环境资源卫星数据在乌梁素海“黄苔”监测中的

【关 键 字】 水体  热红外遥感  乌梁素海  黄苔
【摘    要】 遥感技术已经成为水体藻类生长变化监测的重要手段之一,目前,国内外已有多项应用遥感技术对水体藻类成功监测的实例。但是目前采用的主流遥感数据的重访周期较长,很难对某一湖体进行长期连续监测,对反应藻类的生长发展规律方面具有一定局限性。而使用环境资源卫星数据,不但可以采用多种算法方法监测藻类生长变化,还可以借助其两天一次的重访周期连续对“黄苔”其生长变化进行监测。本文针对基于环境资源卫星对乌梁素海“黄苔”遥感监测的方法进行了阐述,并使用实际数据进行了实验分析。
 
引言
 
乌梁素海“黄苔”暴发已成为我区水质监测关注的热点问题之一,实现对“黄苔”的连续、宏观监测,准确掌握“黄苔”暴发的时间、频率及分布规模,是分析“黄苔”暴发原理、找出诱导因子、提出暴发效治理措施的前提。本文在前人研究成果的基础上,进一步分析了乌梁素海“黄苔”的热红外遥感特征,尝试将通常用于高光谱遥感的技术用于环境资源卫星数据,不但成功反演了乌梁素海“黄苔”爆发,并且相对准确的找到了“黄苔”暴发的时间、规模、位置、范围。实践表明,该种算法与过去常规遥感监测的区别在于能有效避免叶绿素和水生植物对“黄苔”遥感监测的干扰,提高了遥感监测“黄苔”的精度,实现了两天一次的连续、宏观监测,在反演“黄苔”在湖体中的分布、规模方面应用效果显著,并可在其他水体监测工作中发挥重要的作用。
 
1 “黄苔”监测方法现状分析
 
目前,“黄苔”遥感监测主要使用由卫星遥感影像提取水体水色信息和叶绿素浓度分布信息进行区分,上述方法在反应“黄苔”发生状况方面得到了广泛应用,但是由于常用的中分辨率遥感卫星对同一地区的重访周期一般都在1-2次/月之间,所以在监测“黄苔”产生方面具有一定的局限性。而发生在乌梁素海的“黄苔”是由绿藻门的丝状藻类大量繁殖生长所致,优势藻类主要为刚毛藻,此外,还伴有水绵、双星藻、转板藻属等丝状绿藻。这些丝状绿藻属于固着藻类,其表面附生有丝状蓝藻、硅藻等。丝状绿藻首先附着在沉水植物、底泥表面生长,达到一定生物量后,形成大团块,随光合作用产生的气泡飘浮至水面,团块表层受强光照射部分死亡而呈黄色,形成“黄苔”[1]。由于藻类漂浮至水面的时间很短,所以“黄苔”的出现具有突发性。因此,只有采用重访周期较短的遥感卫星才能用于乌梁素海“黄苔”生长变化的研究。
 
环境卫星CCD数据与TM数据相比,在光谱合成处理后色彩上有较大的相似性,一般TM数据处理技术和方法可以应用于环境卫星CCD数据;环境卫星4个CCD波段间的相关性较高,异质性差,不利于特征地物的提取,在进行监督分类时,分类精度可能不如TM数据,但在聚类上,环境卫星具有优势,可利用与宏观尺度的生态监测,而且可以使用已经较为成熟的TM数据的处理方法。加之其重访周期短,连续监测能力强的优点,环境卫星CCD数据完全可以用作本次研究。
 
2 “黄苔”光谱监测方法的流程
 
“黄苔”光谱监测的主要步骤魏:端元提取—“黄苔”光谱特征分析—光谱识别—分类[2]。
 
2.1 端元提取
 
在进行“黄苔”分类之前,首先要获得各类别地物的光谱信息。因此,我们需要得到可以代表各类别地物要素的像素点,这些像素点即称为端元。端元是区分地物的标尺,通过遥感数据与端元的对比即可较为准确的提取出所需的地物信息。遥感影像,尤其是中光谱分表率的遥感影像,因其波段较少且空间跨度较大,所以各类地物的端元特性没有高分辨率遥感影像那么明显。但是由于其个端元的空间分辨率较小,所以端元反应的地物信息相对较为纯净,可以相对容易的找出足够的纯净像元点。
 
