基于Landsat系列卫星分析1985—2015年东平湖叶绿素a浓度变化趋势

姜腾龙，张水燕，丁程程，刘建军，代雪静，徐 洋

1.济南市环境监测中心站,山东 济南 250014 2.泰安市环境保护监测站,山东 泰安 271000

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具有重要意义。常规水质监测是人工进行实地取样,存在取样点少、缺失历史数据等问题,不能全面反映整个湖泊的叶绿素分布情况和长时间的变化趋势[3-4]。

遥感卫星为叶绿素a监测提供了新的技术手段,不同的卫星影像具有不同的特性和优势,如利用HJ1-CCD[5-6]、RapidEye[7]等高空间分辨率数据构建反演模型,可以对叶绿素a含量的空间信息进行更好的监测;利用Hyperion[8]、HICO[9]、MERIS[10-11]、GOCI[12]等高光谱数据,可以应用更加精确的半分析模型法,实现叶绿素a含量更加精准的观测。Landsat系列卫星在空间分辨率、光谱分辨率以及时间系列上都有独特的优势,是开展中分辨率尺度的长时间序列地表定量信息监测的适宜数据源。

基于Landsat系列卫星反演叶绿素a的算法也相继出现。佘丰宁等[13]利用Landsat TM建立了水体叶绿素含量的遥感定量模型,指出TM4、TM7分别与太湖叶绿素a有较好的正、负线性相关性,但其TM数据未经过大气纠正。吕恒等[14-16]利用TM3/(TM1+TM4)、NDVI指数、混合光谱分解模型等算法较好地反演了太湖叶绿素a浓度。谢杰等[17]利用(TM2+TM4-TM3)/ln[TM3]模型提取了巢湖水体叶绿素a浓度。史锐等[18]利用TM数据,基于小波理论对干旱区内陆湖泊乌梁素海叶绿素a进行了提取。可见,不同湖泊类型受水深、透明度、悬浮物等影响所适用的叶绿素a反演模型不同。

研究以东平湖为实验区,利用Landsat-5 TM影像结合地面同步观测数据,建立了叶绿素a遥感信息模型。并将该模型应用于Landsat系列卫星上,得到1985—2015年的东平湖叶绿素a浓度信息,并对其时空变化分布和年度变化趋势进行分析。

1 研究区域与数据

1.1 研究区概况

东平湖位于山东省泰安市,是中国东部地区典型的浅水型湖泊, 常年水面面积约为124.3 km2。地理位置为35°43′N～36°07′N, 116°02′E～116°18′E。该湖是山东省第二大淡水湖泊和重要的淡水渔业生产基地,既是黄河下游的重要滞洪区,又是南水北调东线工程的最后一级蓄水水库,具有防洪、调蓄、灌溉、供水、养殖等多种功能。但是由于淡水养殖和大量外源营养物质输入,加之湖区上游流域的面源性污染,对湖水水质造成威胁。

1.2 遥感数据

研究所用的遥感数据以Landsat-5 TM影像为主,Landsat-7 ETM+、Landsat-8 OLI 为辅,成像时间在丰水期(6—9月)，数据质量等级为9级且含云量小于5%,个别年份丰水期难以选出合适影像时,选择相邻月份代替。具体所用影像及成像时间见表1。

1.3 地面实测数据

叶绿素a遥感反演模型所用地面实测数据来自于2010年8月17日对东平湖采取网格布点形式的水质参数采样获得。采样时间与Landsat-5 TM在东平湖地区的过境时间基本吻合。该次采样共得到74个有效监测数据,随机抽取50个样本用于建立反演水体叶绿素a浓度值的遥感信息模型,其余24个用来评定模型精度。湖泊采样点分布见图1。

表1 研究所用遥感影像

注:数据来源为美国地质调查局(United States Geological Survey)官方网站,网址为http://glovis.usgs.gov。

图1 采样点分布Fig.1 Distribution of the sampling points

2 研究方法

叶绿素a浓度遥感监测的核心问题在于建立水体反射率和叶绿素a浓度之间的定量关系。研究首先对遥感数据进行几何校正、大气校正等数据预处理,去除因几何畸变、大气条件等外界因素的影响,得到真实的水体反射率数据。然后用逐个波段的水体反射率数据与实测叶绿素a浓度进行相关分析,筛选对叶绿素a浓度有效响应的波段,用这些波段或者波段组合建立叶绿素a反演模型,最后用实测数据对模型进行精度检验。

