滇池不同空间分布水体的高光谱特征差异分析

胡琳 甘淑 袁希平 李雁 付承彪 宋春雨 闫馨方

引用本文:
Citation:

滇池不同空间分布水体的高光谱特征差异分析

    作者简介: 胡 琳(1994−),女,云南人,博士生,主要从事摄影测量与遥感技术研究.E-mail:hl112365@163.com;
    通讯作者: 甘淑, bo5200909@163.com
  • 中图分类号: P236

Difference analyses on hyperspectral characteristics of spatial distribution of different water bodies in Dianchi Lake

    Corresponding author: GAN Shu, bo5200909@163.com ;
  • CLC number: P236

  • 摘要: 滇池作为污染十分严重的高原湖泊之一,其水质监测工作备受关注. 利用高光谱遥感监测水质,便于动态长期监测并能找出污染源及其空间分布差异. 因此,文章基于珠海一号高光谱卫星数据,从空间尺度上,分别选取滇池内部不同区域的水体进行高光谱试验分析比较. 试验结果认为:①研究区草海和外海水体在近红外波段内反射率差异最大,可用于2类水体的识别与提取,以及对水体内叶绿素含量进行初判断;②研究区入湖口和出湖口位置的水体光谱曲线在880~940 nm范围内变化异常,可用于2处水体的识别与提取,并推测因水体中悬浮物颗粒影响改变了变化趋势;③湖心和湖岸带水体在近红外波段内,反射率差值先增至最大再逐渐减小,可根据此光谱特征实现2个区域水体的识别与提取,并推测可能是由于水体内悬浮物体积浓度影响导致光谱差异. 综上所述,近红外波段有很好的光谱响应特征,可以较好地反映并识别湖泊的不同空间分布差异. 同时,对于水环境条件差异也可以进行更好地判断.
  • 图 1  珠海一号预处理流程图

    Figure 1.  ZH-1 preprocessing flowchart

    图 2  试验方案

    Figure 2.  Test plan

    图 3  滇池取样点布设位置

    Figure 3.  Location of sampling points in Dianchi Lake

    图 4  滇池草海与外海水体反射光谱曲线

    Figure 4.  Reflectance spectra of Caohai and offshore waters in Dianchi Lake

    图 5  滇池出入湖口位置的水体反射光谱曲线

    Figure 5.  The reflectance spectra of water bodies from the inlet and outlet of the lake in Dianchi Lake

    图 6  滇池湖心、湖岸带水体反射光谱曲线

    Figure 6.  Reflectance spectra of water bodies in the center and shore of Dianchi Lake

  • [1] Song F, Wu F, Wu A, et al. Depth-dependent variations of dissolved organic matter composition and humification in a plateau lake using fluorescence spectroscopy[J]. Chemosphere, 2019, 225: 507-516. DOI:  10.1016/j.chemosphere.2019.03.089.
    [2] 贺克雕, 高伟, 段昌群, 等. 滇池、抚仙湖、阳宗海长期水位变化(1988—2015年)及驱动因子[J]. 湖泊科学, 2019, 31(5): 1 379-1 390. He K D, Gao W, Duan C Q, et al. Water level variation and its driving factors in Lake Dianchi, Fuxian and Yangzong during 1988—2015[J]. Journal of Lake Sciences, 2019, 31(5): 1 379-1 390.
    [3] 胡琳, 甘淑, 费联君, 等. 滇池周边典型城镇地表覆盖分类遥感分析研究[J]. 全球定位系统, 2019, 31(5): 1 379-1 390. Hu L, Gan S, Fei L J, et al. Remote sensing analysis of surface coverage of typical urban areas around Dianchi Lake[J]. GNSS World of China, 2019, 31(5): 1 379-1 390.
    [4] 王桥, 张兵, 韦玉春, 等. 太湖水体环境遥感监测实验及其软件实现[M]. 北京: 科学出版社, 2008.

