基于MODIS数据的太湖藻华水体识别模式

太湖MODIS-EVI完全时空数据获取与探索性分析张恒敢;顾克军;张斯梅【摘要】Long time spatio-temperal data set was conductive to a comprehensive understanding of the spatio-temperal characteristics of cyanobacterria bloom in Taihu Lake. Taking the MODIS data product MOD13Q1 as data source, an long time, full grid spatio-temporal MODIS-EVI data set were constructed and analyzed. The results showed that the method described in this paper works well and can be used to obtain the typical spatial patterns of EVI distribution in Taihu Lake.%构建太湖水域较长时间范围的植被指数全时空数据有助于全面了解太湖蓝藻水华的时空变化特征.以MODIS数据产品MOD13Q1为数据源,构建了太湖水域MODIS-EVI全时空数据,并做了探索性空间数据分析.结果表明,该研究的时空数据获取和分析方法是可行的,对该数据进行经验正交函数分解,能够获得太湖水面EVI典型的空间分布模式.【期刊名称】《安徽农业科学》【年(卷),期】2017(045)019【总页数】5页(P226-230)【关键词】水华;增强植被指数;探索性空间数据分析【作者】张恒敢;顾克军;张斯梅【作者单位】江苏省农业科学院农业资源与环境研究所,江苏南京 210014;江苏省农业科学院农业资源与环境研究所,江苏南京 210014;江苏省农业科学院农业资源与环境研究所,江苏南京 210014【正文语种】中文【中图分类】S127水华是由于浮游植物的生物量显著高于一般水体中的平均值，导致在水体表面大量聚集而成的藻类聚积体[1]。

MODIS卫星遥感监测太湖蓝藻的初步研究沙慧敏;李小恕;杨文波;李继龙【期刊名称】《海洋湖沼通报》【年(卷),期】2009()3【摘要】依据2007年1～6月MODIS卫星遥感影像反演得到的太湖MODIS卫星表层水温、表层叶绿素浓度分布图,以及真彩色(1,4,3波段)合成图像,监测分析了太湖蓝藻的分布和变化情况。

水温、表层叶绿素浓度分布图显示,1～6月,太湖表层水温和叶绿素浓度的分布具有明显的区域性和季节性变化特征,且可以很好的显现藻类的迁移与堆积状况,其分布及变化趋势与实测的太湖蓝藻爆发的强度、地点、分布范围基本一致。

MODIS真彩色合成图像直观地反映了湖中藻类的宏观信息,其趋势与叶绿素a浓度的分布极其一致。

结果表明,利用MODIS遥感数据探测太湖蓝藻水华的分布状况是可行的,MODIS可用于监测内陆湖泊藻类水华的污染情况。

【总页数】8页(P9-16)【关键词】MODIS;蓝藻水华;表层水温;叶绿素a浓度【作者】沙慧敏;李小恕;杨文波;李继龙【作者单位】中国水产科学研究院资源与环境研究中心,遥感与地理信息系统重点试验室,北京100039;上海水产大学海洋学院,上海200090【正文语种】中文【中图分类】P407.8;Q949.22【相关文献】1.环境一号卫星CCD数据在太湖蓝藻水华遥感监测中的应用 [J], 金焰;张咏;牛志春;姜晟2.基于欧洲航天局“哨兵-2A”卫星的太湖蓝藻遥感监测 [J], 李旭文;侍昊;张悦;牛志春;王甜甜;丁铭;蔡琨3.太湖蓝藻水华的MODIS卫星监测 [J], 周立国;冯学智;王春红;王得玉;徐晓雄4.太湖秋冬季蓝藻水华MODIS卫星遥感监测 [J], 孔维娟;马荣华;段洪涛;张寿选5.卫星遥感监测太湖水域蓝藻暴发 [J], 黄家柱;赵锐因版权原因，仅展示原文概要，查看原文内容请购买。

第7卷第2期2009年6月湿　地　科　学WE T L A N D S C I E N C EV o l .7　N o .2J u n e ,2009收稿日期:2008-11-17;修订日期:2009-04-03基金项目:浙江省环境保护局环境保护科研项目(200810)资助。

作者简介:胡尊英(1977-),女,山东省临沂人,工程师,主要从事环境监测研究。

E -m a i l :h u z u n y i n g @126.c o m ＊通讯作者:于海燕,高级工程师。

E -m a i l :y u h a i y a n 69@163.c o mM O D I S 波段比值算法在太湖蓝藻水华预警及应急监测中的应用胡尊英,于海燕＊,周　斌(浙江省环境监测中心,浙江杭州310012)摘要:为从宏观上快速掌控蓝藻水华发生状况,提高遥感信息处理的准确度,选取太湖上空2008年4～10月的18幅M O D I S 影像数据源,应用近红外波段2和可见光波段4的比值算法对太湖蓝藻水华进行了提取实验,并与目视判读结果进行了比对分析。

