任偉祥，吳曉東，聶洪峰，肖春蕾，葛緒廣，楊久蕓，羅 璐

(1：中國自然資源航空物探遙感中心，北京 100083) (2：中國地質(zhì)大學(北京)，北京 100083) (3：中國地質(zhì)科學院，北京 100037) (4：湖北師范大學城市與環(huán)境學院，黃石 435002)

水體中可見光波段的可用光輻射被稱為光合有效輻射(PAR)，它是能被水生植物直接利用的有效光成分，在水環(huán)境中扮演著重要角色[1-2]. 光在射入水體之后由于受到水中顆粒物質(zhì)、有色溶解性有機物(CDOM)及水體本身的吸收、散射、折射等進而發(fā)生衰減[3-4]. 在湖泊中，當PAR衰減到一定水平時便很難滿足沉水植被的生存，因此開展湖泊水體光學衰減特性的研究對水環(huán)境的管理與修復有重要意義[5]. 光學衰減系數(shù)(Kd)是衡量水體PAR衰減特性的有效指標，也有研究稱之為漫射衰減系數(shù)[6]. 傳統(tǒng)的湖泊水體Kd研究是使用水下照度計等原位測量儀器測定特定位置處的Kd值并分析其影響因素[7]. 如徐德瑞等對東太湖夏季的光學衰減特性展開研究，得出有機懸浮物(OSS)和無機懸浮物(ISS)是影響Kd值的主要原因[8]. 李凱迪等發(fā)現(xiàn)浮游植物生物量和懸浮物(SS)是影響程海水體光學特性的主要因素，而CDOM的影響較弱[9]. 這一方法的優(yōu)點在于測定的結果準確，但由于測定繁瑣，不利于開展大范圍、長時序的監(jiān)測[10].

利用遙感對湖泊水環(huán)境進行高時空分辨率的動態(tài)監(jiān)測能夠極大地節(jié)約成本和提高效率，已經(jīng)有許多研究開展了對水體光學衰減特性的遙感反演探索[11-12]. TM/ETM+/OLI系列、MODIS、OLCI和MERIS等衛(wèi)星傳感器數(shù)據(jù)類型都被證實可以建立起較好的反演模型[13-15]. 如Lei等基于MODIS數(shù)據(jù)建立洪澤湖的Kd值反演模型，決定系數(shù)R2達到了0.82，模型精度較高[16]. 目前建立的Kd值反演模型有分析模型、半分析模型和經(jīng)驗模型等多種類型. 分析模型和半分析模型從固有光學物理特性出發(fā)來計算水體的Kd值，這一類模型在大洋水體中有很好的效果，原因在于海洋往往深度大，水體清澈，控制水體光學特性的SS等外界因素較少[17-19]. 與之相對應，內(nèi)陸淺水湖泊水環(huán)境狀況復雜多樣，易受干擾性強，區(qū)域之間差異性大，分析模型往往不能取得理想的效果，因此更多的是利用原位數(shù)據(jù)建立經(jīng)驗模型，當然，經(jīng)驗模型也在大洋水體中有著很好的應用[16,18]. 簡單經(jīng)驗模型主要是利用單波段與Kd值之間的相關性建立起來，包括線性、指數(shù)、對數(shù)、高次多項式等. 除單波段外，波段比和波段經(jīng)簡單運算后的值也被廣泛用于反演模型構建，并取得了不錯的效果[20-21]. Shen等利用Sentinel-3A OLCI數(shù)據(jù)在太湖建立了反演Kd值的多元波段比經(jīng)驗模型(R2=0.81)，同時又與以往研究的線性模型、波段比指數(shù)模型以及半分析QAA模型進行比較，效果均不如其研究中建立的模型[21]. Majozi等利用MERIS數(shù)據(jù)在肯尼亞Naivasha湖建立遙感反演經(jīng)驗模型，模型精度最高時平均絕對百分比誤差僅為18%[22]. 王珊珊等針對太湖開發(fā)了基于GOCI影像的多元線性反演模型，并分析太湖光學衰減特性的分布狀況[23]. Song等通過Landsat TM/ETM+/OLI和MODIS數(shù)據(jù)對我國東北地區(qū)20余個湖庫構建Kd值反演模型，利用多元逐步回歸分析，選定紅/藍、近紅外/紅的波段比參數(shù)[15].

