利用多时相卫星影像监测太湖水生植被变化外文翻译资料

英语原文共 18 页，剩余内容已隐藏，支付完成后下载完整资料

利用多时相卫星影像监测太湖水生植被变化

马荣华 段洪涛 顾晓红 朱寿选

湖泊与环境国家重点实验室，南京地理与湖泊研究所，中国科学院，南京，邮政编码210008，中华人民共和国

摘要：本论文实验数据来源于2007年6月10日至18日间，现场测定或实验室实验结果。监测项目为水质和生物光学参数，取样共94份。文中将水生植被带分为挺水植被带和沉水植被带。为了使划分的结果更为准确，我们将辅以水体透明度分类决策树这一技术。该技术的一个特点是：对于各类生物量的即时状况反演模型都能较为容易的积累经验并发展。这主要是由于该方面的实地调查监测和卫星遥感技术有着比较好的同步水准。不同时期，植被的NDVI（归一化植被指数）会呈现出的不同图像。利用这其中重要的定量关系，我们可以在即时反演模型基础上发展追溯的一类。太湖的水生植被覆盖面积已从2001年的454.6平方千米降至2007年的364.1平方千米。其总生物量也相应由2001年的489000吨降至2007年的406000吨。也就是说太湖的生态环境在此六年间发生了剧变。

关键词：水生植被；太湖；决策树；生物量；遥感

1.简介

水生植被是湖泊生态系统的重要组成部分，普遍存在于近岸浅水区域。其为水生生物，如无脊椎动物、鱼类和鸟类等，提供生存繁衍的资源和场所，并以此来维护湖泊生态系统的平衡。除此之外，水生植被也能够起到稳定沉积物和为周丛生物提供底质（可以有效去除水体中的氮磷）的重要作用，以达到清洁水体的目的。沉水植物种类丰富、浮游生物大量繁衍而又同时水体清澈的情况是相当罕见的。因此，这一现象的存在与否已然成为衡量水质预期状况好坏的重要指标。区域恢复计划的实施将带来水生植被覆盖空间与物种数量的极大提升，尤以沉水植被为甚。因此，如果我们要监管并掌握浅水生态系统的情况，就要具备其迄今为止的相关资料。而这些数据的收集，就需要用到基线测量的手法。然而，因为群落的时空异质性这一特点的存在，导致了无论空间尺度大小，确定植被覆盖度和生物量都不会是一项简单的工作。研究表明，水生植被在监测中产生光谱型号的强弱受到植被密度、冠层遮蔽和植物叶片的数量、形状以及生长趋向的影响。基于传统现场监测检验方法要调查整个湖区难免费时费力，遥感便在勘察水生植被长势及其分布发挥着愈发重要的作用。

多时相遥感不仅能对指定区域各项检测指标变化的情况给出具有相当参考价值的信息，也可以较完整地分辨挺水植物和沉水植物。早期的水生植被情况测绘一般依赖航拍来完成，但随着遥感技术的发展，卫星多光谱扫描也得到了更广泛的应用。尽管地-空卫星遥感在水生植被分布和生物量监测方面卓有成效，但因其空间分辨率仍显粗糙，故仍然无法探知更多细节。基于IKONOS拥有高分辨率图像，若可以充分利用监督分类法（该方法较之陆地卫星成像更能提高预期成图的精确度）来处理内部构造信息，则可以将研究区划提升至相当精细的程度，但仍然无法分解群落光谱上的变化。我们现在正尝试利用高光谱分辨率Hymap图像来鉴别从沉水植被处采集的相关数据。该方法和可见光谱分析法都是常用方法，但所研究植被在可见光和近红外波段所体现的光谱特征差距相当大。Ackleson 和 Klemas证明，如果我们可以在分类标准中加入水深的先验知识这一项，那实验结果的精确度将会显著提高。这主要是由水生植被的分布情况的水深差异性导致的。如此便可大大减少由于水深引起的对沉水植被光谱监测的干扰。用代达罗斯机载专用制图仪结合波段3（520-600nm）、波段7（760-900nm）和波段8（910-1050nm）所得数据可区分植物的不同生长形态，Malthus和George的研究证实了这一点。由大气中、水体及底泥所监测得到的DN（数字信号）值常和线性或非线性经验拟合模型配合使用来估算植被生物量。若可消除水体对遥感图像产生的干扰，则沿岸光学遥感的适用性将进一步扩大，分类和生物量检查的准确性也将得到一定提高。生物光学模型已随着光场设备的使用而得到广泛应用。该方法可以有效消除水体对监测带来的误差，并可辨明水体及底泥之间的区别。

