王鳳霞,夏卓異,郭雨輝,楊子清,李佳欣,陳崯曉

基于GEE的中國(guó)南海水質(zhì)反演與富營(yíng)養(yǎng)化評(píng)價(jià)

王鳳霞1,夏卓異2*,郭雨輝1,楊子清1,李佳欣1,陳崯曉1

(1.海南大學(xué)旅游學(xué)院,海南 ?？?570203；2.南京大學(xué)建筑與城市學(xué)院,江蘇 南京 210093)

基于Google Earth Engine(GEE)平臺(tái),以MODIS遙感影像為數(shù)據(jù)源,通過(guò)構(gòu)建多元特征建立水質(zhì)反演模型,分析了2006～2018年的南海透明度(SD)、總氮(TN)、葉綠素(Chl-a)、化學(xué)需氧量(COD)的空間變化特征,并通過(guò)綜合營(yíng)養(yǎng)指數(shù)分析了南海富營(yíng)養(yǎng)化的時(shí)空趨勢(shì).結(jié)果表明:GEE結(jié)合多元回歸模型能夠較好模擬南海水質(zhì)變化,水質(zhì)對(duì)于MODIS特征的響應(yīng)程度為SD>COD>TN>Chl-a,多項(xiàng)式擬合水質(zhì)參數(shù)效果最好;南海的SD、TN、Chl-a、COD 4個(gè)水質(zhì)參數(shù)時(shí)空異質(zhì)規(guī)律明顯,SD高值主要分布在菲律賓西部和越南東部的海域,2006～2018年SD逐步降低, 2006～2018年間TN高值分布范圍逐年擴(kuò)大,而Chl-a濃度逐步降低,2006～2018年期間COD在逐漸蔓延;通過(guò)三維趨勢(shì)面分析,SD和COD、TN和Chl-a的空間變化趨勢(shì)相似,而Chl-a則與SD、COD的變化趨勢(shì)完全相反;2006～2018年,中國(guó)南海富營(yíng)養(yǎng)化程度呈遞增趨勢(shì),不同國(guó)家應(yīng)當(dāng)開(kāi)展區(qū)域合作以進(jìn)行海洋環(huán)境治理.

中國(guó)南海；時(shí)空演變；Google Earth Engine；MODIS；綜合營(yíng)養(yǎng)指數(shù)；富營(yíng)養(yǎng)化

富營(yíng)養(yǎng)化是海洋出現(xiàn)的生態(tài)異?，F(xiàn)象,多發(fā)生在有機(jī)污染嚴(yán)重、水交換不良的內(nèi)海和港灣或排污河口近岸水域.海洋水質(zhì)受到人類(lèi)活動(dòng)和氣候變化的雙重影響,已經(jīng)成為全球性的社會(huì)-生態(tài)問(wèn)題[1],不僅限制了各國(guó)海洋產(chǎn)業(yè)的發(fā)展,也導(dǎo)致海洋生態(tài)結(jié)構(gòu)和功能的下降[2].研究營(yíng)養(yǎng)物質(zhì)在海洋環(huán)境中的過(guò)程和機(jī)制,成為國(guó)內(nèi)外科學(xué)家和世界各國(guó)政府共同面臨的任務(wù)和挑戰(zhàn)[3].南海素有“亞洲地中?！敝Q(chēng),是溝通兩大洋和聯(lián)系三大洲的海上樞紐,不僅是我國(guó)最大的海域,也是“一帶一路”戰(zhàn)略的重要節(jié)點(diǎn),具有重要的戰(zhàn)略意義.

國(guó)內(nèi)外不少學(xué)者對(duì)南海水質(zhì)的評(píng)價(jià)模型進(jìn)行研究.早期學(xué)者使用物理參數(shù)法和化學(xué)參數(shù)法進(jìn)行點(diǎn)數(shù)據(jù)測(cè)量[4],再進(jìn)一步通過(guò)單因子法[5-6]、綜合指數(shù)法[7]、模糊聚類(lèi)[8]和主成分分析[9]等方法對(duì)水質(zhì)的營(yíng)養(yǎng)化程度進(jìn)行評(píng)估.研究表明,南海大亞灣的富營(yíng)養(yǎng)化狀況較高,水質(zhì)的季節(jié)性變化受到季風(fēng)和人類(lèi)活動(dòng)的影響[10];海水溫度是影響南海北部海水質(zhì)量最為關(guān)鍵的水質(zhì)因子,海水的溫?zé)峤Y(jié)構(gòu)決定著其他水質(zhì)參數(shù)的分布模式和變化特點(diǎn)[11];南海南部區(qū)域總體營(yíng)養(yǎng)鹽水平較低,南海富營(yíng)養(yǎng)化呈現(xiàn)空間上的不均衡[12-13].由于地域空間的限制,點(diǎn)數(shù)據(jù)模型評(píng)估依賴(lài)于數(shù)據(jù)的代表性和有效性,難以進(jìn)行大范圍水域的同步采樣測(cè)量和分析南海水質(zhì)的時(shí)空異質(zhì)性[14].

