基于MODIS衛星的巢湖藍藻自動監測系統設計與實現

錢海明 王春林 孫金彥

（安徽省（水利部淮河水利委員會）水利科學研究院 蚌埠 233000）

基于MODIS衛星的巢湖藍藻自動監測系統設計與實現

錢海明 王春林 孫金彥

（安徽省（水利部淮河水利委員會）水利科學研究院 蚌埠 233000）

隨著巢湖流域經濟的迅速發展，工業化進程的加快、城鎮人口的增加、化肥和農藥的大量使用，加重了巢湖水體富營養化情況，使得藻類等水生植物大量繁殖，破壞巢湖水域生態系統的平衡。為了提高巢湖水生態系統的穩定性，急需對巢湖藍藻情況進行動態監測，為相關部門提供科學、可靠數據支持和信息服務。

MODIS衛星 遙感監測 系統配置 混合編程

遙感技術為藍藻動態監測提供了輔助支持，準確、快速地監測藍藻爆發的區域，提取藍藻爆發信息。為了滿足巢湖藍藻的動態監測業務需求，基于藍藻遙感監測的技術路線，設計并實現了基于MODIS衛星的巢湖藍藻自動監測系統。以MODISL1B數據作為系統數據源，利用C#和IDL進行混合編程，結合ARCGIS的空間分析功能，將藍藻遙感信息的主要方法應用到了系統建模中，提高了巢湖藍藻動態監測的效率。系統在藍藻動態監測業務化運行中取得明顯效果。

1 系統總體設計

1.1 系統目標

基于藍藻遙感監測的技術路線，利用C#和IDL進行混合編程，結合ARCGIS的空間分析功能，遵循系統操作快捷及系統可擴展性原則，設計基于MODIS衛星的巢湖藍藻自動監測系統，旨在提高巢湖藍藻的動態監測業務能力。

1.2 系統數據源

采用安徽省（水利部淮河水利委員會）水利科學研究院河湖監測遙感中心每日實時接收的中等分辨率成像光譜儀（moderate-resolution imaging spectroradiometer，MOD13Q1）的陸地II級標準數據產品（Terra/MODIS及aqua/MODIS數據），兩個波段，空間分辨率為250m。研究MODIS衛星過境時間（上午10:30和下午13:30）的藍藻水華的生長周期，探測藍藻水華的爆發時間及空間分布特征。

1.3 系統總體結構

利用先整體后局部的模塊化設計方法設計系統布局，通過C#和IDL的混合編程，結合ARCGIS空間分析的優勢，基于藍藻遙感監測的方法技術路線，將系統劃分為四大模塊，分別是數據管理模塊、影像預處理模塊、藍藻信息提取模塊和制圖與出圖模塊，系統總體結構如圖1所示。

圖1 系統總體結構圖

1.3.1 數據管理模塊

以MODISL1B影像數據作為系統數據源，基于藍藻遙感監測手段，設計了矢量數據庫、柵格數據庫及屬性數據庫，通過混合編程實現系統多源數據的編輯、更新及保存等功能。同時，便于通過歷史影像數據、分類數據與假彩色合成數據進行疊加分析等方式對藍藻動態做輔助分析。

1.3.2 影像預處理模塊

利用IDL語言的遙感影像處理優勢，以編程實現MODID L1B影像數據的輻射校正，消除由于衛星傳感器航帶式采集影像導致的“雙眼皮”現象。通過地理坐標文件對輻射校正后的影像進行幾何校，使得影像數據具備地理空間坐標信息。由于影像空間分辨率導致的影像偏移，需要與配準好的影像數據進行地理配準，提高影像幾何定位精度。通過裁剪與拼接功能，提取影像的被研究區域。

