王 芳，青 松，劉 楠，郝艷玲，包玉海

(1:內蒙古師范大學地理科學學院，呼和浩特 010022)(2:內蒙古大學生態(tài)與環(huán)境學院，呼和浩特 010021)

湖泊富營養(yǎng)化已成為內陸湖泊面臨的最緊迫的水環(huán)境問題之一[1-2].湖泊富營養(yǎng)化是在自然因素和人類活動雙重影響下使得氮磷等營養(yǎng)鹽濃度增加，導致湖泊生產力和生物量過度提高，溶解氧含量和湖泊透明度降低，嚴重時產生毒素和難忍氣味，從而威脅到水生生態(tài)系統的可持續(xù)性以及人類健康[3].因此，為水體富營養(yǎng)化的防治提供科學依據，加強湖泊富營養(yǎng)化方面的方法研究尤為重要.

“營養(yǎng)狀態(tài)”是一個與生態(tài)系統功能和人類活動對水質影響密切相關的屬性[4].自1960s以來，人們嘗試用單變量營養(yǎng)指數或多參數方法定量評價湖泊的營養(yǎng)狀態(tài)[5].Carlson提出了溫帶湖泊營養(yǎng)狀態(tài)指數，該指數可以在葉綠素、透明度和總氮的對數尺度上表征營養(yǎng)狀態(tài)，用以評價湖泊的養(yǎng)分富集狀況和初級生產力.其中，水體透明度與懸浮藻類的生物量和生產能力密切相關[6]，是直接反映水上植物初級生產力和水中微生物活動的一個重要參數[7].透明度是湖泊管理機構用于水質評價的一種簡單而廣泛使用的工具[8]，與湖泊水體光譜輻射觀測密切相關[9].

湖泊富營養(yǎng)化遙感評價是通過分析水體反射、吸收和散射光譜特征與水質參數濃度之間的關系，建立富營養(yǎng)化水質參數的定量遙感反演模型[10].隨著內陸水色遙感研究的發(fā)展，水質參數的監(jiān)測從定性發(fā)展到定量，其中伴隨著多光譜遙感數據應用于水質監(jiān)測而發(fā)展起來一系列經驗算法.這些方法是基于遙感數據和地面實測數據，選擇最優(yōu)波段或波段組合，與水質參數建立經驗關系，進而評價水體營養(yǎng)狀態(tài)[11-14].

水體顏色作為最古老的時間序列水質數據之一，是水質調查中的一項重要內容.關于水體顏色的早期研究主要是試圖建立顏色與水質參數之間的關系.Alf?ldi等[15]采用Landsat MSS假彩色數據作為CIE標準坐標系統中的X、Y、Z三刺激值，分析了水體顏色與水體狀況的關系.自此，隨著后續(xù)學者的研究和逐步完善，構建了完整的FUI水色指數[16].FUI水色指數是基于光學特性的水色分類，取值為1～21的離散值.Wang等[17]結合實測數據和MODIS產品，建立了FUI與營養(yǎng)狀態(tài)指數之間的關系，提出了一種評估全球內陸水體營養(yǎng)狀態(tài)的方法.然而，根據Pitarch等[18]的研究指出，與色度角alpha相比，FUI作為大多數營養(yǎng)海洋水域的監(jiān)測工具是粗糙的.色度角alpha是CIE色度系統中計算FUI的過程參量，取0°～360°之間的連續(xù)值[19]，是自然水體的一個簡單客觀參數，被稱為自然水域的真實顏色[20].van der Woerd等[21]證明了由色度角alpha表示的顏色能夠從海洋水色衛(wèi)星儀器中準確獲取，并指出色度角在Sentinel_2 MSI、Landsat_8 OLI和Landsat_7 ETM+等傳感器上有很大的推廣應用潛力.Xu等[22]基于色度角，揭示了洞里薩湖19年間水體顏色變化趨勢及規(guī)律，并分析了色度角變化率的空間分布和富營養(yǎng)化狀態(tài).然而，到目前為止還沒有相應的文獻是由連續(xù)變量alpha與TSI指數之間的相互關系來評估湖泊營養(yǎng)狀態(tài).此外，營養(yǎng)狀態(tài)指數已廣泛應用于溫帶、熱帶和亞熱帶地區(qū)湖泊的營養(yǎng)狀態(tài)分析[23]，但在我國北方半干旱地區(qū)湖泊水體中的研究較少.

