內(nèi)陸水體藻藍(lán)蛋白濃度遙感監(jiān)測(cè)方法分析

摘要 藻藍(lán)蛋白（PC）是內(nèi)陸水域藍(lán)藻存在的一個(gè)重要指標(biāo)。眾所周知，藍(lán)藻水華對(duì)水生生態(tài)系統(tǒng)、農(nóng)業(yè)用水及人類健康有著重要的影響。近年來(lái)，內(nèi)陸水體PC濃度遙感監(jiān)測(cè)得到了廣泛的關(guān)注。然而，由于內(nèi)陸水體的生物光學(xué)特性復(fù)雜，定量監(jiān)測(cè)PC濃度仍然是一個(gè)挑戰(zhàn)。本文討論了利用現(xiàn)有遙感數(shù)據(jù)對(duì)PC的監(jiān)測(cè)方法，以期為PC遙感監(jiān)測(cè)研究提供一定的參考。

關(guān)鍵詞 藻藍(lán)蛋白;遙感;方法分析

中圖分類號(hào)：X52 文獻(xiàn)標(biāo)識(shí)碼： 文章編號(hào)：2095–3305（2020）06–0–02

DOI：10.19383/j.cnki.nyzhyj.2020.06.065

近年來(lái)，由于對(duì)水環(huán)境和人類健康的不利影響，內(nèi)陸水體富營(yíng)養(yǎng)化現(xiàn)象受到越來(lái)越多的關(guān)注。作為富營(yíng)養(yǎng)化的一種重要表現(xiàn)形式，頻繁的藍(lán)藻水華已經(jīng)對(duì)人類及其環(huán)境造成了嚴(yán)重威脅。然而，由于缺乏對(duì)藍(lán)藻毒素的定量調(diào)查，很難估算其對(duì)飲用水和灌溉水、漁業(yè)和地表水等重要資源的潛在危害。因此，對(duì)內(nèi)陸水體藍(lán)藻水華的估算，特別是通過遙感技術(shù)提供實(shí)時(shí)的、動(dòng)態(tài)的監(jiān)測(cè)十分重要。

葉綠素a（Chl-a）作為浮游植物生物量的標(biāo)志，在內(nèi)陸水體中的遙感算法已經(jīng)較為成熟[1]。藻藍(lán)蛋白（PC）作為藍(lán)藻特有的色素，已經(jīng)證明了其在估算藍(lán)藻生物量方面的巨大潛力。目前，所提出的幾種產(chǎn)自內(nèi)陸水域的PC反演算法大多依賴于620 nm附近的光譜曲線特征。一旦遙感數(shù)據(jù)缺失PC該敏感波段，就只能利用傳統(tǒng)的經(jīng)驗(yàn)方法建立模型。因此，不同的遙感數(shù)據(jù)由于波段數(shù)量和位置的不同，產(chǎn)生了不同的估算模型。

1 藻藍(lán)蛋白估算模型

1.1 經(jīng)驗(yàn)?zāi)Ｐ?/p>

傳統(tǒng)的經(jīng)驗(yàn)?zāi)Ｐ褪歉鶕?jù)遙感光學(xué)特征參數(shù)與實(shí)測(cè)PC濃度之間的統(tǒng)計(jì)關(guān)系所建立的回歸模型。例如，Vincent等[2]利用TM數(shù)據(jù)波段比值估算了北美伊利湖的PC濃度。馬榮華等[3]利用MODIS數(shù)據(jù)，通過建立多項(xiàng)式回歸模型來(lái)估算PC濃度。Wozniak等[4]利用OLCI數(shù)據(jù)建立了波段比值回歸模型，結(jié)果顯示高光譜數(shù)據(jù)在經(jīng)驗(yàn)?zāi)Ｐ椭芯哂幸欢ǖ臐摿?，并且隨著高光譜傳感器的發(fā)展，傳統(tǒng)的經(jīng)驗(yàn)?zāi)Ｐ鸵哺幼⒅毓庾V曲線的光學(xué)特性。相對(duì)于PC而言，這些算法主要利用了620 nm附近的獨(dú)特吸收特性。例如，一些研究人員已經(jīng)成功地使用650 nm/625 nm/709 nm/620 nm的反射率比值估算了PC濃度。