我國(guó)海洋遙感應(yīng)用自20世紀(jì)70年代起步以來(lái),構(gòu)建了覆蓋海洋水色、海洋動(dòng)力和海洋監(jiān)視監(jiān)測(cè)的3大系列海洋衛(wèi)星[15].利用衛(wèi)星遙感技術(shù)探測(cè)海水指標(biāo),可大大減少采樣工作量,探測(cè)速度快、成本低,與常規(guī)方法具有很好的互補(bǔ)性[16].Yi等[17]對(duì)南海表面鹽度分析表明,需要長(zhǎng)時(shí)間序列和高空間分辨率數(shù)據(jù)揭示氣候變化和海洋鹽度的耦合關(guān)系.但海洋衛(wèi)星數(shù)據(jù)容易受到海洋環(huán)流、大氣作用和海氣作用的影響,導(dǎo)致數(shù)據(jù)存在一定的偏差[18].

為了對(duì)南海水質(zhì)空間進(jìn)行擬合,需要構(gòu)建水質(zhì)特征,并建立和觀測(cè)點(diǎn)之間的關(guān)聯(lián),當(dāng)前學(xué)者主要采用多元回歸、BP神經(jīng)網(wǎng)絡(luò)[19]、貝葉斯網(wǎng)絡(luò)[20]等方法.當(dāng)測(cè)量數(shù)據(jù)較少時(shí),BP神經(jīng)網(wǎng)絡(luò)和貝葉斯網(wǎng)絡(luò)在擬合觀測(cè)數(shù)據(jù)和遙感數(shù)據(jù)時(shí)容易造成過(guò)擬合或欠擬合,對(duì)研究結(jié)果造成影響,而多元回歸模型在少樣本數(shù)據(jù)擬合上更為穩(wěn)健[9].基于此,本文在獲取海南水域28個(gè)實(shí)測(cè)葉綠素(Chl-a)、總氮(TN)、透明度(SD)、COD數(shù)據(jù)的基礎(chǔ)上,以GEE云遙感處理平臺(tái)為分析處理平臺(tái)[21],獲取海洋和陸地的MODIS數(shù)據(jù),利用多元回歸分析的方法,將水質(zhì)觀測(cè)與遙感光譜信息相結(jié)合,建立中國(guó)南海水域水質(zhì)參數(shù)與衛(wèi)星遙感數(shù)據(jù)之間的反演模型,再通過(guò)三維趨勢(shì)面分析其不同水質(zhì)參數(shù)的空間特征,最后對(duì)2006～2018年的南海富營(yíng)養(yǎng)化狀況進(jìn)行評(píng)估,以期為研究中國(guó)南海水質(zhì)變化和富營(yíng)養(yǎng)化空間規(guī)律提供依據(jù).

1 數(shù)據(jù)來(lái)源與研究方法

1.1 數(shù)據(jù)來(lái)源

1.1.1 站點(diǎn)監(jiān)測(cè)數(shù)據(jù) 本文所用的實(shí)測(cè)數(shù)據(jù)均為站點(diǎn)監(jiān)測(cè)數(shù)據(jù),分別是來(lái)自中國(guó)南海三亞近海海域2005～2006年24個(gè)站點(diǎn)的監(jiān)測(cè)數(shù)據(jù)和2007～2018年27個(gè)站點(diǎn)的監(jiān)測(cè)數(shù)據(jù).按照相關(guān)性、可操作性、簡(jiǎn)潔性和科學(xué)性相結(jié)合的原則,選取Chl-a、TN、SD、COD作為海洋富營(yíng)養(yǎng)化評(píng)價(jià)指標(biāo)[22].數(shù)據(jù)全部由國(guó)家海洋局?？诤Ｑ蟓h(huán)境監(jiān)測(cè)中心站測(cè)試,葉綠素采用TU-1900紫外可見(jiàn)分光光度計(jì)檢測(cè);總氮包括硝酸鹽-氮(NO3--N)、亞硝酸鹽-氮(NO2--N)和無(wú)機(jī)氮,分別基于鋅-鎘還原法、荼乙二胺分光光度和次溴酸鹽氧化法并通過(guò)TU-1900紫外可見(jiàn)分光光度計(jì)測(cè)量;其次,使用透明度盤(pán)測(cè)算透明度;最后,基于碘量法使用50mL酸式滴定管測(cè)算COD濃度.分析站點(diǎn)實(shí)測(cè)數(shù)據(jù)并對(duì)其取平均值進(jìn)行分析,結(jié)果表明不同水質(zhì)參數(shù)的時(shí)間趨勢(shì)差異明顯(表1).

