探討遙感反演模型技術在水質參數監測中的具體應用

　　1 數據源采集與數據預處理 
　　1.1 野外數據采集 
　　研究區為渾河中游河段，根據該河流水面狀況、水質分布以及水面形狀等特征，采樣路線設計為自南向北，在重點部位均設置采樣點，覆蓋整個研究區域，力求采集的數據能準確反映整體水質狀況。數據采集分六個時間點進行，共獲得96份水體高光譜數據。測量光譜選擇氣象條件較好的10：00-14：00時段。利用野外水質儀同步采集ChI-a濃度，并同時獲取水體溫度以及PH值等水體環境數據。 
　　1.2 HJ-1A數據預處理 
　　從中國衛星資源中心獲取對應的六景多光譜數據。并對其中影像質量符合要求的兩景圖像進行預處理，其主要步驟包括： 
　　（1）輻射定標。定標公式如：L=DN×α+L0 其中L-輻亮度；α-絕度輻射定標系數增益；L0-偏移量。（2）影像裁剪。利用遙感數字影像處理軟件（ENVI），在保留研究中心區的前提下，對初始遙感圖像進行裁剪。（3）幾何糾正。利用ENVI軟件對獲取的遙感數據進行幾何糾正，誤差精度控制在0.3個像元以內。（4）大氣糾正。本研究利用ENVI軟件完成2景多光譜遙感數據的大氣校正。 
　　2 基于HJ-1A衛星多光譜數據的Chl-a反演 
　　2.1 葉綠素a反演模型的構建 
　　HJ-1A多光譜包括藍、綠、紅、近紅四個波段，由于水色信息分布于這四個波段，并存在一定的重疊。在上節衛星影像數據預處理的基礎上對HJ-1A各波段之間的相關系數進行分析，并得到如表1所示的結果。 
　　由上述結果可以看出，前三個波段之間的相關性較強，也就是說這三個波段之間信息重疊較多，而與波段4之間的重疊信息較少。利用HJ-1A和TM多光譜數據進行Chl-a濃度反演建模的波段選擇方式的研究結論，對HJ-1A數據進行進一步篩選，并以此為基礎對葉綠素a濃度相關系數進行分析，分析結果如表2所示。 
　　結果顯示數組合波段相比單波段的相關系數要高，最大絕對值為0.77，顯示組合波段對噪音影響的降低具有一定的效果。葉綠素a的反射峰和吸收谷沒有包含在四個波段中，因此在作與Chl-a的一元回歸分析時應該選擇相關系數最大的波段。為了綜合考慮各個波段提供的光學信息特征，可以使用波段變化形式與Chl-a濃度作多元回歸。本研究采用分期建模方式，建立一元線性回歸模型和SVM模型。 
　　2.2 模型的應用 
　　利用SVM模型反演結果的三個指標依次為：35.33ug/L，18.26ug/L，21.30ug/L。數值顯示渾河處于IV類水質，結論與沈陽市水務局監測結論一致。同時，反演結果顯示研究區Chl-a濃度均值分別上升了：3.61ug/L和6.71 ug/L，說明渾河水質在不斷惡化。此外，渾河河Chl-a濃度在空間分布上的差異性比較明顯：Chl-a濃度深水區較低，高濃度值區域浮游藻類分布較明顯。 
　　3 結語 
　　（1）SVM模型的反演比一元線性模型精度要高，將HJ-1A多光譜數據與波段組合數據結合作為SVM模型的輸入變量對提高模型精度有利。（2）模型的計算結果顯示渾河水體處于富營養化狀態，監測結果與沈陽水務局公布的結果一致。（3）SVM模型具有很好的非線性擬合能力，能夠提高水質參數反演的精度。