基于TM/ETM+影響分析巢湖葉綠素a濃度變化趨勢

謝 杰,王心源,張 潔,李 偉(.安徽師范大學環境科學與工程學院,安徽 蕪湖 24003；2.安徽遙感考古工作站,安徽 蕪湖 24000；3.中國科學院對地觀測與數字地球科學中心,北京 0090；4.安徽師范大學國土資源與旅游學院,安徽 蕪湖 24003)

基于TM/ETM+影響分析巢湖葉綠素a濃度變化趨勢

謝 杰1,2,王心源2,3*,張 潔2,4,李 偉1(1.安徽師范大學環境科學與工程學院,安徽 蕪湖 241003；2.安徽遙感考古工作站,安徽 蕪湖 241000；3.中國科學院對地觀測與數字地球科學中心,北京 100190；4.安徽師范大學國土資源與旅游學院,安徽 蕪湖 241003)

對1995～2007年6景巢湖地區TM/ETM+數據利用多暗像元法進行大氣校正并利用修正歸一化水體指數(MNDWI)進行水體信息提取,在此基礎上,使用(TM2+TM4-TM3)/ln[TM3]模型提取了巢湖水體葉綠素a相對濃度信息.結果表明:高濃度區域主要分布在巢湖西半湖;南淝河水質情況對巢湖藍藻暴發的貢獻較大;1995～2006年間高濃度區域擴大了1.82倍,并有向巢湖東部擴展的趨勢,富營養化程度仍在加劇.

葉綠素a；遙感；相對濃度信息；變化分析；巢湖

Abstract：6 periods remote sensing data from 1995～2007 of Chaohu area were processed. The method of many dark pixels was adopted to carry out atmospheric modification and the modified normalized difference water index (MNDWI) was adopted to get the information of water. On this basis, the information of chlorophyll-a relative concentration in Chaohu Lake was extracted by the model of (TM2+TM4-TM3)/ln[TM3]. The area of high concentration was mainly distributed in the western of Chaohu Lake; The water quality of Nanfei River contributed more to algae bloom in Chaohu Lake; The area of high concentration increased by 1.82-fold from 1995 to 2006 and had tendency of expanding to the east of Chaohu Lake, with the degree of eutrophication still aggravating.

Key words：chlorophyll-a；remote sensing；information of relative concentration；analysis of change；Chaohu Lake

葉綠素a含量是衡量湖泊富營養化的重要指標,是湖泊水質監測的重要內容[1?2].因此葉綠素a含量的調查對于了解湖泊富營養化程度及其變化趨勢以及防控藍藻暴發帶來的危害具有重要意義.常規水質監測是人工進行實地取樣,只能了解監測斷面上的水質狀況,不能全面反映大型湖泊內的葉綠素分布情況.由于遙感技術具有綜合、宏觀、信息量大、獲取信息快、更新周期短、便于動態監測等特點,因此可以有效地解決傳統水質監測的局限性,節省人力物力財力.

目前,國內外許多學者對應用遙感技術監測湖泊葉綠素的研究做了大量的工作[3?6],結果表明應用該技術估測內陸湖泊葉綠素a濃度是可行的.

由于應用遙感技術來定量反演葉綠素a濃度時都需要由實測數據來擬合,并且每種模型都要做精確的大氣校正.因此在缺乏大氣參數或沒有足夠實測數據的情況下,這些模型的精度和準確性得不到保證[7-8].針對這種情況,本文以巢湖為實驗區,利用多暗像元大氣校正方法[9]進行大氣校正,并在分析該湖區水體光譜反射率特征的基礎上提出了一種不需要實測資料來提取葉綠素a相對濃度信息的方法.并利用實測資料對此方法的分類結果進行了檢驗和分析.

1 研究區概況

巢湖是我國五大淡水湖泊之一,位于長江下游左岸、安徽省中部.經緯度范圍:E117°16′54″～E117°51′46″,N30°25′28″～N31°43′28″.由于社會經濟的快速發展,大量的含N、P營養物質排入湖內,導致巢湖水體的富營養化程度大大加快,水華爆發頻率及范圍不斷增加.巢湖水體水質的惡化已嚴重影響并制約了周邊城市的經濟發展,并被國務院列為重點治理水域.

