測(cè)繪工程畢業(yè)論文-基于tm影像水體藻類(lèi)污染研究

1、<p><b>　　本科畢業(yè)論文</b></p><p><b>　　（20 屆）</b></p><p>　　基于TM影像水體藻類(lèi)污染研究</p><p>　　基于TM影像的水體藻類(lèi)污染研究</p><p>　　【摘要】傳統(tǒng)的人工現(xiàn)場(chǎng)采集水樣進(jìn)行水質(zhì)分析的方法監(jiān)測(cè)結(jié)果較準(zhǔn)確，但采樣頻次

2、有限、成本高耗時(shí)長(zhǎng)。遙感技術(shù)是研究污染源的動(dòng)態(tài)監(jiān)測(cè)的新方法 ,使水質(zhì)監(jiān)測(cè)和治理奠定了基礎(chǔ) 。本文對(duì)TM影像進(jìn)行了一些介紹，然后對(duì)水體植被指數(shù)原理、遙感水污染的主要分析方法，常見(jiàn)的有機(jī)物污染如葉綠素藍(lán)藻水華遙感原理概括分析總結(jié)。最后基于中國(guó)大陸東部海域遙感影像圖對(duì)其提取NDVI、RVI植被指數(shù)的提取，從而做出其污染分布圖。</p><p>　　【關(guān)鍵字】TM影像 遙感水質(zhì)分析 環(huán)中國(guó)大陸東部沿海 水體提取

3、植被指數(shù)提取藻類(lèi)信息</p><p><b>　　目錄</b></p><p><b>　　1. 引言1</b></p><p><b>　　2.TM影像1</b></p><p><b>　　3植被指數(shù)1</b></p><p&

4、gt;　　4.水質(zhì)分析方法2</p><p>　　4.1半分析方法2</p><p><b>　　4.2經(jīng)驗(yàn)方法2</b></p><p><b>　　4.3其他2</b></p><p>　　5.水體遙感原理2</p><p>　　5.1水體藍(lán)藻水華濃度遙感3&

5、lt;/p><p>　　5.2水體葉綠素濃度遙感3</p><p>　　6.環(huán)中國(guó)大陸東部海域水色遙感模型3</p><p><b>　　6.1數(shù)據(jù)來(lái)源3</b></p><p>　　6.2數(shù)據(jù)預(yù)處理3</p><p>　　6.2.1圖像輻射定標(biāo)3</p><p>　

6、　6.2.2圖像大氣校正4</p><p><b>　　6.3水體提取5</b></p><p>　　6.4 NDVI植被指數(shù)提取藻類(lèi)信息5</p><p>　　6.5 數(shù)據(jù)處理分析依據(jù)5</p><p>　　6.7分析與討論7</p><p><b>　　7.結(jié)束語(yǔ)7<

7、;/b></p><p><b>　　致謝語(yǔ)8</b></p><p><b>　　1.引言</b></p><p>　　了解水污染的現(xiàn)狀對(duì)保護(hù)水資源有重要意義。針對(duì)水體藍(lán)藻等有機(jī)物的污染，本文對(duì)TM影像進(jìn)行了一些介紹，然后對(duì)水體植被指數(shù)原理、遙感水污染的主要分析方法，常見(jiàn)的有機(jī)物污染如葉綠素藍(lán)藻水華遙感原理概括分

8、析總結(jié)。最后基于中國(guó)大陸東部海域遙感影像圖對(duì)其提取NDVI、RVI植被指數(shù)的提取，從而做出其污染分布圖。</p><p><b>　　2.TM影像</b></p><p>　　在目視解譯遙感圖像時(shí)，我們會(huì)考慮很多的圖像特征——顏色（在全色圖像情況下）、結(jié)構(gòu)、大小、形狀、背景等諸如此類(lèi)，但在計(jì)算機(jī)輔助軟件中經(jīng)常使用的僅僅是顏色，重要的是設(shè)置的多波段傳感器（像眼睛那樣在光

9、譜里看到多個(gè)地方。并能夠進(jìn)入測(cè)量光譜反應(yīng)模式的傳感器）及光譜波段的數(shù)目和波段范圍。</p><p>　　美國(guó)地球資源衛(wèi)星（Landsat）是一個(gè)有7個(gè)波段，30m分辨率的多光譜圖像商業(yè)系統(tǒng)。通過(guò)分析顯示，在許多環(huán)境中自然環(huán)境信息量的傳播最多的波段是近紅外波和紅色波。水體由紅外線波長(zhǎng)強(qiáng)烈地吸收，因此在這個(gè)區(qū)域十分明顯。另外，植物物種在這里把他們的根本差異展示了出來(lái)，因?yàn)檫@是葉綠素為光合作用吸收能量的原始地方。紅色區(qū)