结果表明,经过大气校正且无云层干扰的情况下,比值算法与目视判读结果吻合度较好,平均相对偏差为5.4%,有83.3%的样本相对偏差小于30%。

2008年4月25日与5月22日的比值算法验证分析表明,在蓝藻暴发初期和蓝藻的快速增殖期,比值算法均能较好的区分水体与藻类,比值算法与目视解译的结果偏差分别为4.3%和10.2%。

比值算法分析识别快,能有效避免因个人经验引起的差异;将比值算法与目视判读相结合,能够大大提高判读的准确度,可以在太湖蓝藻水华预警及应急监测中进行业务化应用。

关键词:比值算法;太湖蓝藻水华;预警及应急监测中图分类号:X 87 文献标识码:A 文章编号:1672-5948(2009)02-169-06 2007年6月,太湖暴发大面积蓝藻,无锡市饮用水源遭受严重污染,导致上百万人饮水困难[1]。

基于物联网技术的太湖蓝藻水华预警平台杨宏伟;吴挺峰;张唯易;李未【摘要】To overcome the shortcomings of conventional algal bloom forecast system in acquiring data, this study applied the Internet of Things (IoT) technology to establish a data transmission network with three-layer structure, and thus secured data continuity. With improved retrieval approach of water quality parameters, technology of Wireless Sensor Network (WSN) and forecast model of algal bloom, the blue-green algal bloom forecast platform was developed. The evaluation demonstrates that the platform achieves an overall accuracy of 80% in forecasting blue-green blooms in Taihu Lake in next three days.%针对以往藻类水华预测系统在数据源方面存在的不足,采用物联网技术,实现基于三层网络传输结构的监测体系,保证了数据的时间连续性；并对遥感水质参数定量反演方法、中程无线传感网络技术和藻类水华预测预警模型方面进行了改进.在此基础上,开发了太湖蓝藻预测预警平台,运行结果表明蓝藻水华未来3天的平均预测精度达到了80％以上.【期刊名称】《计算机应用》【年(卷),期】2011(031)010【总页数】4页(P2841-2843,2860)【关键词】太湖;蓝藻水华;物联网;预警平台【作者】杨宏伟;吴挺峰;张唯易;李未【作者单位】南京大学地理与海洋科学学院,南京210093;中国科学院南京地理与湖泊研究所,南京210008;中国科学院南京地理与湖泊研究所,南京210008;中国科学院上海微系统与信息技术研究所,上海200050;中国科学院南京地理与湖泊研究所,南京210008【正文语种】中文【中图分类】TP391.45;TP790 引言太湖是我国存在严重蓝藻水华的最大湖泊，也是国务院指定重点治理的富营养化水域之一［1］。