    Wang Q, Zhang B, Fei Y C, et al. Remote sensing monitoring experiment and its software implementation for the water environment of Taihu Lake[M]. Beijing: Science Press, 2008.
    [5] 田野, 郭子祺, 乔彦超, 等. 基于遥感的官厅水库水质监测研究[J]. 生态学报, 2015, 35(7): 2 217-2 226. Tian Y, Guo Z Q, Qiao Y C, et al. Remote sensing of water quality monitoring in Guanting Reservoir[J]. Acta Eclolgica Sinica, 2015, 35(7): 2 217-2 226.
    [6] 包颖, 田庆久, 陈旻, 等. 基于GOCI影像分类的太湖水体叶绿素a浓度日变化分析[J]. 光谱学与光谱分析, 2016, 36(8): 2 562-2 567. Bao Y, Tian Q J, Chen M, et al. Analysis on diurnal variation of chlorophyll-a concentration of Taihu Lake based on optical classification with GOCI data[J]. Spectroscopy and Spectral Analysis, 2016, 36(8): 2 562-2 567.
    [7] Giardino C, Brando V E, Gege P, et al. Imaging spectrometry of inland and coastal waters:State of the art. achievements and perspectives[J]. Surveys in Geophysics, 2019, 40: 401-429. DOI:  10.1007/s10712-018-9476-0.
    [8] Khan M J, Khan H S, Yousaf A, et al. Modern trends in hyperspectral image analysis: A review modern[J]. IEEE Access, 2018, 6: 14 118-14 129. DOI:  10.1109/ACCESS.2018.2812999.
    [9] Hestir E L, Brando V E, Bresciani M, et al. Measuring freshwater aquatic ecosystems: The need for a hyperspectral global mapping satellite mission[J]. Remote Sensing of Environment, 2015, 167: 181-195. DOI:  10.1016/j.rse.2015.05.023.
    [10] 于泉洲, 周蕾, 王绍强, 等. 基于EO-1 Hyperion的中国典型森林冠层高光谱特征分析[J]. 云南大学学报: 自然科学版, 2018, 40(5): 947-954. Yu Q Z, Zhou L, Wang S Q, et al. An analysis on the spectrum characteristics of Chinese typical forest canopy in growing season based on EO-1 Hyperion images[J]. Journal of Yunnan University: Natural Sciences Edition, 2018, 40(5): 947-954.
    [11] 汪金花, 曹兰杰, 郭云飞, 等. 铁尾矿高-多光谱遥感特征分析与信息识别[J]. 云南大学学报: 自然科学版, 2019, 41(5): 974-981. Wang J H, Cao L J, Guo Y F, et al. Feature analysis and information identification of the iron tailings by high−multispectral remote sensing[J]. Journal of Yunnan University: Natural Sciences Edition, 2019, 41(5): 974-981.
    [12] 王美玲, 焦琳琳, 王晓红, 等. 曹妃甸湿地典型植被光谱特征差异性分析[J]. 浙江农业学报, 2019, 31(6): 963-969. DOI:  10.3969/j.issn.1004-1524.2019.06.14. Wang M L, Jiao L L, Wang X H, et al. Differences in spectral characteristics of typical vegetation in Caofeidian wetland[J]. Acta Agriculturae Zhejiangensis, 2019, 31(6): 963-969.
    [13] 吴志明, 李建超, 王睿, 等. 基于随机森林的内陆湖泊水体有色可溶性有机物(CDOM)浓度遥感估算[J]. 湖泊科学, 2018, 30(4): 979-991. Wu Z M, Lin J C, Wang R, et al. Estimation of CDOM concentration in inland lake based on random forest using Sentinel-3A OLCI[J]. Journal of Lake Sciences, 2018, 30(4): 979-991.
    [14] 王菁晗, 何吕奇姝, 杨成, 等. 太湖、巢湖、滇池水华与相关气象、水质因子及其响应的比较(1981—2015年)[J]. 湖泊科学, 2018, 30(4): 897-906. Wang J H, He L Q S, Yang C, et al. Comparison of algal bloom related meteorological and water quality factors and algal bloom conditions among Lakes Taihu, Chaohu, and Dianchi (1981-2015)[J]. Journal of Lake Sciences, 2018, 30(4): 897-906.
    [15] 杨昆, 罗毅, 徐玉妃, 等. 基于无线传感器网络与GIS的蓝藻水华爆发动态监测与模拟[J]. 农业工程学报, 2016, 32(24): 197-205. DOI:  10.11975/j.issn.1002-6819.2016.24.026. Yang K, Luo Y, Xu Y F, et al. Dynamic monitoring and simulation of Cyanobacteria Bloom based on wireless sensor network and GIS[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(24): 197-205.
    [16] 李丹丹, 张绪. 2019年云南省河湖保护治理初显成效: 前9个月滇池全湖平均水质达Ⅳ类[EB/OL]. http://sthjj.km.gov.cn/c/2019-11-13/3198047.shtml, 2019-11-13.

