“ 智利中南部的特点是有一系列起源于安第斯山脉的大湖。这个地区正面临着越来越多的人为影响,这造成了这些湖泊的贫营养状态。虽然监测方案通常基于有限的空间和时间覆盖范围,但遥感为大规模观测提供了有利的工具,提高了我们全面研究湖泊属性指标的能力。本文利用陆地卫星5号TM、7号ETM+和8号OLI2A哨兵A/B MSI获取的遥感影像,来研究地表水温度(SWT)、浊度和叶绿素的季节性趋势和湖内变化。”

01

研究目的及内容

Research purpose and content

湖泊可以被视为环境变化的重要标志,因为它们对环境的有关特征相对敏感,反应迅速,而且它们还反映和纳入了来自更广泛的集水区和大气的变化。在本研究中,应用遥感技术,通过卫星图像预测并和实地观测验证的关键参数(地表水温度(SWT)、浊度和叶绿素a)来估计潘桂普里湖的水质状况。研究内容有以下3点:1)对照监测数据库的现场数据验证卫星获得的数据,2)利用遥感评估季节模式和3) Panguipulli湖的湖水特征的湖内变化。呈现具有代表性的总体平均季节趋势,1998年至2018年的卫星图像(陆地卫星5/7/8;SWT和浊度)和2016–2017(哨兵-2;叶绿素a)

02

研究区域及数据

Research area and data

Panguipulli(39° 43′S,72° 13′W)被认为是一个温暖的单体湖,夏季分层(表面温度21°C,湖底温度9°C,温跃层在接近秋季时达到40米的深度)和冬季环流(8月份同温层温度9°C)。流域内的主要土地利用方式是原始森林(84%)和牲畜牧场(15%)。湿地占流域面积的1.2%,而城市和开放地区以及森林种植面积较少。使用的遥感数据为landsat5号专题成像仪(TM)、landsat7号增强型专题成像仪(ETM+)、landsat 8号运行陆地成像仪(OLI)和哨兵-2号(A,B)多光谱仪器(MSI)的表面反射图像。使用的近地表水温度、浊度和叶绿素a的验证数据来自水资源总局国家最低湖泊控制网络的监测数据库。

03

研究方法

Research method

利用ACOLITE软件(Windows版本20180419.0)对landsat卫星图像进行了处理,该软件使用SWIR参数进行大气校正,针对海洋和淡水进行了优化。利用sanp软件中的Sen2cor模块进行哨兵-2号图像的大气校正。然后通过AWEI水体指数提取该湖泊水域面积。陆地卫星8号图像的温度、浊度和叶绿素a指数直接用ACOLITE进行分析。对于浊度,应用了Dogliotti等人(2015) (T_Dogliotti)的单波段切换算法。对于叶绿素a,基于蓝/绿波段比的海洋叶绿素双波段(OC2v2)算法。用于计算自动水提取指数(AWEI)、传感器亮度温度、浊度和叶绿素a的算法和卫星波段,以及用于分析它们的软件如表3

04

研究结果

Research result

  • landsat5/7/8号得出的SWT(表皮温度)与原地SWT(整体温度)呈线性相关(R2=0.86),区域资源测绘数据(0.17)也证实了卫星数据和实地数据之间相对较好的相似性。

  • 根据显著性差异检验系数(t)和事后检验系数p表明:来自卫星图像的浊度和叶绿素含量a季节性长期平均值在任何季节都没有显示出与原位数据的显著差异。

  • 卫星数据显示,SWT的季节变化很大,整个湖泊的平均温度从冬季的8.0摄氏度到夏季的17.5摄氏度不等。

  • 秋季和夏季(1.3-1.6 FNU)的全湖平均浊度低于春季和冬季(2.2-2.4 FNU)

  • 根据对五个地点叶绿素的季节性分析,只有夏季 (1.1μg·L-1)和秋季 (1.9μg·L-1)之间的差异是显著的。

  • 此外将3个变量在不同的季节做了相关性分析,发现三个变量之间没有明显的关系:只有在冬季,SWT与叶绿素a显著相关。

05

小编观点

Editor's View

本文的亮点可以体现在3方面:

  • 利用遥感研究了智利的Panguipulli湖的季节性特征变化,体现了遥感手段在大尺度水文研究的优势。

  • 卫星遥感数据能够对湖泊季节和空间情况进行更广泛的观测。

  • 利用卫星图像绘制空间和季节变化图有助于确定具有不同特征的湖泊地区,提升水资源管理战略。

06

文章来源

Article source

Huovinen P , Ramirez J , Caputo L , et al. Mapping of spatial and temporal variation of water characteristics through satellite remote sensing in Lake Panguipulli, Chile[J]. The ence of the Total Environment, 2019, 679(AUG.20):196-208.

