结合GOCI数据的黄海绿潮遥感监测及漂移轨迹研究

结合GOCI(Geostationary Ocean Color Imager)传感器的波段特征,基于缨帽变换方法设计了一种简单有效的绿潮指数(TCT-GTI)算法。结合目视判断的绿潮识别结果,将TCT-GTI算法与两种已有的遥感算法(AFAI和IGAG算法)监测结果进行对比发现,TCT-GTI算法的绿潮遥感监测结果精度较高,具有较高的可信度。将TCT-GTI算法应用到2017年多景GOCI影像,对中国黄海海域绿潮信息进行提取,同时分析绿潮覆盖面积的日变化特征,研究2017年绿潮暴发事件的漂移轨迹。研究结果表明,绿潮覆盖面积在中午12:00达到最大,这可能是光合作用等因素的影响。2017年,绿潮暴发事件经历了西北至东北的漂移路径,由江苏盐城外海海域向西北方向漂移至南黄海东部,然后继续向东北方向移动,抵达山东半岛南岸,逐渐消亡。     

海面漂浮绿潮生物量光谱特征及估算模型

海上漂浮绿潮生物量的估算对实现绿潮处置资源高效配置、提高应急处置效率具有重要意义。利用现场实验获取的漂浮绿潮单位面积生物量及其地物反射光谱数据,分析了漂浮绿潮光谱特征和多种光谱指数与单位面积生物量之间的响应关系,基于此构建并验证了漂浮绿潮生物量估算模型。结果显示漂浮绿潮近红外波段反射率与单位面积生物量之间存在强相关关系(相关系数R≈0.8);光谱指数以及960nm反射峰和1060nm吸收峰峰值与漂浮绿潮单位面积生物量显著相关(R0.7);基于R_(960)/R_(670)和R_(1060)/R_(670)(R_(670),R_(960),R_(1060)分别为670,960,1060nm处的反射率)构建的漂浮绿潮生物量指数估算模型具有较高的精度(R~2≈0.9,相对误差R_(PE)≈27%)。研究结果为利用遥感技术实现海面漂浮绿潮生物量估算提供了参考。     

基于多源、多时相遥感影像的黄、东海绿潮影响区检测

利用不同空间分辨率、多时相卫星遥感数据,对2007-2010年间黄海、东海发生的绿潮(大型绿藻——浒苔)进行了监测与评估.江苏北部浅滩沿岸水体浑浊,浒苔在该海域中光谱混合现象严重,高空间分辨率的遥感影像有利于其检测;在水体极浑浊的射阳河口检测到的浒苔离岸最近距离为1 km左右.反演结果表明,浒苔在5月初会沿苏北沿岸流向...     

光谱最小信息熵的高光谱影像端元提取算法

端元提取是混合像元分解的关键,研究其算法在高精度的地物识别、丰度反演和定量遥感等方面具有重要意义。通过研究高光谱遥感影像光谱特征,结合信息熵理论,应用高斯分布函数,建立了一种新的高光谱影像端元提取算法,即光谱最小信息熵(spectral minimum shannon entropy,SMSE)算法。将该算法应用于AVRIRS高光谱影像的端元光谱提取,并经过与美国地质勘探局(United States Geological Survey,USGS)波谱库中的数据匹配,得知其提取端元的精度较高。同时,通过与经典的纯净像元指数(pixel purity index,PPI)和连续最大角凸锥(sequential maximum angle convex cone,SMACC)等端元提取算法进行实验比较和结果综合分析,发现光谱最小信息熵算法提取端元光谱效率更高、精度更好。此外,分别利用SMACC和SMSE提取Hyperion高光谱影像端元,得出SMSE的端元提取效果好于SMACC,从而可认为SMSE算法具有一定普适性。     