    Li D D, Zhang X. In 2019, the protection and management of rivers and lakes in Yunnan Province showed initial results. In the first 9 months, the average water quality of the entire lake in Dianchi Lake reached Class IV.[EB/OL]. http://sthjj.km.gov.cn/c/2019-11-13/3198047.shtml, 2019-11-13.
    [17] 李根保, 李林, 潘珉, 等. 滇池生态系统退化成因、格局特征与分区分步恢复策略[J]. 湖泊科学, 2014, 26(4): 485-496. DOI:  10.18307/2014.0401. Li G B, Li L, Pan M, et al. The degradation cause and pattern characteristics of Lake Dianchi ecosystem and new restoration strategy of ecoregion and step-by-step implementation[J]. Journal of Lake Sciences, 2014, 26(4): 485-496.
    [18] 喻俊, 李晓敏, 张权, 等. 基于实测高光谱数据的太湖湖滨带典型植被分类[J]. 江苏农业科学, 2017, 45(5): 240-244. Yu J, Li X M, Zhang Q, et al. Classification of typical vegetation along the shoreline of Taihu Lake based on measured hyperspectral data[J]. Jiangsu Agricultural Science, 2017, 45(5): 240-244.
    [19] 童庆禧, 张兵, 郑兰芬. 高光谱遥感——原理、技术与应用[M]. 北京: 高等教育出版社, 2006.

    Tong Q X, Zhang B, Zheng L F. Hyperspectral remote sensing——principles, techniques and applications[M]. Beijing: Higher Education Press, 2006.
  • [1] 汪金花曹兰杰郭云飞赵礼剑吴兵 . 铁尾矿高−多光谱遥感特征分析与信息识别. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20180656
    [2] 杜建海彭明春王崇云陈振亮付琦梁国军 . 基于可视域分析的滇池流域面山植被恢复方案设计. 云南大学学报(自然科学版),
    [3] 罗 燚甘淑袁希平 . 山坝乡村聚落时空变化特征分析研究:以宁洱镇为例. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20190569
    [4] 张梅李原王若南 . 滇池浮游植物种类的动态变化. 云南大学学报(自然科学版),
    [5] 李原张梅王若南 . 滇池的水华蓝藻的时空变化. 云南大学学报(自然科学版),
    [6] 张梅李原王若南 . 滇池浮游植物的生物多样性调查研究. 云南大学学报(自然科学版),
    [7] 茹菁宇尹雯周俊杰朱熔钢王家强刘士清张无敌 . 含铁化合物对滇池藻性状的影响研究. 云南大学学报(自然科学版),
    [8] 黄丽娟常学秀刘洁王海龙赵瑾 . 滇池水-沉积物界面氮分布特点及其对控制蓝藻水华的意义. 云南大学学报(自然科学版),
    [9] 王丽珍徐小清周文博肖衡 . 云南滇池马村湾、海东湾底栖动物本底调查研究. 云南大学学报(自然科学版),
    [10] 王魏根王丽珍刘永定肖邦定杨洋鲍慈光朱光辉 . 椭圆背角无齿蚌对重金属元素的积累作用. 云南大学学报(自然科学版),
    [11] 李晓铭杨树平张宇赵世民高龙超徐涛 . 入滇池河流柴河、宝象河与盘龙江浮游藻类多样性调查及其水质监测研究. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20120744
    [12] 于泉洲周蕾王绍强孙雷刚刘煜杰汤庆新曹建荣 . 基于EO-1 Hyperion的中国典型森林冠层高光谱特征分析*. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20170710
    [13] 段焰青陶鹰者为王明锋朱保昆黄静文叶灵李青青 . 近红外光谱分析技术在烟叶产地鉴别中的应用. 云南大学学报(自然科学版),
    [14] 段焰青李青青者为王明锋夏建军王欣林邹楠邓国宾 . 近红外光谱相似度匹配分析方法鉴别烟支真伪. 云南大学学报(自然科学版),
    [15] 段焰青者为王明锋朱保昆黄静文叶灵李青青 . 近红外光谱分析技术在烟叶产地鉴别中的应用. 云南大学学报(自然科学版),
    [16] 彭泽瑜彭明春王崇云秦瑞潘燕李望军周瑞伍 . 金沙江流域(云南部分)植被光谱特征季节变化研究. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20130245
    [17] 阮春生张强陈林丁波洋方力陈穗云 . 不同烟草品种紫外-可见光谱特征的提取研究. 云南大学学报(自然科学版),
    [18] 邹佳秀贾翔黄铁成陈蜀江来风兵尹小英汪东 . 天山北坡野苹果混生植被花期冠层光谱特征研究. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20170645
    [19] 姜勇 . 基于ADTD监测网络2012年云南省地闪特征分析. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20130568
    [20] 于传波聂仁灿周冬明何敏 . 变空间协同表示判别分析的特征提取算法. 云南大学学报(自然科学版), doi: 10.7540/j.ynu.20170590
  • 加载中
图(6)
计量
  • 文章访问数:  280
  • HTML全文浏览量:  279
  • PDF下载量:  10
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-21
  • 录用日期:  2020-03-06
  • 网络出版日期:  2020-05-29