寻找纯净像元通常需要两个过程,去除波段相关系和纯净像元提取。这里我们采用最小噪声比变换(MNF,Minimum Noise Fraction)和纯净像元指数(PPI,Pixel Purity Index)计算。
 
2.1.1 最小噪音比变化(MNF)
 
最小噪音比变换通过两次计算达到分离数据中的噪声,减少维数的作用。首先通过基于估计的噪声协方差矩阵分离和重新调节数据中的噪声,这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关,第二步是对噪声白化数据(Noise-whitened)的标准主成分变换,达到降低维数去除波段之间相关性的效果[3]。这两步的实质其实就是两次重叠的主成份变换,通过两次主成份变化将噪声从数据中分离,从而达到消除噪声与提高波谱处理效率的作用。
 
为了进一步进行波谱处理,通过检查最终特征值和相关图像来判定数据的内在维数。数据空间可被分为两部分:一部分与较大特征值和相对应的特征图像相关,其余部分与近似相同的特征值以及噪声占主导地位的图像相关。
 
2.1.2 纯净像元指数计算(PPI)
 
一幅n个波段的遥感光谱数据,可以看作一个有n+1个点构成的n维空间的单形体[7]。而在这个n维单形体空间中越纯净像元就越接近顶点,假设有一幅2波段的遥感影像,可以看作是一个有3个顶点的三角形,其中三个顶点自然相对其他像元更加纯净,而位于这是三个顶点之间的各点均为为混合像元。同理如果是一幅3波段乃至n个波段的遥感数据,也可以用这种方法找到纯净像元。
 
对通过最小噪声变换,已经去除噪声和降维的结果进行纯净像元指数计算,即可得到和表征遥感图像中每个像元的“纯度”,将原始遥感光谱数据即可替换成“纯度”数据,生成一幅“像元纯度图像”,之后通过识别像元的“纯度”即可区分出不同地物。
 
2.2 “黄苔”光谱的识别
 
2.2.1 “黄苔”光谱的特征
 
水体因对入射光线具有强烈的吸收作用,对四个波段都有强烈的吸收作用,导致四个波段的反射率都很低。理论上水体的反射率应该是随着波长的增加其反射率进一步减弱,其在蓝光范围内的反射率应该是最强的,绿光其次,红光再次,近红外最弱。但是乌梁素海水体并不是纯净水体,其中混有大量杂质,影响了其水体乃至水中“黄苔”的光谱特征曲线,形成了绿光波段最高,红光其次,蓝光再次,近红外最低的光谱特征曲线。
 
通过现场实地考察,找到了几个野外“黄苔”实际的分布区域,同过对比环境卫星数据,确定了“黄苔”反射光谱特征曲线,在可见光波段中的红光、绿光的反射率要远大于蓝光,并且红光和绿光的反射率相近;且由于叶绿素浓度比植物低很多,所以其在近红外的反射要小于绿色植物但应大于水体。由于试验区位于干旱半干旱地区,地表干燥反射强烈,所以裸地的各个波段的反射率都很大。
 
2.2.2 对端元进行“黄苔”光谱识别
 
查看各类端元的光谱曲线,依据“黄苔”光谱特征曲线的特性判断其是否为“黄苔”。该判断过程可以凭借人工经验判断,也可以在建立“黄苔”波谱库,通过比照波谱库进行自动波谱匹配判断。经判断后,如果端元中纯在与“黄苔”特征波谱匹配的像元即标识出来,为后面的波谱角分类提供判断依据。
 
2.3 “黄苔”波谱角分类(SAM,SpectralAngle Mapper)2.3.1对端元进行“黄苔”光谱识别
 
波谱角分类是在n维空间中把未知谱线与样本波谱进行比较,从而进行归类的分类方法,即采用广义余弦夹角法,将光谱曲线作为光谱空间的向量,通过计算两个向量之间的夹角,即计算待识别光谱与参考光谱之间的“夹角”来确认二者之间的相似性。其计算公式如下:
 
 
从计算公式中可以看出,SAM分类时通过对角度差进行计算,由于两个向量之间的“角度”与向量本身长度无关,所以完全忽略向量的长度。这种基于角度而忽略波谱向量长度的分类方式恰恰强调了光谱曲线吸收特征在分类中的主导作用。同时由于端元提取后的数据是已经做过去相关性处理,各个各种物质都能在遥感影像中反映出自己特有的吸收谱线,很少受其他现象干扰,从而使得SAM在遥感影像分类方面较之传统的分类方法具有很大的优势,混分和漏分大大减少[4]。
 
