楊佳 范建容 張茜彧 于江 朱昕
摘要:懸移質(zhì)泥沙是水環(huán)境的重要參數(shù)之一,其含量的變化對(duì)流域生態(tài)環(huán)境有著多方面的影響。傳統(tǒng)研究方法能夠?qū)崿F(xiàn)懸移質(zhì)泥含量的精確分析,但存在布點(diǎn)有限、時(shí)效不足等問(wèn)題,而遙感技術(shù)可彌補(bǔ)傳統(tǒng)研究方法的不足,實(shí)現(xiàn)大面積水域的同步觀測(cè)。基于懸移質(zhì)泥沙含量遙感反演的4類(lèi)模型:物理模型、半分析模型、經(jīng)驗(yàn)?zāi)P汀⑷斯ぶ悄芩惴P?,總結(jié)了Ⅱ類(lèi)水體懸移質(zhì)泥沙含量遙感反演的研究進(jìn)展,探討了反演研究中存在的離水輻亮度提取難度大、混合像元不易分解等問(wèn)題,并針對(duì)我國(guó)內(nèi)陸山區(qū)河流,提出山區(qū)Ⅱ類(lèi)水體懸移質(zhì)泥沙含量遙感反演發(fā)展面臨的關(guān)鍵問(wèn)題。
關(guān) 鍵 詞:Ⅱ類(lèi)水體; 懸移質(zhì)泥沙; 衛(wèi)星遙感; 反演模型; 內(nèi)陸山區(qū)河流
1 研究背景
水體按其光學(xué)性質(zhì)的差異分為Ⅰ類(lèi)水體、Ⅱ類(lèi)水體[1]。Ⅰ類(lèi)水體組成簡(jiǎn)單,光學(xué)性質(zhì)由浮游植物及其附屬物決定[2]。Ⅱ類(lèi)水體組成復(fù)雜,其光學(xué)性質(zhì)主要受葉綠素、有色可溶性有機(jī)物、總懸浮顆粒物等水色因子的影響,情況復(fù)雜且不穩(wěn)定[3]。在淡水生態(tài)系統(tǒng)中藻類(lèi)為水體的主要組成成分,藻類(lèi)色素的主要成分——葉綠素a含量的變化對(duì)水體光譜信息有很大的影響。有色可溶性物質(zhì)主要存在于內(nèi)陸湖體,多呈黃棕色,其含量變化造成光譜信息的變化較為明顯。在濁度較高的水體中,葉綠素光譜信息和有色可溶性物質(zhì)的光譜信息均被總懸浮顆粒物的光譜信息所掩蓋。
懸移質(zhì)泥沙是Ⅱ類(lèi)水體的重要組成成分,多為微小固體顆粒,具有粒徑小、易附著污染物、遷徙能力強(qiáng)等特點(diǎn)。我國(guó)內(nèi)陸水體多為Ⅱ類(lèi)水體,懸移質(zhì)泥沙廣泛存在其中。懸移質(zhì)泥沙含量的變化對(duì)河道的演變、河流地貌的發(fā)育影響重大[4]。河流懸移質(zhì)泥沙含量過(guò)高時(shí),下流泥沙淤積嚴(yán)重,輕則改變河流流向(如淮河),重則形成地上河(如黃河下游),對(duì)河流兩岸人民的生命財(cái)產(chǎn)安全造成一定的威脅[5]。 懸移質(zhì)泥沙上附著的污染物(N、P等營(yíng)養(yǎng)鹽)隨水流輸移發(fā)生遷移,易產(chǎn)生大范圍的水體污染,造成水域生態(tài)系統(tǒng)紊亂。監(jiān)測(cè)水體中懸移質(zhì)泥沙含量的變化,掌握懸移質(zhì)泥沙含量的時(shí)空變化特征,對(duì)流域的生態(tài)環(huán)境以及人類(lèi)生產(chǎn)生活具有重要意義。
懸移質(zhì)泥沙含量的監(jiān)測(cè)研究存在流域范圍廣、綜合環(huán)境復(fù)雜等問(wèn)題。以往懸移質(zhì)泥沙監(jiān)測(cè)多是基于野外實(shí)測(cè)水樣分析其含量的變化。傳統(tǒng)的研究方法包括水文站取樣、船只走航取樣。水文站取樣可獲得時(shí)間序列連續(xù)的數(shù)據(jù),但只能反映水文站臨近水域懸移質(zhì)泥沙含量變化的情況,空間連續(xù)不足。船只走航取樣僅可獲取一定水域短期內(nèi)的樣本數(shù)據(jù)[6]。野外實(shí)測(cè)的方法在懸移質(zhì)泥含量精確分析方面具有一定優(yōu)勢(shì),但仍存在監(jiān)測(cè)范圍較小、水樣不足、耗時(shí)費(fèi)力等問(wèn)題。遙感數(shù)據(jù)具有時(shí)間連續(xù),空間覆蓋廣,數(shù)據(jù)獲取方便等特點(diǎn)[7]?;谶b感數(shù)據(jù),構(gòu)建懸移質(zhì)泥沙反演模型,監(jiān)測(cè)水體懸移質(zhì)泥沙含量的變化,研究水體懸移質(zhì)泥沙的變化特征,不僅為遙感技術(shù)的應(yīng)用提供了一種新的思路,同時(shí)也為水色研究提供了一種新的范式。
