基于Landsat卫星影像的草海水质遥感反演及营养状态评价

通过遥感手段对草海2000年、2005年、2010年及2015年的水质指标进行反演,并进行营养状态评价,获取草海水质数据,为草海湿地保护及污染治理提供依据。利用实测水质数据与遥感影像的关系建立反演模型,反演草海2000-2015年水质指标,包括Chl-a、TN、TP、COD_(Mn)、SD,并用综合营养状态指数(TLI)对草海水质情况进行评价。研究结果表明:(1)通过波段组合与实测数据建立水质参数反演模型能高效、大面积获得草海水质分布情况,草海整体水质2000-2005年为中营养、2010-2015年为轻度富营养,TLI表现为先升高后降低;(2)草海水质季节变化明显,4个季节的综合营养状态指数为春季夏季冬季秋季,主要原因是草海春、夏季节农耕及旅游活动等人为活动较频繁;(3)空间上看,草海入水口及湖周围综合营养指数比湖中心及出水口高,其原因是入水口靠近城市,城市污水排入湖中,湖四周存在大量农业污染源。     

草海高原湿地湖泊水质时空变化及水质分区研究

针对草海水质污染状况,开展水质季节变化特征研究,为草海湿地污染治理及保护提供依据。在草海湿地湖泊设置了15个采样点,于2014年8月、11月和2015年1月、4月,分4季进行水样采集。以所测水质参数为基础,运用水质综合评价和GIS空间分析方法,研究草海湿地水环境质量时空变化,并基于营养状态对湖泊水体进行了分区。研究表明:(1)草海TP、TN、CODMn、Chl-a 4种主要水质指标浓度在春季高于其他3个季节,浓度分别达到0.03、0.98、6.30和0.025 mg/L,空间分布呈现由东至西逐渐降低的趋势,草海入水口及码头区域要明显高于湖泊其他区域。(2)草海湖泊营养状态为中营养级别,按4个季度的综合营养状态指数(TLI)平均值分为3个区域,A区为东北角入水口及西海游客码头,长年处于富营养状态,为富营养状态区,53.9≤TLI≤63.0,水质处于Ⅳ与Ⅴ类等级;B区为临近县城及入水口区域,季节性富营养状态,为中营养状态区,41.2≤TLI≤46.6;C区为草海湖泊中心延续到阳关山的下游出水口区域,为贫中营养状态区,35.8≤TLI≤39.7;B区和C区水质全年为Ⅲ类等级。(3)各区域主要污染物指标以Chl-a、TN为主,A区形成的主因是城市污水注入,B区形成的主因是农业面源污染。控制城市污水和农药、化肥施用量是治理草海湖泊水环境的重要途径。     

青岛市崂山近岸海域水质营养现状与评价

根据2005年7、9月和2006年9、11月对青岛市崂山近岸海域的4次调查结果,分析并评价了该海域的营养状况。结果表明,表层无机氮、PO4-P和COD含量,仰口至港东、石老人、流清河湾海域略高于其他水域。底层无机氮、PO4-P均为仰口至港东水域含量较高,COD为太清宫湾水域含量较高,其余水域分布相对较均匀。从营养结构分析,7和11月该海域表、底层,N与P相比显得相对缺乏;9月表层,N与P相比也显得相对缺乏;9月底层N/P比值接近16∶1,氮、磷均不受限制。从营养状况看,除2005年9月份该海域水质处于富营养化水平外,其他调查月份水质均未达到富营养化。     

桃山水库浮游植物群落结构及水质营养状态评价

2009年的枯水期（5月）和丰水期（7月）,在桃山水库对浮游植物结构群落和水质状况进行了调查研究,结合生物监测和理化监测手段,基于浮游植物优势度、丰度、优势度以及综合指数评价方法,对研究水库进行了生态评价。结果显示：（1）桃山水库浮游植物共有7门46属73种及变种,其中以绿藻为主,分别占44 %;（2）生物量在2.29-10.96 mg﹒L-1之间,丰度变幅在(38.76-124.44)×105 ind.﹒L-1之间;（3）枯水期优势种以硅藻为主,丰水期优势种以以蓝藻、绿藻为主;（4）综合营养指数为42.0-60.1。综合评价结果表明：桃山水库枯水期和丰水期水质营养状态为轻富营养化,化学需氧量是影响桃山水库浮游植物群落结构的主要环境因子。     

