基于CDOM吸收特性的东北地区水库DOC浓度遥感估算

有色溶解性有机物(CDOM)广泛存在于水体中,占溶解有机碳(DOC)10%~90%,其浓度影响水环境碳循环过程、污染物质迁移以及水生生物群落的结构和功能。为分析东北地区水库DOC碳循环情况,本文于2015—2020年对第二松花江流域典型水库白山水库和丰满水库进行5次现场观测和室内实验,在分析CDOM吸收特性的基础上,基于Landsat系列卫星利用波段比值法建立CDOM浓度反演模型(R^(2)=0.82),根据实测值CDOM与DOC的强相关性(R^(2)=0.78),进而估算水库DOC浓度。结果表明:①利用野外实测数据和Landsat系列卫星能够对东北内陆水库CDOM浓度进行良好反演,②2000—2020年白山水库和丰满水库年际CDOM和DOC浓度变化不大,在2010年之后表现出轻微上升趋势,CDOM浓度从支流和干流的汇入到主库区呈现逐渐减少趋势,③白山水库和丰满水库M值(CDOM在250和365 nm处吸收系数比值)和S _(275~295)(CDOM在275~295 nm波段处的吸收光谱的斜率)较小、SUVA _(254)(CDOM在波长254 nm处的吸收系数与DOC浓度的比值)较大,表明其CDOM组分中腐殖质含量较高,倾向于陆源大分子,④利用多元回归分析方法分析水库CDOM变化主要受到降水、化肥施用量和污水排放量的影响。综上,本研究丰富了对东北典型水库CDOM浓度变化的认识,为构建东北地区水库CDOM反演模型和DOC储量估算提供了数据基础。

青藏高原典型湖库光学吸收特性与光合有效辐射衰减系数初步研究

青藏高原地区分布的湖泊数量众多、面积较大、分布范围广泛.受制于恶劣的自然条件,对该地区湖泊的光学吸收特性以及光合有效辐射衰减系数(Kd(PAR))的研究鲜有成果.本文依据2014和2015年间采集的13个典型高海拔、湖泊面积较大的湖库的现场实测数据和实验室测定数据,分析了采样湖库各个采样点的Kd(PAR)特征以及有色可溶性有机物(CDOM)、藻类颗粒物吸收及非色素颗粒物吸收特性,计算并分析了Kd(PAR)与透明度以及光学活性物质的关系.研究结果表明:青藏高原地区各湖库平均各项颗粒物吸收系数均较低,总颗粒物吸收系数在400~700 nm波段内不超过0.14 m^(-1)、CDOM吸收系数在355 nm波长处最高,为1.23 m^(-1)、最低接近于0、藻类颗粒物吸收特性不明显;实验数据完整的巴木错、格仁错和班公错的主导吸收组分各异,其中巴木错为CDOM吸收主导,格仁错与班公错为非色素颗粒物吸收主导;青藏高原采样湖泊总体Kd(PAR)平均值较小,仅为0.26 m^(-1),样点最大值出现在可鲁克湖(1.17 m^(-1)),最小值出现在普莫雍错(0.10 m^(-1));在采样湖泊中Kd(PAR)与透明度呈显著相关;Kd(PAR)与CDOM的相关性最强,叶绿素a浓度次之,与总悬浮颗粒物浓度的相关性最不显著.

基于Sentinel-1A的2016年长江中下游重灾区洪水遥感监测及灾情评估

基于Sentinel-1A雷达成像系统,对2016年5月18日—8月10日长江中下游流域洪水灾害最为严重的区域(115°~117°E,28°~31°N)的整个洪水周期进行了时序动态监测,掌握整个流域的洪水水情状况,并快速提取了洪水淹没范围,对受灾地区的灾情进行评估。据监测结果,整个研究区受灾面积总计达2 096.95 km2,受灾最为严重的区域位于大型湖泊、水库周围地势相对平坦低洼的区域;在各县级行政单元中,安徽省南部的县城受灾最为严重,宿松县受淹面积最大,达290.09 km2,占全县面积的12.12%;在各地表覆被类型中,耕地和居民地受洪水灾害影响最大,占总受淹面积的80.33%,受淹耕地总计947.45 km2,受灾居民地总计76.06 km2,其中,旱地受洪灾影响最严重的区域位于安徽省怀宁县(150.95 km2),占所有受灾旱地面积的22.55%,水田受洪灾影响最为严重的县为安徽省宿松县(90.58 km2),占所有受灾水田面积的32.57%;居民地受洪灾影响最为严重的为安徽省怀宁县(12.85 km2),占所有受灾居民地总面积的16.89%。

内陆水体CDOM光学特性与遥感反演研究进展

内陆水体(湖泊、水库、河流)在全球碳循环过程中起着重要作用,其中有色溶解有机物(CDOM)是内陆水体中溶解态有机物质,对水体的光学特性和生物地球化学过程具有重要的影响.由于受到时空变化和人类活动的影响,内陆水体的CDOM组分、来源与光学性质较为复杂.不同区域内或者同一研究区不同的水体类型,CDOM光学特性之间存在着较大差异,通常选取CDOM的吸收系数表征CDOM浓度,通过三维荧光光谱(EEM)表征CDOM荧光组分与来源.首先论述了CDOM的重要作用,并从文献计量学的角度分析了CDOM近20多年的研究进展;其次阐述了CDOM吸收与荧光特性的变化特征,进而分析CDOM荧光组分或者吸收系数变化的驱动因素,阐明了光化学作用与微生物作用对其组分与吸收的影响;最后根据CDOM与溶解有机碳(DOC)的关系,简述了遥感在估算内陆水体CDOM及DOC方面的作用,并讨论了CDOM研究的不足与展望.