基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

重庆市南川区土壤锰元素遥感反演

土壤中的锰元素对植物生长起着重要作用,土壤锰含量过高或者缺少都将对植物产生不良影响,因此快速监测土壤中的锰含量尤为重要。目前利用遥感技术监测土壤锰含量的相关研究主要集中在利用土壤光谱估算土壤锰含量,而对于植被常年覆盖的南方地区,难以从卫星影像中获取土壤光谱。因此,引入植被光谱,探索植被覆盖区域土壤锰元素的快速监测方法。首先从Landsat 8影像中提取11种植被光谱指标,并运用皮尔逊相关系数(Pearson correlation coefficient)结合方差膨胀因子(VIF)筛选出最佳植被光谱指标;在此基础上,利用偏最小二乘回归(PLSR)、多元逐步回归(MSR)和BP神经网络(BPNN)算法构建最佳植被光谱指标与土壤锰元素之间的光谱响应模型,分析比较三个模型的估算效果从而确定最佳反演模型;最后,基于最佳反演模型进行土壤锰含量空间制图。以重庆市南川区为例,研究结果表明：3个植被光谱指标(比值植被指数,归一化植被指数和可见光大气阻抗植被指数)被确定为土壤锰元素最佳的光谱响应指标;BPNN光谱响应模型(R²为0.78, RMSE为334.24, RPD为2.13...     

基于作物谱图特征的植株分割与叶绿素分布检测

为了快速感知并分析田间作物生长状况,采用先进的半导体镀膜工艺光谱成像传感器,研究了玉米植株冠层叶绿素含量分布式检测方法。试验采用IMEC 5×5成像传感器,拍摄47株苗期玉米植株冠层,获取673～951 nm范围内的25个波长的光谱图像。实验中,利用SPAD-520叶绿素仪非破坏性地测量叶绿素含量,每株玉米冠层叶片设置2～3个采样点,每点测量3次取平均,共计242个样本数据。对光谱图像数据,经4灰度级标准板提取并校准反射率。为了实现玉米植株与花盆、土壤背景的有效分离,在分析不同对象光谱反射率与图像像素特征的基础上,提出了一种基于谱图特征组合的植株分割方法,即基于植被指数的图像初步分割与区域标记计算的冠层精细分割的植株提取算法。首先,计算各像素点归一化植被指数(NDVI),并开展基于NDVI的植株冠层分割方法分割结果优于基于最大类间方差法的全局阈值自适应分割算法。其次,采用边缘保持中值滤波算法剔除初步分割后图像中存在的噪声点后,基于区域标记算法进行精细分割,获得掩膜并最终得到仅保留玉米植株冠层的光谱图像。分别采用相关分析法(CA)和随机蛙跳(RF)算法选取反射光谱特征波长,并构建750～951 nm近红外(NIR)和673～750 nm红色(R)选中波长集合,遍历NIR和R集合组合计算比值植被指数(RVI),差值植被指数(DVI),归一化植被指数(NDVI)和SPAD转换指数(T_(SPAD))。然后,再次采用CA和RF算法筛选植被指数,利用SPXY算法将样本按照7∶3比例划分为建模集和验证集,并建立了叶绿素含量指标检测CA+RF-PLSR模型。结果表明,其建模集R■为0.573 9, RMSEC为3.84%,验证集R■为0.420 2, RMSEC为2.3%。利用建模结果对多光谱图像进行处理,绘制玉米叶片SPAD值伪彩色分布图,实现叶绿素含量分布可视化。研究表明采用镀膜型光谱成像数据,分析对象光谱与图像特征,探讨玉米冠层叶绿素含量分布检测的可行性,可为直观监测作物生长动态提供支持。     

基于生物光学模型的水体多源遥感图像融合算法研究EI北大核心CSCD

针对内陆湖泊水环境遥感监测缺乏合适数据源这一问题,基于水体生物光学模型与传统图像融合算法,开发了一种适用于复杂内陆二类水体的生物光学融合(BOF)算法,用于融合多光谱数据和高光谱数据。利用Hyperion数据生成模拟数据集进行算法验证,并将实验结果与小波变换算法、Gram-Schmidt变换算法和色彩标准化算法分别进行对比,结果表明:从视觉效果来看,BOF算法较好地融合了高光谱数据的色彩信息和多光谱数据的空间细节信息;从图像精度指标来看,BOF算法不仅在多种分辨率差异下都得到最好的精度,且精度对分辨率差异不敏感;在叶绿素a浓度估算实验中,BOF算法也得到了最优的效果,均方根误差(RMSE)为9.817,其他三种算法的RMSE分别为18.841、15.913和15.655。新算法有较强的应用潜力,有望为内陆二类水体遥感监测提供更合适的数据源。     

