基于GOCI数据的太湖叶绿素a浓度反演和蓝藻水华遥感监测*

2020-08-24 09:12朱冰川石浚哲
环境污染与防治 2020年8期
关键词:水华蓝藻富营养化

朱冰川 尤 凯 石浚哲 吴 蔚 叶 凉

(1.江苏省无锡环境监测中心,江苏 无锡 214121;2.江南大学环境与土木工程学院,江苏 无锡 214122)

20世纪90年代以来,太湖频繁爆发蓝藻水华,2007年蓝藻水华导致的太湖饮用水危机影响尤为严重,已经严重影响人体健康和社会稳定。要对太湖蓝藻水华进行有效治理,必须对其发生、发展的整个过程有清晰的把握,而太湖蓝藻水华具有爆发面积大、时空变化剧烈等特点[1],因此实现太湖蓝藻水华时空动态监测尤为重要[2]。传统的富营养化指数和蓝藻水华监测,不仅需耗费大量人力物力,而且难以实现大面积的实时监测。遥感监测成本低,可以快速、实时、大面积监测水体表面的长期动态变化[3-4],在湖泊蓝藻水华动态监测和预警预报,以及湖泊富营养化监测方面具有巨大优势[5]。当前有多种遥感反演算法应用于太湖的蓝藻水华研究,例如浮藻指数(FAI)法[6-7]、三波段模型法[8]等。已有学者利用MODIS、MERIS、Landsat、哨兵2A等卫星开展了湖泊蓝藻水华的遥感监测工作[9-12],但是这些极轨卫星仍然无法对蓝藻水华一天内的变化进行持续观测。

韩国“千里眼”卫星(COMS)是具有较高空间分辨率的地球静止卫星,其搭载的静止轨道海洋水色遥感器(GOCI)可对特定区域进行持续观测,时间分辨率达到1 h。HUANG等[13]采用GOCI遥感数据,使用波段比值模型反演了太湖叶绿素a浓度,并分析了太湖叶绿素a浓度的分布与动态变化。本研究在对GOCI遥感数据大气校正的基础上,使用相较于波段比值模型精度更高的三波段模型对太湖叶绿素a浓度进行反演,并开展太湖富营养化评价;使用归一化植被覆盖指数(NDVI)开展太湖蓝藻水华的提取、强度分级和动态变化逐时监测,从而更好地服务于太湖夏季蓝藻水华预警、预报和预测。

1 材料与方法

1.1 水质采样和光谱测量

2019年5月10日、5月24日在与GOCI遥感数据同步的10:15和11:15对太湖实施了两次采样,共计22个采样点,用丙酮提取法测定叶绿素a浓度[14],作为反演建模数据集。6月3日相同时间又进行了1次采样,采集了10个采样点,作为验证数据集。

与水样采集同步,使用ASD Field Spec Pro FR便携式地物光谱仪进行水面光谱采集,光谱范围为350~1 050 nm,分辨率为3 nm,仪器观测平面与太阳入射平面的夹角为135°(背向太阳),仪器与水面法线的夹角为40°。水面光谱采集结束后,将仪器观测平面向上旋转90°,对天空辐亮度进行测量[15]39,剔除异常值后计算遥感反射率,计算公式见式(1)。

(1)

式中:R(λ)为λ波长处遥感反射率;L(λ)为λ波长处离水辐亮度,W/(cm2·nm·sr);E(λ)为λ波长处水面总入射辐照度,W/(cm2·nm)。其中,L(λ)和E(λ)分别通过式(2)和式(3)计算得到。

L(λ)=Ls(λ)-r×Lsky(λ)

(2)

(3)

式中:Ls(λ)为测得的λ波长处离水辐亮度,W/(cm2·nm·sr);Lsky(λ)为测得的λ波长处天空漫反射光辐亮度,W/(cm2·nm·sr);r为水气分界面对天空漫反射光的反射率,本研究中,平静水面取0.022,有风(风速为5 m/s左右)水面取0.025[15]40;Lp(λ)为测得的λ波长处标准灰板辐亮度,W/(cm2·nm·sr);ρp为标准灰板的反射率。

