遙感技術(shù)在水資源管理中的應(yīng)用

王賽林

(四創(chuàng)科技有限公司，福州 350000)

1 概 述

靜水生態(tài)系統(tǒng)是生物多樣性不可估量的可再生自然資源，人類活動(dòng)和氣候變化都會(huì)對(duì)其產(chǎn)生影響。它們的生態(tài)狀況對(duì)其作為飲用水水庫、灌溉、漁業(yè)或娛樂的價(jià)值有著至關(guān)重要的影響，今后任何努力都有理由提高監(jiān)測(cè)和保護(hù)或改善這些資源的能力[1-2]。主要目標(biāo)是實(shí)現(xiàn)可持續(xù)管理；維持生態(tài)系統(tǒng)的功能(包括依賴性濕地和陸地生態(tài)系統(tǒng))；達(dá)到良好的生態(tài)狀態(tài)。衛(wèi)星遙感是一個(gè)重要的信息來源：它使我們能夠以比點(diǎn)測(cè)量更大的時(shí)間覆蓋范圍來觀察更大的水域，而且它也非常具有成本效益。遙感技術(shù)的優(yōu)勢(shì)在于能夠提供地表水質(zhì)量參數(shù)的空間和時(shí)間視圖，而這些參數(shù)通常無法通過現(xiàn)場(chǎng)測(cè)量獲得。遙感使有效和高效地監(jiān)測(cè)景觀成為可能，查明存在重大水質(zhì)問題的水體，從而支持制定湖泊管理方案。

近年來，隨著傳感器設(shè)計(jì)的不斷改進(jìn)和數(shù)據(jù)分析技術(shù)的不斷進(jìn)步，湖泊水質(zhì)遙感成為一項(xiàng)新興技術(shù)。特別是水質(zhì)算法的新發(fā)展主要是由中分辨率成像光譜儀(MODIS)的出現(xiàn)推動(dòng)的，以及中分辨率成像光譜儀(MERIS)。除了水質(zhì)參數(shù)外，遙感使我們能夠調(diào)查土地覆蓋動(dòng)態(tài)和演變；根據(jù)目標(biāo)區(qū)域的范圍，各種各樣的衛(wèi)星儀器，主要來自空間介質(zhì)分辨率傳感器(如陸地衛(wèi)星)，可用于在集水區(qū)尺度上描述土地覆蓋[3-4]。遙感成功地提取并提供了有關(guān)集水區(qū)特征的相關(guān)信息。通過比較衛(wèi)星獲得的水質(zhì)數(shù)據(jù)和現(xiàn)場(chǎng)測(cè)量結(jié)果，評(píng)估了這些儀器描述筼筜湖水質(zhì)的能力，為今后管理提供數(shù)據(jù)支撐。

2 材料和方法

2.1 研究區(qū)域

筼筜湖位于廈門島西部，毗鄰西海域，流域面積約為37 km2，這是一個(gè)封閉的湖泊，有未分層和非常淺的水域(平均底部深度4.5 m，最大深度6 m)。湖泊生態(tài)系統(tǒng)因其豐富的動(dòng)植物和物種多樣性而具有特殊價(jià)值。

2.2 圖像處理

為了分析筼筜湖中的各種元素(即水質(zhì)、土地利用/土地覆蓋)，使用不同的衛(wèi)星傳感器(表1)。并根據(jù)所調(diào)查對(duì)象對(duì)圖像進(jìn)行處理。

表1 本研究中使用的衛(wèi)星數(shù)據(jù)及其標(biāo)稱空間分辨率匯總

2.2.1 MERIS水質(zhì)參數(shù)

選取118幅2015-2018年間的晴空MERIS圖像。除2018年外，每年包括大約20個(gè)場(chǎng)景。這些圖像用基本環(huán)境衛(wèi)星/ERS ATSR和MERIS工具箱進(jìn)行處理。利用改進(jìn)的陸地和海洋對(duì)比度(ICOL)插件對(duì)一級(jí)數(shù)據(jù)進(jìn)行鄰接效應(yīng)校正，然后轉(zhuǎn)換為水質(zhì)產(chǎn)品。為此，基于MERIS Case-2核心模塊的3種插件算法可用：Case-2區(qū)域、北部湖泊和富營養(yǎng)化湖泊，所有這些算法都實(shí)現(xiàn)了專門的大氣校正。在本研究中，使用C2R處理器是因?yàn)樗m合于描述湖的光學(xué)特性。C2R的水成分反演提供了不同的產(chǎn)品，包括葉綠素a濃度和總懸浮物，以及假設(shè)與透明度深度相當(dāng)?shù)淖钚≥椪斩人p系數(shù)和信號(hào)深度。

