综合遥感与地面观测的巢湖水体富营养化评价

殷守敬，吴传庆，王 晨，冯爱萍，董 昊，高 芮，马万栋

1.环境保护部卫星环境应用中心，北京 100094 2.国家环境保护卫星遥感重点实验室，北京 100094 3.安徽省环境监测中心站，安徽 合肥 230061 4.巢湖管理局环境保护监测站，安徽 巢湖 238000

我国是一个多湖泊国家，共有湖泊2万多个，面积超过1 km2的天然湖泊有2 759个，同时也是世界上湖泊富营养化最严重的地区之一。2014年我国61个国控湖泊(水库)有2个为中度富营养状态，13个为轻度富营养状态[1]。水污染与富营养化带来了一系列严重问题，包括水体毒性化、威胁湖泊饮用水源和水产品安全、湖泊生物多样性下降、水生生态系统受损等，造成巨大的资源和经济损失[2]。因此，湖泊富营养化治理受到国家的高度重视，富营养化状态监测与评估已经成为我国迫切需要解决的问题[3]。

湖泊富营养化评价方法主要包括营养状态指数法、营养度指数法和评分法[4-5]。目前国际上尚未提出统一的评价标准或模型，综合营养状态指数法由于其可操作性、简洁性和科学性，成为我国环保部门富营养化监测工作的推荐方法。

湖泊富营养化监测手段主要有实地监测和遥感监测2种。实地监测配合采集水样实验室分析方法是目前湖泊水体监测的主要手段。该方法具有数据准确、指标丰富等特点，但是耗时耗力，并且由于采样时间差别大、样本量少、水体流动性强等原因，无法有效反映湖泊水质的同步空间分布状态。在湖泊富营养化遥感监测方面，遥感手段可以瞬时获得大范围水质参数的空间变化趋势[6]，带动了国内外一大批围绕湖泊水质定量反演和富营养化评价方面的科学研究[7]，通过构建经验回归模型[8]、半分析模型[9]或通过遗传编程[10]等方法反演水质参量，然后计算营养状态指数，反演指标包括叶绿素a(chl-a)[11]、悬浮物(SST)浓度[12]和透明度(SD)[13]等水质参数。国内学者在HJ-1 CCD和GF-1 WFV等国产卫星数据的应用方面开展了相关研究[14-15]。总体来讲，目前的湖泊富营养化状态评价研究工作多采用单因子或少数因子，具备一定的片面性。并且，湖泊水体物质组成的复杂性和光学特性差异导致很难形成普适性的水质遥感反演模型[16-17]，限制了其在业务化应用中的推广。

本文拟将实地监测的准确性和遥感监测对空间趋势的反映能力相结合，基于综合营养状态指数法，构建综合遥感与实测观测结合的湖泊富营养化监测评价方法，并以巢湖为例用国产GF-1 WFV数据和实测数据对方法的可行性进行验证，为我国湖泊水环境质量监测提供参考。

1 实验部分

1.1 研究区概况

巢湖是中国五大淡水湖之一，面积超过820 km2，位于安徽省中部，属于长江水系下游湖泊。湖水主要靠地面径流补给，流域面积1.4万km2，沿湖河流35条，集水范围包括合肥等两市五县。随着流域经济发展，巢湖水质逐步变差。从20世纪70年代起，巢湖就多次暴发水华，80年代富营养化已扩展到全湖，90年代以来全湖长期处于富营养化状态。2014年监测结果显示[1]，巢湖湖体平均为轻度富营养状态，其中西半湖为中度富营养状态，东半湖为轻度富营养状态。

1.2 数据采集

地面监测数据为安徽省环境监测中心站2015年5月12日实地监测和水样采集、实验室分析的水质数据(图1)，包括chl-a、SD、TP、TN、CODMn等。Chl-a浓度采用美国YSI EXO2型水质多功能测定仪原位测量获取，SD采用塞氏圆盘测定，CODMn、TP、TN通过现场水样采集、实验室分析获取，其中，CODMn按照《水质 高锰酸盐指数的测定》(GB 11892—1989)采用50 mL酸式滴定管基于酸性高锰酸钾法测定，TP按照《水质 总磷的测定 钼酸铵分光光度法》(GB/T 11893—1989)用723N可见分光光度计通过钼酸铵光度法测定，TN按照《水质 总氮的测定 碱性过硫酸钾消解紫外分光光度法》(HJ 636—2012)采用TU-1901型紫外可见分光光度计通过碱性过硫酸钾消解紫外分光光度法测定。遥感数据采用2015年5月12日上午11：11获取的GF-1 WFV1数据。

