基于MODIS的2000～2013年巢湖藍藻水華暴發時空分布特征

顧長梅，張 運*，錢貞兵，徐 升，黃 晨

(1.安徽師范大學國土資源與旅游學院，安徽蕪湖 241000；2.安徽省自然災害過程與防控研究重點實驗室，安徽蕪湖 241000；3.安徽省環境監測中心站，安徽合肥 230000)

基于MODIS的2000～2013年巢湖藍藻水華暴發時空分布特征

顧長梅1，2，張 運1，2*，錢貞兵3，徐 升3，黃 晨1，2

(1.安徽師范大學國土資源與旅游學院，安徽蕪湖 241000；2.安徽省自然災害過程與防控研究重點實驗室，安徽蕪湖 241000；3.安徽省環境監測中心站，安徽合肥 230000)

摘要[目的]研究2000～2013年巢湖藍藻水華暴發時空分布特征，為巢湖流域水環境的綜合治理提供決策支持。[方法]利用2000～2013年長時間序列MODIS遙感影像數據計算歸一化植被指數，著重分析巢湖藍藻水華時空分布特征。[結果]巢湖藍藻水華總體暴發頻率較高，以小面積水華為主，大面積水華暴發具有偶然性。2010年起，藍藻水華暴發頻次和程度有增加趨勢，其中2010年水華暴發程度最嚴重。2000～2013年巢湖藍藻水華發生區域呈擴大趨勢，發生時間呈延長趨勢。4月就開始出現且伴有大面積水華暴發，7、8、10月是藍藻暴發主要月份，9月份次之，11月明顯減少；藍藻水華先在西北湖區產生，逐漸向東部和中部蔓延，在高峰期覆蓋至整個湖心區域，其中湖區南部、東南和東北沿岸是最后新增的水華區域。[結論]2000～2013年巢湖藍藻水華總體暴發頻率較高，發生時間呈延長趨勢，發生面積呈擴大趨勢。

關鍵詞巢湖；藍藻；歸一化植被指數；時空分布特征

巢湖地處淮河中下游，流域廣，污染重，因此加強對該流域的藍藻水華監測開展相關技術研究，對該流域的可持續發展及湖泊水污染治理具有重大意義[1]。目前，遙感監測已成為藍藻水華監測的重要方法，也取得了一定研究成果[2-3]。李亞春等[4]研究表明，歸一化植被指數(NormalizedDifferenceVegetationIndex，NDVI)可以較好地提取藍藻水華信息；劉瑩[5]利用MODIS和巢湖水質監測數據初步建立巢湖藍藻富營養化監測預警體系；陳靜等[6]利用環境一號衛星CCD數據建立巢湖葉綠素a的反演模型，反映湖泊富營養化程度。陳春波等[7]利用2012年5月10日至6月20日的HJ1A/1B數據，提取巢湖藍藻的歸一化植被指數，開展巢湖藍藻的遙感監測研究。上述研究著重于巢湖的藍藻預警和遙感監測模型的建立，對藍藻水華暴發時空分布特征研究還不夠深入。目前，巢湖長期處于富營養化狀態，由于藍藻水華暴發具有突發性，在適宜條件下藻類暴發生長，特別是西半湖已出現大面積水華。因此，利用長時間序列的遙感數據對巢湖藍藻進行長期、實時的動態監測很有必要。筆者采用2000～2013年巢湖MODIS影像，通過計算NDVI指數，求取每幅影像中藍藻水華的面積及其占總湖區面積的百分比，總結和分析藍藻水華時空分布特征，以期為巢湖流域水環境綜合治理與管理提供決策支持。

1材料與方法

1.1數據獲取選取2000～2013年3～11月的MODIS影像，共1 237景。先對影像進行人工篩選，剔除湖區上空受云影響嚴重的影像及一些明顯異常的影像，得到的有效影像占總影像的78.4%；選取MODIS影像后，對圖像進行幾何校正、大氣校正和裁剪掩膜等預處理工作[8]。

1.2水華遙感識別

1.2.1NDVI。NDVI法是目前應用最為廣泛的一種植被指數方法[9]，根據NDVI值可有效判別藍藻水華在遙感影像的空間分布情況。NDVI法是對紅光波段和近紅外波段反射求差值，并歸一化所得-1和1之間的比值，即：

