2009-2018年内蒙古地表水面积的时空变化及其影响因素

[目的]研究内蒙古自治区各盟(市)地表水面积变化,分析其变化与自然因素和人类活动之间的相关性,为内蒙古地区生态环境保护以及修复研究和水资源管理提供依据。[方法]首先确定归一化水体差异指数(NDWI)来提取地表水分布范围,其次通过统计7种地物类型光谱指数的统计量来确定初始阈值,最后在最佳阈值下提取2009—2018年期间内蒙古地表水并统计面积分析其时空变化特征和影响因素。[结果]2009—2013年阶段内蒙古地表水面积连续增加(slope=247 km^(2)/a);2013—2017年阶段地表水面积急剧减少(slope=150 km^(2)/a);在2018年面积回升到最高点。研究期间各盟(市)地表水面积变化规律和趋势以及影响地表水面积的自然因素或人为因素均有所不同。[结论]年降水量和河流的径流量变化是内蒙古部分盟(市)地表水变化的主要原因之一(阿拉善盟、巴彦淖尔市等)。建造水库,填埋河流及耕地是另一部分盟(市)地表水变化的主要原因(乌海市、呼和浩特市、锡林郭勒盟等)。

基于半分析方法的黄河口悬浮物浓度遥感反演

河口区的悬浮物浓度受陆源输入和水动力等其他因素的影响严重,具有重要研究意义。本文利用黄河口及其邻近区域采集的145个站位光谱数据和悬浮物(Suspended Particulate Matter,SPM)浓度数据,检验了Nechad模型、多波段准分析算法(Quasi-Analytical Algorithm,QAA)、最优化模型和半经验辐射传输模型(Semi-EmpiricalRadiativeTransfer,SERT)在黄河口水域的适用性。结果表明,QAA561模型和Nechad561模型在低浓度水域反演结果较好,QAA655模型反演结果较差,Nechad665模型适合于低浓度水域,但反演精度低。QAA865模型和Nechad865模型在中高浓度水域的反演结果较好。SERT655模型反演精度较低。最优化模型和SERT滑动模型的反演精度较高。由于黄河口水域悬浮物浓度变化范围较大,因此,本文建立了分段QAA模型和Nechad模型。分段模型的反演结果均优于单一模型。根据误差敏感性分析可知,Nechad分段模型和QAA分段模型对于遥感反射率的50%以内的误差不敏感,稳定可靠。将分段模型应用于Landsat-8 OLI数据,获取了悬浮物浓度时空分布图。结果表明,反演结果与已有研究具有相似的分布特征。两种模型得到的悬浮物浓度在数值上存在差异,然而分布趋势在中高浓度季节有非常好的一致性。

乌梁素海沉水植物群落光谱特征及冠层水深影响分析

沉水植物对于改善富营养化水体和重建水生生态系统起着至关重要的作用.应用遥感技术可以实时、大面积监测沉水植物的分布和生长情况,而冠层水深直接影响沉水植物在湖泊、河流中的准确遥感解译.本研究基于实测光谱数据,分析了乌梁素海沉水植物光谱特征,并研究了冠层水深对乌梁素海沉水植物反射光谱的影响,建立了乌梁素海沉水植物冠层水深反演模型.结果表明:1)挺水植物在短波红外1662 nm和2223 nm附近分别有一个反射峰,这是挺水植物区别于沉水植物和漂浮藻类的重要波段;0深度沉水植物(WDC=0)与漂浮藻类的光谱反射率非常接近,但是在绿波段(550~690 nm)有明显差异,因此,可以利用绿波段和短波红外波段的光谱特征来区分挺水植物、沉水植物和漂浮藻类.2)沉水植物群落的光谱反射率随冠层水深的增加而降低,在700~900 nm波段范围内变化最为明显,且在700~735 nm波段附近,沉水植物群落光谱反射率与冠层水深呈显著负相关.3)在建立的单波段/波段比沉水植物冠层水深反演模型中,波段比反演模型要优于单波段反演模型,波段比反演模型的决定系数R2>0.70,均方根误差<13.70 cm,平均相对误差<28%,反演精度较好,适用于10~60 cm沉水植物冠层水深的反演.4)利用波段响应函数,将实测光谱反射率积分到Landsat-8 OLI波段上,建立OLI了冠层水深反演模型,其中,波段比幂函数模型反演效果最好,R2为0.49,均方根误差为18.17 cm,平均相对误差40.05%.可用于精确大气校正后乌梁素海沉水植物冠层水深的反演.

基于SMDPSO算法的呼伦湖藻华遥感监测

水体富营养化所引起的藻华爆发现象是我国面临的重大环境问题之一。以内蒙古呼伦湖为研究区,采用基于离散粒子群优化的光谱匹配(SMDPSO)算法提取藻华,以浮游藻类指数(FAI)的分类结果作为验证数据进行精度检验。然后分析2009-2018年藻华的时空变化特征,并将此算法应用于黄海。结果表明:SMDPSO算法可以有效地识别呼伦湖藻华,与FAI分类结果之间的R^(2)为0.97,RMSE为0.22 km^(2);呼伦湖藻华爆发于7-8月,且主要出现在湖泊边缘;SMDPSO算法既可以较好地识别以蓝藻为优势门的呼伦湖藻华,也可以提取黄海的浒苔(绿藻);SMDPSO算法不仅保留了光谱指数法精度高的特点,而且它还具有成本低、参数少、无需人工干预的优势。该研究为藻华遥感监测提供了新的工具,有助于控制湖泊水体富营养化和改善水生态环境。