衛(wèi)星遙感解譯湖泊藍(lán)藻水華的幾個(gè)關(guān)鍵問(wèn)題探討*

馮 煉

(南方科技大學(xué)環(huán)境科學(xué)與工程學(xué)院，深圳 518055)

藍(lán)藻水華(cyanobacterial bloom，簡(jiǎn)稱藻華)被公認(rèn)為全球最嚴(yán)重的湖泊水環(huán)境問(wèn)題之一[1]，其主要危害包括三類：第一，藍(lán)藻在水面聚集影響湖泊的整體景觀，并釋放難聞氣味；第二，大量藍(lán)藻富集能耗盡水中的溶解氧、阻擋光的向下傳輸路徑，擠占其它水生生物的生存空間；第三，產(chǎn)生的藍(lán)藻毒素(cyanotoxins)能直接影響魚(yú)類及人畜的健康[2]. 藍(lán)藻能通過(guò)改變自身浮力來(lái)調(diào)整其水深分布[3]，因而在水平與垂直空間上，都可能呈現(xiàn)顯著的異質(zhì)性. 因此在藻華暴發(fā)時(shí)，現(xiàn)場(chǎng)船舶調(diào)查通常難以全面捕獲水華影響范圍等關(guān)鍵信息. 衛(wèi)星遙感具有大范圍、周期性觀測(cè)等特點(diǎn)，正好能彌補(bǔ)常規(guī)手段的不足，從而實(shí)現(xiàn)藻華的暴發(fā)范圍、程度、持續(xù)時(shí)間等信息的快速準(zhǔn)確獲取[4-5]，如圖1所示.

圖1 Landsat 8 OLI真彩色合成影像顯示太湖(A)、 洱海(B)與巢湖(C)的藍(lán)藻水華暴發(fā) (湖泊中綠色為藍(lán)藻水華暴發(fā)區(qū))Fig.1 Landsat 8 OLI true color composite for Lake Taihu (A), Lake Erhai (B) and Lake Chaohu (C) show cyanobacterial blooms (greenish slicks)

大量浮游藻類在水體表面聚集并能被衛(wèi)星遙感識(shí)別的主要理論依據(jù)是：一方面，葉綠素在綠光波段存在反射峰，綠光波段在可見(jiàn)光范圍反射最強(qiáng)，藻華將水體染成墨綠色(圖1)；另外，藻華暴發(fā)時(shí)水體在近紅外波段(near-infrared)反射較強(qiáng)，使得藻華水體具有陸地植被類似的紅邊(red edge)反射特征[6](圖2). 因此從理論上來(lái)講，通過(guò)基于單一波段的反射率或構(gòu)建相關(guān)的光譜指數(shù)，就能較好地對(duì)藻華區(qū)域進(jìn)行判別. 目前，被常用于藍(lán)藻水華識(shí)別的光譜指數(shù)包括近紅外/綠光比值指數(shù)[7]、歸一化植被指數(shù)(normalized difference vegetation index,NDVI[8])、最大葉綠素指數(shù)(maximum chlorophyll index,MCI[9])、浮藻指數(shù)(floating algae index,FAI[10])、藍(lán)藻指數(shù)(cyanobacteria index,CI[11])等. 基于衛(wèi)星遙感數(shù)據(jù)的研究對(duì)象包括單個(gè)湖泊[7-8,12-15]、區(qū)域湖泊群[16-17]，甚至全球尺度湖泊[18].

毋庸置疑，衛(wèi)星遙感提供了一種高效、低成本的藍(lán)藻水華監(jiān)測(cè)手段，但是在實(shí)際應(yīng)用過(guò)程中，筆者提出以下4個(gè)應(yīng)當(dāng)注意的關(guān)鍵問(wèn)題.