NDVI=(ρnir-ρred)/(ρnir+ρred)

(1)

式中，ρnir為近紅外波段反射率，ρred為紅光波段反射率。

1.2.2水華識別。采用NDVI法確定藍藻與水體的閾值，提取巢湖藍藻水華范圍，計算面積。為進一步提高水華提取精度，劉淑英等[10]通過研究藍藻水華暴發程度與其光譜反射率之間的關系確定MODIS遙感影像，識別水華暴發級別NDVI的閾值。

其中，NDVI≤-0.13，第1類屬于湖泊水體無明顯水華；-0.130.25時，第4類屬于重度藍藻水華覆蓋區。

將藍藻水華水體分4類，繪制了巢湖藍藻水華特征等級MODIS影像解譯圖。圖1a為2008年5月7日巢湖藍藻暴發時MODIS影像，圖1b為由NDVI模型閾值劃分的4類藍藻水華。經數次現場勘察，發現遙感監測藍藻水華的分類情況與實際一致，因此可用于巢湖藍藻水華暴發的動態監測。

圖1　MODIS影像藍藻水華解譯Fig.1　Interpretation of blue-green algae blooms in MODIS image

2結果與分析

2.1水華發生頻率2000～2013年對巢湖水域監測了970次，其中有水華數據574景，無水華(少云)數據224景，無效數據(大部分水域被云層覆蓋的數據)172景，數據有效率(未大部分被云層覆蓋數據)為82.23%。

從圖2可見，2000～2013年巢湖區域發生水華的總頻率為59.18%，巢湖水域大部分區域被云層覆蓋的景數大致一致，無云覆蓋的數據影像可以滿足巢湖藍藻水華的常規監測需求。從有效數據分析，水華發生頻率為71.93%，2000～2013年水華發生頻率雖有波動，但總體呈增長趨勢，水華發生率較高，這表明巢湖水域水體富營養化程度嚴重。

水華面積小于100km2為小面積水華，暴發頻率總比為90.52%，平均每年暴發頻次達到63次；100～300km2為中等面積水華，暴發頻率總比為7.53%，暴發頻次明顯少于小面積水華；>300km2為大面積水華，暴發頻率總比為2.00%，無明顯變化規律，表明大面積水華暴發具有偶然性，其中2010年大面積水華暴發次數較多，為5次，水華程度較嚴重(圖3)。

圖2　2000～2013年巢湖水華發生頻率Fig.2　Occurrence frequency of blue-green algae bloom in Chaohu Lake in 2000-2013

注：a為小面積水華發生頻次；b.為中等面積水華發生頻次；c為大面積水華發生頻次。Note：a was outbreak frequency of small area bloom；b was outbreak frequency of middle area bloom；c was outbreak frequency of large area bloom.圖3　2000～2013年巢湖藍藻水華暴發面積強度區間分布Fig.3　Interval distribution of the outbreak area and intensity of blue-green algae bloom in Chaohu Lake in 2000-2013

從圖4可見，3、4、5月的小面積水華暴發頻次較多，平均暴發頻次114次，其中4、5月出現大面積水華且暴發頻次分別是5和3次，5月份水華暴發面積超過600km2的有2次；6、7、8月的小面積水華暴發頻次相對春季減少，為97次，而大面積水華暴發頻次明顯增加，其中7、8月的大面積水華暴發次數占大面積水華總暴發次數的47.37%，暴發強度達到最高。9、10、11月的小面積水華和中等面積水華暴發頻次相對夏季略有減少，大面積水華明顯減少，10月份僅出現2次。

圖4　2000～2013年巢湖逐月水華暴發面積強度區間分布Fig.4　Interval distribution of the outbreak area and intensity of monthly blue-green algae bloom in Chaohu Lake in 2000-2013

2.2藍藻水華時空變異特征

2.2.1時間分布特征。由于有些月份的數據僅有1～2景(其中6月份的數據大多數年份僅有1景)，數據量偏少，代表性不夠，故這些月份的數據不作分析。選取各月藍藻水華占整個湖區面積比例最大的1景影像作為代表，進行藍藻暴發情況的年際和月際變化比較。