表1 2005～2018年SD、NO3--N、NO2--N、無(wú)機(jī)氮、Chl-a、COD變化

1.1.2 遙感數(shù)據(jù) 本文采用GEE(GoogleEarthEngine)數(shù)據(jù)庫(kù)中的MOD09GA和MODODGA全球地表反射率數(shù)據(jù)集作為數(shù)據(jù)源.MODIS表面反射率產(chǎn)品提供了表面光譜反射率的估計(jì)值,因?yàn)樗跊](méi)有大氣散射或吸收的情況下在地面上進(jìn)行測(cè)量,并對(duì)大氣氣體和氣溶膠的低水平數(shù)據(jù)進(jìn)行了校正. MOD09GA和MODOCGA數(shù)據(jù)集共包含16個(gè)波段.MOD09GAV6在正弦投影中的每日網(wǎng)格化L2G產(chǎn)品中提供了1～7波段,包括500m反射率值和1km觀測(cè)數(shù)據(jù).MODOCGAV6海洋反射率產(chǎn)品包含TerraMODIS8～16波段的1km反射率數(shù)據(jù).8～16波段主要用于生產(chǎn)海洋產(chǎn)品,該產(chǎn)品稱(chēng)為海洋反射率.表2為本研究所采用的15種波段以及其對(duì)應(yīng)的波段寬度、分辨率和信噪比.由2005年1月1日～2018年12月31日的MOD09GA和MODODGA獲取的共360張?jiān)歼b感影像圖,基于GEE平臺(tái)去云掩膜提取算法排除掉無(wú)效影像和因陰影、云、雪造成的不可觀測(cè)的影像數(shù)據(jù)[23-24].

表2 數(shù)據(jù)來(lái)源

1.2 研究方法

1.2.1 水質(zhì)特征構(gòu)建 比值植被指數(shù)法(RVI)、歸一化植被指數(shù)法(NDVI)、增強(qiáng)植被指數(shù)法(EVI)等是水體富營(yíng)養(yǎng)化遙感監(jiān)測(cè)的主要方法.利用NDVI識(shí)別水體中的水質(zhì)參數(shù)效果一般[25].因此選取浮游藻類(lèi)指數(shù)(FAI)來(lái)進(jìn)行南海海域的水質(zhì)參數(shù)反演[26],在將多種水體指數(shù)進(jìn)行對(duì)比的基礎(chǔ)上選擇利用多波段水體指數(shù)(MBWI)反映水質(zhì)特征[27],基于MODIS數(shù)據(jù)的FAI公式以及MBWI指數(shù)的算法如下:

式中:代表遙感數(shù)據(jù)中第個(gè)波段的反射率;2、1、5分別為859,645,1240nm.

1.2.2 反演模型確立 利用SPSS 23軟件對(duì)各個(gè)波段及水質(zhì)特征與相應(yīng)的實(shí)測(cè)水質(zhì)參數(shù)數(shù)據(jù)進(jìn)行相關(guān)分析,篩選出相關(guān)性較大的波段作為因變量[28].對(duì)20個(gè)站點(diǎn)數(shù)據(jù)進(jìn)行多項(xiàng)式法、對(duì)數(shù)法、線性法和指數(shù)法擬合,確立波段組合和水質(zhì)反演模型.

表3 綜合營(yíng)養(yǎng)狀態(tài)指數(shù)

1.2.3 精度評(píng)價(jià)指標(biāo) 對(duì)剩余的站點(diǎn)數(shù)據(jù)進(jìn)行預(yù)測(cè),并用2、均方根誤差(RMSE)評(píng)價(jià)模型精度.

1.2.4 綜合營(yíng)養(yǎng)狀態(tài)指數(shù) 采用綜合營(yíng)養(yǎng)狀態(tài)指數(shù)法對(duì)南海營(yíng)養(yǎng)化狀態(tài)進(jìn)行評(píng)價(jià)[29](表3).按照自然斷點(diǎn)分級(jí)法分為貧營(yíng)養(yǎng)化、中營(yíng)養(yǎng)化、輕度富營(yíng)養(yǎng)化、中度富營(yíng)養(yǎng)化和重度富營(yíng)養(yǎng)化5個(gè)區(qū)間[30](表4).