2.2.2 土地利用/覆蓋和植物

為了研究流域土地利用/覆蓋類型的近期變化，利用1979-2018年期間獲得的陸地衛(wèi)星多光譜掃描儀(MSS)/專題制圖器(TM)、反射輻射計(jì)和可見光和近紅外輻射計(jì)(AVNIR-2)(表1)。在2014-2018年夏季采集了多光譜遙感圖像?；趥尾蛔兲卣鞯倪x取和線性回歸變換，采用輻射歸一化方法對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行預(yù)處理。整個(gè)數(shù)據(jù)集中只有同源光譜帶被考慮用于進(jìn)一步分析，因此包括3個(gè)可見綠光波段(0.52～0.60 μm)、可見紅光波段(0.63～0.69 μm)和近紅外波段(0.76～0.89 μm)。

通過減去暗像素對(duì)歸一化數(shù)據(jù)進(jìn)行大氣效應(yīng)校正，最后在平面坐標(biāo)系中進(jìn)行地理參照和聯(lián)合登記。從多時(shí)相數(shù)據(jù)集中提取覆蓋6個(gè)土地覆蓋等級(jí)的樣本，這6個(gè)覆蓋類別是：水、山上的森林、平原上的森林、荒地(裸露的巖石和牧場(chǎng))、裸露的土壤和有植被的田地。

3 結(jié)果與討論

3.1 水質(zhì)監(jiān)測(cè)

為了長(zhǎng)期驗(yàn)證葉綠素a濃度和透明度深度以及MODIS地表溫度，利用ARPA Umbria在湖心收集的現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù)?？偟膩碚f，考慮到衛(wèi)星數(shù)據(jù)是由這些現(xiàn)場(chǎng)數(shù)據(jù)獨(dú)立產(chǎn)生的，因此是兩個(gè)絕對(duì)獨(dú)立的數(shù)據(jù)集，因此觀察到現(xiàn)場(chǎng)數(shù)據(jù)和衛(wèi)星遙感數(shù)據(jù)之間的良好一致性，見圖1。由圖1(a)可知，MERIS遙感數(shù)據(jù)符合葉綠素a濃度的原位趨勢(shì)，盡管MERIS在2015年夏季和2018年夏季都有低估葉綠素a濃度最高值的趨勢(shì)。現(xiàn)場(chǎng)和衛(wèi)星測(cè)量之間的時(shí)間不匹配(通常是小時(shí)與秒)以及比例尺差異(點(diǎn)式站的樣本與面積為300 m×300 m的測(cè)量值之間的差異)，都阻礙了遙感測(cè)量和現(xiàn)場(chǎng)測(cè)量之間的比較。與葉綠素a濃度類似，MERIS描述透明度深度的能力是非常有前途的，因?yàn)镸ERIS可以描述水透明度的時(shí)間趨勢(shì)，見圖1(b)。盡管時(shí)間序列較短，但由于C2R估計(jì)值與現(xiàn)場(chǎng)數(shù)據(jù)相當(dāng)，因此總懸浮物的結(jié)果也令人滿意，見圖1(c)。在最高和最低水溫下，MODIS和原位水面溫度測(cè)量之間的一致性幾乎是非常契合的，見圖1(d)。