2.1 遥感数据预处理

2.1.1 几何纠正

研究所用的Landsat数据来源于美国地质调查局(United States Geological Survey)官方网站, Landsat-5 TM、Landsat-8 OLI影像均已经过几何精校正,投影坐标系均采用UTM 投影(通用横轴墨卡托投影)。2012年9月16日的Landsat-7 ETM+影像未经过几何精校正,为了使遥感影像坐标与其真实坐标相一致,保证定量反演模型建立的精确性,研究选取地面控制点对该影像进行几何精校正处理。

2.1.2 条带修复

Landsat-7 ETM+机载扫描行校正器(SLC) 故障导致2003年5月31日之后获取的影像出现了数据条带丢失,严重影响了遥感影像的使用。研究采用插值修复的方式对2012年9月16日的Landsat-7 ETM+影像的条带进行修复。

2.1.3 辐射定标

Landsat系列数据中,每个像素上的数据均为原始数据(DN),在大气校正前,需将其转化为辐射亮度值。辐射定标参数从元数据文件中读取。

2.1.4 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、方位角和地形等对地物光谱反射信号的影响。由于水体本身光谱值较低,为了保证数据的可比性,必须进行大气校正。研究采用ENVI 5.2软件下的FLAASH大气校正模块对Landsat系列数据进行大气校正。输入相关参数,计算得到大气校正后的反射率影像。

2.2 建立遥感定量模型

2.2.1 地物光谱分析

在研究区域及其周边,随机选取清洁水体、含叶绿素a水体、水生植被和陆域植被4种地物类型若干点位,分析其光谱特征,见图2。由图2可以看出,几种地物类型在band 4差异最为明显,清洁水体的反射率值要明显低于其他地物。

图2 典型地物光谱曲线

2.2.2 单波段模型

随机选取2010年8月17日50个实测点位的叶绿素a浓度,分析了叶绿素a与当天过境的Landsat-5 TM影像大气校正后的可见光-近红外各个波段反射率的相关性,其回归曲线见图3。由此发现各个波段的反射率值与叶绿素a浓度有一定的相关性,其中band 3波长为0.63～0.69 μm,处于叶绿素a吸收峰位置;band 4波长为0.76～0.90 μm,处于反射峰处位置。2个波段也分别与叶绿素a呈现出最大的负相关和正相关关系。band 2反射率值与叶绿素a表现出一定的负相关,主要是受水体中溶性有机物、黄质、悬浮物浓度的影响。周德明等[19]指出,在单波段关联性分析中band 2与悬浮物的相关性最好(r=0.904),是估测悬浮物的最佳波段,故这一波段的反射率不能灵敏反映水体叶绿素情况。

图3 叶绿素a浓度与各波段的回归曲线

2.2.3 波段比值模型

根据单个波段与叶绿素a的相关性,尝试采用band 4与band 3的比值建立定量反演模型,以扩大叶绿素a 吸收峰与叶绿素a 反射峰间的差异。相关研究也表明,采用多波段反射比可以部分消除水表面光滑度和波谱随时间和空间变化的干扰,并在一定程度上减小其他污染物的影响[20-21]。

得到基于band 4/band 3的叶绿素a浓度定量反演模型(图4):

Cchla=0.035 2(B4/B3)+0.020 1

式中:Cchla为叶绿素a浓度,μg/L;B4、B3分别为Landsat-5 TM第4和第3波段的反射率,即近红外、红色波段的反射率。

图4 叶绿素a浓度与band 4/band 3的回归曲线

2.2.4 模型精度验证

将建立的波段比值模型应用于2010年8月17日的Landsat-5 TM数据,得到叶绿素a浓度模型预测值,再与用于验证数据的24个地面采样数据的叶绿素a 浓度实测值进行对比分析。24样本反演值与实测值的相关系数为0.828 1,平均相对误差为14.5%。可见波段比值模型的反演值较好地拟合了实测情况。误差可能是由于湖体泥沙、漂浮的水生植物等悬浮物质的变化和水样分析时的系统偏差所致[22]。