2 水色遙感
2.1 水色遙感研究現(xiàn)狀
遙感技術(shù)應(yīng)用初期,衛(wèi)星影像空間分辨率低,光譜連續(xù)性不足,導(dǎo)致遙感地面監(jiān)測(cè)信息獲取能力較低。隨著衛(wèi)星傳感器的不斷發(fā)展,基于遙感影像獲取地物信息的能力得到大幅提高。人們由最初的簡(jiǎn)單記錄遙感影像信息發(fā)展到如今定量反演目標(biāo)物的物理參量。
國(guó)內(nèi)外學(xué)者從20世紀(jì)60年代開(kāi)始就應(yīng)用衛(wèi)星傳感器對(duì)水體環(huán)境進(jìn)行監(jiān)測(cè)[8]。1978年NASA(National Aeronautics and Space Administration)發(fā)射了世界上第一顆探測(cè)海洋水色要素的傳感器CZCS(Coastal Zone Color Scanner)[9]。1997年NASA針對(duì)CZCS水色通道少、光譜分辨率低等問(wèn)題,發(fā)射了第二代水色衛(wèi)星傳感器SeaWiFS(Sea-vie-wing Wide Field-of-view Sensor)[10]。2002年中國(guó)發(fā)射了搭載COCTS(Chinese Ocean Color Temperature Scanner)傳感器的HY-1A衛(wèi)星[11]。2009年韓國(guó)發(fā)射了第一顆地球靜止海洋水色傳感器GOCI(Geo-stationary Ocean Color Imager)[12]。歐洲、日本、印度也發(fā)射了多顆水色衛(wèi)星,如哨兵系列衛(wèi)星[13]、ALOS(Advanced Land Observation Satellite) 系列衛(wèi)星[14]、OCM(Ocean Color Monitor)系列衛(wèi)星[15]等(見(jiàn)表1)。如今世界各國(guó)已發(fā)射了多顆水色衛(wèi)星,水色遙感具備多種可用數(shù)據(jù)。
2 沿海地區(qū)環(huán)境監(jiān)測(cè)
隨著水色衛(wèi)星傳感器的發(fā)展,遙感數(shù)據(jù)質(zhì)量不斷提高,使得定量反演水體中懸移質(zhì)泥沙的含量成為可能。1993年Tassan針對(duì)海岸帶水體提出懸移質(zhì)泥沙遙感反演模型,應(yīng)用Landsat-TM數(shù)據(jù)進(jìn)行了懸移質(zhì)泥沙含量反演[16]。2002年陳濤基于經(jīng)驗(yàn)?zāi)P头囱莸贸鯣ironde河口的懸移質(zhì)泥沙含量[17]。2009年樊彥國(guó)基于綜合地理模型與遙感反演模型研究分析黃河三角州水體懸移質(zhì)泥沙含量的變化,為了解該水域的海岸線蝕退情況提供了參考依據(jù)[18]。2016年孔金玲在曹妃甸近岸海域基于實(shí)測(cè)數(shù)據(jù)及Landsat-5數(shù)據(jù),構(gòu)建水體表、中、底3個(gè)不同層次的經(jīng)驗(yàn)反演模型,研究發(fā)現(xiàn)懸移質(zhì)泥沙含量的垂向空間分布由表部及底部呈現(xiàn)增大趨勢(shì)[19]。利用Landsat-8數(shù)據(jù)分析建模、反演獲得該區(qū)域每個(gè)季節(jié)懸移質(zhì)泥沙的空間分布特征:春季分布高值集中于西海岸,夏秋時(shí)珠江口頂區(qū)域高值分布較為集中,冬季總體分布呈現(xiàn)從珠江口頂向東南方向擴(kuò)散[20]。如今,國(guó)內(nèi)外學(xué)者應(yīng)用遙感技術(shù)對(duì)懸移質(zhì)泥沙含量的定量反演研究均取得了很大進(jìn)展。