基于多分支CNN的高光谱与全色影像融合处理

高光谱与全色影像融合旨在通过融合高空间分辨率的全色影像与低空间分辨率的高光谱影像来获得高空间分辨率的高光谱影像。基于深度卷积神经网络(CNN),提出了一种遥感影像融合方法,利用两个独立的分支网络逐级从高光谱和全色影像中提取光谱和空间特征。该融合网络由两个分支网络和一个主线网络组成,利用两个分支网络分别从高光谱与全色影像中提取空谱特征,主线网络基于分支网络提取的特征,重建得到最终融合的高空间分辨率的高光谱影像。在CAVE和Pavia Center数据集上分别进行了实验验证,通过对比可以发现,所提出的融合算法在空间细节和光谱保真度上较当前主流算法均表现出更优异的性能。     

基于生物光学模型的水体多源遥感图像融合算法研究

针对内陆湖泊水环境遥感监测缺乏合适数据源这一问题,基于水体生物光学模型与传统图像融合算法,开发了一种适用于复杂内陆二类水体的生物光学融合(BOF)算法,用于融合多光谱数据和高光谱数据。利用Hyperion数据生成模拟数据集进行算法验证,并将实验结果与小波变换算法、Gram-Schmidt变换算法和色彩标准化算法分别进行对比,结果表明:从视觉效果来看,BOF算法较好地融合了高光谱数据的色彩信息和多光谱数据的空间细节信息;从图像精度指标来看,BOF算法不仅在多种分辨率差异下都得到最好的精度,且精度对分辨率差异不敏感;在叶绿素a浓度估算实验中,BOF算法也得到了最优的效果,均方根误差(RMSE)为9.817,其他三种算法的RMSE分别为18.841、15.913和15.655。新算法有较强的应用潜力,有望为内陆二类水体遥感监测提供更合适的数据源。     

无人机多光谱影像的小麦倒伏信息多特征融合检测研究

为探究多特征融合方法在作物倒伏领域快速精准识别中的适用性,利用无人机获取多田块冠层尺度的不同倒伏率麦田多光谱数据,对原始倒伏图像进行图像拼接、辐射校正、几何校正等预处理,并利用重归一化差值植被指数和阴影指数分别剔除土壤和阴影背景,提取小麦倒伏DSM模型和植被指数分别与多光谱图像进行多特征图像主成分变换融合,筛选差异性较大的纹理特征,采用支持向量机(SVM)、人工神经网络(ANN)和最大似然法(MLC)监督分类模型对多光谱和DSM融合图像、多光谱和归一化植被指数(NDVI)融合图像、多光谱图像和纹理特征图像进行监督分类,并采用总体精度(OA)、 Kappa系数和提取误差综合评价各监督模型的分类性能和倒伏提取精度。分类结果表明：各监督分类方法在不同倒伏区域提取结果建模效果趋势一致,SVM和ANN整体提取精度高于MLC,在高倒伏区域,多光谱与NDVI融合图像的SVM监督模型(OA:92.63%, Kappa系数：0.85,提取误差：1.11%)提取效果最好;在中倒伏区域,多光谱与DSM融合图像的SVM监督模型(OA:90.35%, Kappa系数：0.79,提取误差：9.34%)提取效果最好...     

