论文部分内容阅读
在人类活动和工业发展的作用下,湖泊面临着严峻的水污染问题,直接影响到湖泊的生态环境和人类的生产生活。湖泊的水质监测是水污染防治的重要依据,尽管传统的监测方法可以精细地分析水质参数,但其耗时费力、成本高,易受水文气象条件的限制,难以完成适时、大范围的监测。遥感技术能快速、大范围反映出水质时空分布特征,多样的遥感数据和不断更新的水质遥感反演模型使水质监测更加方便快捷,促进了遥感技术在水质监测应用的发展。本文以白洋淀为研究对象,通过多种遥感数据估算了叶绿素a(Chl-a)和化学需氧量(COD)的浓度。与现场采样同步的卫星数据仅有Landsat-7较合适,而其空间分辨率为30m,一定程度上为估算水质参数浓度带来较大误差。因而本文通过基于多源遥感数据的时空融合研究弥补研究时期缺少高分辨率数据的问题,从而保障湖泊水质监测的准确性。结果表明:(1)针对可用卫星数据分辨率较低的问题,通过STNLFFM算法,分别利用GF-4和MODIS数据与Sentinel-2数据进行时空融合实验,选择Landsat-7数据对融合数据进行定性和定量评估,发现GF-4和Sentinel-2的时空融合效果更好,相关性、均方根误差及平均差值均满足研究所需。(2)通过分析水体中Chl-a光谱特征,利用基于半分析模型的三波段算法反演了白洋淀烧车淀的Chl-a浓度,对估算的Chl-a浓度进行定量分析,决定系数(R2)为0.67,平均相对误差(MRE)为10%,均方根误差(RMSE)为1.42ug/L,保证了水质监测的精度。(3)分别利用BP神经网络模型,基于Landsat-7数据和时空融合的Sentinel-2数据反演白洋淀的Chl-a和COD浓度。利用12个Chl-a实测验证点和8个COD实测验证点对两种水质参数的反演结果进行了精度评价,分析发现基于时空融合生成的Sentinel-2数据在计算两种水质参数浓度上均表现出良好的精度,可较好的反映白洋淀Chl-a浓度和COD浓度的空间特征分布。