朱晶晶，陳 晉＊＊，王勝強，楊 偉，，松下文經(jīng)

(1:地表過程與資源生態(tài)國家重點實驗室，北京師范大學，北京100875)

(2:日本筑波大學地球科學系，筑波305-8572，日本)

基于MERIS數(shù)據(jù)的滇池葉綠素濃度時空變化(2003-2009年)及趨勢*

朱晶晶1，陳 晉1＊＊，王勝強1，楊 偉1，2，松下文經(jīng)2

(1:地表過程與資源生態(tài)國家重點實驗室，北京師范大學，北京100875)

(2:日本筑波大學地球科學系，筑波305-8572，日本)

基于多時相MERIS數(shù)據(jù)，本文對滇池葉綠素a濃度的時空變化趨勢進行了研究.以野外實測數(shù)據(jù)為基礎，對應用較好的三種葉綠素a濃度反演模型進行了驗證比較，通過精度評價和誤差分析選擇最優(yōu)的三波段模型;將其應用到經(jīng)過幾何糾正和大氣糾正等預處理后的MERIS數(shù)據(jù)系列，得到2003-2009年時間序列下的57幅滇池葉綠素a濃度分布圖.分析結(jié)果表明，在2003-2009年間，滇池葉綠素a濃度總體呈周期性波動緩慢上升趨勢，每年2-3月濃度最低，4-11月較快上升達到峰值，12-1月開始回落;空間分布上，葉綠素a濃度高值區(qū)多出現(xiàn)在滇池北部、岸邊帶等靠近城鎮(zhèn)的人口聚集區(qū)域，且濃度越高的季節(jié)，空間分布差異越顯著.

葉綠素a;時空變化;滇池;MERIS數(shù)據(jù);三波段模型

近年來隨著各種污染物質(zhì)的排放，內(nèi)陸湖泊水體富營養(yǎng)化現(xiàn)象日益嚴重，直接影響到當?shù)厝嗣竦纳詈蜕a(chǎn)［1］.富營養(yǎng)化水體的典型表現(xiàn)是藻類物質(zhì)的大量繁殖，而葉綠素a作為藻類的重要組成部分，其濃度常被作為表征水體富營養(yǎng)化程度的重要指標.傳統(tǒng)水質(zhì)監(jiān)測通過采集水樣、過濾、萃取以及分光光度計分析來測定葉綠素a濃度，雖然技術成熟、相對精度較高，但人力、物力消耗大，難以實現(xiàn)大區(qū)域的實時監(jiān)測［2］.遙感技術作為一種區(qū)域性的調(diào)查手段，具有監(jiān)測范圍廣、頻率高、成本低的優(yōu)勢，為實時的大范圍水質(zhì)動態(tài)監(jiān)測提供了有力工具［3-4］.

遙感手段監(jiān)測水質(zhì)一般通過建立水體反射光譜與葉綠素a濃度之間的關系模型，從而反演葉綠素a濃度.就Ⅱ類水體而言，水體反射光譜除與葉綠素a濃度相關外，還受到水中其他組分如黃質(zhì)、非浮游藻類懸浮物等的影響，使得葉綠素a濃度的反演精度相比Ⅰ類水體(海洋等)具有更大的不確定性［5］.許多學者對此作了大量研究，建立了各種模型來提高反演精度，如Neville和Gower提出的葉綠素熒光高度法模型［6］、形式簡單的兩波段模型［7］、Gitelson等提出的三波段模型［8］等，但這些算法往往具有一定的區(qū)域依存性，其參數(shù)需要根據(jù)研究水域的區(qū)域特征進行修正.遙感手段監(jiān)測水質(zhì)的另一個問題是現(xiàn)有傳感器的時空分辨率難以滿足實際工作的要求，如:LansatTM/ETM等數(shù)據(jù)空間分辨率較高(30m)，但時間分辨率偏低(16d);而MODIS雖然可以每日獲得數(shù)據(jù)，但其空間分辨率(250-1000m)又不能精細地刻畫水質(zhì)的空間差異.為此，歐共體專門設計了面向水色遙感的傳感器MERIS(Medium Resolution Imaging Spectrometer，搭載于環(huán)境遙感衛(wèi)星ENVISAT上)，使其同時具有較高的重訪周期(3d)和空間分辨率(300m)，極大地提高了Ⅱ類水體水質(zhì)時空動態(tài)監(jiān)測的能力［9］.但遺憾的是，MERIS數(shù)據(jù)在我國內(nèi)陸湖泊的應用仍十分缺乏.

