 楊成, 等. 太湖、巢湖、滇池水華與相關氣象、水質因子及其響應的比較(1981—2015年)[J]. 湖泊科學, 2018, 30(4): 897-906. Wang J H, He L Q S, Yang C, et al. Comparison of algal bloom related meteorological and water quality factors and algal bloom conditions among Lakes Taihu, Chaohu, and Dianchi (1981-2015)[J]. Journal of Lake Sciences, 2018, 30(4): 897-906.
    [15] 楊昆, 羅毅, 徐玉妃, 等. 基于無線傳感器網絡與GIS的藍藻水華爆發動態監測與模擬[J]. 農業工程學報, 2016, 32(24): 197-205. DOI:  10.11975/j.issn.1002-6819.2016.24.026. Yang K, Luo Y, Xu Y F, et al. Dynamic monitoring and simulation of Cyanobacteria Bloom based on wireless sensor network and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(24): 197-205.
    [16] 李丹丹, 張緒. 2019年云南省河湖保護治理初顯成效: 前9個月滇池全湖平均水質達Ⅳ類[EB/OL]. http://sthjj.km.gov.cn/c/2019-11-13/3198047.shtml, 2019-11-13.

    Li D D, Zhang X. In 2019, the protection and management of rivers and lakes in Yunnan Province showed initial results. In the first 9 months, the average water quality of the entire lake in Dianchi Lake reached Class IV.[EB/OL]. http://sthjj.km.gov.cn/c/2019-11-13/3198047.shtml, 2019-11-13.
    [17] 李根保, 李林, 潘珉, 等. 滇池生態系統退化成因、格局特征與分區分步恢復策略[J]. 湖泊科學, 2014, 26(4): 485-496. DOI:  10.18307/2014.0401. Li G B, Li L, Pan M, et al. The degradation cause and pattern characteristics of Lake Dianchi ecosystem and new restoration strategy of ecoregion and step-by-step implementation[J]. Journal of Lake Sciences, 2014, 26(4): 485-496.
    [18] 喻俊, 李曉敏, 張權, 等. 基于實測高光譜數據的太湖湖濱帶典型植被分類[J]. 江蘇農業科學, 2017, 45(5): 240-244. Yu J, Li X M, Zhang Q, et al. Classification of typical vegetation along the shoreline of Taihu Lake based on measured hyperspectral data[J]. Jiangsu Agricultural Science, 2017, 45(5): 240-244.
    [19] 童慶禧, 張兵, 鄭蘭芬. 高光譜遙感——原理、技術與應用[M]. 北京: 高等教育出版社, 2006.