1 水體在綠光及近紅外波段的高反射信號(hào)并非一定來(lái)源于藍(lán)藻水華

清澈的非水華水體顏色也可能呈現(xiàn)墨綠色，即在可見(jiàn)光譜段上綠光波段反射率高于藍(lán)、紅波段. 例如，對(duì)于周圍有青山或森林的湖庫(kù)，綠色植被信號(hào)可能通過(guò)水面的鏡面反射或漫反射進(jìn)入傳感器，呈現(xiàn)我們常見(jiàn)的“碧”波粼粼的景觀. 此外，對(duì)于富含礦物質(zhì)的湖泊，因離子(例如鈣離子、碳酸氫根離子等)存在會(huì)改變水下光的吸收散射特性[19]，進(jìn)而產(chǎn)生各種不同的顏色(例如青藏高原部分湖泊、美國(guó)黃石公園的大棱鏡泉等). 近年，國(guó)內(nèi)外學(xué)者使用水體顏色(例如FUI顏色分級(jí)方法)對(duì)水體的富營(yíng)養(yǎng)化開(kāi)展了較多的研究[20-22]，然而對(duì)上述兩個(gè)問(wèn)題目前還沒(méi)有關(guān)注，更缺乏有效的解決方案.

湖泊(特別是淺水湖泊)受河流輸入、底部再懸浮等過(guò)程影響，水體懸浮泥沙濃度呈現(xiàn)顯著時(shí)空動(dòng)態(tài)差異. 然而，泥沙的強(qiáng)后向散射信號(hào)會(huì)導(dǎo)致高渾濁水體在近紅外波段的反射率升高[23-24]. 因此，基于單一近紅外反射率閾值法只適用于懸浮泥沙濃度較低的水體(例如波羅的海[25]). 然而，2019年《自然》雜志一篇文章將單波段算法應(yīng)用到全球71個(gè)湖泊[18]，懸浮泥沙濃度的強(qiáng)反射會(huì)被誤判為水華信號(hào)，導(dǎo)致藻華過(guò)程的嚴(yán)重高估. 此外，因?yàn)楹磻腋∧嗌车绕渌饷魠?shù)的濃度變化會(huì)改變整個(gè)反射率光譜曲線的形狀及大小，從而使得藻華指數(shù)(如MCI、FAI等)的最佳判別閾值在不同湖泊甚至相同湖泊不同時(shí)間存在較大差異[12].

對(duì)于水生植被茂盛的湖泊而言，植被光譜在形狀與反射率大小上都同藻華相似，單獨(dú)使用前面提到的光譜指數(shù)難以將兩者進(jìn)行有效區(qū)分(圖2)，需要借助多種指數(shù)[26]或植被空間分布的先驗(yàn)知識(shí)[12]. 特別的是，藍(lán)藻中的藻藍(lán)蛋白(或藻藍(lán)素，phycocyanin)在620 nm處存在獨(dú)特的吸收峰，因此藍(lán)藻與水生植被在該波段附近存在明顯反射率差異(圖2)，并可用于水生植被與水華的分類[6]. 然而，只有少數(shù)幾個(gè)衛(wèi)星傳感器設(shè)置了620 nm波段(如歐空局的MERIS、OLCI或其他高光譜衛(wèi)星傳感器)，限制了該方法的推廣應(yīng)用. 另外，水生植被因具有明顯的物候生長(zhǎng)周期，其生長(zhǎng)位置在短時(shí)間(例如幾個(gè)月)內(nèi)變化較小，而藍(lán)藻水華的空間分布因受環(huán)境影響呈現(xiàn)高動(dòng)態(tài)變化特征. 因此，可以考慮結(jié)合水生植被與水華的物候差異，利用時(shí)序遙感數(shù)據(jù)對(duì)兩者進(jìn)行區(qū)分. 遺憾的是，如何有效排除水生植被干擾目前仍然是實(shí)現(xiàn)淺水湖泊水華高精度提取的難點(diǎn)問(wèn)題.

2 在湖泊上空衛(wèi)星獲取的總信號(hào)不只來(lái)源于水體本身

衛(wèi)星的入瞳(星上)信號(hào)(top-of-atmosphere，TOA)由地物(即水體)與大氣兩部分構(gòu)成. 相比陸地而言，水體因?qū)﹄姶挪ǖ膹?qiáng)吸收而導(dǎo)致反射信號(hào)較弱[27]，因此在衛(wèi)星入瞳信號(hào)中占比較小. 渾濁湖泊水體信號(hào)在某些波長(zhǎng)范圍占衛(wèi)星總信號(hào)的比例小于50%，且比例隨水體渾濁度變化. 大氣對(duì)電磁波的吸收作用以及大氣的瑞利散射(或稱分子散射，Rayleigh scattering)能通過(guò)物理模型準(zhǔn)確估算，但氣溶膠散射(aerosol scattering)因其高時(shí)空異質(zhì)性難以準(zhǔn)確計(jì)算并被剔除[28].

