孔默佳，唐玲，孫超，李心明，朱唐兵 （安徽省建筑科學(xué)研究設(shè)計(jì)院，安徽 合肥 230031）

0 前言

水生植物指生理上依附于水環(huán)境、至少部分生殖周期發(fā)生在水中或水表面的植物群類。它是淺水湖泊的重要類群，也是湖泊環(huán)境變化的指示物。水生植物對湖泊有著重要意義與影響。水生植物影響著營養(yǎng)鹽和營養(yǎng)物質(zhì)，通過跟際效應(yīng)和吸附作用，影響著水體中的氮和磷去除的因素。其次水生植物會影響湖泊中沉淀物磷釋放，以及對重金屬的吸收凈化，抑制藻類生長，改善水質(zhì)（增加水中溶解氧，PH值，改善水體透明度，抑制沉積物的再懸浮），保護(hù)生物多樣性。當(dāng)然，除了一定的凈化作用外，水生植物如果生長過旺，也會對湖泊生態(tài)環(huán)境帶來負(fù)面影響。所以監(jiān)測湖泊水生植物生物量有著十分重要的意義。

本文以太湖為例，近年來太湖湖區(qū)富營養(yǎng)化越來越嚴(yán)重，經(jīng)過綜合治理，太湖主要污染指標(biāo)都明顯下降，但太湖仍然存在突發(fā)性水污染風(fēng)險(xiǎn)。因此監(jiān)測太湖水生植物，掌握水生植被生物量的時空特征，有著十分重要的意義，有利于掌握太湖各區(qū)域水污染情況，因地制宜地制定合理的太湖水污染防治措施。

基于傳統(tǒng)方法進(jìn)行湖泊水生植被生物量估算時，存在費(fèi)時費(fèi)力、受干擾因素多、估算精度低等缺點(diǎn)。隨著遙感數(shù)據(jù)源的增多和遙感反演方法的發(fā)展，利用遙感影像對水生植被生物量的反演研究得到了很大的應(yīng)用。

1 區(qū)域概況與研究方法

1.1 區(qū)域概況

太湖位于長江三角洲南邊，又名五湖、笠澤，是中國五大淡水湖之一，界北緯 30°55＇40"～31°32＇58"和東 經(jīng)119°52＇32"～120°36＇10"之間，橫跨江、浙兩省，北臨無錫，南接湖州，西依宜興，東近蘇州。

太湖湖水面積2338km，湖泊長68㎞，最大寬度56km。因泥沙淤積和人工圍墾，一些島嶼分別與東、西洞庭山連體，近岸的則與湖岸相連成半島，現(xiàn)尚存大小島嶼48座，以西洞庭山面積最大，為75km。

1.2 研究方法

本文針對湖泊水生植物生物量的遙感監(jiān)測方法研究。通過衛(wèi)星遙感影像監(jiān)測和實(shí)地踩點(diǎn)取樣方法，實(shí)測太湖樣點(diǎn)水生植物生物量，通過對實(shí)測點(diǎn)的生物量以及遙感影像不同波段反射率的反演，得到多種反演模型，找到最適合，最精確的反演模型，分析太湖水生植物的分布規(guī)律，對太湖水生植物的合理利用進(jìn)行探討。

數(shù)據(jù)的采集：通過GPS布點(diǎn)，使用光譜儀采集水體表面反射率光譜數(shù)據(jù)。同步實(shí)測了各個點(diǎn)位的生物量。

數(shù)據(jù)預(yù)處理：利用獲得的衛(wèi)星遙感影像數(shù)據(jù)HJ-1BCCD，對影像數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、影像裁剪。

反演模型建立：采用半經(jīng)驗(yàn)方法，在已知的水色參數(shù)光譜特征條件下，利用最佳的波段或波段組合數(shù)據(jù)與實(shí)測水色參數(shù)值之間的統(tǒng)計(jì)關(guān)系，進(jìn)行水色參數(shù)估算。通過遙感影像不同波段反射率和實(shí)測的生物量進(jìn)行反演，得到多種反演模型。

分析數(shù)據(jù)：對得到的多種模型的R2進(jìn)行精確度分析，得到最實(shí)用的模型。

2 數(shù)據(jù)預(yù)處理和生物量監(jiān)測方法

2.1 遙感數(shù)據(jù)資料

利用遙感方法進(jìn)行太湖水生植被監(jiān)測，必須選擇合適的遙感數(shù)據(jù)。根據(jù)監(jiān)測工作對遙感數(shù)據(jù)的需求，可以初選出有代表性的三大類遙感數(shù)據(jù)：TM、HJ－1A/1BCCD、MODIS。各數(shù)據(jù)特點(diǎn)如表1所示。

太湖藍(lán)藻監(jiān)測備選遙感數(shù)據(jù)特點(diǎn)比較 表1

2.2 數(shù)據(jù)的預(yù)處理

圖1

利用獲得的衛(wèi)星遙感影像數(shù)據(jù)HJ-1BCCD，對數(shù)據(jù)進(jìn)行波段融合后，運(yùn)用圖形處理軟件ENVI以及輻射定標(biāo)參數(shù)對影像進(jìn)行人工定標(biāo)；制作光譜響應(yīng)函數(shù)，精確計(jì)算像元響應(yīng)；采用FLAASH大氣校正模型進(jìn)行大氣校正，消除大氣和光照等因素對地物反射的影響；描繪出研究區(qū)邊界，進(jìn)行影像裁剪，提取太湖水域，并去除湖中小島。