基于五种大气校正的多时相森林碳储量遥感反演研究

大气校正已广泛应用于区域生态植被的动态监测,但是不同校正方法和模型对遥感影像光谱和森林碳储量估算结果的影响不得而知,同时这种差异在多时相遥感监测与应用时经常被忽略。以多期Landsat影像为数据源,借助植被指数MNDVI和野外实地调查的马尾松林样方数据,进行马尾松林碳储量反演。然后采用几种常用的大气校正算法：6S,FLAASH(fast line-sight atmospheric),IACM(illumination and atmospheric)和QUAC(quick atmospheric correction),并结合地面同步实测的光谱数据,以评估其对马尾松冠层光谱曲线、植被指数以及林分碳储量估算的影响;同时从遥感动态监测角度出发,分析了相对大气校正(pseudo-invariant feature, PIF)对多时相影像植被指数与碳储量反演结果的校正效果。结果表明,经大气校正后的影像波段反射率与实测光谱结果较为接近,其中近红外和短波红外波段光谱反射率明显上升,同时可见光波段减弱,NDVI(normalized difference vegetation index)增加明显。不同大气校正模型对研究区马尾松林碳储量的遥感反演结果影响较大,其中IACM与6S模型分别具有较高的精度和较低的误差。此外,经过PIF校正后不同时相影像的NDVI相对偏差降低了85.16%,同时马尾松林碳储量反演模型精度得到明显提升,表明辐射归一化处理对于多时相遥感影像的应用十分必要。研究发现ICAM与PIF的大气校正模型组合可较好纠正大气效应,适用于多时相遥感数据的森林碳储量反演与监测研究。     

基于珠海一号高光谱卫星的巢湖叶绿素a浓度反演

叶绿素a是重要的水质参数,可以衡量水体的富营养化程度。遥感技术可以实时、快速、大范围地获取水体中叶绿素a的浓度与分布,对于水生态环境的评价及治理具有重要意义。内陆水体的光谱特征复杂,宽波段的多光谱遥感难以精确获取水体的光谱信息。国产珠海一号高光谱卫星因其光谱分辨率高,波段多等优势在内陆湖泊的遥感监测中具有广阔的应用前景。基于珠海一号高光谱数据,充分发挥其高光谱分辨率的优势,对巢湖的叶绿素a浓度进行反演,从影像中提取实测点处的遥感反射率曲线,筛选具有显著光谱特征的波段,并以OIF指数衡量不同波段组合获取水体组分信息的能力,以此构建与实测叶绿素a浓度相关性较高的波段组合。结果表明珠海一号OHS-2A星影像的14,16和19波段所构建的三波段模型[R_rs(700 nm)-1-R_rs(670 nm)-1]×R_rs(746 nm)在巢湖的叶绿素a浓度反演中取得了较高的精度,相对误差和均方根误差分别为19.97%和10.85 mg·m-3。由模型反演巢湖2019年5月10日的叶绿素a浓度空间分布图可知,叶绿素a浓度自东向西呈上升趋势,全湖南部和东北部的叶绿素a浓度较低,西巢湖的北部叶绿素a浓度最高。西巢湖的整体叶绿素a浓度是全湖最高的,尤其是其北部水域,水质情况较差,已经出现了一定面积的水华,其主要原因在于该地区紧邻合肥市,人类活动强烈,污水废水排放量大。珠海一号高光谱卫星对于内陆湖泊的水质反演具有一定的优势,但也存在着数据处理困难,波段利用率低,反演模型普适性差等局限,今后仍需借助珠海一号高光谱数据开展更多的湖泊遥感研究,不断提出高光谱遥感影像处理的新方法,提高反演模型的精度与普适性,充分挖掘数据源的潜力,使其更好地服务于水质的遥感监测工作。     

利用特征光谱荧光标记与高斯拟合分析水体中有机物的特性

讨论了一种自然水体中有机物的快速分析方法,以激光诱导荧光(LIF)方法测量了水体的总荧光光谱(TLS);利用特征光谱荧光标记(SFS)技术对水体中溶解有机物(DOM)及叶绿素a(Chl a)的荧光光谱进行了正确的指认和提取。以最小二乘法-Gaussian拟合对水体的TLS进行了拟合,可有效地分离出拉曼散射及荧光光谱,拟合的相关系数优于0.996 4。结果表明,通过在TLS中利用SFS技术正确的指认特定污染物,并以Gaussian拟合进行有效地提取,可以进行水体污染物的快速、实时和在线监测。     

