中文摘要：

业务化水华遥感监测常以中低分辨率的MODIS数据基础，因此存在大量的混合像元。而水华和水体的混合像元，在光谱相应上与富含藻类的水体像元类似，因此无法有效地使用混合像元分解模型。其次，混合像元分解模型的目标仅仅是求取组成混合像元的各端元组分在该像元中的丰度，并不能确定在混合像元中水华在空间上是如何分布的。本项目拟从模拟2类像元的地面光谱实验入手，研究两类像元在光谱上、纹理上的细微差异，力求区分出两类像元。然后采用混合像元分解模型，并通过混合像元的分解来得到水华面积在混合像元中的百分比含量，实现水华面积亚像元级的提取。同时，拟从元胞自动机等模型提出了一个全新的解决水华亚像元定位方法，并通过模拟数据和实际数据对该模型的效果进行了检验。最终建立水华的亚像元级提取和定位技术，以提高目前利用中分辨率遥感数据监测水华的精度，更好地满足水环境保护的需要。

结论摘要：

本研究主要对象是湖泊水华遥感监测工作中遇到的两类像元富含藻类的水体像元和水华与水体的混合像元。通过分析实验室模拟的两类像元实验光谱，野外实测水体光谱和不同地面分辨率的遥感图像光谱，研究两类像元在光谱上、纹理上的细微差异，力求区分出两类像元。研究结果表明，两种像元在光谱特征上极为相似，水华覆盖比例较高的混合像元光谱在近红外波段反射率明显偏高；但是两种像元光谱特征受藻类浓度、水华厚度、覆盖面积比例等多种因素影响，无法找到明显的特征相区别，也无法找到较为固定的关系式将二者联系统一。本研究选择了太湖地区的TM数据，使用TM影像提取的水华区作为测试图像，对其进行退化处理，得到较低分辨率的丰度图像。利用此丰度图像，基于元胞自动机模型，提出了新的亚像元级定位方法。对于内陆水体蓝藻水华的特点，改进了元胞自动机模型，使之适用于水华的亚像元定位。并用matlab语言编写程序实现了元胞自动机模型的算法流程。通过太湖区域几景同时相获取的HJ-CCD和MODIS遥感数据进行了测试，分析了模型的实用性以及最终的定位精度。结果表明元胞自动机本身在亚像元定位中是适用的，对混合像元分解精度较高的数据，最终定位的Kappa’系数可以达到80%以上。说明本研究中元胞自动机模型在方法上是切实可行的，而决定模型精度的关键在如何提高水华混合像元分解的精度。本研究查阅了国内外大量相关资料，其中国内外有关光谱识别、混合像元分解和元胞自动机等方面的文章共41篇；完成了实验室光谱实验2次，野外光谱测量和水质采样2次，获得光谱曲线近百条，遥感影像处理分析5景。建立了水华的亚像元级提取和定位技术，其方法可用于目前的基于中分辨率遥感数据MODIS监测水华的工作中，提高了水华的定位精度，更好地满足水环境保护的需要。