一种基于哨兵-3A卫星高原湖泊蓝藻水华监测方法技术

本发明专利技术涉及湖泊水环境水质监测技术领域，具体涉及一种基于哨兵

【技术实现步骤摘要】
一种基于哨兵
‑
3A卫星高原湖泊蓝藻水华监测方法


[0001]本专利技术涉及高原湖泊水环境水质监测
，具体涉及一种基于哨兵
‑
3A卫星OLCI数据的高原湖泊蓝藻水华监测方法。

技术介绍

[0002]随着城市化进程的加快和人类活动的不断增加，高原湖泊蓝藻水华问题逐渐凸显。高原湖泊是高原地区重要的自然资源，其独特的自然环境、丰富的水资源以及对生态系统的重要作用使其具有重要的科学研究价值和社会经济价值。然而，由于各种人类活动的干扰和污染，高原湖泊蓝藻水华问题日益严重，已经成为限制其可持续发展的重要因素，并给人类健康和生态环境带来了巨大的威胁。
[0003]传统的高原湖泊蓝藻水华监测手段受到物理地理条件、技术方法和经费等多重因素的限制，存在着局限性和不足，如监测时间频次不足，空间尺度不够，监测数据精度低等。同时，也面临着新形势和新挑战，包括高原湖泊蓝藻水华的变异性和不确定性加大，监测范围和难度也不断扩大。
[0004]为了更好地解决高原湖泊蓝藻水华监测和预警问题，卫星遥感技术应运而生。哨兵3A、B星搭载的海洋和陆地颜色仪(OLCI)提供了丰富的数据，除了常规的NDVI外，还可以开展荧光基线高度(FLH)、最大叶绿素指数(MCI)等图像的计算，在全球内陆水体、近岸海域广泛用于监测、识别富营养、光学特性复杂湖泊的浮游植物分布区域、强度、生物量等。性能超过了MODIS、VIIRS等传感器以及宽波段。因此，有必要利用哨兵3数据，寻找一种新的湖泊蓝藻水华监测方法，实现更精细化的水生态遥感监测能力，提高蓝藻水华预警预报水平，为湖泊水环境管理提供参考与决策。
[0005]基于哨兵
‑
3A卫星数据的高原湖泊蓝藻水华监测不仅有助于深入了解高原湖泊蓝藻水华的变异性和不确定性，也可以为相关部门的决策提供更准确和及时的数据支持，有助于制定科学有效的监测策略和控制措施，从而保障高原湖泊的可持续发展。因此，基于哨兵
‑
3A卫星数据的高原湖泊蓝藻水华监测研究具有非常重要的意义。

