基于GOCI數(shù)據(jù)的太湖葉綠素a濃度反演和藍藻水華遙感監(jiān)測*

朱冰川 尤 凱 石浚哲 吳 蔚 葉 涼

(1.江蘇省無錫環(huán)境監(jiān)測中心,江蘇 無錫 214121；2.江南大學(xué)環(huán)境與土木工程學(xué)院,江蘇 無錫 214122)

20世紀90年代以來，太湖頻繁爆發(fā)藍藻水華，2007年藍藻水華導(dǎo)致的太湖飲用水危機影響尤為嚴重，已經(jīng)嚴重影響人體健康和社會穩(wěn)定。要對太湖藍藻水華進行有效治理，必須對其發(fā)生、發(fā)展的整個過程有清晰的把握，而太湖藍藻水華具有爆發(fā)面積大、時空變化劇烈等特點[1]，因此實現(xiàn)太湖藍藻水華時空動態(tài)監(jiān)測尤為重要[2]。傳統(tǒng)的富營養(yǎng)化指數(shù)和藍藻水華監(jiān)測，不僅需耗費大量人力物力，而且難以實現(xiàn)大面積的實時監(jiān)測。遙感監(jiān)測成本低，可以快速、實時、大面積監(jiān)測水體表面的長期動態(tài)變化[3-4]，在湖泊藍藻水華動態(tài)監(jiān)測和預(yù)警預(yù)報，以及湖泊富營養(yǎng)化監(jiān)測方面具有巨大優(yōu)勢[5]。當(dāng)前有多種遙感反演算法應(yīng)用于太湖的藍藻水華研究，例如浮藻指數(shù)(FAI)法[6-7]、三波段模型法[8]等。已有學(xué)者利用MODIS、MERIS、Landsat、哨兵2A等衛(wèi)星開展了湖泊藍藻水華的遙感監(jiān)測工作[9-12]，但是這些極軌衛(wèi)星仍然無法對藍藻水華一天內(nèi)的變化進行持續(xù)觀測。

韓國“千里眼”衛(wèi)星(COMS)是具有較高空間分辨率的地球靜止衛(wèi)星，其搭載的靜止軌道海洋水色遙感器(GOCI)可對特定區(qū)域進行持續(xù)觀測，時間分辨率達到1 h。HUANG等[13]采用GOCI遙感數(shù)據(jù)，使用波段比值模型反演了太湖葉綠素a濃度，并分析了太湖葉綠素a濃度的分布與動態(tài)變化。本研究在對GOCI遙感數(shù)據(jù)大氣校正的基礎(chǔ)上，使用相較于波段比值模型精度更高的三波段模型對太湖葉綠素a濃度進行反演，并開展太湖富營養(yǎng)化評價；使用歸一化植被覆蓋指數(shù)(NDVI)開展太湖藍藻水華的提取、強度分級和動態(tài)變化逐時監(jiān)測，從而更好地服務(wù)于太湖夏季藍藻水華預(yù)警、預(yù)報和預(yù)測。

1 材料與方法

1.1 水質(zhì)采樣和光譜測量

2019年5月10日、5月24日在與GOCI遙感數(shù)據(jù)同步的10：15和11：15對太湖實施了兩次采樣，共計22個采樣點，用丙酮提取法測定葉綠素a濃度[14]，作為反演建模數(shù)據(jù)集。6月3日相同時間又進行了1次采樣，采集了10個采樣點，作為驗證數(shù)據(jù)集。

與水樣采集同步，使用ASD Field Spec Pro FR便攜式地物光譜儀進行水面光譜采集，光譜范圍為350～1 050 nm，分辨率為3 nm，儀器觀測平面與太陽入射平面的夾角為135°(背向太陽)，儀器與水面法線的夾角為40°。水面光譜采集結(jié)束后，將儀器觀測平面向上旋轉(zhuǎn)90°，對天空輻亮度進行測量[15]39，剔除異常值后計算遙感反射率，計算公式見式(1)。

(1)

式中：R(λ)為λ波長處遙感反射率；L(λ)為λ波長處離水輻亮度，W/(cm2·nm·sr)；E(λ)為λ波長處水面總?cè)肷漭椪斩?，W/(cm2·nm)。其中，L(λ)和E(λ)分別通過式(2)和式(3)計算得到。

L(λ)=Ls(λ)-r×Lsky(λ)

(2)

(3)

式中：Ls(λ)為測得的λ波長處離水輻亮度，W/(cm2·nm·sr)；Lsky(λ)為測得的λ波長處天空漫反射光輻亮度，W/(cm2·nm·sr)；r為水氣分界面對天空漫反射光的反射率，本研究中，平靜水面取0.022，有風(fēng)(風(fēng)速為5 m/s左右)水面取0.025[15]40；Lp(λ)為測得的λ波長處標(biāo)準灰板輻亮度，W/(cm2·nm·sr)；ρp為標(biāo)準灰板的反射率。