大冶湖位于湖北省黃石市，屬長江中游典型淺水湖泊. 不同于太湖、巢湖這一類大型湖泊，大冶湖是中型淺水湖泊的代表，它擁有和長江中下游許多湖泊類似的水量和流域范圍，同時也是典型的受污染湖泊. 選擇大冶湖為研究對象能為在長江流域所占比例更多的中型湖泊提供參考. 歷史上的黃石是著名的礦業(yè)城市，尤以大冶為最. 但正是由于工礦業(yè)的長期發(fā)展造成了大冶湖水環(huán)境惡化，加之大冶湖西北大冶市的城市化發(fā)展，湖泊富營養(yǎng)化趨勢加快[24]. 近年來隨著黃石市戰(zhàn)略發(fā)展規(guī)劃的布局調(diào)整，發(fā)展模式逐漸由“環(huán)磁湖發(fā)展”轉變?yōu)椤碍h(huán)大冶湖發(fā)展”，大冶湖面臨的環(huán)境壓力將會更大. 因此，針對大冶湖開發(fā)快速有效的監(jiān)測方法十分必要. 光學特性直接關系到水體的清澈與否和沉水植被的生存，是富營養(yǎng)化湖泊生態(tài)修復的重要基礎參數(shù)，以往已經(jīng)有研究利用原位數(shù)據(jù)探索大冶湖的水體光學特性，初步厘清了大冶湖水體光學特性的主要影響因素，但由于時間尺度短，獲取數(shù)據(jù)量有限，不能十分全面地反映大冶湖的光學特性分布狀況[25]. 本文以大冶湖為研究對象，基于多年原位調(diào)查數(shù)據(jù)和Landsat 8 OLI影像數(shù)據(jù)開發(fā)大冶湖Kd的遙感反演經(jīng)驗模型，并分析大冶湖水體光學衰減特性的分布狀況、時間變化特征與影響因素，以期為大冶湖的生態(tài)修復與管理提供參考，同時為長江中下游淺水湖泊的水體光學特性遙感研究提供借鑒.

1 材料與方法

1.1 研究區(qū)域概況與樣點分布

大冶湖流域地處長江流域中游，屬亞熱帶季風氣候，氣候濕潤. 常年平均水域面積約為63.4 km2，平均水深2.7 m，湖體呈東西走向，湖岸線長139.8 km[24]. 沿湖有大大小小40余條入湖河流，最大的一條為西側的大港，湖水由東側匯入長江[26]. 大冶湖的湖泊形態(tài)受到了人類活動的影響，西側紅星湖、三里七湖、尹家湖已經(jīng)演化為深入大冶市內(nèi)部的城市子湖(圖1). 根據(jù)大冶湖湖盆形態(tài)和水文特征，在湖內(nèi)開敞水域均勻布設了15個樣點(圖1)，其中部分年份由于冬季的水位降低，西側部分點位沒有采集樣品.

圖1 研究區(qū)域位置與采樣點分布Fig.1 Location of study area and sampling sites

1.2 樣品的采集與測定

于2017-2019年逐季度在大冶湖開展野外調(diào)查并采集水樣，時間均選在晴朗無風的上午. 采樣時原位測定Kd值. 方法為使用上海嘉定學聯(lián)儀表廠的ZDS-10W型水下照度計，在每個點位由水面起始逐層向下記錄PAR值，每向下10 cm設一個層，每層記錄3個有效數(shù)據(jù)，最終以3個數(shù)據(jù)的平均值代表本層PAR值. 在每個點位處由各層的PAR值計算Kd值.

透明度(SD)和水深也在采樣現(xiàn)場測定，其中SD使用30 cm黑白塞氏盤測定，水深使用便攜式水深儀(SM-5A，Speedtech)測定. 使用有機玻璃采水器采集水面表層以下50 cm處的混合水樣并盛裝于經(jīng)酸洗的聚乙烯瓶中，低溫避光保存并迅速帶回實驗室測定分析，所有指標在采樣次日完成測定. 測定的指標包括濁度(Turb)、總氮(TN)、總磷(TP)、SS、葉綠素a(Chl.a)濃度和CDOM. Turb使用便攜式水質(zhì)監(jiān)測儀(EXO2，YSI)測定，TN濃度使用過硫酸鉀消解法測定，TP濃度使用鉬銻抗分光光度法測定，SS濃度使用烘干差值法測定，Chl.a濃度使用90%丙酮法測定，實驗方法參照《水和廢水監(jiān)測分析方法》[27].