3 结果与讨论

3.1 东平湖叶绿素a浓度反演结果

将近红外、红色波段的反射率比值模型应用于1985—2015年Landsat系列遥感影像,得到整个东平湖水域30 a的叶绿素a 浓度分布图(图5)。其中,Landsat-5 TM和Landsat-7 ETM+采用的波段比值均为band 4/band 3,Landsat-8 OLI采用的波段比值为band 5/band 4。

3.2 东平湖叶绿素a浓度变化分析

从图5可以看出,东平湖叶绿素a浓度在空间和时间上都表现出一定的差异性。高浓度的叶绿素a 区域分布在东平湖的周边浅水区,特别是西南部渔业养殖区、东南部大汶河入湖口、北部入黄河口处。

图5 不同时期东平湖叶绿素a浓度分布

根据经济合作与发展组织(OECD)富营养化单因子(叶绿素a)评价标准[23],对不同时期东平湖叶绿素a浓度进行分级统计，结果如表2所示。

表2 不同时期叶绿素a各浓度等级的面积占比

由表2可以看出,东平湖在不同的历史时期呈现不同的营养状态,但是以中营养为主,面积占比多为80%以上;严重富营养面积较小,占比多为5%以下,且2003、2007—2008年等多个年份无严重富营养水体。

1989年，整个湖区出现大面积叶绿素a高浓度分布区,与1990年呈现明显差异。历史资料显示,1989年东平湖几乎干涸,而1990年6月大汶河来水又使东平湖在短时间内恢复了历史水位。因此1989年8月7日东平湖高浓度叶绿素a并不是水体叶绿素a含量的真实反映,很可能是受干涸后的湖底下垫面和生长的植被所致。另外,东平湖是浅水型湖泊,平均水深为2.5 m,且挺水植物最适宜生长在水深为0.5～1.0 m的浅水区域[24]。

由图2可知,研究区含叶绿素a水体、水生植被和陆域植被3种地物类型band 4/band 3范围分别为2.26～2.67、3.28～3.56、4.61～4.81。为降低湖底下垫面和水生植被对叶绿素a反演精度的影响,研究在分析年际变化时,剔除1989年的数据,其他年份用band 4/band 3<4.61阈值法进行筛选,筛选后平均值代表该年度的浓度值(图6)。

图6 1985—2015年东平湖叶绿素a浓度变化

从图6可以看出,30 a以来,东平湖叶绿素a平均浓度范围为32.4～81.4 μg/L之间(1989年除外),呈上下波动趋势,在1987、1988、1992年出现较高值,东南区域有蓝藻水华现象;在2014、2015年出现较低值,可能是与自2013年11月15日以来,南水北调东线一期东平湖段工程2次正式通水有关。用秩相关系数法对1985—2015年东平湖叶绿素a的变化趋势进行定量分析,在95%置信水平上秩相关系数为-0.592,绝对值大于临界值(0.306),浓度呈下降趋势。

从东平湖叶绿素a时空分布来看,浓度的变化与入湖水体水质、流速息息相关。从大汶河入湖口进入的水体携带了氮、磷等营养物质,导致湖口处其含量高于其他地区,更适合浮游植物和藻类的生长;东平湖是防洪调蓄水库,在入黄河口处地势较高,水流较缓,利于营养物质的沉淀积累,导致其叶绿素a含量较高。湖区东南部呈“凸”字形水域形状,水流极其缓慢,且水深较浅,加之周边的淡水养殖,浮游植物和藻类生长较快。

4 结论

叶绿素a含量不同的水体在一定波长范围内波段反射率显著不同,通过建立水体反射率和叶绿素a浓度之间的定量关系,可实现叶绿素a的定量反演。

对Landsat-5 TM遥感影像进行几何纠正、大气校正等预处理之后,结合地面同步监测数据,发现band 3和band 4分别与叶绿素a呈现出最大的负相关和正相关关系。建立了band 4/band 3波段比值模型提取叶绿素a浓度。通过验证,该模型能简易、快速、准确地提取水体叶绿素a浓度信息。

该模型受湖底下垫面和水面水生植被影响明显,即该模型不适用于水深很浅(接近干涸)和覆盖有大量水生植被的水体叶绿素a 浓度反演。

研究采用的Landsat系列卫星在光谱分辨率上有高度的一致性,将同一个数据反演模型应用于多幅影像,可有效减少模型的系统偏差,客观地反映出多年来东平湖叶绿素a的变化趋势,为东平湖水质监测提供了技术支持。Landsat系列卫星的持续性特点为研究长时间序列的地物变化趋势提供了得天独厚的优势。

参考文献(Reference)：

[1] 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):2 127-2 131.

