基于MODIS色素浓度估算的富营养化湖泊水质风险评价方法技术

本发明专利技术公开了一种基于MODIS色素浓度估算产品的富营养化湖泊水质风险评价方法，将MODIS影像分类为藻华影像和非藻华影像，之后采用EOF算法分类估算叶绿素a和藻蓝素浓度，后基于MODIS叶绿素a和藻蓝素的估算结果，计算PC：Chla比值；结合叶绿素a和PC：Chla比值结果，获取水质评价模型，进行水质风险评价的结果示例；最后基于历史获取的MODIS数据，获取富营养化湖泊水质长时间序列评价结果，计算水质风险程度的年际、月际变化规律。本发明专利技术可以精确获取富营养化湖泊水质风险程度，从而使得应用遥感手段研究巢湖水质变化成为可能，有助于评价藻华暴发带来的生态风险，为水利、环保等部门的水资源保护的科学决策提供科技支撑。

Water quality risk assessment method of eutrophic lake based on MODIS pigment concentration estimation

The invention discloses a nutrient rich MODIS pigment to estimate the concentration of product based on the water quality of Lake risk evaluation method, MODIS image classification for algae images and non algae images by using EOF algorithm to estimate the classification of chlorophyll a and phycocyanin pigment concentration, after the estimation results of MODIS chlorophyll a and blue-green algae based on calculation PC:Chla ratio; combination of chlorophyll a and the ratio of PC:Chla, get the model of water quality evaluation, water quality risk assessment results; finally based on the MODIS historical data access, access to the eutrophic lake long time sequence evaluation results, calculation of annual and monthly variation of water quality risk degree. The invention can accurately obtain the eutrophication of lake water quality risk degree, which makes the quality change of Chaohu using remote sensing means possible, is helpful to assess the ecological risk caused by the outbreak of algal blooms, providing scientific and technological support for scientific decision-making of water resources protection in water conservancy and environmental protection departments.

【技术实现步骤摘要】
基于MODIS色素浓度估算的富营养化湖泊水质风险评价方法
本专利技术涉及一种基于MODIS色素浓度估算的富营养化湖泊水质风险评价方法。
技术介绍
湖泊是最重要的淡水资源，具有提供饮用水源、调节气候、维持生态多样性、调蓄和旅游等多种功能，与流域区域社会发展、人民生产和生活密切相关。巢湖，中国第五大淡水湖泊，位于长江中下游安徽省境内，是流域内拥有100多万人口的合肥和巢湖市的主要饮用水源地，在当地人民生产生活中发挥着重要的作用。然而近些年来随着巢湖流域，特别是上游合肥市经济的快速发展，大量点源、面源污染进入水体，巢湖水质污染严重。另外，巢湖闸、裕溪闸等的修建使巢湖逐渐成为半封闭水域，水体自净功能逐渐丧失，巢湖富营养化情况日益严峻、水质呈逐渐恶化的趋势，给巢湖市人民饮用水安全带来巨大危险，因此，需要对湖泊水质进行大范围检测，保护饮用水安全。目前，湖泊水质常规的监测方法是先采集水样，然后进行实验室分析的方法，该方法费时费力，而且水样采集数量有限，很难反映大范围的水质信息。近年来，国内外众多学者通过遥感的手段对湖泊水质评价方法进行了深入探讨，提出了多种形式的评价方法，如模糊综合评价法、特征法、参数法等。早期的评价方法以综合评价法为主，Lu利用1987-1996年的水质实测数据应用模糊综合评价法对台湾地区水库的水质进行了评价，在模糊综合评价中，权重的设计对评价的结果有重要影响，因此存在多个评价因子时，评价结果带有一定的不确定性。特征法则主要从湖盆形态、水质、生物和底质等四大特征方面来评价水体水质情况，所选生态环境因子比较难以获取。参数法则是选择主要代表性参数来评价水体营养状态的方法，所选择的参数包括叶绿素a、藻蓝素、总磷、总氮及透明度等，根据评价对象采用单一参数评价或多参数的综合评价进行水质评价，例如Jurdi以黎巴嫩的水库为研究对象，获取18个采样点的Ph值、电导率、重金属含量等指标，用统计分析方法对水质进行评价。其中广泛采用的参数为叶绿素a和藻蓝素浓度，大部分研究人员更多的采用叶绿素来替代其他指标对湖泊水质风险状态进行评价。但单独的色素浓度无法全面反映水质的变化情况。Hunter基于世界卫生组织水质评价指南建立了决策分类树模型，利用PC:Chla比值量化蓝藻种群所占比例，可有效进行水质风险的评估，本文利用该模型进行富营养化湖泊的水质风险评价。参考文献Cleveland,J.,&Weidemann,A.D.(1993).Quantifyingabsorptionbyaquaticparticles:Amultiplescatteringcorrectionforglass‐fiberfilters.LimnologyandOceanography,38,1321-1327Chorus,I.,&Bartram,J.(1999).Toxiccyanobacteriainwater:Aguidetotheirpublichealthconsequences,monitoringandmanagement.SponPressDavis,T.W.,Berry,D.L.,Boyer,G.L.,&Gobler,C.J.(2009).Theeffectsoftemperatureandnutrientsonthegrowthanddynamicsoftoxicandnon-toxicstrainsofMicrocystisduringcyanobacteriablooms.HarmfulAlgae,8,715-725Foy,R.(1993).Thephycocyanintochlorophyllαratioandothercellcomponentsasindicatorsofnutrientlimitationintwoplanktoniccyanobacteriasubjectedtolow-lightexposures.Journalofplanktonresearch,15,1263-1276Hunter,P.D.,Tyler,A.N.,Gilvear,D.J.,&Willby,N.J.(2009).Usingremotesensingtoaidtheassessmentofhumanhealthrisksfrombloomsofpotentiallytoxiccyanobacteria.EnvironmentalScience&Technology,43,2627-2633JurdiM,KorfaliSI,KarahagopianY,etal.EvaluationofwaterqualityoftheQaraaounReservoir,Lebanon:Suitabilityformultipurposeusage[J].EnvironmentalMonitoringandAssessment,2002,77(1):11-30.LuRS,LoSL,HuJY.Analysisofreservoirwaterqualityusingfuzzysyntheticevaluation[J].StochasticEnvironmentalResearchandRiskAssessment,1999,13(5):327-336.MarcéR,ArmengolJ,NavarroE.AssessingecologicalintegrityinlargereservoirsaccordingtotheWaterFrameworkDirective[M]//ExperiencesfromSurfaceWaterQualityMonitoring.SpringerInternationalPublishing,2015:201-219.Keith,D.J.(2014).SatelliteremotesensingofchlorophyllainsupportofnutrientmanagementintheNeuseandTar–PamlicoRiver(NorthCarolina)estuaries.RemoteSensingofEnvironment,153,61-78Ruiz-Verdú,A.,Simis,S.G.H.,deHoyos,C.,Gons,H.J.,&R.(2008).Anevaluationofalgorithmsfortheremotesensingofcyanobacterialbiomass.RemoteSensingofEnvironment,112,3996-4008Shi,K.,Zhang,Y.,Li,Y.,Li,L.,Lv,H.,&Liu,X.(2014).Remoteestimationofcyanobacteria-dominanceininlandwaters.WaterRes,68C,217-226Uitz,J.,Claustre,H.,Morel,A.,&Hooker,S.B.(2006).Verticaldistributionofphytoplanktoncommunitiesinopenocean:Anassess本文档来自技高网...

