使用 PlanetScope 卫星图像绘制水质参数：以莫干湖为例
1.数据采集
我使用ArcGIS Pro 中的Planet Imagery插件下载了 2023 年 6 月 25 日的安卡拉莫干湖卫星图像。
图 1：使用 Planet 插件下载卫星图像
图 2：下载图像的日期和传感器选择
我查阅的研究中指出，使用无降水时期的卫星图像对于水质测定的准确性至关重要。考虑到这一点，我检查了夏季月份的图像，并下载了2023年6月25日的无云卫星图像。
图3：用于分析的卫星图像
图4：图层窗口中的卫星图像显示
我们希望提取用于计算与水质检测相关的指数的波段，并在“栅格计算器”中使用它们。
图 5：我们使用“提取波段”工具提取要使用的波段。
图 6：提取 2 号波段
我们对其他乐队重复同样的过程。
图 7：地图上 2 号波段的表示
图 8：层窗口中 2 号波段的显示
图 9：所有添加的波段
2. 归一化差异水体指数（NDWI）
NDWI 用于自动检测代表水面的像素，使用绿光和近红外波段。一些研究表明，MNDWI（修正归一化差异水体指数）能提供更准确的结果。[ 2 ]。然而，由于 Planet 图像中没有 SWIR 波段，因此我使用 NDWI 来检测水面。NDWI 公式如下：[ 3 ]
NDWI = (绿色 — NIR) / (绿色 + NIR)
我们用“栅格计算器”应用公式
图10：NDWI计算
图11：研究区域的NDWI地图
文献中指出，正的NDWI值代表水像素[ 4 ]。因此，我们提取正的NDWI值；
图 12：提取水像素
图 13：数字 1 代表的水像素
我们要从地图中删除标记为0的像素；
图 14：地图上仅显示水像素
图15：地图上水体像素的显示
当我们仔细检查新创建的地图时，我们发现某些部分缺少像素；
图 16：NDWI 分析期间形成的间隙的放大视图
由于这些数据将被转换为多边形并用作湖泊边界数据，因此需要填补这些空白。我们将使用焦点统计工具来实现这一点。
图 17：运行工具并删除间隙
使用焦点统计工具，我们根据每个像素的相邻像素组成的 3x3 矩形，将这些像素中的大部分像素的值分配给主像素。我们对每个水像素都进行了同样的操作。
图18：以光栅格式显示的结果图
我们将栅格格式的数据转换为多边形以用作边界数据。
图19：将水面数据转换为多边形
图20：矢量格式的水面数据
仔细查看地图，发现一些没有水面的区域也显示为水面。我手动删除了这些部分。
图21：部分无水面的地方显示为水面
3. 归一化差异浊度指数（NDTI）
NDTI 指数用于评估湖泊和池塘中水体的浊度 [ 3 ]。NDTI 计算中使用绿色和红色波段。通常，清水在绿色波段的反射率高于红色波段。NDTI 结果值的范围从 -1 到 1，正值表示浊度较高，负值表示浊度较低 [ 2 ]。NDTI 公式如下：[ 3 ]
NDTI = （红色 — 绿色）/（红色 + 绿色）
图22：NDTI计算
图23：研究区域的NDTI地图
4. 归一化叶绿素指数（NDCI）
叶绿素a水平的估算是利用NDCI指数以及红光和近红外波段进行的。该指数被广泛用于估算湿地的叶绿素a水平。NDCI公式如下：[ 2 ]
NDCI = (近红外 - 红色) / (近红外 + 红色)
图24：NDCI计算
图25：研究区域NDCI图
5. 塞氏盘透明度（SDT）
SDT 指数用于确定阳光能够穿透湖面的深度。抑制光线穿透的因素包括藻类、浮游动物、水色和淤泥。由于藻类通常是水中最丰富的物质，因此测量透明度也意味着测量藻类的数量 [ 5 ]。SDT 公式如下：[ 6 ]
SDT = -10.281 x (绿色 — 蓝色) / (绿色 + 蓝色) + 4.5753
（透明度以米为单位，公式如下。）
图 26：SDT 计算
图27：研究区域的SDT地图
与需要大量实地工作和昂贵实验室分析的传统水质评估方法相比，使用遥感数据具有诸多优势。需要进行实地测量才能确定所得结果的准确性。然而，使用空间分辨率为 5 米的 RapidEye 影像可以实现高精度的水质参数计算 [ 1 ]。文献中的其他指标也可用于提高准确率。利用遥感技术进行水质测绘将有助于环境规划，从而防止水污染。
感谢阅读！为了写好我的博客文章，我做了大量的研究，阅读了数十篇文章。如果您喜欢，可以请我喝杯咖啡，支持我的 GIS 研究；