姜騰龍，張水燕，丁程程，劉建軍，代雪靜，徐 洋

1.濟南市環(huán)境監(jiān)測中心站,山東 濟南 250014 2.泰安市環(huán)境保護監(jiān)測站,山東 泰安 271000

葉綠素a含量是衡量湖泊富營養(yǎng)化的重要指標,是湖泊水質(zhì)監(jiān)測的重要內(nèi)容[1-2]。因此葉綠素a 含量的調(diào)查對于了解湖泊富營養(yǎng)化程度及其變化趨勢具有重要意義。常規(guī)水質(zhì)監(jiān)測是人工進行實地取樣,存在取樣點少、缺失歷史數(shù)據(jù)等問題,不能全面反映整個湖泊的葉綠素分布情況和長時間的變化趨勢[3-4]。

遙感衛(wèi)星為葉綠素a監(jiān)測提供了新的技術手段,不同的衛(wèi)星影像具有不同的特性和優(yōu)勢,如利用HJ1-CCD[5-6]、RapidEye[7]等高空間分辨率數(shù)據(jù)構建反演模型,可以對葉綠素a含量的空間信息進行更好的監(jiān)測;利用Hyperion[8]、HICO[9]、MERIS[10-11]、GOCI[12]等高光譜數(shù)據(jù),可以應用更加精確的半分析模型法,實現(xiàn)葉綠素a含量更加精準的觀測。Landsat系列衛(wèi)星在空間分辨率、光譜分辨率以及時間系列上都有獨特的優(yōu)勢,是開展中分辨率尺度的長時間序列地表定量信息監(jiān)測的適宜數(shù)據(jù)源。

基于Landsat系列衛(wèi)星反演葉綠素a的算法也相繼出現(xiàn)。佘豐寧等[13]利用Landsat TM建立了水體葉綠素含量的遙感定量模型,指出TM4、TM7分別與太湖葉綠素a有較好的正、負線性相關性,但其TM數(shù)據(jù)未經(jīng)過大氣糾正。呂恒等[14-16]利用TM3/(TM1+TM4)、NDVI指數(shù)、混合光譜分解模型等算法較好地反演了太湖葉綠素a濃度。謝杰等[17]利用(TM2+TM4-TM3)/ln[TM3]模型提取了巢湖水體葉綠素a濃度。史銳等[18]利用TM數(shù)據(jù),基于小波理論對干旱區(qū)內(nèi)陸湖泊烏梁素海葉綠素a進行了提取?？梢?不同湖泊類型受水深、透明度、懸浮物等影響所適用的葉綠素a反演模型不同。

研究以東平湖為實驗區(qū),利用Landsat-5 TM影像結(jié)合地面同步觀測數(shù)據(jù),建立了葉綠素a遙感信息模型。并將該模型應用于Landsat系列衛(wèi)星上,得到1985—2015年的東平湖葉綠素a濃度信息,并對其時空變化分布和年度變化趨勢進行分析。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)概況

東平湖位于山東省泰安市,是中國東部地區(qū)典型的淺水型湖泊, 常年水面面積約為124.3 km2。地理位置為35°43′N～36°07′N, 116°02′E～116°18′E。該湖是山東省第二大淡水湖泊和重要的淡水漁業(yè)生產(chǎn)基地,既是黃河下游的重要滯洪區(qū),又是南水北調(diào)東線工程的最后一級蓄水水庫,具有防洪、調(diào)蓄、灌溉、供水、養(yǎng)殖等多種功能。但是由于淡水養(yǎng)殖和大量外源營養(yǎng)物質(zhì)輸入,加之湖區(qū)上游流域的面源性污染,對湖水水質(zhì)造成威脅。

1.2 遙感數(shù)據(jù)

研究所用的遙感數(shù)據(jù)以Landsat-5 TM影像為主,Landsat-7 ETM+、Landsat-8 OLI 為輔,成像時間在豐水期(6—9月)，數(shù)據(jù)質(zhì)量等級為9級且含云量小于5%,個別年份豐水期難以選出合適影像時,選擇相鄰月份代替。具體所用影像及成像時間見表1。

1.3 地面實測數(shù)據(jù)