滇池不同空间分布水体的高光谱特征差异分析

    作者简介:胡 琳(1994−),女,云南人,博士生,主要从事摄影测量与遥感技术研究.E-mail:hl112365@163.com
    通讯作者: 甘淑, bo5200909@163.com
  • 1. 昆明理工大学 国土资源工程学院,云南 昆明 650093
  • 2. 云南省高校高原山区空间信息测绘技术应用工程研究中心,云南 昆明 650093
  • 3. 滇西应用技术大学,云南 大理 671000

摘要: 滇池作为污染十分严重的高原湖泊之一,其水质监测工作备受关注. 利用高光谱遥感监测水质,便于动态长期监测并能找出污染源及其空间分布差异. 因此,文章基于珠海一号高光谱卫星数据,从空间尺度上,分别选取滇池内部不同区域的水体进行高光谱试验分析比较. 试验结果认为:①研究区草海和外海水体在近红外波段内反射率差异最大,可用于2类水体的识别与提取,以及对水体内叶绿素含量进行初判断;②研究区入湖口和出湖口位置的水体光谱曲线在880~940 nm范围内变化异常,可用于2处水体的识别与提取,并推测因水体中悬浮物颗粒影响改变了变化趋势;③湖心和湖岸带水体在近红外波段内,反射率差值先增至最大再逐渐减小,可根据此光谱特征实现2个区域水体的识别与提取,并推测可能是由于水体内悬浮物体积浓度影响导致光谱差异. 综上所述,近红外波段有很好的光谱响应特征,可以较好地反映并识别湖泊的不同空间分布差异. 同时,对于水环境条件差异也可以进行更好地判断.

English Abstract

  • 高原湖泊具有气候调节,为该流域的人民提供工农业生产和生活用水,利于水产养殖等功能[1]. 云南省地处云贵高原,地势较高,淡水资源十分有限,因此高原湖泊成为了云南省重要的自然资源[2]. 但因受高原山地气候和地形的影响,高原湖泊存在水体循环周期长、补给水源少、湖泊出口少、自身净水能力差等问题,高原湖泊的生态系统极其脆弱. 滇池是云南“九湖”高原湖泊之一,受城镇化、农业现代化、工业化进程加快等影响,加剧了入湖污染负荷[3]. 滇池作为污染十分严重的高原湖泊,富营养化严重程度为世界罕见.

