綜合遙感與地面觀測的巢湖水體富營養化評價

殷守敬，吳傳慶，王 晨，馮愛萍，董 昊，高 芮，馬萬棟

1.環境保護部衛星環境應用中心，北京 100094 2.國家環境保護衛星遙感重點實驗室，北京 100094 3.安徽省環境監測中心站，安徽 合肥 230061 4.巢湖管理局環境保護監測站，安徽 巢湖 238000

我國是一個多湖泊國家，共有湖泊2萬多個，面積超過1 km2的天然湖泊有2 759個，同時也是世界上湖泊富營養化最嚴重的地區之一。2014年我國61個國控湖泊(水庫)有2個為中度富營養狀態，13個為輕度富營養狀態[1]。水污染與富營養化帶來了一系列嚴重問題，包括水體毒性化、威脅湖泊飲用水源和水產品安全、湖泊生物多樣性下降、水生生態系統受損等，造成巨大的資源和經濟損失[2]。因此，湖泊富營養化治理受到國家的高度重視，富營養化狀態監測與評估已經成為我國迫切需要解決的問題[3]。

湖泊富營養化評價方法主要包括營養狀態指數法、營養度指數法和評分法[4-5]。目前國際上尚未提出統一的評價標準或模型，綜合營養狀態指數法由于其可操作性、簡潔性和科學性，成為我國環保部門富營養化監測工作的推薦方法。

湖泊富營養化監測手段主要有實地監測和遙感監測2種。實地監測配合采集水樣實驗室分析方法是目前湖泊水體監測的主要手段。該方法具有數據準確、指標豐富等特點，但是耗時耗力，并且由于采樣時間差別大、樣本量少、水體流動性強等原因，無法有效反映湖泊水質的同步空間分布狀態。在湖泊富營養化遙感監測方面，遙感手段可以瞬時獲得大范圍水質參數的空間變化趨勢[6]，帶動了國內外一大批圍繞湖泊水質定量反演和富營養化評價方面的科學研究[7]，通過構建經驗回歸模型[8]、半分析模型[9]或通過遺傳編程[10]等方法反演水質參量，然后計算營養狀態指數，反演指標包括葉綠素a(chl-a)[11]、懸浮物(SST)濃度[12]和透明度(SD)[13]等水質參數。國內學者在HJ-1 CCD和GF-1 WFV等國產衛星數據的應用方面開展了相關研究[14-15]。總體來講，目前的湖泊富營養化狀態評價研究工作多采用單因子或少數因子，具備一定的片面性。并且，湖泊水體物質組成的復雜性和光學特性差異導致很難形成普適性的水質遙感反演模型[16-17]，限制了其在業務化應用中的推廣。

本文擬將實地監測的準確性和遙感監測對空間趨勢的反映能力相結合，基于綜合營養狀態指數法，構建綜合遙感與實測觀測結合的湖泊富營養化監測評價方法，并以巢湖為例用國產GF-1 WFV數據和實測數據對方法的可行性進行驗證，為我國湖泊水環境質量監測提供參考。

1 實驗部分

1.1 研究區概況

巢湖是中國五大淡水湖之一，面積超過820 km2，位于安徽省中部，屬于長江水系下游湖泊。湖水主要靠地面徑流補給，流域面積1.4萬km2，沿湖河流35條，集水范圍包括合肥等兩市五縣。隨著流域經濟發展，巢湖水質逐步變差。從20世紀70年代起，巢湖就多次暴發水華，80年代富營養化已擴展到全湖，90年代以來全湖長期處于富營養化狀態。2014年監測結果顯示[1]，巢湖湖體平均為輕度富營養狀態，其中西半湖為中度富營養狀態，東半湖為輕度富營養狀態。

1.2 數據采集

地面監測數據為安徽省環境監測中心站2015年5月12日實地監測和水樣采集、實驗室分析的水質數據(圖1)，包括chl-a、SD、TP、TN、CODMn等。Chl-a濃度采用美國YSI EXO2型水質多功能測定儀原位測量獲取，SD采用塞氏圓盤測定，CODMn、TP、TN通過現場水樣采集、實驗室分析獲取，其中，CODMn按照《水質 高錳酸鹽指數的測定》(GB 11892—1989)采用50 mL酸式滴定管基于酸性高錳酸鉀法測定，TP按照《水質 總磷的測定 鉬酸銨分光光度法》(GB/T 11893—1989)用723N可見分光光度計通過鉬酸銨光度法測定，TN按照《水質 總氮的測定 堿性過硫酸鉀消解紫外分光光度法》(HJ 636—2012)采用TU-1901型紫外可見分光光度計通過堿性過硫酸鉀消解紫外分光光度法測定。遙感數據采用2015年5月12日上午11：11獲取的GF-1 WFV1數據。