葉綠素a遙感反演模型所用地面實測數(shù)據(jù)來自于2010年8月17日對東平湖采取網(wǎng)格布點形式的水質(zhì)參數(shù)采樣獲得。采樣時間與Landsat-5 TM在東平湖地區(qū)的過境時間基本吻合。該次采樣共得到74個有效監(jiān)測數(shù)據(jù),隨機抽取50個樣本用于建立反演水體葉綠素a濃度值的遙感信息模型,其余24個用來評定模型精度。湖泊采樣點分布見圖1。

表1 研究所用遙感影像

注:數(shù)據(jù)來源為美國地質(zhì)調(diào)查局(United States Geological Survey)官方網(wǎng)站,網(wǎng)址為http://glovis.usgs.gov。

圖1 采樣點分布Fig.1 Distribution of the sampling points

2 研究方法

葉綠素a濃度遙感監(jiān)測的核心問題在于建立水體反射率和葉綠素a濃度之間的定量關系。研究首先對遙感數(shù)據(jù)進行幾何校正、大氣校正等數(shù)據(jù)預處理,去除因幾何畸變、大氣條件等外界因素的影響,得到真實的水體反射率數(shù)據(jù)。然后用逐個波段的水體反射率數(shù)據(jù)與實測葉綠素a濃度進行相關分析,篩選對葉綠素a濃度有效響應的波段,用這些波段或者波段組合建立葉綠素a反演模型,最后用實測數(shù)據(jù)對模型進行精度檢驗。

2.1 遙感數(shù)據(jù)預處理

2.1.1 幾何糾正

研究所用的Landsat數(shù)據(jù)來源于美國地質(zhì)調(diào)查局(United States Geological Survey)官方網(wǎng)站, Landsat-5 TM、Landsat-8 OLI影像均已經(jīng)過幾何精校正,投影坐標系均采用UTM 投影(通用橫軸墨卡托投影)。2012年9月16日的Landsat-7 ETM+影像未經(jīng)過幾何精校正,為了使遙感影像坐標與其真實坐標相一致,保證定量反演模型建立的精確性,研究選取地面控制點對該影像進行幾何精校正處理。

2.1.2 條帶修復

Landsat-7 ETM+機載掃描行校正器(SLC) 故障導致2003年5月31日之后獲取的影像出現(xiàn)了數(shù)據(jù)條帶丟失,嚴重影響了遙感影像的使用。研究采用插值修復的方式對2012年9月16日的Landsat-7 ETM+影像的條帶進行修復。

2.1.3 輻射定標

Landsat系列數(shù)據(jù)中,每個像素上的數(shù)據(jù)均為原始數(shù)據(jù)(DN),在大氣校正前,需將其轉(zhuǎn)化為輻射亮度值。輻射定標參數(shù)從元數(shù)據(jù)文件中讀取。

2.1.4 大氣校正

影像大氣校正的主要目的是消除大氣、太陽高度角、方位角和地形等對地物光譜反射信號的影響。由于水體本身光譜值較低,為了保證數(shù)據(jù)的可比性,必須進行大氣校正。研究采用ENVI 5.2軟件下的FLAASH大氣校正模塊對Landsat系列數(shù)據(jù)進行大氣校正。輸入相關參數(shù),計算得到大氣校正后的反射率影像。

2.2 建立遙感定量模型

2.2.1 地物光譜分析

在研究區(qū)域及其周邊,隨機選取清潔水體、含葉綠素a水體、水生植被和陸域植被4種地物類型若干點位,分析其光譜特征,見圖2。由圖2可以看出,幾種地物類型在band 4差異最為明顯,清潔水體的反射率值要明顯低于其他地物。

圖2 典型地物光譜曲線

2.2.2 單波段模型

隨機選取2010年8月17日50個實測點位的葉綠素a濃度,分析了葉綠素a與當天過境的Landsat-5 TM影像大氣校正后的可見光-近紅外各個波段反射率的相關性,其回歸曲線見圖3。由此發(fā)現(xiàn)各個波段的反射率值與葉綠素a濃度有一定的相關性,其中band 3波長為0.63～0.69 μm,處于葉綠素a吸收峰位置;band 4波長為0.76～0.90 μm,處于反射峰處位置。2個波段也分別與葉綠素a呈現(xiàn)出最大的負相關和正相關關系。band 2反射率值與葉綠素a表現(xiàn)出一定的負相關,主要是受水體中溶性有機物、黃質(zhì)、懸浮物濃度的影響。周德明等[19]指出,在單波段關聯(lián)性分析中band 2與懸浮物的相關性最好(r=0.904),是估測懸浮物的最佳波段,故這一波段的反射率不能靈敏反映水體葉綠素情況。