因此，本文試圖探究色度角alpha和TSI之間的相關性，建立適合于北方典型湖泊——岱海的營養(yǎng)狀態(tài)評估模型.本文以內蒙古岱海為研究區(qū)，進行如下研究：(1)基于實測數據建立岱海水體營養(yǎng)狀態(tài)評估模型；(2)將評估模型應用于Landsat TMETM+OLI和Sentinel_2A MSI遙感數據；(3)分析岱海水體營養(yǎng)狀態(tài)的時空分布特征及影響因素.

1 數據

1.1 研究區(qū)

岱海盆地在新構造斷塊活動時開始出現，是典型的地塹式斷陷盆地，早更新世初開始形成為湖泊[24]，現稱其為岱海(40°29′07″～40°37′06″N，112°33′31″～113°46′40″E)，位于內蒙古烏蘭察布市涼城縣東南部，四周環(huán)山，是一個典型的封閉性內陸咸水湖(圖1).湖泊水源補給方式主要為降水補給、地表徑流和地下補給等[25].岱海地處我國半干旱與半濕潤的過渡帶，即北方環(huán)境敏感地帶，屬于中溫帶半干旱大陸性季風氣候，冬季長而干冷，夏季短而炎熱[26].岱海，是內蒙古的第三大內陸湖，與呼倫湖、烏梁素海統稱為 “一湖兩?！保谡{節(jié)氣候、生態(tài)修復、涵養(yǎng)水源方面起著重要作用，是我國北方生態(tài)安全屏障的重要組成部分.岱海是被列入《中國濕地保護行動計劃》的第179塊國家重要濕地之一，同時也是自治區(qū)級湖泊濕地自然保護區(qū)[27].多年來，由于降雨量減少、地下水過度開采和環(huán)境污染多種因素的疊加，岱海水體水面急速縮減，導致水體富營養(yǎng)化問題日益突出[28-29].

1.2 實測數據

1.2.1 遙感反射率 在2019年10月9日、2020年6月14日、7月19日、8月24日、9月17日和10月12日，在岱海水域共開展了6次野外調查，進行水面光譜測量，共獲取了216組遙感反射率(Rrs)光譜數據.Rrs測量采用“水上法”[30]，每個采樣點需要測量標準灰板、水體和天空的輻射亮度.本研究中采用美國ASD公司生產的ASD Field Spec 4 地物光譜儀，測量水體光譜.遙感反射率計算公式如下，文中采用400～900 nm波段處的遙感反射率.

(1)

式中，LW、LSky、Lp分別為測量的水體、天空和標準灰板的輻射亮度；r為氣-水界面的反射率；ρp為標準灰板的反射率.根據上述處理過程得到216個采樣點的遙感反射率光譜曲線，如圖2.由于水體中各種物質的影響，水體光譜曲線表現出明顯的峰值.水體實測反射率光譜曲線在藍波段處的反射率較小，無明顯峰谷，在波段550 nm處由于懸浮物濃度的影響出現高吸收峰值，在700 nm左右的波段出現較小峰值.

圖2 岱海水體實測遙感反射率光譜曲線

1.2.2 透明度 在岱海水域開展的6次野外調查中，與遙感反射率同步采集了216組透明度(SDD)數據.透明度是以塞氏圓盤現場測定，將塞氏圓盤放入水中，以消失在視野中時的下沉深度作為觀測點的透明度值[31].本文將透明度作為基本參數計算了水體營養(yǎng)狀態(tài)指數TSI(詳見2.1節(jié)).

1.3 遙感數據

本文利用Sentinel_2 MSI和Landsat_5 TM、Landsat_7 ETM+、Landsat_8 OLI遙感數據進行營養(yǎng)狀態(tài)反演.MSI Level-2A數據是由Sen2cor軟件得到.OLI-SR 數據是基于 6S 大氣輻射傳輸模型處理獲得[32].TM/ETM+的SR數據由LEDAPS算法生成[33].使用ENVI IDL進行批量裁剪及重采樣處理，隨后利用MATLAB軟件進行NDVI水體提取和遙感反演.