    Tong Q X, Zhang B, Zheng L F. Hyperspectral remote sensing——principles, techniques and applications[M]. Beijing: Higher Education Press, 2006.
  • [1] 汪金花曹蘭杰郭云飛趙禮劍吳兵 . 鐵尾礦高?多光譜遙感特征分析與信息識別. 云南大學學報(自然科學版), 2019, 41(5): 974-981. doi: 10.7540/j.ynu.20180656
    [2] 杜建海彭明春王崇云陳振亮付琦梁國軍 . 基于可視域分析的滇池流域面山植被恢復方案設計. 云南大學學報(自然科學版), 2012, 34(S1): 129-134.
    [3] 羅 燚甘淑袁希平 . 山壩鄉村聚落時空變化特征分析研究:以寧洱鎮為例. 云南大學學報(自然科學版), 2020, 42(5): 886-895. doi: 10.7540/j.ynu.20190569
    [4] 張梅李原王若南 . 滇池浮游植物種類的動態變化. 云南大學學報(自然科學版), 2006, 28(1): 73-77.
    [5] 李原張梅王若南 . 滇池的水華藍藻的時空變化. 云南大學學報(自然科學版), 2005, 27(3): 272-276.
    [6] 張梅李原王若南 . 滇池浮游植物的生物多樣性調查研究. 云南大學學報(自然科學版), 2005, 27(2): 170-175.
    [7] 茹菁宇尹雯周俊杰朱熔鋼王家強劉士清張無敵 . 含鐵化合物對滇池藻性狀的影響研究. 云南大學學報(自然科學版), 2006, 28(1): 60-63.
    [8] 黃麗娟常學秀劉潔王海龍趙瑾 . 滇池水-沉積物界面氮分布特點及其對控制藍藻水華的意義. 云南大學學報(自然科學版), 2005, 27(3): 256-260.
    [9] 王麗珍徐小清周文博肖衡 . 云南滇池馬村灣、海東灣底棲動物本底調查研究. 云南大學學報(自然科學版), 2002, 24(2): 134-139.
    [10] 王魏根王麗珍劉永定肖邦定楊洋鮑慈光朱光輝 . 橢圓背角無齒蚌對重金屬元素的積累作用. 云南大學學報(自然科學版), 2004, 26(6): 541-543.
    [11] 李曉銘楊樹平張宇趙世民高龍超徐濤 . 入滇池河流柴河、寶象河與盤龍江浮游藻類多樣性調查及其水質監測研究. 云南大學學報(自然科學版), 2014, 36(6): 950-958. doi: 10.7540/j.ynu.20120744
    [12] 于泉洲周蕾王紹強孫雷剛劉煜杰湯慶新曹建榮 . 基于EO-1 Hyperion的中國典型森林冠層高光譜特征分析*. 云南大學學報(自然科學版), 2018, 40(5): 947-954. doi: 10.7540/j.ynu.20170710
    [13] 段焰青陶鷹者為王明鋒朱保昆黃靜文葉靈李青青 . 近紅外光譜分析技術在煙葉產地鑒別中的應用. 云南大學學報(自然科學版), 2011, 33(1): 77-82 .
    [14] 段焰青李青青者為王明鋒夏建軍王欣林鄒楠鄧國賓 . 近紅外光譜相似度匹配分析方法鑒別煙支真偽. 云南大學學報(自然科學版), 2010, 32(4): 453-459 .
    [15] 段焰青者為王明鋒朱保昆黃靜文葉靈李青青 . 近紅外光譜分析技術在煙葉產地鑒別中的應用. 云南大學學報(自然科學版), 0, -1978(0): 0- .
    [16] 彭澤瑜彭明春王崇云秦瑞潘燕李望軍周瑞伍 . 金沙江流域(云南部分)植被光譜特征季節變化研究. 云南大學學報(自然科學版), 2013, 35(S2): 373-. doi: 10.7540/j.ynu.20130245
    [17] 阮春生張強陳林丁波洋方力陳穗云 . 不同煙草品種紫外-可見光譜特征的提取研究. 云南大學學報(自然科學版), 2009, 31(6): 616-624 .
    [18] 鄒佳秀賈翔黃鐵成陳蜀江來風兵尹小英汪東 . 天山北坡野蘋果混生植被花期冠層光譜特征研究. 云南大學學報(自然科學版), 2018, 40(4): 726-733. doi: 10.7540/j.ynu.20170645
    [19] 姜勇 . 基于ADTD監測網絡2012年云南省地閃特征分析. 云南大學學報(自然科學版), 2013, 35(S2): 315-. doi: 10.7540/j.ynu.20130568
    [20] 于傳波聶仁燦周冬明何敏 . 變空間協同表示判別分析的特征提取算法. 云南大學學報(自然科學版), 2019, 41(1): 28-35. doi: 10.7540/j.ynu.20170590
  • 加載中
圖(6)
計量
  • 文章訪問數:  430
  • HTML全文瀏覽量:  465
  • PDF下載量:  15
  • 被引次數: 0
出版歷程
  • 收稿日期:  2019-10-21
  • 錄用日期:  2020-03-06
  • 網絡出版日期:  2020-05-29
  • 刊出日期:  2020-07-01

