基于TM/ETM+影响分析巢湖叶绿素a浓度变化趋势

谢 杰,王心源,张 洁,李 伟(.安徽师范大学环境科学与工程学院,安徽 芜湖 24003；2.安徽遥感考古工作站,安徽 芜湖 24000；3.中国科学院对地观测与数字地球科学中心,北京 0090；4.安徽师范大学国土资源与旅游学院,安徽 芜湖 24003)

基于TM/ETM+影响分析巢湖叶绿素a浓度变化趋势

谢 杰1,2,王心源2,3*,张 洁2,4,李 伟1(1.安徽师范大学环境科学与工程学院,安徽 芜湖 241003；2.安徽遥感考古工作站,安徽 芜湖 241000；3.中国科学院对地观测与数字地球科学中心,北京 100190；4.安徽师范大学国土资源与旅游学院,安徽 芜湖 241003)

对1995～2007年6景巢湖地区TM/ETM+数据利用多暗像元法进行大气校正并利用修正归一化水体指数(MNDWI)进行水体信息提取,在此基础上,使用(TM2+TM4-TM3)/ln[TM3]模型提取了巢湖水体叶绿素a相对浓度信息.结果表明:高浓度区域主要分布在巢湖西半湖;南淝河水质情况对巢湖蓝藻暴发的贡献较大;1995～2006年间高浓度区域扩大了1.82倍,并有向巢湖东部扩展的趋势,富营养化程度仍在加剧.

叶绿素a；遥感；相对浓度信息；变化分析；巢湖

Abstract：6 periods remote sensing data from 1995～2007 of Chaohu area were processed. The method of many dark pixels was adopted to carry out atmospheric modification and the modified normalized difference water index (MNDWI) was adopted to get the information of water. On this basis, the information of chlorophyll-a relative concentration in Chaohu Lake was extracted by the model of (TM2+TM4-TM3)/ln[TM3]. The area of high concentration was mainly distributed in the western of Chaohu Lake; The water quality of Nanfei River contributed more to algae bloom in Chaohu Lake; The area of high concentration increased by 1.82-fold from 1995 to 2006 and had tendency of expanding to the east of Chaohu Lake, with the degree of eutrophication still aggravating.

Key words：chlorophyll-a；remote sensing；information of relative concentration；analysis of change；Chaohu Lake

叶绿素a含量是衡量湖泊富营养化的重要指标,是湖泊水质监测的重要内容[1−2].因此叶绿素a含量的调查对于了解湖泊富营养化程度及其变化趋势以及防控蓝藻暴发带来的危害具有重要意义.常规水质监测是人工进行实地取样,只能了解监测断面上的水质状况,不能全面反映大型湖泊内的叶绿素分布情况.由于遥感技术具有综合、宏观、信息量大、获取信息快、更新周期短、便于动态监测等特点,因此可以有效地解决传统水质监测的局限性,节省人力物力财力.

目前,国内外许多学者对应用遥感技术监测湖泊叶绿素的研究做了大量的工作[3−6],结果表明应用该技术估测内陆湖泊叶绿素a浓度是可行的.

由于应用遥感技术来定量反演叶绿素a浓度时都需要由实测数据来拟合,并且每种模型都要做精确的大气校正.因此在缺乏大气参数或没有足够实测数据的情况下,这些模型的精度和准确性得不到保证[7-8].针对这种情况,本文以巢湖为实验区,利用多暗像元大气校正方法[9]进行大气校正,并在分析该湖区水体光谱反射率特征的基础上提出了一种不需要实测资料来提取叶绿素a相对浓度信息的方法.并利用实测资料对此方法的分类结果进行了检验和分析.

1 研究区概况

巢湖是我国五大淡水湖泊之一,位于长江下游左岸、安徽省中部.经纬度范围:E117°16′54″～E117°51′46″,N30°25′28″～N31°43′28″.由于社会经济的快速发展,大量的含N、P营养物质排入湖内,导致巢湖水体的富营养化程度大大加快,水华爆发频率及范围不断增加.巢湖水体水质的恶化已严重影响并制约了周边城市的经济发展,并被国务院列为重点治理水域.