10、間也很重要，因?yàn)樗从沉巳~綠素吸收能量進(jìn)行的光合作用，是容易區(qū)分植被和非植被的波長(zhǎng)。如果了解了紅色波段和近紅外波段的重要性，就會(huì)發(fā)現(xiàn)地球資源監(jiān)測(cè)設(shè)計(jì)的傳感器系統(tǒng)都帶有紅色波段和近紅外波傳感器。其他波段依賴(lài)于設(shè)想的應(yīng)用范圍。很多波段還包括綠色可見(jiàn)波段，因?yàn)樗梢院土硗鈨蓚€(gè)波段一起使用，產(chǎn)生傳統(tǒng)的假彩色合成圖，即一個(gè)來(lái)自綠色、紅色、和近紅外波段的彩色圖像（和自然顏色圖像的藍(lán)色、綠色和紅色波段相反）。這種組合隨著紅外攝影的出現(xiàn)而變得很常見(jiàn)，并

11、為遙感領(lǐng)域的專(zhuān)家所熟悉。此外，這三種波段的結(jié)合在解譯人文景觀、自然和植被表面方面運(yùn)用得很好。其他波段對(duì)地表物質(zhì)變得更具有針對(duì)性，這種現(xiàn)象越來(lái)越普遍，比如，陸地衛(wèi)星TM5波段位于兩個(gè)水體吸收帶之間，目前已經(jīng)證明了他在確定土壤和葉片水分之間的差異方面非</p><p>　　Landsat上的多譜掃描儀MSS(Multi—Spectral Scanner)能收集藍(lán)色、綠色、紅色和近紅外4個(gè)波段的圖像：專(zhuān)題制圖儀TM(T

12、hematic Mapper),能夠收集7個(gè)波段的圖像，這些波段有藍(lán)波、綠波、紅波、近紅外波、兩個(gè)中近紅外波和一個(gè)熱紅外波。多光譜掃描儀的分辨率是80m，而專(zhuān)題制圖儀的空間分辨率達(dá)到30m.這兩個(gè)傳感器圖像有185km寬的測(cè)繪帶，在當(dāng)?shù)貢r(shí)間每天的上午9:45經(jīng)過(guò)，周期是16天。</p><p><b>　　3植被指數(shù)</b></p><p>　　在自然資源評(píng)價(jià)和監(jiān)測(cè)中

13、，植被分析和植被形式的變化探測(cè)是非常關(guān)鍵的。因而不難發(fā)現(xiàn)，綠色植被探測(cè)和定量評(píng)價(jià)是環(huán)境資源管理和制定決策的主要遙感應(yīng)用之一。</p><p>　　綠色植被的健康冠層與電磁光譜中的可見(jiàn)光和近紅外區(qū)域中的能量有明顯作用。在可見(jiàn)光區(qū)，植物色素（多數(shù)是葉綠素）吸收巨大的能量，主要是用于光合作用。這個(gè)吸收在可見(jiàn)光譜的紅色和藍(lán)色區(qū)域達(dá)到最高點(diǎn)，多數(shù)樹(shù)葉呈現(xiàn)出了綠色。但在近紅外區(qū)，會(huì)出現(xiàn)不同的相互作用，這個(gè)區(qū)域的能量不僅用在光

14、合作用中，還被多數(shù)樹(shù)葉的內(nèi)部結(jié)構(gòu)強(qiáng)烈分散，于是在近紅外區(qū)產(chǎn)生了非常高的反射率。因而，在紅波段的反射量與近紅外的反射量之間形成了一個(gè)強(qiáng)烈地對(duì)比，這成為一系列利用遙感圖像發(fā)展植被量化指數(shù)的重要焦點(diǎn)。</p><p>　　植被指數(shù)(VI)模型的集合是為提供綠色植被生物量定量評(píng)價(jià)而設(shè)計(jì)。植被指數(shù)可以應(yīng)用在高、低空間分辨率衛(wèi)星圖像中，比如，NOAAAVHRR,Landsat TM和MSS,SPOT HRV/XS,以及在紅波

15、和近中紅外地區(qū)與該集合相似的其他集合中。在多種情景中，利用綠色植被指數(shù)模型對(duì)綠色生物量進(jìn)行評(píng)價(jià)，還可以用作整體環(huán)境變化的標(biāo)（VI）志，特別應(yīng)用在干旱的條件和土地退化風(fēng)險(xiǎn)評(píng)價(jià)中。所以主要集中在干旱環(huán)境下綠色生物量評(píng)價(jià)上，在這類(lèi)地區(qū)，土壤背景是探測(cè)信號(hào)的主要組成部分。</p><p>　　NDVI和RVI是基于斜率的簡(jiǎn)單運(yùn)算組合的植被指數(shù)，側(cè)重于電磁光譜的紅波段和近紅外部分中植被的光譜相應(yīng)機(jī)理的對(duì)比?；谛甭实闹脖恢?/p>