使用350 nm處的吸收系數(shù)(a(350))來間接代表CDOM濃度. 水樣通過0.22 μm孔徑的濾膜過濾，濾液的前20 mL棄置不用. 之后在紫外-可見分光光度計(UV2700，Shimadzu)下掃描200～800 nm范圍內(nèi)的吸光度，掃描間隔為1 nm. 掃描光譜用來計算a(350)，具體方法參考文獻[28].

1.3 影像數(shù)據(jù)的獲取與處理

Landsat 8 OLI影像數(shù)據(jù)共有9個波段，分別為：海岸波段B1(Coastal，0.433～0.453 μm)、藍色波段B2(Blue，0.450～0.515 μm)、綠色波段B3(Green，0.525～0.600 μm)、紅色波段B4(Red，0.630～0.680 μm)、近紅外波段B5(NIR，0.845～0.885 μm)、短波紅外波段B6(SWIR1，1.560～1.660 μm)、短波紅外波段B7(SWIR2，2.100～2.300 μm)、全色波段B8(Pan，0.500～0.680 μm)和卷云波段B9(Cirrus，1.360～1.390 μm). 參與到本研究敏感波段分析中的為前7個波段.

從美國地質(zhì)調(diào)查局網(wǎng)站(https://earthexplorer.usgs.gov/)下載Landsat 8 OLI影像，影像在研究區(qū)內(nèi)無云. 共下載了13景影像，其中在2017-2019年期間與原位數(shù)據(jù)匹配了8景影像、100對數(shù)據(jù)，影像與對應野外調(diào)查時間差值不超過一周. 其中70對用于構建經(jīng)驗模型，30對用于模型的精度檢驗. 影像在2017-2019年間各年份和各季度之間的分布情況見表1，其余年份均在夏季匹配了1景影像.

下載的影像經(jīng)過輻射定標和大氣校正處理后，各像元值除以10000以得到地表反射率值. 由于本研究中并未建立實測遙感反射率與衛(wèi)星計算遙感反射率之間的關系，故直接使用地表反射率值建立反演模型. 大氣校正使用波譜科學研究所(Spectral Sciences Inc.)開發(fā)的FLAASH大氣校正模型，已有研究證實這一模型的校正精度可以很好地適用于定量遙感反演研究[29-31].

1.4 數(shù)據(jù)處理

Kd值的擬合計算公式為：

表1 下載的影像在各年份各季度之間的分布情況(2017-2019年)

(1)

式中，z表示PAR測量位置距水面的深度；E(z)和E(0)分別表示表示深度為zm和0 m時的PAR強度值. 擬合的數(shù)據(jù)個數(shù)需大于3個，決定系數(shù)R2需大于0.95[32].

Pearson相關系數(shù)用以衡量各指標之間的相關性大小；使用Excel 2016和OriginPro 2020實現(xiàn)回歸分析，決定系數(shù)R2代表擬合精度的高低. 顯著性報表中，有P<0.05(顯著)和P<0.01(極顯著)兩級顯著水平，P>0.05 表示不顯著.

除決定系數(shù)外，使用測量值與預測值之間的相對誤差(RE)、平均絕對百分比誤差(MAPE)和均方根誤差(RMSE)來衡量模型反演的精度. 計算公式為[14]：

(2)

(3)

(4)

式中，Kd測與Kd估分別為原位實測得到的Kd值和反演計算得到的Kd值，N為參與檢驗的樣本數(shù).

2 結果與分析

2.1 大冶湖實測水體基本性質(zhì)

大冶湖水體基本理化參數(shù)和光學特性指標情況如表2. 總體上大冶湖的富營養(yǎng)化狀況處于中等水平，TN平均濃度為(2.06±1.94) mg/L，TP平均濃度為(0.206±0.159) mg/L，它們在年際之間的變化較年內(nèi)之間的變化要大，在年內(nèi)往往夏季的濃度要高于冬季.

Kd的歷年平均值為(2.86±1.01) m-1，最高時達到6.75 m-1，其中2018年夏、秋季水平較高，平均為(3.60±0.57) m-1，在空間上西部湖區(qū)的Kd值要高于東部湖區(qū). SD的跨度較大，最低時僅24 cm，出現(xiàn)在2018年冬，可能與冬季水位下降以及采樣時較大風浪的擾動有關，最高可達95 cm，平均為(44±12) cm.