滇池不同空間分布水體的高光譜特征差異分析

    作者簡介:胡 琳(1994?),女,云南人,博士生,主要從事攝影測量與遙感技術研究.E-mail:hl112365@163.com
    通訊作者: 甘淑, bo5200909@163.com
  • 1. 昆明理工大學 國土資源工程學院,云南 昆明 650093
  • 2. 云南省高校高原山區空間信息測繪技術應用工程研究中心,云南 昆明 650093
  • 3. 滇西應用技術大學,云南 大理 671000

摘要: 滇池作為污染十分嚴重的高原湖泊之一,其水質監測工作備受關注. 利用高光譜遙感監測水質,便于動態長期監測并能找出污染源及其空間分布差異. 因此,文章基于珠海一號高光譜衛星數據,從空間尺度上,分別選取滇池內部不同區域的水體進行高光譜試驗分析比較. 試驗結果認為:①研究區草海和外海水體在近紅外波段內反射率差異最大,可用于2類水體的識別與提取,以及對水體內葉綠素含量進行初判斷;②研究區入湖口和出湖口位置的水體光譜曲線在880~940 nm范圍內變化異常,可用于2處水體的識別與提取,并推測因水體中懸浮物顆粒影響改變了變化趨勢;③湖心和湖岸帶水體在近紅外波段內,反射率差值先增至最大再逐漸減小,可根據此光譜特征實現2個區域水體的識別與提取,并推測可能是由于水體內懸浮物體積濃度影響導致光譜差異. 綜上所述,近紅外波段有很好的光譜響應特征,可以較好地反映并識別湖泊的不同空間分布差異. 同時,對于水環境條件差異也可以進行更好地判斷.

English Abstract

  • 高原湖泊具有氣候調節,為該流域的人民提供工農業生產和生活用水,利于水產養殖等功能[1]. 云南省地處云貴高原,地勢較高,淡水資源十分有限,因此高原湖泊成為了云南省重要的自然資源[2]. 但因受高原山地氣候和地形的影響,高原湖泊存在水體循環周期長、補給水源少、湖泊出口少、自身凈水能力差等問題,高原湖泊的生態系統極其脆弱. 滇池是云南“九湖”高原湖泊之一,受城鎮化、農業現代化、工業化進程加快等影響,加劇了入湖污染負荷[3]. 滇池作為污染十分嚴重的高原湖泊,富營養化嚴重程度為世界罕見.

    云貴高原淡水資源匱乏、水質污染的問題多年來備受關注,而水質監測是水資源預防、治理以及水質評價的重要依據[4-5]. 其中,以滇池為典型代表的內陸高原湖泊,水質污染逐漸加重,其水體水質的優劣關系到該流域人民的生產和生活. 因此,高效、準確地進行水質監測顯得十分重要. 遙感技術以其優勢為水質監測提供了重要條件,但由于內陸湖泊水體的光學特性較為復雜,空間尺度小,水體環境多變,空間差異大[6],而多光譜遙感數據存在信息量不足、無法滿足水質監測需求等問題. 相比之下,高光譜數據則可以更好地獲取水體的光譜特征,得到水質參數的空間分布差異[7-9],從而在空間尺度上為水質監測提供重要的科學理論依據與支持. “珠海一號”遙感數據因為其高光譜、高空間分辨率的特征,在湖泊水質監測中起到了重要作用. 近年來,國內外眾多學者運用高光譜衛星數據,在水體光譜特征分析方面進行了大量的研究[8-12],但從空間分異角度進行湖泊水體高光譜特征分析尚未見相關報道. 基于上述研究背景,本文運用“珠海一號”高光譜衛星數據,對滇池不同空間分布的水體光譜特征進行比較分析. 分別選擇滇池草海和外海?出湖口和入湖口?湖心和湖岸帶3組不同的空間水體作為監測對象進行試驗,以期從高光譜特征分析的角度初步獲取滇池水體環境的不同空間分布差異特征狀況. 為運用遙感手段進行滇池水體環境監測提供技術支持,也為湖泊水色遙感的發展提供科學依據.

