本發(fā)明涉及富營養(yǎng)化湖泊富營養(yǎng)化湖泊“藻華和非藻華條件”MODIS影像分類方法。

背景技術(shù)：

衛(wèi)星遙感技術(shù)具有準(zhǔn)實(shí)時(shí)、周期性強(qiáng)、覆蓋范圍廣、成本低等優(yōu)勢，為湖泊水環(huán)境監(jiān)測以及藍(lán)藻水華的預(yù)警提供了基礎(chǔ)和依據(jù)。但研究中發(fā)現(xiàn)，經(jīng)常出現(xiàn)高懸浮物主導(dǎo)水體影像和藻華主導(dǎo)水體影像誤判的現(xiàn)象，因此需要對影像進(jìn)行分類，以更合理的分析湖泊不同物質(zhì)組分濃度的變化情況。

影像分類的基礎(chǔ)是準(zhǔn)確地對藍(lán)藻水華區(qū)域進(jìn)行識(shí)別，識(shí)別藍(lán)藻水華區(qū)域依賴于水體反射率信息，水體遙感反射率可以反映水體中不同物質(zhì)組分濃度的空間差異，藍(lán)藻水華區(qū)域與非水華區(qū)域在光譜上最大的差異在近紅外波段：藍(lán)藻水華區(qū)域具有較為明顯的反射峰，近紅外波段形成抬升，而非水華區(qū)域則沒有這樣的規(guī)律，這是利用遙感監(jiān)測藍(lán)藻水華的理論基礎(chǔ)。目前，較常用的藍(lán)藻水華區(qū)域識(shí)別算法主要有目視分析、單波段法、比值法、指數(shù)法等4種。Wrigley RC利用近紅外影像解譯了加利福尼亞Clear Lake的藍(lán)藻水華暴發(fā)區(qū)域，是較早關(guān)于藍(lán)藻水華識(shí)別的科學(xué)記載。Gower等提出了MCI指數(shù)，利用藻藍(lán)素709nm波段特征峰來提取藍(lán)藻水華。Landsat系列數(shù)據(jù)空間分辨率更高，李旭文等通過比較大量Landsat TM影像提出了CBI藍(lán)藻水華強(qiáng)度指數(shù)。Oyama等基于Landsat TM/ETM+影像，利用VCI和FAI指數(shù)結(jié)合ETM+第3波段來監(jiān)測藍(lán)藻水華。但Landsat衛(wèi)星重訪周期需要16天，難以滿足藍(lán)藻水華監(jiān)測需求。Alawadi F針對MODIS第1、2、3、4四個(gè)波段數(shù)據(jù)，提出了一種新的檢測微型藻類的表層水華指數(shù)SABI(Surface Algal Bloom Index,SABI)，該方法對環(huán)境條件的變化具有較好的穩(wěn)定性。但上述方法的數(shù)據(jù)基于水體遙感反射率數(shù)據(jù)Rrs，獲取水體遙感反射率數(shù)據(jù)的關(guān)鍵技術(shù)是大氣校正，目前為止，湖泊水體的大氣校正還沒有實(shí)現(xiàn)業(yè)務(wù)化運(yùn)行。大氣校正方法大多使用基于輻射傳輸模擬模型(Dekker et al.,2001；Ammenberg et al.,2002；、Duan et al.,2008)，但傳統(tǒng)的基于輻射傳輸模型的校正方法需要實(shí)時(shí)實(shí)地的大氣參數(shù)，目前尚不能實(shí)現(xiàn)業(yè)務(wù)化。而得到廣泛應(yīng)用的“亮像元”大氣校正算法(即近紅外波段離水輻射為零)(Zhao and Nakajima,1997；Arnone et al.,1998；Ruddick et al.,2000；Hu et al.,2000；Lavender et al.,2005；Vidot and Sante,2005)，由于我國內(nèi)陸湖泊氣溶膠變化較為強(qiáng)烈，而內(nèi)陸湖泊輻亮度在近紅外波段也不為零；此外，湖泊中存在大面積的光學(xué)淺水，離水輻射除包含來自水體的貢獻(xiàn)外，也包含來自湖底底質(zhì)的貢獻(xiàn)，因此“亮像元”大氣校正算法已不再適用。Hu利用經(jīng)過瑞利校正的反射率數(shù)據(jù)Rrc，提出了用FAI指數(shù)來提取藍(lán)藻水華，避免了大氣校正帶來的誤差，對氣溶膠類型和厚度均不敏感，并可用于長時(shí)間序列太湖的藍(lán)藻水華監(jiān)測研究，已經(jīng)成為較為成熟的可用于我國富營養(yǎng)化湖泊藍(lán)藻水華區(qū)域的提取方法。

