1.數據采集

我使用ArcGIS Pro 中的Planet Imagery插件下載了 2023 年 6 月 25 日的安卡拉莫干湖衛星圖像。

圖 1：使用 Planet 插件下載衛星圖像

圖 2：下載圖像的日期和傳感器選擇

我查閱的研究中指出，使用無降水時期的衛星圖像對于水質測定的準確性至關重要。考慮到這一點，我檢查了夏季月份的圖像，并下載了2023年6月25日的無云衛星圖像。

圖3：用于分析的衛星圖像

圖4：圖層窗口中的衛星圖像顯示

我們希望提取用于計算與水質檢測相關的指數的波段，并在“柵格計算器”中使用它們。

圖 5：我們使用“提取波段”工具提取要使用的波段。

圖 6：提取 2 號波段

我們對其他樂隊重復同樣的過程。

圖 7：地圖上 2 號波段的表示

圖 8：層窗口中 2 號波段的顯示

圖 9：所有添加的波段

2. 歸一化差異水體指數（NDWI）

NDWI 用于自動檢測代表水面的像素，使用綠光和近紅外波段。一些研究表明，MNDWI（修正歸一化差異水體指數）能提供更準確的結果。[?2?]。然而，由于 Planet 圖像中沒有 SWIR 波段，因此我使用 NDWI 來檢測水面。NDWI 公式如下：[?3?]

NDWI = (綠色 — NIR) / (綠色 + NIR)

我們用“柵格計算器”應用公式

圖10：NDWI計算

圖11：研究區域的NDWI地圖

文獻中指出，正的NDWI值代表水像素[?4?]。因此，我們提取正的NDWI值；

圖 12：提取水像素

圖 13：數字 1 代表的水像素

我們要從地圖中刪除標記為0的像素；

圖 14：地圖上僅顯示水像素

圖15：地圖上水體像素的顯示

當我們仔細檢查新創建的地圖時，我們發現某些部分缺少像素；

圖 16：NDWI 分析期間形成的間隙的放大視圖

由于這些數據將被轉換為多邊形并用作湖泊邊界數據，因此需要填補這些空白。我們將使用焦點統計工具來實現這一點。

圖 17：運行工具并刪除間隙

使用焦點統計工具，我們根據每個像素的相鄰像素組成的 3x3 矩形，將這些像素中的大部分像素的值分配給主像素。我們對每個水像素都進行了同樣的操作。

圖18：以光柵格式顯示的結果圖

我們將柵格格式的數據轉換為多邊形以用作邊界數據。

圖19：將水面數據轉換為多邊形

圖20：矢量格式的水面數據

仔細查看地圖，發現一些沒有水面的區域也顯示為水面。我手動刪除了這些部分。

圖21：部分無水面的地方顯示為水面

3. 歸一化差異濁度指數（NDTI）

NDTI 指數用于評估湖泊和池塘中水體的濁度 [?3?]。NDTI 計算中使用綠色和紅色波段。通常，清水在綠色波段的反射率高于紅色波段。NDTI 結果值的范圍從 -1 到 1，正值表示濁度較高，負值表示濁度較低 [?2?]。NDTI 公式如下：[?3?]

NDTI = （紅色 — 綠色）/（紅色 + 綠色）

圖22：NDTI計算

圖23：研究區域的NDTI地圖

4. 歸一化葉綠素指數（NDCI）

葉綠素a水平的估算是利用NDCI指數以及紅光和近紅外波段進行的。該指數被廣泛用于估算濕地的葉綠素a水平。NDCI公式如下：[?2?]

NDCI = (近紅外 - 紅色) / (近紅外 + 紅色)

圖24：NDCI計算

圖25：研究區域NDCI圖

5. 塞氏盤透明度（SDT）

SDT 指數用于確定陽光能夠穿透湖面的深度。抑制光線穿透的因素包括藻類、浮游動物、水色和淤泥。由于藻類通常是水中最豐富的物質，因此測量透明度也意味著測量藻類的數量 [?5?]。SDT 公式如下：[?6?]

SDT = -10.281 x (綠色 — 藍色) / (綠色 + 藍色) + 4.5753

（透明度以米為單位，公式如下。）

圖 26：SDT 計算

圖27：研究區域的SDT地圖

與需要大量實地工作和昂貴實驗室分析的傳統水質評估方法相比，使用遙感數據具有諸多優勢。需要進行實地測量才能確定所得結果的準確性。然而，使用空間分辨率為 5 米的 RapidEye 影像可以實現高精度的水質參數計算 [?1?]。文獻中的其他指標也可用于提高準確率。利用遙感技術進行水質測繪將有助于環境規劃，從而防止水污染。

感謝閱讀！為了寫好我的博客文章，我做了大量的研究，閱讀了數十篇文章。如果您喜歡，可以請我喝杯咖啡，支持我的 GIS 研究；