注：背景为2015年5月12日GF-1 WFV1影像。图1 巢湖采样点分布图Fig.1 Distribution of sampling points in Chaohu Lake

1.3 遥感数据预处理

对遥感影像数据逐步进行辐射定标、几何校正、大气校正等处理。

辐射定标。采用ENVI5.2直接将图像灰度值利用绝对定标系数转化为大气顶层反射率(L)，计算公式：

L=Gain·DN+Bias

式中：Gain为波段增益，W/(m2·sr)；DN为影像原始灰度值；Bias为偏移值，W/(m2·sr·μm)。定标系数取自中国资源卫星应用中心网站公布的2015年国产陆地观测卫星绝对辐射定标系数(表1)。

表1 GF-1 WFV1相机绝对辐射定标系数

几何校正。采用环境保护部卫星环境应用中心存档的经过几何精校正的GF-1 WFV基准影像数据，利用ENVI软件自动配准功能对实验数据进行配准校正，校正精度保证在0.5个像元以内。

大气校正。基于ENVI Flassh大气校正模块，所需的气溶胶厚度参数从当日MODIS气溶胶产品中获取，计算得到大气校正后的各波段遥感反射率数据。

水体范围提取。采用已有的巢湖边界矢量范围缓冲区分析后裁剪反射率影像，利用裁切后影像在eCognition Developer 9.1软件内提取水体分布范围。为避免湖泊边界混合像元和浅水底质对反演结果的影响，水陆分割线应尽量向水体方向偏离。最后输出水体范围的矢量边界，用于对反演结果影像的裁剪。

由于实验当天巢湖无水华分布，未进行水华区域提取和剔除处理。

1.4 富营养化状态评价模型选取

考虑我国环境监测部门业务工作实际情况，同时考虑方法的科学性、代表性和可操作性，采用目前应用最多、环保部门推荐的综合营养状态指数法开展巢湖富营养化评价与分级。即分别根据chl-a、SD、TP、TN、CODMn等参数计算单因子营养状态指数，通过加权计算得到综合营养状态指数：

(1)

式中：TLI(∑)为综合营养状态指数；TLI(j)为第j种参数的营养状态指数；Wj为以chl-a为基准参数计算的第j种参数的营养状态指数的归一化相关权重，其取值来源于我国26个典型湖泊(水库)调查数据计算获得的相关系数。权重计算公式见式(2)：

(2)

式中：rij为第j种参数与基准参数chl-a的相关系数，取值见表(2)；m为评价参数的个数。

表2 中国湖泊(水库)部分参数与chl-a的相关关系rij及值

TLI(chl-a)=10(2.5+1.086 ln chl-a)(3)

TLI(SD)=10(5.118-1.94 ln SD)(4)

TLI(TP)=10(9.436+1.624 ln TP)(5)

TLI(TN)=10(5.453+1.694 ln TN)(6)

TLI(CODMn)=10(0.109+2.661 ln CODMn)(7)

式中：chl-a质量浓度单位为mg/m3；SD单位为m；其他指标单位均为mg/L。

根据富营养化分级标准，采用0～100的数字对湖泊营养状态分成5级：贫营养(0,30)，中营养[30,50]，轻度富营养(50,60], 中度富营养(60,70]，重度富营养(70,100)。

1.5 富营养化状态评价参数获取

已有研究显示，各个湖泊富营养化评价参数中，适用于遥感反演的参数为chl-a质量浓度，而SD由于和TSS浓度的高度负相关性也成为较常见的水质遥感反演产品。因此，可以根据该湖区已有的模型通过遥感反演获得chl-a和SD数据。遥感反演产品由于其瞬时、大范围成像特点，对各指标的空间分布趋势可以精确描述，其在绝对反演精度上的差距，可以采用少量的实测值的纠正得到弥补。