Turb、SS、Chl.a和吸收系數(shù)a(350)的波動范圍均比較大(表2). Turb最高時為55.13 FNU，平均為(23.92±11.45) FNU，SS的波動范圍為3.50～75.00 mg/L，平均為(27.15±18.24) mg/L，部分批次的樣品值普遍偏高，往往是淺水湖泊在風浪下攪動沉積物造成的. Chl.a濃度平均為(19.86±23.43) μg/L，波動范圍為1.74～94.57 μg/L，其中2018、2019年夏季的藻華暴發(fā)較為嚴重，測定的Chl.a值顯著高于其他年份(P<0.01)，平均值分別為(57.69±15.52) μg/L和(47.91±20.18) μg/L.a(350)平均為(4.92±3.08) m-1，2018年夏季水平最高，平均為(10.35±0.30) m-1，且出現(xiàn)了最高值10.94 m-1，這一批次樣品a(350)值要顯著高于其他批次(P<0.01).

表2 大冶湖理化與光學特性指標的均值、標準差、最大值與最小值

2.2 大冶湖光學衰減的主要影響因素

Kd與各類影響光學特性的指標之間的Pearson相關系數(shù)如表3所示. 結果顯示，SS、Turb、a(350)和Chl.a均是影響大冶湖水體光學衰減特性的重要因素，這與大冶湖前期的研究結果類似[25]. 以SS、Turb為代表的水體固體顆粒物對大冶湖水體光學衰減特性影響最大，其次為CDOM吸收系數(shù)a(350). 在前期的研究中，Chl.a與Kd的相關系數(shù)最大，是最重要的影響因素，而在本次的結果中相關性不及SS，這可能是由于前期研究在2018年開展，當年湖體藻類生物量較大，導致Chl.a貢獻較高.

表3 Kd與各光學影響指標之間的Pearson相關系數(shù)

2.3 遙感反演估算模型的構建

計算Kd值與各波段之間的相關關系以確定大冶湖水體光學衰減特性的敏感反演波段，有的研究對Kd值取自然對數(shù)以增加數(shù)據(jù)的穩(wěn)定性，減弱方差，本研究中也一并計算[33]. 結果顯示，單波段中B3和B4與Kd值的相關性最強，分別達到了-0.873和-0.876(P<0.01)，原始Kd的計算效果普遍優(yōu)于取自然對數(shù)處理后的數(shù)據(jù)效果(圖2). 圖2中也展示了波段比和其他簡單運算得出的值中與Kd保持較好相關關系的組合，包括(B1/B3)、(B1/B4)、(B1/B5)和(B1-B2)，相關系數(shù)分別為0.870、0.893、-0.885和0.821(P<0.01).

圖2 Landsat 8 OLI影像各波段值及部分波段組合與Kd之間的Pearson相關關系Fig.2 Pearson correlation between band values and some band combinations of Landsat 8 OLI images and Kd

基于以上敏感波段，分別構建線性模型、指數(shù)模型、二次多項式模型三類一元一般模型和多元逐步回歸模型. 用于構建模型的數(shù)據(jù)集范圍為0.89～6.75 m-1，平均為(3.08±0.97) m-1，用于檢驗的數(shù)據(jù)集范圍為0.70～4.29 m-1，平均為(2.33±0.90) m-1. 結果如表4所示，二次多項式模型的效果要普遍優(yōu)于線性模型和指數(shù)模型，利用多元逐步回歸方法構建的模型雖然精度優(yōu)良，但也并沒有十分出眾. 整體上效果最好的模型是波段比(B1/B4)的二次多項式模型，其R2=0.79，MAPE=23.90%，RMSE=0.89 m-1，將這一模型下的預測值與實測值進行對比發(fā)現(xiàn)，各點均勻分布在1∶1線的周圍，線性擬合的決定系數(shù)達到R2=0.79(圖3a)，且大部分估計誤差值RE在0.15以下(圖3b)，說明該模型可以很好地反演大冶湖的水體光學衰減特性.

