[发明专利]一种大型浅水湖泊蓝藻水华MODIS卫星高精度监测方法

说明书

技术领域

本发明涉及一种大型浅水湖泊蓝藻水华MODIS卫星高精度监测方法。

背景技术

目前，卫星遥感技术在蓝藻水华监测中已经得到了广泛的应用，为获取蓝藻水华的时空分布规律以及蓝藻水华的预测预警提供了基础和依据。但实践中发现，即使使用同一幅遥感影像，不同部门、不同人员获取的藻华水华面积存在一定差异，究其原因，主要是包括藻华识别指数不同、藻华指数对气溶胶的敏感性不同、忽略混合像元的藻华计算以及水生植被的误判等方面。MODIS（MODerate-resolution Imaging spectroradiometer）数据具有较高的时间分辨率(0.5d)和光谱分辨率,且有长时间序列数据,可以生产几乎实时的图像,而且该数据质量稳定、获取容易，成本低廉，是非常理想的监测藻华遥感数据源。

水体遥感反射率R_rs是其水体各种物质的综合反映，蓝藻水华与非水华普通水体光谱上最大的差别在于近红外波段；水华水体具有较为明显的反射峰，形成近红外平台，而非水华水体没有，这也是利用卫星监测藻华的依据。国内外较常用的藻华监测算法主要有单波段法、比值法、归一化植被指数法（Normalized Difference Vegetative Index,NDVI）、增强型植被指数法（Enhanced Vegetation Index,EVI）、浮游藻类指数法(Floating algae index，FAI)等5种。

表1MODIS藻华水体各类识别模式

首先，卫星传感器接收到的信号为TOA（Top of Atmosphere）总辐亮度，包括离水辐亮度、大气分子散射（也称Rayleigh散射）、气溶胶散射、海面白帽以及太阳直射辐射在海面的反射等，其中来自水体的离水辐射约占10%，大气的程辐射约占90%（Kirk，1994），水体信息的小信号信息几乎淹没在大气中，因此大气影响的剔除在水色遥感反演中显得尤为重要，大气校正成为水色遥感的关键技术（任敬萍和赵进平，2002）。目前为止，湖泊水体的大气校正还没有实现快速、批量的业务化处理，大多仍旧使用陆地光学遥感中基于辐射传输的大气校正方法(Dekker et al.,2001;Ammenberg et al.,2002;王建平等,2003;马荣华和戴锦芳，2005b;唐军武等,2005;尹球等,2005;吴传庆等,2006;Duan et al.,2008)。但是由于湖泊水体受人类活动的影响更为强烈，物质陆源较多，不同湖泊的水质、物质组成等差异较大，近红外波段散射特性的变化具有很大的不确定性；湖泊水体面积一般较小，受陆地的影响，气溶胶变化较为强烈，而水体在近红外波段的信号很弱，难以准确测量；另外，湖泊中存在大面积的光学浅水，离水辐射除包含来自水体的贡献外，也包含来自湖底底质的贡献。因此，高精度地获取近红外波段水体离水辐射的迭代关系存在很大困难，基于两个近红外波段（765和865nm）离水辐射为零的、被广泛采用的Gordon标准大气修正算法已不再适用；而传统的基于辐射传输模型的校正方法需要实时实地的大气参数，目前尚不能实现业务化。尽管目前国际水色遥感界已提出了多种针对“亮像元”（即近红外离水辐射非零）的大气校正算法(Zhao and Nakajima,1997;Arnone et al.,1998;Ruddick et al.,2000;Hu et al.,2000;Lavender et al.,2005;Vidot and Sante,2005)，但基本还处于区域性试验阶段。

卫星影像都是栅格影像，像元大小取决于空间分辨率；如MODIS卫星影像最高空间分辨率为250m，低空间分辨率较低不利于识别出藻华较为破碎的空间分布特征。按照现有传统藻华监测方法，MODIS影像中像元仅识别为藻华像元和非藻华像元，忽略了混合像元的情况，如果藻华识别阈值设置比较保守，仅仅能识别出全部被藻华覆盖的区域，忽略了部分被藻华覆盖的区域，如果藻华识别阈值设置宽松，尽管包括了部分被藻华覆盖的混合像元，但该混合像元中没有藻华的区域面积也会被一起统计，将会导致藻华覆盖总面积增加。因此，利用MODIS数据准确估算藻华的实际覆盖面积，混合像元中盖度计算成为亟待解决的一个科学问题。

此外，水华与水生植被光谱类似，目前所有算法都很难实现完全区分，实现业务化运行。