2 研究方法

2.1遙感影像預處理

2.1.1幾何精校正 研究所用的TM/ETM+數據來源于中國科學院計算機網絡信息中心的國際科學數據鏡像網站,所有遙感影像數據均已經過幾何精校正.所有影像的投影坐標系均采用UTM投影(通用橫軸墨卡托投影)及北京坐標系.

2.1.2大氣校正 影像大氣校正的主要目的是消除大氣、太陽高度角、視角和地形等對地面光譜反射信號的影響[10].由于水體本身光譜值較低,受大氣影響相對較大,為了保證數據的可比性,必須進行大氣校正,從而剔除大氣以及其他因素影響.多暗像元大氣校正方法以暗目標減法(DOS)[11]為基礎,結合大氣輻射傳輸模型,通過選取TM/ETM+影像上多個暗像元,并計算其所對應的大氣校正系數對整幅圖像進行大氣校正.該方法不依賴任何外部信息,并且考慮了大氣的非均質性,校正精度較高.因此采用該方法對此次研究所需的TM/ETM+各個波段進行大氣校正.

選取了經大氣校正后的2006年7月30日TM圖像巢湖水體光譜反射率與實測的巢湖水體光譜反射率做了對比(圖1),其中TM第2波段絕對誤差為0.5%,相對誤差為5.1%.第3波段絕對誤差為0.8%,相對誤差為15.7%.第4波段絕對誤差為0.7%,相對誤差為6.1%.各波段的大氣校正誤差較小,由此可見多暗像元大氣校正方法具有較高的校正精度,大氣校正結果能夠滿足提取葉綠素a相對濃度的要求.

圖1 大氣校正后水體反射率與實測水體反射率的比較Fig.1 Comparison of water spectral reflectance after atmospheric correction and water spectral reflectance based on measurement

2.1.3水體信息的提取 采用修正歸一化水體指數MNDWI來進行水體信息的提取.修正歸一化水體指數是徐涵秋[12]對McFeeters的歸一化水體指數NDWI[13]進行修正后提出的,其數學表達式為:

式中:MIR和Green分別代表中紅外波段和綠光波段的反射率,對Landsat衛星而言,分別代表TM/ETM+的2和5波段.巢湖整個湖岸線既有人工建設的水泥道路和裸露的基巖,也有植被覆蓋的淤泥質岸線和裸地,修正歸一化水體指數可以有效抑制這些非水體信息.利用MNDWI指數法,按照設定的閾值,對研究區水域進行提取,并在此基礎上應用AOI工具繪制多邊形AOI,利用此多邊形AOI提取巢湖水域.由于巢湖內有兩個小島對葉綠素a提取有一定影響,因此,先用AOI工具提取小島區域,而后應用Modeler工具從巢湖水域中減去小島區域,最后得到巢湖水體范圍作為本次研究區域.

2.1.4葉綠素a信息提取 李素菊等[14](2002)通過對巢湖水體藻類葉綠素濃度與反射光譜特征關系的研究發現,巢湖水體光譜反射率呈現出典型的內陸水體光譜特征.在400～ 500nm范圍內,水體的反射率較低,當藻類密度較高時水體光譜反射曲線在這兩個波段附近出現吸收峰值.550～580nm范圍內,由于葉綠素a和胡蘿卜素的吸收和細胞的散射作用從而出現反射峰,可以作為葉綠素定量標志.由于藻藍素的吸收峰在624nm處,所以630nm附近出現的反射率谷峰呈肩狀.685～715nm范圍內反射峰的出現是含藻類水體最顯著的光譜特征,其存在與否通常被認為是判定水體是否含有藻類葉綠素的依據.含藻類水體的這些光譜特征是葉綠素濃度信息提取的主要依據.

研究選擇用于葉綠素提取的TM/ETM+波段為2、3、4波段.其中2波段波長為520～600nm,處于反射峰位置;3波段波長為630～690nm,處于吸收峰位置;4波段波長為760～900nm,處于葉綠素a反射峰處[7].為了使水體葉綠素a信息得到增強,抑制水體中其他物質的干擾,本文提出使用(TM2+TM4-TM3)/ln[TM3]模型來提取TM/ ETM+圖像的葉綠素a信息,得到水體葉綠素a濃度分布圖.