    云贵高原淡水资源匮乏、水质污染的问题多年来备受关注,而水质监测是水资源预防、治理以及水质评价的重要依据[4-5]. 其中,以滇池为典型代表的内陆高原湖泊,水质污染逐渐加重,其水体水质的优劣关系到该流域人民的生产和生活. 因此,高效、准确地进行水质监测显得十分重要. 遥感技术以其优势为水质监测提供了重要条件,但由于内陆湖泊水体的光学特性较为复杂,空间尺度小,水体环境多变,空间差异大[6],而多光谱遥感数据存在信息量不足、无法满足水质监测需求等问题. 相比之下,高光谱数据则可以更好地获取水体的光谱特征,得到水质参数的空间分布差异[7-9],从而在空间尺度上为水质监测提供重要的科学理论依据与支持. “珠海一号”遥感数据因为其高光谱、高空间分辨率的特征,在湖泊水质监测中起到了重要作用. 近年来,国内外众多学者运用高光谱卫星数据,在水体光谱特征分析方面进行了大量的研究[8-12],但从空间分异角度进行湖泊水体高光谱特征分析尚未见相关报道. 基于上述研究背景,本文运用“珠海一号”高光谱卫星数据,对滇池不同空间分布的水体光谱特征进行比较分析. 分别选择滇池草海和外海−出湖口和入湖口−湖心和湖岸带3组不同的空间水体作为监测对象进行试验,以期从高光谱特征分析的角度初步获取滇池水体环境的不同空间分布差异特征状况. 为运用遥感手段进行滇池水体环境监测提供技术支持,也为湖泊水色遥感的发展提供科学依据.

    • “珠海一号”高光谱遥感卫星于2018年4月26日成功发射,共32个波段,其10 m的空间分辨率、3~8 nm的光谱分辨率能较好地满足试验需要. 本文使用的研究数据源是2019年4月22日所获取的滇池流域影像,该影像为L1A级标准数据,通过对影像进行预处理再运用于后续试验分析,预处理过程包括辐射定标、大气校正、正射校正、图像镶嵌和裁剪,具体预处理流程如图1所示.

      图  1  珠海一号预处理流程图

      Figure 1.  ZH-1 preprocessing flowchart

    • 滇池(24°40'~25°02'N,102°37'~102°48'E)位于云贵高原中部,湖面面积309.5 km2,是西南片区的第1大湖,也是中国第6大淡水湖[13]. 由一条人为湖堤将滇池划分为南北两部分,成为划分深海区与浅海区的天然界线. 北部称为内海,又名草海,水面仅占滇池面积的3.4%,水深1~3 m,水草丰茂,天然成塘;南部称为外海,为滇池的主体,平均深度约5 m[14]. 在过去的40年中,滇池的水质急剧变差,下降了3个等级. 20世纪60年代为Ⅱ类水质、70年代为Ⅲ类水质、80年代草海为Ⅴ类水质、外海为Ⅳ类水质,90年代水质更劣于往昔,草海为超Ⅴ类水质、外海为Ⅴ类水质[3, 15]. 近年来,滇池通过一系列治理工作的实施,草海与外海的水质有所改善,2019年上半年,滇池草海符合Ⅳ类标准、外海符合Ⅴ类标准[16],但仍然存在较严重的污染情况.

      为了更科学地显示和分析滇池近期的水质情况,本研究的试验方案(图2)设计如下:

      图  2  试验方案

      Figure 2.  Test plan

      (1)针对研究区草海、外海水体水质的差异性,分别对研究区的草海、外海水体均匀取样,各取10个样点,每个样点大小为2px×2px(像素),计算平均光谱反射率后,分别进行不同水体的高光谱特征对比分析.

      (2)滇池流域共有29条主要入湖河流,其中盘龙江是最大的一条河流. 盘龙江水质的优劣对滇池生态环境有十分重要的影响. 因此,以盘龙江入湖口为例进行抽样研究,绘制入湖口范围线,生成1 km的缓冲区,在滇池湖岸线内侧的缓冲区中均匀取10个样点进行入湖口位置的水体高光谱特征分析;海口闸是滇池唯一的出湖口,滇池所汇入的众水由此注入金沙江,因此绘制海口闸范围线,生成1 km的缓冲区,在滇池湖岸线内侧的缓冲区中均匀取10个样点进行出湖口位置的水体高光谱特征分析.

      (3)基于滇池湖心、湖岸带水体环境存在差异性[16],为了对湖泊湖心和湖岸带水体进行高光谱特征对比分析研究,我们根据湖泊南北湖岸线获取两岸湖岸线的中心线,以中心线500 m为缓冲区,在缓冲区内均匀取10个样点进行湖心水体的高光谱特征分析.