太湖蓝藻水华的遥感监测研究一、内容简述太湖蓝藻水华是近年来我国太湖地区较为严重的环境问题之一，对太湖水质和生态环境造成了严重影响。

为了及时了解太湖蓝藻水华的分布、变化和严重程度，本文采用遥感技术对太湖蓝藻水华进行了监测研究。

本文首先介绍了太湖蓝藻水华的基本概念和形成原因，然后详细阐述了遥感技术在太湖蓝藻水华监测中的应用，包括卫星遥感、航空遥感和地面遥感等。

接着本文分析了太湖蓝藻水华的空间分布特征，包括大范围、高密度分布和季节性变化等特点。

本文结合实际数据，对太湖蓝藻水华的发展趋势进行了预测，并提出了相应的防治措施，以期为太湖地区的环境保护和生态修复提供科学依据。

A. 研究背景随着人类活动的不断增加，太湖地区面临着严重的水环境问题，其中蓝藻水华是最为突出的一种。

蓝藻水华是一种由蓝藻类植物引起的水体富营养化现象，其生长速度快、覆盖范围广，对水生生物和人类健康造成严重影响。

近年来太湖地区蓝藻水华的发生频率呈上升趋势，给水资源管理和环境保护带来了巨大挑战。

因此对太湖蓝藻水华的遥感监测研究具有重要的现实意义。

遥感技术作为一种非接触式的监测手段，具有实时、动态、高时空分辨率等特点，能够有效地反映地表生态环境的变化。

目前国内外学者已经开展了大量关于太湖蓝藻水华遥感监测的研究，但仍存在一定的局限性，如数据源单算法不够精确等问题。

因此开展太湖蓝藻水华遥感监测研究，对于提高太湖蓝藻水华监测的准确性和时效性具有重要意义。

B. 研究目的和意义随着人类活动的不断增加，太湖地区的水体污染问题日益严重，尤其是蓝藻水华的发生频率逐年上升，对太湖生态环境和周边居民的生活造成了严重影响。

因此开展太湖蓝藻水华的遥感监测研究具有重要的现实意义。

建立太湖蓝藻水华遥感监测模型，提高监测数据的准确性和时效性。

通过对太湖地区不同时间段的遥感影像进行分析，揭示蓝藻水华的发生规律，为政府部门制定针对性的防治策略提供依据。

探讨太湖地区蓝藻水华与气象、水文等环境因素的关系，为综合防治提供理论支持。

基于MODIS数据的湖泊水体识别
田慧云;周克勤
【期刊名称】《中国建设信息》
【年(卷),期】2008(000)020
【摘要】分析利用MODIS数据提取水体的原理和方法的基础上，以青海湖为例利用MODIS影像数据进行湖泊水体识别，结果精度较好。

能够为青海湖的动态变化及其周围环境的研究提供重要豹依据。

【总页数】2页(P49-50)
【作者】田慧云;周克勤
【作者单位】北京建筑工程学院
【正文语种】中文
【中图分类】TP75
【相关文献】
1.MODIS数据水体识别指数的识别效果比较分析 [J], 廖程浩;刘雪华
2.基于MODIS数据的太湖藻华水体识别模式 [J], 徐京萍;张柏;李方;宋开山;王宗明
3.MODIS图像湖泊水体信息的快速识别与制图 [J], 丁莉东;吴昊;王长健;覃志豪;章其祥
4.基于MODIS数据的水体识别指数方法的比较研究 [J], 王净;李亚春;景元书
5.基于MODIS MOD09Q1的青海、西藏湖泊水面数据集(2000～2012年) [J], 卢善龙;金继明;贾立;张磊;马津
因版权原因，仅展示原文概要，查看原文内容请购买。

基于IDL语言的太湖蓝藻水华遥感监测信息系统设计王甡;江南;胡斌【摘要】以MODIS L1B数据为数据源,采用IDL语言,运用系统配置与插件技术实现系统架构,设计中间件解决系统框架和IDLDrawWidget控件通信接口的衔接问题,设计模型对象管理器组织模型对象,设计IDL数据显示的组织结构实现图像显示及其与矢量数据的叠加显示,使用相对图像坐标系显示叠加的矢量数据,并运用影像匹配技术和仿射变换技术分别实现了MODIS L1B影像"双眼皮"消除及其几何校正,在此基础上运用蓝藻水华遥感监测模型,实现蓝藻水华空间分布信息自动化提取.【期刊名称】《遥感信息》【年(卷),期】2010(000)002【总页数】6页(P59-64)【关键词】MODIS;蓝藻水华;遥感监测;信息系统;IDL;太湖【作者】王甡;江南;胡斌【作者单位】中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008;中国科学院研究生院,北京,100049;南京师范大学虚拟地理环境教育部重点实验室,南京,210046;南京师范大学虚拟地理环境教育部重点实验室,南京,210046【正文语种】中文【中图分类】TP791 引言蓝藻又称蓝绿藻,是原核生物中最原始、最古老的藻类植物,出现在距今35亿年至33亿年前。

作为原核生物,蓝藻没有细胞核,具有真核生物中进行光合作用的主要色素叶绿素a,并在光合作用中释放出氧气。

蓝藻水华多发生在夏季,有明显季节性,温度、光照、营养物质、气候条件等都有可能成为制约因素[1]。

在环境条件适宜时,蓝藻能快速生长,当达到一定生物量时,这些藻类在水体表层大量聚集,形成肉眼可见的藻类聚集体,即蓝藻水华。

蓝藻水华不但危害渔业,其巨大的生物量造成水体二次污染,浮游蓝藻所产生的毒素危害人类健康[2]。

太湖是我国著名的淡水湖泊,位于中国经济发展较快的长江下游三角洲地区,该地区人口密度大,城市化程度高,太湖又是上海、苏州、无锡等大、中城市的水源地。

基于MODIS植被指数时间谱的太湖2001年-2013年蓝藻爆发监测李瑶;张立福;黄长平;王晋年;岑奕【摘要】Algal bloom highly impacts the ecological balance of inland lakes.Remote sensing provides real-time and large-scale observations,which plays an increasingly significant role in the monitoring of algal bloom.Various Vegetation Indices (VIs)de-rived from satellite images have been used to monitor algae.With threshold segmentation of VI,the area of algal bloom can be extracted from images.However,the result of threshold segmentation only reflects the condition of algae when images were pared to separated VI data obtained at a particular moment of time,temporal spectral VI data contains phonological information of algae,which may be used to evaluate algal bloom more accurately and comprehensively.This study chose MODIS NDVI data of the Lake Taihu from 2001 to 2013,and constructed temporal spectral data for each year.Then,we determined the feature temporal spectra of severe cyanobacteria bloom,moderate cyanobacteriabloom,slight cyanobacteria bloom and aquatic plants,and separated these four kinds of obj ects using SVM (Support VectorMachine)algorithm,getting the spatial distribu-tion and area of them.In order to compare the results of our method with traditional threshold segmentation method,we chose 8 separated NDVI images from the temporal spectral data of 2007.With the threshold 0.2 and0.4,cyanobacteria bloom was clas-sified into three degrees:severe cyanobacteria bloom,moderate cyanobacteria bloom,and slight cyanobacteria bloom.By com-parison,it showed that our method reflected cyanobacteria bloom more comprehensively,and could distinguish cyanobacteria and aquatic plants using the phonological information provided by NDVI temporal spectra.This study provides important information for monitoring the algal bloom trends and degrees of inland lakes,and temporal spectral method may be used in the forecast of al-gal bloom in the future.%藻类水华爆发已成为影响内陆水体生态环境的重要因素。