东北地区水库信息遥感提取与格局分析

选取102景Landsat TM影像,通过水体信息分类处理,得到2010年东北地区水库分布图。根据水库分布格局,选取了5个典型区域,进行了1985~2015年东北地区水库数量、面积及其变化研究。结果表明,2010年东北地区共有水库3 722座,总面积为5 327.36 km^2,其中,黑龙江省有920座、吉林省有1 807座、辽宁省有743座、内蒙古自治区有252座水库;1985~2015年期间,5个典型区内的水库数量和面积整体呈增加趋势。

三个时期青藏高原冰川补给型湖泊的变化

根据美国国家冰雪数据中心（NSIDC）发布的2012年全球冰川分布数据等资料,选取青藏高原冰川分布较集中的地区作为研究区,利用1995年、2005年和2015年3个时期Landsat TM/ETM＋/OLI遥感影像数据和研究区附近气象站的气象资料,综合利用＂3S＂技术和统计分析方法等,研究3个时期研究区内湖泊面积与数量及其变化,从气候要素变化与冰川退缩角度分析其驱动因素。研究结果表明,3个时期研究区冰川补给型湖泊整体呈扩张态势,1995年、2005年和2015年的冰川补给型湖泊面积分别为10700.5 km^2、11910.7 km^2和12518.3 km^2;与1995年相比,2005年的湖泊数量增加了2 041个,与2005年相比,2015年的湖泊数量增加了21个;分布在研究区各流域中的冰川补给型湖泊变化状况不同,分布在羌塘高原上的湖泊扩张幅度大,分布在柴达木盆地中的湖泊呈缓慢扩张态势,分布在研究区南部雅鲁藏布江流域中的湖泊相对稳定,还有一些湖泊在萎缩。随着海拔的增加,研究区中的湖泊数量和面积都呈现类似正态分布的特征。1995-2015年期间,冰川退缩和气温上升是导致青藏高原冰川补给型湖泊面积和数量变化的主要原因。

内陆水体藻蓝蛋白遥感反演研究进展

藻蓝蛋白(PC),作为蓝藻的标志性色素,通常被用作进行蓝藻水华遥感监测的标志物。近年来,内陆水体水质恶化,富营养化加剧,藻华频发,PC遥感反演研究越来越受到关注。本文从PC光学特性、反演算法开发、卫星传感器应用等方面难点及干扰因素,综合梳理了过去30 a PC遥感反演研究的发展历程和趋势,以期理解国内外相关研究的新思路和新方法,掌握未来PC遥感反演发展研究的新动态,为水质和水资源的监管提供数据和理论基础。过去的30 a里,PC遥感反演研究发文量持续走高,并在算法上取得突破性进展,先后出现了很多经典算法,如波段比法、基线法、嵌套波段比法、生物光学模型、衍生算法和机器学习算法等,成功地分离出PC特征吸收波段(620 nm)的光谱信息,弱化了其他光学活性物质的影响,获得了较可靠的精度。另外,除高光谱航空/卫星影像数据(Hyperion、HICO)外,多光谱卫星遥感平台的PC遥感反演研究也日趋成熟,可选择的数据源种类较多,如Landsat系列、MODIS、MERIS、Sentinel-2 MSI、Sentinel-3 OLCI,其中MERIS和Sentinel-3 OLCI由于其辐射分辨率、空间分辨率和波段设置更适合用于PC遥感反演,在PC遥感反演中被广泛使用。由于PC光谱信号较弱,且易受叶绿素a、悬浮颗粒物等的干扰,想获得高精度的PC遥感估算,仍然是个挑战,未来PC遥感反演研究将向着PC测试方法的标椎化、算法精细化、时空格局大尺度化及PC遥感反演应用深入化等方面发展。

内陆水体悬浮物波段比值优化模型及藻类丰度对模型精度影响研究

内陆水体中浮游植物的存在对悬浮物(TSM)遥感反演模型精度具有一定的影响,藻类丰度会导致水体遥感反射率降低。实验基于中国、澳大利亚和美国内陆水体的372个采样点(4个数据集)水质分析和光谱实测数据,构建内陆水体遥感反射率与TSM的相关关系,建立最优波段比模型(OBR),并分析了藻类颗粒物存在对该模型精度的影响。由于水质的不均一性,不同区域的水质参数敏感波段存在差异,因此各数据集用于建模的最优波段比值不同。结果表明,OBR模型精度较高,误差较小,中国水体模型验证均具有较好效果(石头口门水库:R^(2)=0.87,RMSE=14.1 mg/L;查干湖:R^(2)=0.82,RMSE=23.6 mg/L),澳大利亚水体模型验证效果最佳,R^(2)值高达0.95(RMSE=4.2 mg/L),美国水体模型精度较低(R^(2)=0.78,RMSE=3.7 mg/L)。研究发现,模型精度受水体叶绿素(Chla)浓度和Chla/TSM比率影响,当水体以TSM浓度较高的非藻类颗粒物为主时(如中国石头口门水库和南澳洲地区水体数据集),最优波段比值模型表现更好;而当水体以浮游植物为主时,水体中的浮游植物的丰度会使光谱信号复杂化,从而限制或降低TSM浓度遥感算法的精度(如美国印第安纳州中部水库数据集)。