16、數(shù)是可見(jiàn)光紅波段(RED)和近紅外波段（NEAR INFRADE）的組合，廣泛應(yīng)用于生成植被指數(shù)。這個(gè)指數(shù)值顯示綠色植被和生物量的狀態(tài)和豐富程度。</p><p>　　植被指數(shù)為研究和監(jiān)測(cè)植被及植被動(dòng)態(tài)方面提供了重要的機(jī)遇。本文將嘗試將NDVI和RVI植被指數(shù)模型用于水體藻類(lèi)提取，從而進(jìn)行有機(jī)污染研究。</p><p><b>　　4.水質(zhì)分析方法</b></p

17、><p><b>　　4.1半分析方法</b></p><p>　　物理輻射傳輸理論、輻射的方法和有效性的光學(xué)材料在吸水和反向散射特性、反射率、水之間的關(guān)系的基礎(chǔ)上,吸收和散射系數(shù)用于計(jì)算組件和組件的濃度吸收和后向散射系數(shù)、濃度的反演方法來(lái)確定組件[1]。具有較強(qiáng)的適用性和可靠性,該方法用于懸掛組件如葉綠素和反演。但需要測(cè)試參數(shù)模型的方法,因?yàn)橄拗频膬x器、設(shè)備廣泛的應(yīng)用程

18、序。此外,一些未知的變量在模型中常量的經(jīng)驗(yàn),這可能會(huì)影響反演的精度[2]。雖然半分析方法有先天優(yōu)勢(shì),但研究海岸和河口水水質(zhì)有機(jī)污染應(yīng)用某些[3]。</p><p><b>　　4.2經(jīng)驗(yàn)方法</b></p><p>　　基于同步的水質(zhì)參數(shù)的經(jīng)驗(yàn)方法和遙感測(cè)量統(tǒng)計(jì)關(guān)系的經(jīng)驗(yàn),選擇最優(yōu)波段或波段組合模型數(shù)據(jù)和實(shí)測(cè)水質(zhì)參數(shù),然后水質(zhì)參數(shù)反演方法。這種方法是目前使用最廣泛的是

19、相對(duì)簡(jiǎn)單的,但事實(shí)上,遙感數(shù)據(jù)之間的相關(guān)性和水質(zhì)參數(shù),和不是很明確的物理意義,受限于時(shí)間和地點(diǎn)[4]。</p><p><b>　　4.3其他</b></p><p>　　隨著科學(xué)技術(shù)的發(fā)展,如計(jì)算機(jī)和人工智能研究人員進(jìn)行了大量的工作,國(guó)內(nèi)外先進(jìn)的水質(zhì)遙感反演方法,這是一個(gè)典型的和廣泛使用的方法和人工神經(jīng)網(wǎng)絡(luò)[5],非線性?xún)?yōu)化方法、主成分分析(pca),等[6],[7

20、]。</p><p><b>　　5.水體遙感原理</b></p><p>　　衛(wèi)星遙感的總輻射(L1)=大氣中的水直接反射回到水面尚未實(shí)現(xiàn)表面的輻射(LP)+水沒(méi)有到達(dá)底部的水只在界面反射或散射強(qiáng)度(LV)+水體和水面反射輻射(LS)+水底部的反射強(qiáng)度(LB)。LP和LB是有機(jī)污染的研究不需要的。</p><p>　　水質(zhì)研究在公式(1)是最

21、重要的LV,包括純凈水(w)和水中的無(wú)機(jī)懸浮物(SM)、有機(jī)葉綠素(Chla)和溶解有機(jī)物(DOM)的濃度,并分別在水中吸收和散射的光(λ)(c)的功能變化,即:LV = f(Wc(λ)、SMc(λ)、葉綠素(λ)、DOMc(λ)]這些成分和它們的濃度變化時(shí),水質(zhì)和水也將改變。水由于入射能量(陽(yáng)光)有很強(qiáng)的吸收,出現(xiàn)軟弱的總體程度的反射率,并有隨著波長(zhǎng)的增加繼續(xù)削弱的傾向,具體表現(xiàn)如下:在可見(jiàn)光的波長(zhǎng)范圍(480 nm ~ 580 nm