2 研究方法

2.1遥感影像预处理

2.1.1几何精校正 研究所用的TM/ETM+数据来源于中国科学院计算机网络信息中心的国际科学数据镜像网站,所有遥感影像数据均已经过几何精校正.所有影像的投影坐标系均采用UTM投影(通用横轴墨卡托投影)及北京坐标系.

2.1.2大气校正 影像大气校正的主要目的是消除大气、太阳高度角、视角和地形等对地面光谱反射信号的影响[10].由于水体本身光谱值较低,受大气影响相对较大,为了保证数据的可比性,必须进行大气校正,从而剔除大气以及其他因素影响.多暗像元大气校正方法以暗目标减法(DOS)[11]为基础,结合大气辐射传输模型,通过选取TM/ETM+影像上多个暗像元,并计算其所对应的大气校正系数对整幅图像进行大气校正.该方法不依赖任何外部信息,并且考虑了大气的非均质性,校正精度较高.因此采用该方法对此次研究所需的TM/ETM+各个波段进行大气校正.

选取了经大气校正后的2006年7月30日TM图像巢湖水体光谱反射率与实测的巢湖水体光谱反射率做了对比(图1),其中TM第2波段绝对误差为0.5%,相对误差为5.1%.第3波段绝对误差为0.8%,相对误差为15.7%.第4波段绝对误差为0.7%,相对误差为6.1%.各波段的大气校正误差较小,由此可见多暗像元大气校正方法具有较高的校正精度,大气校正结果能够满足提取叶绿素a相对浓度的要求.

图1 大气校正后水体反射率与实测水体反射率的比较Fig.1 Comparison of water spectral reflectance after atmospheric correction and water spectral reflectance based on measurement

2.1.3水体信息的提取 采用修正归一化水体指数MNDWI来进行水体信息的提取.修正归一化水体指数是徐涵秋[12]对McFeeters的归一化水体指数NDWI[13]进行修正后提出的,其数学表达式为:

式中:MIR和Green分别代表中红外波段和绿光波段的反射率,对Landsat卫星而言,分别代表TM/ETM+的2和5波段.巢湖整个湖岸线既有人工建设的水泥道路和裸露的基岩,也有植被覆盖的淤泥质岸线和裸地,修正归一化水体指数可以有效抑制这些非水体信息.利用MNDWI指数法,按照设定的阈值,对研究区水域进行提取,并在此基础上应用AOI工具绘制多边形AOI,利用此多边形AOI提取巢湖水域.由于巢湖内有两个小岛对叶绿素a提取有一定影响,因此,先用AOI工具提取小岛区域,而后应用Modeler工具从巢湖水域中减去小岛区域,最后得到巢湖水体范围作为本次研究区域.

2.1.4叶绿素a信息提取 李素菊等[14](2002)通过对巢湖水体藻类叶绿素浓度与反射光谱特征关系的研究发现,巢湖水体光谱反射率呈现出典型的内陆水体光谱特征.在400～ 500nm范围内,水体的反射率较低,当藻类密度较高时水体光谱反射曲线在这两个波段附近出现吸收峰值.550～580nm范围内,由于叶绿素a和胡萝卜素的吸收和细胞的散射作用从而出现反射峰,可以作为叶绿素定量标志.由于藻蓝素的吸收峰在624nm处,所以630nm附近出现的反射率谷峰呈肩状.685～715nm范围内反射峰的出现是含藻类水体最显著的光谱特征,其存在与否通常被认为是判定水体是否含有藻类叶绿素的依据.含藻类水体的这些光谱特征是叶绿素浓度信息提取的主要依据.

研究选择用于叶绿素提取的TM/ETM+波段为2、3、4波段.其中2波段波长为520～600nm,处于反射峰位置;3波段波长为630～690nm,处于吸收峰位置;4波段波长为760～900nm,处于叶绿素a反射峰处[7].为了使水体叶绿素a信息得到增强,抑制水体中其他物质的干扰,本文提出使用(TM2+TM4-TM3)/ln[TM3]模型来提取TM/ ETM+图像的叶绿素a信息,得到水体叶绿素a浓度分布图.