本文獲取到1986-2020年間(缺少1988年遙感影像)岱海區(qū)域遙感數據，包括1986-1999年間Landsat_5 TM影像共69景，2000-2012年間Landsat_7 ETM+影像共66景，2013-2020年間Landsat_8 OLI影像共47景，2019-2020年間Sentinel_2 MSI 影像共29景.采用gapfill插件進行了ETM+影像條帶修補.Landsat系列數據均來自美國地質調查局官網(https://earthexplorer.usgs.gov/)的地表反射率產品，Sentinel_2數據來自歐空局官網(https://scihub.copernicus.eu/)的MSI Level-2A 級地表反射率產品.

此外，從中國氣象信息中心(http://data.cma.cn)下載了1986-2020 年間涼城氣象站的氣溫、降水和風速等數據，用于研究湖泊營養(yǎng)狀態(tài)與氣象因素之間的關系.由于岱海湖泊存在結冰期，對氣象數據統計采用4-10月份的月平均值以及年平均值.

2 方法

2.1 營養(yǎng)狀態(tài)指數

卡爾森(1977年)提出了TSI與透明度、葉綠素和總磷等參數相關聯的理論解釋，開發(fā)了基于透明度為核心的營養(yǎng)狀態(tài)指數.透明度易于獲得，是水生生態(tài)系統營養(yǎng)狀態(tài)的綜合代理，由水體中的懸浮物、藻類和溶解有機物控制，通過控制水下光場而影響水生植物和生物的初級生產能力[34].本文采用透明度單個水質指標來計算營養(yǎng)狀態(tài)指數[35-36]，計算公式如下：

(2)

式中，SDD為透明度，ln2為2的自然對數.根據我國環(huán)境監(jiān)測總站頒布的《湖泊(水庫)富營養(yǎng)化評價方法及分級技術規(guī)定》，可將湖泊營養(yǎng)狀態(tài)分為3類，TSI<30為貧營養(yǎng)狀態(tài)、30≤TSI≤50為中營養(yǎng)狀態(tài)、TSI≥50為富營養(yǎng)狀態(tài).富營養(yǎng)狀態(tài)又可分為，輕度富營養(yǎng)化(5070).

2.2 色度角alpha

與FUI相比，色度角alpha是一個連續(xù)的數值變量，用一個數字表示光譜的顏色[22].色度角是(x，y)坐標的極角，通過將3個可見光波段的Rrs轉換到國際照明委員會(CIE)色彩空間中的坐標(X，Y，Z)，再將其轉化為CIE色度系統內的色度坐標(x，y，z).為了清晰量化CIE系統中的顏色，將坐標原點旋轉到(1/3，1/3)處，則每個(x，y)坐標轉換為新的坐標(x′，y′)[37-39].CIE-RGB分別選取為665、560、490 nm波段.

CIE-RGB與CIE-XYZ之間的轉換公式如下：

X=2.7689R+1.7517G+1.1302B

Y=1.0000R+4.5907G+0.0601B

Z=0.0000R+0.0565G+5.5934B

(3)

CIE色度坐標(x，y，z)是從X、Y、Z通過歸一化到0～1之間計算獲得.又基于色度坐標(x，y)，建立新的坐標系(x′，y′).公式如下：

x′=y-1/3

y′=x-1/3

(4)

基于新坐標，色度角計算公式如下：

alpha=arctan2(x′,y′)180/π

(5)

式中，arctan2函數表示雙變量反正切函數，值域為(0°，360°)，x′和y′表示新坐標系中的坐標.

2.3 經驗算法建立

色度角是一個定義明確的物理量，它直接與光學深水的組成和固有光學性質有關[22]，可以表示水體顏色，且不同混濁和營養(yǎng)狀態(tài)的水在色階上的呈現不同[37].因此，本文通過最小二乘回歸試圖建立TSI與alpha之間的經驗關系.

TSI=a·alpha+b

(6)

式中，a和b為模型系數.