注：背景為2015年5月12日GF-1 WFV1影像。圖1 巢湖采樣點分布圖Fig.1 Distribution of sampling points in Chaohu Lake

1.3 遙感數據預處理

對遙感影像數據逐步進行輻射定標、幾何校正、大氣校正等處理。

輻射定標。采用ENVI5.2直接將圖像灰度值利用絕對定標系數轉化為大氣頂層反射率(L)，計算公式：

L=Gain·DN+Bias

式中：Gain為波段增益，W/(m2·sr)；DN為影像原始灰度值；Bias為偏移值，W/(m2·sr·μm)。定標系數取自中國資源衛星應用中心網站公布的2015年國產陸地觀測衛星絕對輻射定標系數(表1)。

表1 GF-1 WFV1相機絕對輻射定標系數

幾何校正。采用環境保護部衛星環境應用中心存檔的經過幾何精校正的GF-1 WFV基準影像數據，利用ENVI軟件自動配準功能對實驗數據進行配準校正，校正精度保證在0.5個像元以內。

大氣校正。基于ENVI Flassh大氣校正模塊，所需的氣溶膠厚度參數從當日MODIS氣溶膠產品中獲取，計算得到大氣校正后的各波段遙感反射率數據。

水體范圍提取。采用已有的巢湖邊界矢量范圍緩沖區分析后裁剪反射率影像，利用裁切后影像在eCognition Developer 9.1軟件內提取水體分布范圍。為避免湖泊邊界混合像元和淺水底質對反演結果的影響，水陸分割線應盡量向水體方向偏離。最后輸出水體范圍的矢量邊界，用于對反演結果影像的裁剪。

由于實驗當天巢湖無水華分布，未進行水華區域提取和剔除處理。

1.4 富營養化狀態評價模型選取

考慮我國環境監測部門業務工作實際情況，同時考慮方法的科學性、代表性和可操作性，采用目前應用最多、環保部門推薦的綜合營養狀態指數法開展巢湖富營養化評價與分級。即分別根據chl-a、SD、TP、TN、CODMn等參數計算單因子營養狀態指數，通過加權計算得到綜合營養狀態指數：

(1)

式中：TLI(∑)為綜合營養狀態指數；TLI(j)為第j種參數的營養狀態指數；Wj為以chl-a為基準參數計算的第j種參數的營養狀態指數的歸一化相關權重，其取值來源于我國26個典型湖泊(水庫)調查數據計算獲得的相關系數。權重計算公式見式(2)：

(2)

式中：rij為第j種參數與基準參數chl-a的相關系數，取值見表(2)；m為評價參數的個數。

表2 中國湖泊(水庫)部分參數與chl-a的相關關系rij及值

TLI(chl-a)=10(2.5+1.086 ln chl-a)(3)

TLI(SD)=10(5.118-1.94 ln SD)(4)

TLI(TP)=10(9.436+1.624 ln TP)(5)

TLI(TN)=10(5.453+1.694 ln TN)(6)

TLI(CODMn)=10(0.109+2.661 ln CODMn)(7)

式中：chl-a質量濃度單位為mg/m3；SD單位為m；其他指標單位均為mg/L。

根據富營養化分級標準，采用0～100的數字對湖泊營養狀態分成5級：貧營養(0,30)，中營養[30,50]，輕度富營養(50,60], 中度富營養(60,70]，重度富營養(70,100)。

1.5 富營養化狀態評價參數獲取

已有研究顯示，各個湖泊富營養化評價參數中，適用于遙感反演的參數為chl-a質量濃度，而SD由于和TSS濃度的高度負相關性也成為較常見的水質遙感反演產品。因此，可以根據該湖區已有的模型通過遙感反演獲得chl-a和SD數據。遙感反演產品由于其瞬時、大范圍成像特點，對各指標的空間分布趨勢可以精確描述，其在絕對反演精度上的差距，可以采用少量的實測值的糾正得到彌補。