表4 綜合營(yíng)養(yǎng)狀態(tài)指數(shù)法評(píng)價(jià)標(biāo)準(zhǔn)

2 結(jié)果與討論

2.1 單波段、水體指數(shù)與水質(zhì)參數(shù)的相關(guān)性

圖1 單波段、水體指數(shù)與水質(zhì)參數(shù)的相關(guān)性

如圖1所示,SD水質(zhì)參數(shù)對(duì)B1～B10波段、B12～B15波段、FAI波段、MBWI波段具有較高的敏感性,其中SD與B1～B10波段、FAI波段、MBWI波段呈現(xiàn)負(fù)相關(guān),與B11～B15波段呈現(xiàn)正相關(guān),基于MODIS數(shù)據(jù)構(gòu)建的特征能夠較好地反映海洋透明度狀況.與COD為0.01級(jí)別的相關(guān)性顯著的單波段和水體指數(shù)數(shù)量較少,COD與SD存在高度的負(fù)相關(guān)性,與B2、B3存在高度的正相關(guān)性.TN與B12、B14正相關(guān)性最大,與B9和COD負(fù)相關(guān)性最大. Chl-a對(duì)單波段和水體指數(shù)呈現(xiàn)相關(guān)性不顯著,且負(fù)相關(guān)性數(shù)量大于正相關(guān)性數(shù)量.不同波段特征對(duì)于SD、COD、Chl-a和TN的響應(yīng)程度不同.

2.2 反演模型確立

如表5所示,SD和COD在單元和多元情境下均取得較好的效果.綜合考慮2和RMSE,選擇SD= 1027.7(B02)2-134.71(B02)+5.9348作為SD的反演模型,2為0.638,RMSE為0.551,效果具有良好的一致性.對(duì)TN建立不同形式的反演模型,其中擬合效果最好的是基于SD、B01、B02、B03的多元變量非線性擬合,擬合方程為T(mén)N=-0.000077916 (SD)2- 0.381(B01)+ 0.088(B02)+0.033(B03)+0.027;對(duì)水質(zhì)參數(shù)COD建立模型,擬合效果最好的是基于SD、B05、FAI、B01、B10擬合的多元方程,2為0.701,擬合結(jié)果為COD= 0.034(SD)2-49.373(B05)+108.395(FAI)-47.788(B01)- 17.794(B10)+3.318;Chl-a與SD存在相關(guān)性,對(duì)水質(zhì)參數(shù)Chl-a建立模型,確立擬合函數(shù)Chl-a=-0.00027567 (SD)2-12.485(B02)+15.565(B05)-4.913(B03)+1.089.通過(guò)對(duì)比分析,發(fā)現(xiàn)多項(xiàng)式能夠較好擬合水質(zhì)和遙感光譜信息,對(duì)數(shù)次之,且多元擬合效果明顯優(yōu)于單元.MODIS數(shù)據(jù)能夠較好地響應(yīng)SD,SD反演模型的擬合優(yōu)度均大于0.5,具有較好的準(zhǔn)確性,而TN和Chl-a不同模型的2和RMSE差異較大,通過(guò)多元逐步回歸只模擬出一種最優(yōu)模型.

表5 反演模型比較

續(xù)表5

2.3 水質(zhì)反演結(jié)果

水質(zhì)參數(shù)反演后基于六邊形格網(wǎng)進(jìn)行Zonal Statistics處理,得到2006～2018年的SD、TN、Chl-a和COD 4個(gè)參數(shù)的反演結(jié)果,并根據(jù)自然斷點(diǎn)分級(jí)法分為5個(gè)等級(jí).如圖2(a)所示,2006年中國(guó)南海SD高值主要分布在菲律賓西部和越南東部的海域, 2009年在海南島和廣東省沿海也出現(xiàn)高值;但由于石油工業(yè)的開(kāi)發(fā)等人類(lèi)活動(dòng),2012年SD降低較明顯,整體上水質(zhì)較清晰;2015年SD值整體有所下降,差異性降低;2018年SD最高值繼續(xù)下降,而菲律賓西部海域仍然保持較高的SD值.如圖2(b)所示, 2006～2018年間,TN高值分布范圍逐年擴(kuò)大,從2006年的南海中部區(qū)域到中國(guó)廣東省沿海也逐漸出現(xiàn)TN密集區(qū)域,海洋污染加劇,到2018年整個(gè)中國(guó)南海的TN已呈現(xiàn)出空間連通性,而中國(guó)南海西北部即菲律賓西部的海域的TN濃度一直處于低水平.如圖2(c)所示,2006年Chl-a主要在中國(guó)南海的文萊北部的海域分布較多,在菲律賓西部和越南東部也有一定分布,中國(guó)南海中部分布最少.2009～2012年Chl-a整體濃度降低,分布規(guī)律上與2006年相比變化不大.由于海洋生態(tài)的治理,2015年Chl-a濃度繼續(xù)整體降低,高值分布范圍減少,但Chl-a已經(jīng)蔓延至中國(guó)廣東省和廣西省沿海.而到2018年Chl-a高值只在文萊沿海和廣東省沿海分布.如圖2(d)所示,2006年中國(guó)南海的COD高值主要分布在越南東部沿海和菲律賓西部沿海,由于海洋水質(zhì)的破壞,2006～2018年期間COD在逐漸蔓延,并形成空間連通性.由此可見(jiàn),中國(guó)南海水質(zhì)富營(yíng)養(yǎng)化是一個(gè)較為復(fù)雜的體系,海水流動(dòng)、氣候變化和人類(lèi)活動(dòng)都會(huì)影響南海水質(zhì),海洋保護(hù)迫在眉睫.