2.4 精度檢驗

利用均方根誤差(RMSE)、平均百分比誤差(MAPE)評價反演模型精度，公式分別為：

(7)

(8)

式中，ximea和xipre分別為模型估計TSI和實測估計TSISDD，N為采樣點數.

2.5 數據分析

為了探究岱海水體營養(yǎng)化的主要氣候變量，首先利用SPSS軟件對數據進行了Z-score標準化，隨后使用Amos 24.0軟件創(chuàng)建了一個結構方程模型(SEM)，量化了氣溫、降雨量和風速對岱海水體營養(yǎng)化的影響，并利用絕對擬合值數：擬合優(yōu)度指數(GFI)、近似均方根誤差(RMSEA)和相對擬合值數：比較擬合指標(CFI)進行模型擬合度檢驗.則GFI和CFI大于0.9，越接近1越好，RMSEA小于0.05時模型擬合良好.

3 結果與分析

3.1 營養(yǎng)狀態(tài)遙感反演模型

本文試圖尋找基于遙感反射率R、G、B波段運算的alpha與TSISDD之間的關系.將alpha作為自變量，TSISDD視為因變量(圖3a)，利用隨機抽樣選取的162組實測透明度和遙感反射率數據，采用最小二乘法確定模型參數，建立岱海湖營養(yǎng)狀態(tài)遙感評估模型，公式如下：

圖3 基于實測數據的TSISDD與色度角alpha散點圖(a); 模型檢驗(b)

TSI=0.65alpha-45.78

(9)

利用剩余的54組數據，檢驗模型精度(圖3b)，可以看出反演TSI與實測TSISDD較均勻分布在1∶1線兩側.根據檢驗結果顯示，R2=0.74，MAPE=4.84%，RMSE=3.66，表明本文建立的經驗模型精度較高，可以很好地反映岱海的營養(yǎng)狀態(tài).將模型應用于216組實測數據得到岱海營養(yǎng)狀態(tài)，如表1所示.岱海共216個采樣點，其中3個采樣點為中營養(yǎng)化，213個采樣點為富營養(yǎng)化(其中，屬于輕度富營養(yǎng)化的站點最多，為96)，無貧營養(yǎng)化采樣點.

表1 基于實測數據的營養(yǎng)狀態(tài)評估模型評價結果

3.2 營養(yǎng)狀態(tài)評估模型的遙感應用

3.2.1 Sentinel_2 MSI反射率驗證 利用時空匹配的實測遙感反射率數據，驗證了 MSI 和 OLI 數據的大氣校正結果，見圖4.從圖4a、b、c和e可以看出，2019年10月9日(R2=0.82，RMSE=0.01 sr-1，MAPE=31.70%)、2020年6月14日(R2=0.92，RMSE=0.01 sr-1，MAPE=49.84%)、2020年7月19日(R2=0.77，RMSE=0.01 sr-1，MAPE=27.37%)和2020年10月12日(R2=0.72，RMSE=0.01 sr-1，MAPE=42.42%)的實測與Sentinel_2 MSI光譜反射率具有較好的一致性.圖4d為2020年8月24日實測與Landsat_8 OLI光譜反射率之間的R2=0.57，RMSE=0.01 sr-1，MAPE=31.0%.這些結果表明了MSI和OLI數據大氣校正結果的可靠性.

3.2.2 Sentinel_2 MSI反演結果驗證 根據同步野外實測日期的時空匹配遙感影像，利用2019年10月8日、2020年6月14日和2020年10月12日的MSI數據，驗證了alpha和TSI反演結果(圖5).從圖5a中可以看出，實測與同一天MSI數據反演得到的色度角alpha具有較好的一致性，R2=0.69，MAPE=2.51%，RMSE=5.43°.圖5b中，基于本文經驗模型反演得到的TSI與實測TSISDD的驗證結果為，R2=0.42，MAPE=4.87%，RMSE=6.31.這些結果表明了基于MSI數據的alpha和TSI反演結果的可靠性.

3.2.3 Landsat _8 OLI與Sentinel_2 MSI反演結果對比 利用 2020 年 8 月 24 日數據檢驗了OLI 數據反演得到的alpha和TSI結果.從圖6可以看出精度檢驗看出，alpha和TSI都得到了較好的反演結果，檢驗精度分別為R2=0.84，RMSE=9.28°，MAPE=4.65%和R2=0.85，RMSE=5.76，MAPE=7.64%，說明反演效果較好.