22、),反射率約為4% ~ 5%,但到580nm,降至2% ~ 3%,但超過(guò)740nm波長(zhǎng)的入射能量幾乎所有被水吸收。到目前為止,通常只研究可見(jiàn)光波長(zhǎng)的水質(zhì)污染,在所有的可見(jiàn)光波段中水體藍(lán)色的光反射率是相對(duì)強(qiáng)勁的范圍,并有明顯的散射效應(yīng),綠燈略弱,紅燈是相對(duì)較弱,這也是大海呈藍(lán)的主要原因。由于水體在近紅外和隨后的中紅外波長(zhǎng)(740 nm - 2500 nm)范圍內(nèi)的強(qiáng)吸收特性,導(dǎo)致一個(gè)明確的水質(zhì)在波長(zhǎng)范圍幾乎沒(méi)有反射率,也正因?yàn)槿绱?此波長(zhǎng)

23、范圍常被用來(lái)研究水邊界,劃定水范圍?？傊?清水的遙感信息模型根據(jù)其反射率可以近似為:藍(lán)色> 綠色</p><p>　　5.1水體藍(lán)藻水華濃度遙感</p><p>　　郭國(guó)欽通過(guò)分析和研究,得出滇池藍(lán)藻在可見(jiàn)光,紅外光譜的譜特征和使用假彩色合成和歸一化植被指數(shù)方法在滇池藍(lán)藻信息識(shí)別和提取遙感[8]。李旭文以TM數(shù)據(jù)作為數(shù)據(jù)源,得出利用葉綠素和DVI植被指數(shù)(TM4 / TM3),藻類(lèi)生

24、物量之間的高度相關(guān)性定量遙感模型成立,湖面積葉綠素和藍(lán)藻生物量遙感評(píng)估[9]。使用遙感數(shù)據(jù),黃家柱測(cè)試了LandsatTM太湖藻類(lèi)爆發(fā)，時(shí)間在1998年8月,[10]。</p><p>　　5.2水體葉綠素濃度遙感</p><p>　　我們知道，遙感中顯示植物存在的位置是根據(jù)葉綠素的多少，水體的富營(yíng)養(yǎng)化是通過(guò)葉綠素。根據(jù)已有的研究成果，葉綠素會(huì)影響電磁波的波長(zhǎng)在大氣中的物理反應(yīng)。它有幾個(gè)明

25、顯的特征：（1）葉綠素的強(qiáng)吸收是在400~500nm(藍(lán)光）范圍內(nèi)，而且在波長(zhǎng)440nm處會(huì)出現(xiàn)吸收最低值； （2）在550nm范圍，有葉綠素的最大反射峰，其中，在波長(zhǎng)520nm處的輻射值是一個(gè)不因?yàn)槿~綠素的改變而改變的“節(jié)點(diǎn) ”；（3）第二次的強(qiáng)吸收約為675nm處；（4）在690nm~700nm的附近有一次出現(xiàn)明顯的反射峰，這是因?yàn)楦鞣N綜合效應(yīng)在最??；（5)水體在近紅外波長(zhǎng)的反射率也會(huì)隨著水中懸浮物質(zhì)含量的增加而增高，相反

26、，有些沉積物在此波段處的反射率卻降低。</p><p>　　6.環(huán)中國(guó)大陸東部海域水色遙感模型</p><p><b>　　6.1數(shù)據(jù)來(lái)源</b></p><p>　　地理空間數(shù)據(jù)云平臺(tái)下載影像，地理范圍大致介于東經(jīng)23.59~25.49北緯117.37~119.71,截取了其中的一部分——我國(guó)東部大陸環(huán)海地區(qū)。影像數(shù)據(jù)如下：</p>

27、;<p>　　起源= “美國(guó)地質(zhì)調(diào)查局(u.s. geological survey)”</p><p>　　SPACECRAFT_ID = "Landsat5"</p><p>　　SENSOR_ID = "TM"</p><p>　　SENSOR_MODE = "BUMPER"</p

28、><p>　　ACQUISITION_DATE = 2010-05-24</p><p>　　SCENE_CENTER_SCAN_TIME = 02:23:55.6700750Z</p><p>　　SUN_AZIMUTH = 94.5606193</p><p>　　SUN_ELEVATION = 66.9324049</p>&

29、lt;p><b>　　6.2數(shù)據(jù)預(yù)處理</b></p><p>　　由于衛(wèi)星傳感器所接收到的信息包含了大氣、水體等各方面的信息，為了抑制其它信息和增強(qiáng)表征水體的信息，必須對(duì)影像進(jìn)行預(yù)處理[11]。</p><p>　　6.2.1圖像輻射定標(biāo)</p><p>　　步驟一:DN值轉(zhuǎn)為星上輻亮度</p><p>　　步驟