圖3 葉綠素a濃度與各波段的回歸曲線

2.2.3 波段比值模型

根據(jù)單個波段與葉綠素a的相關性,嘗試采用band 4與band 3的比值建立定量反演模型,以擴大葉綠素a 吸收峰與葉綠素a 反射峰間的差異。相關研究也表明,采用多波段反射比可以部分消除水表面光滑度和波譜隨時間和空間變化的干擾,并在一定程度上減小其他污染物的影響[20-21]。

得到基于band 4/band 3的葉綠素a濃度定量反演模型(圖4):

Cchla=0.035 2(B4/B3)+0.020 1

式中:Cchla為葉綠素a濃度,μg/L;B4、B3分別為Landsat-5 TM第4和第3波段的反射率,即近紅外、紅色波段的反射率。

圖4 葉綠素a濃度與band 4/band 3的回歸曲線

2.2.4 模型精度驗證

將建立的波段比值模型應用于2010年8月17日的Landsat-5 TM數(shù)據(jù),得到葉綠素a濃度模型預測值,再與用于驗證數(shù)據(jù)的24個地面采樣數(shù)據(jù)的葉綠素a 濃度實測值進行對比分析。24樣本反演值與實測值的相關系數(shù)為0.828 1,平均相對誤差為14.5%?？梢姴ǘ伪戎的Ｐ偷姆囱葜递^好地擬合了實測情況。誤差可能是由于湖體泥沙、漂浮的水生植物等懸浮物質(zhì)的變化和水樣分析時的系統(tǒng)偏差所致[22]。

3 結(jié)果與討論

3.1 東平湖葉綠素a濃度反演結(jié)果

將近紅外、紅色波段的反射率比值模型應用于1985—2015年Landsat系列遙感影像,得到整個東平湖水域30 a的葉綠素a 濃度分布圖(圖5)。其中,Landsat-5 TM和Landsat-7 ETM+采用的波段比值均為band 4/band 3,Landsat-8 OLI采用的波段比值為band 5/band 4。

3.2 東平湖葉綠素a濃度變化分析

從圖5可以看出,東平湖葉綠素a濃度在空間和時間上都表現(xiàn)出一定的差異性。高濃度的葉綠素a 區(qū)域分布在東平湖的周邊淺水區(qū),特別是西南部漁業(yè)養(yǎng)殖區(qū)、東南部大汶河入湖口、北部入黃河口處。

圖5 不同時期東平湖葉綠素a濃度分布

根據(jù)經(jīng)濟合作與發(fā)展組織(OECD)富營養(yǎng)化單因子(葉綠素a)評價標準[23],對不同時期東平湖葉綠素a濃度進行分級統(tǒng)計，結(jié)果如表2所示。

表2 不同時期葉綠素a各濃度等級的面積占比

由表2可以看出,東平湖在不同的歷史時期呈現(xiàn)不同的營養(yǎng)狀態(tài),但是以中營養(yǎng)為主,面積占比多為80%以上;嚴重富營養(yǎng)面積較小,占比多為5%以下,且2003、2007—2008年等多個年份無嚴重富營養(yǎng)水體。

1989年，整個湖區(qū)出現(xiàn)大面積葉綠素a高濃度分布區(qū),與1990年呈現(xiàn)明顯差異。歷史資料顯示,1989年東平湖幾乎干涸,而1990年6月大汶河來水又使東平湖在短時間內(nèi)恢復了歷史水位。因此1989年8月7日東平湖高濃度葉綠素a并不是水體葉綠素a含量的真實反映,很可能是受干涸后的湖底下墊面和生長的植被所致。另外,東平湖是淺水型湖泊,平均水深為2.5 m,且挺水植物最適宜生長在水深為0.5～1.0 m的淺水區(qū)域[24]。

