基于遙感的唐山邱莊水庫(kù)葉綠素濃度監(jiān)測(cè)

董會(huì)嬌

(河北唐山水文水資源勘測(cè)局，河北 唐山 063000)

獲取水質(zhì)監(jiān)測(cè)的定量信息是水環(huán)境保護(hù)、水污染治理的基礎(chǔ)工作。水質(zhì)具有區(qū)域性、物候性、變率快等特點(diǎn)，實(shí)時(shí)測(cè)定的水體質(zhì)量只在小區(qū)域、特定時(shí)段內(nèi)有效，而大范圍的水體化驗(yàn)分析必定費(fèi)時(shí)費(fèi)力，隨著遙感(Remorse Sensing，RS)技術(shù)在資源環(huán)境監(jiān)測(cè)中取得長(zhǎng)足發(fā)展應(yīng)用，使得大尺度、長(zhǎng)周期、高時(shí)效的水質(zhì)信息提取成為可能，并受到科研學(xué)者、環(huán)境部門的廣泛推崇。水體中富含多種物質(zhì)，葉綠素濃度是水體質(zhì)量的重要指示性指標(biāo)，其遙感監(jiān)測(cè)機(jī)理是以實(shí)測(cè)葉綠素含量為依據(jù)，以相應(yīng)時(shí)期內(nèi)多源遙感數(shù)據(jù)為輔助，提取與葉綠素含量密切相關(guān)的特征波段參數(shù)，從而建立統(tǒng)計(jì)回歸模型，并基于模型實(shí)現(xiàn)廣域監(jiān)測(cè)。關(guān)于水體葉綠素監(jiān)測(cè)，學(xué)者們進(jìn)行了不同時(shí)空尺度的研究。從全球尺度上，美國(guó)NASA基于MODIS數(shù)據(jù)繪制了全球海洋地區(qū)葉綠素分布圖；Chauhan等利用IRS-P4的水色數(shù)據(jù)繪制了阿拉伯海葉綠素-a濃度分布特征；吳秋珍等[1]建立了葉綠素含量解析方程，繪制了秋季洪湖葉綠素分布圖。邱莊水庫(kù)是唐山市重要的生活取水源地，本研究以此為案例區(qū)詳述了基于遙感水質(zhì)監(jiān)測(cè)過(guò)程，并直觀呈現(xiàn)庫(kù)區(qū)水體葉綠素含量，以期為水環(huán)境治理工程技術(shù)提供參考依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)邱莊水庫(kù)地處唐山市豐潤(rùn)縣還鄉(xiāng)河上游，控制回流525km2，庫(kù)容達(dá)2.04億m3，作為唐山市重要的水源供應(yīng)地之一。水庫(kù)為20世紀(jì)50年代建造，兼具有蓄水引灌、涵養(yǎng)水土、觀光休憩、娛樂休閑、凈化水域、維持天然河道等多向生態(tài)、社會(huì)服務(wù)功能。本區(qū)屬于溫帶大陸性氣候，為我國(guó)濕潤(rùn)區(qū)向半濕潤(rùn)區(qū)過(guò)度的地帶，夏季高溫且降水集中，冬春季節(jié)寒冷時(shí)有降雪，冬夏分明且綿長(zhǎng)，春秋溫涼亦短促，年平均氣溫為12℃，多年均降水量670mm，蒸發(fā)量1380mm。區(qū)域煤炭、石油等傳統(tǒng)化石能源使用較多，加之區(qū)域氣候暖干化和封閉的地形影響，霧霾、沙塵等天氣多發(fā)。庫(kù)區(qū)附近植被以旱柳、楊樹、蘆葦?shù)葹橹?，多溫帶落葉闊葉林植被。在地下徑流、地表匯流的作用下匯集營(yíng)養(yǎng)鹽類較多，水中浮游生物活躍。

1.2 研究數(shù)據(jù)源

遙感數(shù)據(jù)為中分辨率成像光譜儀MODIS數(shù)據(jù)，由美國(guó)航空航天局(NASA)的發(fā)射的terra和aqua兩顆衛(wèi)星提供(https://ladsweb. modaps. eosdis. nasa. gov/search/add. html)，具有輻射分辨率高、誤差小、監(jiān)測(cè)范圍廣、時(shí)效性高等特點(diǎn)。為了保持與地面數(shù)據(jù)的同步性，本文選取的是2017年9～10月每8d合成的反射率產(chǎn)品，空間分辨率為250m。