滇池作為云南省昆明市的重要水資源之一，近年來富營養(yǎng)化程度日趨嚴重.受數(shù)據(jù)和經(jīng)費條件的限制，其葉綠素a濃度的時空動態(tài)規(guī)律和發(fā)展趨勢的掌握仍存在較大不確定性，直接影響到各種環(huán)境治理措施和政策的實施.因此，本文試圖通過野外實測數(shù)據(jù)構(gòu)建一種適合滇池區(qū)域精度較高的葉綠素a反演模型，在此基礎上，利用多時相MERIS數(shù)據(jù)實現(xiàn)滇池多年多季相葉綠素a濃度分布制圖，并分析葉綠素a濃度的時空變化規(guī)律和發(fā)展趨勢.

1 研究區(qū)域與數(shù)據(jù)

滇池(24°50'N，102°41'E)位于云南省昆明市南端，面積約 300km2，平均水深為 4.3m，最深處為 11.3m.近年來，該湖4-11月均出現(xiàn)全湖性藍藻水華暴發(fā)，富營養(yǎng)化非常嚴重［10］.

為獲取實地水體反射率光譜和葉綠素a濃度數(shù)據(jù)，我們在2007年10月23日、2009年3月12日和2009年8月1-7日對滇池進行了三次野外觀測，采樣點數(shù)目分別是3、3、47個，共計53個.觀測項目包括水體光譜(光譜儀采集)和葉綠素a濃度(水樣實驗室內(nèi)測定).同時收集了2003-2009年間所有覆蓋滇池且基本無云的MERIS1B影像(共57幅).其中對應于實地采樣日期有兩幅影像，分別是2007年10月24日(軌道29531)和2009年3月13日(軌道36774)，但影像獲取時間均晚一天.整體而言，受夏季云覆蓋影響，5-8月影像數(shù)據(jù)較少，而秋冬季數(shù)據(jù)(11-4月)較完備，其中2007年數(shù)據(jù)最全.

2 數(shù)據(jù)預處理

2.1 實測數(shù)據(jù)預處理

水體光譜采集時間為當?shù)貢r間10:00-14:00點，使用美國ASD FieldSpec手持式光譜儀，采樣間隔1nm，波譜范圍325-1075nm.測量參數(shù)包括波長為λ時的離水幅亮度Lu(λ)、總的下行輻照度Ed(λ)、天空光漫射幅亮度Lsky(λ).恰好處于水面以上的離水遙感反射率Rrs(λ)(sr－1)，按照下式計算［11-12］:

式中，Cal(λ)是波長為λ時的標準白板的反射比;F(θ)是太陽天頂角為θ時的天空漫射光反射比，可通過氣-水界面的菲涅爾反射系數(shù)公式計算得到［13］.計算結(jié)果如圖1所示.為方便與MERIS數(shù)據(jù)對比，需將離水遙感反射率Rrs(λ)轉(zhuǎn)換為水體反射率R(λ)，可根據(jù)水面BRDF特征對Rrs(λ)進行半球空間積分得到［13］.

葉綠素a濃度在實驗室內(nèi)用分光光度計方法測量［14］.首先用100%甲醇萃取葉綠素a(置于4℃黑暗環(huán)境下24h);將萃取后的葉綠素a置于UV-1700分光光度計上測量750、663、645、630nm的吸光度，則葉綠素a濃度［Chl.a］(μg/L)可通過下式計算得到:

式中，V甲醇是萃取葉綠素a的甲醇體積(ml);ODλ是UV測得的波長為λ(nm)時的吸光度;V水樣是水樣體積(ml).滇池53個樣點的葉綠素a濃度統(tǒng)計結(jié)果是:平均 值 80.72μg/L，最 小 值 22.98μg/L，最 大 值318.60μg/L，標準偏差 46.34μg/L，變異系數(shù)約為57.41%.

