2016—2021年江汉平原水质时空变异分析

近年来,人类活动的加剧造成江汉平原水体水环境质量下降,导致河网中下游水质序列发生复杂的演变。本文基于2016—2021年江汉平原四湖流域水环境质量监测数据,分析特征污染物的分布特征、变化规律及主要环境影响因素,诊断水质序列时空变异,探讨可变要素集和影响因素集。研究表明:1)四湖流域中下游水质序列变异普遍显著,存在明显浓度梯度变化。2)过度水产养殖导致河道水质季节性超标现象凸显。3)面源污染和生态基流是影响干渠水质变化的主导因素。结果表明,本文分析方法在水质变化分析中具有一定的适用性。

Sentinel-2数据的小型湖泊水生植被类群自动提取方法——以翠屏湖为例

针对传统的水生植被遥感监测研究大多是面向大型浅水湖泊,利用Landsat和MODIS数据开展,且很少关注水生植被主要类群的细分,该文以小型湖泊-翠屏湖为例,利用欧空局Sentinel-2高分卫星数据,基于不同水生植被类群及水体间的光谱特征差异,构建了浮叶类植被指数(floating-leaved aquatic vegetation index,FAVI)和沉水植被指数(submerged aquatic vegetation index,SAVI)2个新的植被指数作为分类特征,结合Otsu算法,实现翠屏湖浮叶类植被类群、沉水植被类群和水体的自动提取。经验证,总体分类精度为88.57 %,Kappa系数为83.78%,并通过多期影像开展了算法的普适性检验。本研究为快速获取小型浅水湖泊的水生植被类群提供了高效的方法,可为湖泊管理和生态修复提供科学依据。

一种基于高斯拟合的水生植被遥感分类阈值确定方法

水生植被作为浅水湖泊的重要组成,其丰度和盖度变化影响着湖泊生态系统的平衡。卫星遥感技术是浅水湖泊水生植被类群时空监测的有效手段,决策树是目前主流的水生植被遥感分类方法。但决策树中分类特征的阈值大多是通过与影像同步的大量实测样点训练确定,对于缺少实测样点的影像,难以获取准确阈值,成为水生植被类群分布历史重建的瓶颈。基于HJCCD影像数据,获取洪泽湖水生植被类群敏感光谱特征图像的直方图,结合高斯模型,建立了一种基于高斯拟合的水生植被遥感分类阈值计算方法,计算得到分类特征的阈值并建立决策树,开展洪泽湖的水生植被类群提取,分类总体精度为84%,Kappa系数为76%.该方法可实现缺少同步实测样点时,水生植被分类特征阈值的准确、自动化计算,为浅水湖泊的水生植被分布的历史重建提供了有力的方法支撑,进而可对湖泊高效管理和生态修复等提供理论指导。