2.2 水色遙感過(guò)程
水體光譜信息主要由水體的物質(zhì)組成決定,同時(shí)受水的狀態(tài)影響。Ⅰ類(lèi)水體與Ⅱ類(lèi)水體的反射光譜曲線存在明顯差異,Ⅱ類(lèi)水體反射率高于Ⅰ類(lèi)水體,且反射峰值出現(xiàn)在波長(zhǎng)更長(zhǎng)的波段。以水質(zhì)參數(shù)中的懸疑質(zhì)泥沙為例,隨著Ⅱ類(lèi)水體中懸移質(zhì)泥沙含量的增加,水體反射率光譜曲線不斷升高,反射峰值波長(zhǎng)向長(zhǎng)波方向移動(dòng),反射峰值形態(tài)也變得更寬。不同泥沙濃度的光譜曲線在0.58~0.68 μm 波長(zhǎng)范圍內(nèi)出現(xiàn)峰值,此波段對(duì)水中泥沙反應(yīng)最敏感,即遙感監(jiān)測(cè)水體懸疑質(zhì)泥沙含量的最優(yōu)波段。
水體具有透光性和水面反射性,衛(wèi)星傳感器接收到的水體光譜信息包括大氣散射、水面反射、水體中向上散射以及淺水水底反射[21]。水質(zhì)參數(shù)含量變化時(shí),水體光學(xué)信號(hào)的吸收、反射、散射性均受到一定的影響。水色遙感即通過(guò)對(duì)衛(wèi)星傳感器所接收到的水體光譜信息進(jìn)行監(jiān)測(cè)分析,建立離水輻亮度與水質(zhì)參數(shù)含量之間的關(guān)系,反演得出各水質(zhì)參數(shù)含量。
離水輻亮度的獲取是進(jìn)行水色遙感的關(guān)鍵,其精度關(guān)系到水色遙感反演結(jié)果的準(zhǔn)確性。衛(wèi)星傳感器顯示的光譜信息為數(shù)字量化值(DN灰度值),在水色遙感的過(guò)程中進(jìn)行輻射定標(biāo)將DN值轉(zhuǎn)為輻亮度。衛(wèi)星傳感器接收到總的輻亮度中離水輻亮度所占比例不足10%,大氣程輻射所占比例高達(dá)90%[22],通過(guò)大氣校正剔除大氣程輻射得到離水輻亮度。基于離水輻亮度中的水質(zhì)參數(shù)敏感波段與水質(zhì)參數(shù)含量建立關(guān)系,即可進(jìn)行特定水質(zhì)參數(shù)遙感反演。
3 懸移質(zhì)泥沙含量遙感反演模型
水體懸移質(zhì)泥沙含量遙感反演的關(guān)鍵在于構(gòu)建懸移質(zhì)泥沙含量與離水輻亮度之間的關(guān)系。在應(yīng)用遙感技術(shù)反演懸移質(zhì)泥沙含量的研究過(guò)程中,國(guó)內(nèi)外專(zhuān)家提出了一些定量反演模型。這些模型主要分為4類(lèi):物理模型、半分析模型、經(jīng)驗(yàn)統(tǒng)計(jì)模型、人工智能算法模型。
3.1 物理模型
水色遙感分為離水輻亮度反演和水質(zhì)參數(shù)含量反演兩個(gè)過(guò)程。物理模型首先基于光在水下的水體輻射傳輸方程模擬光在水體中的吸收、反射、散射等過(guò)程,從而得到水體離水輻亮度,然后應(yīng)用生物-光學(xué)模型構(gòu)建懸移質(zhì)泥沙含量與離水輻亮度之間的關(guān)系,最終反演得出水體的懸移質(zhì)泥沙含量。
1980年Moore分析傳感器接收到的懸移質(zhì)泥沙的離水輻亮度,發(fā)現(xiàn)隨著水體中懸移質(zhì)泥沙含量的增加,光的后向散射也不斷增強(qiáng),因而對(duì)于懸移質(zhì)泥沙含量較多的渾濁水體,基于水體后向散射特性建立理論模型進(jìn)行遙感反演[23];1998年Hoogenboom在理論模型的基礎(chǔ)上,對(duì)不同組成濃度的水體(近海岸Ⅱ類(lèi)水土區(qū)域;內(nèi)陸富營(yíng)養(yǎng)化淺水區(qū)域)構(gòu)建不同的模型提取水體中葉綠素以及懸移質(zhì)泥沙含量,均取得了不錯(cuò)的結(jié)果[24];2001年Dekker對(duì)Landsat-TM、SPOT影像進(jìn)行迭代的大氣和空氣-水界面校正處理,在此基礎(chǔ)上應(yīng)用遙感影像與實(shí)測(cè)數(shù)據(jù)構(gòu)建生物光學(xué)模型反演得出Southern Frisian湖的懸移質(zhì)泥沙含量[25]。