30、二a：星上輻亮度轉(zhuǎn)為大氣頂層反射率</p><p>　　步驟二b: 熱紅外波段的星上輻亮度轉(zhuǎn)為星上亮溫[12]</p><p>　　在ERDAS中的操作步驟：</p><p>　　（1）把多個(gè)tiff文件合并為img文件。</p><p>　　執(zhí)行InterpreterUtilitiesLayer Stack彈出以下窗口</p>

31、<p>　　在input file處打開(kāi)對(duì)應(yīng)影像的所有tiff文件，將Layer右側(cè)設(shè)置為all后單擊Add，設(shè)置output file名稱(chēng)，單擊OK開(kāi)始執(zhí)行。生成多波段的img文件。</p><p>　?。?）建立用于輻射定標(biāo)的Model。</p><p>　　執(zhí)行ModelerMoleler Maker彈出以下窗口</p><p>　　在上面窗口中，

32、進(jìn)行讀入數(shù)據(jù)、數(shù)據(jù)計(jì)算、輸出結(jié)果等模型的建立。注意保存Model，以便將來(lái)多次使用。</p><p>　?。?）執(zhí)行Model，生成結(jié)果。</p><p>　　6.2.2圖像大氣校正</p><p>　　大氣矯正可以用多種方法來(lái)影響遙感圖像的性質(zhì)。在分子水平上，大氣氣體產(chǎn)生瑞利散射，不斷影響短波（原因是，比如，是的天空看上去是藍(lán)色的）而且像氧氣，二氧化碳，臭氧和水蒸

33、氣（特別是后兩者）這些主要大氣成分都吸收選定波長(zhǎng)的能量。氣溶膠顆粒（氣溶膠思微小固體或液體顆粒的氣體懸浮液）是薄霧的主要決定成分，引進(jìn)大部分非選擇（也就是，同等地影像所有的波長(zhǎng)）Mie散射。大氣作用可以是巨大的，因此遙感專(zhuān)家致力于這些作用的建模和修復(fù)。</p><p>　　1986年,法國(guó)Tanre德里爾科技大學(xué)(里爾科技大學(xué))大氣光學(xué)實(shí)驗(yàn)室和其他人為了簡(jiǎn)化大氣輻射傳輸方程,太陽(yáng)光譜波段衛(wèi)星信號(hào)模擬器的發(fā)展5 s

34、(衛(wèi)星信號(hào)模擬太陽(yáng)光譜),用于模擬太陽(yáng)輻射的傳輸系統(tǒng)和計(jì)算衛(wèi)星輻射亮度的學(xué)生。1997年,埃里克·Vemote 5 s改進(jìn)、發(fā)展的6 s(第二模擬衛(wèi)星在太陽(yáng)光譜信號(hào)),6 s,吸收最新的散射計(jì)算方法使太陽(yáng)光譜波段散射比5 s來(lái)提高計(jì)算精度。模型假設(shè)一個(gè)萬(wàn)里無(wú)云的氛圍,的情況下考慮到水蒸氣,二氧化碳,O3和O2的吸收,分子和氣溶膠散射和凹凸不平的地面和雙向反射問(wèn)題是提高5 s,6光譜積分步驟5 nm 2.5 nm,與5 s相比,

35、它可以模擬機(jī)載觀測(cè),建立了目標(biāo)高度,解釋附近的雙向功能和效果,增加了計(jì)算的兩種氣體吸收(有限公司、一氧化二氮)。散射效應(yīng)是通過(guò)使用SOS連續(xù)(散射)方法,以提高精度。缺點(diǎn)是不能處理球面大氣觀測(cè)和身體(身體)。</p><p><b>　　6.3水體提取</b></p><p>　　對(duì)landsatTM遙感影像中水體提取的多種方法中，目前較多的是周成武等提出的普間關(guān)系法

36、，主要原理是通過(guò)分析水體在TM影像的7個(gè)波段的波譜特性，發(fā)現(xiàn)水體與其他地物相比具有獨(dú)特的譜間關(guān)系，及對(duì)于LandsatTM遙感影像的7個(gè)波段具有波段2加波段3大于波段4加波段5的特征。該方法可以將水體與陰影區(qū)分開(kāi)，對(duì)水庫(kù)、坑塘、寬的河流和河流中較寬的部分[13]。</p><p>　　6.4 NDVI植被指數(shù)提取藻類(lèi)信息</p><p>　　歸一化植被指數(shù)是Rouse等人在1974年建立的

37、特殊VI，它解決了利用Landsat MSS 影像從背景土壤的亮度值中分類(lèi)綠色植被的問(wèn)題。這個(gè)指數(shù)表達(dá)了近紅外波段（NEAR INFRAED）與紅波段（RED）的差異總值歸一化，也就是:</p><p>　　NDVI=(DNnir-DNred)/(DNnir+DNred)</p><p>　　式中nir為近紅外波段，red為紅光段。這是非常常用的VI，他減少了地形影像同時(shí)又能表達(dá)線性測(cè)量比