高光谱成像的黄瓜病虫害识别和特征波长提取方法

黄瓜霜霉病和斑潜蝇是制约黄瓜产业发展的严重病虫害。为实现黄瓜病虫害快速在线识别,采用高光谱成像和机器学习研究快速识别黄瓜霜霉病和斑潜蝇虫害的方法,为开发实用的基于多光谱成像的黄瓜病虫害快速识别设备奠定基础。使用高光谱成像系统采集黄瓜无症状叶片、霜霉病叶片、斑潜蝇虫害叶片的高光谱图像,在病斑区域选择若干个感兴趣区域(ROI),计算每个ROI的平均反射率数据作为叶片原始光谱数据。使用Kennard-Stone算法将光谱数据按照3∶1的比例划分为训练集和测试集。使用直接正交信号校正(DOSC)、多元散射校正(MSC)、移动窗口平均平滑(MA)3种方法对原始光谱数据进行预处理。采用空间迭代收缩法(VISSA)、竞争性自适应重加权算法(CARS)、迭代保留信息变量法(IRIV)、随机蛙跳算法(SFLA)对MA预处理后的光谱数据进行特征波长提取,分别提取出53、 20、 26、 10个特征波长。然后使用连续投影算法(SPA)分别对特征波长光谱数据进行二次降维,最终VISSA-SPA提取的特征波长为455、 536、 615和726 nm; CARS-SPA提取的特征波长为452、 501、 548...     

结合DEM的红边-近红外植被指数提取城市植被信息

随着生活水平的不断提高,城市植被已成为衡量城市宜居性的重要标准之一,对城市生物多样性评估和保护起到非常重要的作用。因此,合理规划城市植被是解决环境问题和提高生活质量的重要手段。因此,城市植被的提取和监测成为重中之重的任务。目前,城市植被提取一方面受到地域和物种的影响,另一方面也受到地形和建筑物阴影的影响。为解决上述问题,提出了一种结合数字高程模型(DEM)的红边-近红外植被指数模型（RENVI）。首先选取了3景经过辐射定标和大气校正的具有红边波段、且光谱和空间分辨率较高的Worldview-3遥感影像;然后,根据红边波段对于植被具有较高的敏感性,且红边范围内的光谱数据与反映植被生长状况的参数有较好的相关关系原理,采用DEM模型和红边波段光谱差异,有效去除地形和建筑物阴影;最后,在可见光波段范围内建立红边光谱-近红外光谱构建特征空间,构建了红边-近红外植被指数模型,同时与归一化植被指数（NDVI）和增强型植被指数（EVI）进行城市植被提取的定性和定量对比分析。定性分析是利用真实植被影像参考图与模型提取植被影像进行视觉分析;后者是采用用户精度、生产者精度、总体精度和Kappa系数进行量化分析。定性分析表明：NDVI和EVI提取城市植被,由于建筑和道路像元混淆在植被中,产生了错分和漏分的问题。RENVI较好地消除了阴影像元与植被像元混淆问题,能准确的提取城市植被,减少了冗余度,增加了植被指数的信息量。定量分析表明：RENVI模型较NDVI和RVI能够准确提取城市植被,3景影像总体精度分别为89%,81.4%和91.8%,Kappa系数分别为0.852 8,0.791 3和0.905 2。综上所述,该方法有效提高了城市植被提取精度,并取得了较好的提取视觉效果。     

基于CASI高光谱数据的作物叶面积指数估算

叶面积指数(LAI)的快速估算对于及时了解作物长势、病虫害监测以及产量评估具有重要意义。利用2012年7月7日在黑河流域张掖市获取的CASI高光谱数据,精确提取出了不同作物的光谱反射率,同时结合地面实测数据,对比分析了宽波段和“红边”植被指数在估算作物LAI方面的潜力,在此基础上,基于波段组合算法,筛选出作物LAI估算的敏感波段,并构建了两个新型光谱指数NDSI和RSI,最后对研究区域作物LAI的空间分布进行了分析。结果表明,在植被覆盖度较低的情况下,宽波段植被指数NDVI对LAI具有较好的估算效果,模型的精度R2与RMSE分别为0.52,0.45(p<0.01);对于“红边”植被指数,由于CI_{red edge}充分考虑了不同的作物类型,其对LAI的估算精度与NDVI一致;利用波段组合算法构建的光谱指数NDSI_{(569.00, 654.80)}和RSI_{(597.6, 654.80)}对LAI估算的效果要优于NDVI与CI_{red edge},其中,NDSI_{(569.00, 654.80)}主要利用了植被光谱“绿峰”和“红谷”附近的波段,模型估算的精度R2可达0.77(p<0.000 1);根据LAI与NDSI_{(569.00, 654.80)}之间的函数关系,绘制作物LAI的空间分布图,经分析,研究区域的西北部LAI值偏低,需增施肥料。研究结果,可为农业管理部门及时掌握作物长势信息、制定施肥策略提供技术支持。     