從圖5可見，2000～2009年巢湖的藍藻水華暴發情況基本平穩，除了 2001年5月，最大暴發面積超過全湖的40.00%外，其余年份的平均暴發面積比為21.81%左右。2009年后，平均暴發面積在40.00%以上，2010年平均水華面積比達到45.55%，最大一次暴發發生在2010年5月24日，暴發面積超過90.00%；2010年開始，水華面積百分比一直維持在較高水平，其中有5次暴發面積超過70.00%，但藍藻水華暴發面積總體呈下降趨勢。

由于遙感影像受天氣的限制，藍藻逐月最大暴發面積百分比難以全面反映各月實際情況。相對而言，逐月暴發平均面積百分比能更準確地反映各月藍藻水華暴發強度。圖6、7的變化趨勢整體上一致，在4、5月巢湖藍藻已經小范圍暴發，暴發面積逐月增加，7月達到最大，接著開始緩慢減少。10月份藍藻水華暴發面積比9月嚴重，9、10月的暴發面積最大百分比分別為25.09%、29.22%；暴發面積的平均百分比分別為11.20%、12.18%。

圖5　藍藻水華占全湖面積百分比最大值(年際)Fig.5　The maximum percentage of blue-green algae bloom in total area of Chaohu Lake( interannual)

2.2.2空間分布特征。2000～2013年3～11月每月1景(除去6月)，按月份對比，將各月藍藻水華暴發面積最大1景的影像按月份分開，求出2000～2013年中每個月影像的藍藻水華暴發面積均值，取最接近當月均值的那年影像作為對應月份的特征代表。

理論上藍藻在春季基本處于休眠狀態，無明顯水華，但從圖8可見，4月份巢湖湖區周邊有少許藍藻暴發，不排除可能有部分水草的干擾；5月份藍藻開始出現局部性暴發，暴發范圍分布在湖區西北部。夏季受持續高溫和日照時間等的影響，西北湖區的藍藻暴發區逐漸向湖中心和東部移動和擴散，8月份甚至占據了整個西半湖和湖區中部；9月份藍藻暴發減輕，主要分布在湖區的西岸和西南沿岸，但水華覆蓋面積很大；10月份藍藻暴發范圍擴散到湖區南部，范圍較9月大，但強度低于9月，只有小面積的重度水華；11月基本消亡，出現零星塊狀分布，可能受風浪等影響，東半湖少量沿岸呈帶狀分布。

3結論與討論

(1)該研究獲得的MODIS數據總體質量良好，滿足動態遙感監測水華演變趨勢的需求；對水華嚴重程度進行分級，提高了水華提取的精度。

(2)近些年由于巢湖湖區水質持續重度污染，巢湖藍藻水華總體暴發頻率較高，其水華發生時間呈延長趨勢，發生區域呈擴大趨勢：①時間分布上：4、5月出現藍藻，且伴有多次大面積藍藻水華暴發；7、8月暴發強度高；9月藍藻暴發程度較7、8和10月輕，這與以往研究中9、10月是藍藻的主要暴發期不一致。這可能是由于夏季持續高溫對藍藻積聚有明顯的抑制作用，致使9月巢湖未發生大面積嚴重水華；11月藍藻明顯減少?？傮w上，2000～2009年藍藻水華暴發相對較平穩，2010年開始，水華暴發頻次、程度均呈增加趨勢，其中2010年藍藻水華暴發程度最嚴重。②空間分布上：先在西北湖區產生，逐漸向東部和中部蔓延，在高峰期覆蓋至整個湖心區域，湖區南部、東南和東北沿岸是新增水華區域。其中，西半湖是藍藻水華高發區，尤其是西北沿岸，幾乎整個夏季均被藍藻水華覆蓋，水體富營養化最為嚴重，是水華監測及治理重點區域。

圖6　2000～2013年各月巢湖最大藍藻水華暴發面積百分比Fig.6　Percentage of the monthly maximum area of blue-green algae bloom in Chaihu Lake from 2000 to 2013

圖7　2000～2013年各月巢湖平均藍藻水華暴發面積百分比Fig.7　Percentage of the monthly average area of blue-green algae bloom in Chaihu Lake from 2000 to 2013

圖8　巢湖藍藻水華暴發區域月份特征Fig.8　Monthly characteristics of the blue-green algae bloom outbreak in Chaohu Lake

(3)該研究由于光學遙感受云的影響較大，部分時段的遙感監測數據存在間斷，此外，監測成果未考慮12月到次年2月的藍藻發生情況，因此在今后的研究中，可考慮引用微波遙感及無人機遙感數據彌補可見光遙感數據的不足。

參考文獻

[1]CARPENTERDJ，CARPENTERSM.ModelinginlandwaterqualityusingLandsatdata[J].Remotesensingofenvironment，1983，13：345-352.