物理模型基于衛(wèi)星傳感器接收到的離水輻亮度即可反演懸移質(zhì)泥沙含量,且不需要衛(wèi)星影像獲取時(shí)刻的同步野外實(shí)測(cè)數(shù)據(jù)檢驗(yàn),但此模型反演精度較低,且不適用于光學(xué)特征復(fù)雜的水體。
3.2 半分析模型
1985年Gordon研究分析了光在水體中的輻射傳輸過(guò)程,基于固有光學(xué)參量吸收系數(shù)以及后向散射系數(shù),建立了光譜反射率與懸移質(zhì)泥沙含量之間的關(guān)系,并構(gòu)建了Gordon模型反演懸移質(zhì)泥沙含量[26];1992年,黎夏基于Gordon模型和負(fù)指數(shù)模型建立了懸移質(zhì)泥沙含量遙感反演的統(tǒng)一式模型,應(yīng)用于珠江口伶仃洋的懸移質(zhì)泥沙含量反演研究,并得到其他區(qū)域數(shù)據(jù)的驗(yàn)證[27];2010年Shen基于Kubelka-Munk兩流近似的輻射傳輸理論建立了SERT模型,并通過(guò)現(xiàn)場(chǎng)測(cè)量和室外控制池實(shí)驗(yàn)來(lái)校準(zhǔn)數(shù)據(jù)集,最后利用MERIS數(shù)據(jù)反演大范圍水域的懸移質(zhì)泥沙含量[28]。2012年陳勇等基于準(zhǔn)單散射Gordon模型反演了1974~2009年長(zhǎng)江口懸移質(zhì)泥沙含量的時(shí)空分布特征,反演結(jié)果證明懸移質(zhì)泥沙含量在河口區(qū)域存在多級(jí)分帶分布的特征[29]。2014年陳燕在渤海灣近岸海域應(yīng)用多波段準(zhǔn)分析算法建立懸移質(zhì)泥沙含量與Landsat影像之間的關(guān)系,反演研究區(qū)的懸移質(zhì)泥沙含量并分析其空間分布特征[30]。
半分析模型物理含義清晰,在已知水質(zhì)參數(shù)固有光學(xué)特性的基礎(chǔ)上,可對(duì)任意區(qū)域的水體進(jìn)行遙感反演,且反演精度較高;但半分析模型實(shí)則為簡(jiǎn)化版的分析模型,在懸移質(zhì)泥沙遙感反演過(guò)程中忽略了光在水體中的多次散射以及水底反射,這對(duì)最終反演結(jié)果的精度會(huì)造成不可忽略的影響。
3.3 經(jīng)驗(yàn)統(tǒng)計(jì)模型
經(jīng)驗(yàn)統(tǒng)計(jì)模型是基于同步測(cè)量的水體懸移質(zhì)泥沙含量數(shù)據(jù)以及遙感光譜數(shù)據(jù),構(gòu)建懸移質(zhì)泥沙含量和水體表觀光學(xué)性質(zhì)之間的定量關(guān)系[31]。模型的一般形式為
如表2所示,2005年寥迎娣通過(guò)大氣校正后的SeaWiFS數(shù)據(jù)構(gòu)建指數(shù)模型監(jiān)測(cè)東部沿海區(qū)域懸移質(zhì)泥沙空間分布[32];2014年林承達(dá)基于Landsat-7 ETM+單波段數(shù)據(jù)、多波段比值數(shù)據(jù)構(gòu)建了多種經(jīng)驗(yàn)?zāi)P头囱蓍L(zhǎng)江中游懸移質(zhì)泥沙含量,結(jié)果表明該區(qū)域單波段反演結(jié)果優(yōu)于波段組合[33];2015年朱樊基于MODIS數(shù)據(jù)的兩個(gè)波段構(gòu)建了二次函數(shù)模型反演不同季節(jié)珠江河口區(qū)域懸移質(zhì)泥沙含量,發(fā)現(xiàn)珠江河口區(qū)域的懸移質(zhì)泥沙整體分布西北方向高于東南方向,河口風(fēng)速是造成珠江河口區(qū)域懸移質(zhì)泥沙含量時(shí)序變化的主要原因[34]。