本發(fā)明旨在選擇對氣溶膠類型和厚度均不敏感的浮游藻類指數(shù)(FAI)，在藻華識(shí)別的基礎(chǔ)上，通過對2000-2014年MODIS影像進(jìn)行目視區(qū)分，統(tǒng)計(jì)獲取“藻華和非藻華條件”MODIS影像分類像元閾值，對不同特征的MODIS影像進(jìn)行分類。通過對“藻華和非藻華條件”MODIS影像進(jìn)行分類，可以更全面地對巢湖水質(zhì)情況進(jìn)行全面分析，為水體色素濃度估算提供技術(shù)支撐。

參考文獻(xiàn)：

Alawadi F.Detection of surface algal blooms using the newly developed algorithm surface algal bloom index(SABI)[C]//Remote Sensing.International Society for Optics and Photonics,2010:782506-782506-14.

Ammenberg P,Flink P,Lindell T,Pierson,D,Strombeck N.Biooptical modelling combined with remote sensing to assess water quality.International Journal of Remote Sensing.2002,23:1621-1638；

Arnone R A,Martinolich P,Gould R W,Stumpf R,Ladner S.Coastal Optical Properties Using SeaWiFS,Ocean Optics XIV Kailua-Kona Hawaii,SPIE-the Internation Society for Optical Engineering.November 10-13,1998；

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.The Science of the Total Environment.2001,268:197-214；

Duan H,Zhang Y,Zhang B,Song K,Wang Z,Liu D,Li F.Estimation of chlorophyll-a concentration and trophic states for inland lakes in Northeast China from Landsat TM data and field spectral measurements.International Journal of Remote Sensing.2008,29(3)；

Gower J,King S,Borstad G,et al.Detection of intense plankton blooms using the 709nm band of the MERIS imaging spectrometer[J].International Journal of Remote Sensing,2005,26(9):2005-2012.

Hu C.M.A novel ocean color index to detect floating algae in the global oceans.Remote sensing of environment,2009,113(10):2118-2129；

Hu C.M.,Li D.Q.,Chen C.S.,et al.On the recurrent Ulvaprolifera blooms in the Yellow Sea and East China Sea.Journal of Geophysical Research,2010a,115,C05017；

Lavender S J,Pinkerton M H,Moore G F.Modification to the atmospheric correction of SeaWiFS ocean color images over turbid waters.Continental Shelf Research.2005,25:539-555；

Oyama Y,Fukushima T,Matsushita B,et al.Monitoring levels of cyanobacterial blooms using the visual cyanobacteria index(VCI)and floating algae index(FAI)[J].International Journal of Applied Earth Observation and Geoinformation,2015,38:335-348.

Ruddick K G,Ovidio F,Rijkeboer M.Atmospheric correction of SeaWiFS imagery for turbid coastal and inland Waters.Applied Optics.2000,39(6):897-912；

Vidot J,Santer R.Atmospheric correction for inland waters-application to SeaWiFS.International Journal of Remote Sensing.2005,26(17):3663-3682；

Wrigley RC.Remote sensing and lake eutrophication[J].Nature,1974,250:213-214.

Zhao Fengsheng,Nakajima T.Simultaneous determination of water-leaving reflectanceand aerosol optical thickness from Coastal Zone Color Scanner measurements.Applied Optics.1997,36(27):6949-6956；

李旭文,牛志春,姜晟,等.基于衛(wèi)星影像的太湖藍(lán)藻水華遙感強(qiáng)度指數(shù)和等級劃分算法設(shè)計(jì)[J].環(huán)境監(jiān)測管理與技術(shù),2011(5):23-30.

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種富營養(yǎng)化湖泊MODIS影像的藻華和非藻華條件影像分類方法，可有效對富營養(yǎng)化湖泊水體影像進(jìn)行分類，以更全面地對富營養(yǎng)化湖泊水質(zhì)情況進(jìn)行全面分析，為水體色素濃度估算提供技術(shù)支撐。

本發(fā)明的上述目的通過獨(dú)立權(quán)利要求的技術(shù)特征實(shí)現(xiàn)，從屬權(quán)利要求以另選或有利的方式發(fā)展獨(dú)立權(quán)利要求的技術(shù)特征。

