文 曄,王松妍,張 歡

(1. 大連理工大學(xué)城市學(xué)院建筑工程學(xué)院,遼寧 大連 116600; 2. 沈陽農(nóng)業(yè)大學(xué)土地與環(huán)境學(xué)院,遼寧 沈陽 110866; 3. 遼寧錦鵬地理信息科技有限公司,遼寧 沈陽 110000)

隨著經(jīng)濟(jì)發(fā)展需要和人類活動(dòng)范圍增大,湖泊水環(huán)境相關(guān)問題愈發(fā)得到重視。湖泊水藻污染導(dǎo)致水體缺氧、水質(zhì)變壞、魚蝦死亡,同時(shí)影響居民用水,給環(huán)境、農(nóng)業(yè)和漁業(yè)帶來極大危害,造成經(jīng)濟(jì)損失。近年來環(huán)境污染逐漸加重,受藻類污染的湖泊數(shù)目增加,規(guī)模也越來越大,急需快速、高效且便捷的藻類污染監(jiān)測(cè)方法。傳統(tǒng)的湖泊藻類危害信息提取方式多數(shù)為人工現(xiàn)場(chǎng)勘測(cè)統(tǒng)計(jì)、手動(dòng)測(cè)量并上報(bào)等,耗費(fèi)人力財(cái)力的同時(shí)主觀性強(qiáng),而遙感技術(shù)具有獲取數(shù)據(jù)全面、受氣候影響小、數(shù)據(jù)更新速度快及監(jiān)測(cè)面積大等多重優(yōu)點(diǎn),是目前響應(yīng)較為迅速的動(dòng)態(tài)監(jiān)測(cè)水藻污染的技術(shù)手段。常用的遙感監(jiān)測(cè)方法主要有單波段閾值法、監(jiān)督分類法等。本文采用的多波段比值法效率和準(zhǔn)確率較高,具有廣泛的應(yīng)用價(jià)值[1]。湖泊藻類監(jiān)測(cè)由海洋藻類監(jiān)測(cè)演化而來,且現(xiàn)有藻類提取多數(shù)基于水色衛(wèi)星和多光譜衛(wèi)星,缺乏高分衛(wèi)星數(shù)據(jù)和紅邊波段的應(yīng)用。

在植被定量遙感中,紅邊是綠色植被在680～780 nm之間反射光譜中最大斜率的點(diǎn),可提供比紅綠波段和短波紅外更為豐富的紅邊區(qū)域波譜信息。由于在紅邊波段光譜存在非常明顯的變化趨勢(shì),紅邊波段在識(shí)別植被葉綠素含量時(shí)有更為顯著的作用[2]。研究表明,紅邊指數(shù)對(duì)植物葉綠素濃度、葉表面冠層、葉聚和冠層結(jié)構(gòu)敏感[3-4],在農(nóng)作物特征分析[5-8]、草地品質(zhì)評(píng)價(jià)[9]、分析林地信息[10]、提取濕地信息[11-12]、冰湖提取[13]等方向都有廣泛應(yīng)用。因此,紅邊波段在湖泊藻類污染監(jiān)控方向有廣闊的研究和應(yīng)用前景。

高分一號(hào)衛(wèi)星突破了高空間分辨率、多光譜與高時(shí)間分辨率結(jié)合的光學(xué)遙感技術(shù),對(duì)于推動(dòng)我國(guó)衛(wèi)星工程水平的提升及提高我國(guó)高分辨率數(shù)據(jù)自給都具有重大戰(zhàn)略意義。高分六號(hào)是中國(guó)第一顆具備紅邊波段的寬視場(chǎng)多光譜中高分辨率衛(wèi)星,寬幅相機(jī)影像具有8個(gè)波段,包含兩個(gè)紅邊波段,更有利于監(jiān)測(cè)植被狀態(tài),提高了我國(guó)農(nóng)業(yè)、林業(yè)、草原、濕地等資源的監(jiān)測(cè)能力,為生態(tài)文明建設(shè)、城市綠化、自然資源管理等需求提供大量數(shù)據(jù),同時(shí)也標(biāo)志著國(guó)家高分辨率對(duì)地觀測(cè)重大專項(xiàng)中“2 m/8 m光學(xué)成像衛(wèi)星系統(tǒng)”正式建成[14-15]。目前把紅邊波段應(yīng)用于湖泊藻類范圍提取的研究還很少,尤其是針對(duì)國(guó)內(nèi)首顆包含紅邊波段的湖泊藻類污染監(jiān)測(cè)研究。本文嘗試構(gòu)建應(yīng)用紅邊波段的歸一化植被指數(shù),利用高分系列衛(wèi)星對(duì)南灣湖水庫(kù)進(jìn)行短時(shí)序水藻監(jiān)測(cè)研究,進(jìn)而為穩(wěn)步發(fā)展的國(guó)產(chǎn)高分系列數(shù)據(jù)的應(yīng)用提供依據(jù)。