前些年常用的MODIS、Landsat或者部分國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)并沒(méi)有提供標(biāo)準(zhǔn)的大氣校正產(chǎn)品，為了避免繁瑣的大氣校正過(guò)程，大量研究直接在星上反射率數(shù)據(jù)(甚至原始的灰度值)上進(jìn)行水華范圍提取[29-31]. 值得注意的是，在大氣校正難以實(shí)現(xiàn)的情況下，水華提取算法設(shè)計(jì)上可以適當(dāng)減小大氣帶來(lái)的誤差. 例如，基于波段減法形式構(gòu)建的算法(如FAI[10])可以部分抵消大氣影響，并且因氣溶膠散射在近紅外和紅波段較小，利用瑞利散射校正后的數(shù)據(jù)構(gòu)建FAI能較好地應(yīng)用于藍(lán)藻水華提取. 而波段比值方法，特別是利用可見(jiàn)光構(gòu)建的指數(shù)(如近紅外/綠光[7])可能會(huì)放大大氣程輻射帶來(lái)的誤差.

值得指出的是，基于水體的大氣校正算法本身在內(nèi)陸湖泊上存在精度低、有效數(shù)據(jù)少的問(wèn)題；另外，水華大多會(huì)呈現(xiàn)類似陸地植被的光譜特征(圖2)，進(jìn)一步使得這些針對(duì)水體設(shè)計(jì)的系列大氣校正算法失效[32-33]. 當(dāng)然， 如今MODIS、Landsat都提供了標(biāo)準(zhǔn)陸地大氣校正產(chǎn)品[34-35]，當(dāng)斑塊噪聲不嚴(yán)重的情況下[36]，此類產(chǎn)品也可以用于水華范圍獲取[37]. 另外，湖泊周邊陸地信號(hào)也會(huì)通過(guò)大氣散射到達(dá)衛(wèi)星傳感器，產(chǎn)生陸地鄰近效應(yīng)進(jìn)而影響水華提取結(jié)果[38]，因此一般建議將湖泊邊界水域范圍內(nèi)3～5個(gè)像素進(jìn)行掩膜處理[38].

圖2 現(xiàn)場(chǎng)觀測(cè)清潔湖水、水生植被(沉水植被與浮葉植被)和藍(lán)藻水華的照片及對(duì)應(yīng)光譜Fig.2 Photos and hyperspectral measurements for clear lake water, aquatic vegetation (floating-leaved and submerged plants) and cyanobacterial bloom

3 基于衛(wèi)星遙感的藻華時(shí)空變化趨勢(shì)需謹(jǐn)慎解讀

衛(wèi)星遙感能提供周期性重復(fù)的觀測(cè)，經(jīng)常被用于追溯湖泊藍(lán)藻水華的歷史發(fā)展趨勢(shì)[8,12,17]. 然而，衛(wèi)星遙感獲取的長(zhǎng)時(shí)序變化是否準(zhǔn)確，需要考慮如下兩個(gè)方面因素：(1)云覆蓋(或霧霾)會(huì)顯著減小光學(xué)遙感影像的有效觀測(cè)頻次. 例如，基于MODIS衛(wèi)星數(shù)據(jù)統(tǒng)計(jì)的全球陸地平均云覆蓋率約為55%[39]. 因此，需要考慮有限觀測(cè)數(shù)據(jù)獲得的趨勢(shì)過(guò)程是否真實(shí)？(2)一般而言，平靜的湖面條件下藍(lán)藻才能在水體表層富集形成水華并被遙感識(shí)別，而風(fēng)速較大時(shí)會(huì)引起藍(lán)藻在水柱中的垂向混合，使得表層藍(lán)藻信號(hào)在遙感信號(hào)中不明顯[11,13]. 因此，風(fēng)速的高動(dòng)態(tài)變化特征勢(shì)必會(huì)影響遙感獲取的藻華暴發(fā)趨勢(shì)，但影響程度如何尚需進(jìn)一步研究.