ZHANG Yunlin, QIN Boqiang, CHEN Weimin,et al.Chlorophyll a Content and Primary Productivity of Phytoplankton in Meiliang Bay of Taihu Lake [J]. Chinese Journal of Applied Ecology,2004,15(11):2 127-2 131.

[2] 段洪涛,张柏,刘殿伟,等.查干湖水体光谱荧光峰特征与叶绿素响应关系研究 [J].红外与毫米波学报,2006,25(5):355-359.

DUAN Hongtao, ZHANG Bai, LIU Dianwei,et al.Relationship Between Fluorescence Peak Spectral Features and Chlorophyll-a in Lake Chagan [J].Journal of Infrared and Millimeter Waves, 2006,25(5):355-359.

[3] 郑小慎，林培根.基于TM数据渤海湾叶绿素浓度反演算法研究[J]. 天津科技大学学报,2010,25(6):51-53.

ZHENG Xiaoshen, LIN Peigen. Study on Algorithm of Chlorophyll Concentration Retrieval in Bohai Bay Based on TM Data[J].Journal of Tianjin University of Science & Technology,2010,25(6):51-53.

[4] 李婷.基于长时序遥感数据和EOF分析南海北部海表叶绿素a时空特征[D]. 北京:中国地质大学,2013.

[5] 周正,何连,刘良明.基于 HJ-1A/B CCD数据的东湖叶绿素a浓度反演可行性研究 [J].测绘通报,2011(3):11-14.

ZHOU Zheng, HE Lian, LIU Liangming. Feasibility Study for Retrieval of Chlorophyll-a Concentration in Donghu Lake Using HJ-1 A/B CCD Data[J]. Bulletin of Surveying and Mapping, 2011,(3):11-14.

[6] 陈静,吴传庆,王颖,等.基于环境一号卫星CCD数据的巢湖叶绿素a的动态监测[J].中国环境监测,2012,28(1):116-119.

CHEN Jing, WU Chuanqing, WANG Ying,et al.Chlorophyll-a Dynamic Monitoring in Chaohu Lake Based on Environmental Satellite 1 CCD Data[J]. Environmental Monitoring in China, 2012,28(1):116-119.

[7] 刘忠华.基于高分数据的太湖重点污染入湖河流叶绿素a浓度遥感反演 [D].南京:南京师范大学,2012.

[8] 杜聪,王世新,周艺,等.利用Hyperion高光谱数据的三波段法反演太湖叶绿素a浓度 [J].环境科学,2009,30(10):2 904-2 910.

DU Cong, WANG Shixin, ZHOU Yi,et al.Remote Chlorophyll-a Retrieval in Taihu Lake by Three-Band Model Using Hyperion Hyperspectral Dada[J]. Environmental Science,2009,30(10):2 904-2 910.

[9] MOSES W J,GITELSON A A,BERDNIKOV S,et al. HICO-Based NIR-RED Models for Estimating Chlorophyll-a Concentration in Productive Coastal Waters [J].IEEE Geoscience and Remote Sensing Letters,2014,11(6):1 111-1 115.

[10] SHI K,LI Y M,LI L,et al．Remote Chlorophyll-a Estimates for Inland Waters Based on a Cluster-Based Classification [J].Science of the Total Environment,2013,444:1-15.

[11] LI Y M,WANG Q,WU C Q,et al. Estimation of Chlorophyll-a Concentration Using NIR/Red Bands of MERIS and Classification Procedure in Inland Turbid Water [J]. IEEE Transactions on Geoscience and Remote Sensing,2012,50(3):988-997.

[12] 郭宇龙,李云梅,李渊,等. 一种基于GOCI数据的叶绿素a浓度三波段估算模型[J].环境科学, 2015,36(9):3 175-3 185.

GUO Yulong, LI Yunmei, LI Yuan,et al. A Three Band Chlorophyll-a Concentration Estimation Model Based on GOCI Imagery[J]. Environmental Science, 2015,36(9):3 175-3 185.

[13] 佘丰宁,李旭文,蔡启铭，等. 水体叶绿素含量的遥感定量模型[J].湖泊科学, 1996,8(3):201-207.

