一种基于卫星观测数据的蓝藻水华监测方法及系统

技术领域

本发明涉及蓝藻水华监测技术领域，具体为一种基于卫星观测数据的蓝藻水华监测方法及系统。

背景技术

近几十年来，在气候变化和人类活动的共同影响下，内陆湖泊蓝藻水华呈现增多趋重的态势，已经成为全球广泛关注的生态环境问题。

具备监测范围广、速度快、成本低以及易长期动态监测的卫星遥感技术已成为目前获取蓝藻水华信息的主要方法。遥感可以提供蓝藻水华的相关的密度、范围和潜在影响等有用信息，有助于实时、准实时地监测蓝藻水华，从而快速判断整个湖泊的蓝藻水华发生发展情况，为蓝藻水华防控提供数据支撑。一些中分辨率光谱成像仪(MERSI)、中分辨率成像光谱辐射计(MODIS)和陆地卫星传感器(Landsat/OLI)，由于较高的空间和光谱分辨率，已广泛应用于观测内陆湖泊中的蓝藻水华，但这些传感器无法提供最佳观测频率，例如MERSI每天仅能提供一次观测，装载MODIS的AQUA和TERRA两颗星一天最多提供两次观测，而OLI甚至数天才能观测一次，一旦遇到多云天气，可能无法获取有效的观测数据。因此，这些中高分辨率卫星传感器有限的观测一方面易受到多云天气的干扰而无法获取有效信息，另一方面不能持续动态监测蓝藻水华的发生发展趋势和动态变化。

中国发明专利CN115082309A公开了一种太湖蓝藻水华的多源卫星高时空分辨率监测方法，包括基于6sv辐射传输模型的瑞利校正方法和基于数据融合的高时空分辨率蓝藻水华监测方法；

所述基于6sv辐射传输模型的瑞利校正方法的步骤如下：

第一步，将下载好的气象卫星数据进行辐射定标，得到大气顶层反射率R

第二步，根据气象卫星所携带的卫星方位角和太阳天顶角信息，利用6sv辐射传输模型针对每个像素点进行辐射传输模拟，此时可得到的表观反射率为瑞利反射率R

第三步，将瑞利反射率R

R

R

R

所述基于数据融合的高时空分辨率蓝藻水华监测方法步骤如下：

S1，选取高空间卫星和低空间卫星分辨率卫星在t1时刻的归一化植被指数计算结果和低空间分辨率卫星在t2时刻的归一化植被指数计算结果；

S2，利用ISODATA非监督分类算法，对t1时刻高空间分辨率卫星的归一化植被指数进行分类；

S3，依据t1时刻和t2时刻低空间分辨率卫星的卫星图像，利用最小二乘法，估算每一类中归一化植被的指数的变化；

S4，利用估算的归一化植被指数变化，假设每个像素归一化植被指数类型没有变化，估算t2时刻高分辨率归一化植被指数；

S5，将估算的t2时刻高分辨率卫星的归一化植被指数重采样到卫星的卫星图像的分辨率，计算残差，并利用TPS插值把残差插值到高空间分辨率中；

S6，将重采样后的残差和估算的t2时刻高空间分辨率归一化植被指数相加，得到最终的预测结果。

此发明受益于静止卫星的高时间分辨率特征，能够为太湖周边环境监测部门及科研部门提供及时预警及太湖蓝藻日间变化信息，有利于当地部门及时做好蓝藻水华防控及蓝藻水华爆发诱因分析。同时基于灵活时空数据融合方法产生的高空间分辨率蓝藻水华分布图，能够及时观察到小范围的蓝藻水华爆发，减少蓝藻水华爆发的漏判。但是此专利仍然存在以下缺陷：

(1)上述公开的CN115082309A专利只进行了卫星影像的瑞利校正，并没有考虑气溶胶的影响，实际上气溶胶散射对内陆湖泊水色遥感精度的影响也很大。

(2)随着时间变化，静止气象卫星影像同一像元的太阳天顶角、卫星天顶角和卫星方位角都有着极大的差异，会造成同一地物在一天内的反射率不断变化，此专利并没有考虑对卫星影像进行角度效应订正。