1 研究區(qū)與研究數(shù)據(jù)

1.1 研究區(qū)域

南灣湖位于河南省信陽市西南5 km,水域遼闊,面積約為75 km2,岸邊植被茂盛,湖中島嶼綠樹成林,蒼翠欲滴。湖水清澈透明,煙波浩渺,有著“豫南明珠”的美譽(yù),是河南省十大重點(diǎn)景區(qū)之一。南灣湖景區(qū)處在南北氣候過渡帶,季相多變。年平均氣溫為15.1℃,夏季高溫可達(dá)35℃左右,夏季氣候十分適宜藻類生長(zhǎng)繁殖。

1.2 研究數(shù)據(jù)

以高分一號(hào)和高分六號(hào)遙感影像為數(shù)據(jù)源,分別選取成像時(shí)間為2020年7月20日的GF-1 WFV影像數(shù)據(jù)、8月2日的GF-1 WPF影像數(shù)據(jù)、8月3日的GF-6 PMS影像數(shù)據(jù)、8月3日的GF-6 WFV影像數(shù)據(jù)、8月4日的GF-1B影像數(shù)據(jù)、8月5日的GF-1 WFV影像數(shù)據(jù)及8月9日的GF-1 W影像數(shù)據(jù)。

根據(jù)官方發(fā)布的相關(guān)信息,7月末至8月初為南灣湖水庫(kù)水藻爆發(fā)及清理時(shí)間,具體清理水藻時(shí)間為2020年7月31日。數(shù)據(jù)的分辨率及波段信息見表1,產(chǎn)品等級(jí)為1A級(jí)。其中高分六號(hào)寬幅相機(jī)增加了能有效反映農(nóng)作物葉綠素含量和光譜屬性的2個(gè)波段(B5和B6)。本文利用ENVI進(jìn)行數(shù)據(jù)預(yù)處理,先采用ENVI集成的全球高程數(shù)據(jù)GMTED2010.jp2和數(shù)據(jù)自身RPC參數(shù)實(shí)現(xiàn)RPC正射校正,再利用輻射定標(biāo)和FLAASH大氣校正功能,對(duì)數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正,便于后續(xù)植被指數(shù)等參數(shù)計(jì)算。

表1 GF-1、GF-6衛(wèi)星光譜波段 μm

2 研究方法

2.1 歸一化植被指數(shù)

高分一號(hào)與高分六號(hào)衛(wèi)星的時(shí)間分辨率高,覆蓋范圍大,因此可利用連續(xù)的多時(shí)相遙感影像獲得不同日期的歸一化植被指數(shù)(NDVI)數(shù)據(jù),提取出短時(shí)序的區(qū)域內(nèi)植被范圍圖。通過后續(xù)實(shí)現(xiàn)對(duì)比分析,能夠得到研究區(qū)范圍內(nèi)水藻發(fā)展、消亡與復(fù)發(fā)趨勢(shì)。公式為

NDVI=(B4-B3)/(B4+B3)

(1)

高分六號(hào)衛(wèi)星空間分辨率與高分一號(hào)相同,但新增了紫波段、黃波段、紅邊波段1和紅邊波段2,寬幅影像的幅寬也比高分一號(hào)寬幅影像大,因此在NDVI的基礎(chǔ)上引入兩個(gè)紅邊波段,計(jì)算多時(shí)相遙感影像的紅邊波段歸一化植被指數(shù)NDVI-B5和NDVI-B6[7],以此提取影像中的藻類范圍,與使用經(jīng)典NDVI提取的藻類范圍進(jìn)行對(duì)比,驗(yàn)證紅邊波段提取湖泊中藻類范圍的有效性。NDVI-B5和NDVI-B6計(jì)算公式分別為

NDVI-B5=(B5-B3)/(B5+B3)

(2)

NDVI-B6=(B6-B3)/(B6+B3)

(3)

2.2 歸一化差異水體指數(shù)

采用歸一化差異水體指數(shù)法(NDWI)提取水體信息。水體指數(shù)法利用水體在波長(zhǎng)逐漸增大時(shí),對(duì)光的反射率逐漸降低的原理,對(duì)影像的可見光波段和近紅外波段進(jìn)行比值運(yùn)算,進(jìn)而達(dá)到提取水體范圍的目的[16]。NDWI法能夠有效地放大水體與其他地物之間的特征差異,對(duì)背景噪聲有較好的抑制效果。雖然NDWI法不易將水體與建筑物進(jìn)行明顯區(qū)分,導(dǎo)致提取信息中會(huì)存在城區(qū)建筑信息,但研究區(qū)域內(nèi)的湖泊周圍幾乎沒有建筑物,因此不會(huì)對(duì)提取的水體范圍精度和準(zhǔn)確度造成實(shí)質(zhì)性影響,故本文采用NDWI法對(duì)研究區(qū)內(nèi)的多時(shí)相GF-1和GF-6影像數(shù)據(jù)提取水體信息。公式為