SHE Fengning, LI Xuwen, CAI Qiming,et al.Quantitatvie Analysis on Chlorophyll-a Concentration in Taihu Lake Using Thematic Mapper Data[J].Journal of Lake Sciences,1996,8(3):201-207.

[14] 吕恒,江南,罗潋葱.基于TM数据的太湖叶绿素A浓度定量反演[J].地理科学,2006,26(4):472-476.

LYU Heng, JIANG Nan, LUO Liancong. Quantitative Retrieval of Chlorophyll-a by Remote Sensing in Taihu Lake based on TM data[J]. Scientia Geographica Sinica,2006,26(4):472-476.

[15] 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.

YANG Yipeng, WANG Qiao, XIAO Qing, et al.Quantitative Remote Sensing Inversion Methods of Chlorophyll-a Concentration in Taihu Lake Based on TM Data [J]. Geography and Geo-information Science,2006,22(2):5-8.

[16] 李云亮,张运林.基于TM影像的太湖夏季悬浮物和叶绿素a浓度反演[J].遥感信息,2008(6)：22-80.

LI Yunliang, ZHANG Yunlin.Quantitative Estimation of Total Suspend Matter and Chlorophyll-a Concentration of Taihu Lake in Summer Using TM Data[J].Remote Sensing Information,2008(6)：22-80.

[17] 谢杰,王心源,张洁，等.基于TM/ETM+影响分析巢湖叶绿素a 浓度变化趋势[J].中国环境科学, 2010,30(5):677-682.

XIE Jie, WANG Xinyuan, ZHANG Jie,et al. Analysing Developing Trend of Chlorophyll-a Concentration in Chaohu Lake Based on TM/ETM+ Image[J]. China Environmental Science,2010,30(5):677-682.

[18] 史锐,张红,岳荣,等.基于小波理论的干旱区内陆湖泊叶绿素a的TM影像遥感反演[J].生态学报,2017,37(5)：1 043-1 053.

SHI Rui, ZHANG Hong, YUE Rong, et al. A Wavelet Theory Based Remote Sensing Inversion of Chlorophyll-a Concentrations for Inland Lakes in Arid Areas Using TM Image Data[J]. Acta Ecologica Sinica,2017,37(5)：1 043-1 053.

[19] 周德明,王得玉. 基于TM的太湖叶绿素a和悬浮物估测模型[J].环境科学与技术,2015,38(6P)：362-367.

ZHOU Deming,WANG Deyu. Quantitative Estimation of Chlorophyll-a and Suspended Solids in Taihu Based on Landsat TM[J]. Environmental Science & Technology,2015,38(6P):362-367.

[20] KOPONEN S, PULLIAINEN J, KALLIO K, et al. Lake Water Quality Classification with Airborne Hyperspectral Spectrometer and Simulated MERIS Data [J]. Remote Sensing of Environment, 2002,79:51-59.

[21] 旷达,韩秀珍,刘翔，等. 基于环境一号卫星的太湖叶绿素a浓度提取 [J].中国环境科学, 2010,30(9):1 268-1 273.

KUANG Da, HAN Xiuzhen, LIU Xiang,et al.Quantitative Estimation of Taihu Chlorophyll-a Concentration Using HJ-1A and 1B CCD imagery [J]. China Environmental Science, 2010, 30(9):1 268-1 273.

[22] 王贵臣,刘田田.基于线性回归分析的东平湖叶绿素含量监测[J]. 首都师范大学学报：自然科学版,2015,36(2):72-77.

WANG Guichen, LIU Tiantian. Chlorophyll-a Concentration Monitoring of Dongping Lake Based on Linear Regression Analysis[J]. Journal of Capital Normal University(Natural Science Edition), 2015,36(2):72-77.

[23] Organization for Economic Cooperation and Development (OECD).Eutrophication of Waters Monitoring,Assessment and Control OECD[R].Paris:OECD,1982.

[24] 于少鹏,孙广友,窦素珍，等. 东平湖水生植物的衰退及南水北调工程对其影响 [J].中国环境科学,2005,25(2):200-204.

YU Shaopeng, SUN Guangyou, DOU Suzhen,et al. The Declining of Hydrophyte of Dongping Lake and the Influence of the South-to-North Water Transfer Project on It[J]. China Environmental Science,2005,25(2):200-204.