基于Sentinel-2卫星遥感影像的巢湖及南淝河叶绿素a浓度反演

叶绿素a是反映水生态环境污染状况的重要指标。定量反演叶绿素a浓度有助于及时监测水体营养状态变化，对富营养化水体治理具有重要意义。以巢湖及南淝河支流下游为研究区域，利用Sentinel-2卫星遥感数据源，构建其叶绿素a浓度反演模型，探究叶绿素a浓度的时空变化规律。结果显示，构建的深度神经网络（DNN）模型反演精度较高（R2=0.96，MRE=31.62%，RMSE=24.4 μg/L）。通过减少训练样本量对DNN模型精度的影响分析，发现训练样本较少时，模型仍具有较高的精度；根据其精度的敏感模型训练样本个数，将训练集按组等分，模型呈现较好的稳定性并具有一定的适用性。分析表明，研究区叶绿素a浓度在时间上呈现夏秋季上升、春冬季下降的规律，在空间上呈现湖区西高东低、局部近岸区分布较高的特点。     

基于模糊综合评价的长江中游水质分析

为了解长江中游水质特征,分别于2018年1、4、7、10月对长江中游江段的宜昌市、石首市、洪湖市、武汉阳逻、湖口县的水质进行了季节调查,对其水环境质量进行了分析,并采用模糊综合评价的方法,对长江中游5个断面地表水的水质进行综合评价.结果表明:水质标识指数评价结果得到长江中游干流大部分时期水质类别为I～II类,长江中游干...     

巢湖周年水质的综合评价

针对巢湖富营养化问题,对东、西、中3个湖区的水质进行了周年监测,利用多指标综合评分,并采用模糊数学的方法对3个湖区的水体类别作综合评价。结果表明,巢湖3个湖区中心的水质类型为Ⅳ类水体,不符合城市环境水域规划用水的Ⅲ类标准。治理巢湖富营养化根本途径是必须实行全流域的生态恢复与建设,严格控制水土流失和污染物入湖,恢复植被,科学调节入湖径流量。     

长江三角洲主要水体水质污染的遥感研究

用遥感技术来进行水环境监测是近年来常用的手段之一。由于不同污染水体的绿度、温度和透明度差异反映了物理场的不同,因此,在遥感技术中用NOAA／AVHR气象卫星测定绿度、温度和透明度三类数据可完整地识别不同水体的水质变化。采用气象卫星的复合比值合成图像和色调-饱和度-明度变换技术,有效地反映长江三角洲主要水体的水质污染情况,并且可同上海市航空遥感综合调查与研究资料和太湖的水质研究资料互相印证,其水质类型可以用数据予以确定和解释。本研究反映了长江三角洲全区主要水体水质的宏观分布,为水质污染的宏观监测提供了依据,表明气象卫星在以水质研究为主的环境遥感中的优越性。它具有覆盖面广、时相连续、费用低廉的优势,宜于对大区域内具一定面积的水体作连续性的宏观监控观察,这是单一的航空红外或彩红外遥感技术无法相比的。但是,它存在着分辨率低的缺点,必须指出,在处理过程中在上海市、苏锡常、苏北的南通、泰州、东台等河流纵横的地区,显示了众多与苏州河、蕴藻浜相同的6级水异常点区,反映这些地区存在着广泛分布的水污染问题,它们将影响这些地区的可持续性发展。由于受NOAA气象卫星分辨率低的限制,无法精确标出它们的确切位置。因此,在应用中对污染剧化应予重点监控的部位可以按照需要开展适量的彩红外航空遥感、航天小卫星或资源卫星遥感,互相结合补充予以解决。     

用浮游动物评价邛海水质和营养类型

邛海的浮游动物共２６属４２种,污染指示种占５２３８％,指示等级多为β－中污染和弱污染;Ｓｈａｎｎｏｎ－Ｗｅａｖｅｒ多样性指数为１１６～２１９,水污染程度评价为β—中污染。浮游动物生物量为０４２～４３７ｍｇ／Ｌ,平均１６２ｍｇ／Ｌ;Ｅ／Ｏ值为１１１～１６７;肥度指数０８７～２０７;ＱＢ／Ｔ为１５～２０,表明湖泊处于中营养水平。     

南极磷虾的时空分布及遥感环境监测研究进展

环绕南极大陆的水圈部份为南极水域（南大洋）,面积约3．6×10^6km^2,具有丰富的海洋生物资源,目前已知鱼类多达200余种。南极磷虾是可以直接开发利用的渔业资源,据估计,每年可捕获的资源量约1．5×10^8t,相当于世界渔获量的总和,是当今可利用的最大的渔业潜在资源^[1]。     