為達(dá)成上述目的，本發(fā)明所采用的技術(shù)方案如下：

一種富營養(yǎng)化湖泊MODIS影像的藻華和非藻華條件分類方法，包括：基于MODIS RGB影像人工判讀和野外實(shí)測數(shù)據(jù)分析，將富營養(yǎng)化湖泊的MODIS影像分為“藻華影像”和“非藻華影像”；篩選提取藍(lán)藻水華的指數(shù)(FAI)用以判斷藻華像元；設(shè)定合理的像元閾值區(qū)分藻華和非藻華影像。

作為進(jìn)一步的示例，前述方法的具體實(shí)現(xiàn)包括：

1)基于MODIS RGB影像人工判讀和野外實(shí)測數(shù)據(jù)分析，將富營養(yǎng)化湖泊巢湖的MODIS影像分為“藻華影像”和“非藻華影像”。

巢湖主要包含三種典型水體：清潔水體、高懸浮物主導(dǎo)水體和藻華主導(dǎo)水體，高懸浮物區(qū)域和藻華區(qū)域?qū)儆趶?qiáng)信號區(qū)，經(jīng)常出現(xiàn)高懸浮物主導(dǎo)水體和藻華主導(dǎo)水體誤判的現(xiàn)象；

2)篩選提取藍(lán)藻水華的指數(shù)(FAI)用以判斷藻華像元：

清潔水體與高懸浮物主導(dǎo)水體典型光譜特征類似，將清潔水體、高懸浮物主導(dǎo)水體歸為“非藻華影像”，藻華主導(dǎo)水體歸為“藻華影像”。結(jié)合富營養(yǎng)化湖泊的影像數(shù)據(jù)，進(jìn)行不同影像條件下的指標(biāo)模擬，確定選取指數(shù)FAI用以判斷影像的藻華像元數(shù)目；

3)設(shè)定合理的像元閾值區(qū)分“藻華影像”和“非藻華影像”：

統(tǒng)計(jì)出每景MODIS“非藻華影像”受邊界效應(yīng)影響的像元數(shù)，將每景影像受影響的像元數(shù)做成直方圖，計(jì)算該直方圖的平均值和標(biāo)準(zhǔn)差作為區(qū)分MODIS影像“藻華”和“非藻華”條件的統(tǒng)一閾值；

由以上發(fā)明的技術(shù)方案可知，本發(fā)明的富營養(yǎng)化湖泊水體藻華和非藻華條件影像分類方法，可有效對富營養(yǎng)化湖泊水體影像進(jìn)行分類，有效區(qū)分高懸浮物影像和藻華影像，解決了藻華影像和高懸浮物影像誤判的問題，以便更全面地對巢湖水質(zhì)情況進(jìn)行分類分析，為水體色素濃度估算提供技術(shù)支撐。

應(yīng)當(dāng)理解，前述構(gòu)思以及在下面更加詳細(xì)地描述的額外構(gòu)思的所有組合只要在這樣的構(gòu)思不相互矛盾的情況下都可以被視為本公開的發(fā)明主題的一部分。另外，所要求保護(hù)的主題的所有組合都被視為本公開的發(fā)明主題的一部分。

結(jié)合附圖從下面的描述中可以更加全面地理解本發(fā)明教導(dǎo)的前述和其他方面、實(shí)施例和特征。本發(fā)明的其他附加方面例如示例性實(shí)施方式的特征和/或有益效果將在下面的描述中顯見，或通過根據(jù)本發(fā)明教導(dǎo)的具體實(shí)施方式的實(shí)踐中得知。

附圖說明

附圖不意在按比例繪制。在附圖中，在各個(gè)圖中示出的每個(gè)相同或近似相同的組成部分可以用相同的標(biāo)號表示。為了清晰起見，在每個(gè)圖中，并非每個(gè)組成部分均被標(biāo)記?，F(xiàn)在，將通過例子并參考附圖來描述本發(fā)明的各個(gè)方面的實(shí)施例，其中：