而TP、TN和CODMn等参数，由于其浓度变化对水体光谱特征的影响利用现有的传感器很难捕捉，直接利用遥感反演获得可信度较高产品的难度很大。尽管有研究显示水体TP、TN和CODMn与光谱信息存在一定的相关关系，可以利用实测数据建立的统计关系在一定程度上反演氮磷浓度，并在部分区域取得较好结果[18-19]，但是在业务化应用中其精度难以得到保证[20-21]。因此，全湖范围的TP、TN和CODMn可以采用地面实测数据的空间插值获取，其产品可信度得到较大程度的保障[22-23]。

1.5.1 遥感反演模型

由于湖泊水体光学特性的复杂性，常常利用光谱特征与水质参数之间的统计关系构建经验模型反演湖泊水质参数。由于GF-1 WFV数据与HJ-1 CCD数据在波段设置上基本一致，可以借鉴研究人员采用基于实测光谱、水质参数和水体固有光学特性等数据和HJ-1 CCD影像数据构建的经验模型[24]对巢湖chl-a、TSS浓度和SD进行反演。

chl-a反演模型：chl-a=[727.83×(b4/b3)2-548.77×(b4/b3)+142.27]/3(8)

TSS反演模型：TSS=836.6×(b3·b4/b2)1.186(9)

SD反演模型：SD=337.4×TSS-0.62(10)

式中：bi表示GF-1 WFV1影像经过大气校正后的第i波段的遥感反射率。

然后利用影像当日实测数据对影像反演结果进行校正。具体方法：在反演结果影像上，取实测点位坐标点周围80 m(5个像元)缓冲区内的影像均值，与实测数据构建常数项为零的一元线性回归模型，见式(11)，然后利用公式对遥感反演结果进行校正。

Y=aX(11)

式中：Y为实测参数值；X为影像反演值。

1.5.2 TP、TN、CODMn插值

水质参数空间插值常用方法包括Kriging、样条函数等。鉴于湖泊采样样本点数量较少，且湖泊水质受边界影响较大，考虑采用样条内插法对TP、TN和CODMn等参数插值。因此在本研究中，利用现有实测站点数据在Arcgis10.1中建立TP、TN和CODMn等参数点状矢量分布图，并利用Spline with Barriers方法插值获得全湖范围内的产品。

用式(3)～式(7)分别计算各参数的富营养化状态，然后用式(1)和式(2)计算综合富营养指数，并对其进行分级。

2 结果与分析

2.1 计算结果

对chl-a和SD，分别根据式(8)、式(9)、式(10)进行反演，然后利用采样点位的影像反演值和实测值对式(11)进行模型参数率定，并对反演结果进行校正，得到反演结果影像空间分布图，如图2和图3所示。

对TP、TN和CODMn，基于实测站位浓度数据，利用样条内插法获得全湖区域浓度空间分布图，分别如图4～图7所示。

图2 基于反演的巢湖chl-a浓度空间分布图Fig.2 Spatial distribution map of Chaohu Lake chl-a concentration inversion results

图3 基于反演的巢湖水体SD空间分布图Fig.3 Spatial distribution map of Chaohu Lake SD inversion results

2.2 各指标空间分布特征分析

巢湖chl-a浓度(图2)总体呈现出湖体北部高于南部、西半湖高于东半湖的空间特征。西半湖中北部区域和东半湖东北、东南沿岸区域，chl-a质量浓度最高，多处于8～14 mg/L范围，高值集中在北部沿岸，只有极少数沿岸点受底质水草影响，质量浓度高于14 mg/L；其次为是东半湖中部区域，chl-a质量浓度为6～8 mg/L；湖体西南沿岸和湖泊中南部区域浓度最低，为2～6 mg/L，且低值分布在西南沿岸。

图4 基于插值的巢湖TP浓度空间分布图Fig.4 Spatial distribution map of Chaohu Lake TP concentration interpolation result

图5 基于插值的巢湖TN浓度空间分布图Fig.5 Spatial distribution map of Chaohu Lake TN concentration interpolation result

图6 基于插值的巢湖CODMn空间分布图Fig.6 Spatial distribution map of Chaohu Lake CODMn concentration interpolation result

巢湖水体SD(图3)整体呈现从西南向东北逐渐减小的趋势，且总体透明度较低，介于0.05～0.27 m。湖西和西南沿岸区域湖水透明度最大，深度为0.13～0.27 m；其次是沿东北走向的湖体中南部区域、西半湖中东部和东半湖中部，透明度为0.09～0.13 m；最低的是东半湖东北部沿岸区域，透明度为0.05～0.09 m。