(3)上述专利没有进行蓝藻水华强度等级划分和面积计算，无法定量描述蓝藻水华的发生程度和范围。

发明内容

本发明需要解决的技术问题是提供一种精度高且时效性强的蓝藻水华监测方法及系统。

为此，本发明的一种基于卫星观测数据的蓝藻水华监测方法，包括以下步骤，

S1：对卫星影像进行预处理，包括投影、裁切和几何精校正；

S2：对预处理的卫星影像，采用6S辐射传输模型进行大气效应订正处理；

S3：对步骤S2处理后的卫星影像，采用半经验核驱动双向反射分布函数BRDF模型进行角度效应订正处理；

S4：计算步骤S3处理后的每幅卫星影像的归一化植被指数NDVI值，用计算的NDVI值与判识蓝藻水华的NDVI阈值比较确定蓝藻信息；

S5：通过植被覆盖度指数FVC来监测蓝藻水华的分布和密集程度；

S6：根据植被覆盖度占像元面积的百分比，确定蓝藻水华强度等级，并统计各等级蓝藻水华的影响面积和总面积，实现蓝藻水华的监测。

优选的，所述步骤S2具体如下：

将地表近似为朗伯面，基于6S辐射传输模型，考虑大气分子的贡献，根据大气散射、大气透过率与地表反射率之间的关系，通过卫星观测参数、大气相关参数以及波段信息计算地表反射率ρ

其中μ

优选的，所述步骤S2中通过6S模型构建大气校正查找表，查找表的输入由若干大陆型吸收气溶胶组成；查找表的输出包括大气分子、臭氧、水蒸气、上行和下行辐射的透过率，以及TOA处气溶胶的反射率。

优选的，所述气溶胶光学厚度AOD来源于AGRI波段，并使用Angstrom指数公式从500nm的光学厚度转换为550nm的光学厚度：

其中，τ(λ)是未知波形的气溶胶光学厚度，τ

优选的，应用6S模型进行大气校正时，需要输入卫星过境时刻的几何参数、大气参数、遥感器参数和地物参数。

优选的，所述步骤S3采用半经验核驱动双向反射分布函数BRDF模型进行角度效应订正处理的具体如下：

通过双向反射函数BRDF在特定波长λ和几何条件下，计算地表反射辐射率L与入射辐射率I的比值，公式如下：

其中θ

优选的，所述步骤S3中在半经验核驱动模型的三项贡献中增加第四个镜面反射项用于在水和沙漠上的反射率，其公式如下：

其中：

式中μ

优选的，表面反射率通过以下表达式进行校正：

优选的，所述步骤S4中归一化植被指数NDVI值，计算公式如下：

NDVI＝(ρ

其中，ρ

优选的，所述步骤S4中判识蓝藻水华的NDVI阈值通过以下方法确定，首先对所有卫星影像的RGB图像进行目视分析，然后人工确定蓝藻和水体的边界，将所有相应的NDVI图像中沿这些边界的所有像元的平均NDVI值作为判识蓝藻水华的阈值。

优选的，所述步骤S5中植被覆盖度指数FVC使用像元二分法进行计算，假设混合像元中仅包括蓝藻和水，则该混合图像元的NDVI值可以表示如下：

NDVI＝f

这里蓝藻水华的覆盖面积为f

根据上式推导，可以得到FVC如下：

FVC＝(NDVI-NDVI

优选的，所述步骤S6中根据植被覆盖度占像元面积的百分比，将蓝藻水华分成无蓝藻水华、轻度、中度和重度四个等级。

优选的，所述步骤S6中蓝藻水华影响总面积计算公式：

式中：S为蓝藻水华影响总面积，单位为平方千米；n为被蓝藻水华影响的像元总数；i为被蓝藻水华影响的像元序号；ΔS

本发明还包括一种基于卫星观测数据的蓝藻水华监测系统，包括依次连接的卫星图像输入模块、中央处理模块和蓝藻水华监测显示模块，其中中央处理模块包括卫星影像预处理模块、大气校正模块、角度订正模块、蓝藻水华判识模块、水华强度和面积计算模块，卫星图像通过卫星图像输入模块输入后经过中央处理模块的各模块进行处理和计算后将监测区域的蓝藻水华信息通过蓝藻水华监测显示模块进行展示。

本发明的基于卫星观测数据的蓝藻水华监测方法及系统，通过采用6S辐射传输模型进行大气校正，综合考虑去除瑞利散射和气溶胶分子散射的影响，可以获得更接近真实状况的水面反射率，从而提高蓝藻水华的判识精度。采用半经验核驱动双向反射分布函数BRDF模型进行角度效应订正处理，可以提高水面反射率和蓝藻水华的反演精度。准确获取水面反射率信息，利用归一化植被指数NDVI和植被覆盖度FVC定量提取蓝藻水华和分等级信息，该方法监测精度高，时效性强，实现了内陆湖泊蓝藻水华的动态持续监测。