滇池草海水质等级预测模型研究

综合考虑影响水质的不同类别因子之间的关系,为水质等级预测提供平均预测精度更高的模型。选取的p H、DO、CODMn、NH3-N、历史水质等级5个水质因子数据来源于中国环境保护部官方发布的水质数据,降雨量、光照时间2个气象因子数据来源于云南省气象局官方发布的气象数据。首先利用改进的灰色模型(Adaptive Grey Model,AGM)进行单因子预测,从而获取BP人工神经网络(BP Artificial Neural Network,BPANN)训练集和水质等级残差序列;然后使用经过训练集训练后的BPANN进行水质等级残差纠正;最后利用AGM模型得到未来水质等级,以滇池草海2006-2013年水质周报资料和气象资料为数据基础进行了仿真分析和验证实验。结果表明:(1)AGM模型对水体因子和气象因子的单项指标预测理想,保证了作用于BP人工神经网络数据的可靠性,同时降低了预测误差的传输;(2)来源于中国环境保护部与云南省气象局的数据保证了水质等级预测中数据的权威性,采用AGM-BPANN组合模型预测滇池草海水质等级精度达到90.2%,说明模型适用于同一地区短时间内的水质变化研究;(3)AGM-BPANN组合模型借助BP网络的高维非线性克服了数据突变对预测的影响,在AGM预测基础上,通过纠正预测残差获得最终的水质等级值,实现了对滇池草海短时间内水质的预测。     

贵州草海重污染区生态修复水质效果评估

对比分析贵州草海重污染湖区沉水植物生态修复区与对照区沉积物内源磷释放通量,探讨外源负荷得到有效控制后草海重污染区沉水植物生态修复效果,为草海综合污染治理与生态恢复提供一定的数据支撑和科学依据。2018年在草海修复区内和对照区各布设3个采样点, 10月至次年10月每个月分别对修复区和对照区水质开展连续跟踪监测。利用薄膜梯度扩散技术（DGT）对比分析了修复区和对照区内源磷释放通量,综合评估了草海重污染区生态修复效果。结果表明,沉水植物修复工程实施一年后,修复区水体氨氮（NH3-N）、总磷（TP）和溶解活性磷（SRP）浓度分别降低为对照区的65%、42%和67%。修复区沉水植物生长茂盛,水体DO含量稳定在8 mg/L以上,透明度显著提高,水质明显改善,CODMn 、NH3-N、TP浓度分别降低至5.7、0.39 、0.05 mg/L,达到地表水Ⅲ类标准。生态修复工程对内源磷释放量削减30% 以上,修复区内源磷贡献率38%,远低于对照区（74%）。当草海流域外源污染得到有效控制后,沉水植物生态系统恢复成为重污染区内源污染控制与水环境修复有效的手段。     

卫星遥感在海洋监测中的应用

卫星遥感具有覆盖面积大、快速、全天时和全天候的工作能力。通过对卫星遥感所获得的海洋水温、水深、气象因素等数据进行分析,可以用于指导渔业生产、海洋灾害预警、海洋生态污染及灾害的监测,有着广泛的应用前景。     

基于雷达图的鄱阳湖湿地水质评价

采用雷达图的方法来评价鄱阳湖湿地的水质状况,验证其在鄱阳湖湿地水质评价中的可行性。基于鄱阳湖湿地30个采样点的实测水质数据,选取溶解氧(DO)、高锰酸盐指数(COD_(Mn))、叶绿素a(Chl-a)、氨氮(NH~+_4-N)、总磷(TP)、总氮(TN)及重金属铜(Cu)、铅(Pb)为水质评价因子,构建水质雷达图对鄱阳湖湿地进行水质评价,雷达图红色区域的面积大小和形状能直观反映采样点的水质状况及主要的污染因子,并基于雷达图红色区域的面积大小计算雷达图水质指数。结果显示,鄱阳湖湿地水体的主要污染物为氮、磷营养盐、重金属及Chl-a;自然保护区及周边湿地的水质较好,而河口附近湿地的水质最差;雷达图水质指数与内梅罗指数、主成分水质指数的评价结果间存在显著的相关性,表明其能较客观地反映鄱阳湖湿地的水质状况。与传统方法以单一数值呈现水质评价结果相比,水质雷达图以可视化的方式、多维度地呈现采样点的水质状况,其结果更直观易懂,尤其有助于增强公众对水环境污染的认知和关注度,为水质评价及评价结果的展示提供方法上的借鉴。     

东平湖水质监测与评价

为客观评价山东省东平湖渔业生态环境质量状况,2004~2005年对东平湖水域的主要离子、pH、透明度、叶绿素、溶解氧、高锰酸盐指数、氮、磷等理化因子进行监测。结果表明:东平湖水域水型在不同区域分属CCⅢa、C lCⅢa、SCⅢa三种类型,且同一区域水型常发生转化;阳离子中Ca2+含量最高,阴离子中C l-和SO42-取代了CO32-和HCO3-占主导地位。运用Carlson指数近似评价法对东平湖水质进行了单因子评价和综合评价,结果表明东平湖是富营养型或超富营养型湖泊。     