本文旨在推进一种利用不辅有相关场地调查的历史相关卫星影像方法来估计浅水湖泊处历史生物量。该方法是基于目前的卫星影像，以及并行或曲行的现场调查，来确定太湖水生植被的历史变迁。首先我们会列出一些关于太湖及其周边区域的相关基础信息，其中包括使用仪器、抽样方法以及卫星影像和图像处理技术等。接着会介绍对太湖水生植被的定量估算方法。最后进行总结。

2.研究范围

太湖是一个大型浅水湖泊，平均水深1.9米（最大2.6米），面积2427.8平方公里（含51个岛屿），是中国五大淡水湖泊之一，位于经济发达的长江下游地区（如图1所示）。然而近年来，太湖水质正不幸地逐渐恶化。自20世纪90年代起，夏季蓝藻水华爆发现象面积已逐渐扩大。湖中主要有四种类型植被存在，分别是(a)：水生作物，如芦苇、香蒲和茭白等；(b)：沉水植物，如金鱼藻、苦草、马来眼子菜等；(C)挺水植物，如凤眼莲、浮萍等，和(d)浮叶植被，包括萍蓬草、睡莲等。以上植被主要分布在东部、东南部及南部湖湾处，也即太湖水质较好、不曾有蓝藻爆发的地区。

图1 太湖在中国的方位

3.资料

3.1研究区域数据

2007年6月10-18日，采样活动按先前选取断面进行，共采94份样品。采样点由具差分GPS定位，精度为2-5米。在实地考察开始前，小组根据1:50000数字地形图和关于当地水生植被分布的经验储备来进行布点。该经验来自于关于水生植被空间分布得样品采集，其中包括2006年10月的95份及5月的133份、2005年10月的27份及7月的80份、2003年6月的25份和2002年9月78份。

图2 200年6月10-19日采样布点图；黑点处有水生植被、十字点处无水生植被

分别用双通道光谱仪FieldSpec 931（ASD出品）测定遥感反射率和后向散射系数远点，hydroscat-6后向散射仪(HS-6, HOBI Lab出品)测定集中于442，488，532，589，676和852 nm处的六种波长。仪器使用、测量方法和数据处理方法和Ma等是一样的。从水面下垂直30厘米处取样，容器为标准21-聚乙烯采样器。样品取得后立即当场检测。随后将样品存于填有一半容积冰袋的冰箱之中，每天下午保存约4小时，再转移入实验室内进行浓度和吸收能力测量。水的透明度在船的靠阴面用塞氏盘测定。基于Rodusky等人的实验的相关经验，在船上使用牡蛎铗状的耙，收集水生植被。将其置于甲板上或塑料盆中，冲洗去除其上淤泥。使用同种光谱仪也可在350-1050nm处测定水生植被、植被与底泥混合物的反射系数。同一地点所采集的植被、树叶都应刷洗过后归入编号塑料袋中。样品放入冰袋填充一半空间的冰箱内保存后，送入实验室进行物种分类和生物量测量。此外也需要记录采样点各类数值，即表面、表面下及深度和时间。

根据国标方法测定DOC（溶解有机色素C_DOC）、叶绿素a（C_CHL）和SPM（悬浮颗粒物C_SPM）等指标。同时也根据Mueller所介绍的NASA SeaWiFS协议，测定浮游植物色素吸收（aph）、非藻类颗粒物（AD）和CDOM（有色可溶性有机物，Ag）等。实验细节参照Ma等文献。纯水引起的吸收与反向散射，即a_w和b_bw，指的就是蒲柏与鱼苗的定义*^{此句理解无能}。

3.2卫星资料

用成像空间分辨率为23.5m的IRS P6（印度遥感卫星RESOURCESAT-1）LISS-3（线性成像自扫描sensor-3），且使用520-860nm的三条波段和1550-1700nm处一条波段作为探测带的行为，是首次被用于开发太湖湖的水生植被生物量估算的基础与首要模型。本文选取的卫星影像为2007年6月15日摄制。经验指出，太湖中的水生植被在上半年通常长势缓慢。所以我们可以据此忽略调查期间场地植被变化，同时也可以认为调查进度与湖面LISS-3传感器进程完全同步。我们同时也采用分辨率为30m的陆地卫星遥感图像。这些图像采集的日期几乎相同——分别为2001年7月26日、2002年7月13日及2004年7月26日，且几乎不存在云盖的干扰。