圖1 2014-2018年3個(gè)水質(zhì)參數(shù)的現(xiàn)場(chǎng)測(cè)量和遙感監(jiān)測(cè)隨時(shí)間變化

在論證遙感技術(shù)可以監(jiān)測(cè)筼筜湖水質(zhì)參數(shù)的基礎(chǔ)上，對(duì)其管理進(jìn)行分析。由MERIS得到的葉綠素a濃度值與水位(圖2)進(jìn)行對(duì)比，發(fā)現(xiàn)兩個(gè)量之間呈負(fù)相關(guān)，因此葉綠素a濃度隨水位下降而增加，反之亦然。兩個(gè)參數(shù)之間的回歸分析統(tǒng)計(jì)數(shù)據(jù)顯示，皮爾遜相關(guān)系數(shù)r的值為-0.48。盡管相關(guān)性很低，F(xiàn)檢驗(yàn)(P值<0.01)表明變量之間的關(guān)系不是偶然發(fā)生的。因此，水位降低可能有助于提高湖泊的營養(yǎng)水平。

圖2 MERIS 葉綠素a估算值與水位之間的相關(guān)性

3.2 變化檢測(cè)

根據(jù)1989-2018年衛(wèi)星數(shù)據(jù)的土地覆蓋分類得出的結(jié)果，顯示了過去30年間流域景觀和環(huán)境變化的動(dòng)態(tài)，見表2。

表2 土地覆蓋/使用變化結(jié)果

除了城市地區(qū)略有增加(僅從1990和2000年的CORINE土地覆蓋圖中得出)和筼筜湖地區(qū)的微小變化(由于季節(jié)變化和衛(wèi)星圖像采集日期的不均勻性)之外，這些數(shù)據(jù)的主要觀點(diǎn)是，從2000年開始，耕地(農(nóng)業(yè)類)明顯減少，隨后由貧瘠土地和森林(丘陵和平原)組成的非生產(chǎn)性地形(裸地、牧場(chǎng)和天然林地覆蓋)增加。

農(nóng)業(yè)用地在1998年占集水區(qū)的35%，2018年下降至31%，而非生產(chǎn)性地形(荒地、牧場(chǎng)和天然林)則從1998年的23%增加至2018年的27%。通過與地方政府提供的面積數(shù)據(jù)進(jìn)行比較，對(duì)遙感衍生的土地覆蓋分類進(jìn)行簡(jiǎn)單驗(yàn)證。結(jié)果表明，2009年整個(gè)流域的耕地面積估計(jì)為107 km2；相比之下，根據(jù)2008年Landsat TM數(shù)據(jù)估算的農(nóng)業(yè)用地覆蓋等級(jí)為102 km2，雖然略為低估，但符合得很好。

空間分析得到的地圖(圖3)顯示了沿著湖泊集水區(qū)的耕地上農(nóng)業(yè)的空間分布。這些地圖是該地區(qū)農(nóng)業(yè)利用的指標(biāo)，可用于估算筼筜湖沿岸帶的農(nóng)業(yè)壓力和水質(zhì)。這些數(shù)據(jù)描述了農(nóng)業(yè)地塊破碎的局部狀態(tài)，其中1 km×1 km單元中包含的大量多邊形指向高度破碎，這表示專用于同質(zhì)作物的小地塊，而少量多邊形表示較低破碎和較大的農(nóng)業(yè)地塊。碎片化在時(shí)間上的演變表明，碎片化的增加是農(nóng)業(yè)分割和分化的癥狀。這些數(shù)據(jù)顯示，沿該湖西南岸的碎片化程度略有增加，這也是農(nóng)業(yè)相關(guān)活動(dòng)最集中的地區(qū)。

4 結(jié) 論

本文論證了遙感數(shù)據(jù)輔助筼筜湖管理的能力。利用MERIS、MODIS等高回訪時(shí)間傳感器對(duì)水質(zhì)(葉綠素a濃度、透明度深度)進(jìn)行粗尺度定期監(jiān)測(cè)。MERIS和MODIS的圖像處理方法與場(chǎng)景無關(guān)，可以為筼筜湖的水質(zhì)監(jiān)測(cè)提供一種替代方法。MERIS時(shí)間序列分析表明，葉綠素a濃度隨水位下降而升高。土地覆蓋變化檢測(cè)分析結(jié)果顯示，從20世億90年代初開始，耕地面積減少，隨后非生產(chǎn)性地形(裸地和牧場(chǎng))和天然林增加，農(nóng)業(yè)區(qū)的破碎化程度也隨著時(shí)間的推移而變化。2013-2018年，大型植物的數(shù)量也有所減少。