附图说明

图1为本发明FY-4B/AGRI卫星影像大气校正前后的NDVI散点图；

图2为本发明FY-4B/AGRI角度效应订正效果图；

图3为本发明2022年10月22日FY4B/AGRI监测太湖蓝藻水华示意图；

图4为本发明2022年10月22日Himawari-8/AHI监测太湖蓝藻水华示意图；

图5为本发明FY4B/AGRI与Himawari-8/AHI反演蓝藻水华面积比较示意图；

图6为本发明一种基于卫星观测数据的蓝藻水华监测方法的流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。需要说明的是，在不冲突的情况下，本发明的实施例及实施例中的特征可以相互组合。

下面结合附图描述本发明的实施例。

实施例：

如图6所示，本发明提供的一种基于卫星观测数据的蓝藻水华监测方法，包括以下步骤，

S1：对卫星影像进行预处理，包括投影、裁切和几何精校正。

S2：对预处理的卫星影像，采用6S辐射传输模型进行大气效应订正处理。大气效应订正处理的目的是去除大气分子散射和吸收以及气溶胶散射对遥感影像造成的影响，以获得水面的准确信息，客观准确地反映地物特征；具体步骤如下：

将地表近似为朗伯面，基于6S辐射传输模型，考虑大气分子的贡献，根据大气散射、大气透过率与地表反射率之间的关系，通过卫星观测参数、大气相关参数以及波段信息计算地表反射率ρ

其中μ

通过6S模型构建大气校正查找表(LUT)，以提高计算效率和大气订正的准确性。查找表的输入由8个大陆型吸收气溶胶组成，光学厚度为0.05，0.1，0.2，0.4，0.8，1.2，1.6和2.0，13个太阳天顶角范围从0到80°，间隔为6°，13个卫星天顶角范围从0到80°，间隔为6°，11个相对方位角从0到180°，间隔为18°。此外，查找表的输出包括大气分子，臭氧，水蒸气，上行和下行辐射的透过率，以及TOA处气溶胶的反射率。在该算法中，查找表用于获取订正公式中的各种参数，以及太阳和卫星角度。辐射传输计算中使用了美国标准的温度、水蒸气和臭氧的大气廓线。气溶胶光学厚度AOD来源于AGRI波段，并使用Angstrom指数公式(4.16)从500nm的光学厚度转换为550nm的光学厚度：

其中，τ(λ)是未知波形的气溶胶光学厚度，τ

6S大气校正模块输入信息如表1所示，应用6S模型进行大气校正时，需要输入卫星过境时刻的几何参数、大气参数、遥感器参数和地物参数等。

1)几何参数

几何参数采用自定义参数，包括太阳天顶角、太阳方位角、卫星天顶角、卫星方位角、遥感器类型、经纬度以及成像时间等，这些数据都可从AGRI L1级产品数据中获取。

2)大气模式

模式包括7种内置的大气模式，从0-6，分别为0-无大气吸收，1-热带，2-中纬度夏季，3-中纬度冬季，4-亚寒带夏季，5-亚寒带冬季以及6-美国标准大气模式，这里选择2-中纬度夏季和3-中纬度冬季，具体根据卫星影像时间确定。

3)气溶胶模式

一共有7种内置的气溶胶模式，从0-7，0-无气溶胶模式，1-大陆型，2-海洋型，3-城市型，5-沙漠背景的shettle模型，6-生物燃烧模型，7-平流层模型，这里选择3-城市型。

4)气溶胶光学厚度

气溶胶光学厚度产品来源于FY4B/AGRI官方气溶胶产品，时间分辨率为15分钟。

输入L1文件中的数据包括470、650和865nm三个通道的表观反射率，输入定位文件中的辅助数据包括太阳天顶角、卫星天顶角、卫星太阳相对方位角，另外输入L2气溶胶光学厚度产品。太阳和卫星观测角度信息是用来从查找表中找到对应的大气透过率、大气程辐射和大气半球反照率数据。输入文件中最重要的文件是气溶胶光学厚度产品与大气校正查照表，该查照表是离线建立的，主要利用AGRI波谱响应函数、气溶胶光学厚度和气溶胶类型和6S辐射传输模式通过大量计算生成，大气校正的精度与气溶胶光学厚度精度和查找表直接相关。

