[发明专利]一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法

说明书

本发明公开了一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法，包括：从OLCI遥感影像数据上提取内陆富营养化湖泊水体研究区域，经过预处理，得到所述区域对应水体的遥感反射率；求第六波段和第十波段遥感反射率的比值，如果所述比值大于事先设定的阈值，则记为极高梯度，输出结果；小于该阈值时，获取778纳米处后向散射值、620和665纳米处的吸收系数和叶绿素a色素在665纳米的吸收系数；构建归一化指数，指征当前像元处蓝藻生物量比例；对所述研究区域逐像元应用前述步骤，得到内陆富营养化湖泊水体蓝藻生物量比例的空间分布。本发明极大地提高蓝藻检测的效率和规模，为蓝藻水华的预警提供参考。

技术领域

本发明属于遥感技术领域，具体涉及一种基于OLCI的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法。

背景技术

湖泊富营养化会产生一系列环境问题，而蓝藻水华便是其中研究最多且污染最为严重的一种。蓝藻水华不仅造成水质恶化、水体功能下降、生态系统紊乱等后果，对人类健康也有极大的危害。

水华从表观现象上看是瞬时的“暴发”，但是其本质是藻类生物量在水体中的逐渐增加的一个缓慢过程，而非藻类在短时间内连续的快速生长所致。(孔繁翔,高光.大型浅水富营养化湖泊中蓝藻水华形成机理的思考[J].生态学报,2005,25(3):589-595.)。在水华暴发前后以及水华过程中，浮游藻类群落不断进行演替，造成各组成藻种百分比例的变化，水华优势藻的比例呈增加趋势。

目前遥感监测蓝藻水华主要是通过估算水体中叶绿素a浓度、藻蓝蛋白浓度或水华暴面积来实现的。Chla(Chlorophyl A，叶绿素a)浓度常见的反演模型有波段比值模型，三波段模型，四波段模型，基线法，生物光学模型和机器学习法等等,如Liu Ge等验证了5种可应用于MERIS/OLCI数据的Chla遥感估算模型，包括波段比值模型、三波段模型、FLH模型、MCI模型以及UMOC模型在洪泽湖水域的适用性，结果表明UMOC模型是最适用于洪泽湖水域的Chla浓度估算模型，其平均相对误差为32.3％。

但叶绿素a是各类藻类都含有的色素，若利用叶绿素a估测蓝藻生物量势必导致对水体中蓝藻生物量的高估，而藻蓝蛋白色素是蓝藻所特有的特征色素，且藻蓝蛋白色素在620nm附近具有一个区别于其他藻类的吸收峰，因此国内外许多学者利用这一特征实施对蓝藻的识别、监测以及定量估算。PC浓度常见的反演模型有波段比值模型，三波段模型，IIWIW法，基线法，荧光比值法等(Dekker等1993，Simis等2005，Mishra等2013，Li linhai等2015，Vincent等，2004)，如Lyv等(Lyv heng等,2013)针对中国内陆富营养化湖泊，分析了Simis(2005)半分析算法的适用性，并重新率定了各个参数且对算法进行了改进，改进的算法对太湖和滇池藻蓝蛋白浓度的反演具有更高的精度。但通过叶绿素a和藻蓝蛋白对水体中藻类进行监测并不能够反应蓝藻是否为优势藻种。近年来不少研究者采用遥感数据对蓝藻水华及其面积进行监测，并分析其时空分布与变化情况。(段洪涛等2008，刘聚涛等2011，鲁韦坤等2009)，如Hu等(2010)基于MODIS的645、859和1240nm波段的FAI指数提取太湖蓝藻水华，经过对2000-2008年的MODIS数据进行处理分析，将统计阈值-0.004作为蓝藻水华提取阈值，结果表明该指数能够较好地监测太湖蓝藻水华状态。