2.2 MERIS數(shù)據(jù)預處理

MERIS傳感器1B產(chǎn)品包含幾何糾正后的大氣層頂幅亮度和輔助數(shù)據(jù)(經(jīng)緯度，太陽天頂角、方位角，觀測天頂角、方位角，DEM高程，風速，臭氧濃度，相對濕度等)［9］.首先，利用 MERIS數(shù)據(jù)處理軟件BEAM將大氣層頂幅亮度轉(zhuǎn)換為大氣頂層反射率，并進行投影轉(zhuǎn)換;然后，選擇一幅影像作為基準，對其他影像進行Image to Image的幾何配準.

圖1 實測水體遙感反射率光譜Fig.1 Measurements of remote-sensing reflectance just above the water surface

一般而言，水色遙感器接收到的總輻射中反映水體生物光學特征的信號僅占5%-15%，必須通過大氣糾正得到較準確的水體反射率影像［15］.我們采用暗水體法對滇池進行大氣糾正，該方法由Wang和Gordon于1994年提出，主要針對Ⅰ類水體［16］.它假設近紅外波段(＞700nm)水體輻亮度近似為0，衛(wèi)星所接收到該波段范圍的輻射全部來自大氣效應;由此可推算出當?shù)氐拇髿鈪?shù)和氣溶膠糾正因子，進而對可見光波段的輻射值進行校正.滇池作為Ⅱ類水體，該假設無法成立;但滇池附近的撫仙湖為清潔的Ⅰ類水體，其大氣參數(shù)可通過上述方法求得.因而在假設大氣狀況在一定區(qū)域內(nèi)穩(wěn)定的前提下，先按照暗水體法求得撫仙湖的氣溶膠糾正因子，并外推至滇池區(qū)域，從而實現(xiàn)對滇池的大氣糾正.暗水體法基本原理如下:

到達衛(wèi)星傳感器的總輻射能量，即波長為λ的大氣層頂輻射值Lt(λ)可描述為:

其中，Lr(λ)為大氣瑞利散射，La(λ)為氣溶膠散射，Lra(λ)為氣溶膠與大氣分子之間的多次散射，Lg(λ)為直射太陽光的鏡面反射，Lb(λ)為來自水體底部的反射，Lw(λ)為來自水體的輻射，t為水面到衛(wèi)星傳感器之間的大氣衰減系數(shù).由于傳感器在設計時一般都會避開鏡面反射角度，因此Lg(λ)項可以忽略;滇池的水深狀況可保證可見光不會到達水體底部，則Lb(λ)項可以忽略;若只考慮氣溶膠的單次散射效應，則可把La(λ)和 Lra(λ)合寫成 Las(λ).因而(3)式可簡化為:

將幅亮度L轉(zhuǎn)換成反射率ρ后，上式轉(zhuǎn)變?yōu)?

式中，瑞利散射反射率ρas(λ)和大氣衰減系數(shù)t可參照文獻的方法計算得到［17-18］;氣溶膠反射率的計算分步驟進行，首先引進波長 λi、λj的氣溶膠糾正因子 ε(λi，λj):

式中，ωa是氣溶膠單次散射反照度，τa是氣溶膠光學厚度，pa是氣溶膠散射相函數(shù)，i、j表示波長λ的波段序號，θ0、θ分別是太陽、衛(wèi)星天頂角.一般情況下，氣溶膠散射相位函數(shù)與波長無關，氣溶膠單次散射反照度是波長的弱函數(shù)，而氣溶膠光學厚度隨波長而變［19］:

式中，α為混濁度因子;β是埃斯屈朗指數(shù).由此(6)式可簡化為:

式中，n為待定常數(shù)，表示氣溶膠散射對波長的依賴性，可通過實際數(shù)據(jù)計算得到.