圖6 實測alpha(a)、TSI(b)與Landsat_8 OLI遙感反演對比

利用 2019 年 4 月 16 日的 MSI 與 OLI數據進行交叉驗證，alpha驗證結果如圖7a，為R2=0.86，RMSE=1.60°，MAPE=0.70%.TSI驗證結果如圖7b，為R2=0.86，RMSE=1.04，MAPE=1.18%.從精度檢驗結果來看 MSI 和 OLI 數據在反演水體營養(yǎng)狀態(tài)方面有很好的一致性.

圖7 Sentinel_2 MSI 與 Landsat_8 OLI 的交叉驗證

根據本文建立的經驗模型，利用2019年10月8日、2020年6月14日、7月21日、8月24日和10月12日的遙感影像進行岱海營養(yǎng)狀態(tài)遙感反演(圖8).從圖中可以看出，在6月14日水體南部富營養(yǎng)現象較嚴重，7月21日水體東部富營養(yǎng)化現象增加南部稍緩，且8月24日岱海西南部富營養(yǎng)化現象增加，水質整體下降，到10月12日水體富營養(yǎng)化逐漸緩和.2019年10月相較于2020年10月水質狀況較好(圖8a).如圖8b岱海富營養(yǎng)化分級圖中可以看出，2019年10月8日、6月14日以及7月21日岱海主要處于中營養(yǎng)狀態(tài)，8月24日和10月12日處于輕度富養(yǎng)狀態(tài)，但 8月24日邊緣部分富營養(yǎng)化較嚴重，7月21日相較于其他日期水質狀況較好.總體上，岱海水體水陸邊界附近營養(yǎng)化存在較嚴重現象，且逐漸往湖中心趨于緩和.

圖8 岱海營養(yǎng)狀態(tài)遙感反演(a)和富營養(yǎng)化分級(b)

3.2.4 岱海水體營養(yǎng)狀態(tài)年際變化 本文利用時間序列Landsat_5 TM、Landsat_7 ETM+、Landsat_8 OLI和Sentinel_2A遙感影像，用上述經驗模型進行營養(yǎng)狀態(tài)反演，并除以給定年份的圖像總數得到1986-2020年岱海營養(yǎng)狀態(tài)年平均空間分布圖(圖9)和岱海富營養(yǎng)化分級空間分布圖(圖10).

圖9 岱海營養(yǎng)狀態(tài)年平均空間分布

從1986-2020年岱海營養(yǎng)狀態(tài)年度動態(tài)中(圖9)可以看出，1986-1993年岱海湖富營養(yǎng)化現象逐漸嚴重，主要在南部以及西南部富營養(yǎng)化較嚴重，1992年和1993年湖泊污染最嚴重，湖泊整體呈現出中度富營養(yǎng)化.從1994年開始富營養(yǎng)化現象逐漸好轉，2002年中營養(yǎng)化現象最為明顯.到2006年輕度富營養(yǎng)化現象又逐漸加重，2007年南部離岸附近富營養(yǎng)化現象進一步加重.2008年水體中營養(yǎng)化所占區(qū)域增大，到2009年又進入輕度富營養(yǎng)化狀態(tài)，中營養(yǎng)化區(qū)域減少，且南部邊緣區(qū)營養(yǎng)化稍加嚴重.2010年和2011年水體又轉變?yōu)橹袪I養(yǎng)化，尤其在2010年出現貧營養(yǎng)化狀態(tài)，為水質最好時期.2012年又恢復到富營養(yǎng)化狀態(tài)，且在2013年以及2014年營養(yǎng)化現象好轉，中營養(yǎng)化區(qū)域逐漸增加但從2015年以來水體富營養(yǎng)化又加重，在2016年開始水體輕度富營養(yǎng)化開始出現在湖岸附近，水體整體以重度富營養(yǎng)化為主，到2018年逐漸轉變中度富營養(yǎng)化.2019年水體營養(yǎng)狀況好轉，但在2020年又進入輕度富營養(yǎng)化.總體來講，從1986-2020年之間，岱海水體營養(yǎng)化現象大體上從邊緣逐漸向湖中心趨于緩和，重度富營養(yǎng)化現象主要出現水陸邊界線附近，離岸邊越近富營養(yǎng)化現象越嚴重，趨向湖中心則以中營養(yǎng)為主，可得出岱海水體長期處于輕度富營養(yǎng)化狀態(tài)，并在中度富營養(yǎng)化或中營養(yǎng)化之間轉換(圖10).