表4 基于各波段或波段組合構建的最優(yōu)模型*

圖3 估計與實測Kd值對比(a)及估計值RE分布(b)Fig.3 Comparison between estimated and measured Kd(a) and RE distribution of estimated value (b)

2.4 反演模型的應用

利用前文構建的波段比二次模型對2013-2020年大冶湖的Landsat 8 OLI影像進行處理計算. 圖4展示了大冶湖歷年各個季度Kd值的空間分布狀況. 從各個季度之間來說，大冶湖的Kd值呈現(xiàn)出以夏季最高、春秋次之、冬季最低的趨勢，且在夏季往往顯著高于冬季(P<0.05)，夏季的歷年平均為(4.42±0.66) m-1，范圍為1.45～9.12 m-1. 在空間分布上，西部湖區(qū)的Kd值整體上要高于東部湖區(qū)，不過這一趨勢在冬季表現(xiàn)得不明顯. 西南角紅星湖子湖水域，海螺山港、牛皮港、中北部林家咀港、東南部大泉港入湖口附近水域以及東北部五湖、太白湖水域是高值分布區(qū)，其中紅星湖子湖區(qū)最高時可達8.86 m-1左右，中部大部分湖區(qū)屬于低值區(qū)，尤其是在冬季，中部湖區(qū)歷年平均值基本不超過2.00 m-1.

圖4大冶湖Kd平均值的空間分布Fig.4 Spatial distribution of average Kd of Lake Daye

以每年夏季的Kd平均值為代表，2013-2020年大冶湖Kd整體上表現(xiàn)為下降趨勢(圖5)，這說明大冶湖水體光環(huán)境在逐漸好轉. 最高值出現(xiàn)在2013年，平均為(5.53±1.68) m-1，最低值出現(xiàn)在2020年，平均為(3.56±0.74) m-1.

圖5 2013-2020年夏季大冶湖平均Kd變化Fig.5 Average tendency of Kd change of Lake Daye in summer of 2013-2020

3 討論

3.1 反演模型的性能含義與對比

SS直接影響水體的清澈狀況，與內(nèi)陸湖泊水體的光學衰減特性之間有著緊密的聯(lián)系[15,20,34-35]. SS也是影響大冶湖Kd的主要影響因素. 以往的研究顯示，造成湖泊渾濁程度增加的懸浮態(tài)顆粒物質(zhì)多能由近紅外波段(NIR)和紅光波段(Red)的遙感反射率反演獲得[36-37]，如Ondrusek等利用MODIS的紅光波段(645 nm)建立反演Chesapeake Bay的模型，效果良好[38]. 而本研究中建立起來的Kd反演模型也用到了紅光波段(B4)，且Kd與B4的單波段相關性也較高(圖2)，這一方面證明了水體懸浮物對水下光衰減特性的重要影響作用；另一方面也說明在內(nèi)陸淺水湖泊，用于反演懸浮物特性的波段在一定程度上也可以用來估算光學衰減特性. 以往針對太湖、洞庭湖、洪澤湖、珠江口、巴倫西亞Albufera水域等地區(qū)的研究也能得出類似的結果[14,16,20,39-40]. 不過，這些研究均是針對水體懸浮物水平較高的水域展開的，如果是十分清澈的湖泊或大洋水域，效果則可能不明顯[41-42].

基于此，有許多研究僅使用Red波段建立單波段反演模型并取得了不錯的效果，包括線性模型[43]和指數(shù)模型[14]，這些模型在大冶湖也表現(xiàn)良好，但精度上仍然不如前文構建的波段比二次模型(表5). NIR/Green、Blue/Green的波段比算法在本研究中的效果不夠明顯(表5；NIR/Green：R2=0.56，MAPE=38.4%，RMSE=1.64 m-1；Blue/Green：R2=0.58，MAPE=31.6%，RMSE=1.03 m-1)，這些組合可能更加適合偏清澈的內(nèi)陸水體或大洋水體，它們對水體中的Chl.a濃度更加敏感[44-45]. Red/Blue波段比算法相較于前兩種有所提升(表5，R2=0.62，MAPE=27.5%，RMSE=0.92 m-1)，不過這一波段比可能更容易受到大氣中水汽和顆粒物等的干擾，在使用時需謹慎.

綜上，本研究開發(fā)的波段比算法更適合大冶湖這一類受SS影響大于其他因素，但其他因素仍扮演重要角色的內(nèi)陸水體. 值得強調(diào)的是，用于開發(fā)大冶湖光學衰減特性反演模型的原位Kd值數(shù)據(jù)集范圍為0.70～6.75 m-1，超過這一范圍時模型的效果可能會降低或不再適用.