图7 巢湖富营养化指数空间分布图Fig.7 Spatial distribution map of Chaohu Lake trophic level index

巢湖TP浓度(图4)总体上呈现从西北部向湖心、然后向东北方向逐渐降低的趋势。西半湖中北部浓度最高，质量浓度为0.09～0.14 mg/m3，且西北沿岸向西半湖湖心走向的区域浓度值最高；其次是湖体中部湖心向北区域，质量浓度为0.07～0.09 mg/m3；东北部出湖口和中部南侧沿岸质量浓度最低，为0.04～0.07 mg/m3。

TN浓度(图5)总体上呈现出西半湖东半部浓度最高、向东西两侧浓度逐渐降低的趋势。南淝河入湖区周边和西半湖东半部TN质量浓度最高，为3.0～4.0 mg/m3；其次是湖体中部区域，质量浓度为2.5～3.0 mg/m3；西南部和东北部巢湖坝口区域降至最低，质量浓度为2.0～2.5 mg/m3。

CODMn(图6)在空间分布特征上与总磷相似，呈现出西半湖东北湖区最高、向湖心区域和东北部出口方向逐渐下降的趋势。西半湖东北部CODMn最高，其次是湖心区域，CODMn为5.0～6.6 mg/m3；从该区域向西南和东北方向，CODMn逐渐降低，CODMn为4.1～5.0 mg/m3。

从巢湖富营养指数空间分布趋势(图7)看，富营养化最严重的区域为西半湖北部南淝河入湖区域，富营养指数为61.6～68.3，其次是东半湖湖心和东南沿岸区域，富营养指数为60.0～61.6，均为中度富营养化状态；富营养化程度较轻的是湖心区域和东半湖北部区域，富营养指数为58.9～60.0，最轻的是西南沿岸区域和东部湖区出口区域，富营养指数为51.9～58.9，为轻度富营养化状态。

2.3 各指标总体统计特征分析

从实测值和反演值的统计结果(表3)对全湖chl-a和SD的反映能力来看，影像反演能更好地体现全湖的空间分布情况，并且高值区和低值区不限于采样点实测值的数值范围；全湖叶绿素a质量浓度均值为7.03 mg/L，略低于采样点均值7.24 mg/L，标准差低于采样值；全湖透明度均值为0.11 m，略低于根据采样点实测值所得均值的0.12 m(表4)，标准差低于采样值。

表3 指标统计结果

通过空间插值对湖泊范围内TP、TN和CODMn的大小和分布趋势有了更好的空间体现；由于插值方法原理的限制，该结果是对空间趋势的估计，不代表真实值，且最低值和最高值均局限在采样值区间以内；插值影像TP、TN和CODMn全湖均值分别为0.084、 2.79、5.067 mg/m3，与实测值相当，但是其标准差均高于实测值标准差。 从统计结果来看，巢湖富营养指数为51～69，全湖处于轻度富营养化和中度富营养化状态。其中，中度富营养化湖区面积占全湖的47.98%；轻度富营养化湖区面积占全湖面积的52.02%。全湖富营养化状态指数平均值为60.341，为中度富营养化状态；基于采样点实测值计算的富营养指数均值为59.926，为轻度富营养。

2.4 富营养化成因探讨

根据各富营养化指标的空间分布趋势，结合入湖河流分布和可能的影响因素，对巢湖各富营养化因子来源进行分析。巢湖北部南淝河、十五里河水体营养物质的输入导致巢湖水体chl-a浓度升高，东南沿岸和东北沿岸城建区也有营养物质输入，而巢湖南部新河和兆河河水入湖对chl-a浓度起稀释作用。考虑到西南部杭埠河等入湖河流流量和输沙量较大，但西南部总悬浮物浓度较低，SD高于东北下游区域，推测巢湖水体透明度主要受有机悬浮物的影响。根据巢湖TP浓度空间分布趋势，可以认为巢湖北部十五里河和南淝河磷输入量最大，其次是西南方向入湖的杭埠河等，派河和新河输入量较少，而兆河入湖对水体TP浓度的稀释作用大于输入。巢湖氮的输入来源主要为北部的南淝河和西南部的杭埠河、白石山河，西部的派河氮输入浓度较低，对水体起到稀释作用。CODMn从陆源输入和水文条件等因素方面考虑，西半湖北部南淝河、十五里河对CODMn的贡献最大，其次是南部的兆河，贡献最小的是西南部的杭埠河与派河等，对湖水CODMn浓度起到稀释作用。