而TP、TN和CODMn等參數，由于其濃度變化對水體光譜特征的影響利用現有的傳感器很難捕捉，直接利用遙感反演獲得可信度較高產品的難度很大。盡管有研究顯示水體TP、TN和CODMn與光譜信息存在一定的相關關系，可以利用實測數據建立的統計關系在一定程度上反演氮磷濃度，并在部分區域取得較好結果[18-19]，但是在業務化應用中其精度難以得到保證[20-21]。因此，全湖范圍的TP、TN和CODMn可以采用地面實測數據的空間插值獲取，其產品可信度得到較大程度的保障[22-23]。

1.5.1 遙感反演模型

由于湖泊水體光學特性的復雜性，常常利用光譜特征與水質參數之間的統計關系構建經驗模型反演湖泊水質參數。由于GF-1 WFV數據與HJ-1 CCD數據在波段設置上基本一致，可以借鑒研究人員采用基于實測光譜、水質參數和水體固有光學特性等數據和HJ-1 CCD影像數據構建的經驗模型[24]對巢湖chl-a、TSS濃度和SD進行反演。

chl-a反演模型：chl-a=[727.83×(b4/b3)2-548.77×(b4/b3)+142.27]/3(8)

TSS反演模型：TSS=836.6×(b3·b4/b2)1.186(9)

SD反演模型：SD=337.4×TSS-0.62(10)

式中：bi表示GF-1 WFV1影像經過大氣校正后的第i波段的遙感反射率。

然后利用影像當日實測數據對影像反演結果進行校正。具體方法：在反演結果影像上，取實測點位坐標點周圍80 m(5個像元)緩沖區內的影像均值，與實測數據構建常數項為零的一元線性回歸模型，見式(11)，然后利用公式對遙感反演結果進行校正。

Y=aX(11)

式中：Y為實測參數值；X為影像反演值。

1.5.2 TP、TN、CODMn插值

水質參數空間插值常用方法包括Kriging、樣條函數等。鑒于湖泊采樣樣本點數量較少，且湖泊水質受邊界影響較大，考慮采用樣條內插法對TP、TN和CODMn等參數插值。因此在本研究中，利用現有實測站點數據在Arcgis10.1中建立TP、TN和CODMn等參數點狀矢量分布圖，并利用Spline with Barriers方法插值獲得全湖范圍內的產品。

用式(3)～式(7)分別計算各參數的富營養化狀態，然后用式(1)和式(2)計算綜合富營養指數，并對其進行分級。

2 結果與分析

2.1 計算結果

對chl-a和SD，分別根據式(8)、式(9)、式(10)進行反演，然后利用采樣點位的影像反演值和實測值對式(11)進行模型參數率定，并對反演結果進行校正，得到反演結果影像空間分布圖，如圖2和圖3所示。

對TP、TN和CODMn，基于實測站位濃度數據，利用樣條內插法獲得全湖區域濃度空間分布圖，分別如圖4～圖7所示。

圖2 基于反演的巢湖chl-a濃度空間分布圖Fig.2 Spatial distribution map of Chaohu Lake chl-a concentration inversion results

圖3 基于反演的巢湖水體SD空間分布圖Fig.3 Spatial distribution map of Chaohu Lake SD inversion results

2.2 各指標空間分布特征分析

巢湖chl-a濃度(圖2)總體呈現出湖體北部高于南部、西半湖高于東半湖的空間特征。西半湖中北部區域和東半湖東北、東南沿岸區域，chl-a質量濃度最高，多處于8～14 mg/L范圍，高值集中在北部沿岸，只有極少數沿岸點受底質水草影響，質量濃度高于14 mg/L；其次為是東半湖中部區域，chl-a質量濃度為6～8 mg/L；湖體西南沿岸和湖泊中南部區域濃度最低，為2～6 mg/L，且低值分布在西南沿岸。

圖4 基于插值的巢湖TP濃度空間分布圖Fig.4 Spatial distribution map of Chaohu Lake TP concentration interpolation result

圖5 基于插值的巢湖TN濃度空間分布圖Fig.5 Spatial distribution map of Chaohu Lake TN concentration interpolation result

圖6 基于插值的巢湖CODMn空間分布圖Fig.6 Spatial distribution map of Chaohu Lake CODMn concentration interpolation result

巢湖水體SD(圖3)整體呈現從西南向東北逐漸減小的趨勢，且總體透明度較低，介于0.05～0.27 m。湖西和西南沿岸區域湖水透明度最大，深度為0.13～0.27 m；其次是沿東北走向的湖體中南部區域、西半湖中東部和東半湖中部，透明度為0.09～0.13 m；最低的是東半湖東北部沿岸區域，透明度為0.05～0.09 m。