2.3 生物量反演

本文采用遙感定量經(jīng)驗(yàn)方法構(gòu)建單因子太湖水體生物量濃度估算模型。利用環(huán)境衛(wèi)星CCD數(shù)據(jù)b3、b4波段組合方式對監(jiān)測點(diǎn)的太湖水體生物量濃度進(jìn)行擬合。

將15個水質(zhì)采樣點(diǎn)投影到做過大氣校正的反射率影像上，將反射率的波段組合b4/b3、b4-b3與生物量濃度進(jìn)行回歸，得到回歸的決定系數(shù)。利用實(shí)測的5個驗(yàn)證點(diǎn)對反演結(jié)果進(jìn)行驗(yàn)證，得到驗(yàn)證百分?jǐn)?shù)，若百分?jǐn)?shù)均在30以內(nèi)，說明反演精度較高。

圖2 太湖取點(diǎn)圖

2.4 生物量與波段模型建立

選定與b3，b4相對應(yīng)的波段，運(yùn)用軟件得到反演點(diǎn)與生物量建模表，得到b4/b3波段組合與生物量線性模型。同樣的方法，分別對b4-b3波段組合和b4波段進(jìn)行反演，得到波段組合b4-b3對生物量濃度線性回歸模型和波段組合b4對生物量濃度非線性回歸模型。

2.5 精度分析與反演

圖3

從上述線性回歸模型中可以看出，利用不同波段組合對生物量濃度進(jìn)行回歸，都具有較好的精度，最低決定系數(shù)也達(dá)到了0.6953，最高達(dá)到了0.7552。b4/b3波段比值對太湖的生物量濃度進(jìn)行回歸精度最高，決定系數(shù)達(dá)到0.7552；利用波段組合b4-b3，精度也比較高，決定系數(shù)達(dá)到0.6953；利用b4單波段進(jìn)行非線性回歸分析時，決定系數(shù)高達(dá)0.7224，而利用b3和b2兩個單波段進(jìn)行分析時，決定系數(shù)均低于0.1，不可用。可見波段比值組合明顯好于波段差值組合。

采用b4/b3波段組合對反演結(jié)果進(jìn)行驗(yàn)證，將驗(yàn)證點(diǎn)導(dǎo)入生成點(diǎn)圖層，再將生物量反演結(jié)果值導(dǎo)出，在excel表中做對比。由于結(jié)果百分比均在30%以內(nèi)，精度合格，可以用b4/b3導(dǎo)出反演結(jié)果。

圖4 反演結(jié)果圖

3 結(jié)論與展望

3.1 結(jié)論

湖泊水生植物作為湖泊環(huán)境系統(tǒng)的重要組成部分，對湖泊有著重要的影響，如何快速、客觀、準(zhǔn)確地對湖泊水生植物生物量狀況進(jìn)行調(diào)查，獲取水生植物的分布信息成為我們研究的重點(diǎn)。本文利用“環(huán)境一號”獲得的太湖影像圖為研究區(qū)域，以遙感技術(shù)為手段，用反演建模的方法，建立生物量濃度與反射率之間的線性回歸模型，并進(jìn)行精度評價。

驗(yàn)證反演結(jié)果表 表2

結(jié)果圖中，顏色越深的地方生物量濃度越高，顏色越淺，生物量濃度越低。故此可以看出，東太湖的生物量濃度最高，其他部分，沿湖岸濃度高，越往湖中心，生物量濃度越低。因此，太湖水生植物生物量估算模型可以選用：

式中：M為生物量濃度，單位為g/m；

N和N分別為環(huán)境衛(wèi)星CCD第4和第3波段的反射率值。

其原因主要是：環(huán)境衛(wèi)星CCD數(shù)據(jù)b3、b4波段光譜分辨率不高，特別是b4波段的光譜分布范圍為760nm～900nm，該波段只對具有類植被特征的生物量濃度高的水體敏感，而低生物量濃度水體的光譜特征主要分布在685nm～715nm，此處由于條件限制，我們?nèi)〉玫膶?shí)測點(diǎn)數(shù)據(jù)基本分布在太湖邊緣，大多為葉綠素即生物量濃度高的水體。

3.2 展望

本文對太湖水生植物生物量濃度模型進(jìn)行了研究，取得了一些成績，證明了反演建模的方法在湖泊水生植物生物量監(jiān)測中能得到很好的應(yīng)用。但在研究中還有一些考慮不周的地方，針對存在的問題，提出以下展望：

①本文采用的數(shù)據(jù)源是“環(huán)境一號”遙感影像圖，所獲得的數(shù)據(jù)影像圖受大氣和云層影像，并不是很清楚；

②本文只采取了反演建模的方法，建立模型，對于一些分類方法沒有研究，比如決策樹分類方法、最大似然法，根據(jù)這些方法取點(diǎn)是否具有更高的建模精度；

③針對本文建立的規(guī)則，能否做進(jìn)一步的優(yōu)化，使模型精度達(dá)到更高水平。