2.1.5圖像處理 為了進行不同時期巢湖葉綠素a濃度變化研究,分別選取1995年8月1日(TM)、1995年9月18日(TM)、2001年9月26日(ETM+)、2002年7月11日(ETM+)、2006年7月30日(TM)、2007年10月5日(TM)共6景巢湖遙感數據進行不同年份夏秋季節葉綠素a濃度對比及變化研究.

TM/ETM+遙感影像數據經過大氣校正以及巢湖水域信息提取后在利用ERDAS9.2軟件的Modeler工具下,以(TM2+TM4-TM3)/ln[TM3]波段組合的方式提取葉綠素a濃度信息,在此之后進行葉綠素a濃度高低分類.由于各時期巢湖水體中葉綠素a濃度的變化,故其反射率也是變化不一的,本研究通過多次嘗試比較,發現選取占圖像直方圖中部約95%的主要數據作為分類依據能夠得到較為合理的濃度高低分類效果.1995年8月1日、1995年9月18日、2001年9月26日、2002年7月11日、2006年7月30日、2007年10月5日圖像95%數據的DN值范圍依次為: 1.77312～4.97882、1.74080～4.90593、1.67498～3.78742、1.83450～5.46808、1.74284～5.95395、1.70566～4.87869.為了使圖像分類后具有代表性以及可比性,用于分類的DN值范圍為DNmin≤DN≤DNmax,其中DNmin為不同時期圖像95%數據的DN最小值的平均值,DNmax為不同時期圖像95%數據的DN最大值的平均值, 因此用于分類的DN值范圍為1.74532≤DN≤4.99548.將DN值范圍進行密度分割, 最終將巢湖水體葉綠素a濃度按由低到高分成4個等級:DN≤2.55786(低)、2.55786＜DN≤3.37040(較低)、3.37040＜DN≤4.18294(中)、DN＞4.18294(高),使用ERDAS9.2軟件的Modeler工具下的條件操作函數實現圖像的分類.

3 圖像處理結果

遙感影像經過大氣校正、葉綠素a濃度信息提取以及濃度等級劃分后,得到各個時期巢湖葉綠素a相對濃度分布圖(圖2).最后使用2006年7月30日進行的同步巢湖葉綠素a濃度實測數據(巢湖葉綠素a監測點見圖3)對葉綠素a相對濃度提取模型進行檢驗,實測值與圖像DN值對應關系見表1.圖4顯示了葉綠素a相對濃度提取模型與實測值的線性擬合情況.

經以上分析計算分析可知,葉綠素a濃度提取模型與實測值有較高的對應關系,線性相關系數為0.9134.經顯著性檢驗得t＞t0.01(10),顯著性水平P＜0.01,因此線性相關具有非常顯著的意義.這說明利用(TM2+TM4-TM3)/ln[TM3]的值來提取TM/ETM+圖像的葉綠素a相對濃度信息與實際情況比較吻合,能夠正確有效地反映出湖區葉綠素a濃度的實際情況.

4 討論

由分類后的圖像可得出不同時期葉綠素a各濃度等級面積(表2).

以上不同時期的巢湖葉綠素a各濃度等級面積的統計數據以及圖像反應的葉綠素a空間分布可以很清晰地反應出1995～2007年巢湖葉綠素a相對濃度在7～9月份的分布變化情況.

圖2 不同時期巢湖葉綠素a相對濃度分布Fig.2 Distribution of relative concentration of chlorophyll-a in Chaohu Lake at different periods

圖3 巢湖葉綠素a監測點Fig.3 Sites of chlorophyll-a monitoring in Chaohu Lake

從圖2可見,高濃度的葉綠素a區域主要分布在巢湖的西半湖,特別是在南淝河的入湖區高濃度的葉綠素a區域分布尤為集中,從側面印證了南淝河的水質較差,由南淝河向巢湖注入了大量的氮、磷等營養元素,對巢湖藍藻的爆發具有較大的推動作用,這與前人所做的研究相吻合[15?16],同時說明了利用(TM2+TM4-TM3)/ln[TM3]來提取葉綠素a相對濃度具有一定的準確性,能夠反映巢湖水體的實際情況.

