姜腾龙，张水燕，丁程程，刘建军，代雪静，徐 洋

1.济南市环境监测中心站,山东 济南 250014 2.泰安市环境保护监测站,山东 泰安 271000

叶绿素a含量是衡量湖泊富营养化的重要指标,是湖泊水质监测的重要内容[1-2]。因此叶绿素a 含量的调查对于了解湖泊富营养化程度及其变化趋势具有重要意义。常规水质监测是人工进行实地取样,存在取样点少、缺失历史数据等问题,不能全面反映整个湖泊的叶绿素分布情况和长时间的变化趋势[3-4]。

遥感卫星为叶绿素a监测提供了新的技术手段,不同的卫星影像具有不同的特性和优势,如利用HJ1-CCD[5-6]、RapidEye[7]等高空间分辨率数据构建反演模型,可以对叶绿素a含量的空间信息进行更好的监测;利用Hyperion[8]、HICO[9]、MERIS[10-11]、GOCI[12]等高光谱数据,可以应用更加精确的半分析模型法,实现叶绿素a含量更加精准的观测。Landsat系列卫星在空间分辨率、光谱分辨率以及时间系列上都有独特的优势,是开展中分辨率尺度的长时间序列地表定量信息监测的适宜数据源。

基于Landsat系列卫星反演叶绿素a的算法也相继出现。佘丰宁等[13]利用Landsat TM建立了水体叶绿素含量的遥感定量模型,指出TM4、TM7分别与太湖叶绿素a有较好的正、负线性相关性,但其TM数据未经过大气纠正。吕恒等[14-16]利用TM3/(TM1+TM4)、NDVI指数、混合光谱分解模型等算法较好地反演了太湖叶绿素a浓度。谢杰等[17]利用(TM2+TM4-TM3)/ln[TM3]模型提取了巢湖水体叶绿素a浓度。史锐等[18]利用TM数据,基于小波理论对干旱区内陆湖泊乌梁素海叶绿素a进行了提取。可见,不同湖泊类型受水深、透明度、悬浮物等影响所适用的叶绿素a反演模型不同。……