2.1.5图像处理 为了进行不同时期巢湖叶绿素a浓度变化研究,分别选取1995年8月1日(TM)、1995年9月18日(TM)、2001年9月26日(ETM+)、2002年7月11日(ETM+)、2006年7月30日(TM)、2007年10月5日(TM)共6景巢湖遥感数据进行不同年份夏秋季节叶绿素a浓度对比及变化研究.

TM/ETM+遥感影像数据经过大气校正以及巢湖水域信息提取后在利用ERDAS9.2软件的Modeler工具下,以(TM2+TM4-TM3)/ln[TM3]波段组合的方式提取叶绿素a浓度信息,在此之后进行叶绿素a浓度高低分类.由于各时期巢湖水体中叶绿素a浓度的变化,故其反射率也是变化不一的,本研究通过多次尝试比较,发现选取占图像直方图中部约95%的主要数据作为分类依据能够得到较为合理的浓度高低分类效果.1995年8月1日、1995年9月18日、2001年9月26日、2002年7月11日、2006年7月30日、2007年10月5日图像95%数据的DN值范围依次为: 1.77312～4.97882、1.74080～4.90593、1.67498～3.78742、1.83450～5.46808、1.74284～5.95395、1.70566～4.87869.为了使图像分类后具有代表性以及可比性,用于分类的DN值范围为DNmin≤DN≤DNmax,其中DNmin为不同时期图像95%数据的DN最小值的平均值,DNmax为不同时期图像95%数据的DN最大值的平均值, 因此用于分类的DN值范围为1.74532≤DN≤4.99548.将DN值范围进行密度分割, 最终将巢湖水体叶绿素a浓度按由低到高分成4个等级:DN≤2.55786(低)、2.55786＜DN≤3.37040(较低)、3.37040＜DN≤4.18294(中)、DN＞4.18294(高),使用ERDAS9.2软件的Modeler工具下的条件操作函数实现图像的分类.

3 图像处理结果

遥感影像经过大气校正、叶绿素a浓度信息提取以及浓度等级划分后,得到各个时期巢湖叶绿素a相对浓度分布图(图2).最后使用2006年7月30日进行的同步巢湖叶绿素a浓度实测数据(巢湖叶绿素a监测点见图3)对叶绿素a相对浓度提取模型进行检验,实测值与图像DN值对应关系见表1.图4显示了叶绿素a相对浓度提取模型与实测值的线性拟合情况.

经以上分析计算分析可知,叶绿素a浓度提取模型与实测值有较高的对应关系,线性相关系数为0.9134.经显著性检验得t＞t0.01(10),显著性水平P＜0.01,因此线性相关具有非常显著的意义.这说明利用(TM2+TM4-TM3)/ln[TM3]的值来提取TM/ETM+图像的叶绿素a相对浓度信息与实际情况比较吻合,能够正确有效地反映出湖区叶绿素a浓度的实际情况.

4 讨论

由分类后的图像可得出不同时期叶绿素a各浓度等级面积(表2).

以上不同时期的巢湖叶绿素a各浓度等级面积的统计数据以及图像反应的叶绿素a空间分布可以很清晰地反应出1995～2007年巢湖叶绿素a相对浓度在7～9月份的分布变化情况.

图2 不同时期巢湖叶绿素a相对浓度分布Fig.2 Distribution of relative concentration of chlorophyll-a in Chaohu Lake at different periods

图3 巢湖叶绿素a监测点Fig.3 Sites of chlorophyll-a monitoring in Chaohu Lake

从图2可见,高浓度的叶绿素a区域主要分布在巢湖的西半湖,特别是在南淝河的入湖区高浓度的叶绿素a区域分布尤为集中,从侧面印证了南淝河的水质较差,由南淝河向巢湖注入了大量的氮、磷等营养元素,对巢湖蓝藻的爆发具有较大的推动作用,这与前人所做的研究相吻合[15−16],同时说明了利用(TM2+TM4-TM3)/ln[TM3]来提取叶绿素a相对浓度具有一定的准确性,能够反映巢湖水体的实际情况.

