畢業(yè)論文-基于TM影像水體藻類污染研究

.引言了解水污染的現(xiàn)狀對(duì)保護(hù)水資源有重要意義。針對(duì)水體藍(lán)藻等有機(jī)物的污染，本文對(duì)TM影像進(jìn)行了一些介紹，然后對(duì)水體植被指數(shù)原理、遙感水污染的主要分析方法，常見的有機(jī)物污染如葉綠素藍(lán)藻水華遙感原理概括分析總結(jié)。最后基于中國大陸東部海域遙感影像圖對(duì)其提取NDVI、RVI植被指數(shù)的提取，從而做出其污染分布圖。2.TM影像在目視解譯遙感圖像時(shí)，我們會(huì)考慮很多的圖像特征——顏色（在全色圖像情況下）、結(jié)構(gòu)、大小、形狀、背景等諸如此類，但在計(jì)算機(jī)輔助軟件中經(jīng)常使用的僅僅是顏色，重要的是設(shè)置的多波段傳感器（像眼睛那樣在光譜里看到多個(gè)地方。并能夠進(jìn)入測(cè)量光譜反應(yīng)模式的傳感器）及光譜波段的數(shù)目和波段范圍。美國地球資源衛(wèi)星（Landsat）是一個(gè)有7個(gè)波段，30m分辨率的多光譜圖像商業(yè)系統(tǒng)。通過分析顯示，在許多環(huán)境中自然環(huán)境信息量的傳播最多的波段是近紅外波和紅色波。水體由紅外線波長強(qiáng)烈地吸收，因此在這個(gè)區(qū)域十分明顯。另外，植物物種在這里把他們的根本差異展示了出來，因?yàn)檫@是葉綠素為光合作用吸收能量的原始地方。紅色區(qū)間也很重要，因?yàn)樗从沉巳~綠素吸收能量進(jìn)行的光合作用，是容易區(qū)分植被和非植被的波長。如果了解了紅色波段和近紅外波段的重要性，就會(huì)發(fā)現(xiàn)地球資源監(jiān)測(cè)設(shè)計(jì)的傳感器系統(tǒng)都帶有紅色波段和近紅外波傳感器。其他波段依賴于設(shè)想的應(yīng)用范圍。很多波段還包括綠色可見波段，因?yàn)樗梢院土硗鈨蓚€(gè)波段一起使用，產(chǎn)生傳統(tǒng)的假彩色合成圖，即一個(gè)來自綠色、紅色、和近紅外波段的彩色圖像（和自然顏色圖像的藍(lán)色、綠色和紅色波段相反）。這種組合隨著紅外攝影的出現(xiàn)而變得很常見，并為遙感領(lǐng)域的專家所熟悉。此外，這三種波段的結(jié)合在解譯人文景觀、自然和植被表面方面運(yùn)用得很好。其他波段對(duì)地表物質(zhì)變得更具有針對(duì)性，這種現(xiàn)象越來越普遍，比如，陸地衛(wèi)星TM5波段位于兩個(gè)水體吸收帶之間，目前已經(jīng)證明了他在確定土壤和葉片水分之間的差異方面非常有用，同樣，陸地衛(wèi)星TM7波段目標(biāo)是檢測(cè)裸露巖石表面的熱液蝕變區(qū)。與它相反，NOAA系列衛(wèi)星上的AVHRR系統(tǒng)包括幾個(gè)自動(dòng)檢測(cè)云層溫度特性的熱通道。Landsat上的多譜掃描儀MSS(Multi—SpectralScanner)能收集藍(lán)色、綠色、紅色和近紅外4個(gè)波段的圖像：專題制圖儀TM(ThematicMapper),能夠收集7個(gè)波段的圖像，這些波段有藍(lán)波、綠波、紅波、近紅外波、兩個(gè)中近紅外波和一個(gè)熱紅外波。多光譜掃描儀的分辨率是80m，而專題制圖儀的空間分辨率達(dá)到30m.這兩個(gè)傳感器圖像有185km寬的測(cè)繪帶，在當(dāng)?shù)貢r(shí)間每天的上午9:45經(jīng)過，周期是16天。3植被指數(shù)在自然資源評(píng)價(jià)和監(jiān)測(cè)中，植被分析和植被形式的變化探測(cè)是非常關(guān)鍵的。因而不難發(fā)現(xiàn)，綠色植被探測(cè)和定量評(píng)價(jià)是環(huán)境資源管理和制定決策的主要遙感應(yīng)用之一。綠色植被的健康冠層與電磁光譜中的可見光和近紅外區(qū)域中的能量有明顯作用。