通過對1995年8月1日與1995年9月18日圖像以及統計數據橫向比較分析,1995年8月1日與1995年9月18日巢湖葉綠素a各濃度等級從分布上來看具有一定的相似性,但1995年9月18日初秋時期巢湖高濃度及中等濃度葉綠素a面積卻比1995年8月1日夏季時期面積大,出現這種情況的原因可能是由于1995年9月份的氣溫異常偏高所致.根據1995年《中國氣象年鑒》[17],巢湖地區9月份的最高氣溫高達38.6℃,比7月份的最高氣溫37.2℃高出1.4℃,由于氣溫對藍藻生長的生長起著至關重要的作用,氣溫越高越有利于藍藻等藻類的繁殖[18],因此1995年9月18日巢湖出現了大面積高濃度葉綠素a的現象.這說明氣溫的變化對藻類繁殖具有很大的影響,巢湖藍藻暴發隨著季節的更替呈現出一定的規律性.

表1 實測值與圖像DN值對應關系Table 1 The corresponding relation between the data based on measurement and the DN value of images

通過對1995年8月1日、2002年7月11日、2006年7月30日圖像以及統計數據縱向比較分析,1995～2006年11年期間,巢湖高濃度的葉綠素a區域面積由5.61%增加到了15.83%,擴大了1.82倍,中等濃度區域面積由14.05%增加到了52.19%,擴大了2.71倍,較低濃度及低濃度區域面積均呈下降趨勢,說明巢湖藍藻暴發的強度以及范圍都呈現增加態勢,富營養化程度增強.由統計數據可知,2002～2006年期間高濃度葉綠素a區域面積的增長速率比1995～2002年增長速率慢、增加量小,說明了通過采取加強對重污染工礦企業的監督管理、增強城市污水處理能力、巢湖底泥疏浚工程以及生態修復等一系列的治理控制措施,在一定程度上減緩了巢湖水質富營養化的趨勢,但是從2006年7月30日的濃度分布圖上來看,高濃度區域有向巢湖東部擴展的趨勢,特別是巢湖東部的裕溪河河口處也出現了較大面積的高濃度葉綠素a的聚集區,表明了雖然采取各種治理措施,巢湖富營養化的趨勢并沒有得到根本性的轉變,富營養化程度仍在加劇.

圖4 葉綠素a模型線性回歸擬合分析Fig.4 Linear regression fitting analysis about the model of chlorophyll-a

表2 不同時期葉綠素a各濃度等級的面積Table 2 The area of different chlorophyll-a concentration grades at different periods

通過對1995年9月18日、2001年9月26日、2007年10月5日圖像以及統計數據縱向比較分析,1995年9月18日出現的高濃度葉綠素a區域面積比2001年9月26日、2007年10月5日高濃度區域面積大、分布集中,出現這種情況的原因可能是由于1995年9月份的氣溫異常偏高所致[17].通過對2001年9月26日、2007年10月5日數據的對比分析發現,2007年初秋季節巢湖高濃度及中等濃度葉綠素a面積比2001年初秋季節分別增大了0.94倍及1.19倍,特別是2007年10月5日巢湖西半湖中部出現了較大面積的高濃度葉綠素a區域,說明了巢湖富營養化程度的加劇以及藍藻暴發持續時間的增長.

隨著全球氣候變化,氣溫逐年升高,將會為巢湖藍藻暴發提供適宜的條件,巢湖藍藻暴發的頻率將升高,持續時間將增長.因此,需要對巢湖藍藻暴發機理進行深入的研究,特別是應用遙感、GIS等新興技術手段對巢湖水質進行長期、宏觀、動態研究,為巢湖藍藻暴發的防治提供必要的理論技術支持,實現巢湖地區社會經濟的可持續發展.

5 結論

5.1利用多暗像元法進行TM/ETM+遙感影像大氣校正并使用修正歸一化水體指數(MNDWI)進行巢湖水域信息提取,在此基礎上以(TM2+ TM4-TM3)/ln[TM3]波段組合的方式提取葉綠素a相對濃度信息并利用實測數據檢驗了提取模型的精度,結果表明利用該提取模型能夠快速、準確的提取水體葉綠素a濃度信息.

5.2利用葉綠素a濃度分類方案進行濃度高低分類后獲取了葉綠素a相對濃度分布圖,圖中清晰地反應了1995～2007年巢湖葉綠素a各濃度等級在7～9月份的空間分布變化情況.