由圖2可知,研究區(qū)含葉綠素a水體、水生植被和陸域植被3種地物類型band 4/band 3范圍分別為2.26～2.67、3.28～3.56、4.61～4.81。為降低湖底下墊面和水生植被對葉綠素a反演精度的影響,研究在分析年際變化時,剔除1989年的數(shù)據(jù),其他年份用band 4/band 3<4.61閾值法進行篩選,篩選后平均值代表該年度的濃度值(圖6)。

圖6 1985—2015年東平湖葉綠素a濃度變化

從圖6可以看出,30 a以來,東平湖葉綠素a平均濃度范圍為32.4～81.4 μg/L之間(1989年除外),呈上下波動趨勢,在1987、1988、1992年出現(xiàn)較高值,東南區(qū)域有藍藻水華現(xiàn)象;在2014、2015年出現(xiàn)較低值,可能是與自2013年11月15日以來,南水北調(diào)東線一期東平湖段工程2次正式通水有關。用秩相關系數(shù)法對1985—2015年東平湖葉綠素a的變化趨勢進行定量分析,在95%置信水平上秩相關系數(shù)為-0.592,絕對值大于臨界值(0.306),濃度呈下降趨勢。

從東平湖葉綠素a時空分布來看,濃度的變化與入湖水體水質(zhì)、流速息息相關。從大汶河入湖口進入的水體攜帶了氮、磷等營養(yǎng)物質(zhì),導致湖口處其含量高于其他地區(qū),更適合浮游植物和藻類的生長;東平湖是防洪調(diào)蓄水庫,在入黃河口處地勢較高,水流較緩,利于營養(yǎng)物質(zhì)的沉淀積累,導致其葉綠素a含量較高。湖區(qū)東南部呈“凸”字形水域形狀,水流極其緩慢,且水深較淺,加之周邊的淡水養(yǎng)殖,浮游植物和藻類生長較快。

4 結(jié)論

葉綠素a含量不同的水體在一定波長范圍內(nèi)波段反射率顯著不同,通過建立水體反射率和葉綠素a濃度之間的定量關系,可實現(xiàn)葉綠素a的定量反演。

對Landsat-5 TM遙感影像進行幾何糾正、大氣校正等預處理之后,結(jié)合地面同步監(jiān)測數(shù)據(jù),發(fā)現(xiàn)band 3和band 4分別與葉綠素a呈現(xiàn)出最大的負相關和正相關關系。建立了band 4/band 3波段比值模型提取葉綠素a濃度。通過驗證,該模型能簡易、快速、準確地提取水體葉綠素a濃度信息。

該模型受湖底下墊面和水面水生植被影響明顯,即該模型不適用于水深很淺(接近干涸)和覆蓋有大量水生植被的水體葉綠素a 濃度反演。

研究采用的Landsat系列衛(wèi)星在光譜分辨率上有高度的一致性,將同一個數(shù)據(jù)反演模型應用于多幅影像,可有效減少模型的系統(tǒng)偏差,客觀地反映出多年來東平湖葉綠素a的變化趨勢,為東平湖水質(zhì)監(jiān)測提供了技術支持。Landsat系列衛(wèi)星的持續(xù)性特點為研究長時間序列的地物變化趨勢提供了得天獨厚的優(yōu)勢。

參考文獻(Reference)：

[1] 張運林,秦伯強,陳偉民,等.太湖梅梁灣浮游植物葉綠素a和初級生產(chǎn)力 [J]. 應用生態(tài)學報, 2004,15(11):2 127-2 131.

ZHANG Yunlin, QIN Boqiang, CHEN Weimin,et al.Chlorophyll a Content and Primary Productivity of Phytoplankton in Meiliang Bay of Taihu Lake [J]. Chinese Journal of Applied Ecology,2004,15(11):2 127-2 131.

[2] 段洪濤,張柏,劉殿偉,等.查干湖水體光譜熒光峰特征與葉綠素響應關系研究 [J].紅外與毫米波學報,2006,25(5):355-359.

DUAN Hongtao, ZHANG Bai, LIU Dianwei,et al.Relationship Between Fluorescence Peak Spectral Features and Chlorophyll-a in Lake Chagan [J].Journal of Infrared and Millimeter Waves, 2006,25(5):355-359.