[2] 周先傳，徐升.巢湖藍藻水華遙感監測初探[J].中國環境監測，2010，26(3)：36-39.

[3] 宋瑜，宋曉東，江洪.太湖藻類的遙感監測研究[J].遙感信息，2008(4)：102-108.

[4] 李亞春，孫佳麗，謝志清，等.基于MODIS植被指數的太湖藍藻信息提取方法研究[J].氣象科學，2011，31(6)：737-741.

[5] 劉瑩.巢湖藍藻富營養化監測與預警優化研究[D].合肥：合肥工業大學，2012.

[6] 陳靜，吳傳慶，申維，等.基于環境一號衛星CCD數據的巢湖葉綠素a的動態監測[J].中國環境監測，2012，28(1)：116-119.

[7] 陳春波，周寶同，田永中，等.環境一號衛星多光譜數據在巢湖藍藻動態監測中的應用[J].中國環境監測，2014，30(1)：200-204.

[8] 楊何群，周紅妹，尹球，等.FY-3氣象衛星MERSI數據快速預處理的IDL實現[J].遙感技術與應用，2012，27(4)：566-574.

[9] 李旭文.Landsat-7SLC-OFFETM遙感數據下載及在太湖藍藻水華監測中的應用[J].環境監測管理與技術，2009(3)：54-57.

[10] 劉淑英，牛志春，徐升.巢湖富營養化遙感監測[J].環境監測管理與技術，2010，22(4)：55-57.

CharacteristicsofSpatialandTemporalDistributionofBlue-greenAlgaeBloomsOutbreakinChaohuLakeBasedonMODISin2000-2013

GUChang-mei1,2,ZHANGYun1,2*,QIANZhen-bing3etal

(1.CollegeofTerritorialResourcesandTourism,AnhuiNormalUniversity,Wuhu,Anhui241000; 2.AnhuiKeyLaboratoryofNaturalDisasterProcessandPrevention,Wuhu,Anhui241000; 3.AnhuiEnvironmentalMonitoringCenter,Hefei,Anhui230000)

Abstract[Objective] To research the characteristics of spatial and temporal distribution of blue-green algae blooms outbreak in Chaohu Lake, and to provide policy decision support for the comprehensive control of water environment in Chaohu basin. [Method] A set of MODIS images from 2000 and 2013 were used to calculate the NDVI (Normalized Difference Vegetation Index), in order to figure out the time and spatial distribution of the blue-green algae blooms. [Result] The overall outbreak frequency of blue-green algae blooms was relatively high with a small area of algae bloom as the main factor, and the large area of algae bloom as accidental factor. The frequency and scale of the blooms became higher and lager since 2010, which was the most serious in 2010. From 2000 to 2013, the occurrence of algae bloom was increasing, and the occurrence time was prolonged. The algae bloom began to appear in April within a large area. July, August and October were the major months for outbreak of blue-green algae, followed with September; and November reduced significantly. Blue-green algae blooms always showed up in northwest part of the lake, and spread to eastern and central part of the lake. It could reach the middle of the lake when the blue-green algae was the maximum in quantity. The south, southeast and northeast coasts were finally added to the bloom region. [Conclusion] Blue-green algae blooms outbreak has high frequency in Chaohu Lake in 2000-2013, the occurrence time is prolonged, and the occurrence area showed an enlarging trend.

Key wordsChaohu Lake; Blue-green algae; NDVI; Temporal and spatial distribution characteristics

基金項目安徽省環境保護廳科研項目(2012-008)。

作者簡介顧長梅(1990- )，女，安徽六安人，碩士研究生，研究方向：水體遙感。*通訊作者，副教授，博士，碩士生導師，從事地理信息系統和遙感的應用研究。

收稿日期2016-03-30

中圖分類號S 181

文獻標識碼A

文章編號0517-6611(2016)12-075-04