本實(shí)驗(yàn)與2017年9～10月對(duì)邱莊水庫(kù)水體進(jìn)行采樣測(cè)試，樣點(diǎn)覆蓋整個(gè)湖區(qū)，分布均勻，共計(jì)樣點(diǎn)46個(gè)(圖1)。測(cè)試內(nèi)容主要包括水體光譜、葉綠素含量以及其他環(huán)境參數(shù)。實(shí)驗(yàn)設(shè)備采用光美國(guó)分析光譜儀器公司的制造的ASD野外光譜輻射儀，其光譜覆蓋范圍介于0～2312nm，光譜分辨率3nm，能夠反映更多的細(xì)微信息。葉綠素含量用分光光度法測(cè)定。

圖1 研究區(qū)位置和樣點(diǎn)分布

1.3 數(shù)據(jù)處理

基于研究區(qū)經(jīng)緯度信息，在ENVI 5.3環(huán)境下對(duì)MODIS數(shù)據(jù)進(jìn)行了幾何校正、圖像鑲嵌和裁剪、圖像增強(qiáng)處理，并運(yùn)用MRT工具轉(zhuǎn)換成Geographic Lai/Lon投影系統(tǒng)；然后通過(guò)湖區(qū)矢量邊界圖對(duì)MODIS數(shù)據(jù)進(jìn)行裁剪，提取研究區(qū)影像數(shù)據(jù)。

水體葉綠素光譜測(cè)量時(shí)易遭受太陽(yáng)輻射影響而產(chǎn)生噪聲，遂在光譜處理過(guò)程中根據(jù)各樣點(diǎn)處測(cè)得的光譜曲線集中情況，刪除過(guò)高或過(guò)低的曲線特征；在每個(gè)樣點(diǎn)取10條有效光譜，使用平均處理以便進(jìn)行遙感反射率的計(jì)算，其參數(shù)選取參照唐軍武等[9]研究結(jié)果。在Rstudio軟件中應(yīng)用偏最小二乘法(partial least squares，PLS)建立實(shí)測(cè)的水體葉綠素含量與光譜特征參數(shù)之間的關(guān)系，從而進(jìn)行葉綠素反演建模；對(duì)于建模精度的評(píng)斷，以決定系數(shù)法和均方根誤差(root mean square error，RMSE)來(lái)度量。

2 結(jié)果與分析

2.1 邱莊水庫(kù)葉綠素光譜特征

水體是多種雜質(zhì)混合體，其光譜特征是由各種物質(zhì)的光學(xué)特性綜合表現(xiàn)的結(jié)果。如圖2所示，在400～500nm范圍內(nèi)，水體反射率較低，主要是由于該波段為藍(lán)紫光吸收波段，另外黃色物質(zhì)在此區(qū)間也存在強(qiáng)烈吸收；在520～580nm那么范圍內(nèi)存在一個(gè)反射峰，峰值在550nm左右，這因?yàn)轭惾~綠素和胡蘿卜素弱吸收，以及浮游植物體的細(xì)胞的散射作用導(dǎo)致的，因此550nm處可作為葉綠素含量的特征波動(dòng)位置的選擇。在700～960nm范圍內(nèi)，浮游植物體內(nèi)葉綠素對(duì)對(duì)紅光波動(dòng)吸收強(qiáng)烈，反射峰776nm處十分明顯，這對(duì)于檢驗(yàn)葉綠素含量具有重要意義，其中約在815nm的反射峰是由于水面漂浮物引起的。

圖2 水體葉綠素高光譜反射特性

2.2 水體葉綠素含量與光譜波段的相關(guān)性

如圖3所示，水體在不同波段位置其光譜特性不一，因而其與葉綠素含量之間的響應(yīng)關(guān)系在不同波段位置上存在差異。依圖可知，在340～567nm范圍內(nèi)，波段值對(duì)水體葉綠素含量的響應(yīng)區(qū)域減弱，其相關(guān)性由0.754減小至-0.477，相應(yīng)地，由顯著正相關(guān)演變?yōu)轱@著負(fù)相關(guān)，其中在524nm位置處，其相關(guān)性為0，在521～527nm，其相關(guān)性未達(dá)到顯著性水平。在574～700nm之間存在一個(gè)明顯的波峰，峰值位于670nm處，此刻其對(duì)葉綠素含量的響應(yīng)最為明顯，達(dá)到0.357顯著相關(guān)性水平，而在674～670nm和670～700nm之間，其相關(guān)系數(shù)均較小。