表1 6S大气校正模块输入信息列表

根据以上步骤，如图1所示，以2022年8月1日、10月1日和10月11日太湖湖面共10幅FY-4B/AGRI影像为例，比较大气校正前后计算的NDVI值的变化情况，可以看到，大气校正后计算得到的NDVI值较大气校正前有较为明显的提高，整体提高了22.6％。

S3：对步骤S2处理后的卫星影像，采用半经验核驱动双向反射分布函数BRDF模型进行角度效应订正处理。

角度效应订正处理的目的是减小太阳天顶角、卫星天顶角、相对方位角等角度对反射率的影响，提高水面遥感反演精度；具体步骤如下：

主要通过双向反射函数(BRDF)在特定波长λ和几何条件下，计算地表反射辐射率L与入射辐射率I的比值，公式如下：

其中θ

在蓝藻植被信息计算中，使用Roujean等人(1992)提出的半经验核驱动模型角度效应校正方法，此模型的优点是由于它是线性的，因此很容易反求观测值。该模型有三项分别代表各向同性、几何(阴影效果)和体积(多次反射)的贡献。增加的第四个镜面反射项用于在水和沙漠上的反射率。其公式如下：

其中：

式中μ

根据以上步骤，FY4B/AGRI卫星影像进行角度效应订正处理后计算NDVI值，如图2所示，订正后NDVI值的分布整体存在偏移，峰值NDVI增大且像元个数增加，订正后NDVI值普遍位于1:1线之上，角度订正起到了一定效果。角度订正后计算的NDVI可以提高AGRI蓝藻监测产品精度。

S4：计算步骤S3处理后的每幅卫星影像的归一化植被指数NDVI值，用计算的NDVI值与判识蓝藻水华的NDVI阈值比较确定蓝藻信息。

每幅卫星影像的归一化植被指数NDVI值，计算公式如下：

NDVI＝(ρ

其中，ρ

S5：通过植被覆盖度指数FVC来监测蓝藻水华的分布和密集程度。利用植被覆盖度指数FVC来监测蓝藻水华的分布和密集程度。为定量化表示蓝藻水华的发生程度，引入植被覆盖度FVC这个概念。植被覆盖度定义为某一地域植物垂直投影面积与该地域面积之比，用百分数表示，是评估和表征陆地植被状况的重要指标之一。用植被覆盖度指数来表示蓝藻水华的空间分布和富集程度，称其为蓝藻水华覆盖度。植被覆盖度FVC通常使用像元二分法进行计算。假设混合像元中仅包括蓝藻和水，则该混合图像元的NDVI值可以表示如下：

NDVI＝f

这里蓝藻水华的覆盖面积为f

根据上式推导，可以得到FVC如下：

FVC＝(NDVI-NDVI

NDVI

S6：根据植被覆盖度占像元面积的百分比，确定蓝藻水华强度等级，并统计各等级蓝藻水华的影响面积和总面积，实现蓝藻水华的监测。

根据覆盖度占像元面积的百分比，如表2所示，将蓝藻水华分成无蓝藻水华、轻度、中度和重度四个等级。

表2单像元蓝藻水华覆盖度分级表

为适应业务服务的实际需要，通常还需要统计蓝藻水华的影响面积，蓝藻水华影响总面积计算公式：

式中：S为蓝藻水华影响总面积，单位为平方千米(km

根据以上步骤，以2022年10月22日的太湖蓝藻水华过程为例，如图3所示，用FY4B/AGRI卫星影像提取了蓝藻水华覆盖度和等级信息。时间从7：00-16：30，以30分钟间隔，共制作了20幅蓝藻水华覆盖度影像。可以发现，从早上7：00时开始，太湖西北部沿岸区就出现了蓝藻水华斑块，此后，蓝藻斑块的面积逐渐增大，强度逐渐增强，在上午11时左右蓝藻水华面积达到最大值，约531km

本发明还包括一种基于卫星观测数据的蓝藻水华监测系统，具体包括依次连接的卫星图像输入模块、中央处理模块和蓝藻水华监测显示模块，其中中央处理模块包括卫星影像预处理模块、大气校正模块、角度订正模块、蓝藻水华判识模块、水华强度和面积计算模块，卫星图像通过卫星图像输入模块输入后经过中央处理模块的各模块进行处理和计算后将监测区域的蓝藻水华信息通过蓝藻水华监测显示模块进行展示。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解，在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。