【技术保护点】
一种基于MODIS色素浓度估算的富营养化湖泊水质风险评价方法，其特征在于：包括如下步骤：(1)基于MODIS RGB影像，估算MODIS叶绿素a和藻蓝素浓度；具体为：先将富营养化湖泊影像进行分类，将清洁水体、高悬浮物主导水体归为非藻华影像，藻华主导水体归为藻华影像，选取指数FAI用以区分这两类影像；之后采用EOF算法分类估算MODIS叶绿素a和藻蓝素浓度；其中，EOF算法对于非藻华影像，模型的输入形式为R

【技术特征摘要】
1.一种基于MODIS色素浓度估算的富营养化湖泊水质风险评价方法，其特征在于：包括如下步骤：(1)基于MODISRGB影像，估算MODIS叶绿素a和藻蓝素浓度；具体为：先将富营养化湖泊影像进行分类，将清洁水体、高悬浮物主导水体归为非藻华影像，藻华主导水体归为藻华影像，选取指数FAI用以区分这两类影像；之后采用EOF算法分类估算MODIS叶绿素a和藻蓝素浓度；其中，EOF算法对于非藻华影像，模型的输入形式为Rrc统一减去近红外波段Rrc，公式表述为：Rrc(λ)＝Rrc(λ)-Rrc(859)(1)对于藻华影像，直接输入原始Rrc数据；(2)基于MODIS叶绿素a和藻蓝素的估算结果，计算PC：Chla比值；(3)结合叶绿素a和PC：Chla比值结果，获取水质评价模型，进行水质风险评价的结果示例；(4)基于历史获取的MODIS数据，获取巢湖水体长时间序列水质评价结果，计算水质风险程度的年际、月际变化规律；基于前述步骤和方法，将水质评价模型应用至2000-2014年，获取长时间序列的水质评价结果，并分析风险程度的年际、月际变化规律。2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，分类选用的指标FAI表达形式为：FAI＝Rrc'(859)-Rrc(859)(2)Rrc'(859)＝Rrc(645)-[Rrc(1240)-Rrc(645)]*(859-645)/(1240-645)(3)其中，Rrc(λ)是经过瑞利校正的λ波长处的反射率，Rrc’(859)是基于645nm和1240nm波段线性内插得到的859nm波段相对反射率。3.根据权利要求2所述的方法，其特征在于，影像分类算法具体如下：统计每景非藻华影像受边界效应影响的像元数目，以此像元数目为单幅阈值，每...

【专利技术属性】
技术研发人员：段洪涛，陶慜，曹志刚，马荣华，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：江苏,32