2018年章敏超基于GF-1數(shù)據(jù)構(gòu)建了舟山近海域單波段經(jīng)驗(yàn)統(tǒng)計(jì)模型和波段組合經(jīng)驗(yàn)統(tǒng)計(jì)模型,分析了不同模型的相關(guān)系數(shù)并進(jìn)行精度驗(yàn)證,研究發(fā)現(xiàn)基于(B3/B2)波段組合的二次模型反演精度更高,但不適用于懸移質(zhì)泥沙含量較低的情況[35]。
經(jīng)驗(yàn)統(tǒng)計(jì)模型建模算法簡(jiǎn)單,模型表達(dá)式具有多樣性(線性、指數(shù)、對(duì)數(shù)、冪),適用于光學(xué)特征復(fù)雜的水體,針對(duì)區(qū)域懸移質(zhì)泥沙含量遙感反演精度較高,但需要同步實(shí)測(cè)數(shù)據(jù),缺乏物理機(jī)制且普適性較差,不能直接應(yīng)用于其他水域。
3.4 人工智能算法模型
近年來(lái)懸移質(zhì)泥沙遙感反演模型還包括基于人工智能算法構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型、主成分分析模型、支持向量機(jī)模型等。
神經(jīng)網(wǎng)絡(luò)模型屬于經(jīng)驗(yàn)?zāi)P偷囊环N,它基于多光譜遙感數(shù)據(jù),構(gòu)建離水輻亮度與懸疑質(zhì)泥沙含量的多元線性回歸關(guān)系。多層前饋網(wǎng)絡(luò)模型是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型之一,通過(guò)反向傳播學(xué)系算法(Back Propagation Neural Network,BPNN),調(diào)整全值使網(wǎng)絡(luò)總誤差最小。2014年何報(bào)寅基于環(huán)境衛(wèi)星數(shù)據(jù)與懸移質(zhì)泥沙含量構(gòu)建了廣義回歸神經(jīng)網(wǎng)絡(luò)模型(General Regression Neural Network,GRNN)來(lái)反演長(zhǎng)江中游水體的懸移質(zhì)泥沙含量,研究結(jié)果表明當(dāng)實(shí)測(cè)數(shù)據(jù)較少時(shí),GRNN模型相比于BPNN模型其反演精度更高[36];2015年Chen基于 MODIS數(shù)據(jù)構(gòu)建多層次反向神經(jīng)網(wǎng)絡(luò)模型來(lái)反演中國(guó)東部沿海的懸疑質(zhì)泥沙含量,反演效果較好[37]。
主成分分析模型通過(guò)數(shù)據(jù)降維將原始多光譜遙感數(shù)據(jù)簡(jiǎn)化為幾個(gè)不相關(guān)的變量,既保留水體光譜信息又消除不同波段間的影響,從而提高模型的反演精度。2015年楊姝基于Landsat-5 TM數(shù)據(jù)與實(shí)測(cè)懸疑質(zhì)泥沙含量構(gòu)建了主成分分析模型來(lái)反演中國(guó)渤海灣近岸海域的懸疑質(zhì)泥沙分布,研究結(jié)果表明懸疑質(zhì)泥沙含量較高的區(qū)域主要集中在南部及西南部近岸海域[38]。
支持向量機(jī)模型是建立在統(tǒng)計(jì)學(xué)的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)上,應(yīng)用于模式識(shí)別、分類(lèi)、以及回歸分析的學(xué)習(xí)模型[39]。2015年何報(bào)寅基于環(huán)境衛(wèi)星數(shù)據(jù),應(yīng)用果蠅算法優(yōu)化后的支持向量機(jī)模型(Support Vector Machine,SVM)反演了長(zhǎng)江中游懸疑質(zhì)泥沙含量,結(jié)果表明SVM模型受數(shù)據(jù)波動(dòng)影響較小,反演結(jié)果良好[40]。