综合各指标分析，巢湖富营养化在空间分布格局上受SD和TN 2种因子的主导。考虑到湖泊的富营养化物质主要来源于陆源输入，并且空间分布受水文条件的影响，可根据富营养指数的空间分布，尝试推测巢湖外部不同区域对巢湖营养物质的输入贡献。富营养化最严重的西半湖北部区域，承接上游南淝河、十五里河来水，其集水区域内包含合肥市辖区等人类经济活动较多的区域，并且有大面积建成区与湖泊相邻，各种营养物质陆源输入量都比较大；东南部富营养化区域无大型河流输入，富营养化主要表现为悬浮物和chl-a浓度较高，其原因可能是邻岸的人类活动输入，以及水文条件的影响使得上游输入的营养物质在该区域的形成富集；西南沿岸富营养化程度较低，富营养化主要表现为氮磷富营养化，可认为西南方向入湖的杭埠河和白石山河氮磷输入量较大，CODMn和chl-a等输入较小。

3 结论

针对目前水质遥感反演通用模型构建难度较大的现状，提出基于实测数据校正的高精度水质反演结果的可行性方法。在此基础上，将水质参数遥感反演与实测数据空间插值有机结合，形成基于综合营养指数法的湖泊富营养化评价方法。通过将该方法在巢湖区域的应用，证明了该方法在业务化运行方面的潜力，并对巢湖富营养化成因进行初步分析。

为提高富营养化评价结果精度，建议：基于不同季节的天地同步观测数据构建适用于巢湖水质反演的模型，进一步提高反演精度；根据遥感反演结果，综合考虑参数的值域分布和空间分布，进一步优化采样点站位的空间布设方案，便于获得更高的空间插值结果；基于长期的监测数据，对湖泊富营养化成因进行分析。

[1] 环境保护部. 2014年中国环境状况公报[EB/OL]. (2015-06-05)[2015-06-05]. http://jcs.mep.gov.cn/hjzl/zkgb/2014zkgb/201506/t20150605_303011.htm.

[2] 中国环境科学研究院. 湖泊生态安全调查与评估[M].北京:科学出版社，2012:3-5.

[3] 王桥,杨一鹏,黄家柱. 环境遥感[M]．北京:科学出版社, 2005: 1-30.

[4] 王明翠,刘雪芹,张建辉.湖泊富营养化评价方法及分级标准[J]. 中国环境监测,2002,18(5):47-49.

WANG Mingcui, LIU Xueqin, ZHANG Jianhui. Evaluate Method and Classification Standard on Lake Eutrophication[J]. Environmental Monitoring in China, 2002, 18(5):47-49.

[5] 荆红卫,华蕾,孙成华,等. 北京城市湖泊富营养化评价与分析[J].湖泊科学,2008,20(3):357-363.

JING Hongwei, HUA Lei,SUN Chenghua, et al. Analysis on Urban Lakes’ Eutrophication Status in Beijing[J]. Journal of Lake Sciences, 2008, 20(3):357-363.

[6] KUTSER T, PAAVEL B C, VERPOORTER C, et al. Remote Sensing of Water Quality in Optically Complex Lakes[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial, Information Sciences, 2012， XXXIX-B8:165-169.

[7] WALCZYKOWSKI P, JENEROWICZ A, ORYCH A. A Review on Remote Sensing Methods of Detecting Physical Water Pollutants[J]. Research Conference in Technical Disciplines, 2013(1):125-130.

[8] WANG F, HAN L, KUNG H T, et al. Applications of Landsat-5 TM Imagery in Assessing and Mapping Water Quality in Reelfoot Lake, Tennessee[J]. International Journal of Remote Sensing, 2006,27 (23):5 269-5 283.

[9] LYU H, WANG Q, Wu C Q, et al. Retrieval of Phycocyanin Concentration from Remote-Sensing Reflectance Using a Semi-Analytic Model in Eutrophic Lakes[J]. Ecological Informatics，2013,18(6):178-187.

[10] CHEN L. A Study of Applying Genetic Programming to Reservoir Trophic State Evaluation Using Remote Sensor Data[J]. International Journal of Remote Sensing, 2003, 24(24):2 265-2 275.