圖7 巢湖富營養化指數空間分布圖Fig.7 Spatial distribution map of Chaohu Lake trophic level index

巢湖TP濃度(圖4)總體上呈現從西北部向湖心、然后向東北方向逐漸降低的趨勢。西半湖中北部濃度最高，質量濃度為0.09～0.14 mg/m3，且西北沿岸向西半湖湖心走向的區域濃度值最高；其次是湖體中部湖心向北區域，質量濃度為0.07～0.09 mg/m3；東北部出湖口和中部南側沿岸質量濃度最低，為0.04～0.07 mg/m3。

TN濃度(圖5)總體上呈現出西半湖東半部濃度最高、向東西兩側濃度逐漸降低的趨勢。南淝河入湖區周邊和西半湖東半部TN質量濃度最高，為3.0～4.0 mg/m3；其次是湖體中部區域，質量濃度為2.5～3.0 mg/m3；西南部和東北部巢湖壩口區域降至最低，質量濃度為2.0～2.5 mg/m3。

CODMn(圖6)在空間分布特征上與總磷相似，呈現出西半湖東北湖區最高、向湖心區域和東北部出口方向逐漸下降的趨勢。西半湖東北部CODMn最高，其次是湖心區域，CODMn為5.0～6.6 mg/m3；從該區域向西南和東北方向，CODMn逐漸降低，CODMn為4.1～5.0 mg/m3。

從巢湖富營養指數空間分布趨勢(圖7)看，富營養化最嚴重的區域為西半湖北部南淝河入湖區域，富營養指數為61.6～68.3，其次是東半湖湖心和東南沿岸區域，富營養指數為60.0～61.6，均為中度富營養化狀態；富營養化程度較輕的是湖心區域和東半湖北部區域，富營養指數為58.9～60.0，最輕的是西南沿岸區域和東部湖區出口區域，富營養指數為51.9～58.9，為輕度富營養化狀態。

2.3 各指標總體統計特征分析

從實測值和反演值的統計結果(表3)對全湖chl-a和SD的反映能力來看，影像反演能更好地體現全湖的空間分布情況，并且高值區和低值區不限于采樣點實測值的數值范圍；全湖葉綠素a質量濃度均值為7.03 mg/L，略低于采樣點均值7.24 mg/L，標準差低于采樣值；全湖透明度均值為0.11 m，略低于根據采樣點實測值所得均值的0.12 m(表4)，標準差低于采樣值。

表3 指標統計結果

通過空間插值對湖泊范圍內TP、TN和CODMn的大小和分布趨勢有了更好的空間體現；由于插值方法原理的限制，該結果是對空間趨勢的估計，不代表真實值，且最低值和最高值均局限在采樣值區間以內；插值影像TP、TN和CODMn全湖均值分別為0.084、 2.79、5.067 mg/m3，與實測值相當，但是其標準差均高于實測值標準差。 從統計結果來看，巢湖富營養指數為51～69，全湖處于輕度富營養化和中度富營養化狀態。其中，中度富營養化湖區面積占全湖的47.98%；輕度富營養化湖區面積占全湖面積的52.02%。全湖富營養化狀態指數平均值為60.341，為中度富營養化狀態；基于采樣點實測值計算的富營養指數均值為59.926，為輕度富營養。

2.4 富營養化成因探討

根據各富營養化指標的空間分布趨勢，結合入湖河流分布和可能的影響因素，對巢湖各富營養化因子來源進行分析。巢湖北部南淝河、十五里河水體營養物質的輸入導致巢湖水體chl-a濃度升高，東南沿岸和東北沿岸城建區也有營養物質輸入，而巢湖南部新河和兆河河水入湖對chl-a濃度起稀釋作用。考慮到西南部杭埠河等入湖河流流量和輸沙量較大，但西南部總懸浮物濃度較低，SD高于東北下游區域，推測巢湖水體透明度主要受有機懸浮物的影響。根據巢湖TP濃度空間分布趨勢，可以認為巢湖北部十五里河和南淝河磷輸入量最大，其次是西南方向入湖的杭埠河等，派河和新河輸入量較少，而兆河入湖對水體TP濃度的稀釋作用大于輸入。巢湖氮的輸入來源主要為北部的南淝河和西南部的杭埠河、白石山河，西部的派河氮輸入濃度較低，對水體起到稀釋作用。CODMn從陸源輸入和水文條件等因素方面考慮，西半湖北部南淝河、十五里河對CODMn的貢獻最大，其次是南部的兆河，貢獻最小的是西南部的杭埠河與派河等，對湖水CODMn濃度起到稀釋作用。