乌伦古湖水质污染的空间分布特征

评价湖泊水质并探究其空间分布规律对于湖泊管理具有重要意义。通过对乌伦古湖2017年7-8月采样点(S1~S8)的8个水质指标(矿化度、pH值、透明度、总氮、总磷、高锰酸盐指数、溶解氧、五日生化需氧量)监测,运用主成分分析法(PCA)评价乌伦古湖水质现状,采用空间插值法分析其空间分布特征,并基于聚类分析法(CA)识别水质污染驱动因素。结果表明,乌伦古湖水体呈弱碱性,水质污染以氮、磷有机污染为主;8个采样点主成分综合得分排序结果为:骆驼脖子>小海子>码头>中海子>农十师渔政点>湖中心>吉力湖中心>吉力湖入水口,呈现出小湖区水质优于大湖区、湖中心区水质优于湖岸区、距离进水口越远水质越差的显著空间差异特征。骆驼脖子采样点(S1)水质污染最严重,吉力湖采样点(S7、S8)水质相对最好;基于湖区水质空间分布特征将乌伦古湖湖区分为3类,Ⅰ类湖区水质最差,Ⅱ类湖区水体呈咸化趋势,Ⅲ类湖区水质相对最好;水体矿化度、营养盐与有机污染物是乌伦古湖污染的主要来源,主要原因可归结为自2000年来乌伦古河常态化断流以及湖区渔业养殖、周边农业面源污染导致的盐分与营养成分及有机污染物由河道不断向湖泊的迁移富集。     

基于高光谱遥感的长江口叶绿素a浓度反演

为了解长江口的水质状况,现场测量叶绿素a浓度,结合高光谱遥感影像,运用波段比值模型、一阶微分模型和水体叶绿素a提取指数(Water Chlorophyll-a Index,WCI)对整个研究区域叶绿素a浓度进行反演推算,并进行空间分布评价;利用实测数据和遥感影像的关系建立反演模型,并结合相关系数、均方根误差和平均相对误差,分析和评价反演效果。结果显示,波段比值模型和叶绿素a浓度的相关性达到0.9099,均方根误差为1.7922,平均相对误差为9.09%;一阶微分模型的相关性为0.9483,均方根误差为2.2073,平均相对误差为15.31%;WCI模型的相关性高达0.9778,均方根误差为1.4405,平均相对误差为6.20%。利用WCI模型对整个研究区域的叶绿素a浓度进行模拟,可见研究区域的中间部分叶绿素a含量较低,从中间到两边逐渐增大,南部出现最大值,造成此差异的原因可能是因为北靠近居民生活区,南邻上海青草沙水库,并且附近存在植被。研究表明,WCI模型的反演效果优于波段比值模型和一阶微分模型,是一种计算简单、精度较高的方法,可以有效地提取水体叶绿素a的浓度,未来可广泛应用于水体环境质量监测。     

基于大型底栖动物的乌伦古湖水质生物学评价

２００６年１１月至２００７年７月在乌伦古湖设置２８个采样点按季度对底栖动物采样。共采到大型底栖动物８３种,其中寡毛类１４种,水生昆虫５８种,软体动物７种,其他类４种。年均密度为１０４８ｉｎｄ／ｍ２,变幅为７０～２４８０ｉｎｄ／ｍ２;年均生物量为１０．７６ｇ／ｍ２,变幅为０．４８～５２．５３ｇ／ｍ２。根据底栖动物的观测数据,利用Ｓｈａｎｎｏｎ－ｗｉｅｎｅｒ多样性生物指数（Ｈ′）、Ｇｏｏｄｎｉｇｈｔ修正指数（ＧＢＩ）、Ｍａｒｇａｌｅｆ丰富度指数（ｄ）、Ｃｈａｎｄｌｅｒ′ｓ生物记分制（ＣＳ）和综合生物污染指数（ＢＩ）对乌伦古湖水体环境质量的评价结果显示,乌伦古湖水质整体属于轻度污染。人类活动影响较大的区域如７３公里小海子、骆驼脖子、海滨浴场和吉力湖等处样点水质相对较差,处于中污染水平;投放牛羊粪养殖鱼种的吉力湖后泡子则为重度污染水平。利用底栖动物对乌伦古湖水质的生物学评价结果与理化指标评价结果基本一致。