38、例。此外，被零除的現(xiàn)象也明顯減少。更進(jìn)一步說(shuō)，測(cè)量比例能合適的描述在-1~1之間，0近似為沒(méi)有植被。因而，賦值代表沒(méi)有植被的表面。</p><p>　　簡(jiǎn)單比值植被指數(shù)CRVI是由Richardson和Wiegand(1997)提出來(lái)的，用計(jì)算機(jī)計(jì)算更簡(jiǎn)便。</p><p>　　計(jì)算結(jié)果是純水體部分DNVI值小于0，有植被特征的水體部分，及藍(lán)藻在水表爆發(fā)區(qū)域的NDVI越大的地方，葉綠素a濃

39、度越高。計(jì)算出的DNVI值分為6類(lèi)[14]。</p><p>　　6.5 數(shù)據(jù)處理分析依據(jù)</p><p>　　1、水體懸浮物濃度研究懸浮物質(zhì)含量高地水體R2>R1</p><p>　　2、高濃度懸浮區(qū)域，則R3>R2</p><p>　　3、一般濃度的懸浮區(qū)域，R3<R2</p><p>　　4、對(duì)

40、于污染水體，隨著污染物濃度的增加，R4/R3的值逐漸增大</p><p>　　5、R4/R3即（RVI）可以作為有機(jī)污染的重要指標(biāo)。</p><p>　　6、R2/R1可區(qū)分較高懸浮泥沙區(qū)域</p><p>　　7、R2/R1>1懸浮物質(zhì)水體提取</p><p>　　8、R2/R1>1且R3>=R2高懸浮物濃度區(qū)</p

41、><p>　　9、R2/R1>1且 R3<R2低懸浮物濃度區(qū)[15]</p><p><b>　　6.6分類(lèi)制圖</b></p><p>　　圖像分類(lèi)是遙感圖像的計(jì)算機(jī)輔助解譯，主要包括包括監(jiān)督分類(lèi)和非監(jiān)督分類(lèi)。非監(jiān)督分類(lèi)不需要查找類(lèi)型的分類(lèi)特征信息,相反,它分析圖像數(shù)據(jù),把數(shù)據(jù)分成若干自然光譜組,或者集群.分析家通過(guò)結(jié)合該地區(qū)的熟悉長(zhǎng)

42、度和地面調(diào)查的真實(shí)情況來(lái)確定這些集群作為土地覆蓋類(lèi)型的歸屬，比如，系統(tǒng)可以分瀝青和水泥地的類(lèi)型，分析家對(duì)分類(lèi)進(jìn)行歸組，建立一個(gè)路面的類(lèi)型。</p><p>　　非監(jiān)督分類(lèi)技術(shù)的共同目標(biāo)就是揭示主要的土地覆蓋分類(lèi)，這個(gè)土地覆蓋分類(lèi)可能存在于未知的圖像中。一般來(lái)說(shuō)，這樣的程序?qū)儆诰奂治龅姆秶?，因?yàn)樗麄冊(cè)诙嗖ǘ螆D像內(nèi)搜索象元特點(diǎn)相似的反射率集群，這些集群是所有土地覆蓋類(lèi)型的概括，因?yàn)檫@些集群揭示土地覆蓋的主要類(lèi)型，因

43、而傾向于忽略出現(xiàn)頻率很低的土地類(lèi)型特性。不過(guò)由于這些廣泛的共同點(diǎn)，還沒(méi)有除此之外的其他方法。</p><p>　　分類(lèi)：先將經(jīng)過(guò)以上處理所生成的環(huán)中國(guó)東大陸沿岸水域NDVI植被指數(shù)提取和RVI植被指數(shù)提取，用無(wú)監(jiān)督分類(lèi)法分別對(duì)它們進(jìn)行分類(lèi)，均值類(lèi)似的類(lèi)別代表濃度接近的水體。由于缺少實(shí)際情況采集水質(zhì)監(jiān)測(cè)的樣本數(shù)據(jù)和GIS 等一些輔助數(shù)據(jù)，只能繪制一個(gè)比較粗糙的藻類(lèi)水質(zhì)分布圖。</p><p>

44、;　　水體RVI指數(shù)分類(lèi)圖</p><p>　　水體DNVI指數(shù)提取分類(lèi)圖</p><p><b>　　6.7分析與討論</b></p><p>　　(1)圖中污染程度的強(qiáng)弱順序?yàn)椋阂患?jí)有機(jī)污染＞二級(jí)有機(jī)污染＞三級(jí)有機(jī)污染＞四級(jí)有機(jī)污染＞五級(jí)有機(jī)污染． 從中可明顯看到環(huán)中國(guó)東部沿岸有機(jī)污染濃度分布圖.</p><p>　