在可見光區(qū)，植物色素（多數(shù)是葉綠素）吸收巨大的能量，主要是用于光合作用。這個(gè)吸收在可見光譜的紅色和藍(lán)色區(qū)域達(dá)到最高點(diǎn)，多數(shù)樹葉呈現(xiàn)出了綠色。但在近紅外區(qū)，會(huì)出現(xiàn)不同的相互作用，這個(gè)區(qū)域的能量不僅用在光合作用中，還被多數(shù)樹葉的內(nèi)部結(jié)構(gòu)強(qiáng)烈分散，于是在近紅外區(qū)產(chǎn)生了非常高的反射率。因而，在紅波段的反射量與近紅外的反射量之間形成了一個(gè)強(qiáng)烈地對(duì)比，這成為一系列利用遙感圖像發(fā)展植被量化指數(shù)的重要焦點(diǎn)。植被指數(shù)(VI)模型的集合是為提供綠色植被生物量定量評(píng)價(jià)而設(shè)計(jì)。植被指數(shù)可以應(yīng)用在高、低空間分辨率衛(wèi)星圖像中，比如，NOAAAVHRR,LandsatTM和MSS,SPOTHRV/XS,以及在紅波和近中紅外地區(qū)與該集合相似的其他集合中。在多種情景中，利用綠色植被指數(shù)模型對(duì)綠色生物量進(jìn)行評(píng)價(jià)，還可以用作整體環(huán)境變化的標(biāo)（VI）志，特別應(yīng)用在干旱的條件和土地退化風(fēng)險(xiǎn)評(píng)價(jià)中。所以主要集中在干旱環(huán)境下綠色生物量評(píng)價(jià)上，在這類地區(qū)，土壤背景是探測(cè)信號(hào)的主要組成部分。NDVI和RVI是基于斜率的簡(jiǎn)單運(yùn)算組合的植被指數(shù)，側(cè)重于電磁光譜的紅波段和近紅外部分中植被的光譜相應(yīng)機(jī)理的對(duì)比?；谛甭实闹脖恢笖?shù)是可見光紅波段(RED)和近紅外波段（NEARINFRADE）的組合，廣泛應(yīng)用于生成植被指數(shù)。這個(gè)指數(shù)值顯示綠色植被和生物量的狀態(tài)和豐富程度。植被指數(shù)為研究和監(jiān)測(cè)植被及植被動(dòng)態(tài)方面提供了重要的機(jī)遇。本文將嘗試將NDVI和RVI植被指數(shù)模型用于水體藻類提取，從而進(jìn)行有機(jī)污染研究。4.水質(zhì)分析方法4.1半分析方法物理輻射傳輸理論、輻射的方法和有效性的光學(xué)材料在吸水和反向散射特性、反射率、水之間的關(guān)系的基礎(chǔ)上,吸收和散射系數(shù)用于計(jì)算組件和組件的濃度吸收和后向散射系數(shù)、濃度的反演方法來確定組件[1]。具有較強(qiáng)的適用性和可靠性,該方法用于懸掛組件如葉綠素和反演。但需要測(cè)試參數(shù)模型的方法,因?yàn)橄拗频膬x器、設(shè)備廣泛的應(yīng)用程序。此外,一些未知的變量在模型中常量的經(jīng)驗(yàn),這可能會(huì)影響反演的精度[2]。雖然半分析方法有先天優(yōu)勢(shì),但研究海岸和河口水水質(zhì)有機(jī)污染應(yīng)用某些[3]。4.2經(jīng)驗(yàn)方法基于同步的水質(zhì)參數(shù)的經(jīng)驗(yàn)方法和遙感測(cè)量統(tǒng)計(jì)關(guān)系的經(jīng)驗(yàn),選擇最優(yōu)波段或波段組合模型數(shù)據(jù)和實(shí)測(cè)水質(zhì)參數(shù),然后水質(zhì)參數(shù)反演方法。這種方法是目前使用最廣泛的是相對(duì)簡(jiǎn)單的,但事實(shí)上,遙感數(shù)據(jù)之間的相關(guān)性和水質(zhì)參數(shù),和不是很明確的物理意義,受限于時(shí)間和地點(diǎn)[4]。