GOCI有8個通道，通道B1至B8中心波長分別為412、443、490、555、660、680、745、865 nm，波寬均為20 nm。通過式(4)計算得到通道Bi(i為通道排序號)的等效離水輻亮度(Li，W/(cm2·nm·sr))，通過式(5)計算得到Bi的等效水面總?cè)肷漭椪斩?Ei，W/(cm2·nm))，再通過式(6)計算得到通道Bi的等效遙感反射率(Ri)。

(4)

(5)

(6)

式中：λ1、λ2分別為通道Bi的波段區(qū)間最小值和最大值，nm；f(λ)為通道Bi的光譜響應(yīng)函數(shù)。

1.2 GOCI遙感數(shù)據(jù)

GOCI每天提供8：15至15：15的遙感數(shù)據(jù)，可實時監(jiān)測整個太湖水域，可以實現(xiàn)高頻次的水色參數(shù)與藍藻水華動態(tài)變化的監(jiān)測[16]。

本研究獲取了GOCI遙感數(shù)據(jù)，使用GOCI數(shù)據(jù)處理系統(tǒng)(GDPS)進行數(shù)據(jù)處理后得到各通道通過瑞利散射校正的等效遙感反射率，并進行大氣校正[17]。

1.3 研究方法

1.3.1 GOCI遙感數(shù)據(jù)的葉綠素a濃度反演

DALL’OLMO等[18]提出的三波段模型無法直接用于GOCI遙感數(shù)據(jù)的葉綠素a濃度反演。但郭宇龍等[19]對三波段模型進行了進一步推演，構(gòu)建了適用于GOCI遙感數(shù)據(jù)的葉綠素a濃度反演的三波段模型，本研究參照該模型進行GOCI遙感數(shù)據(jù)的葉綠素a濃度反演。

1.3.2 基于NDVI的藍藻水華監(jiān)測

當(dāng)藍藻水華發(fā)生時，聚集于水面的水華會使該水域表現(xiàn)出與植被光譜相似的特征。本研究根據(jù)式(7)計算GOCI遙感數(shù)據(jù)的NDVI來進行太湖藍藻水華的監(jiān)測。

(7)

式中：I為NDVI。

1.3.3 富營養(yǎng)化評價

本研究采用李云梅等[20]建立的湖泊富營養(yǎng)化評價綜合指數(shù)模型(見式(8))評價太湖富營養(yǎng)化水平，TLI≤30為貧營養(yǎng)、3070為重度富營養(yǎng)。

TLI=10×(2.5+1.086lnC)

(8)

式中：TLI為富營養(yǎng)化綜合指數(shù)；C為葉綠素a質(zhì)量濃度，μg/L。

2 結(jié)果與分析

2.1 GOCI遙感數(shù)據(jù)的大氣校正精度判定

從表1可以看出，除通道B8的平均相對誤差為38.79%外，其余通道的平均相對誤差均在30%以下，本研究涉及的通道B5、B6和B7的平均相對誤差分別為20.42%、23.76%、25.71%。

2.2 太湖葉綠素a濃度反演

三波段模型對比目前常用的波段比值模型發(fā)現(xiàn)，三波段模型的線性決定系數(shù)為0.774 9，高于波段比值模型的0.762 2；三波段模型估算的葉綠素a濃度與實測葉綠素a濃度的平均相對誤差為32.14%，而波段比值模型估算的葉綠素a濃度與實測葉綠素a濃度的平均相對誤差為37.25%。由此可見，三波段模型要優(yōu)于波段比值模型。因此，三波段模型可以用于GOCI遙感數(shù)據(jù)在太湖中的葉綠素a濃度反演。

表1 大氣校正結(jié)果

圖1為2019年6月3日10：15至15：15基于GOCI遙感數(shù)據(jù)的太湖葉綠素a濃度反演結(jié)果。由于水華發(fā)生時，藻類漂浮于水面，探測不到水體的信息，因此葉綠素a濃度的反演需先將水華區(qū)剔除。本研究將NDVI≥0.1的區(qū)域認為水華區(qū)。根據(jù)文獻[21]和實地觀測，胥湖和東南角水域被大量水草覆蓋，本研究將其劃為水草區(qū)，不參與葉綠素a濃度的反演。另外，由于6月3日8：15和9：15云量較高，也不進行葉綠素a濃度的反演。

注：雖有個別點的葉綠素a質(zhì)量濃度超過0.08 mg/L，但不影響總體分布，因此不作考慮。圖1 2019年6月3日太湖葉綠素a質(zhì)量濃度分布Fig.1 Chlorophyll-a concentration distribution in Taihu Lake on June 3rd,2019