45、　(2)圖像上顯示結(jié)果，沿岸是污染最嚴(yán)重的地方，追其原因，陸地沿岸生活污水工業(yè)污染最嚴(yán)重，東南季風(fēng)也有一定影響。</p><p>　　(3)由于缺乏與影像獲得時(shí)間相對(duì)應(yīng)的實(shí)時(shí)水質(zhì)監(jiān)測(cè)參數(shù)和地面資料，不能保證提取的數(shù)據(jù)的“純凈度”，從而影響到最后的分類(lèi)結(jié)果． 因此在這里值得注意的是，分析結(jié)果只具有相對(duì)的意義，并不一定是真實(shí)的數(shù)值.</p><p>　　(4)非監(jiān)督分類(lèi)只能得出其相似度，而不能

46、得出數(shù)據(jù)的內(nèi)在屬性。</p><p>　　(5)水體遙感影像除對(duì)有機(jī)污染研究外，對(duì)水溫、水深、水體界限范圍、水分化學(xué)成分、水體懸浮物皆有反映，可進(jìn)行更加深刻的剖析。</p><p>　?。?）可進(jìn)一步通過(guò)變化監(jiān)測(cè)，對(duì)比分析得出NDVI，RVI指數(shù)提取分析。</p><p><b>　　7.結(jié)束語(yǔ)</b></p><p>

47、　　水體水體富營(yíng)養(yǎng)化復(fù)雜的內(nèi)在與外在因素導(dǎo)致治理的難度極高。識(shí)別藻類(lèi)以及反應(yīng)其時(shí)間和空間和動(dòng)態(tài)變化情況，對(duì)分析水體富營(yíng)養(yǎng)化十分有幫助。世界上很多國(guó)家的科學(xué)家學(xué)者對(duì)水體環(huán)境的遙感監(jiān)測(cè)進(jìn)行了大量的實(shí)驗(yàn)分析總結(jié)等，建立了包括回歸模型、水體生物光學(xué)模型等方法反演水質(zhì)函數(shù)參數(shù)，為水質(zhì)遙感監(jiān)測(cè)提供了一定基礎(chǔ)。遙感影像獲取技術(shù)方面，隨著高性能新型遙感器的研制開(kāi)發(fā)水平高新技術(shù)的提高以及環(huán)境資源遙感對(duì)高精度遙感數(shù)據(jù)要求的提高，將迎來(lái)高空間和高光譜分辨率遙

48、感影像時(shí)代。雷達(dá)遙感技術(shù)可以適應(yīng)任何時(shí)間在任何天氣的圖像數(shù)據(jù)和滲透一些對(duì)象。這些新技術(shù)將有廣闊的發(fā)展前景。水有機(jī)污染高光譜遙感發(fā)展迅速?？梢燥@著提高科學(xué)性和合理性的有機(jī)污染水環(huán)境監(jiān)測(cè)和智能化程度,和擴(kuò)大應(yīng)用范圍的有機(jī)污染的水環(huán)境監(jiān)測(cè)?？色@取遙感立體影像。將環(huán)境污染遙感監(jiān)測(cè)技術(shù)(RS)與地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）、專(zhuān)家系統(tǒng)（Expert System.ES)技術(shù)集成建立高速，高精度，大量的遙感數(shù)據(jù)處理系統(tǒng)。</p

49、><p><b>　　致謝</b></p><p>　　四年的大學(xué)生活已然接近尾聲，在此對(duì)多年一直關(guān)心、幫助、鼓勵(lì)我的人表示衷心的感謝。本篇論文從選題、修改、定稿、成稿，無(wú)不凝聚著陳紹杰老師的心血和智慧。他以淵博的專(zhuān)業(yè)知識(shí)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和精益求精的工作作風(fēng)，誨人不倦的高尚師德、寬以待人的崇高風(fēng)范，深深的感染和激勵(lì)著我。陳紹杰老師于百忙之中詳細(xì)批閱了我的論文，對(duì)文章的

50、各方面的內(nèi)容問(wèn)題和細(xì)節(jié)進(jìn)行認(rèn)真的批注，提出了寶貴的修改意見(jiàn)。通過(guò)這次畢業(yè)論文，我感受很多，收獲也很多。首先，讓我對(duì)GPS技術(shù)在邊坡應(yīng)用中有了更深刻的解讀。其次，提高我對(duì)問(wèn)題的分析和解決的能力。最后，經(jīng)過(guò)徐老師對(duì)我的耐心指導(dǎo)，培養(yǎng)了我不驕不躁、嚴(yán)謹(jǐn)求實(shí)的學(xué)習(xí)精神和工作作風(fēng)，讓我更加清楚撰寫(xiě)論文是一個(gè)繁瑣、認(rèn)真更加要有深刻的理解專(zhuān)業(yè)知識(shí)的基礎(chǔ)上完成這其中必須把握好每一個(gè)細(xì)節(jié)，才能更好的完成論文。 同時(shí)，感謝資源工程學(xué)院測(cè)繪工程專(zhuān)