[3] 鄭小慎，林培根.基于TM數(shù)據(jù)渤海灣葉綠素濃度反演算法研究[J]. 天津科技大學學報,2010,25(6):51-53.

ZHENG Xiaoshen, LIN Peigen. Study on Algorithm of Chlorophyll Concentration Retrieval in Bohai Bay Based on TM Data[J].Journal of Tianjin University of Science & Technology,2010,25(6):51-53.

[4] 李婷.基于長時序遙感數(shù)據(jù)和EOF分析南海北部海表葉綠素a時空特征[D]. 北京:中國地質(zhì)大學,2013.

[5] 周正,何連,劉良明.基于 HJ-1A/B CCD數(shù)據(jù)的東湖葉綠素a濃度反演可行性研究 [J].測繪通報,2011(3):11-14.

ZHOU Zheng, HE Lian, LIU Liangming. Feasibility Study for Retrieval of Chlorophyll-a Concentration in Donghu Lake Using HJ-1 A/B CCD Data[J]. Bulletin of Surveying and Mapping, 2011,(3):11-14.

[6] 陳靜,吳傳慶,王穎,等.基于環(huán)境一號衛(wèi)星CCD數(shù)據(jù)的巢湖葉綠素a的動態(tài)監(jiān)測[J].中國環(huán)境監(jiān)測,2012,28(1):116-119.

CHEN Jing, WU Chuanqing, WANG Ying,et al.Chlorophyll-a Dynamic Monitoring in Chaohu Lake Based on Environmental Satellite 1 CCD Data[J]. Environmental Monitoring in China, 2012,28(1):116-119.

[7] 劉忠華.基于高分數(shù)據(jù)的太湖重點污染入湖河流葉綠素a濃度遙感反演 [D].南京:南京師范大學,2012.

[8] 杜聰,王世新,周藝,等.利用Hyperion高光譜數(shù)據(jù)的三波段法反演太湖葉綠素a濃度 [J].環(huán)境科學,2009,30(10):2 904-2 910.

DU Cong, WANG Shixin, ZHOU Yi,et al.Remote Chlorophyll-a Retrieval in Taihu Lake by Three-Band Model Using Hyperion Hyperspectral Dada[J]. Environmental Science,2009,30(10):2 904-2 910.

[9] MOSES W J,GITELSON A A,BERDNIKOV S,et al. HICO-Based NIR-RED Models for Estimating Chlorophyll-a Concentration in Productive Coastal Waters [J].IEEE Geoscience and Remote Sensing Letters,2014,11(6):1 111-1 115.

[10] SHI K,LI Y M,LI L,et al．Remote Chlorophyll-a Estimates for Inland Waters Based on a Cluster-Based Classification [J].Science of the Total Environment,2013,444:1-15.

[11] LI Y M,WANG Q,WU C Q,et al. Estimation of Chlorophyll-a Concentration Using NIR/Red Bands of MERIS and Classification Procedure in Inland Turbid Water [J]. IEEE Transactions on Geoscience and Remote Sensing,2012,50(3):988-997.

[12] 郭宇龍,李云梅,李淵,等. 一種基于GOCI數(shù)據(jù)的葉綠素a濃度三波段估算模型[J].環(huán)境科學, 2015,36(9):3 175-3 185.

GUO Yulong, LI Yunmei, LI Yuan,et al. A Three Band Chlorophyll-a Concentration Estimation Model Based on GOCI Imagery[J]. Environmental Science, 2015,36(9):3 175-3 185.

[13] 佘豐寧,李旭文,蔡啟銘，等. 水體葉綠素含量的遙感定量模型[J].湖泊科學, 1996,8(3):201-207.

SHE Fengning, LI Xuwen, CAI Qiming,et al.Quantitatvie Analysis on Chlorophyll-a Concentration in Taihu Lake Using Thematic Mapper Data[J].Journal of Lake Sciences,1996,8(3):201-207.

[14] 呂恒,江南,羅瀲蔥.基于TM數(shù)據(jù)的太湖葉綠素A濃度定量反演[J].地理科學,2006,26(4):472-476.