實際操作中，針對撫仙湖這一清潔水體，在假設近紅外波段水體輻亮度近似為0的前提下，選擇MERIS 12、13 波段(778.75、865nm)，利用式(5)、(8)計算這兩個波段下的氣溶膠糾正因子 ε(778.75，865)，進而求得待定常數(shù)n.然后以較長的13波段作為參考，計算出波長為λ時的氣溶膠糾正因子ε(λ，865)，并將ε(λ，865)外推應用到滇池水域，依照式(6)計算出滇池的氣溶膠反射率.然后利用式(5)從衛(wèi)星信號中分離出滇池的水體反射率.

2007年10月24日和2009年3月13日滇池實測光譜數(shù)據(jù)中有6個樣點的采樣時間與MERIS衛(wèi)星過境時刻基本一致(日期相隔一天).對所對應的MERIS數(shù)據(jù)進行大氣糾正得到水體反射率，并與實測光譜相比較(圖2).大氣糾正后的水體反射率光譜在形狀和數(shù)值上均與實測值很接近，各樣點的平均相對誤差(MRE)均小于30%，6個樣點的總體MRE為19.67%，在可以接受的精度范圍內(nèi).

3 葉綠素a濃度反演模型建立與驗證

3.1 模型構(gòu)建

葉綠素a濃度的反演模型通過實測光譜數(shù)據(jù)和葉綠素a濃度建立回歸關系實現(xiàn).首先將實測光譜采樣到MERIS波段;然后選擇三種常用且精度較高的葉綠素a濃度反演模型(葉綠素熒光高度法模型、兩波段模型和三波段模型)，分別建立其模型指數(shù)與葉綠素a濃度的回歸關系，選擇精度較高的模型作為本研究區(qū)葉綠素a濃度的反演模型.現(xiàn)地采樣點共計53個，隨機選取27個用于模型構(gòu)建，剩余26個進行模型驗證.本文所用3種模型的一般表達式如下:

(1)熒光高度法模型:Index1=FLH(λ2)λ1－λ3，其中 λ2是熒光峰位置，λ1、λ3是其兩邊肩部位置，三者分別對應 MERIS 的 9、8、10 波段(708.75、681.25、753.75nm).

(2)兩波段模型:Index2=R(λ1)/R(λ2)，其中 λ1、λ2對應 MERIS 的9、7 波段(708.75、665nm).

(3)三波段模型:Index3=［R－1(λ1)－R－1(λ2)］×R(λ3)，其中 λ1、λ2、λ3對應 MERIS 的 7、9、10 波段(665、708.75、753.75nm).

3種模型的回歸關系式、決定系數(shù)R2和均方根誤差(RMSE)見表1.三波段模型精度相對于其他兩個模型更高，因此將其選作滇池葉綠素a濃度的反演模型，以［Chl.a］表示葉綠素a濃度(μg/L)，R(λ)表示波長為λ時的水體反射率，則該模型可表示為:

該模型的 R2為0.86，RMSE 為10.73μg/L，n 為53.

表1 熒光高度法、兩波段和三波段模型在滇池區(qū)域的比較*Tab.1 Comparison of FLH，Two-band and Three-band model in Lake Dianchi

3.2 模型驗證

利用滇池26個驗證樣點的實測數(shù)據(jù)對滇池三波段模型(式9)進行檢驗，結(jié)果表明總體RMSE為13.86μg/L(圖3a)，但在葉綠素a濃度高值區(qū)，模型有低估的趨勢.此外，我們也利用MERIS遙感數(shù)據(jù)對模型進行了驗證，以保證模型在遙感數(shù)據(jù)上應用的有效性.圖4對比了2007年10月24日和2009年3月13日6個樣點的葉綠素a濃度實測數(shù)據(jù)和MERIS數(shù)據(jù)反演結(jié)果，反演結(jié)果與實測濃度基本趨勢一致，總體RMSE為14.01μg/L，略大于直接使用實測光譜數(shù)據(jù)的誤差(圖3b)，但與滇池葉綠素a濃度范圍20-320μg/L相比，模型精度在可以接受的范圍內(nèi).

圖2 實測光譜與大氣糾正前后的光譜比較Fig.2 Comparison between measured and atmospheric-corrected water reflectance

4 結(jié)果分析

將所建立的葉綠素a反演三波段模型(公式9)應用到滇池MERIS系列數(shù)據(jù)上，計算得到2003-2009年57幅滇池葉綠素a濃度分布圖.具體流程為:1)對MERIS圖像進行幾何糾正、大氣糾正等預處理;2)根據(jù)每一個像元的水體反射率計算三波段指數(shù)，代入公式(9)計算得到葉綠素a濃度.