神經(jīng)網(wǎng)絡(luò)模型、主成分分析模型和支持向量機(jī)模型均屬于經(jīng)驗(yàn)統(tǒng)計(jì)模型,與傳統(tǒng)的經(jīng)驗(yàn)統(tǒng)計(jì)模型(線性、指數(shù)、冪)相比,這些人工智能算法模型穩(wěn)定、運(yùn)算快捷、在小樣本情況下的反演精度較高。
3.5 小 結(jié)
物理模型依賴(lài)于物理機(jī)制,但由于目前理論機(jī)制研究不足,不能反演光學(xué)特征復(fù)雜的Ⅱ類(lèi)水體。半分析模型基于簡(jiǎn)化的輻射傳輸理論,適用性強(qiáng),應(yīng)用廣泛。經(jīng)驗(yàn)統(tǒng)計(jì)模型忽略水體的生物光學(xué)特征,不考慮水體內(nèi)部的輻射傳輸過(guò)程,算法簡(jiǎn)單,適用于可實(shí)測(cè)采樣的水體,但可移植性存在不足。基于人工智能算法的經(jīng)驗(yàn)統(tǒng)計(jì)模型缺乏物理機(jī)制,但只需少量樣本數(shù)據(jù)即可進(jìn)行遙感反演,反演結(jié)果精度較高。
4 問(wèn)題與展望
綜上所述,基于4種模型反演Ⅱ類(lèi)水體懸移質(zhì)泥沙含量均取得了不錯(cuò)的結(jié)果,并廣泛應(yīng)用于懸移質(zhì)泥沙含量監(jiān)測(cè)、時(shí)空分布特征分析等方面,為流域的生態(tài)環(huán)境評(píng)定提供了依據(jù)。懸移質(zhì)泥沙含量遙感反演模型多是針對(duì)特定水域,基于單一傳感器遙感數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)構(gòu)建模型,其中仍存在一些不足。
(1) 遙感傳感器接收到的水體光譜信號(hào)易受到大氣環(huán)境、流域綜合環(huán)境、水體深度等諸多因素的影響,存在一定的誤差。
(2) 由于遙感影像分辨率的限制,水體遙感影像特征不明顯,部分水域存在波譜混合的現(xiàn)象。
(3) 傳感器接收的信號(hào)主要來(lái)自表層水體,而水體斷面平均含沙量數(shù)據(jù)獲取難度較大,實(shí)測(cè)數(shù)據(jù)的代表性受到實(shí)際采樣條件的限制和采樣點(diǎn)至像元面的尺度效應(yīng)影響。
目前國(guó)內(nèi)外Ⅱ類(lèi)水體懸移質(zhì)泥沙含量遙感反演多是以海口、河口、內(nèi)陸湖泊為研究對(duì)象,有關(guān)內(nèi)陸河流的研究較少,特別是山區(qū)河流這一方向目前還是空白。山區(qū)地質(zhì)條件復(fù)雜、河流水文特征多變、人力監(jiān)測(cè)困難,隨著遙感傳感器的發(fā)展,遙感影像分辨率不斷提高,為山區(qū)河流懸移質(zhì)泥沙含量的研究提供了新的思路。由于山區(qū)河流本身存在復(fù)雜性:① 山區(qū)多云影覆蓋、下墊面環(huán)境復(fù)雜,衛(wèi)星傳感器接收的水體光譜信息所受干擾較大,因而大氣校正對(duì)山區(qū)河流懸移質(zhì)泥沙遙感反演尤為重要;② 山區(qū)河流水深不定,水淺處水底反射較強(qiáng);河流寬度不定,較窄處與河岸地物易形成混合像元;河流流速較快,湍急處產(chǎn)生水花影響水面反射;③ 山區(qū)河流中的泥沙粒徑大小的差異及其附著的污染物都會(huì)對(duì)遙感影像光譜信息產(chǎn)生影響;其懸移質(zhì)泥沙含量遙感反演研究難度較大。
參考文獻(xiàn):
[1] 許大力, 李福金. 近海岸懸浮泥沙遙感反演模型的分析探討[J]. 測(cè)繪與空間地理信息, 2012, 35(3): 65-68.
[2] 馬萬(wàn)棟, 吳傳慶, 殷守敬,等. 基于實(shí)測(cè)光譜的煙臺(tái)四十里灣水體葉綠素a遙感反演[J]. 中國(guó)環(huán)境監(jiān)測(cè), 2015, 31(4): 135-140.