技术实现思路

[0006]本专利技术的目的是提供一种基于哨兵
‑
3A卫星高原湖泊蓝藻水华监测方法，利用哨兵
‑
3A卫星的OLCI传感器获取的高原湖泊遥感影像，基于重要的水色/水生态遥感指标MCI，准确进行蓝藻水华监测。
[0007]为了达到上述技术目的，本专利技术是通过以下技术方案实现的：
[0008]一种基于哨兵
‑
3A卫星高原湖泊蓝藻水华监测方法，其特征在于：包括以下步骤：
[0009]S1：影像数据获取；
[0010]S2：影像数据处理；
[0011]S3：确定蓝藻水华暴发程度识别指标；
[0012]S4：检验识别指标的准确度。
[0013]作为优选，所述步骤S1中影像数据获取通过哨兵
‑
3A卫星上设有的传感器OLCI实现，工作范围包括400～1020nm可见光至近红外波长范围内的21个波段，数据获取范围为高原湖泊跨度从冬季直至盛夏的且云量较少的哨兵
‑
3A卫星影像数据。
[0014]作为优选，所述步骤S2具体包括如下子步骤：
[0015]S2.1：投影变换与几何校正，哨兵
‑
3A卫星OLCI数据空间参考为地理查找表，不能直接获取到投影信息和经纬度坐标，因此采用ESA SNAP软件进行数据的处理和分析。使用SNAP打开影像文件，SNAP能够自动识别影像文件格式，进行投影处理后，进行波段合成和文件保存；
[0016]S2.2：辐射定标与大气校正，利用iCOR
‑
OLCI plugin工具对OLCI数据进行辐射定标与大气校正。
[0017]作为优选，所述步骤S3具体包括如下子步骤：
[0018]S3.1：MCI计算，MCI是指征蓝藻优势型水体叶绿素浓度的重要水色遥感指标，是内陆水体蓝藻水华遥感监测的首选方法；针对含蓝藻水体在650～750nm的反射光谱等特征，利用2个端点波段的辐亮度或遥感反射率，构建一条跨2个端点波长区间的光谱基线，含叶绿素水体在信号波段具有光谱反射峰，其遥感测量值与基线波长处的内插值之差，即为MCI，与蓝藻优势型水体的叶绿素浓度有很好的正相关。利用MCI开展蓝藻水华遥感监测与评价，将MCI作为确定蓝藻水华暴发程度识别指标，MCI计算式如下：
[0019][0020]式中：MCI指最大叶绿素指数；L1、L2、L3分别指中心波长为λ1、λ2、λ3的辐亮度，其中，λ1＝680.5nm，λ2＝708nm，λ3＝753nm；对应OLCI数据的10、11、12波段。
[0021]S3.2：MCI系数修正，通过SNAP(Sentinel Application Platform)进行校正大气中薄云带来的光谱辐亮度影响，基于MERIS、OLCI数据计算进行MCI系数修正：
[0022][0023]式中：MCI指最大叶绿素指数；L1、L2、L3分别指中心波长为λ1、λ2、λ3的辐亮度，其中，λ1＝680.5nm，λ2＝708nm，λ3＝753nm；对应OLCI数据的10、11、12波段。
[0024]作为优选，所述步骤S4具体包括如下子步骤：
[0025]S4.1：OLCI辐亮度与表观反射率转换，通过下式把湖泊各像元的OLCI辐亮度转换为表观反射率：
[0026][0027]式中：r
TOA
(λ)为表观反射率，L
TOA
(λ)为该波段的辐亮度，E0(λ)为太阳在该波段的光谱辐照度，θ为像元处的太阳天顶角；
[0028]S4.2：比较MCI对湖泊水体蓝藻的灵敏程度，将OLCI影像辐亮度转换为统一的表观反射率后计算；MCI计算公式如下：
[0029][0030]式中：MCI指最大叶绿素指数；r
TOA
(Oa10)、r
TOA
(Oa11)、r
TOA
(Oa12)为Oa10(波长为681.25nm)、Oa11(波长为708.755nm)、Oa12(波长为753.75nm)等3个波段的表观反射率；
[0031]S4.3：归一化植被指数计算，对于OLCI的波段设置，采用波长为865nm、665nm的2个波段的表观反射率计算归一化植被指数：
[0032][0033]式中：NDVI表示归一化植被指数，r
TOA
(Oa17)、r
TOA
(Oa8)分别为Oa17(波长为865nm)、Oa8(波长为665nm)2个波段的表观反射率；
[0034]S4.4：蓝藻水华MCI数值特征分析，对高原湖泊典型日期OLCI、MCI占总像元比例结果进行直方图统计分析；
[0035]S4.5：MCI与NDVI对比分析，将MCI图像与同一天的NDVI图像相比，NDVI图像上相对高值区与MCI图像上相对高值区的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于哨兵
‑
3A卫星高原湖泊蓝藻水华监测方法，其特征在于：包括以下步骤：S1：影像数据获取；S2：影像数据处理；S3：确定蓝藻水华暴发程度识别指标；S4：检验识别指标的准确度。2.根据权利要求1所述的一种基于哨兵
‑
3A卫星高原湖泊蓝藻水华监测方法，其特征在于，所述步骤S1中影像数据获取通过哨兵
‑
3A卫星上设有的传感器OLCI实现，工作范围包括400～1020nm可见光至近红外波长范围内的21个波段，数据获取范围为滇池跨度从冬季直至盛夏的且云量较少的哨兵
‑
3A卫星影像数据。3.根据权利要求1所述的一种基于哨兵
‑
3A卫星高原湖泊蓝藻水华监测方法，其特征在于，所述步骤S2具体包括如下子步骤：S2.1：投影变换与几何校正，哨兵
‑
3A卫星OLCI数据空间参考为地理查找表，不能直接获取到投影信息和经纬度坐标，因此采用SNAP软件进行数据的处理和分析，投影reprojection处理；S2.2：辐射定标与大气校正，利用iCOR工具对OLCI数据进行大气校正。4.根据权利要求1所述的一种基于哨兵
‑
3A卫星高原湖泊蓝藻水华监测方法，其特征在于，所述步骤S3具体包括如下子步骤：S3.1：MCI计算，MCI是指征蓝藻优势型水体叶绿素浓度的重要水色遥感指标，是内陆水体蓝藻水华遥感监测的首选方法；针对含蓝藻水体在650～750nm的反射光谱等特征，利用2个端点波段的辐亮度或遥感反射率，构建一条跨2个端点波长区间的光谱基线，含叶绿素水体在信号波段具有光谱反射峰，其遥感测量值与基线波长处的内插值之差，即为MCI，与蓝藻优势型水体的叶绿素浓度有很好的正相关，滇池近40年来长期处于中到重度富营养水平，适宜用MCI开展蓝藻水华遥感监测与评价，将MCI作为确定蓝藻水华暴发程度识别指标，MCI计算式如下：式中：MCI指最大叶绿素指数；L1、L2、L3分别指中心波长为λ1、λ2、λ3的辐亮度，其中，λ1＝680.5nm，λ2＝708nm，λ3＝753nm；S3.2：MCI系数修正，通过SNAP进行校正大气中薄云带来的光谱辐亮度影响，基于MERIS、OLCI数据计算进...

【专利技术属性】
技术研发人员：吕杰，赵昌福，夏永华，王丹丹，李伟，杨明龙，侯云花，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：