圖3 實測葉綠素a濃度與三波段模型預測值(a)和基于MERIS數(shù)據(jù)的模型反演值(b)比較Fig.3 Relationship between measured and estimated Chlorophyll-a concentration by three-band model with in-situ spectra(a)and by three-band model with MERIS data(b)

圖4 2003-2009年間滇池葉綠素a濃度變化Fig.4 Variation of chlorophyll-a concentration from 2003 to 2009 in Lake Dianchi

4.1 滇池葉綠素a濃度的時間變化趨勢

2003-2009年滇池全湖葉綠素a濃度平均值變化范圍約為 10-130μg/L，其中，2003、2007、2009年為相對高值年，2004、2005年為相對低值年(圖4).不同年份同一月份葉綠素a濃度的變化情況見圖5，受數(shù)據(jù)時間覆蓋的限制，這里只分析11-4月.總體而言，濃度越高，年際差異越顯著，較高濃度月份(11、12、1月)呈現(xiàn)周期性波動中上升趨勢.已有研究表明，藻類生長狀況是湖泊營養(yǎng)條件、溫度、光照、風及風浪等因素綜合作用的結(jié)果［20-24］.下面我們主要從營養(yǎng)條件和氣象因素角度分析滇池葉綠素a年際變化的原因.

昆明市環(huán)境監(jiān)測中心的監(jiān)測數(shù)據(jù)表明［20］，近二十年來，滇池的總氮、銨氮和總磷年均濃度呈波動式上升趨勢，而氮、磷是藻類生長的重要營養(yǎng)物質(zhì)，這是導致葉綠素a濃度呈現(xiàn)上升趨勢的根本原因.而年際波動則主要受水溫及湖水量變化的影響，一般而言，水溫較高有利于藻類生長繁殖，而降水導致的湖水量增加則可以稀釋營養(yǎng)物質(zhì)及藻類濃度.中國氣象局提供的數(shù)據(jù)表明:滇池流域年平均氣溫分別約16.50℃(2003年)、15.67℃(2004年)、16.68℃(2005 年)、16.38℃(2006 年)、15.64℃(2007 年)、15.42℃(2008 年)和 16.57℃(2009 年)，年降水量分別為833mm(2003 年)、1094mm(2004 年)、976mm(2005 年)、993mm(2006 年)、933mm(2007 年)、978mm(2008)和566mm(2009年).可以看出，2003-2009年間氣溫與降水量的匹配模式存在一定的差異，高溫少雨年(如2003、2009年)一般對應于葉綠素a濃度高值年，而低溫多雨年(如2004年)一般對應于葉綠素a濃度低值年.但這里2007年異常高值和2005年相對低值卻不能很好地從氣象要素的變化角度解釋.2005年的低值估計與該年度昆明市實施了入湖河流截污整治、湖濱帶生態(tài)恢復等多項工程有關，而2007年異常高值可能與該年度污染事故等原因?qū)е氯牒⒘琢棵驮鲇嘘P.由于缺乏具體監(jiān)測數(shù)據(jù)，上述推論仍需進一步考證.

2007年作為高值年且數(shù)據(jù)較完備，故進一步分析了其年內(nèi)變化規(guī)律.滇池葉綠素a濃度在一年內(nèi)呈現(xiàn)“降-升-降”的季節(jié)變化模式(圖6).其中，2、3月葉綠素a濃度最低，全湖平均值約為15μg/L;4-6月開始緩慢上升，達到40μg/L左右;9-11月達到較高值，約為103μg/L;12月開始下降，至2月降至最低濃度.這與觀測到的4-11月份間滇池處于藻類暴發(fā)期的事實基本一致［10］.