GOCI有8个通道,通道B1至B8中心波长分别为412、443、490、555、660、680、745、865 nm,波宽均为20 nm。通过式(4)计算得到通道Bi(i为通道排序号)的等效离水辐亮度(Li,W/(cm2·nm·sr)),通过式(5)计算得到Bi的等效水面总入射辐照度(Ei,W/(cm2·nm)),再通过式(6)计算得到通道Bi的等效遥感反射率(Ri)。

(4)

(5)

(6)

式中:λ1、λ2分别为通道Bi的波段区间最小值和最大值,nm;f(λ)为通道Bi的光谱响应函数。

1.2 GOCI遥感数据

GOCI每天提供8:15至15:15的遥感数据,可实时监测整个太湖水域,可以实现高频次的水色参数与蓝藻水华动态变化的监测[16]。

本研究获取了GOCI遥感数据,使用GOCI数据处理系统(GDPS)进行数据处理后得到各通道通过瑞利散射校正的等效遥感反射率,并进行大气校正[17]。

1.3 研究方法

1.3.1 GOCI遥感数据的叶绿素a浓度反演

DALL’OLMO等[18]提出的三波段模型无法直接用于GOCI遥感数据的叶绿素a浓度反演。但郭宇龙等[19]对三波段模型进行了进一步推演,构建了适用于GOCI遥感数据的叶绿素a浓度反演的三波段模型,本研究参照该模型进行GOCI遥感数据的叶绿素a浓度反演。

1.3.2 基于NDVI的蓝藻水华监测

当蓝藻水华发生时,聚集于水面的水华会使该水域表现出与植被光谱相似的特征。本研究根据式(7)计算GOCI遥感数据的NDVI来进行太湖蓝藻水华的监测。

(7)

式中:I为NDVI。

1.3.3 富营养化评价

本研究采用李云梅等[20]建立的湖泊富营养化评价综合指数模型(见式(8))评价太湖富营养化水平,TLI≤30为贫营养、3070为重度富营养。

TLI=10×(2.5+1.086lnC)

(8)

式中:TLI为富营养化综合指数;C为叶绿素a质量浓度,μg/L。

2 结果与分析

2.1 GOCI遥感数据的大气校正精度判定

从表1可以看出,除通道B8的平均相对误差为38.79%外,其余通道的平均相对误差均在30%以下,本研究涉及的通道B5、B6和B7的平均相对误差分别为20.42%、23.76%、25.71%。

2.2 太湖叶绿素a浓度反演

三波段模型对比目前常用的波段比值模型发现,三波段模型的线性决定系数为0.774 9,高于波段比值模型的0.762 2;三波段模型估算的叶绿素a浓度与实测叶绿素a浓度的平均相对误差为32.14%,而波段比值模型估算的叶绿素a浓度与实测叶绿素a浓度的平均相对误差为37.25%。由此可见,三波段模型要优于波段比值模型。因此,三波段模型可以用于GOCI遥感数据在太湖中的叶绿素a浓度反演。

表1 大气校正结果

图1为2019年6月3日10:15至15:15基于GOCI遥感数据的太湖叶绿素a浓度反演结果。由于水华发生时,藻类漂浮于水面,探测不到水体的信息,因此叶绿素a浓度的反演需先将水华区剔除。本研究将NDVI≥0.1的区域认为水华区。根据文献[21]和实地观测,胥湖和东南角水域被大量水草覆盖,本研究将其划为水草区,不参与叶绿素a浓度的反演。另外,由于6月3日8:15和9:15云量较高,也不进行叶绿素a浓度的反演。

注:虽有个别点的叶绿素a质量浓度超过0.08 mg/L,但不影响总体分布,因此不作考虑。图1 2019年6月3日太湖叶绿素a质量浓度分布Fig.1 Chlorophyll-a concentration distribution in Taihu Lake on June 3rd,2019

