[发明专利]一种基于MODIS数据的内陆湖泊叶绿素a浓度长期遥感监测方法

说明书

本发明属于水体水质监测方法与应用技术领域，具体公开了一种基于MODIS数据的内陆湖泊叶绿素a浓度长期遥感监测方法，该检测方法以长时间序列的MODIS数据为基础，主要包括以下步骤；(1)实测水质数据获取；(2)遥感数据预处理；(3)相关性分析、经验模型、多元线性回归模型、随机森林模型的构建与评估；(4)绘制叶绿素a的长期时空分布图。本发明以长时间序列的MODIS数据为基础，克服了传统水质监测无法满足长期、实时和大尺度监测需求的局限性，在反演过程中使用并对比了经验模型、多元线性回归模型和随机森林模型，提高了内陆湖泊叶绿素a的反演精度。

技术领域

本发明属于水体水质监测方法与应用技术领域，具体涉及一种基于MODIS数据的内陆湖泊叶绿素a浓度长期遥感监测方法。

背景技术

内陆湖泊在全球淡水资源中占有重要的地位，不仅为水生动物和植物提供栖息地，也为人类提供宝贵的社会和经济服务，支撑着农业、工业和旅游业的发展。近年来，随着全球气候变化和人类活动的影响，许多湖泊面临水质下降、水体富营养化和水生态系统破坏等一系列问题，水质监测作为水环境管理的一个重要环节，可以有效保护水环境、控制水污染和维护水环境的健康。

叶绿素a浓度是衡量内陆湖泊富营养化程度的重要指标之一，不仅体现浮游植物的生物量和初级生产力，也影响水体的反射光谱特征，因此监测叶绿素a浓度对内陆湖泊水生态环境保护具有重要的意义。传统水质监测主要采用现场水样采集和实验室测定的方法，虽然可监测的参数多，精度较高，但费时费力，经济成本高昂，并且单点尺度的水质难以代表整个水域的水质状况。遥感技术具有范围广、速度快和低成本等优势，满足实时和大尺度的水质监测需求，同时可以揭示常规方法难以发现的污染物和污染物的迁移和分布特征。

目前，常用的内陆湖泊水质监测遥感数据源包括Landsat系列、Sentinel-2、MODIS等。Landsat系列拥有较高的空间分辨率和光谱分辨率，但回归周期较长(16天)，不适合内陆湖泊的实时动态监测。Sentinel-2拥有较高的时间分辨率(5天)和极高的空间分辨率(10m)，但两颗卫星发射时间较晚，Sentinel-2A发射于2015年，Sentinel-2B发射于2017年，不适合湖泊的长期动态监测。MODIS是搭载在美国EOS卫星上重要的光学传感器，Terra和Aqua卫星分别在一天中的上午和下午过境，观测整个地球表面，因此MODIS的时间分辨率为1天。此外，MODIS接收相对简单，全球免费获取，提供了有助于辐射校正的大气廓线数据，在湖泊水质的长期动态监测中表现出巨大的发展潜力。

水质遥感监测方法主要包括分析法、经验法和半经验法等，这些方法在应用于水质监测时均存在各自的优势和缺陷。分析法具有严格的物理意义，但建立模型时需要测量大量参数；经验法利用简单易用的回归模型构建相对复杂的关系，但遥感数据和实测数据的相关性往往得不到保障；半经验法可以在一定程度上提高水质监测的精度，但仍存在时空局限性。

因此，希望提供一种基于MODIS数据的内陆湖泊叶绿素a浓度长期遥感监测方法，满足实际中长期、连续和大范围的高精度水质监测需求。

发明内容

针对现有技术存在的上述不足，本发明的目的在于提供一种基于MODIS数据的内陆湖泊叶绿素a浓度长期遥感监测方法，该检测方法以长时间序列的MODIS数据为基础，主要包括以下步骤；(1)实测水质数据获取；(2)遥感数据预处理；(3)相关性分析、经验模型、多元线性回归模型、随机森林模型的构建与评估；(4)绘制叶绿素a的长期时空分布图。本方法对内陆湖泊适应性好、监测精度高、适合长期连续和大面积的高精度水质监测。

为实现上述目的，本发明采用如下技术方案：

基于MODIS数据的内陆湖泊叶绿素a浓度长期遥感监测方法，步骤如下：

(1)实测水质数据获取。在湖面均匀设置一定数量的采样点，水样采集并储存后利用YSI多参数水质分析仪测定叶绿素a浓度。