4.3其他隨著科學(xué)技術(shù)的發(fā)展,如計(jì)算機(jī)和人工智能研究人員進(jìn)行了大量的工作,國內(nèi)外先進(jìn)的水質(zhì)遙感反演方法,這是一個(gè)典型的和廣泛使用的方法和人工神經(jīng)網(wǎng)絡(luò)[5],非線性優(yōu)化方法、主成分分析(pca),等[6],[7]。5.水體遙感原理衛(wèi)星遙感的總輻射(L1)=大氣中的水直接反射回到水面尚未實(shí)現(xiàn)表面的輻射(LP)+水沒有到達(dá)底部的水只在界面反射或散射強(qiáng)度(LV)+水體和水面反射輻射(LS)+水底部的反射強(qiáng)度(LB)。LP和LB是有機(jī)污染的研究不需要的。水質(zhì)研究在公式(1)是最重要的LV,包括純凈水(w)和水中的無機(jī)懸浮物(SM)、有機(jī)葉綠素(Chla)和溶解有機(jī)物(DOM)的濃度,并分別在水中吸收和散射的光(λ)(c)的功能變化,即:LV=f(Wc(λ)、SMc(λ)、葉綠素(λ)、DOMc(λ)]這些成分和它們的濃度變化時(shí),水質(zhì)和水也將改變。水由于入射能量(陽光)有很強(qiáng)的吸收,出現(xiàn)軟弱的總體程度的反射率,并有隨著波長的增加繼續(xù)削弱的傾向,具體表現(xiàn)如下:在可見光的波長范圍(480nm~580nm),反射率約為4%~5%,但到580nm,降至2%~3%,但超過740nm波長的入射能量幾乎所有被水吸收。到目前為止,通常只研究可見光波長的水質(zhì)污染,在所有的可見光波段中水體藍(lán)色的光反射率是相對(duì)強(qiáng)勁的范圍,并有明顯的散射效應(yīng),綠燈略弱,紅燈是相對(duì)較弱,這也是大海呈藍(lán)的主要原因。由于水體在近紅外和隨后的中紅外波長(740nm-2500nm)范圍內(nèi)的強(qiáng)吸收特性,導(dǎo)致一個(gè)明確的水質(zhì)在波長范圍幾乎沒有反射率,也正因?yàn)槿绱?此波長范圍常被用來研究水邊界,劃定水范圍?？傊?清水的遙感信息模型根據(jù)其反射率可以近似為:藍(lán)色>綠色>紅色>近紅外>中紅外。5.1水體藍(lán)藻水華濃度遙感郭國欽通過分析和研究,得出滇池藍(lán)藻在可見光,紅外光譜的譜特征和使用假彩色合成和歸一化植被指數(shù)方法在滇池藍(lán)藻信息識(shí)別和提取遙感[8]。李旭文以TM數(shù)據(jù)作為數(shù)據(jù)源,得出利用葉綠素和DVI植被指數(shù)(TM4/TM3),藻類生物量之間的高度相關(guān)性定量遙感模型成立,湖面積葉綠素和藍(lán)藻生物量遙感評(píng)估[9]。使用遙感數(shù)據(jù),黃家柱測(cè)試了LandsatTM太湖藻類爆發(fā)，時(shí)間在1998年8月,[10]。5.2水體葉綠素濃度遙感我們知道，遙感中顯示植物存在的位置是根據(jù)葉綠素的多少，水體的富營養(yǎng)化是通過葉綠素。根據(jù)已有的研究成果，葉綠素會(huì)影響電磁波的波長在大氣中的物理反應(yīng)。它有幾個(gè)明顯的特征：（1）葉綠素的強(qiáng)吸收是在400~500nm(藍(lán)光）范圍內(nèi)，而且在波長440nm處會(huì)出現(xiàn)吸收最低值；

（2）在550nm范圍，有葉綠素的最大反射峰，其中，在波長520nm處的輻射值是一個(gè)不因?yàn)槿~綠素的改變而改變的“節(jié)點(diǎn)”；（3）第二次的強(qiáng)吸收約為675nm處；（4）在690nm~700nm的附近有一次出現(xiàn)明顯的反射峰，這是因?yàn)楦鞣N綜合效應(yīng)在最小；（5)水體在近紅外波長的反射率也會(huì)隨著水中懸浮物質(zhì)含量的增加而增高，相反，有些沉積物在此波段處的反射率卻降低。6.環(huán)中國大陸東部海域水色遙感模型6.1數(shù)據(jù)來源地理空間數(shù)據(jù)云平臺(tái)下載影像，地理范圍大致介于東經(jīng)23.59~25.49北緯117.37~119.71,截取了其中的一部分——我國東部大陸環(huán)海地區(qū)。