圖2 2006～2018年中國(guó)南海SD、TN、Chl-a和COD反演結(jié)果

Fig.2 Inversion of Water SD、TN、Chl-aandCOD in the South China Sea from 2006～2018

2.4 三維趨勢(shì)面分析

據(jù)圖3可知,SD(圖3a)的空間差異明顯,表現(xiàn)出由西向東逐漸增高,由北向南先升高后降低的趨勢(shì),高值集中在中國(guó)南海東部,即菲律賓西部的海域; TN(圖3b)空間變化不明顯,表現(xiàn)出由西向東逐漸降低,由北向南慢慢升高的趨勢(shì),在南海的西南部海域?yàn)檩^高值;Chl-a(圖3c)在空間上分布較為均勻,差異小,總體表現(xiàn)出自西向東逐漸降低的變化趨勢(shì),在南北方向上則表現(xiàn)出先降低后升高的變化趨勢(shì),并且低值集中在中國(guó)南海東部,即菲律賓西部的海域;COD (圖3d)在南北方向上具有顯著的差異性,自北向南先升高后降低,而東西方向變化幅度相對(duì)較小,主要表現(xiàn)出由西向東先降低后升高的趨勢(shì),高值集中在中國(guó)南海東部,即菲律賓西部的海域.SD和COD、TN和Chl-a的空間變化趨勢(shì)兩兩較為相似,而Chl-a則與SD、COD的變化趨勢(shì)完全相反.

圖3 基于三維趨勢(shì)面分析的中國(guó)南海水質(zhì)參數(shù)空間變化趨勢(shì)

、和軸分別代表東西方向、南北方向和水質(zhì)參數(shù)值大小

2.5 富營(yíng)養(yǎng)化時(shí)空演變

不同時(shí)間段內(nèi)引起海域富營(yíng)養(yǎng)化的主要因子不同,由此導(dǎo)致不同年份富營(yíng)養(yǎng)化等級(jí)存在差異.分析南海水質(zhì)富營(yíng)養(yǎng)化時(shí)空演變,發(fā)現(xiàn)南海大部分海域水質(zhì)富營(yíng)養(yǎng)化等級(jí)逐漸升高.如圖4所示,中國(guó)沿海海域在2006年、2009年為中營(yíng)養(yǎng)等級(jí), 2012年為輕度富營(yíng)養(yǎng)等級(jí),2015年其水質(zhì)為中度富營(yíng)養(yǎng)等級(jí),到2018年,大規(guī)模區(qū)域出現(xiàn)重度富營(yíng)養(yǎng)化.南海中部區(qū)域由2006年的貧營(yíng)養(yǎng)化到2009年的中營(yíng)養(yǎng)化,由2012年的輕度營(yíng)養(yǎng)化到2018的中度營(yíng)養(yǎng)化.馬來(lái)西亞北部的海域2006年為輕度富營(yíng)養(yǎng)化,2009年為中度富營(yíng)養(yǎng)化,2012年、2015年、2018年為重度富營(yíng)養(yǎng)化,南海富營(yíng)養(yǎng)化呈現(xiàn)不均衡蔓延趨勢(shì).