傳統(tǒng)的經(jīng)驗(yàn)?zāi)Ｐ碗m然是建立在一定的光譜特征基礎(chǔ)上，但就模型本身而言，仍然是基于實(shí)測(cè)數(shù)據(jù)與光譜信息的統(tǒng)計(jì)關(guān)系上建立的。因此，模型的通用性并不理想，在空間上與時(shí)間上的變化很難產(chǎn)生穩(wěn)定的結(jié)果。

1.2 半經(jīng)驗(yàn)半分析模型

為了克服傳統(tǒng)經(jīng)驗(yàn)?zāi)Ｐ偷娜秉c(diǎn)，基于水體光學(xué)特性的半分析算法應(yīng)運(yùn)而生，并應(yīng)用于簡(jiǎn)單的傳輸模型。在借鑒Chl-a半分析模型算法的基礎(chǔ)上，Gitelson等[5]通過分離620 nm處PC吸收率，提出了幾種估算PC的半分析算法。這些算法已經(jīng)在一些PC濃度較高的富營(yíng)養(yǎng)化水域得到了一定的驗(yàn)證。與傳統(tǒng)的經(jīng)驗(yàn)算法相比，半經(jīng)驗(yàn)半分析模型在時(shí)間和空間尺度上具有更高的通用性。然而，與這些算法仍然存在大氣校正、參數(shù)確定等一系列困難。模型的參數(shù)確定，尤其是在620 nm處PC吸收參數(shù)的確定對(duì)模型反演的精度至關(guān)重要，參數(shù)的不確定性將直接影響算法的精度。在內(nèi)陸渾濁水體，參數(shù)隨時(shí)間、空間及水環(huán)境的變化而變化，將使得模型在大尺度空間中的應(yīng)用變得困難。

為減少渾濁水體其他水質(zhì)參數(shù)對(duì)光譜曲線的影響，Dall'Olmo等[6]提出了三波段半經(jīng)驗(yàn)半分析模型，并在對(duì)內(nèi)陸渾濁水體葉綠素a反演取得較好的效果，其公式可表示如下：

式中，Rλ1為受水質(zhì)參數(shù)吸收影響最大位置所對(duì)應(yīng)的反射率值，Rλ2為受水質(zhì)參數(shù)吸收影響最小位置所對(duì)應(yīng)的反射率值，Rλ3為受散射影響最小位置所對(duì)應(yīng)的反射率值。因此，三波段的位置λ1、λ2、λ3應(yīng)分別選擇在620 nm、600 nm、725 nm。然而，由于λ1與λ2波段選取位置較為接近，這種重疊效應(yīng)使得三波段模型中PC的反演很難達(dá)到葉綠素a濃度的反演效果。與此同時(shí)，一些學(xué)者提出對(duì)三波段模型進(jìn)行一定的校正，校正后λ2波段位置通常設(shè)置在650～710 nm處。

1.3 分析模型

分析模型是通過將多波段數(shù)據(jù)轉(zhuǎn)換成吸收系數(shù)（a）和向后散射系數(shù)（b）的反演算法。該方法在不同水域得到一定的進(jìn)展。模型假設(shè)吸收系數(shù)約等于葉綠素a吸收與PC吸收之和。

其中，φ1和φ2可以通過波段比值的經(jīng)驗(yàn)法估算，φ1=aChl-a （665）/aChl-a （620），φ2=aPC（665）/aPC （620）。與半經(jīng)驗(yàn)半分析模型相比，分析模型是建立在一定的物理基礎(chǔ)上，并且在一定的水域取得了更好的反演效果。然而，由于缺乏aPC（620）的實(shí)地測(cè)量，導(dǎo)致參數(shù)φ1和φ2無(wú)法導(dǎo)出和標(biāo)定，進(jìn)而導(dǎo)致PC濃度估算中存在較大的不確定性。