    • “珠海一號”高光譜遙感衛星于2018年4月26日成功發射,共32個波段,其10 m的空間分辨率、3~8 nm的光譜分辨率能較好地滿足試驗需要. 本文使用的研究數據源是2019年4月22日所獲取的滇池流域影像,該影像為L1A級標準數據,通過對影像進行預處理再運用于后續試驗分析,預處理過程包括輻射定標、大氣校正、正射校正、圖像鑲嵌和裁剪,具體預處理流程如圖1所示.

      圖  1  珠海一號預處理流程圖

      Figure 1.  ZH-1 preprocessing flowchart

    • 滇池(24°40'~25°02'N,102°37'~102°48'E)位于云貴高原中部,湖面面積309.5 km2,是西南片區的第1大湖,也是中國第6大淡水湖[13]. 由一條人為湖堤將滇池劃分為南北兩部分,成為劃分深海區與淺海區的天然界線. 北部稱為內海,又名草海,水面僅占滇池面積的3.4%,水深1~3 m,水草豐茂,天然成塘;南部稱為外海,為滇池的主體,平均深度約5 m[14]. 在過去的40年中,滇池的水質急劇變差,下降了3個等級. 20世紀60年代為Ⅱ類水質、70年代為Ⅲ類水質、80年代草海為Ⅴ類水質、外海為Ⅳ類水質,90年代水質更劣于往昔,草海為超Ⅴ類水質、外海為Ⅴ類水質[3, 15]. 近年來,滇池通過一系列治理工作的實施,草海與外海的水質有所改善,2019年上半年,滇池草海符合Ⅳ類標準、外海符合Ⅴ類標準[16],但仍然存在較嚴重的污染情況.

      為了更科學地顯示和分析滇池近期的水質情況,本研究的試驗方案(圖2)設計如下:

      圖  2  試驗方案

      Figure 2.  Test plan

      (1)針對研究區草海、外海水體水質的差異性,分別對研究區的草海、外海水體均勻取樣,各取10個樣點,每個樣點大小為2px×2px(像素),計算平均光譜反射率后,分別進行不同水體的高光譜特征對比分析.

      (2)滇池流域共有29條主要入湖河流,其中盤龍江是最大的一條河流. 盤龍江水質的優劣對滇池生態環境有十分重要的影響. 因此,以盤龍江入湖口為例進行抽樣研究,繪制入湖口范圍線,生成1 km的緩沖區,在滇池湖岸線內側的緩沖區中均勻取10個樣點進行入湖口位置的水體高光譜特征分析;??陂l是滇池唯一的出湖口,滇池所匯入的眾水由此注入金沙江,因此繪制??陂l范圍線,生成1 km的緩沖區,在滇池湖岸線內側的緩沖區中均勻取10個樣點進行出湖口位置的水體高光譜特征分析.

      (3)基于滇池湖心、湖岸帶水體環境存在差異性[17],為了對湖泊湖心和湖岸帶水體進行高光譜特征對比分析研究,我們根據湖泊南北湖岸線獲取兩岸湖岸線的中心線,以中心線500 m為緩沖區,在緩沖區內均勻取10個樣點進行湖心水體的高光譜特征分析.

      研究區所有取樣點布設位置如圖3所示.