2.3.2 对影像进行波谱角分类
 
将所选出的端元作为波谱角分类进行输入,选在合适的角度阈值,对遥感影像进行分类,通过调整角度阈值得到理想结果为止。
 
3 “黄苔”遥感监测及评价
 
通过收集2011~2013年5~8月份乌梁素海环境遥感卫星数据,进行“黄苔”分布反演,得到历次乌梁素海“黄苔”暴发的的时间、强度、暴发规模信息,分析乌梁素海“黄苔”产生、发展、暴发、结束的过程,发现乌梁素海“黄苔”在2011、2012年至少有两次较大强度的暴发,2013年至少有一次较大强度的暴发,暴发时间集中在5月中下旬和8月上旬,通过对比发现“黄苔”面积与湖体面积、明水区叶绿素浓度可能具有一定的相关性。通过简单分析发现,当整体湖泊面积持续减小时,当年“黄苔”暴发的可能性将会增大,暴发的强度也会提高;当湖泊面积稳定时,“黄苔”面积即保持在一个相对稳定的水平;而在“黄苔”爆发前后明水区叶绿素浓度会持续增高或降低,但“黄苔”面积变化并不与叶绿素浓度变化完全同步,“黄苔”大面积爆发往往更具突然性;而在大面积暴发之后明水区的叶绿素浓度将会有较大程度的下降,说明“黄苔”暴发对水环境具有一定的净化功能。
 
通过对数据进行分析可知,2011年乌梁素海“黄苔”至少有两次规模较大的暴发分别发生在5月下旬和7月下旬,6月份“黄苔”分布较少,在时间坐标轴上呈现出英文字母“M”的形状,表示全年有两个“黄苔”暴发周期。2012年六月下旬发生了“黄苔”大面积暴发,之后七月“黄苔”分布较少,8月末“黄苔”再次发生。2013年6月初发生“黄苔”其规模与2011年相近,暴发时间推后了大约10天,之后“黄苔”面积持续减少,总的来看2013年“黄苔”暴发强度较前两年低。
 
对2011~2013年的“黄苔”遥感监测结果分析可知:2011年5月21日“黄苔”在明水区有少量分布,5月25日即大量出现在所有明水区内,6月11日明水区“黄苔”分布基本消失,本次暴发从出现到消失经历了20天左右的时间。之后的6月“黄苔”面积较少,分布也较为零散。7月23日,“黄苔”还在明水区有大面积分布,达到1701.18公顷;到7月25日便基本消失了,只有大约400.23公顷。再次印证了水生浮游藻类在适宜的环境条件下具有突发性[9]这一结论。
 
2012年5月17日有大面积“黄苔”分布大约共1050.30公顷,因为南面湖中水质相对较好,分析其可能是由上游漂浮下来的,由于没有更早的遥感数据支持,所以无法直接证明,但是在2012年5月有新闻报道过乌梁素海“黄苔”暴发可作为辅证。而后5月30日“黄苔”在短短的十多天内基本全部消失,只剩下大约378.6公顷,零星分布在明水区和沼泽区,一直持续到6月中旬,如6月14日是“黄苔”还只是零星分布,但到了6月24日,“黄苔”基本覆盖了一半的明水区,达到了4391.82公顷。5天后,即6月29日“黄苔”大部分消失了,只剩下大约538.02公顷,由于没有相关资料,所以不知道是否有人工打捞。由于天气原因7~8月的中旬两景覆盖乌梁素海的影像都不能用,只有7月29日的数据能用,“黄苔”分布亦不显著只有大约345.42公顷。但到8月23日“黄苔”再次增多,但是发生位置和前两次不同,集中出现在靠近岸边的浅水区和沼泽区,大约有2508.93公顷。
 
2013年5月3日的数据是这三年来5月份中最早的数据,可以发现乌梁素海范围内基本没有“黄苔”,而且芦苇亦没有大量生长;之后的6月7日,“黄苔”在明水区便有较大面积的分布,通过统计可知与2011年5月末“黄苔”暴发面积接近,共有1966.68公顷,但是暴发时间推迟了大约10天。7月初“黄苔”也有一定面积的分布,这与前两年情况较为不同,7月末“黄苔”只出现在湖体边缘,8月24日“黄苔”在明水区分布较少,而在湖体边缘分布较多。通过实地考察,发现本次遥感监测与湿地情况符合程度较高。这个时候出现的“黄苔”基本都是附着在水草之上的,而且覆盖的密度较低。
 
