基于遥感技术的湖泊叶绿素a动态监测及改善空间制图详度的研究

论文摘要

湖泊是地球上重要的淡水资源,但随着经济的高速发展和工业化程度的加剧以及人为活动的影响,湖泊污染和富营养化问题日益严重,因此必须加强湖泊水质的监测和治理。叶绿素a浓度是衡量浮游植物的生物量和富营养化程度的最基本的指标。常规的湖泊叶绿素a监测方法费时耗力,并且很难反映湖泊的整体水质状况,而遥感技术可以快速、及时地提供整个湖区的水质状况,具有监测范围广、成本低和便于进行长期动态监测的特殊优势,在湖泊水质监测中具有巨大的应用潜力。本论文以太湖为试验区,采用时间序列MODIS数据研究了以下内容:（1）2007年太湖叶绿素a浓度的时空分布特征研究发现,太湖叶绿素a浓度具有明显的时空分布特征。夏季叶绿素a浓度最高,冬季最低;秋季由于受到夏季高浓度的影响,叶绿素a浓度高于春季。夏季叶绿素a浓度空间变化最大;冬季南部湖区叶绿素a浓度含量较为均一,空间变化不明显;秋季空间差异要大于春季;全年北部湖区的空间差异较大,而南部湖区相对较小。（2）水温对太湖叶绿素a浓度变化的影响研究结果表明:太湖水体中的叶绿素a含量与水温之间有着很好的相关关系。温度随季节发生变化,随着温度升高,太湖叶绿素a浓度增高。当太湖水温达到25-33℃时,叶绿素a浓度达到最大值。33℃以上的水温对藻类生长有一定的抑制作用。因此,介于25℃-33℃范围内的水温条件可作为蓝藻水华暴发的一个预警参数。从空间关系看,太湖叶绿素a含量也与水温有显著的空间分布相关性。（3）子像元定位方法在湖泊水质制图中的应用MODIS数据具有高时间分辨率和光谱分辨率,并可免费获得的优势,在大面积的水质动态监测中有很好的应用前景,但其空间分辨率较低,混合像元严重,影响水质监测的精度。针对问题,提出采用子像元定位方法。最后基于Landsat-7ETM+数据对太湖的叶绿素a（Chl-a）浓度进行试验,结果表明在水质监测中应用子像元定位技术可以获得超过遥感影像自身分辨率的叶绿素a浓度分布图,更好地反映了其空间分布的细节,说明子像元定位技术在提高湖泊水质监测的精度方面具有一定的潜力。

论文目录

• 致谢
• 摘要
• Abstract
• 目录
• 图目录
• 表目录
• 1 绪论
• 1.1 选题背景和研究意义
• 1.1.1 选题背景
• 1.1.2 研究意义
• 1.2 国内外研究进展
• 1.2.1 湖泊水质遥感监测原理
• 1.2.2 水质遥感监测常用数据源
• 1.2.3 水体叶绿素a遥感监测原理
• 1.2.4 水体叶绿素a遥感监测方法
• 1.2.5 亟待解决的问题
• 1.3 论文的研究目的、主要内容和研究方法
• 1.3.1 研究目的
• 1.3.2 主要内容
• 1.3.3 研究方法
• 1.4 论文的组织结构
• 2 研究区和数据源
• 2.1 试验研究区概况
• 2.1.1 自然地理概况
• 2.1.2 太湖富营养化现状及特征
• 2.2 试验数据介绍
• 2.2.1 MODIS遥感图像数据概况
• 2.2.2 MODIS数据的获取与预处理
• 2.2.3 Landsat-7 ETM+影像数据概况
• 2.3 数据处理工具
• 2.4 本章小结
• 3 卫星反演太湖叶绿素a的变化分析
• 3.1 MODIS反演太湖叶绿素a浓度
• 3.1.1 数据和算法
• 3.1.2 结果与讨论
• 3.2 MODIS监测太湖水体表面温度
• 3.2.1 地表温度的涵义及研究意义
• 3.2.2 地表温度遥感反演的原理
• 3.2.3 地表温度产品介绍
• 3.3 水体表面温度与Chl-a浓度的关系分析
• 3.4 本章小结
• 4 子像元定位改善空间制图详度研究
• 4.1 子像元定位技术理论模型与方法
• 4.2 基于子像元定位方法的湖泊水质制图的研究
• 4.2.1 模拟试验
• 4.2.2 基于ETM+数据的实验
• 4.3 结果分析与讨论
• 4.4 本章小结
• 5 结论与展望
• 5.1 结论
• 5.2 创新之处
• 5.3 研究中存在问题与展望
• 参考文献
• 个人简历