通过对1995年8月1日与1995年9月18日图像以及统计数据横向比较分析,1995年8月1日与1995年9月18日巢湖叶绿素a各浓度等级从分布上来看具有一定的相似性,但1995年9月18日初秋时期巢湖高浓度及中等浓度叶绿素a面积却比1995年8月1日夏季时期面积大,出现这种情况的原因可能是由于1995年9月份的气温异常偏高所致.根据1995年《中国气象年鉴》[17],巢湖地区9月份的最高气温高达38.6℃,比7月份的最高气温37.2℃高出1.4℃,由于气温对蓝藻生长的生长起着至关重要的作用,气温越高越有利于蓝藻等藻类的繁殖[18],因此1995年9月18日巢湖出现了大面积高浓度叶绿素a的现象.这说明气温的变化对藻类繁殖具有很大的影响,巢湖蓝藻暴发随着季节的更替呈现出一定的规律性.

表1 实测值与图像DN值对应关系Table 1 The corresponding relation between the data based on measurement and the DN value of images

通过对1995年8月1日、2002年7月11日、2006年7月30日图像以及统计数据纵向比较分析,1995～2006年11年期间,巢湖高浓度的叶绿素a区域面积由5.61%增加到了15.83%,扩大了1.82倍,中等浓度区域面积由14.05%增加到了52.19%,扩大了2.71倍,较低浓度及低浓度区域面积均呈下降趋势,说明巢湖蓝藻暴发的强度以及范围都呈现增加态势,富营养化程度增强.由统计数据可知,2002～2006年期间高浓度叶绿素a区域面积的增长速率比1995～2002年增长速率慢、增加量小,说明了通过采取加强对重污染工矿企业的监督管理、增强城市污水处理能力、巢湖底泥疏浚工程以及生态修复等一系列的治理控制措施,在一定程度上减缓了巢湖水质富营养化的趋势,但是从2006年7月30日的浓度分布图上来看,高浓度区域有向巢湖东部扩展的趋势,特别是巢湖东部的裕溪河河口处也出现了较大面积的高浓度叶绿素a的聚集区,表明了虽然采取各种治理措施,巢湖富营养化的趋势并没有得到根本性的转变,富营养化程度仍在加剧.

图4 叶绿素a模型线性回归拟合分析Fig.4 Linear regression fitting analysis about the model of chlorophyll-a

表2 不同时期叶绿素a各浓度等级的面积Table 2 The area of different chlorophyll-a concentration grades at different periods

通过对1995年9月18日、2001年9月26日、2007年10月5日图像以及统计数据纵向比较分析,1995年9月18日出现的高浓度叶绿素a区域面积比2001年9月26日、2007年10月5日高浓度区域面积大、分布集中,出现这种情况的原因可能是由于1995年9月份的气温异常偏高所致[17].通过对2001年9月26日、2007年10月5日数据的对比分析发现,2007年初秋季节巢湖高浓度及中等浓度叶绿素a面积比2001年初秋季节分别增大了0.94倍及1.19倍,特别是2007年10月5日巢湖西半湖中部出现了较大面积的高浓度叶绿素a区域,说明了巢湖富营养化程度的加剧以及蓝藻暴发持续时间的增长.

随着全球气候变化,气温逐年升高,将会为巢湖蓝藻暴发提供适宜的条件,巢湖蓝藻暴发的频率将升高,持续时间将增长.因此,需要对巢湖蓝藻暴发机理进行深入的研究,特别是应用遥感、GIS等新兴技术手段对巢湖水质进行长期、宏观、动态研究,为巢湖蓝藻暴发的防治提供必要的理论技术支持,实现巢湖地区社会经济的可持续发展.

5 结论

5.1利用多暗像元法进行TM/ETM+遥感影像大气校正并使用修正归一化水体指数(MNDWI)进行巢湖水域信息提取,在此基础上以(TM2+ TM4-TM3)/ln[TM3]波段组合的方式提取叶绿素a相对浓度信息并利用实测数据检验了提取模型的精度,结果表明利用该提取模型能够快速、准确的提取水体叶绿素a浓度信息.

5.2利用叶绿素a浓度分类方案进行浓度高低分类后获取了叶绿素a相对浓度分布图,图中清晰地反应了1995～2007年巢湖叶绿素a各浓度等级在7～9月份的空间分布变化情况.