表5 已開發(fā)的Kd反演模型在大冶湖中的應用對比

3.2 模型的誤差分析

本研究中構建出的一系列反演模型精度均較高，效果最好的波段比二次模型MAPE值僅有23.9%. 造成誤差的原因有很多，局部的風速變化、定位的精度、水下照度計的讀數(shù)等均會對數(shù)據(jù)測定和反演結果造成影響[21]. 原位Kd值的測定與影像獲取之間的時間差也是造成預測誤差的一項重要原因，本研究中選取了與野外調(diào)查時間差值在一周以內(nèi)的影像進行分析，這一時間窗口仍具有較好的數(shù)據(jù)質(zhì)量，并能獲取相對足量的影像. 大氣校正也是對反演精度產(chǎn)生影響的因素之一[46]，但這一因素造成的誤差效果仍存在爭議. 有研究發(fā)現(xiàn)未經(jīng)人工神經(jīng)網(wǎng)絡校正的數(shù)據(jù)建立起的反演模型要比經(jīng)過校正的數(shù)據(jù)模型效果更好、精度更高，說明在一定情況下大氣校正可能不是影響渾濁水體光學特性反演誤差的必要原因[14].

除以上原因之外，與水體Kd值關系密不可分的幾個主要光學影響因子也有可能對反演模型的精度造成影響[47]. 通過計算各組數(shù)據(jù)在模型中的相對誤差RE與SS、Chl.a和CDOM吸收系數(shù)a(350)之間的線性關系后發(fā)現(xiàn)，預測值相對誤差與(SS/Chl.a)比值之間存在統(tǒng)計上的顯著線性正相關關系，但決定系數(shù)并不高(圖6，R2=0.21，P<0.05)，并且與SS和Chl.a之間的關系也很微弱(圖6，SS：R2=0.17；Chl.a：R2=0.06)，因此可以證明雖然SS、Chl.a會對反演模型的精度產(chǎn)生影響，但在大冶湖中表現(xiàn)得并不明顯. 結果顯示，隨著水體(SS/Chl.a)比值的提高，RE也有所升高，這與Shi等的研究結論相反[14]. 說明雖然SS與Kd一樣和模型中的紅光波段保持較好的相關度與敏感性，本身也是水下光場分布的主要影響因素，但在其濃度達到一定程度時，也容易對反演預測造成干擾，尤其是在風浪擾動等局部氣象條件變化的情況下；同時這也說明由于內(nèi)陸湖泊水體環(huán)境的復雜性，各地區(qū)影響遙感反演誤差的因素與模式不盡相同. 另外，CDOM作為一類能夠對水色造成直接影響的物質(zhì)，在相當程度上影響了湖泊水體的光學衰減特性[48-49]. 正是由于其良好的光學敏感特性，在遙感反演過程中容易被識別，因此對光學衰減反演模型的相對誤差沒有產(chǎn)生顯著影響(圖6).

圖6 點位誤差值RE與光學影響因子之間的關系Fig.6 Relationship between RE and optical influence factors

3.3 大冶湖光學衰減特性的時空變化機制

作為長江中下游的中型湖泊，大冶湖具有許多長江中下游地區(qū)湖泊的典型特性，如水深較淺、水量適中、出現(xiàn)富營養(yǎng)化等. 研究大冶湖的水體光學特性，能夠為長江中下游地區(qū)許多湖泊的相關研究提供思路[41,49-50].

大冶湖水體的Kd值無論在季度上還是空間上都表現(xiàn)出很大的差異性(圖4)，這可能受制于多方面的原因. 前文已述，SS是影響大冶湖水體Kd值的最主要因素，這與大部分內(nèi)陸淺水湖泊相同. 清澈的海洋水體以及部分河口區(qū)水體Kd值分布往往只受浮游生物的影響，而內(nèi)陸淺水湖泊的Kd值由于較淺的水深和較復雜的自然地理條件而受制于多方面因素影響，最主要并且是最直接的因素就是SS[15-16]. 尤其是渾濁程度較高的湖泊，有研究計算得出SS能夠控制太湖95%以上的Kd值分布的結論[14].