圖3 葉綠素含量與光譜特征的相關(guān)性

光譜指數(shù)反映了地物在不同波段的反射特性，通過(guò)構(gòu)建特征光譜指數(shù)，能夠?qū)⒌匚飳?duì)光譜的敏感性最大化，并且將外部因素的影響控制在最小范圍內(nèi)。應(yīng)用任意量波段間反射率非差值、比值、歸一化值、單波段指數(shù)，對(duì)提取地物內(nèi)在特征具有極大便利；根據(jù)以往經(jīng)驗(yàn)結(jié)果，比值光譜指數(shù)數(shù)據(jù)噪聲小、容忍度高，對(duì)水體葉綠素反演具有較高適應(yīng)性。基于水體葉綠素光譜曲線，提取比值特征光譜指數(shù)后，在Matlab2016b的環(huán)境下繪制了光譜指數(shù)與葉綠素含量的相關(guān)性等勢(shì)圖(圖4)。圖中色調(diào)越暖，表明該波段位置處光譜指數(shù)與葉綠素含量呈正相關(guān)，且相關(guān)性越強(qiáng)，反之，色調(diào)越冷。

圖4 光譜指數(shù)與葉綠素濃度的線性相關(guān)決定系數(shù)等勢(shì)圖

2.3 基于遙感的水體葉綠素監(jiān)測(cè)模型

通過(guò)前述分析可知，水體葉綠素含量在不同波段位置其響應(yīng)關(guān)系不同。經(jīng)篩選分析，葉綠素含量與比值光譜指數(shù)在λ550、λ670和λ774位置處的相關(guān)性最高，遂以此作為輔助變量進(jìn)行建模訓(xùn)練。參照中國(guó)科學(xué)院地理研究所王卷樂教授等應(yīng)用的自定義方法。該模型理念主要是以將MODIS地標(biāo)反射率數(shù)據(jù)進(jìn)行最佳波段組合后，定義葉綠素含量實(shí)測(cè)高光譜數(shù)據(jù)的敏感區(qū)間，然后這個(gè)區(qū)間所在的MODIS通道的反射率與葉綠素進(jìn)行回歸預(yù)測(cè)分析，從而完成區(qū)域水體葉綠素含量反演模型。據(jù)此，以30個(gè)樣點(diǎn)數(shù)據(jù)進(jìn)行建模，另16組數(shù)據(jù)進(jìn)行獨(dú)立驗(yàn)證，在Simca-P11.5軟件平臺(tái)的支持下，進(jìn)行偏最小二乘回歸分析，運(yùn)行得到模型見表1。

表1 邱莊水庫(kù)葉綠素監(jiān)測(cè)模型

由表1可知，該模型中常數(shù)為12.484，550nm波段的系數(shù)為-4.24，670nm處的系數(shù)為0.585，774nm波段特征指數(shù)的系數(shù)為-7.502，統(tǒng)計(jì)顯示均達(dá)到顯著性，表明該模型精度高。利用獨(dú)立驗(yàn)證的16個(gè)點(diǎn)進(jìn)行驗(yàn)證，結(jié)果表明模型的R2為0.518，RMSE為1.532，達(dá)到極顯著水平(P<0.01)，由此可見該模型具有較高的可信度。

2.4 邱莊水庫(kù)水體葉綠素分布特征

應(yīng)用前述水體葉綠素濃度監(jiān)測(cè)模型，將MODIS光譜通道數(shù)據(jù)作為輔助，在ArcGIS 10.5軟件中對(duì)邱莊水庫(kù)葉綠素含量進(jìn)行空間分布預(yù)測(cè)性制圖，結(jié)果如圖5所示。由圖5可知，邱莊水庫(kù)水體葉綠素含量介于0.48～5.64mg/L之間，高值區(qū)主要集中于湖區(qū)下游東北部，主要由于該區(qū)地勢(shì)相對(duì)較低，水流速緩慢、交換性差，富營(yíng)養(yǎng)物質(zhì)累積，浮游生物生長(zhǎng)較多，因而葉綠素含量高。而湖區(qū)中部為邱莊水庫(kù)改造工程的核心區(qū)，受親水改造工程影響顯著。