由图1可以看出,当日叶绿素a大致呈湖心和西部浓度较低,北部和西南沿岸浓度较高的空间分布。分析叶绿素a浓度随时间推移的动态过程发现,10:15太湖水体的叶绿素a质量浓度平均值为0.018 3 mg/L,15:15降到了0.016 1 mg/L,其中10:15至13:15叶绿素a浓度是增长的,之后持续降低,符合光合作用的日变化规律。由此可见,用GOCI遥感数据进行太湖叶绿素a浓度反演可以更加实时地掌握太湖的叶绿素a浓度变化。

2.3 太湖蓝藻水华监测

同样地,水草区不进行水华监测。8:15和9:15的遥感数据也不考虑。使用等间隔阈值法[22]进行水华分级,NDVI≥0.5为重度水华,0.3≤NDVI<0.5为中度水华,0.1≤NDVI<0.3为轻度水华,NDVI<0.1为正常水体,水华监测结果如图2和表2所示。竺山湖和椒山周边水域水华聚集情况较为严重,是当天重度水华的主要发生区域;西南沿岸也有水华发生,但随着时间推移逐步减弱;湖心区域则经历了一个从无到有、再到无的过程。分析水华面积发现,10:15至13:15是水华面积持续扩大的过程,13:15水华总面积达到了516.07 km2,重度水华达到118.02 km2,是当日蓝藻水华爆发最为严重的时段,这与叶绿素a浓度的时间变化规律一致,原因可解释为水华面积与藻类光合作用强度有密切关系,当天15:15的水华总面积降至最低(287.35 km2)。

图2 2019年6月3日太湖蓝藻水华分布Fig.2 Cyanobacterial bloom distribution in Taihu Lake on June 3rd,2019

表2 2019年6月3日太湖蓝藻水华面积

图3 太湖富营养化水平Fig.3 Taihu Lake eutrophication level

2.4 太湖富营养化评价

由于瞬时的富营养化评价意义不大,故这里选取了太湖蓝藻水华爆发的初始阶段4月(包括4月1日、4月5日、4月6日、4月15日和4月18日)和太湖蓝藻水华爆发的旺盛阶段6月(包括6月3日、6月4日、6月15日和6月28日)进行富营养化评价和比较,所选GOCI遥感数据在云量较低的情况下获得,并经过了大气校正,撇开水草区,从而得到2019年4月和6月的太湖富营养化综合指数平均分布(见图3)。

从空间分布来看,太湖富营养化水平总体呈西部高东部低、北部高南部低、边缘高中间低的趋势。从4月到6月的变化趋势来看,太湖富营养化水平明显加剧,贫、中营养湖区面积大幅萎缩,富营养湖区面积明显增长。4月中营养湖区面积还有62.92%,而6月就没有了;4月轻度富营养湖区面积占37.08%,6月增加到了80.30%;4月没有中度和重度富营养湖区,但6月分别占到了17.23%、2.47%。

3 结 论

(1) 三波段模型优于波段比值模型,可以用于GOCI遥感数据反演太湖叶绿素a浓度。

(2) 2019年6月3日太湖叶绿素a大致呈湖心和西部浓度低、北部和西南沿岸浓度高的空间分布;从10:15至15:15,叶绿素a浓度先升高后降低,符合光合作用的日变化规律。

(3) 太湖蓝藻水华监测表明,竺山湖和椒山周边水域水华聚集情况较为严重,是当天重度水华的主要发生区域;水华的时间变化规律同叶绿素a浓度变化规律一致。

(4) 对2019年4月和6月的GOCI遥感数据进行富营养化评价发现,太湖富营养化水平总体呈西部高东部低、北部高南部低、边缘高中间低的趋势;6月较4月富营养化水平明显加剧。

猜你喜欢
水华蓝藻富营养化
藻类水华控制技术及应用
河湖藻类水华应急治理决策研究
洪口水库近年富营养化程度时间分布的研究
南美白对虾养殖池塘蓝藻水华处理举措
南美白对虾养殖池塘蓝藻水华处理举措
高效溶藻菌对富营养化水体的治理效果
中国农业面源污染研究进展
人工浮岛技术净化废水研究与实践
自创生存环境小能手——蓝藻
可怕的蓝藻