圖4 南海富營(yíng)養(yǎng)化時(shí)空演變

3 結(jié)論

3.1 本文基于GEE云遙感處理平臺(tái)使水質(zhì)反演,通過(guò)相關(guān)分析發(fā)現(xiàn)水體SD、COD、TN和Chl-a對(duì)不同波段的響應(yīng)程度不同,通過(guò)多項(xiàng)式法、對(duì)數(shù)法、線性法和指數(shù)法對(duì)不同水質(zhì)參數(shù)進(jìn)行了單元和多元逐步回歸的擬合,根據(jù)2和RMSE最終確立了水質(zhì)反演模型,結(jié)果具有良好的一致性.

3.2 2006年～2018年南海水質(zhì)變化表明,水體SD呈逐年下降趨勢(shì);TN的分布在不斷轉(zhuǎn)移并且有形成連通的趨勢(shì);2006年～2018年南海整體Chl-a濃度持續(xù)減少,且分布不斷擴(kuò)散;COD呈逐年上升的趨勢(shì).

3.3 趨勢(shì)面分析發(fā)現(xiàn),2006～2018年南海SD的空間差異較為明顯,表現(xiàn)出由西向東逐漸增高,由北向南先升高后降低的趨勢(shì);TN空間變化不顯著,表現(xiàn)出由西向東逐漸降低,由北向南慢慢升高的趨勢(shì);Chl-a表現(xiàn)出自西向東逐漸降低的變化趨勢(shì),在南北方向上則表現(xiàn)出先降低后升高的變化趨勢(shì);最后,COD自北向南先升高后降低,而東西方向變化幅度相對(duì)較小.

3.4 基于綜合營(yíng)養(yǎng)狀態(tài)指數(shù)法對(duì)南海營(yíng)養(yǎng)化狀態(tài)進(jìn)行評(píng)價(jià)結(jié)果表明,南海富營(yíng)養(yǎng)化的時(shí)空異質(zhì)性和蔓延趨勢(shì)顯著,當(dāng)前南海正面臨富營(yíng)養(yǎng)化威脅,不同國(guó)家應(yīng)當(dāng)開(kāi)展合作加強(qiáng)海洋環(huán)境治理.

[1] 陳紹勇,龍愛(ài)民,周偉華,等.南海北部上層海水關(guān)鍵水質(zhì)因子的監(jiān)測(cè)與分析[J]. 熱帶海洋學(xué)報(bào), 2006,25(1):15-18.

Chen S Y, Long A M, Zhou W H, et al. Monitoring and analysis of key water quality parameters in northern South China Sea [J].Journal of Tropical Oceanography, 2006,25(1):15-18.

[2] Melbourne-Thomas J, Johnson C R, Ali?o P M, et al. A multi-scale biophysical model to inform regional management of coral reefs in the western Philippines and South China Sea [J]. Environmental Modelling & Software, 2011,26(1):66-82.

[3] Wu M, Wang Y, Wang Y, et al. Seasonal and spatial variations of water quality and trophic status in Daya Bay, South China Sea [J]. Marine Pollution Bulletin, 2016,112(1/2):341-348.

[4] Zhang Y, Liu X, Qin B, et al. Aquatic vegetation in response to increased eutrophication and degraded light climate in Eastern Lake Taihu: Implications for lake ecological restoration [J]. Scientific Reports, 2016,6(1):23867.

[5] 王以斌,劉 軍,邵 帥,等.連云港近岸海域2011～2016年環(huán)境變化研究[J]. 中國(guó)環(huán)境科學(xué), 2019,39(8):3430-3440.

Wang Y B, Liu J, Shao S, et al.2011～2016 marine environment temporal variations research in the Lianyungang coastal area [J]. China Environmental Science, 2019,39(8):3430-3440.

[6] 徐祖信.我國(guó)河流單因子水質(zhì)標(biāo)識(shí)指數(shù)評(píng)價(jià)方法研究[J]. 同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2005,33(3):321-325.

Xu Z X. Single factor water quality identification index for environmental quality assessment of surface water [J]. Journalof Tongji University (naturalscience), 2005,33(3):321-325.

[7] 張際標(biāo),張 鵬,戴培東,等.海南島近岸海域溶解無(wú)機(jī)磷時(shí)空分布及富營(yíng)養(yǎng)化[J]. 中國(guó)環(huán)境科學(xué), 2019,39(6):2541-2548.

Zhang J B, Zhang P, Pei D D, et al.Spatiotemporal distributions of DIP and the eutrophication in Hainan Island adjacent coastal water [J]. China Environmental Science, 2019,39(6):2541-2548.

[8] 鄒志紅,云 逸,王惠文.兩階段模糊法在海河水系水質(zhì)評(píng)價(jià)中的應(yīng)用[J]. 環(huán)境科學(xué)學(xué)報(bào), 2008,28(4):799-803.