此外，在內(nèi)陸水域中除PC和葉綠素a，還存在一定的浮游植物、溶解有機(jī)物和無(wú)機(jī)顆粒物等。由于這些組分的存在，測(cè)定PC吸收系數(shù)要比設(shè)定的情況復(fù)雜得多。將多波段反射數(shù)據(jù)轉(zhuǎn)換為吸收系數(shù)的過程，也會(huì)導(dǎo)致一定的不確定性。因此，在內(nèi)陸水體的分析模型中，參考光譜波段的選擇和經(jīng)驗(yàn)參數(shù)的確定是一個(gè)相當(dāng)困難的問題。

2 小結(jié)

藻藍(lán)蛋白（PC）的定量估算是監(jiān)測(cè)內(nèi)陸和沿海環(huán)境中藍(lán)藻水華的關(guān)鍵。PC的吸收特性決定了其反演算法較為適合的使用波長(zhǎng)范圍為610～630 nm波段。目前，常用的反演算法包括了傳統(tǒng)經(jīng)驗(yàn)算法中的波段比值模型、半經(jīng)驗(yàn)半分析算法中的三波段模型、分析模型和一些其他校正模型。然而，大多數(shù)的衛(wèi)星傳感器缺少620 nm附近的特定波段。因此，現(xiàn)有的PC反演算法大多集中于野外、船載或機(jī)載高光譜傳感器的數(shù)據(jù)，并進(jìn)行反演。而在衛(wèi)星數(shù)據(jù)中的大規(guī)模應(yīng)用還需要進(jìn)一步的改進(jìn)和研究。

參考文獻(xiàn)

[1] 戴欣，吳東芳，白焱，等.浮游植物體內(nèi)葉綠素a含量測(cè)定方法[J].東北水利水電，2013，31（8）：13–14.

[2] Vincent R K，Qin X ，Mckay R M L ，et al.Phycocyanin detection from LANDSAT TM data for mapping cyanobacterial blooms in Lake Erie[J].Remote Sensing of Environment，2004，89（3）：381–392.

[3] 馬榮華，孔維娟，段洪濤，等.基于MODIS影像估測(cè)太湖藍(lán)藻暴發(fā)期藻藍(lán)素含量[J].中國(guó)環(huán)境科學(xué)，2009（3）：254–260

[4] Monika W ，Katarzyna B，Miroslaw D，et al.Empirical Model for Phycocyanin Concentration Estimation as an Indicator of Cyanobacterial Bloom in the Optically Complex Coastal Waters of the Baltic Sea[J].Remote Sensing，2016，8（3）：212.

[5] Gitelson A A，Gritz Y，Merzlyak M N.Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves.[J].Journal of Plant Physiology，2003，160（3）：271–282.

[6] Dall'Olmo G，Gitefson A A . Effect of Bio-optical Parameter Variability on the Remote Estimation of Chlorophyll-a Concentration in Turbid Productive Waters：Experimental Results——Erratum[J].Applied Optics，2005，44（16）：3342.

責(zé)任編輯：黃艷飛

Analysis of Remote Sensing Monitoring Method of Phycocyanin Concentration in Inland Water

LIU Yu （School of History and Culture， Mudanjiang Normal University， Mudanjiang， Heilongjiang 157012）

Abstract Phycocyanin （PC） is an important indicator of the existence of cyanobacteria in inland waters. As we all know， cyanobacteria blooms have important effects on aquatic ecosystems， agricultural water use and human health. In recent years， remote sensing monitoring of PC concentrations in inland waters has received extensive attention. However， due to the complex bio-optical properties of inland water bodies， quantitative monitoring of PC concentration remains a challenge. This article discusses the use of existing remote sensing data to monitor PC， in order to provide a certain reference for PC remote sensing monitoring research.

Key words Phycocyanin; Remote sensing; Method analysis

基金項(xiàng)目 黑龍江省教育廳基本科研業(yè)務(wù)費(fèi)項(xiàng)目（1355MSYQN007）;牡丹江師范學(xué)院科研項(xiàng)目（QN2019010）。

作者簡(jiǎn)介 劉宇（1985–），男，黑龍江牡丹江人，碩士，講師，主要從事資源信息系統(tǒng)研究。

收稿日期 2020–06–15