51、業(yè)老師及院領(lǐng)導(dǎo)在我的生活和學(xué)習(xí)中給予的關(guān)懷和幫助。感謝11級(jí)測(cè)繪工程班的全體同學(xué)，在這四年中給予的支持和鼓勵(lì)，是你們伴我度過(guò)這四年美好而又難忘的時(shí)光！在此，我對(duì)各位于百忙中抽空來(lái)評(píng)審論文和參加答辯的老師深表謝意！這四年來(lái)，是你們用自己的心血和汗水培育</p><p><b>　　參考文獻(xiàn)</b></p><p>　　[1] 李旭文，季耿善，楊靜[J].遙感信息，19

52、95，(1):25-29</p><p>　　[2] 黃家柱，趙銳.衛(wèi)星遙感監(jiān)測(cè)太湖水域藍(lán)藻暴發(fā)[J].遙感信息，1999，（4):43-44</p><p>　　[3] 張曉憶，景元書(shū)，簡(jiǎn)單 基于ETM+影像監(jiān)測(cè)的藍(lán)藻水華時(shí)空分布特征 南京 南京信息工程大學(xué)</p><p>　　[4] 劉建萍，張玉超，錢(qián)新，等，太湖藍(lán)藻水華的遙感監(jiān)測(cè)研究[J]。環(huán)境污染與防治，2

53、009,31 報(bào)， （8）：79—87</p><p>　　[5] 趙冬至,曲元,張豐收等.用TM圖像估算海面葉綠素濃度的神經(jīng)網(wǎng)絡(luò)模型.海洋環(huán)境科學(xué)，2001，20（1）：16—21.</p><p>　　[6] 韓秀珍，朱小祥，劉誠(chéng)，基于MODIS數(shù)據(jù)的太湖藍(lán)藻信息提取研究[A].中國(guó)氣象學(xué)會(huì).2007年論文集[C].北京：氣象出版社，2007.139-144</p>&l

54、t;p>　　[7] 陳云，戴景芳，基于遙感數(shù)據(jù)的太湖藍(lán)藻水華信息識(shí)別方法[J].湖泊科學(xué)，2008,20（2）;179-186.</p><p>　　[8] 謝國(guó)清，李蒙，魯韋坤，等。滇池藍(lán)藻水華光譜特征、遙感識(shí)別及暴發(fā)氣象條件[J].湖泊科學(xué)，2010,22（3):327-332.</p><p>　　[9] 李旭文，季耿善，楊靜.太湖梅梁湖灣藍(lán)藻生物量的遙感估算[J].遙感信息，

55、1995，(1):25-29</p><p>　　[10] 黃家柱，趙銳.衛(wèi)星遙感監(jiān)測(cè)太湖水域藍(lán)藻暴發(fā)[J].遙感信息，1999，（4):43-44</p><p>　　[11] 駱玉霞，陳煥偉.遙感圖像的特征提取與選擇研究[J]. Information Recording Materials：2002，3(2)</p><p>　　

56、[12] 章孝燦、黃智才、戴企成等.遙感數(shù)字圖像處理. 杭州天目山路148號(hào)：浙江大學(xué)出版社，2008，319-331. </p><p>　　[13] 李小曼, 王剛, 田杰.TM影像中水體提取方法研究[J].西南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2006, （28):581-582.</p><p>　　[14] 汪小欽, 王欽敏, 劉高煥, 勵(lì)惠國(guó).水污染遙感監(jiān)測(cè).遙感技術(shù)與應(yīng)用，2002，

57、17（2):75-76.</p><p>　　[15] 鄭慶峰, 孫國(guó)武, 李軍等.影響太湖藍(lán)藻暴發(fā)的氣象條件分析[J].高原氣象，2008，27:218-223.</p><p>　　Based on the TM images of water algae pollution</p><p>　　【 abstract 】 the traditional arti

58、ficial field collecting water samples for water quality analysis method of monitoring results more accurate, but the sampling frequency is limited, the high cost of time consuming. Remote sensing technology is the study

59、of the dynamic monitoring of pollution sources of new methods, make the water quality monitoring and management laid the foundation. Overview of TM image is introduced, and then in the aquatic vegetation index principle,