5.3通过对不同时期巢湖叶绿素a各浓度等级面积统计数据以及图像的分析,表明高浓度区域主要分布在巢湖西半湖;南淝河水质对巢湖蓝藻暴发的贡献率较大;虽然采取各种治理措施,巢湖富营养化的趋势并没有得到根本性的转变,并且高浓度区域有向巢湖东部扩展的趋势,富营养化程度仍在加剧.

[1] Reynolds C S. The ecology of fresh water phytoplankton [M]. London: Cambridge University Press, 1984.

[2] 张运林,秦伯强,陈伟民,等.太湖梅梁湾浮游植物叶绿素a和初级生产力 [J]. 应用生态学报, 2004,15(11):2127-2131.

[3] Ekstrand S. Landsat TM based quantification of chlorophyll-a during algae blooms in coastal waters [J]. Int. J. Remote Sensing, 1992,13(10):1913-1926.

[4] Koponen S, Pulliainen J, Kari Kallio, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data [J]. Remote Sensing Environment, 2002,79(1):51-59.

[5] 疏小舟,尹 球,匡定波,等.内陆水体藻类叶绿素浓度与反射光谱特征的关系 [J]. 遥感学报, 2000,4(1):41-45.

[6] 杨一鹏,王 桥,肖 青,等.基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究 [J]. 地理与地理信息科学, 2006,22(2): 5-8.

[7] 齐 峰,王学军.内陆水体水质监测与评价中的遥感应用 [J].环境科学进展, 1999,7(3):90-99.

[8] 李素菊,王学军.内陆水体水质参数光谱特征与定量遥感 [J].地理学与国土研究. 2002,18(2):26-30.

[9] 齐志新,邓孺孺.多暗像元大气校正方法 [J]. 国土资源遥感, 2007(2):16-19.

[10] 史培军,宫 鹏,李小兵,等.土地利用/覆盖变化研究的方法与实践 [M]. 北京:科学出版社, 2000.

[11] Song C, Woodcock C E, Seto K C, et al. Classification and change detection using landsat TM data: when and how to correct atmospheric effects [J]. Remote Sensing of Environment, 2001,75(2):230-244.

[12] 徐涵秋.利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究 [J]. 遥感学报, 2005,9(5):589-595.

[13] McFeeters S. The use of the normalized difference water index (NDWI) in the delineation of open water features [J]. International Journal of Remote Sensing, 1996,17(7):1425-1432.

[14] 李素菊,吴 倩,王学军,等.巢湖浮游植物叶绿素含量与反射光谱特征的关系 [J]. 湖泊科学, 2002,14(3):228-234.

[15] 王成贵,曹 勇,汪海波.巢湖西半湖水体富营养化污染状况及防治对策 [J]. 安徽农业科学, 2005,33(8):1475-1476.

[16] 王绪伟,王心源,史杜芳.巢湖污染现状与水质恢复措施 [J]. 环境保护科学, 2007,33(4):13-15.

[17] 《中国气象年鉴》编辑委员会.中国气象年鉴1995 [M]. 北京:气象出版社, 1995.

[18] 孔繁翔,高 光.大型浅水富营养化湖泊中蓝藻水华形成机理的思考 [J]. 生态学报,2005,25(3):589-595.

Analysing developing trend of chlorophyll-a concentration in Chaohu Lake based on TM/ETM+image.

XIE Jie1,2, WANG Xin-yuan2,3*, ZHANG Jie2,4, LI Wei1(1.College of Environmental Science and Engineering, Anhui Normal University, Wuhu 241003, China；2.Work Station of Auhui Province for Remote Sensing Archaeology, Wuhu 241000, China；3.Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing 100190, China；4.College of Land Resources and Tourism, Anhui Normal University, Wuhu 241003, China). China Environmental Science, 2010,30(5)：677～682

X87

A

1000-6923(2010)05-0677-06

谢 杰(1987-),男,安徽合肥人,安徽师范大学环境科学与工程学院硕士研究生,主要从事环境科学与遥感技术应用方面的研究.发表论文1篇.

2009-09-19

安徽省高等学校省级自然科学研究重大项目(ZD200908);国家自然科学基金资助项目(40571162)

* 责任作者, 教授, xywang@ceode.ac.cn