      圖  3  滇池取樣點布設位置

      Figure 3.  Location of sampling points in Dianchi Lake

    • 草海與外海2類水體的反射光譜曲線如圖4所示. 2類水體均遵循水體反射光譜的變化規律,總體趨勢為隨著波長的增長,光譜反射率降低. 在626~686 nm范圍內,2類水體光譜差異較小,而且光譜曲線之間交叉重疊嚴重,此光譜范圍內難以對2類水體進行區分. 但也發現,2類水體的反射光譜曲線仍有較多波段存在差異. 在476~500 nm范圍內,草海水體光譜反射率高于外海水體,尤其在480 nm處草海水體出現反射峰值且為此光譜曲線的極大值;在520~626 nm范圍內,外海水體光譜反射率高于草海水體;在686~730 nm范圍內,外海水體光譜曲線在716 nm時出現反射峰,686 nm時出現吸收谷,而草海水體光譜曲線較為平穩,未出現明顯的反射峰或吸收谷. 近紅外波段內,2類水體波動情況相似,但反射率差異最大,草海水體的光譜反射率高于外海水體,并且在896 nm時反射率差值最大,達0.090;896 nm以上波段可明顯看到外海水體光譜曲線呈陡坡式增大,斜率較大,而草海水體的增長則相對平緩,根據數值計算可知在896~940 nm范圍內,外海水體光譜曲線斜率約為草海水體的3倍. 此外,2類水體在820 nm和866 nm均出現2個反射峰,在776、850 nm和880 nm均出現3個吸收谷. 綜上可見,2類水體在近紅外波段有明顯差異特征,可用于2類水體的識別與提取.

      圖  4  滇池草海與外海水體反射光譜曲線

      Figure 4.  Reflectance spectra of Caohai and offshore waters in Dianchi Lake

      由于在可見光范圍內,水體的反射光譜特征主要受到水體表面、水體懸浮物、水底部物質和水體葉綠素體積濃度的影響. 在可見光范圍內,草海水體光譜反射率呈逐步下降趨勢,且藍綠波段內草海光譜反射率高于外海,推斷可能是因為草海較外海的葉綠素體積濃度更高、水草更加豐茂、水深更淺所致. 在近紅外波段范圍內,水體的光譜反射率通常會逐漸接近于零,對于入射的電磁波能量幾乎可以完全吸收[18]. 草海和外海水體可能是因為受葉綠素體積濃度影響,2類水體的光譜反射率并未隨波段的增長而逐漸減小. 基于此光譜特征可以進一步對水體內葉綠素體積濃度進行初判斷.

    • 入湖口與出湖口2處水體光譜曲線如圖5所示,總趨勢呈現隨波長的增長而光譜反射率逐漸降低,且入湖口水體的整體反射率高于出湖口水體. 在580~686 nm范圍內,2處水體反射光譜曲線平行,且與波長均呈負相關;在850~880 nm范圍內,2處水體反射光譜曲線幾乎重疊. 以上為2處水體的反射光譜相似之處,但又存在很大差異,若分段討論2處水體的反射光譜曲線的差異,可以發現:476~580 nm范圍內,入湖口水體反射光譜曲線波動較為明顯,分別在480、536 nm和556 nm出現3個反射峰,480 nm時達到極大值,520 nm和550 nm出現2個吸收谷,而出湖口水體光譜反射率隨波段的增大而平緩減小,缺失明顯的藍峰、綠峰、綠谷等特征參數,反射光譜曲線更接近于平滑曲線;近紅外波段內,入湖口水體光譜反射率整體高于出湖口水體,且在806 nm時2處水體反射率差值最大,達0.064;入湖口水體反射光譜曲線在820~850 nm和880~910 nm范圍內均出現2個反射陡坡,880 nm處達到谷值;在880~940 nm范圍內,2處水體反射率均隨波長的增長,反射率逐漸增大,2處水體均未對入射電磁波能量進行完全吸收,此反射光譜曲線變化異常,可用于2處水體的識別與提取.

      圖  5  滇池出入湖口位置的水體反射光譜曲線

      Figure 5.  The reflectance spectra of water bodies from the inlet and outlet of the lake in Dianchi Lake

      通過以上光譜差異基于在可見光波段內的分析可知,入湖口水體反射率高于出湖口,且反射光譜曲線藍光部分的反射率顯著下降,而綠光部分的反射率上升更為明顯,推斷可能是因為入湖口水體葉綠素體積濃度大于出湖口,且水生植物較多所致[19]. 此外,因為入湖口水體懸浮物體積濃度大于出湖口,且入湖口水體懸浮物顆粒粒徑小于出湖口,所以在近紅外波段內入湖口水體的光譜反射率整體高于出湖口水體,推測可能是因為受水體中懸浮物顆粒的影響,水體光譜曲線在近紅外波段內的變化趨勢發生了改變[19].