4方法

4.1图像预处理技术

本文采用两种方法来开发生物量预估模型——即经验模型和分析模型，借此来消除大气带来的干扰。其中一种即默认离水辐射亮度为零。该方法在例一所描述的情况下常用于水的色度遥感。当然，该方法十分粗略，也仅仅只是用经验来估计水生植被中的生物量。我们常认为由于大气的干扰，每个波段都存在DN值最低的像素。若像素符合以下要求，即首先确定：（a）水质目测清澈，或水质清澈，但水深较浅，且底泥中无植被生存；（b）其在LISS-3或TM传感器中的相关波段DN值最低。然后即从总信号值中扣除大气产生的干扰值，得到湖体和底泥的值。重复上述步骤，直至所有遥感器可识别波段都完成该任务。另外一种即非常相似的陆地遥感法。在本实验中，FLAASH（视线大气光谱立方体分析的快速线），一种基于MODTRAN（中等分辨率大气传输）辐射传输模型的大气校正的4代码的大气校正的4代码，将被用于换算LISS-3和TM传感器辐射数据表观反射率。我们之所以这么做，是旨在发展估计水生生物量分析方法。然后用1:50000比例尺地形图进行校正（克拉索夫斯基1940世界地图、高斯克鲁格投影）。其每成像的RMSE值（标准差值）保持小于0.5像素。最后利用相同地形图上的太湖边界作为一个二值模板来创建水体图像。

4.2影像分类

各类浮现植物、挺水植物和沉水植物之间并没有明显的分界线，尽管其生物量面密度差异相当之大，这主要是因为它们往往会逐渐生长到一起。为了能使遥感更好的运用于监测中，也为了尽可能更精确的估计生物量的大小，我们将水生植被区分为两种类型：（a）类型一，这一类型主要特征为植物叶片位于水面之上，主要包括浮叶和挺水植物，我们叫它漂浮植物主导区；和（b）类型二，该类植物从冠层到根系全部位于水面之下，包括漂浮植物和沉水植物，我们称呼其为沉水植物主导区。在红外和近红外波段内，类型一和二所体现的光谱特征截然不同（如图3所示）。这两种类型的植被在遥感图像中很容易区分。

不过，在作区分之前，首先要把它们从湖体中分出来。以沉水植物为主的水生植被通常会体现相似的光谱特征——因为水体中有大量浮游植物和悬浮颗粒物（如图3所示）。

如果仅仅依靠光谱特性是无法分离它们的，所以我们对于分类过程的制定参考了其他一些经验，比如说水的深度和透明度，并按以下步骤来形成决策树：（a）通过对水深、透明度和植被分布等的经验掌握将湖面的植被与类植被和湖体分开；（b）先计算植被指数RVI（比值植被指数，近红外波段与红光波段反射率之比）和NDVI（归一化植被指数，近红外波段和红光波段反射率之差与之和的比值），再根据校正过的RVI、NDVI和SDT（塞氏盘）阈值删除类型一；（c）改变RVI、NDVI和SDT阈值，以将非植物区从植被和类植被区去除，只剩下类型二。

图3：各类干扰下遥感反射率之间的差异——仅由于水产生（细灰线）、由于类型一（粗黑线）、由于类型二（细黑线）。上述数据均为现场测量值。X轴为波长（nm），Y轴为反射系数（无量纲）

水深来自于1998年的海底地形图，比例尺1:50000，并且我们根据现场调研做了校正。透明度可根据经验公式（1）算出。因为其决定系数大于0.68，故现场测量的透明度和LISS-3传感器所测得的第一和第二波段的经过气象学校正的DN值之间，有着很好的联系（见图4）。但其实二者之间还有更加密切的联系：

其中SDT值（cm）、R2、B1和B2同上所示，N为总采样数，不包含以飘浮植被为主区域的采样。

图4：现场测量和经过大气矫正的数字信号值之间的数量关系：（a）LISS-3号传感器的第一波段（B1）和第二波段（B2）。图Y轴为塞氏盘透明度（cm），A组和B组的X轴分别为B1和B2的值（无量纲）。

4.3生物量的估算

太湖水下植被区为光学浅层，故有：

其中，

R_rs为遥感反射率；r_rs为表面底部遥感反射率; r_rs^c和r_rs^b是由水体和水底产生的信号值；theta;_w为太阳高度角；H为深度，a为总吸收系数，其值为a_ph、a_d、a_g和a_w之和；b_b是HS-6测得的总后向散射系数。

所述FLAASH大气校正信号再穿透水面之时就立刻被转换，可能会在水体及使用以等式（2）所假设的湖底条件的基础（图5）之上被分解：（a）底部呈平面且无限大、底部植被混杂均匀以及底部糊状区呈有限区模式；（b）水质垂直分布均匀，如此即可通过（2）式去除水体影响而仅留下底部的遥感值。随后即可据此关系开发生物量模型，然效果不理想。因此

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[31293]，资料为PDF文档或Word文档，PDF文档可免费转换为Word