圖5 邱莊水庫(kù)水體葉綠素空間格局

3 結(jié)語(yǔ)

水體葉綠素含量是水體質(zhì)量的指示器，在現(xiàn)代遙感技術(shù)支持下，通過(guò)星地多源數(shù)據(jù)進(jìn)行水體葉綠素含量的反演，成為水環(huán)境監(jiān)測(cè)的重要手段之一。該方案其基于水體反射特性的嚴(yán)格物理特征，實(shí)現(xiàn)對(duì)目標(biāo)水域水質(zhì)的間接推算，從技術(shù)上方便簡(jiǎn)易，從監(jiān)測(cè)效果上可達(dá)到全局性，更易于揭示水質(zhì)污染的來(lái)源、擴(kuò)散動(dòng)態(tài)、波及范圍、影響周期，從而為科學(xué)、有效的水體治理提供量化的資料數(shù)據(jù)；另外，遙感數(shù)據(jù)的多重時(shí)間尺度、空間尺度特征，為監(jiān)測(cè)水域污染的動(dòng)態(tài)規(guī)律、節(jié)律提供了可行方案，尤其在宏觀監(jiān)測(cè)方面展現(xiàn)出較大優(yōu)勢(shì)。從這一方面來(lái)講，應(yīng)用遙感及其相關(guān)技術(shù)非水體葉綠素實(shí)時(shí)監(jiān)測(cè)，體現(xiàn)了水環(huán)境監(jiān)測(cè)技術(shù)的進(jìn)步。

[1] 潘應(yīng)陽(yáng), 國(guó)巧真, 孫金華. 水體葉綠素a濃度遙感反演方法研究進(jìn)展[J]. 測(cè)繪科學(xué), 2017(01): 43- 48.

[2] 葉慧琳. 渤海灣葉綠素a濃度的遙感反演模型及其應(yīng)用研究[D]. 中國(guó)地質(zhì)大學(xué)(北京), 2015.

[3] Subramaniam A, Kratzer S, Carpenter E J, et al. REMOTE SENSING AND OPTICAL IN-WATER MEASUREMENTS OF A CYANOBACTERIA BLOOM IN THE BALTIC SEA[C] . International Conference on Remote Sensing for Marine and Coastal Environments. 2000.

[4] P. A. Brivio, C. Giardino, E. Zilioli. Determination of chlorophyll concentration changes in Lake Garda using an image-based radiative transfer code for Landsat TM images[J]. International Journal of Remote Sensing, 2001, 22(2- 3): 487- 502.

[5] Kyte, Elizabeth A. Remote sensing of chlorophyll concentrations in a turbid shelf sea[D]. University of Wales, 2008.

[6] Gregg W W, Casey N W. Global and regional evaluation of the SeaWiFS chlorophyll data set[J]. Remote Sensing of Environment, 2004, 93(04): 463- 479.

[7] P. Chauhan, M. Mohan, R. K. Sarngi, et al. Surface chlorophyll a estimation in the Arabian Sea using IRS-P4 Ocean Colour Monitor(OCM)satellite data[J]. International Journal of Remote Sensing, 2002, 23(08): 1663- 1676.

[8] 吳秋珍, 熊勤學(xué), 劉章勇, 等. 運(yùn)用MODIS數(shù)據(jù)反演洪湖葉綠素a含量業(yè)務(wù)可行性分析[J]. 長(zhǎng)江流域資源與環(huán)境, 2012, 21(10): 1243- 1247.

[9] 唐軍武, 田國(guó)良. 水色光譜分析與多成分反演算法[J]. 遙感學(xué)報(bào), 1997, 1(04): 252- 256.

[10] 王卷樂. 鄱陽(yáng)湖地區(qū)環(huán)境變化遙感監(jiān)測(cè)與環(huán)境管理[M]. 北京: 科學(xué)出版社, 2015.