基于线性回归分析的东平湖叶绿素含量监测

第36卷第2期2015年4月首都师范大学学报(自然科学版)JournalofCapitalNormalUniversity(NaturalScienceEdition)NO．2Apr．，2015基于线性回归分析的东平湖叶绿素含量监测术王贵臣刘田田(首都师范大学资源环境与旅游学院，北京100048)摘要利用2007年5月27日中巴资源卫星遥感数据与该日同步湖面多点观测资料，对东平湖水体叶绿素a含量与不同波段遥感值的关系进行了定量分析，发现B1一B3以及B5与叶绿素a含量有正幂次关系，B4则与叶绿素a含量有较好的线性相关性；据此选择B3和B5等敏感波段值作为自变量，通过对它们的线性变换，进行叶绿素a定量指标的组合和筛选试验；在此基础上，建立了叶绿素a含量的遥感定量模型．并且利用这一模型计算得到的2007年5月27日东平湖水域多点叶绿素a含量很好地拟合了实测结果．本文给出的东平湖水体叶绿素浓度估算模型，为东平湖水体叶绿素浓度反演监测提供了一定的理论基础，另外，当天气条件相似时，该模型可应用于其它湖区和其他时相的遥感定量分析．关键词：叶绿素a含量，东平湖，遥感，水质监测中图分类号：TP79l刖吾1．1研究背景及意义东平湖是山东省内第二大淡水湖泊和重要的淡水渔业生产基地，该湖自然资源丰富，渔业产量较高．由于养殖面积较大、密度过高，养殖方式不科学，大量外源营养物质输入，水体自净能力减弱，再加之湖区上游流域的面源性污染、大汶河流域水质的严重污染，造成湖水水质恶化较为严重．目前东平湖既是黄河下游的重要滞洪区，又是南水北调东线工程的最后一级蓄水水库，具有防洪、调蓄、灌溉、供水、养殖等多种功能，因此东平湖水质必须达到III类水质标准．要解决这些问题首先需要对湖泊水质进行有效的监测．虽然中国的常规水质监测能力已经有了长足的进步，对湖泊也一直在进行长期的监测，但是由于人力财力的限制，常规监测在时间和空间维度上都存在着取样点少的不足，难以反映湖泊水质全面、动态的信息．利用遥感技术对湖泊水质进行监测，有着快速、动态、范围广、相对成本低的优势．叶绿素a浓度作为表征水质状况的重要参数之72收稿日期：2013-03—24一，是决定水体的反射光谱特征的重要因素，也是水质遥感领域研究较多的一项水质参数．研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法．1．2研究现状自20世纪70年代以来，利用常规卫星宽通道遥感数据进行水质监测的研究已陆续展开，国内外学者经过多年努力，利用MSS或TM数据监测水体的叶绿素a浓度取得很多研究成果，确定藻类叶绿素a浓度反演的多种经验或者半经验的相关模式及用于估算海洋、湖泊和河流叶绿素a含量多重算法．早期的卫星遥感监测内陆水体水质研究以彩色合成图像为主，信息量十分有限，因此，人们开始尝试从分析水环境指标的光谱响应特征人手，进而根据卫星遥感器对应通道的遥感数据反演水质状况．比如ThiemannS等利用实测光谱和IRS一1C卫星数据对德国Mecklenburg湖的叶绿素a浓度进行了探测，并对湖泊的富营养状态进行了评价；Pulliainen等认为悬浮物浓度和叶绿素a浓度有很大的相关性，提出先根据悬浮物浓度对监测水体进行分类，再对不同的类别选择合适的算法计算叶绿素a的浓度，可提高算法的精度；Giorgio等利用高光谱数据模拟了MODIS数据的波段设置，分析第2期王贵臣等：基于线性回归分析的东平湖叶绿素含量监测并确认了其红光到红外波段在定量反演混浊水体叶绿素8浓度方面的潜力．国内一些学者也对遥感数据在水质监测方面的应用有所研究，太湖是其中研究较多的区域．雷坤等利用中巴地球资源卫星高分辨率CCD相机第3波段(630nm一690nn3)、第4波段(770nm～890nm)的组合(DB3+DB4)／lnDB3对太湖叶绿素a浓度进行了定量估算李云亮、吕恒、马荣华、杨一鹏等人均利用了常规陆地卫星遥感数据LandsatTM／ETM定量反演太湖叶绿素8a浓度，并分别提出了反演精度最佳的波段组合：TM4一TM3，TM4／TM3，TM3／TM1，TM3／(TM1+TM4)⋯．祝令亚等应用MODIS监测太湖水体叶绿素a浓度的研究表明MODIS影像可用于太湖的水质监测中，并认为其中250m分辨率波段1、2的比值组合r2／rl与叶绿素a浓度实测值相关性最好¨．1．3研究区概况东平湖位于黄河下游南岸，鲁西南东平、梁山、汶上、平阴4县交界处，处在黄河下游河道由宽变窄、鲁中山区西部向平原过渡的边缘地带，为山前平原型内陆湖泊，总面积62700hm．湖区分为一级湖(老湖区面积20900hm)、二级湖(新湖区41800hm)，一级湖常年有水，平均水深一般在1～2m，平均水面面积12400hm，是典型的内陆浅水型湖泊．东北部为低山丘陵，一般高程为250—350m