影像數(shù)據(jù)如下：起源=“美國地質(zhì)調(diào)查局(u.s.geologicalsurvey)”SPACECRAFT_ID="Landsat5"SENSOR_ID="TM"SENSOR_MODE="BUMPER"ACQUISITION_DATE=2010-05-24SCENE_CENTER_SCAN_TIME=02:23:55.6700750ZSUN_AZIMUTH=94.5606193SUN_ELEVATION=66.93240496.2數(shù)據(jù)預(yù)處理由于衛(wèi)星傳感器所接收到的信息包含了大氣、水體等各方面的信息，為了抑制其它信息和增強(qiáng)表征水體的信息，必須對(duì)影像進(jìn)行預(yù)處理[11]。6.2.1圖像輻射定標(biāo)步驟一:DN值轉(zhuǎn)為星上輻亮度步驟二a：星上輻亮度轉(zhuǎn)為大氣頂層反射率步驟二b:熱紅外波段的星上輻亮度轉(zhuǎn)為星上亮溫[12]在ERDAS中的操作步驟：（1）把多個(gè)tiff文件合并為img文件。執(zhí)行InterpreterUtilitiesLayerStack彈出以下窗口在inputfile處打開對(duì)應(yīng)影像的所有tiff文件，將Layer右側(cè)設(shè)置為all后單擊Add，設(shè)置outputfile名稱，單擊OK開始執(zhí)行。生成多波段的img文件。（2）建立用于輻射定標(biāo)的Model。執(zhí)行ModelerMolelerMaker彈出以下窗口在上面窗口中，進(jìn)行讀入數(shù)據(jù)、數(shù)據(jù)計(jì)算、輸出結(jié)果等模型的建立。注意保存Model，以便將來多次使用。（3）執(zhí)行Model，生成結(jié)果。6.2.2圖像大氣校正大氣矯正可以用多種方法來影響遙感圖像的性質(zhì)。在分子水平上，大氣氣體產(chǎn)生瑞利散射，不斷影響短波（原因是，比如，是的天空看上去是藍(lán)色的）而且像氧氣，二氧化碳，臭氧和水蒸氣（特別是后兩者）這些主要大氣成分都吸收選定波長的能量。氣溶膠顆粒（氣溶膠思微小固體或液體顆粒的氣體懸浮液）是薄霧的主要決定成分，引進(jìn)大部分非選擇（也就是，同等地影像所有的波長）Mie散射。大氣作用可以是巨大的，因此遙感專家致力于這些作用的建模和修復(fù)。1986年,法國Tanre德里爾科技大學(xué)(里爾科技大學(xué))大氣光學(xué)實(shí)驗(yàn)室和其他人為了簡(jiǎn)化大氣輻射傳輸方程,太陽光譜波段衛(wèi)星信號(hào)模擬器的發(fā)展5s(衛(wèi)星信號(hào)模擬太陽光譜),用于模擬太陽輻射的傳輸系統(tǒng)和計(jì)算衛(wèi)星輻射亮度的學(xué)生。1997年,埃里克·Vemote5s改進(jìn)、發(fā)展的6s(第二模擬衛(wèi)星在太陽光譜信號(hào)),6s,吸收最新的散射計(jì)算方法使太陽光譜波段散射比5s來提高計(jì)算精度。模型假設(shè)一個(gè)萬里無云的氛圍,的情況下考慮到水蒸氣,二氧化碳,O3和O2的吸收,分子和氣溶膠散射和凹凸不平的地面和雙向反射問題是提高5s,6光譜積分步驟5nm2.5nm,與5s相比,它可以模擬機(jī)載觀測(cè),建立了目標(biāo)高度,解釋附近的雙向功能和效果,增加了計(jì)算的兩種氣體吸收(有限公司、一氧化二氮)。散射效應(yīng)是通過使用SOS連續(xù)(散射)方法,以提高精度。缺點(diǎn)是不能處理球面大氣觀測(cè)和身體(身體)。6.3水體提取對(duì)landsatTM遙感影像中水體提取的多種方法中，目前較多的是周成武等提出的普間關(guān)系法，主要原理是通過分析水體在TM影像的7個(gè)波段的波譜特性，發(fā)現(xiàn)水體與其他地物相比具有獨(dú)特的譜間關(guān)系，及對(duì)于LandsatTM遙感影像的7個(gè)波段具有波段2加波段3大于波段4加波段5的特征。