圖5 2003-2009年間滇池葉綠素a濃度不同月份變化Fig.5 Variation of chlorophyll-a concentration by the month from 2003 to 2009 in Lake Dianchi

圖6 2007年滇池葉綠素a濃度變化Fig.6 Variation of chlorophyll-a concentration in 2007，Lake Dianchi

上述季節(jié)變化模式與滇池氣候特點密切相關.滇池地處亞熱帶高原，屬冬暖夏涼性季風氣候，氣溫年較差小.低溫期出現(xiàn)在12-2月，月平均氣溫小于10℃;高溫期出現(xiàn)在5-9月，月平均氣溫約為20℃.但降水量年內(nèi)分布不均，6-8月雨季集中了全年60%以上的降雨，而冬、春季降水較少.這種溫度與降水量的匹配模式?jīng)Q定了葉綠素a濃度的年內(nèi)變化規(guī)律.高溫少雨月份(9-11月)不僅溫度適宜藻類生長繁殖，而且湖水量較少也有助于提高葉綠素a濃度;而對于低溫少雨月份(12-3月)，低溫則作為主要限制因子抑制了藻類生長繁殖.夏季月份(6-8月)雖然溫度適宜藻類生長繁殖，但降水導致的湖水量增加卻稀釋了葉綠素a濃度.總體而言，滇池葉綠素a濃度季節(jié)變化受溫度的影響更為顯著.此外，各月葉綠素a濃度也與前期月份藻類生長累積有一定關系，導致葉綠素a濃度變化具有漸變和時間后延的特點.

4.2 滇池葉綠素a濃度的空間變化趨勢

滇池2007年除5、7、8月外所有月份葉綠素a濃度的空間分布情況說明其具有明顯的空間分異和季節(jié)變化特點(圖7).2-3月，滇池處于全年水溫最低的時期，藻類生長不活躍，全湖除最北端的草海外大部分區(qū)域的葉綠素a濃度值均低于50μg/L(深藍色、藍色表示)，空間差異不顯著.4月開始，伴隨春季氣溫回升，藻類的生長開始活躍，全湖葉綠素a濃度逐漸升高，高值區(qū)由草海沿北部近岸水域逐漸向中部擴大.6月全湖葉綠素a濃度有所降低，這可能與降水帶來的湖水量增加稀釋了葉綠素a濃度有關.9-12月全湖整體濃度可超過100μg/L，且呈現(xiàn)由北向南、由西向東遞減的趨勢，中部、南部的個別區(qū)域也出現(xiàn)點狀高濃度區(qū).我們進一步分析其他年份葉綠素a濃度的空間分布特點，所得到的規(guī)律與2007年基本相似，不同年份僅存在濃度高低差異.

圖7 2007年滇池葉綠素a濃度空間分布Fig.7 Spatial distribution of chlorophyll-a concentration in 2007，Lake Dianchi

上述空間分布特點與滇池周邊污染源分布密切相關，北部的草海由于靠近昆明市，接受了大量的生活和工農(nóng)業(yè)污水，氮、磷等營養(yǎng)物質(zhì)含量和水溫均偏高，且草海與南部的滇池外海區(qū)域連接的河口較小，水量交流緩慢，污染的凈化過程遲緩［10，24］，導致其一直是全湖氮、磷濃度最高的區(qū)域.而北部近岸帶(如海埂等)由于靠近昆明市，附近聚集著大量的旅游度假中心及村鎮(zhèn)，是污染物排放的重要地點，氮、磷等營養(yǎng)物質(zhì)含量也較高，一旦溫度回升就會導致藻類大量繁殖［10，24］.西岸?？诤湍隙说睦リ査蛴捎诟浇S的排放濃度較高，也出現(xiàn)點狀分布的高值區(qū).其他濃度較高的地點，則是由于季風作用導致藻類聚集形成的.理論上來說，一定強度的風浪可抑制藻類的堆積，但微風則相反.滇池流域雖處于多風地帶，但大風期多集中于冬春季，主導風向為西南風，9-12月風速較小，有利于藻類聚集于水體表層，并向西南部漂移，因而在湖濱地帶以及風力較小的灣內(nèi)易成為葉綠素a濃度的較高值點［24］.