NDWI=(B2-B4)/(B2+B4)

(4)

2.3 矢量化及提取分析

采用植被指數(shù)法、水體指數(shù)法分別提取7期遙感影像研究區(qū)內(nèi)的水體和植被范圍信息。利用ArcGIS批量將水體范圍與植被范圍的二值化圖像進(jìn)行矢量化,實(shí)現(xiàn)提取分析,獲取水體范圍內(nèi)的綠色植被信息數(shù)據(jù)。由于這些植被信息在各期影像中的位置、面積等都存在不同,結(jié)合7月末湖泊發(fā)生藻類污染的實(shí)際情況,認(rèn)定這些范圍內(nèi)的綠植為水藻。同時(shí)由于南灣湖曾發(fā)生過較為嚴(yán)重的藍(lán)藻污染,可推斷此次水藻污染大概率為藍(lán)藻污染。將各期影像獲取的水藻污染范圍按時(shí)序排列分析即可得到南灣湖在7月末至8月初的水體藻類污染發(fā)展、消亡及復(fù)發(fā)趨勢(shì),對(duì)比后確定研究成果的準(zhǔn)確性。

2.4 同時(shí)間不同方法結(jié)果對(duì)比

8月3日GF-6 WFV數(shù)據(jù)中含有兩個(gè)紅邊波段,采用改進(jìn)的NDVI-B5和NDVI-B6方法提取水藻信息。與8月3日利用傳統(tǒng)NDVI方式提取水藻信息的GF-6 PMS數(shù)據(jù)提取結(jié)果進(jìn)行對(duì)比,驗(yàn)證NDVI-B5和NDVI-B6和紅邊波段在湖泊水藻提取中應(yīng)用的可行性,為湖泊水藻提取和高分六號(hào)數(shù)據(jù)的應(yīng)用提供技術(shù)依據(jù)。技術(shù)流程如圖1所示。

圖1 技術(shù)流程

3 結(jié)果與分析

圖2為多時(shí)相影像水藻的提取結(jié)果,可以看出,共有12個(gè)位置有明顯異常區(qū)域,詳細(xì)分析各區(qū)域在不同日期的水藻污染狀況。

圖2 多時(shí)相水藻提取結(jié)果

區(qū)域1:7月20日無云霧及島嶼等影響,且寬度較寬不是岸邊干擾,推斷為水藻污染;8月2日異常值為云霧影響,根據(jù)前后時(shí)相影像推斷,不認(rèn)為存在水藻污染。推測(cè)區(qū)域1在7月20日有水藻污染,水藻被清理后無復(fù)發(fā)跡象。如圖3所示。

圖3 區(qū)域1水藻提取情況

區(qū)域2:7月20日的異常值范圍大于其他日期,雖然臨近岸邊但寬度較寬,認(rèn)定為可能發(fā)生了水藻污染;8月2日影像由于云的影響與其他時(shí)相略顯不同,但未認(rèn)為是水藻污染,后續(xù)時(shí)相中均未發(fā)現(xiàn)水藻污染現(xiàn)象。同時(shí)由于區(qū)域2存在島嶼,因此會(huì)導(dǎo)致一部分影像在此處NDVI值異常高,與水藻污染無關(guān)。如圖4所示。

圖4 區(qū)域2水藻提取情況

區(qū)域3:同區(qū)域2相同,湖中島嶼的存在導(dǎo)致數(shù)據(jù)NDVI值高而被提取,與水藻污染無關(guān)。如圖5所示。

圖5 區(qū)域3水藻提取情況

區(qū)域4:區(qū)域上方2個(gè)河道分支在7月20日有小片異常值,認(rèn)為可能有水藻污染;8月2日和3日在不同位置出現(xiàn)異常值,均認(rèn)為是云霧與島嶼影響導(dǎo)致,與水藻污染無關(guān),其他時(shí)相均未發(fā)現(xiàn)水藻污染痕跡。如圖6所示。

圖6 區(qū)域4水藻提取情況

區(qū)域5和區(qū)域6:7月20日影像可見云霧覆蓋,認(rèn)為是云霧影響與水藻污染無關(guān),其他時(shí)相均未發(fā)現(xiàn)水藻污染痕跡。如圖7所示。

圖7 區(qū)域5和區(qū)域6水藻提取情況

區(qū)域7:7月20日影像中的大片異常值為水藻污染,導(dǎo)致NDVI異常;8月2日左上異常值為云影響了水體提取范圍;8月4日異常值為云與云間的陰影所導(dǎo)致,其他時(shí)相均未發(fā)現(xiàn)水藻污染痕跡。如圖8所示。