太湖蓝藻水华遥感监测方法段洪涛;张寿选;张渊智【期刊名称】《湖泊科学》【年(卷),期】2008(020)002【摘要】利用遥感技术监测太湖蓝藻水华具有重要的现实意义.基于不同遥感数据,包括MODIS/Terra、CBERS-2 CCD、ETM和IRS.P6 LISS3,结合蓝藻水华光谱特征,采用单波段、波段差值、波段比值等方法,提取不同历史时期太湖蓝藻水华.结果表明:MODIS/Terra数据可以利用判别式Band2＞0.1和Band2/Band4＞1提取蓝藻水华;CBERS-2 CCD、ETM和IRS-P6 LISS3数据可以利用Band4大于一定阈值和Band4/Band3＞1提取蓝藻水华;波段比值(近红外,红光＞1)算法稳定,可以发展成为蓝藻水华遥感提取普适模式.同时,本文成功利用ETM和IRS.P6 LISS3数据Band4波段对蓝藻水华空间分布强度进行了五级划分.这为今后利用遥感技术,建立太湖蓝藻水华监测和预警系统莫定了基础.【总页数】8页(P145-152)【作者】段洪涛;张寿选;张渊智【作者单位】中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008;中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008;香港中文大学太空与地球信息科学研究所,香港,沙田【正文语种】中文【中图分类】P3【相关文献】1.基于卫星影像的太湖蓝藻水华遥感强度指数和等级划分算法设计 [J], 李旭文;牛志春;姜晟;金焰2.结合卫星遥感技术的太湖蓝藻水华形成风场特征 [J], 李亚春;谢小萍;杭鑫;朱小莉;黄珊;景元书3.结合卫星遥感技术的太湖蓝藻水华形成温度特征分析∗ [J], 李亚春;谢小萍;朱小莉;杭鑫;李心怡;景元书4.基于Otsu算法的太湖蓝藻水华与水生植被遥感同步监测方法 [J], 曹鹏; 梁其椿; 李淑敏5.利用陆基高光谱遥感捕捉太湖蓝藻水华日内快速变化过程 [J], 张运林;张毅博;李娜;孙晓;王玮佳;秦伯强;朱广伟因版权原因，仅展示原文概要，查看原文内容请购买。

基于遥感数据的太湖蓝藻水华信息识别方法陈云;戴锦芳【期刊名称】《湖泊科学》【年(卷),期】2008(020)002【摘要】2007 年太湖大规模蓝藻暴发,再次引起了人们对太湖环境的关注.有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义.而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年4月23日CBERS-02星CCD数据为主要的数据源,以NDVI值为测试变量,运用CART算法确定分割阈值,从而通过构建决策树的方法识别蓝藻水华信息,分析其蓝藻水华的提取结果,取得了较好的效果.文中还在GIS技术支持下,提取了2007年5月17日MODIS影像中的蓝藻水华信息.本次研究为以后开展长期的太湖蓝藻水华动态监测提供技术参考.【总页数】5页(P179-183)【作者】陈云;戴锦芳【作者单位】中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008;中国科学院研究生院,北京,100049;中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室,南京,210008【正文语种】中文【中图分类】P3【相关文献】ndsat-7 SLC-OFF ETM遥感数据下载及在太湖蓝藻水华监测中的应用 [J], 李旭文2.基于决策树的Landsat TM/ETM+图像中太湖蓝藻水华信息提取 [J], 夏晓瑞;韦玉春;徐宁;袁兆杰;王沛3.基于IDL语言的太湖蓝藻水华遥感监测信息系统设计 [J], 王甡;江南;胡斌4.基于通径分析法的太湖蓝藻水华定量气象评估模型 [J], 杭鑫;李心怡;谢小萍;李亚春5.基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用[J], LI Xuwen;ZHANG Yue;SHI Hao;JIANG Sheng;WANG Tiantian;DING Ming;CAI Kun因版权原因，仅展示原文概要，查看原文内容请购买。