該方法可以將水體與陰影區(qū)分開，對(duì)水庫、坑塘、寬的河流和河流中較寬的部分[13]。6.4NDVI植被指數(shù)提取藻類信息歸一化植被指數(shù)是Rouse等人在1974年建立的特殊VI，它解決了利用LandsatMSS影像從背景土壤的亮度值中分類綠色植被的問題。這個(gè)指數(shù)表達(dá)了近紅外波段（NEARINFRAED）與紅波段（RED）的差異總值歸一化，也就是:NDVI=(DNnir-DNred)/(DNnir+DNred)式中nir為近紅外波段，red為紅光段。這是非常常用的VI，他減少了地形影像同時(shí)又能表達(dá)線性測(cè)量比例。此外，被零除的現(xiàn)象也明顯減少。更進(jìn)一步說，測(cè)量比例能合適的描述在-1~1之間，0近似為沒有植被。因而，賦值代表沒有植被的表面。簡(jiǎn)單比值植被指數(shù)CRVI是由Richardson和Wiegand(1997)提出來的，用計(jì)算機(jī)計(jì)算更簡(jiǎn)便。計(jì)算結(jié)果是純水體部分DNVI值小于0，有植被特征的水體部分，及藍(lán)藻在水表爆發(fā)區(qū)域的NDVI越大的地方，葉綠素a濃度越高。計(jì)算出的DNVI值分為6類[14]。6.5數(shù)據(jù)處理分析依據(jù)1、水體懸浮物濃度研究懸浮物質(zhì)含量高地水體R2>R12、高濃度懸浮區(qū)域，則R3>R23、一般濃度的懸浮區(qū)域，R3<R24、對(duì)于污染水體，隨著污染物濃度的增加，R4/R3的值逐漸增大5、R4/R3即（RVI）可以作為有機(jī)污染的重要指標(biāo)。6、R2/R1可區(qū)分較高懸浮泥沙區(qū)域7、R2/R1>1懸浮物質(zhì)水體提取8、R2/R1>1且R3>=R2高懸浮物濃度區(qū)9、R2/R1>1且R3<R2低懸浮物濃度區(qū)[15]6.6分類制圖圖像分類是遙感圖像的計(jì)算機(jī)輔助解譯，主要包括包括監(jiān)督分類和非監(jiān)督分類。非監(jiān)督分類不需要查找類型的分類特征信息,相反,它分析圖像數(shù)據(jù),把數(shù)據(jù)分成若干自然光譜組,或者集群.分析家通過結(jié)合該地區(qū)的熟悉長度和地面調(diào)查的真實(shí)情況來確定這些集群作為土地覆蓋類型的歸屬，比如，系統(tǒng)可以分瀝青和水泥地的類型，分析家對(duì)分類進(jìn)行歸組，建立一個(gè)路面的類型。非監(jiān)督分類技術(shù)的共同目標(biāo)就是揭示主要的土地覆蓋分類，這個(gè)土地覆蓋分類可能存在于未知的圖像中。一般來說，這樣的程序?qū)儆诰奂治龅姆秶驗(yàn)樗麄冊(cè)诙嗖ǘ螆D像內(nèi)搜索象元特點(diǎn)相似的反射率集群，這些集群是所有土地覆蓋類型的概括，因?yàn)檫@些集群揭示土地覆蓋的主要類型，因而傾向于忽略出現(xiàn)頻率很低的土地類型特性。不過由于這些廣泛的共同點(diǎn)，還沒有除此之外的其他方法。分類：先將經(jīng)過以上處理所生成的環(huán)中國東大陸沿岸水域NDVI植被指數(shù)提取和RVI植被指數(shù)提取，用無監(jiān)督分類法分別對(duì)它們進(jìn)行分類，均值類似的類別代表濃度接近的水體。由于缺少實(shí)際情況采集水質(zhì)監(jiān)測(cè)的樣本數(shù)據(jù)和GIS等一些輔助數(shù)據(jù)，只能繪制一個(gè)比較粗糙的藻類水質(zhì)分布圖。水體RVI指數(shù)分類圖水體DNVI指數(shù)提取分類圖6.7分析與討論(1)圖中污染程度的強(qiáng)弱順序?yàn)椋阂患?jí)有機(jī)污染＞二級(jí)有機(jī)污染＞三級(jí)有機(jī)污染＞四級(jí)有機(jī)污染＞五級(jí)有機(jī)污染．