07

小编简介

Editor introduction

李辉,西北农林科技大学,农业水土工程专业。

哨兵系列卫星_智利Panguipulli湖的卫星遥感水特征时空变化图相关推荐

  1. 深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子

    深度学习与计算机视觉系列(9)_串一串神经网络之动手实现小例子 作者:寒小阳  时间:2016年1月.  出处:http://blog.csdn.net/han_xiaoyang/article/de ...

  2. python平稳性检验_时间序列预测基础教程系列(14)_如何判断时间序列数据是否是平稳的(Python)...

    时间序列预测基础教程系列(14)_如何判断时间序列数据是否是平稳的(Python) 发布时间:2019-01-10 00:02, 浏览次数:620 , 标签: Python 导读: 本文介绍了数据平稳 ...

  3. 深度学习与计算机视觉系列(8)_神经网络训练与注意点

    深度学习与计算机视觉系列(8)_神经网络训练与注意点 作者:寒小阳  时间:2016年1月.  出处:http://blog.csdn.net/han_xiaoyang/article/details ...

  4. 深度学习与计算机视觉系列(4)_最优化与随机梯度下降\数据预处理,正则化与损失函数

    1. 引言 上一节深度学习与计算机视觉系列(3)_线性SVM与SoftMax分类器中提到两个对图像识别至关重要的概念: 用于把原始像素信息映射到不同类别得分的得分函数/score function 用 ...

  5. 机器学习系列(8)_读《Nature》论文,看AlphaGo养成

    机器学习系列(8)_读<Nature>论文,看AlphaGo养成  标签: 机器学习算法深度学习神经网络蒙特卡罗树搜索 2016-03-16 11:23 17843人阅读 评论(8) 收藏 ...

  6. 深度学习与计算机视觉系列(10)_细说卷积神经网络

    转载自: 深度学习与计算机视觉系列(10)_细说卷积神经网络 - 龙心尘 - 博客频道 - CSDN.NET http://blog.csdn.net/longxinchen_ml/article/d ...

  7. 机器学习系列(2)_从初等数学视角解读逻辑回归

    作者:龙心尘 && 寒小阳  时间:2015年10月.  出处:http://blog.csdn.net/longxinchen_ml/article/details/49284391 ...

  8. 机器学习系列(1)_逻辑回归初步

    转载自: 机器学习系列(1)_逻辑回归初步 - 寒小阳 - 博客频道 - CSDN.NET http://blog.csdn.net/han_xiaoyang/article/details/4912 ...

  9. 深度学习与计算机视觉系列(1)_基础介绍

    转载自: 深度学习与计算机视觉系列(1)_基础介绍 - 龙心尘 - 博客频道 - CSDN.NET http://blog.csdn.net/longxinchen_ml/article/detail ...

最新文章

  1. docker 僵尸进程解决方案 Baseimage-docker,胖容器和“容器也是虚拟机”
  2. Oracle_052_lesson_p9
  3. Mercurial入门学习
  4. 复利计算5.0——结对(总结)
  5. 程序员面试题精选100题(14)-圆圈中最后剩下的数字[算法]
  6. .net使用SqlBulkCopy类操作DataTable批量插入数据库数据,然后分页查询坑
  7. 基础知识—表达式与语句-表达式
  8. 个人作业--数组(续一)
  9. 从0开始实现自动化运维工具(一)
  10. Kylo调研总结(二)
  11. char * 与char []区别总结
  12. Java流(Stream)操作实例-筛选、映射、查找匹配
  13. Eagle设计师必备利器管理工具
  14. 【python 算法接口】使用FastAPI框架快速构建高性能的api服务
  15. 多重积分积分区域奇偶对称性化简积分
  16. 解决sublime汉化后部分中文显示为繁体字
  17. pandas多场景业务实战-指标计算
  18. SQL SERVER数据库迁移操作
  19. IDEA新版UI 设置
  20. python二分法排序_「二分法排序」插入排序之二分法插入排序 - seo实验室

热门文章

  1. numpy基础(part8)--符号数组与矢量化
  2. python面向对象(part2)--封装
  3. 统计学 计算机论文,统计学课程论文范文
  4. 微软已暂时停用你的帐户_Apple ID 被停用如何解决?
  5. 3层b+树索引访问磁盘次数_【112期】面试官:为什么选择B+树作为数据库索引结构?谈谈你的理解
  6. Mobile first 设计思路在 SAP 电商云 Spartacus UI 中的设计体现一例
  7. SAP 电商云 Spartacus UI 设置 delivery mode 在 3G 慢速网络下的排队效果
  8. 如何给 SAP Spartacus cxOutletPos 赋值
  9. SAP Spartacus Org Unit明细页面的工具栏按钮设计
  10. SAP Spartacus org unit页面的三种focus border及细节讨论