由圖1可以看出，當(dāng)日葉綠素a大致呈湖心和西部濃度較低，北部和西南沿岸濃度較高的空間分布。分析葉綠素a濃度隨時間推移的動態(tài)過程發(fā)現(xiàn)，10：15太湖水體的葉綠素a質(zhì)量濃度平均值為0.018 3 mg/L，15：15降到了0.016 1 mg/L，其中10：15至13：15葉綠素a濃度是增長的，之后持續(xù)降低，符合光合作用的日變化規(guī)律。由此可見，用GOCI遙感數(shù)據(jù)進行太湖葉綠素a濃度反演可以更加實時地掌握太湖的葉綠素a濃度變化。

2.3 太湖藍藻水華監(jiān)測

同樣地，水草區(qū)不進行水華監(jiān)測。8：15和9：15的遙感數(shù)據(jù)也不考慮。使用等間隔閾值法[22]進行水華分級，NDVI≥0.5為重度水華，0.3≤NDVI<0.5為中度水華，0.1≤NDVI<0.3為輕度水華，NDVI<0.1為正常水體，水華監(jiān)測結(jié)果如圖2和表2所示。竺山湖和椒山周邊水域水華聚集情況較為嚴重，是當(dāng)天重度水華的主要發(fā)生區(qū)域；西南沿岸也有水華發(fā)生，但隨著時間推移逐步減弱；湖心區(qū)域則經(jīng)歷了一個從無到有、再到無的過程。分析水華面積發(fā)現(xiàn)，10：15至13：15是水華面積持續(xù)擴大的過程，13：15水華總面積達到了516.07 km2，重度水華達到118.02 km2，是當(dāng)日藍藻水華爆發(fā)最為嚴重的時段，這與葉綠素a濃度的時間變化規(guī)律一致，原因可解釋為水華面積與藻類光合作用強度有密切關(guān)系，當(dāng)天15：15的水華總面積降至最低(287.35 km2)。

圖2 2019年6月3日太湖藍藻水華分布Fig.2 Cyanobacterial bloom distribution in Taihu Lake on June 3rd,2019

表2 2019年6月3日太湖藍藻水華面積

圖3 太湖富營養(yǎng)化水平Fig.3 Taihu Lake eutrophication level

2.4 太湖富營養(yǎng)化評價

由于瞬時的富營養(yǎng)化評價意義不大，故這里選取了太湖藍藻水華爆發(fā)的初始階段4月(包括4月1日、4月5日、4月6日、4月15日和4月18日)和太湖藍藻水華爆發(fā)的旺盛階段6月(包括6月3日、6月4日、6月15日和6月28日)進行富營養(yǎng)化評價和比較，所選GOCI遙感數(shù)據(jù)在云量較低的情況下獲得，并經(jīng)過了大氣校正，撇開水草區(qū)，從而得到2019年4月和6月的太湖富營養(yǎng)化綜合指數(shù)平均分布(見圖3)。

從空間分布來看，太湖富營養(yǎng)化水平總體呈西部高東部低、北部高南部低、邊緣高中間低的趨勢。從4月到6月的變化趨勢來看，太湖富營養(yǎng)化水平明顯加劇，貧、中營養(yǎng)湖區(qū)面積大幅萎縮，富營養(yǎng)湖區(qū)面積明顯增長。4月中營養(yǎng)湖區(qū)面積還有62.92%，而6月就沒有了；4月輕度富營養(yǎng)湖區(qū)面積占37.08%，6月增加到了80.30%；4月沒有中度和重度富營養(yǎng)湖區(qū)，但6月分別占到了17.23%、2.47%。

3 結(jié) 論

(1) 三波段模型優(yōu)于波段比值模型，可以用于GOCI遙感數(shù)據(jù)反演太湖葉綠素a濃度。

(2) 2019年6月3日太湖葉綠素a大致呈湖心和西部濃度低、北部和西南沿岸濃度高的空間分布；從10：15至15：15，葉綠素a濃度先升高后降低，符合光合作用的日變化規(guī)律。

(3) 太湖藍藻水華監(jiān)測表明，竺山湖和椒山周邊水域水華聚集情況較為嚴重，是當(dāng)天重度水華的主要發(fā)生區(qū)域；水華的時間變化規(guī)律同葉綠素a濃度變化規(guī)律一致。

(4) 對2019年4月和6月的GOCI遙感數(shù)據(jù)進行富營養(yǎng)化評價發(fā)現(xiàn)，太湖富營養(yǎng)化水平總體呈西部高東部低、北部高南部低、邊緣高中間低的趨勢；6月較4月富營養(yǎng)化水平明顯加劇。