從中可明顯看到環(huán)中國東部沿岸有機(jī)污染濃度分布圖.(2)圖像上顯示結(jié)果，沿岸是污染最嚴(yán)重的地方，追其原因，陸地沿岸生活污水工業(yè)污染最嚴(yán)重，東南季風(fēng)也有一定影響。(3)由于缺乏與影像獲得時(shí)間相對(duì)應(yīng)的實(shí)時(shí)水質(zhì)監(jiān)測(cè)參數(shù)和地面資料，不能保證提取的數(shù)據(jù)的“純凈度”，從而影響到最后的分類結(jié)果．因此在這里值得注意的是，分析結(jié)果只具有相對(duì)的意義，并不一定是真實(shí)的數(shù)值.(4)非監(jiān)督分類只能得出其相似度，而不能得出數(shù)據(jù)的內(nèi)在屬性。(5)水體遙感影像除對(duì)有機(jī)污染研究外，對(duì)水溫、水深、水體界限范圍、水分化學(xué)成分、水體懸浮物皆有反映，可進(jìn)行更加深刻的剖析。（6）可進(jìn)一步通過變化監(jiān)測(cè)，對(duì)比分析得出NDVI，RVI指數(shù)提取分析。7.結(jié)束語水體水體富營養(yǎng)化復(fù)雜的內(nèi)在與外在因素導(dǎo)致治理的難度極高。識(shí)別藻類以及反應(yīng)其時(shí)間和空間和動(dòng)態(tài)變化情況，對(duì)分析水體富營養(yǎng)化十分有幫助。世界上很多國家的科學(xué)家學(xué)者對(duì)水體環(huán)境的遙感監(jiān)測(cè)進(jìn)行了大量的實(shí)驗(yàn)分析總結(jié)等，建立了包括回歸模型、水體生物光學(xué)模型等方法反演水質(zhì)函數(shù)參數(shù)，為水質(zhì)遙感監(jiān)測(cè)提供了一定基礎(chǔ)。遙感影像獲取技術(shù)方面，隨著高性能新型遙感器的研制開發(fā)水平高新技術(shù)的提高以及環(huán)境資源遙感對(duì)高精度遙感數(shù)據(jù)要求的提高，將迎來高空間和高光譜分辨率遙感影像時(shí)代。雷達(dá)遙感技術(shù)可以適應(yīng)任何時(shí)間在任何天氣的圖像數(shù)據(jù)和滲透一些對(duì)象。這些新技術(shù)將有廣闊的發(fā)展前景。水有機(jī)污染高光譜遙感發(fā)展迅速?？梢燥@著提高科學(xué)性和合理性的有機(jī)污染水環(huán)境監(jiān)測(cè)和智能化程度,和擴(kuò)大應(yīng)用范圍的有機(jī)污染的水環(huán)境監(jiān)測(cè)?？色@取遙感立體影像。將環(huán)境污染遙感監(jiān)測(cè)技術(shù)(RS)與地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）、專家系統(tǒng)（ExpertSystem.ES)技術(shù)集成建立高速，高精度，大量的遙感數(shù)據(jù)處理系統(tǒng)。致謝四年的大學(xué)生活已然接近尾聲，在此對(duì)多年一直關(guān)心、幫助、鼓勵(lì)我的人表示衷心的感謝。

本篇論文從選題、修改、定稿、成稿，無不凝聚著陳紹杰老師的心血和智慧。他以淵博的專業(yè)知識(shí)、嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度和精益求精的工作作風(fēng)，誨人不倦的高尚師德、寬以待人的崇高風(fēng)范，深深的感染和激勵(lì)著我。

陳紹杰老師于百忙之中詳細(xì)批閱了我的論文，對(duì)文章的各方面的內(nèi)容問題和細(xì)節(jié)進(jìn)行認(rèn)真的批注，提出了寶貴的修改意見。通過這次畢業(yè)論文，我感受很多，收獲也很多。首先，讓我對(duì)GPS技術(shù)在邊坡應(yīng)用中有了更深刻的解讀。其次，提高我對(duì)問題的分析和解決的能力。最后，經(jīng)過徐老師對(duì)我的耐心指導(dǎo)，培養(yǎng)了我不驕不躁、嚴(yán)謹(jǐn)求實(shí)的學(xué)習(xí)精神和工作作風(fēng)，讓我更加清楚撰寫論文是一個(gè)繁瑣、認(rèn)真更加要有深刻的理解專業(yè)知識(shí)的基礎(chǔ)上完成這其中必須把握好每一個(gè)細(xì)節(jié)，才能更好的完成論文。