LYU Heng, JIANG Nan, LUO Liancong. Quantitative Retrieval of Chlorophyll-a by Remote Sensing in Taihu Lake based on TM data[J]. Scientia Geographica Sinica,2006,26(4):472-476.

[15] 楊一鵬,王橋,肖青,等.基于TM數(shù)據(jù)的太湖葉綠素a濃度定量遙感反演方法研究[J].地理與地理信息科學,2006,22(2):5-8.

YANG Yipeng, WANG Qiao, XIAO Qing, et al.Quantitative Remote Sensing Inversion Methods of Chlorophyll-a Concentration in Taihu Lake Based on TM Data [J]. Geography and Geo-information Science,2006,22(2):5-8.

[16] 李云亮,張運林.基于TM影像的太湖夏季懸浮物和葉綠素a濃度反演[J].遙感信息,2008(6)：22-80.

LI Yunliang, ZHANG Yunlin.Quantitative Estimation of Total Suspend Matter and Chlorophyll-a Concentration of Taihu Lake in Summer Using TM Data[J].Remote Sensing Information,2008(6)：22-80.

[17] 謝杰,王心源,張潔，等.基于TM/ETM+影響分析巢湖葉綠素a 濃度變化趨勢[J].中國環(huán)境科學, 2010,30(5):677-682.

XIE Jie, WANG Xinyuan, ZHANG Jie,et al. Analysing Developing Trend of Chlorophyll-a Concentration in Chaohu Lake Based on TM/ETM+ Image[J]. China Environmental Science,2010,30(5):677-682.

[18] 史銳,張紅,岳榮,等.基于小波理論的干旱區(qū)內(nèi)陸湖泊葉綠素a的TM影像遙感反演[J].生態(tài)學報,2017,37(5)：1 043-1 053.

SHI Rui, ZHANG Hong, YUE Rong, et al. A Wavelet Theory Based Remote Sensing Inversion of Chlorophyll-a Concentrations for Inland Lakes in Arid Areas Using TM Image Data[J]. Acta Ecologica Sinica,2017,37(5)：1 043-1 053.

[19] 周德明,王得玉. 基于TM的太湖葉綠素a和懸浮物估測模型[J].環(huán)境科學與技術,2015,38(6P)：362-367.

ZHOU Deming,WANG Deyu. Quantitative Estimation of Chlorophyll-a and Suspended Solids in Taihu Based on Landsat TM[J]. Environmental Science & Technology,2015,38(6P):362-367.

[20] KOPONEN S, PULLIAINEN J, KALLIO K, et al. Lake Water Quality Classification with Airborne Hyperspectral Spectrometer and Simulated MERIS Data [J]. Remote Sensing of Environment, 2002,79:51-59.

[21] 曠達,韓秀珍,劉翔，等. 基于環(huán)境一號衛(wèi)星的太湖葉綠素a濃度提取 [J].中國環(huán)境科學, 2010,30(9):1 268-1 273.

KUANG Da, HAN Xiuzhen, LIU Xiang,et al.Quantitative Estimation of Taihu Chlorophyll-a Concentration Using HJ-1A and 1B CCD imagery [J]. China Environmental Science, 2010, 30(9):1 268-1 273.

[22] 王貴臣,劉田田.基于線性回歸分析的東平湖葉綠素含量監(jiān)測[J]. 首都師范大學學報：自然科學版,2015,36(2):72-77.

WANG Guichen, LIU Tiantian. Chlorophyll-a Concentration Monitoring of Dongping Lake Based on Linear Regression Analysis[J]. Journal of Capital Normal University(Natural Science Edition), 2015,36(2):72-77.

[23] Organization for Economic Cooperation and Development (OECD).Eutrophication of Waters Monitoring,Assessment and Control OECD[R].Paris:OECD,1982.

[24] 于少鵬,孫廣友,竇素珍，等. 東平湖水生植物的衰退及南水北調(diào)工程對其影響 [J].中國環(huán)境科學,2005,25(2):200-204.

YU Shaopeng, SUN Guangyou, DOU Suzhen,et al. The Declining of Hydrophyte of Dongping Lake and the Influence of the South-to-North Water Transfer Project on It[J]. China Environmental Science,2005,25(2):200-204.