造成水體SS水平提高的重要因素之一就是底層沉積物的再懸浮，這一規(guī)律在淺水湖泊中尤甚[25,50-51]. 太湖和滆湖都是相對渾濁的淺水湖泊，它們水下光場的分布也都以SS影響為主，以往針對它們的研究都得出了沉積物再懸浮強烈影響水體SS濃度與Kd值分布的結論[31,52]. 湖泊表面風速的大小是引起湖水攪動的主要原因，計算動態(tài)比率指數(shù)可以客觀衡量湖泊沉積物的再懸浮特性受風驅動影響的敏感性，計算方法為湖泊水域表面積的平方根除以平均水深，以0.8 km/m為閾值，超過這一值就表明風驅動容易造成沉積物懸浮[53-54]. Zhang等利用這一指標計算太湖風驅動對湖水擾動的影響，得出的值為25.6 km/m，遠超限定閾值，證明太湖極易受風力影響而發(fā)生沉積物懸浮[52]. 粗略計算大冶湖動態(tài)比率指數(shù)，值約為2.95 km/m，也超出了閾值，因此風的干擾是提高大冶湖Kd水平并驅動其空間分布的一項重要外界因素. 這也是冬季湖心區(qū)域的Kd值高于湖岸區(qū)域的原因，冬季大冶湖地區(qū)的風速往往較大，中心開敞水域的風速會高于湖岸地區(qū)，且湖底本就稀疏的沉水植被也基本消亡，綜合造成湖心Kd值略高的現(xiàn)象.

除了風速以外，入湖河流攜帶懸浮態(tài)顆粒物質(zhì)的匯入并引起局部地區(qū)的水體攪動也是造成SS升高的主要原因[8,55-56]. 在程海的研究中，雨季陸源性輸入是抬升局部水域SS濃度的重要因素之一[9]. 大冶湖的入湖河流眾多，發(fā)源于兩側山地的河港在徑流量增大時會攜帶大量泥沙和陸源腐殖質(zhì)匯入湖中，如北部的林家咀港、西南的牛皮港入湖口附近水域的Kd值高值均可能是由入湖河流的匯入造成的.

Chl.a是影響大冶湖Kd值分布的又一重要因素，它的產(chǎn)生主要是由于水體中的藍藻等大量繁殖造成的[57-58]. Chl.a的貢獻在夏季比較突出. 夏季大冶湖大部分湖區(qū)均有不同程度的藻類繁殖，部分湖區(qū)甚至出現(xiàn)藍藻暴發(fā)的現(xiàn)象，從而直接抬高了夏季大冶湖的Kd值水平(圖4b). 同時，藍藻水華的暴發(fā)也會抬升湖泊的SS水平，這也從另一方面加劇了SS對湖泊Kd的貢獻.

人類活動可以直接改變大冶湖的Kd值分布[59]. 西南角的紅星湖是大冶湖深入大冶市的小子湖，已經(jīng)演化為了相對獨立的城市湖泊，受到周圍城市建設與生產(chǎn)活動的深度影響，人為排放污染物等人類活動大幅提升了紅星湖的Kd值(圖4a)[60].由于大冶湖東南角的大泉港水域被人為隔開成為民垸，也造成了該水域的Kd值與其他水域產(chǎn)生明顯差異(圖4a～c). 另外，東北部的五湖、太白湖湖區(qū)相較于中部開敞大湖區(qū)來說更加封閉，且周圍村莊環(huán)繞，更容易造成陸源物質(zhì)的向心集聚并抬高Kd值水平[55,61].

近年來，隨著大冶湖周邊一系列諸如水生植被恢復等治理政策的實施，大冶湖的水體光環(huán)境正在逐步改善(圖5). 不過，2019年出現(xiàn)了異常的高值，查詢氣象數(shù)據(jù)后發(fā)現(xiàn)影像獲取當日大冶市風速較高，造成沉積物的懸浮，且2019年夏季大冶湖藻類活動較為活躍，進而提升了Kd值.

4 結論

本研究利用2017-2019年大冶湖實測Kd值與對應Landsat 8 OLI影像，建立了大冶湖水體光學衰減特性的經(jīng)驗反演模型，并分析Kd的時空變化特性與影響、響應機制，獲得主要結論如下：

1)利用(B1/B4)構建的波段比二次模型(Kd=9.61(B1/B4)2-2.41(B1/B4)-6.40)是最優(yōu)模型，R2=0.79，MAPE=23.9%，RMSE=0.89 m-1；

2)大冶湖Kd值的主要影響因素為SS和Turb，其次為CDOM和Chl.a；

3)大冶湖Kd值夏季最高，冬季最低，空間上有西部高于東部的趨勢，具體分布模式與形成機制受風速、陸源匯入、人為活動和區(qū)域微生物活動等的控制；

4)將模型應用于多年影像數(shù)據(jù)，發(fā)現(xiàn)大冶湖Kd值近年來逐漸減小.