[11] PALMER S C J, ODERMATT D, HUNTER P D, et al. Satellite Remote Sensing of Phytoplankton Phenology in Lake Balaton Using 10 Years of MERIS Observations[J]. Remote Sensing of Environment, 2015, 158(1): 441-452.

[12] CHAWIRA M, DUBE T, GUMINDOGA W. Remote Sensing Based Water Quality Monitoring in Chivero and Manyame Lakes of Zimbabwe[J]. Physics and Chemistry of the Earth, 2013,66(8): 38-44.

[13] PAPOUTSA C, AKYLAS E, HADJIMITSIS D. Trophic State Index Derivation Through the Remote Sensing of Case-2 Water Bodies in the Mediterranean Region[J]. Open Geosciences, 2014, 6(1):67-78.

[14] 吴传庆,盖嘉翔,王桥,等.湖泊富营养化遥感评价模型的建立方法[J]. 中国环境监测, 2011,27(5):77-82.

WU Chuanqing, GAI Jiaxiang, WANG Qiao, et al. Establishing a Remote Sensing Assessing Method of Lacustrine Eutrophication[J]. Environmental Monitoring in China, 2011, 27(5):77-82.

[15] 朱利,李云梅,赵少华,等. 基于GF-1号卫星WFV数据的太湖水质遥感监测[J]. 国土资源遥感, 2015(1):113-120.

ZHU Li, LI Yunmei, ZHAO Shaohua, et al. Remote Sensing Monitoring of Taihu Lake Water Quality by Using GF-1 Satellite WFV Data[J]. Remote Sensing for Land Resources, 2015(1):113-120.

[16] 潘德炉,马荣华.湖泊水质遥感的几个关键问题[J]. 湖泊科学, 2008, 20(2):139-144.

PAN Delu, MA Ronghua. Several Key Problems of Lake Water Quality Remote Sensing[J]. Journal of Lake Sciences, 2008, 20(2):139-144.

[17] LESHT BM, BARBIERO R P, WARREN G J. Satellite Ocean Color Algorithms: A Review of Applications to the Great Lakes[J]. Journal of Great Lakes Research, 2012, 38(1):49-60.

[18] EISENSTEIN M, PARK M. Assessment of Nutrient Distributions in Lake Champlain Using Satellite Remote Sensing[J]. Journal of Environmental Sciences, 2014,26(9):1 831-1 836.

[19] WU C F, WU J P, QI J G, et al. Empirical Estimation of total phosphorus concentration in the mainstream of the Qiantang River in China using Landsat TM data[J]. International Journal of Remote Sensing, 2010, 31(9):2 309-2 324.

[20] GAO Y, GAO J, YIN H, et al. Remote Sensing Estimation of the Total Phosphorus Concentration in A large Lake Using Band Combinations and Regional Multivariate Statistical Modeling Techniques[J]. Journal of Environmental Management, 2015,151:33-43.

[21] CHEN J, QUAN W T. Using Landsat/TM Imagery to Estimate Nitrogen and Phosphorus Concentration in Taihu Lake, China[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2012, 5(1):273-280.

[22] 王玉磊,钱新,高海龙,等.基于MODIS数据辅助的太湖叶绿素a空间插值应用[J].环境科学与技术, 2014,37(1):168-173.

WANG Yulei, QIAN Xin, GAO Hailong, et al. Spatial Interpolation of Chlorophyll-a in Taihu Lake Based on the MODIS Data Aided[J]. Environmental Science Technology,2014,37(1)：168-173.

[23] 毛新伟,陆铭锋,高 琦,等.三次样条插值方法在太湖水质评价中的应用[J].水资源保护，2011,27(4):58-61,78.

MAO Xinwei, LU Mingfeng, GAO Qi. Application of Cubic Spline Interpolation Method in Water Quality Evaluation of Taihu Lake[J]. Water Resources Protection, 2011,27(4):58-61,78.

[24] 薛云,赵运林,张维,等. 基于环境一号卫星CCD数据的洞庭湖夏季富营养状态评价[J]. 环境科学学报,2014,34(10):2 534-2 539.

XUE Yun, ZHAO Yunlin, ZHANG Wei, et al. Eutrophication Assessment of Dongting Lake in Summer Based on HJ-1 CCD Data[J]. Acta Scientiae Circumstantiae, 2014, 34(10):2 534-2 539.