圖10 岱海富營養(yǎng)化分級

3.2.5 岱海水體營養(yǎng)狀態(tài)月變化 從圖11明顯可以看出，4月和5月水體富營養(yǎng)化現象最為嚴重，其次為10月，主要出現在湖泊邊緣區(qū)域，湖中心則以中度富營養(yǎng)化為主.此外，6月雖然是以中度富營養(yǎng)化為主，但湖中心區(qū)域出現中營養(yǎng)化，7月和9月水質情況相同，水體以中營養(yǎng)為主，邊緣區(qū)域則為輕度富營養(yǎng)化.8月為水質狀況最好時期，主要以中營養(yǎng)化為主，湖中心出現貧營養(yǎng)化現象，且湖岸附近明顯為輕度富營養(yǎng)化.大致與岱海營養(yǎng)狀態(tài)年度動態(tài)變化相同，湖泊富營養(yǎng)化嚴重部分主要在水路邊界附近，趨向湖中心營養(yǎng)化等級一般則降一個度，水質營養(yǎng)狀況最好區(qū)域一般出現在湖中心部分.

圖11 岱海營養(yǎng)狀態(tài)月平均空間分布(a)和富營養(yǎng)化分級(b)

3.3 岱海營養(yǎng)狀態(tài)影響因素分析

為說明岱海湖泊營養(yǎng)狀態(tài)變化驅動因素，收集了氣候因素數據，分別為氣溫、風速、降水量等.在湖泊的演變過程中，氣候起著十分重要的作用，尤其對我國干旱半干旱區(qū)域的內陸湖泊，氣候變化對環(huán)境的影響更為強烈和直接[40].從圖12可以看出，1986-2020年涼城縣氣象站年平均氣溫呈現上升趨勢，降雨量和風速整體無明顯趨勢，但降水量在相鄰年間的波動較大.總體上，氣溫、風速、降水量等與年平均營養(yǎng)狀態(tài)無顯著相關關系，但在部分時間段上呈現出正相關或負相關關系.利用1986-2020年涼城縣氣象站獲取月平均降水量、月平均氣溫和月平均風速(圖13)用以分析岱海營養(yǎng)狀態(tài).可以看出，TSI與風速趨勢大致相同，都是6-8月逐漸下降，再從8-10月上升，8月為最低點.TSI與降水量趨勢大致相反，與氣溫之間的相關性不太顯著.

圖12 營養(yǎng)狀態(tài)與年平均氣象因素趨勢

圖13 營養(yǎng)狀態(tài)與月平均氣象因素趨勢

采用結構方程模型(SEM)方法分析了氣象因素對TSI的影響.模型擬合度為χ2=2.252、df=2、P=0.324、GFI=0.965、CFI=0.914、近似均方根誤差(RMSEA)=0.062和χ2=9.614、df=2、P=0.008、GFI=0.720、CFI=0.681 和RSEMA=0.797(圖14).結構方程模型表明，潛在變量如氣候因子對岱海水體年際營養(yǎng)狀態(tài)變化的解釋率為0.13%，氣溫和風速對其間接影響屬于負相關，相關系數分別為-0.26和-0.14，降水量對其間接影響屬于正相關，相關系數為0.16.對于月平均營養(yǎng)狀態(tài)變化的解釋率為93%，其中與氣溫和降雨量為負相關，風速為正相關，間接影響可達93%，與圖13展現的相關性一致.氣候因子對岱海水體年際營養(yǎng)化影響并不顯著，但與月平均營養(yǎng)化的相關性較高.氣溫對年際變化或月平均TSI的影響都表現為負相關，岱海流域氣溫呈現出逐年上升趨勢，水體溫度的升高，影響了水體浮游植物的光合作用[41].風速無明顯年變化性，但月變化明顯.風速過大，引起湖底泥沙攪動，沉積懸浮物升起使得水體透明度下降，從而影響水體營養(yǎng)狀態(tài).此外，另有研究表明，風浪擾動引起懸浮的營養(yǎng)鹽形態(tài)主要以顆粒態(tài)為主，而能被藻類直接利用的溶解濃度變化不大，并且水柱中營養(yǎng)鹽濃度隨著風速減弱、顆粒物沉降而逐漸降低[42].淺層富營養(yǎng)化湖泊對風速下降極其敏感，隨著風速降低，尤其是低風速持續(xù)時間延長，湖底間歇性缺氧/厭氧的概率增加，會導致淺水湖泊中底泥溶解性養(yǎng)分的高釋放，從而加重水體富營養(yǎng)化[43].降雨量對年平均TSI的影響并不明顯，是由于岱海地區(qū)降水量少而集中，主要體現在年平均降水量較少，從而對TSI的影響微小呈現負相關；相反，對于月平均降水量主要表現為集中的特點，從而對TSI的影響較大呈現顯著正相關關系.