基于以上兩個(gè)方面問(wèn)題，對(duì)于重訪周期較長(zhǎng)的衛(wèi)星數(shù)據(jù)(例如Landsat)，一年中僅有若干次有效觀測(cè)，一般難以準(zhǔn)確捕獲湖泊藻華逐年變化的相關(guān)特征信息(例如面積、暴發(fā)時(shí)間等). 然而，國(guó)內(nèi)外最近不少研究忽略了這些因素影響[18,40]. 為了避免或解決此類問(wèn)題，一方面可以選用藻華暴發(fā)頻率(而非暴發(fā)頻次或面積)作為變化趨勢(shì)的研究對(duì)象，能適當(dāng)減小部分干擾[15,17,25]；另一方面，利用高時(shí)間分辨率的遙感數(shù)據(jù)或多源遙感數(shù)據(jù)融合，提高觀測(cè)頻率，從根本上提高遙感藻華趨勢(shì)信息的可信度[41-42].

4 水體葉綠素濃度在藻華暴發(fā)時(shí)難以通過(guò)遙感準(zhǔn)確定量反演

葉綠素濃度是表征水體浮游植物豐度或富營(yíng)養(yǎng)化的重要指標(biāo)，因此衛(wèi)星遙感也被廣泛用于葉綠素濃度的定量反演，進(jìn)而表征湖泊水華的嚴(yán)重程度. 水體葉綠素濃度反演的理論基礎(chǔ)是利用葉綠素在藍(lán)光(443 nm)與紅光(675 nm)波段的強(qiáng)吸收特征[43]，雖然對(duì)于清潔與渾濁水體的遙感波段選擇上存在差異. 然而在藻華形成后，藍(lán)藻因能改變浮力使其在水體中的垂直分布不均一[44]，而衛(wèi)星得到的信號(hào)只是水體表層. 另一方面，葉綠素濃度或藍(lán)藻細(xì)胞密度在船舶的兩側(cè)都存在幾倍甚至一個(gè)數(shù)量級(jí)以上的差異[45]，而在遙感影像一個(gè)像素范圍內(nèi)的水平與垂直異質(zhì)性更是無(wú)法估計(jì). 因此，基于少數(shù)幾個(gè)站點(diǎn)獲取的實(shí)測(cè)水樣構(gòu)建的定量反演模型難以有效表征藍(lán)藻水華的各種異質(zhì)性特征，從而無(wú)法準(zhǔn)確獲取葉綠素濃度信息. 所以一般而言，不建議利用衛(wèi)星遙感進(jìn)行藻華暴發(fā)區(qū)域的葉綠素濃度定量反演. 當(dāng)然，在這種情況下，葉綠素濃度一般都超過(guò)了100 μg/L，水體呈嚴(yán)重富營(yíng)養(yǎng)化的情況下再通過(guò)遙感提供一個(gè)不準(zhǔn)確的葉綠素濃度數(shù)值也完全沒(méi)有必要.

5 結(jié)語(yǔ)

在全球變暖的大背景下[46]，湖泊溫度升高會(huì)進(jìn)一步促進(jìn)藻類的生長(zhǎng)，湖泊藍(lán)藻水華未來(lái)幾十年內(nèi)可能仍會(huì)呈增加趨勢(shì)[44,47]. 此外，工農(nóng)業(yè)點(diǎn)面源污染增加會(huì)進(jìn)一步導(dǎo)致水體營(yíng)養(yǎng)物質(zhì)的增加[48]，從而加劇湖泊藍(lán)藻水華問(wèn)題[49]. 因此在未來(lái)相當(dāng)長(zhǎng)一段時(shí)間內(nèi)，我們?nèi)孕枰柚b感技術(shù)手段準(zhǔn)確獲取藍(lán)藻水華的實(shí)時(shí)動(dòng)態(tài)信息. 上述的4個(gè)問(wèn)題在實(shí)際應(yīng)用中可能不會(huì)全部存在，但在選用合適的遙感數(shù)據(jù)源與模型方法之前，建議先對(duì)它們的潛在影響進(jìn)行評(píng)估.