5 結(jié)論

本文基于野外實測數(shù)據(jù)構(gòu)建了滇池葉綠素a濃度反演的三波段模型，并用實測數(shù)據(jù)和MERIS衛(wèi)星數(shù)據(jù)進行了模型驗證;利用該模型和預處理后的MERIS水體反射率數(shù)據(jù)，對2003-2009年滇池葉綠素a濃度分布進行了制圖分析，得到如下結(jié)論:

(1)2003-2009年滇池全湖葉綠素a濃度呈周期性波動上升趨勢，具有明顯的年際變化和季節(jié)變化特點.每年2、3月濃度最低，全湖平均值約為15μg/L，且不同年份變化不大;4-6月濃度開始上升，達到40μg/L左右;而9-11月濃度則達到最高值(超過60μg/L)，最高值月份年際差異明顯;12月濃度開始下降，但依然處于較高水平，直至2月才降至較低濃度.

(2)滇池葉綠素a濃度空間分布亦具有明顯季節(jié)變化特征.2-3月，全湖大部分區(qū)域的葉綠素a濃度值較低，只有最北端的草海水域濃度較高.4-6月開始升高，且高值區(qū)由草海沿北部近岸水域逐漸向中部擴大.9-12月，全湖整體濃度較高，呈現(xiàn)由北向南、由東向西遞減的趨勢，中部、南部的個別區(qū)域也出現(xiàn)點狀高濃度區(qū).

(3)滇池葉綠素a濃度的時空變化是湖泊營養(yǎng)條件、溫度、降水、風及藻類種類等因素共同作用的結(jié)果.年際和年內(nèi)波動主要受溫度、降水等氣象因素控制;空間分布差異則主要受氮、磷等營養(yǎng)物質(zhì)排放源的分布以及風速、風向的影響.

本文尚有以下不足:首先，MERIS數(shù)據(jù)時間覆蓋范圍不夠，多集中于秋冬春季節(jié)，導致夏季規(guī)律分析受到限制;其次，三波段模型估測葉綠素a濃度時存在低估情形.因此，提高三波段模型的估算精度以及考慮用其他衛(wèi)星數(shù)據(jù)來增強數(shù)據(jù)的時間覆蓋率，將有助于全面、準確地掌握滇池葉綠素a濃度的時空動態(tài)規(guī)律和發(fā)展趨勢.

［1］Ayres W，Busia A，Dinar A et al.Integrated lake and reservoir management:World band approach and experience.Washington DC:World Bank，1996.

［2］Lorenzen CJ.Determination of chlorophyll and Pheo-Pigments:Spectrophotometric Equations.Limnology and Oceanography，1967，12(2):343-346.

［3］Dall'Olmo G，Gitelson AA，Rundquist DC.Towards a unified approach for remote estimation of chlrophyll-a in both terrstrial vegetatioin and turbid productive waters. GeophysicalReseach Letters， 2003， 30(doi:10.1029/2003GL018065).

［4］Kutser T，Metsamaa L，Strombeck N et al.Monitoring cyanobacterial blooms by satellite remote sensing.Estuarine Coastal and Shelf Science，2003，67:303-312.

［5］Gitelson AA，Schalles JF，Rundquist DC et al.Comparative reflectance properties of algal cultures with manipulated densities.Journal of Applied Phycology，1999，11(4):345-354.

［6］Neville RA，Gower JFR.Passive remote sensing of phytoplankton via chlorophyll fluorescence.Journal of Geophysical Research，1977，82(24):3487-3493.

［7］Gitelson AA，Keydan GP.Remote sensing of inland waters quality Measurements in the visible spectrum.Acta Hydrophysi-ca，1990，34:5-27.

［8］Gitelson AA，Dall'Olmo G，Moses W et al.A simple semi-analytical model for remote estimation of chlorophyll-a in turbid waters:Validation.Remote Sensing of Environment，2008，112(9):3582-3593.

［9］European Space Agency.MERIS Product Handbook，2006:10-28.

［10］Jin X，Wang L，He L.Experience and lessons learned brief for Lake Dianchi.2003:159-178.

［11］Lee Z，Carder KL，Mobley CD et al.Hyperspectral remote sensing for shallow waters.2.Deriving bottom depths and water properties by optimization.Applied Optics，1999，38(18):3831-3843.