圖1是高SPM主導(dǎo)水體和藻華主導(dǎo)水體影像的第一模態(tài)分布。

圖2是巢湖三種典型水體及其光譜特征。

圖3是2013年4月27日巢湖MODIS RGB影像和FAI產(chǎn)品。

圖4是不同湖區(qū)受水陸效應(yīng)影響的像元個(gè)數(shù)。

圖5是“藻華影像”和“非藻華影像”的像元閾值判斷。

圖6是將MODIS影像經(jīng)過統(tǒng)一的方法判斷后，進(jìn)行影像的分類。

前述圖示1-5中，作為英文形式表達(dá)的各坐標(biāo)、標(biāo)識(shí)或其他表示，均為本領(lǐng)域所公知的，并不在本例中再做贅述。

具體實(shí)施方式

為了更了解本發(fā)明的技術(shù)內(nèi)容，特舉具體實(shí)施例并配合所附圖式說明如下。

在本公開中參照附圖來描述本發(fā)明的各方面，附圖中示出了許多說明的實(shí)施例。本公開的實(shí)施例不必定意在包括本發(fā)明的所有方面。應(yīng)當(dāng)理解，上面介紹的多種構(gòu)思和實(shí)施例，以及下面更加詳細(xì)地描述的那些構(gòu)思和實(shí)施方式可以以很多方式中任意一種來實(shí)施，這是應(yīng)為本發(fā)明所公開的構(gòu)思和實(shí)施例并不限于任何實(shí)施方式。另外，本發(fā)明公開的一些方面可以單獨(dú)使用，或者與本發(fā)明公開的其他方面的任何適當(dāng)組合來使用。

本發(fā)明基于MODIS衛(wèi)星數(shù)據(jù)對富營養(yǎng)化湖泊水體“藻華和非藻華條件”進(jìn)行影像分類，上述目的是這樣實(shí)現(xiàn)的：基于MODIS RGB影像人工判讀和野外實(shí)測數(shù)據(jù)分析，將富營養(yǎng)化湖泊的MODIS影像分為“藻華和非藻華條件”；篩選提取藍(lán)藻水華的指數(shù)(FAI)用以判斷藻華像元；設(shè)定合理的像元閾值區(qū)分“藻華和非藻華條件”下的MODIS影像。所選用的MODIS衛(wèi)星影像為經(jīng)過輻射定標(biāo)、大氣瑞利散射校正和幾何校正的衛(wèi)星圖像，所用衛(wèi)星圖像的分辨率為250nm。

作為示例性的描述，下面結(jié)合附圖所示，以巢湖為例，對前述方法的實(shí)施進(jìn)行具體說明。

步驟1、將富營養(yǎng)化湖泊巢湖的MODIS影像分為“藻華影像”和“非藻華影像”；

基于MODIS RGB影像人工判讀和野外實(shí)測數(shù)據(jù)分析，巢湖主要包含三種典型水體：清潔水體、高懸浮物主導(dǎo)水體和藻華主導(dǎo)水體。在EOF算法應(yīng)用過程中，經(jīng)常出現(xiàn)高懸浮物水體和藻華水體誤判的現(xiàn)象，將高懸浮物水體和藻華水體這兩種情況Rrc影像數(shù)據(jù)直接進(jìn)行EOF分析，第一模態(tài)結(jié)果顯示藻華區(qū)域和高懸浮物區(qū)域得分值都比較高(圖1)；和藻華出現(xiàn)的區(qū)域相同，懸浮物高的區(qū)域占據(jù)了所有的模態(tài)變化信號，若不對影像進(jìn)行分類，則兩類水體會(huì)出現(xiàn)誤判的情況。

2、篩選提取藍(lán)藻水華的指數(shù)(FAI)用以判斷藻華像元；

另外，對比分析清潔水體與高懸浮物主導(dǎo)水體以及藻華主導(dǎo)水體的光譜特征(圖2)，發(fā)現(xiàn)高懸浮物區(qū)域點(diǎn)位(S2)Rrc光譜顯著高于清潔水體點(diǎn)位S1，但光譜形狀類似，因此可以將清潔水體、高懸浮物主導(dǎo)水體歸為一類影像(I類)。而對于藻華主導(dǎo)水體，藻華區(qū)域點(diǎn)位(S3)近紅外波段(859nm)的反射率顯著增加，光譜形狀發(fā)生很大變化，因此本文將藻華影像單獨(dú)分為另一類(II類)。

用于藍(lán)藻水華的提取的指數(shù)眾多，胡傳民博士提出的浮游藻類指數(shù)(FAI，F(xiàn)loating algae index)，對于海岸帶和內(nèi)陸湖泊水體具有很好的穩(wěn)定性，可以有效提取藍(lán)藻藻華。FAI指數(shù)以645nm和1240nm波段為基線，計(jì)算859nm與基線的差值來判斷藻華，具體計(jì)算公式為：

FAI＝Rrc'(859)-Rrc(859) (1)

Rrc'(859)＝Rrc(645)-[Rrc(1240)-Rrc(645)]*(859-645)/(1240-645) (2)

其中，Rrc(λ)是經(jīng)過瑞利校正的λ波長處的反射率，Rrc’(859)是基于645nm和1240nm波段線性內(nèi)插得到的859nm波段相對反射率。