    • 湖心與湖岸帶的反射光譜曲線如圖6所示,可見2個區域水體的反射光譜曲線變化趨勢基本一致,均隨波長的增長而光譜反射率逐漸降低,但湖岸帶水體的光譜反射率總體高于湖心水體. 雖然整體上2個區域水體的光譜特性十分相似,均符合水體的反射光譜曲線,但也存在著微小的差異:在476~580 nm范圍內,湖岸帶水體在480 nm處出現反射峰,且為湖岸帶水體的反射率極大值,在520 nm出現吸收谷,而湖心水體的反射光譜曲線更趨近于平滑曲線;在580~686 nm范圍內,光譜反射率隨波長的增長逐漸減??;在近紅外波段內,2個區域水體均在820 nm處有明顯反射峰,776、850 nm和890 nm處出現吸收谷,880 nm為2個區域水體的光譜反射率極小值. 可知2個區域水體的光譜曲線總體趨于平行,在近紅外波段內光譜反射率差值先逐漸增大至最大,再逐漸減小,差值最大在760 nm時,達0.070. 在近紅外波段內,可根據2個區域水體的反射率差值變化情況實現2個區域水體的識別與提取.

      圖  6  滇池湖心、湖岸帶水體反射光譜曲線

      Figure 6.  Reflectance spectra of water bodies in the center and shore of Dianchi Lake

      通過以上反射光譜差異,推斷可能是因為湖岸帶處藻類密度較大于湖心處,且湖岸帶處水深較湖心處更淺,所以在可見光波段內湖岸帶水體的光譜反射率高于湖心水體. 此外,可能是因為湖岸帶水體懸浮物體積濃度高于湖心水體,所以在近紅外波段內湖岸帶水體的光譜反射率高于湖心水體.

    • 通過3組試驗對滇池不同空間分布的水體進行高光譜特征對比分析,得到以下結論:

      (1)滇池草海與外海水體在近紅外波段內的波動情況相似,但反射率差異最大,近紅外波段內光譜反射率草海均高于外海,可用于2類水體的識別與提取. 同時,對水體中葉綠素體積濃度進行初判斷.

      (2)滇池入湖口和出湖口位置的水體光譜曲線在880~940 nm范圍內變化異常,均未對入射電磁波能量進行完全吸收,與波長呈負相關,可用于2處水體的識別與提取. 并推測是受水體內懸浮物顆粒影響改變了變化趨勢,通過高光譜影像進行的初步推測,便于后續進行實地取樣試驗.

      (3)滇池的湖心與湖岸帶水體在近紅外波段內,反射率差值先逐漸增大至最大,再逐漸減小,由此可實現2個區域水體的識別與提取. 并推斷可能是由于水體中懸浮物體積濃度的不同,導致近紅外波段存在較大差異. 同時,發現近紅外波段有很好的光譜響應特征,可以較好地反映并識別滇池水體的不同空間分布差異特征. 并且對于水環境條件的不同空間分布差異特征也可以進行很好的初步判斷,如水體中葉綠素體積濃度的判斷、水深的判斷、水體內懸浮物體積濃度及懸浮物顆粒大小的初步推斷等.

      綜上所述,本研究結果可為不同空間分布的水體識別提供理論依據,從而更好地開展湖泊水質監測,為高原湖泊水體的有效保護和規劃提供有效信息,并利用高光譜遙感衛星影像對不同時期的高原湖泊空間差異進行制圖,以實現湖泊水體的高效治理.

參考文獻 (19)

目錄

    /

    返回文章
    返回