《表2 公式及阈值选取：基于高分二号的城市黑臭水体动态监测》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于高分二号的城市黑臭水体动态监测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

（1）:Rrs（B），Rrs（G）和Rrs（R）分别为经过大气校正后GF-2数据的蓝光波段、绿光波段和红光波段反射率；Δλ1和Δλ2分别为绿光波段与蓝光波段和红光波段波长之差；T1，T2，T3，T4为阈值。

目前对于黑臭水体的遥感识别，主要是通过波段的线性组合凸显黑臭水体与一般水体的光谱特征和颜色差异，进而构建黑臭水体遥感识别模型，实现黑臭水体的识别与监测。本文尝试利用单波段阈值法、波段差值法、归一化指数法和斜率指数法分别构建识别模型。通过1.4节选取的样点，利用校正后GF-2影像水体的遥感反射率进行建模和阈值修正，对比分析各算法精度，从而选择最优算法。不同算法建模结果如图4所示，算法公式及修正前后阈值如表2。建模结果表明，4种算法均能够区分黑臭水体与一般水体，但结果各有差异。从图4（a）可以看出，对于校正后的GF-2绿光波段反射率，黑臭水体与一般水体均存在较高或较低的样点，两者值域重叠导致基于峰值反射率的单波段阈值法无法有效辨别水体类型；从图4（b）—（d）可以看出，基于光谱曲线变化趋势的3种算法提升了对这2种水体的区分效果，使得识别精度进一步提高。对比修正前后的阈值可以看出，由于各地区黑臭水体光谱特征和轻重程度不同，同一算法在不同地区的建模结果有明显的差别，不同算法在不同地区的适用性不同，需要根据实际情况，综合评价算法精度，以得到最优算法。