同時(shí)，感謝資源工程學(xué)院測(cè)繪工程專業(yè)老師及院領(lǐng)導(dǎo)在我的生活和學(xué)習(xí)中給予的關(guān)懷和幫助。感謝11級(jí)測(cè)繪工程班的全體同學(xué)，在這四年中給予的支持和鼓勵(lì)，是你們伴我度過這四年美好而又難忘的時(shí)光！

在此，我對(duì)各位于百忙中抽空來評(píng)審論文和參加答辯的老師深表謝意！這四年來，是你們用自己的心血和汗水培育了我。最后祝老師們身體健康，工作順利！祝和我朝夕相處四年的同學(xué)們?cè)缛諏?shí)現(xiàn)自己的人生理想。參考文獻(xiàn)[1]李旭文，季耿善，楊靜[J].遙感信息，1995，(1):25-29[2]黃家柱，趙銳.衛(wèi)星遙感監(jiān)測(cè)太湖水域藍(lán)藻暴發(fā)[J].遙感信息，1999，（4):43-44[3]張曉憶，景元書，簡(jiǎn)單基于ETM+影像監(jiān)測(cè)的藍(lán)藻水華時(shí)空分布特征南京南京信息工程大學(xué)[4]劉建萍，張玉超，錢新，等，太湖藍(lán)藻水華的遙感監(jiān)測(cè)研究[J]。環(huán)境污染與防治，2009,31報(bào)，（8）：79—87[5]趙冬至,曲元,張豐收等.用TM圖像估算海面葉綠素濃度的神經(jīng)網(wǎng)絡(luò)模型.海洋環(huán)境科學(xué)，2001，20（1）：16—21.[6]韓秀珍，朱小祥，劉誠，基于MODIS數(shù)據(jù)的太湖藍(lán)藻信息提取研究[A].中國氣象學(xué)會(huì).2007年論文集[C].北京：氣象出版社，2007.139-144[7]陳云，戴景芳，基于遙感數(shù)據(jù)的太湖藍(lán)藻水華信息識(shí)別方法[J].湖泊科學(xué)，2008,20（2）;179-186.[8]謝國清，李蒙，魯韋坤，等。滇池藍(lán)藻水華光譜特征、遙感識(shí)別及暴發(fā)氣象條件[J].湖泊科學(xué)，2010,22（3):327-332.[9]李旭文，季耿善，楊靜.太湖梅梁湖灣藍(lán)藻生物量的遙感估算[J].遙感信息，1995，(1):25-29[10]黃家柱，趙銳.衛(wèi)星遙感監(jiān)測(cè)太湖水域藍(lán)藻暴發(fā)[J].遙感信息，1999，（4):43-44[11]駱玉霞，陳煥偉.遙感圖像的特征提取與選擇研究[J].

Information

Recording

Materials：2002，3(2)[12]章孝燦、黃智才、戴企成等.遙感數(shù)字圖像處理.

杭州天目山路148號(hào)：浙江大學(xué)出版社，2008，319-331.[13]李小曼,王剛,田杰.TM影像中水體提取方法研究[J].西南農(nóng)業(yè)大學(xué)學(xué)報(bào),2006,（28):581-582.[14]汪小欽,王欽敏,劉高煥,勵(lì)惠國.水污染遙感監(jiān)測(cè).遙感技術(shù)與應(yīng)用，2002，17（2):75-76.[15]鄭慶峰,孫國武,李軍等.影響太湖藍(lán)藻暴發(fā)的氣象條件分析[J].高原氣象，2008，27:218-223.BasedontheTMimagesofwateralgaepollutionResourcesinthecollegeofengineeringsurveyingandmappingengineering2011092644qiu-pingwangTheinstructorShao-jieChen【abstract