基于面向对象的QuickBird影像退耕地树冠信息提取

分割算法的改进和特征空间的优化足采用面向对象技术提高退耕地树冠信息提取精度的关键,也是利用高分辨率影像提取树冠信息急需解决的问题.文章采用光谱阈值对QuickBird多光谱影像进行一级分割,获得了植被区域,并采用改进的基于边缘的算法对非线性滤波处理后的全色影像进行二级分割,选取光谱、形状和纹理特征组成的特征空间对退耕还林地树冠信息进行提取.结果表明,提取总体精度为84.67%,较传统方法提高17%,KAPPA系数为0.795 3,较传统方法提高0.168.该研究方法能实现较为精确的树冠信息提取,可为管理部门实施准确的监测提供依据,对快速评价退耕还林效果具有重要意义.     

基于高分一号卫星WFV影像的水稻信息提取模式（英文）

通过卫星影像利用水稻不同物候期的特征对其进行识别是目前在水稻信息提取方面比较有效的方式。首先根据水稻区别于其他植被的显著特征,即水稻生长前期稻田的下垫面含有大量水的特性,将用于提取水域信息的归一化水体指数(normalized difference water index,NDWI)合理地应用在水稻前期的信息提取中,并且利用两个物候期的NDWI做比值,扩大了水稻与其他地物之间的差异。再借助归一化植被指数(normalized differential vegetation index,NDVI)在不同物候期的增长变化特征可以进一步提高水稻信息提取的精度。研究发现充分利用水稻在不同物候期的特殊性,并结合与水稻特性相关的指数,将NDWI和NDVI两种指数同时用于水稻提取,确定合理、准确、有效的提取方法是提高水稻提取精度的主要途径。本文以安徽省来安县的水稻为研究对象,基于2013年7月12日和8月30日获取的两幅高分一号卫星WFV影像数据,利用水稻分蘖期和抽穗期的NDVI和NDWI构建了水稻信息提取模式,有效地提取出了来安县的水稻信息分布并进行制图,最后结合在研究区野外实地考察的信息数据对提取结果进行验证和评价。研究结果表明利用该模式能够快速、准确地从遥感影像上获取水稻分布信息,具有很好的普适性。     

基于MODIS植被指数时间谱的太湖2001年—2013年蓝藻爆发监测

藻类水华爆发已成为影响内陆水体生态环境的重要因素。遥感能够提供实时的大范围观测,在水华监测中起到越来越重要的作用。遥感植被指数已广泛应用于藻类水华监测中,通过对研究区植被指数图像进行阈值分割,能够反映不同子区域内的藻类爆发程度;然而阈值分割法的结果只能反映某一时间点(图像获取时)的藻类爆发状况,无法表征长时间内藻类的变化。相比于单个时间点的植被指数,植被指数时间谱(时谱)包含藻类的物候信息,能够更加全面准确地反映藻类的长时间变化。目前,植被指数时间谱还尚未应用到水华相关研究中。选取2001年—2013年太湖区域的MODIS NDVI数据,构建年度NDVI时谱数据,利用(support vector machine, SVM)方法对每年的太湖蓝藻水华爆发强度进行分类,将太湖重度、中度和轻度蓝藻水华爆发的区域以及水生植物的区域提取出来,得到其空间分布和面积;并从2007年的时谱数据中抽取了8个时间点的NDVI图像,利用传统阈值分割法提取太湖重度、中度和轻度蓝藻水华爆发的区域,将结果与2007年时谱数据分类的结果进行对比。结果表明：所提出的方法能够更加全面准确地对太湖蓝藻爆发强度进行分类,通过NDVI时谱曲线提供的丰富物候信息可准确区分蓝藻与水生植被区域。本研究有望为准确掌握和预测藻类水华的爆发趋势及强度提供有效手段。