圖2 巢湖衛星遙感影像圖

圖3 巢湖藍藻水華區域分布圖

1.3.3 藍藻信息提取模塊

利用IDL語言的遙感影像處理優勢，對地理配準后的影像進行湖面提取，得到巢湖湖面影像層。基于歸一化植被指數模型和統計回歸模型計算藍藻模型閾值，提高藍藻信息提取的精度。利用ArcGIS的空間分析功能，以ArcEngine為實現手段，對巢湖湖面影像層進行空間分析，定量提取巢湖藍藻信息，統計分析藍藻的空間分布及面積特征。

1.3.4 制圖與出圖模塊

旨在提高系統自動化、人性化程度，對系統提取到的藍藻信息進行制圖與出圖，通過ArcEngine模塊實現圖層的疊加、專題圖符號的添加以及藍藻面積等功能，進而生成巢湖藍藻水華遙感影像圖以及巢湖藍藻區域分布圖，利用直觀的地圖符號展示巢湖藍藻的空間分布及面積特征。系統將自動生成巢湖藍藻監測報告，報告包含原始影像的日期、藍藻水華遙感影像圖、藍藻區域分布圖以及藍藻空間分布及面積特征，以便后續藍藻信息的查詢與分析。

1.4 系統關鍵技術

系統的研發平臺是VisualC#，通過C#與IDL的混合編程，融合IDLDrawWidget圖像可視化控件，結合ArcEngine空間數據可視化控件，實現系統的遙感影像處理能力與空間分析能力的有機結合。按照藍藻遙感監測的技術路線，應用樹模式結構與面對對象思想設計了系統架構，將系統抽象為根節點對象，各個功能模型抽象為中間節點對象，每項功能抽象為葉子節點對象，提高系統的完整性與數據的一致性。

2 應用實例

為了驗證系統的可行性及適用性，以2015年12月7日13:30的MODISL1B影像數據作為系統實驗數據。首先，通過數據管理模塊建立包含矢量數據庫、柵格數據庫及屬性數據庫的工作區，提高系統對MODISL1B影像數據及后續中間數據的編輯、更新及保存能力。其次，利用影像處理模塊的輻射校正、幾何校正、地理配準及裁剪與拼接處理MODISL1B影像數據，得到具備地理空間信息的影像數據。利用湖面提取模塊，得到巢湖湖面影像層，基于歸一化植被指數模型和統計線性回歸模型反演藍藻信息，將閾值大于0.5的影像區域，視為藍藻集聚區域。結果如圖2和圖3所示，湖面呈深灰色，藍藻集聚區域呈淺灰色。

由于藍藻在MODIS影像的1波段和2波段中分別呈現吸收光譜特征和高反射光譜特征，采用多波段彩色合成的顯示方式，通過色彩及亮度突出顯示藍藻的空間分布狀況。圖2采波段1、2、1的組合方式，巢湖水面呈深灰色，藍藻集聚區呈淺灰色，這樣可以有較好目視區分效果。圖3為藍藻區域分布圖，將巢湖湖面影像層與藍藻集聚層進行波段融合，將藍藻集聚層進行高亮度顯示以顯示藍藻水華，根據設定的閾值提取藍藻集聚區，得到2016年12月7日的巢湖藍藻面積約為47.25km2。通過疊加分析改變影像的透明度，可以明顯發現提取結果與實際藍藻爆發區域一致，系統能較好地提取藍藻的爆發情況，能夠滿足巢湖藍藻爆發的應急處理需要。

3 結語

系統以實際業務和科研應用為需求導向，通過系統配置與單體模式技術動態構建基于菜單形式的系統架構，設計了良好的數據結構以便更好地管理空間數據。將MODIS L1B影像數據作為系統數據源，采用C#和IDL的混合編程模式，結合ARCGIS空間分析的優勢，基于藍藻遙感監測的方法技術路線，將歸一化植被指數模型和統計線性回歸模型應用到系統建模中，實現了巢湖藍藻的自動化提取。通過實例進行驗證分析，結果表明系統在巢湖藍藻遙感監測業務化運行中取得了明顯的效果■