5.3通過對不同時期巢湖葉綠素a各濃度等級面積統計數據以及圖像的分析,表明高濃度區域主要分布在巢湖西半湖;南淝河水質對巢湖藍藻暴發的貢獻率較大;雖然采取各種治理措施,巢湖富營養化的趨勢并沒有得到根本性的轉變,并且高濃度區域有向巢湖東部擴展的趨勢,富營養化程度仍在加劇.

[1] Reynolds C S. The ecology of fresh water phytoplankton [M]. London: Cambridge University Press, 1984.

[2] 張運林,秦伯強,陳偉民,等.太湖梅梁灣浮游植物葉綠素a和初級生產力 [J]. 應用生態學報, 2004,15(11):2127-2131.

[3] Ekstrand S. Landsat TM based quantification of chlorophyll-a during algae blooms in coastal waters [J]. Int. J. Remote Sensing, 1992,13(10):1913-1926.

[4] Koponen S, Pulliainen J, Kari Kallio, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data [J]. Remote Sensing Environment, 2002,79(1):51-59.

[5] 疏小舟,尹 球,匡定波,等.內陸水體藻類葉綠素濃度與反射光譜特征的關系 [J]. 遙感學報, 2000,4(1):41-45.

[6] 楊一鵬,王 橋,肖 青,等.基于TM數據的太湖葉綠素a濃度定量遙感反演方法研究 [J]. 地理與地理信息科學, 2006,22(2): 5-8.

[7] 齊 峰,王學軍.內陸水體水質監測與評價中的遙感應用 [J].環境科學進展, 1999,7(3):90-99.

[8] 李素菊,王學軍.內陸水體水質參數光譜特征與定量遙感 [J].地理學與國土研究. 2002,18(2):26-30.

[9] 齊志新,鄧孺孺.多暗像元大氣校正方法 [J]. 國土資源遙感, 2007(2):16-19.

[10] 史培軍,宮 鵬,李小兵,等.土地利用/覆蓋變化研究的方法與實踐 [M]. 北京:科學出版社, 2000.

[11] Song C, Woodcock C E, Seto K C, et al. Classification and change detection using landsat TM data: when and how to correct atmospheric effects [J]. Remote Sensing of Environment, 2001,75(2):230-244.

[12] 徐涵秋.利用改進的歸一化差異水體指數(MNDWI)提取水體信息的研究 [J]. 遙感學報, 2005,9(5):589-595.

[13] McFeeters S. The use of the normalized difference water index (NDWI) in the delineation of open water features [J]. International Journal of Remote Sensing, 1996,17(7):1425-1432.

[14] 李素菊,吳 倩,王學軍,等.巢湖浮游植物葉綠素含量與反射光譜特征的關系 [J]. 湖泊科學, 2002,14(3):228-234.

[15] 王成貴,曹 勇,汪海波.巢湖西半湖水體富營養化污染狀況及防治對策 [J]. 安徽農業科學, 2005,33(8):1475-1476.

[16] 王緒偉,王心源,史杜芳.巢湖污染現狀與水質恢復措施 [J]. 環境保護科學, 2007,33(4):13-15.

[17] 《中國氣象年鑒》編輯委員會.中國氣象年鑒1995 [M]. 北京:氣象出版社, 1995.

[18] 孔繁翔,高 光.大型淺水富營養化湖泊中藍藻水華形成機理的思考 [J]. 生態學報,2005,25(3):589-595.

Analysing developing trend of chlorophyll-a concentration in Chaohu Lake based on TM/ETM+image.

XIE Jie1,2, WANG Xin-yuan2,3*, ZHANG Jie2,4, LI Wei1(1.College of Environmental Science and Engineering, Anhui Normal University, Wuhu 241003, China；2.Work Station of Auhui Province for Remote Sensing Archaeology, Wuhu 241000, China；3.Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing 100190, China；4.College of Land Resources and Tourism, Anhui Normal University, Wuhu 241003, China). China Environmental Science, 2010,30(5)：677～682

X87

A

1000-6923(2010)05-0677-06

謝 杰(1987-),男,安徽合肥人,安徽師范大學環境科學與工程學院碩士研究生,主要從事環境科學與遙感技術應用方面的研究.發表論文1篇.

2009-09-19

安徽省高等學校省級自然科學研究重大項目(ZD200908);國家自然科學基金資助項目(40571162)

* 責任作者, 教授, xywang@ceode.ac.cn