3、設(shè)定合理的像元閾值區(qū)分“藻華影像”和“非藻華影像”；

根據(jù)FAI指數(shù)和相關(guān)閾值，將巢湖影像分為兩類：“非藻華影像”(I類)和“藻華影像”(II類)。FAI對高懸浮物較為敏感，選擇純藻華像元FAI＝0.02為閾值，可以有效區(qū)分“非藻華影像”。但在實(shí)際計(jì)算中發(fā)現(xiàn)，“非藻華影像”由于受水陸邊界效應(yīng)、條帶及小片藻華等三種情況的影響，易造成將“非藻華影像”誤判為“藻華影像”，特別是水陸邊界效應(yīng)造成的混分情況最多，約占80％以上。

隨機(jī)選擇一景受水陸邊界效應(yīng)影響的影像，以2013年4月27日影像為例(圖3a)，目視分析的結(jié)果表明該影像屬于“非藻華影像”，但FAI結(jié)果受水陸邊界效應(yīng)影響(圖3b)。隨機(jī)選擇了三個(gè)湖區(qū)的不同區(qū)域(圖3b虛線框中所示)，每個(gè)區(qū)域包含17*13個(gè)有效像元，有效像元即非空值的像元。陸地水體邊界的像元記為0，陸地像元記為負(fù)，水體像元記為正，每個(gè)剖面總計(jì)13個(gè)像元。每個(gè)像元FAI值是垂向方向上17個(gè)像元FAI值的平均。

圖4展示了不同湖區(qū)受到水陸邊界效應(yīng)影響的像元數(shù)目(如圖4黑框中所示)，西湖區(qū)兩個(gè)像元受到邊界效應(yīng)影響(FAI>0.02)，中湖區(qū)一個(gè)像元，東湖區(qū)兩個(gè)像元。如果隨機(jī)選擇其他區(qū)域，受到水陸邊界效應(yīng)影響的像元數(shù)目將會(huì)發(fā)生變化，不同區(qū)域受影響的像元數(shù)目不同且沒有確定規(guī)律。原算法假設(shè)中我們認(rèn)為存在FAI>0.02的像元?jiǎng)t認(rèn)為是“藻華影像”，如果忽略邊界效應(yīng)的影響，那么2013年則沒有“非藻華影像”，這顯然不符合客觀事實(shí)。因此考慮水陸邊界效應(yīng)，設(shè)定區(qū)分“藻華影像”、“非藻華影像”的像元閾值非常必要。

“藻華影像”通過目視解譯很好區(qū)分，對2000-2014年所有影像進(jìn)行篩選，將所有“藻華影像”剔除之后，統(tǒng)計(jì)出每景“非藻華影像”受邊界效應(yīng)影響的像元數(shù)。將每景影像受影響的像元數(shù)做成直方圖(圖5)，圖中N為影像總數(shù)。該直方圖中包括1182個(gè)影像，計(jì)算該直方圖的平均值和標(biāo)準(zhǔn)差，均值為102.59，標(biāo)準(zhǔn)差為91.02。直方圖經(jīng)過SPSS的數(shù)據(jù)檢驗(yàn)，該分布符合正態(tài)分布。像元閾值的計(jì)算方法為：平均值+2*標(biāo)準(zhǔn)差，據(jù)此計(jì)算本實(shí)施例的像元閾值約285個(gè)像元，即藻華面積需大于17.80km²，將該閾值作為本研究區(qū)分非藻華(I類)和藻華(II類)影像的統(tǒng)一閾值。前述影像分類方法的像元閾值采用統(tǒng)計(jì)學(xué)3Sigma原理，一組正態(tài)分布數(shù)據(jù)的平均值+2*標(biāo)準(zhǔn)差覆蓋了95％的數(shù)據(jù)量。

通過上述方法即可實(shí)現(xiàn)將MODIS影像經(jīng)過統(tǒng)一的方法判斷后，進(jìn)行影像的分類(如圖6)，本發(fā)明的方法可有效區(qū)分富營養(yǎng)化湖泊MODIS影像中高懸浮物影像和藻華影像，避免兩種影像的誤判。有助于全面地對富營養(yǎng)化湖泊水質(zhì)情況進(jìn)行全面分析，為水體色素濃度估算提供技術(shù)支撐。

雖然本發(fā)明已以較佳實(shí)施例揭露如上，然其并非用以限定本發(fā)明。本發(fā)明所屬技術(shù)領(lǐng)域中具有通常知識(shí)者，在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可作各種的更動(dòng)與潤飾。因此，本發(fā)明的保護(hù)范圍當(dāng)視權(quán)利要求書所界定者為準(zhǔn)。