[3] 周起超, 張運(yùn)林, 周永強(qiáng),等. 撫仙湖秋、冬季光衰減特征及其與有色可溶性有機(jī)物的關(guān)系[J]. 湖泊科學(xué), 2016, 28(6): 1316-1327.
[4] 賀方舟, 朱勇輝, 郭小虎, 等. 水庫(kù)下游懸移質(zhì)泥沙沿程恢復(fù)研究進(jìn)展[J]. 長(zhǎng)江科學(xué)院院報(bào), 2017, 34(12): 1-6.
[5] 宋振杰, 吳曉, 邢國(guó)攀, 等. 2010年黃河調(diào)水調(diào)沙期間河口泥沙輸運(yùn)過(guò)程的數(shù)值模擬[J]. 海洋湖沼通報(bào), 2018(1):9-14.
[6] 況潤(rùn)元, 謝佳, 張萌, 等. 基于實(shí)測(cè)數(shù)據(jù)的鄱陽(yáng)湖懸浮泥沙粒度遙感反演模式分析[J]. 長(zhǎng)江科學(xué)院院報(bào), 2017, 34(11): 132-137.
[7] 王震, 喬璐璐, 王云飛. 東中國(guó)海表層懸浮體濃度衛(wèi)星遙感反演研究進(jìn)展[J]. 沉積學(xué)報(bào), 2016, 34(2): 292-307.
[8] 欒虹. 基于landsat8珠江口懸浮泥沙及葉綠素a濃度遙感反演及時(shí)空變化[D].廣州:廣東海洋大學(xué), 2016.
[9] B HOOKER S, 張鍔. 海洋水色成像:從CZCS至SeaWiFS[J]. 紅外, 1994(12): 1-6.
[10] 何執(zhí)兼, 鄧孺孺. 應(yīng)用水色衛(wèi)星對(duì)海水油及COD的遙感探測(cè)[J]. 中山大學(xué)學(xué)報(bào)(自然科學(xué)版), 1999, 38(3): 81-84.
[11] 潘德?tīng)t, 何賢強(qiáng), 李淑菁, 等. 我國(guó)第一顆海洋衛(wèi)星HY-1A的應(yīng)用潛力研究[J]. 海洋學(xué)報(bào), 2004, 26(2): 37-44.
[12] 李冠男, 王林, 王祥, 等. 靜止水色衛(wèi)星GOCI及其應(yīng)用進(jìn)展[J]. 海洋環(huán)境科學(xué), 2014, 33(6): 966-971.
[13] 畢愷藝, 牛錚, 黃妮, 等. 基于Sentinel-2A時(shí)序數(shù)據(jù)和面向?qū)ο鬀Q策樹(shù)方法的植被識(shí)別[J]. 地理與地理信息科學(xué), 2017, 33(5): 16-20.
[14] 熊金國(guó), 王世新, 周藝. 不同指數(shù)模型提取ALOS AVNIR-2影像中水體的敏感性和精度分析[J]. 國(guó)土資源遙感, 2010, 22(4): 46-50.
[15] Tripathy M, Raman M, Chauhan P. Estimation of photosynthetically available radiation (PAR) from OCEANSAT -I OCM using a simple atmospheric radiative transfer model[J]. Advances in Space Research, 2015, 56(7): 1441-1452.
[16] Tassan S. An improved in-water algorithm for the determination of chlorophyll and suspended sediment concentration from Thematic Mapper data in coastal waters[J]. International Journal of Remote Sensing, 1993, 14(6): 1221-1229.
[17] 陳濤, 牛瑞卿, 李平湘, 等. 基于人工神經(jīng)網(wǎng)絡(luò)的植被覆蓋遙感反演方法研究[J]. 遙感技術(shù)與應(yīng)用, 2010, 25(1): 24-30.
[18] 樊彥國(guó), 李瑞華, 侯春玲, 等. 黃河三角洲近海水體含沙量遙感信息模型研究[J]. 海洋科學(xué), 2009, 33(8): 36-39.
[19] 孔金玲, 楊晶, 蒲永峰, 等. 曹妃甸近岸海域垂向懸沙含量遙感反演[J]. 地球信息科學(xué)學(xué)報(bào), 2016, 18(10): 1428-1434.
[20] 欒虹, 付東洋, 李明杰, 等. 基于Landsat 8珠江口懸浮泥沙四季遙感反演與分析[J]. 海洋環(huán)境科學(xué), 2017, 36(6): 892-897.
