基于FAI-L方法的巢湖水域藻华提取方法研究
近年来随着人类的活动日益加剧,水体富营养化问题已经严重威胁到湖泊生态安全.为了快速并准确地获取藻华爆发的范围,本文提出浮游藻类指数线性拟合模型(FAI linear fitting model,FAI-L).在以往的研究中,NDVI(normalized difference vegetation index)已经广泛应用于藻华的识别中,且采用坡度计算获取NDVI阈值的方法也得到验证,相对于NDVI,FAI对环境条件的改变敏感度较低,且由于FAI增加了短红外波段,能够有效地降低部分大气和薄云的影响,对藻华的识别有较高的精度,但是FAI识别藻华的阈值如何确定的问题没有有效的解决办法.本文通过建立NDVI与FAI的线性拟合方程,利用NDVI阈值确定FAI阈值,能够有效地解决FAI阈值确定问题.通过Landsat8和Sentinel-2的提取结果显示:(1)FAI-L相对于NDVI提取结果在精度上有较大提升.采用该方法对于Landsat8影像的藻华提取精度为97.16%,相对于NDVI的提取精度(91.72%)提高了 5.44%.(2)以Sentinel-2数据为基础探究FAI-L的适用性情况,结果显示对于高分辨率的遥感影像,FAI-L的提取精度达到97.10%,对高分辨率影像具有良好的适用性.(3)FAI-L可以很好地排除云层对藻华提取的干扰,且对藻华的边缘区域和较小的零星区域有更好的提取效果.通过FAI-L能够较好地获取巢湖水域藻华的空间分布情况,可以有效降低由于云层造成的误判现象,具有较高的精度和适用性,可为藻华提取光谱敏感指数的阈值确定提供新方法.
巢湖、NDVI、FAI-L、藻华、线性回归方程
35
R284.2;TS201.2;TP391.41
安徽理工大学引进人才科研启动项目;国家重点研发计划
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共13页
1222-1233,中插5-中6