Zou ZH, Yun Y, Wang H W.Application of tvostage fuzzy set theory to water quality evaluation in the Haihe River system [J]. Acta Scientiae Circumstantiae, 2008,28(4):799-803.

[9] Shan V, Singh S K, Haritash A K. Evaluation of water quality and potential metal contamination in ecologically important Bhindawas bird sanctuary, India [J]. Applied Water Science, 2021,11(1):1-9.

[10] Wu M, Wang Y, Wang Y, et al. Seasonal and spatial variations of water quality and trophic status in Daya Bay, South China Sea [J]. Marine Pollution Bulletin, 2016,112(1/2):341-348.

[11] Donchyts G, Baart F, Winsemius H, et al. Earth's surface water change over the past 30years [J]. Nature Climate Change, 2016,6(9):810-813.

[12] Suratman S, Hee Y Y, Tahir N M. Nutrients Status of Kemaman River Basin in Southern South China Sea (Malaysia) [J]. Asian Journal of Chemistry, 2014,26(7):2047-2052.

[13] Voda M, Kithiia S, Jackiewicz E, et al. Geosystems' Pathways to the Future of Sustainability [J]. Scientific Reports, 2019,9(1):14446.

[14] Hu F, Ge J, Lu C, et al. Obtaining elevation of Oncomelania Hupensis habitat based on Google Earth and it’s accuracy evaluation: an example from the Poyang lake region, China [J]. Scientific Reports, 2020,10(1): 515.

[15] 蔣興偉,何賢強(qiáng),林明森,等.中國(guó)海洋衛(wèi)星遙感應(yīng)用進(jìn)展[J]. 海洋學(xué)報(bào), 2019,41(10):113-124.

Jiang X W, He X Q, Lin M S, et al. Progresses on ocean satellite remote sensing application in China [J]. Haiyang Xuebao, 2019,41(10):113– 124.

[16] 陳楚群,施 平,毛慶文.南海海域葉綠素濃度分布特征的衛(wèi)星遙感分析[J]. 熱帶海洋學(xué)報(bào), 2001,20(2):66-70.

Chen C Q, Shi P, Mao Q W. Satellite remotely-sensed analysis of distribution characters of chlorophyll concentration in south china sea [J]. Journal of Tropical Oceanography, 2001,20(2):66-70.

[17] Yi D L, Melnichenko O, Hacker P, et al. Remote sensing of sea surface salinity variability in the South China Sea [J]. Journal of Geophysical Research-Ocean, 2020,12(125):2020-2027.

[18] 張培軍,周水華,梁昌霞.基于衛(wèi)星遙感海溫?cái)?shù)據(jù)的南海SST預(yù)報(bào)誤差訂正[J]. 熱帶海洋學(xué)報(bào), 2020,39(6):57-65.

Zhang P J, Zhou S H, Liang C X. Study on the correction of SST prediction in South China Sea using remotely sensed SST [J]. Journal of Tropical Oceanography, 2020,39(6):57-65.

[19] 馬豐魁,姜群鷗,徐藜丹,等.基于BP神經(jīng)網(wǎng)絡(luò)算法的密云水庫(kù)水質(zhì)參數(shù)反演研究[J]. 生態(tài)環(huán)境學(xué)報(bào), 2020,29(3):569-579.

Ma F K, Jiang Q Y, Xu L D, et al.Retrieval of water quality parameters based on BP neural network algorithm in Miyun Reservoir [J]. Ecology and Environmental Sciences, 2020,29(3):569-579.

[20] Zhang Y, Wu L, Ren H, et al. Retrieval of water quality parameters from hyperspectral images using hybrid bayesian probabilistic neural network [J]. Remote Sensing, 2020,12(10):1567.

[21] 郭永強(qiáng),王乃江,褚曉升,等.基于Google Earth Engine分析黃土高原植被覆蓋變化及原因[J]. 中國(guó)環(huán)境科學(xué), 2019,39(11):4804-4811.

Guo Y Q, Wang N J, Zhu X S, et al.Analyzing vegetation coverage changes and its reasons on the Loess Plateau based on Google Earth Engine [J]. China Environmental Science, 2019,39(11):4804-4811.

[22] 李云梅,黃家柱,韋玉春,等.湖泊富營(yíng)養(yǎng)化狀態(tài)的地面高光譜遙感評(píng)價(jià)[J]. 環(huán)境科學(xué), 2006,27(9):1770-1775.

Li Y M, Huang J Z, Wei Y C, et al.Evaluating eutrophic state of Taihu Lake by in situ Hyperspectra [J]. Environmental Science, 2006,27(9): 1770-1775.