［12］Mobley CD.Estimation of the remote-sensing reflectance from above-surface measurements.Applied Optics，1999，38(36):7442-7455.

［13］Dekker AG.Analytical algorithms for lake water TSM estimation for retrospective analyses of TM and SPOT sensor data.International Journal of Remote Sensing，2002，23(1):15-35.

［14］SCOR-UNESCO.Determination of photosynthetic pigment in seawater.Monographs on oceanographic methodology.France:In Paris，1966.

［15］Huot JP，Tait H，Rast M et al.The optical imaging instruments and their applications:AATSR and MERIS.ESA Bulletin，2001，106:56-66.

［16］Gordon HR，Wang M.Retrieval of water-leaving radiance and aerosol optical thickness over the oceanswith Sea WiFS:a preliminary algorithm.Applied Optics，1994，33(3):443-452.

［17］Selby JEA，Kneizys FX，Chetwynd JHJ et al.Atmospheric transmittance/radiance:computer code LOWTRAN 4.AFGLTR-78-0053，1978.

［18］Gordon HR，Brown JW，Evans RH.Exact Rayleigh scattering calculations for use with the Nimbus-7 Coastal Zone Color Scanner.Applied Optics，1988，27(5):862-871.

［19］?ngstr?m AK.On the atmospheric transmission of Sun radiation and on the dust on the air.Geografiska Annaler，1929，11:156-166.

［20］王紅梅，陳 燕.滇池近20a富營養(yǎng)化變化趨勢及原因分析.環(huán)境科學導刊，2009，28(3):57-60.

［21］Chen Y，Qin B，Teubner K et al.Long-term dynamics of phytoplankton assemblages:Microcystis-domination in Lake Taihu，a large shallow lake in China.Journal of Plankton Research，2003，25(1):445-453.

［22］李 原，張 梅，王若南.滇池的水華藍藻的時空變化.云南大學學報(自然科學版)，2005，27(3):272-276.

［23］萬 能，宋立榮，王若南等.滇池藻類生物量時空分布及其影響因子.水生生物學報，2008，32(2):184-188.

［24］Xing K，Guo H，Sun Y et al.Assessment of the spatial-temporal eutrophic chatacter in the Lake Dianchi.Journal of Geographical Sciences，2005，15(1):37-43.

Spatial-temporal variation of chlorophyll-a concentration in Lake Dianchi from 2003 to 2009 and trend analysis based on MERIS data

ZHU Jingjing1，CHEN Jin1，WANG Shengqiang1，YANG Wei1，2＆ MATSUSHITA Bunkei2
(1:State Key Laboratory of Earth Surface Processes and Resource Ecology，Beijing Normal University，Beijing 100875，P.R.China)
(2:Department of Geography，Tsukuba University，Tsukuba 305-8572，Japan)

Spatial-temporal variation trends of Chlorophyll-a concentration in Lake Dianchi were analyzed based on MERIS data.First，three popular retrieval algorithms of Chlorophyll-a concentration were calibrated by field measurements.It was found that three-band model was the best one with higher estimation accuracy.Then，the optimized three-band model was applied to 57 MERIS images from 2003 to 2009 which were pre-processed through geometric correction，atmospheric correction，etc.At last，a series of maps about Chlorophyll-a concentration distribution of Lake Dianchi were produced.The result showed that Chlorophyll-a concentration was rising slowly with a periodic fluctuation in Lake Dianchi.During a year，Chlorophyll-a concentration showed a decreasing-increasing-decreasing pattern，where the minimum appeared in February and March，and the maximum occurred within September and November.Regarding to spatial distribution，Chlorophyll-a concentration was higher at the edge and the north of Lake Dianchi，which are close to the Kunming city and small towns.In addition，the higher Chlorophyll-a concentration was，the more obvious the spatial variation was.

Chlorophyll-a;spatial-temporal variation;Lake Dianchi;MERIS data;three-band model

＊ 國家自然科學基金項目(40871162)資助.2010-09-17收稿;2010-12-06收修改稿.朱晶晶，女，1986年生，碩士研究生;E-mail:jingjingzhu.3@gmail.com.

＊＊ 通訊作者;E-mail:chenjin@ires.cn.