[21] 戴昌達(dá), 姜小光, 唐伶俐. 遙感圖像應(yīng)用處理與分析[M].北京:清華大學(xué)出版社, 2004.
[22] 馬榮華, 唐軍武, 段洪濤, 等. 湖泊水色遙感研究進(jìn)展[J]. 湖泊科學(xué),2009,21(2):91-96.
[23] Moore G. Satellite remote sensing of water turbidity[J]. International Association of Scientific Hydrology Bulletin, 1980, 25(4): 407-421.
[24] Hoogenboom H J, Dekker A G, Alathuis I A. Simultation of AVIRIS sensitivity for detecting chlorophyll over coastal and inland waters[J]. Remote Sensing of Environment, 1998, 65(3): 333-340.
[25] Dekker A G, Vos R J, Peters S W M. Comparison of remote sensing data, model results and in situ data for total suspended matter (TSM) in the southern Frisian lakes[J]. Science of the Total Environment, 2001, 268(1): 197-214.
[26] Gordon H R, Morel A Y. Remote Assessment of Ocean Color for Interpretation of Satellite Visible Imagery[J]. Physics of the Earth & Planetary Interiors, 1985, 37(4): 292-297.
[27] 黎夏. 懸浮泥沙遙感定量的統(tǒng)一模式及其在珠江口中的應(yīng)用[J]. 遙感學(xué)報(bào), 1992(2): 106-114
[28] Shen F, Verhoef W, Zhou Y, et al. Satellite estimates of wide-range suspended sediment concentrations in changjiang (Yangtze) Estuary using MERIS data[J]. Estuaries & Coasts, 2010, 33(6): 1420-1429.
[29] 陳勇, 韓震, 楊麗君, 等. 長(zhǎng)江口水體表層懸浮泥沙時(shí)空分布對(duì)環(huán)境演變的響應(yīng)[J]. 海洋學(xué)報(bào), 2012, 34(1): 145-152
[30] 陳燕, 孔金玲, 孫曉明, 等. 基于半分析模型的渤海灣近岸海域懸浮泥沙濃度遙感反演[J]. 地理與地理信息科學(xué), 2014, 30(3): 33-36
[31] 任敬萍, 趙進(jìn)平. 二類(lèi)水體水色遙感的主要進(jìn)展與發(fā)展前景[J]. 地球科學(xué)進(jìn)展, 2002, 17(3): 363-371.
[32] 廖迎娣, 張瑋. 運(yùn)用SeaWiFS遙感數(shù)據(jù)探測(cè)中國(guó)東部沿海懸浮泥沙濃度的研究[J]. 水動(dòng)力學(xué)研究與進(jìn)展, 2005, 20(5): 558-564.
[33] 林承達(dá), 周斌, 馬琪, 等. 基于遙感反演長(zhǎng)江中游地區(qū)懸浮泥沙研究[J]. 長(zhǎng)江流域資源與環(huán)境, 2014, 23(8): 1119-1124.
[34] 朱樊, 歐素英, 張鑠涵, 等. 基于MODIS影像的珠江口表層懸沙濃度反演及時(shí)空變化分析[J]. 泥沙研究, 2015 (2): 67-73.
[35] 章敏超, 郭碧云. 基于GF-1號(hào)的舟山近岸懸浮泥沙濃度反演研究[J]. 海洋開(kāi)發(fā)與管理, 2018, 35(1): 126-131.
[36] 何報(bào)寅, 張文, 喬曉景, 等. 基于GRNN模型的懸浮物遙感反演研究:以長(zhǎng)江城陵磯段為例[J]. 華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2014, 48(5): 737-742.
[37] Chen J, Quan W, Cui T, et al. Estimation of total suspended matter concentration from MODIS data using a neural network model in the China eastern coastal zone[J]. Estuarine Coastal & Shelf Science, 2015, 155: 104-113.
[38] 楊姝. 渤海灣近岸海域懸浮泥沙濃度遙感反演模型建立及適用性分析[D].西安:長(zhǎng)安大學(xué),2015.
[39] 李致博. 基于支持向量機(jī)的海洋懸浮物濃度遙感反演模型研究[D].北京:中國(guó)地質(zhì)大學(xué)(北京), 2012.
[40] 何報(bào)寅, 張文, 喬曉景, 等. 基于FOA-SVM方法的長(zhǎng)江中游懸浮物濃度遙感反演研究[J]. 長(zhǎng)江流域資源與環(huán)境, 2015, 24(4): 647-652.
(編輯:胡旭東)