[23] Rajib A, Zheng Q, Golden H E, et al. The changing face of floodplains in the Mississippi River Basin detected by a 60-year land use change dataset [J]. Scientific Data, 2021,8(1):271.

[24] Erwin K L. Wetlands and global climate change: the role of wetland restoration in a changing world [J]. Wetlands Ecology and Management, 2008,17(1):71.

[25] 徐京萍,張 柏,李 方,等.基于MODIS數(shù)據(jù)的太湖藻華水體識(shí)別模式[J]. 湖泊科學(xué), 2008,20(2):191-195.

Xu J P, Zhang B, Li F, et al. Detecting modes of cyanobacteria bloom using MODIS data in Lake Taihu [J]. Journal of Lake Sciences, 2008,20(2):191-195.

[26] 劉海秋,任恒奎,牛鑫鑫,等.基于Sentinel-2遙感影像的巢湖藍(lán)藻水華提取方法研究[J]. 生態(tài)環(huán)境學(xué)報(bào), 2021,30(1):146-155.

Liu H Q, Ren H K, Niu X X, et al.Extraction of cyanobacteria bloom in Chaohu Lake based on Sentinel-2remote sensing images [J]. Ecology and Environmental Sciences, 30(1):146-155.

[27] Wang X, Xie S, Zhang X, et al. A robust Multi-Band Water Index (MBWI) for automated extraction of surface water from Landsat 8OLI imagery [J]. International Journal of Applied Earth Observation and Geoinformation, 2018,68:73-91.

[28] 陳 艷,劉綏華,王 堃,等.基于Landsat衛(wèi)星影像的草海水質(zhì)遙感反演及營(yíng)養(yǎng)狀態(tài)評(píng)價(jià)[J]. 水生態(tài)學(xué)雜志, 2020,41(3):24-31.

Chen Y, Liu S H, Wang K, et al.Remote sensing of Caohai lake water quality using Landsat satellite images [J]. Journal of Hydroecology, 2020,41(3):24-31.

[29] 林榮根.海水富營(yíng)養(yǎng)化水平評(píng)價(jià)方法淺析[J]. 海洋環(huán)境科學(xué), 1996, 15(2):28-31.

Lin R G. Review of the assessing methods for coastal eutrophication [J]. Marine Environmental Science, 1996,15(2):28-31.

[30] Mendel J M, Korjani M M. On establishing nonlinear combinations of variables from small to big data for use in later processing [J]. Information Sciences, 2014,280(0):98-110.

Water quality inversion and eutrophication assessment of The South China Sea based on GEE.

WANG Feng-xia, XIA Zhuo-yi*, GUO Yu-hui, YANG Zi-qing, LI Jia-xin, CHEN Yin-xiao

(School of Tourism, Hainan University, Haikou 570203, China；2.School of Architecture and Urban Engineering, Nanjing University, Nanjing 210093, China)., 2022,42(2)：826～833

Based on the Google Earth Engine (GEE) platform, this study took MODIS data to build water quality inversion models by constructing multivariate feature. The response degree of water quality to MODIS features was SD>COD>TN>Chl-a, and polynomial fitting of water quality parameters was the best model.The spatial and temporal heterogeneity of the four water quality parameters (SD, TN, Chl-a and COD) in the South China Sea was obviously different. The high SD values were mainly distributed in the western Philippines and eastern Vietnam sea areas, and gradually decreased from 2006 to 2018. During 2006 to 2018, the distribution range of TN high values expanded year by year, while the concentration of Chl-a gradually decreased. COD gradually spread from 2006 to 2018. Through three-dimensional trend surface analysis, the spatial variation trend of SD was similar to those of COD, TN and Chl-a, while the spatial variation trend of Chl-a was completely opposite to those of SD and COD.The eutrophication degree of the South China Sea showed an increasing trend from 2006 to 2018, different countries should carry out regional cooperation to manage the marine environment.

South China Sea；spatial and temporal distribution；Google Earth Engine；MODIS；comprehensive nutrition index；eutrophication

X703.5

A

1000-6923(2022)02-0826-08

王鳳霞(1975-),新疆塔城人,教授,博士,研究方向?yàn)楹Ｑ笊鷳B(tài)環(huán)境遙感監(jiān)測(cè).發(fā)表論文70余篇.

2021-07-01

國(guó)家重點(diǎn)研發(fā)計(jì)劃(2019YFD0901300);海南省社會(huì)科學(xué)界聯(lián)合會(huì)(HNSK(YB)19-09)

* 責(zé)任作者, 碩士, njuxiazhuoyi@163.com