通过对比这三年的“黄苔”暴发面积,可以发现在5月底、6月底、7月底的暴发面积十分相近,而8月底通过2011年和2013年的数据可以发现暴发的面积差别较大。并且每个暴发周期性大约1-2个月,2013年的情况比较特殊,从7月2日发现大面积“黄苔”之后,在明水区“黄苔”出现的很少,更多集中在了沼泽区和岸边,推测可能和降水量大有关系。
 
4 结束语
 
通常来说最小噪音比变化(MNF)、纯净像元指数计算(PPI)和波谱角分析常用在高光谱数据的遥感监测和反演当中,但是由于高光谱数据的空间分辨率或扫描幅宽等指标都较多光谱数据有优势,在实际对“黄苔”乃至各种藻类暴发都必须遵循及时、连续、经济的要求,这写要求很多高光谱数据都无法达到。而将上述处理方法用在多光谱数据的处理上,虽然略有“牛刀杀鸡”的感觉,但其实也是一次十分有意义的探索。
 
基于“黄苔”光谱特征曲线及波谱角分类的遥感监测方法使的“黄苔”遥感精确监测成为可能,并且较之监测的传统方法,该方法有更高的可靠性。如果加大投入,如果通过完善的“黄苔”光谱库,我们甚至可以使用遥感手段监测黄苔的同时,对“黄苔”暴发时各种藻类成分进行判别,为相关部门快速决策提供技术参考,同时采用环境资源卫星对固定区域进行连续的遥感监测在灾害预警和进一步研究“黄苔”生长暴发机理方面也有较大的应用前景。
 
参考文献:
 
[1]李兴.内蒙古乌梁素海水质动态数值模拟研究[D].内蒙古:内蒙古农业大学,2009:7-28.
 
[2]吴文瑾.基于光谱曲线特性和波谱角分类的赤潮监测方法[J].2009,(8):50-54.
 
[3]夏学齐,田庆久,杜凤兰.高光谱图像的单形体分析方法[J].中国图象图形学报,2004,9(12):1486-1489.
 
[4]尚士友,乌云塔娜,谢玉红.乌梁素海湿地生态保护的研究[J].中国学术期刊文摘(科技快报)[J].1998,2(1): 45-47.
 
Envirom ental Resources Statllite Date in W u liangsuhai"yellow alga"M onitoring
 
ZhaoWei,Meng Jin,Li Yan
(InnerMongolia Pollution Auto Monitoring Center,Environmental Information Center,Hohhot010011)
 
Abstract:Remote sensing technology has become one of the importantmeans ofmonitoring the change,growth of algae in water body at present,at home and abroad,a number of examples of the application of remote sensing technology on algae successfulmonitoring.The longer but themain remote sensing data currently used to revisit cycle,it is difficult tomake long-term continuousmonitoring of a lake,the rules of growth development on the response of algae has certain limitations.While the use of environmental resources satellite data,not only can use a variety ofmethods formonitoring the growth of algae algorithm.This article according to themethod based on environmental resources satellite ofWuliangsuhai Lake"yellow alga"remote sensingmonitoring are described,and experimental analysis using real data.
 
Key words:Water;Thermal infrared remote sensing;Wu liangsuhai;Yellow alga
 
中图分类号:X830.2
 
文献标识码::A
 
文章编号::2095-672X(2015)04-0046-04
 
DOI:10.16647/j.cnki.cn15-1369/x.2015.04.012
 
收稿日期:2015-06-08
 
作者简介:赵炜(1983-),男,工程师,主要研究方向为环境监控与环境信息化建设.
 
 
【作者机构】 内蒙古自治区环境在线监控中心环境信息中心
【来    源】 《环境与发展》 2015年第4期P46-49页

在线咨询
了解我们
网站介绍
经营许可
常见问题
联系我们
横格论文网联系方式
售前咨询:0311-85287508
夜间值班:0311-85525743
投诉电话:0311-85525743
授权服务
代理征稿
支付方式
工作日 8:00-22:00
经营许可
机构信用代码证
杂志社征稿授权
企业营业执照
银行开户许可证
其它
发表服务
在线投稿
征稿授权