      研究区所有取样点布设位置如图3所示.

      图  3  滇池取样点布设位置

      Figure 3.  Location of sampling points in Dianchi Lake

    • 草海与外海2类水体的反射光谱曲线如图4所示. 2类水体均遵循水体反射光谱的变化规律,总体趋势为随着波长的增长,光谱反射率降低. 在626~686 nm范围内,2类水体光谱差异较小,而且光谱曲线之间交叉重叠严重,此光谱范围内难以对2类水体进行区分. 但也发现,2类水体的反射光谱曲线仍有较多波段存在差异. 在476~500 nm范围内,草海水体光谱反射率高于外海水体,尤其在480 nm处草海水体出现反射峰值且为此光谱曲线的极大值;在520~626 nm范围内,外海水体光谱反射率高于草海水体;在686~730 nm范围内,外海水体光谱曲线在716 nm时出现反射峰,686 nm时出现吸收谷,而草海水体光谱曲线较为平稳,未出现明显的反射峰或吸收谷. 近红外波段内,2类水体波动情况相似,但反射率差异最大,草海水体的光谱反射率高于外海水体,并且在896 nm时反射率差值最大,达0.090;896 nm以上波段可明显看到外海水体光谱曲线呈陡坡式增大,斜率较大,而草海水体的增长则相对平缓,根据数值计算可知在896~940 nm范围内,外海水体光谱曲线斜率约为草海水体的3倍. 此外,2类水体在820 nm和866 nm均出现2个反射峰,在776、850 nm和880 nm均出现3个吸收谷. 综上可见,2类水体在近红外波段有明显差异特征,可用于2类水体的识别与提取.

      图  4  滇池草海与外海水体反射光谱曲线

      Figure 4.  Reflectance spectra of Caohai and offshore waters in Dianchi Lake

      由于在可见光范围内,水体的反射光谱特征主要受到水体表面、水体悬浮物、水底部物质和水体叶绿素体积浓度的影响. 在可见光范围内,草海水体光谱反射率呈逐步下降趋势,且蓝绿波段内草海光谱反射率高于外海,推断可能是因为草海较外海的叶绿素体积浓度更高、水草更加丰茂、水深更浅所致. 在近红外波段范围内,水体的光谱反射率通常会逐渐接近于零,对于入射的电磁波能量几乎可以完全吸收[18]. 草海和外海水体可能是因为受叶绿素体积浓度影响,2类水体的光谱反射率并未随波段的增长而逐渐减小. 基于此光谱特征可以进一步对水体内叶绿素体积浓度进行初判断.

    • 入湖口与出湖口2处水体光谱曲线如图5所示,总趋势呈现随波长的增长而光谱反射率逐渐降低,且入湖口水体的整体反射率高于出湖口水体. 在580~686 nm范围内,2处水体反射光谱曲线平行,且与波长均呈负相关;在850~880 nm范围内,2处水体反射光谱曲线几乎重叠. 以上为2处水体的反射光谱相似之处,但又存在很大差异,若分段讨论2处水体的反射光谱曲线的差异,可以发现:476~580 nm范围内,入湖口水体反射光谱曲线波动较为明显,分别在480、536 nm和556 nm出现3个反射峰,480 nm时达到极大值,520 nm和550 nm出现2个吸收谷,而出湖口水体光谱反射率随波段的增大而平缓减小,缺失明显的蓝峰、绿峰、绿谷等特征参数,反射光谱曲线更接近于平滑曲线;近红外波段内,入湖口水体光谱反射率整体高于出湖口水体,且在806 nm时2处水体反射率差值最大,达0.064;入湖口水体反射光谱曲线在820~850 nm和880~910 nm范围内均出现2个反射陡坡,880 nm处达到谷值;在880~940 nm范围内,2处水体反射率均随波长的增长,反射率逐渐增大,2处水体均未对入射电磁波能量进行完全吸收,此反射光谱曲线变化异常,可用于2处水体的识别与提取.

