基于MODIS的太湖叶绿素浓度检测

基于 MODIS 的 太湖叶绿素浓度检测

蔡壮 何波贤 刘旭宁 陈鹏 史策

91206部队 青岛

摘 要 以太湖为试验区，基于MODIS卫星遥感影像数据，使用多波段比值建模，利用相关性系数R²进行比较，选择合适的模型对太湖水体中叶绿素a的浓度进行反演，得到了相应的结果，并对该结果进行了验证和分析。结果表明：利用MODIS卫星的波段4和波段2的波段比值模型可以较好地反演太湖区域的叶绿素a浓度值，可以为今后更精确地监测和反演水体中的叶绿素a浓度提供一定的数据基础。

关键词：MODIS遥感影像；太湖；叶绿素a浓度；波段比值模型

第一章 绪论

1.1研究目的与意义

随着我国经济的快速发展，水环境恶化以及污染是我国面临的重要题。我国很多重要的淡水湖、水库和河段富营养化问题越来越严重。叶绿素a作为最重要的水质检测指标之一，其变量是反映水体富营养化的重要指标。目前，我国对于水质的监测体系主要采取定时定点的地面监测为主而难以实现大规模实时连续监测。遥感技术作为主要的探测技术之一，具有收集资料便捷、检测范围较大、信息量庞大等特点，能够在空间和时间上对水体水质进行广泛监测。国内外许多学者对于二类水体中叶绿素a含量反演进行了大量研究，包括叶绿素 a 的光谱特征、最佳波段组合，以及构建反演模型，都取得了重大进展。结合地面实测遥感数据，构建一系列叶绿素a含量反演模型，例如单波段法、波段比值法、三波段法等在二类水体中叶绿素a含量反演中取得了广泛运用^[1]。

1.2国内外研究现状

国内的研究区主要集中在水体污染较严重或水质要求较高的地区，包括长江中下游的太湖、鄱阳湖、巢湖、洪泽湖、秦淮河、三峡坝区等，云南的滇池、洱海等，京津冀地区的妫水河、官厅水库、白洋淀、密云水库等，东北的克钦湖、查干湖、松花湖、新庙泡、石头口门水库、大伙房水库等。长江中下游是研究最多的地区，这里是全国经济最发达的地区，人口密度比较大，而且河流湖泊众多，是水体最容易受到污染的地区。

第二章 数据基础

2.1 研究区概况

太湖湖水面积2338㎞²，西南部湖岸平滑呈圆弧形，东北部湖岸曲折多湖湾、山甲角。湖泊长68公里，最大宽度56公里。近年来，由于太湖流域经济区快速发展和周边城市的工业化、城市化，产生大量废水、污水，使太湖水体富营养化问题日趋严重。每年大范围爆发蓝藻水华，不仅使湖中鱼虾大面积死亡，破坏水体生态平衡，同时对周边居民生活用水产生了严重影响，对经济和生态造成了难以计算的损失。因此，采用遥感技术对太湖叶绿素a 进行连续实时的监测具有重要意义。

2.2 MODIS数据介绍

本次使用的是数据标识为MOD021KM.A2009279.0235.061.2017306002719的2020年10月6日MODIS产品。

MODIS是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器，全球许多国家和地区都在接收和使用MODIS数据^[2]。

EOS系列卫星上的最主要的仪器是中分辨率成像光谱仪（MODIS），其最大空间分辨率可达250米。

MODIS是当前世界上新一代“图谱合一”的光学遥感仪器，有36个离散光谱波段，光谱范围宽，从0.4微米（可见光）到14.4微米（热红外）全光谱覆盖。

第三章 基于MODIS数据的叶绿素反演

3.1 数据处理流程

图3.1

3.2 几何校正

使用ENVI插件MODIS Conversion Toolkit完成MODIS的几何校正

图3.2 校正插件 图3.3校正结果

3.3 大气校正（6s）

6s大气校正：

MODIS数据6s大气校正，用6s大气模型小程序，分别需要输入几何参数、大气模式、气溶胶类型参数、气溶胶含量参数、目标高度参数、传感器高度参数、光谱参数、地表反射率类型、激活大气订正方式^[3]。然后该程序会输出一个文档，根据文档输出的参数，对几何校正后的图像进行单波段计算，计算出来的图像就是单波段的大气校正图像，然后对这些单波段影像进行波段融合。

图3.4band1,2,3,4融合结果

3.4 模型建立与验证

（1）模型建立：

根据由波段比值和实测叶绿素浓度建立的一次模型，分别运用Band Math工具对波段比值图像进行计算，得到整个太湖区域的叶绿素浓度图像。

图3.6 band2/band3 MODIS建模图像

图3.5 band2/band1 MODIS建模图像

图3.7 band2/band4 MODIS建模图像

（2）验证：

图3.8 b2/b4模型验证 图3.9 b2/b3模型验证 图3.10 b2/b1模型验证

表3.1 三种反演模型验证误差分析

由上图和上表可知，band2/band4份的R²最高，所以选择band2/band4反演叶绿素浓度^[14]。

3.5 反演结果

图 3.161 MODIS反演

4. 结论

文章研究表明，MODIS星可对太湖叶绿素a(Chla)进行反演。尽管局限于较低的空间分辨率，但是通过建立波段比值模型依然可以完成对太湖水域的叶绿素a(Chla)浓度的空间分布的宏观把握^[5]。通过研究过程，可以发现band4和band2的比值模型效果最好，可以进一步对时间适应性进行反演模型研究。

6.参考文献

[1]郑高强. 基于MODIS卫星的厦门海域叶绿素a浓度反演[D]. 四川:西南交大, 2010. 15-18

[2]戴芳筠. 基于MODIS的太湖叶绿素a含量反演[C]. 山东:地球与环境, 2017. 6-7

[3]柳钦火. 基于地表温度和植被指数的农业干旱遥感监测方法[R]. 北京:大众科技, 2011. 22-24

[4]王珊珊. 太湖水体叶绿素浓度反演模型适宜性分析[D]. 南京:南京师范大学虚拟地理环境实验室, 2002. 7-9

[5] 王震. 太湖叶绿素a的时空分析特征及其与环境因子的相关关系[D]. 湖泊科学, 2014. 6-7