圖8 區(qū)域7水藻提取情況

區(qū)域8:7月20日可能有水藻污染情況,但因區(qū)域太窄不能確定;8月2日云影響了對(duì)應(yīng)結(jié)果;8月3日無水藻污染狀態(tài)出現(xiàn);8月4日和9日有污染情況,同時(shí)疑似污染復(fù)發(fā);分析8月5日數(shù)據(jù)可知,由于云的影響導(dǎo)致水體范圍提取過小,未監(jiān)測(cè)出污染,但根據(jù)綠植提取范圍認(rèn)為該日也存在一定程度的污染問題。如圖9所示。

圖9 區(qū)域8水藻提取情況(08-05交叉線為植被提取范圍,反斜線為水體提取范圍)

區(qū)域9:8月4日影像異常值由云和云的陰影共同導(dǎo)致,不能認(rèn)定范圍內(nèi)有水藻污染,其他時(shí)相均未發(fā)現(xiàn)水藻污染痕跡。如圖10所示。

圖10 區(qū)域9水藻提取情況

區(qū)域10:7月20日從光學(xué)影像和提取圖中可以明顯觀察到水藻污染狀態(tài),但8月4日異常值由云和云的陰影所導(dǎo)致,其他時(shí)相均未監(jiān)測(cè)到水藻污染痕跡。如圖11所示。

圖11 區(qū)域10水藻提取情況

區(qū)域11:7月20日異常由水藻污染引起,8月2日異常值由薄云和陰影共同導(dǎo)致,其他時(shí)相均未發(fā)現(xiàn)水藻污染痕跡。如圖12所示。

圖12 區(qū)域11水藻提取情況

區(qū)域12:8月3日區(qū)域中部和下部的異常值由云影響,8月4日區(qū)域上方的異常值是由云與云的陰影引致,不認(rèn)定該日區(qū)域有水藻污染,其他時(shí)相均未發(fā)現(xiàn)水藻污染痕跡。如圖13所示。

圖13 區(qū)域12水藻提取情況

2020年7月末,南灣湖水庫(kù)在此期間發(fā)生過水藻(藍(lán)藻)污染事件,嚴(yán)重影響了湖泊的生態(tài)環(huán)境和飲用水衛(wèi)生,政府于7月31日實(shí)施水藻打撈工作,清理了湖中水藻。本文所示成果表明研究時(shí)間段內(nèi)整個(gè)湖區(qū)范圍內(nèi)水藻污染最嚴(yán)重的日期為7月20日,在某些區(qū)域(區(qū)域8)認(rèn)為后續(xù)有水藻污染復(fù)發(fā)的可能性,與南灣湖實(shí)情相符。

4 結(jié) 語

本文選取GF-1和GF-6影像對(duì)河南省信陽市南灣湖水庫(kù)水藻污染情況進(jìn)行了提取分析。通過短時(shí)序監(jiān)測(cè)獲取了2020年7月末至8月初階段內(nèi)水藻污染與消亡的發(fā)展過程,方法較為簡(jiǎn)便且不受天氣環(huán)境和人力條件限制。通過WFV數(shù)據(jù)和PMS數(shù)據(jù)結(jié)論的比對(duì),證實(shí)了國(guó)產(chǎn)高分?jǐn)?shù)據(jù)和紅邊波段在湖泊綠藻監(jiān)測(cè)上有廣闊的應(yīng)用前景。“2 m/8 m光學(xué)成像衛(wèi)星系統(tǒng)”在提升湖泊水藻提取的準(zhǔn)確率和效率方面會(huì)成為更重要的角色,具備更大的發(fā)展?jié)摿透鼜V的適用性。

城市湖泊利用過程中應(yīng)加強(qiáng)生態(tài)環(huán)境保護(hù)的宣傳,提高居民保護(hù)自然環(huán)境的意識(shí),與此同時(shí)加強(qiáng)政府部門對(duì)環(huán)境保護(hù)的監(jiān)督,制定和推行湖泊生態(tài)環(huán)境保護(hù)章程。伴隨著我國(guó)遙感事業(yè)的蓬勃發(fā)展和更多國(guó)產(chǎn)衛(wèi)星星座的構(gòu)建,未來也將會(huì)有更加便捷、準(zhǔn)確、經(jīng)濟(jì)的湖泊藻類監(jiān)測(cè)和保護(hù)生態(tài)環(huán)境的多功能復(fù)合實(shí)時(shí)遙感信息手段,以此指導(dǎo)湖泊和其他生態(tài)環(huán)境的可持續(xù)開發(fā)和建設(shè)。