      图  5  滇池出入湖口位置的水体反射光谱曲线

      Figure 5.  The reflectance spectra of water bodies from the inlet and outlet of the lake in Dianchi Lake

      通过以上光谱差异基于在可见光波段内的分析可知,入湖口水体反射率高于出湖口,且反射光谱曲线蓝光部分的反射率显著下降,而绿光部分的反射率上升更为明显,推断可能是因为入湖口水体叶绿素体积浓度大于出湖口,且水生植物较多所致[19]. 此外,因为入湖口水体悬浮物体积浓度大于出湖口,且入湖口水体悬浮物颗粒粒径小于出湖口,所以在近红外波段内入湖口水体的光谱反射率整体高于出湖口水体,推测可能是因为受水体中悬浮物颗粒的影响,水体光谱曲线在近红外波段内的变化趋势发生了改变[19].

    • 湖心与湖岸带的反射光谱曲线如图6所示,可见2个区域水体的反射光谱曲线变化趋势基本一致,均随波长的增长而光谱反射率逐渐降低,但湖岸带水体的光谱反射率总体高于湖心水体. 虽然整体上2个区域水体的光谱特性十分相似,均符合水体的反射光谱曲线,但也存在着微小的差异:在476~580 nm范围内,湖岸带水体在480 nm处出现反射峰,且为湖岸带水体的反射率极大值,在520 nm出现吸收谷,而湖心水体的反射光谱曲线更趋近于平滑曲线;在580~686 nm范围内,光谱反射率随波长的增长逐渐减小;在近红外波段内,2个区域水体均在820 nm处有明显反射峰,776、850 nm和890 nm处出现吸收谷,880 nm为2个区域水体的光谱反射率极小值. 可知2个区域水体的光谱曲线总体趋于平行,在近红外波段内光谱反射率差值先逐渐增大至最大,再逐渐减小,差值最大在760 nm时,达0.070. 在近红外波段内,可根据2个区域水体的反射率差值变化情况实现2个区域水体的识别与提取.

      图  6  滇池湖心、湖岸带水体反射光谱曲线

      Figure 6.  Reflectance spectra of water bodies in the center and shore of Dianchi Lake

      通过以上反射光谱差异,推断可能是因为湖岸带处藻类密度较大于湖心处,且湖岸带处水深较湖心处更浅,所以在可见光波段内湖岸带水体的光谱反射率高于湖心水体. 此外,可能是因为湖岸带水体悬浮物体积浓度高于湖心水体,所以在近红外波段内湖岸带水体的光谱反射率高于湖心水体.

    • 通过3组试验对滇池不同空间分布的水体进行高光谱特征对比分析,得到以下结论:

      (1)滇池草海与外海水体在近红外波段内的波动情况相似,但反射率差异最大,近红外波段内光谱反射率草海均高于外海,可用于2类水体的识别与提取. 同时,对水体中叶绿素体积浓度进行初判断.

      (2)滇池入湖口和出湖口位置的水体光谱曲线在880~940 nm范围内变化异常,均未对入射电磁波能量进行完全吸收,与波长呈负相关,可用于2处水体的识别与提取. 并推测是受水体内悬浮物颗粒影响改变了变化趋势,通过高光谱影像进行的初步推测,便于后续进行实地取样试验.

      (3)滇池的湖心与湖岸带水体在近红外波段内,反射率差值先逐渐增大至最大,再逐渐减小,由此可实现2个区域水体的识别与提取. 并推断可能是由于水体中悬浮物体积浓度的不同,导致近红外波段存在较大差异. 同时,发现近红外波段有很好的光谱响应特征,可以较好地反映并识别滇池水体的不同空间分布差异特征. 并且对于水环境条件的不同空间分布差异特征也可以进行很好的初步判断,如水体中叶绿素体积浓度的判断、水深的判断、水体内悬浮物体积浓度及悬浮物颗粒大小的初步推断等.

      综上所述,本研究结果可为不同空间分布的水体识别提供理论依据,从而更好地开展湖泊水质监测,为高原湖泊水体的有效保护和规划提供有效信息,并利用高光谱遥感卫星影像对不同时期的高原湖泊空间差异进行制图,以实现湖泊水体的高效治理.

参考文献 (19)

目录

    /

    返回文章
    返回