圖14 營養(yǎng)狀態(tài)影響因素結構方程模型(年平均數據和月平均數據)(矩形表示測量變量，而圓圈表示潛在變量.與路徑箭頭相關聯的值表示標準化的路徑系數)

4 結論與討論

本文得到的營養(yǎng)狀態(tài)反演結果存在一定的不確定性，主要體現在實測數據與遙感數據時間和空間尺度上的不一致，并且有些年份中月影像數據的缺失，以及由于2003年ETM+機載掃描行校正器發(fā)生故障，導致之后收集的數據缺失出現條帶狀，等現象均可能會對結果產生一定的影響.本文研究中采用透明度作為參數，與張運林等的研究相比指標參數過于單一.在進一步的研究中，需要結合其他遙感數據以及參數，需對alpha展開更為深入的研究.

本文利用實測光譜和透明度數據，基于營養(yǎng)狀態(tài)指數法和色度角之間建立了適于岱海營養(yǎng)狀態(tài)的經驗模型，并對模型進行了精度檢驗.隨后，將算法應用到Sentinel_2 MSI、Landsat_5 TM、Landsat_7 ETM+和Landsat_8 OLI遙感影像，分析了1986-2020年間岱海水體營養(yǎng)狀態(tài)時空分布特征，并使用結構方程模型分析了水體富營養(yǎng)化的氣候影響因素，具體結論如下：

1)利用Sentinel_2 MSI和Landsat_8 OLI數據，基于實測TSI數據與色度角，建立了營養(yǎng)狀態(tài)評估模型，用于預測北方內陸湖泊-岱海水體的營養(yǎng)狀態(tài).采用交叉驗證方法進行精度驗證，檢驗精度結果較好(R2=0.70，MAPE=7.4%，RMSE=5.20).

2)將該經驗模型應用到Sentinel_2 MSI和Landsat_8 OLI衛(wèi)星數據，反演水體營養(yǎng)狀態(tài).利用Sentinel_2 MSI反演的TSI進行驗證，結果表明遙感反演結果較好，TSI的檢驗精度為R2=0.42，MAPE=4.87%，RMSE=6.31；alpha的檢驗精度為R2=0.69，MAPE=2.51%，RMSE=5.43°.

3)通過時間序列MSI、TM、ETM+和OLI數據得到了岱海1986-2020年的時空分布圖.從1986-2020年之間，岱海水體面積逐年減少，且多數時間處在輕度富營養(yǎng)化狀態(tài)，并與中營養(yǎng)化或中度富營養(yǎng)化之間切換，水體富營養(yǎng)化現象大體上從邊緣逐漸向湖中心趨于緩和，離岸邊越近富營養(yǎng)化現象越嚴重，趨向湖中心則以中營養(yǎng)為主，貧營養(yǎng)化現象極少.

4)岱海的營養(yǎng)狀態(tài)時空變化與氣溫、風速和降水量等相關性并不顯著，氣候因子對其解釋率為13%.營養(yǎng)狀態(tài)月變化與氣候因子影響顯著，對其解釋率為93%.