綜合各指標分析，巢湖富營養化在空間分布格局上受SD和TN 2種因子的主導。考慮到湖泊的富營養化物質主要來源于陸源輸入，并且空間分布受水文條件的影響，可根據富營養指數的空間分布，嘗試推測巢湖外部不同區域對巢湖營養物質的輸入貢獻。富營養化最嚴重的西半湖北部區域，承接上游南淝河、十五里河來水，其集水區域內包含合肥市轄區等人類經濟活動較多的區域，并且有大面積建成區與湖泊相鄰，各種營養物質陸源輸入量都比較大；東南部富營養化區域無大型河流輸入，富營養化主要表現為懸浮物和chl-a濃度較高，其原因可能是鄰岸的人類活動輸入，以及水文條件的影響使得上游輸入的營養物質在該區域的形成富集；西南沿岸富營養化程度較低，富營養化主要表現為氮磷富營養化，可認為西南方向入湖的杭埠河和白石山河氮磷輸入量較大，CODMn和chl-a等輸入較小。

3 結論

針對目前水質遙感反演通用模型構建難度較大的現狀，提出基于實測數據校正的高精度水質反演結果的可行性方法。在此基礎上，將水質參數遙感反演與實測數據空間插值有機結合，形成基于綜合營養指數法的湖泊富營養化評價方法。通過將該方法在巢湖區域的應用，證明了該方法在業務化運行方面的潛力，并對巢湖富營養化成因進行初步分析。

為提高富營養化評價結果精度，建議：基于不同季節的天地同步觀測數據構建適用于巢湖水質反演的模型，進一步提高反演精度；根據遙感反演結果，綜合考慮參數的值域分布和空間分布，進一步優化采樣點站位的空間布設方案，便于獲得更高的空間插值結果；基于長期的監測數據，對湖泊富營養化成因進行分析。

[1] 環境保護部. 2014年中國環境狀況公報[EB/OL]. (2015-06-05)[2015-06-05]. http://jcs.mep.gov.cn/hjzl/zkgb/2014zkgb/201506/t20150605_303011.htm.

[2] 中國環境科學研究院. 湖泊生態安全調查與評估[M].北京:科學出版社，2012:3-5.

[3] 王橋,楊一鵬,黃家柱. 環境遙感[M]．北京:科學出版社, 2005: 1-30.

[4] 王明翠,劉雪芹,張建輝.湖泊富營養化評價方法及分級標準[J]. 中國環境監測,2002,18(5):47-49.

WANG Mingcui, LIU Xueqin, ZHANG Jianhui. Evaluate Method and Classification Standard on Lake Eutrophication[J]. Environmental Monitoring in China, 2002, 18(5):47-49.

[5] 荊紅衛,華蕾,孫成華,等. 北京城市湖泊富營養化評價與分析[J].湖泊科學,2008,20(3):357-363.

JING Hongwei, HUA Lei,SUN Chenghua, et al. Analysis on Urban Lakes’ Eutrophication Status in Beijing[J]. Journal of Lake Sciences, 2008, 20(3):357-363.

[6] KUTSER T, PAAVEL B C, VERPOORTER C, et al. Remote Sensing of Water Quality in Optically Complex Lakes[J]. International Archives of the Photogrammetry, Remote Sensing and Spatial, Information Sciences, 2012， XXXIX-B8:165-169.

[7] WALCZYKOWSKI P, JENEROWICZ A, ORYCH A. A Review on Remote Sensing Methods of Detecting Physical Water Pollutants[J]. Research Conference in Technical Disciplines, 2013(1):125-130.

[8] WANG F, HAN L, KUNG H T, et al. Applications of Landsat-5 TM Imagery in Assessing and Mapping Water Quality in Reelfoot Lake, Tennessee[J]. International Journal of Remote Sensing, 2006,27 (23):5 269-5 283.

[9] LYU H, WANG Q, Wu C Q, et al. Retrieval of Phycocyanin Concentration from Remote-Sensing Reflectance Using a Semi-Analytic Model in Eutrophic Lakes[J]. Ecological Informatics，2013,18(6):178-187.

[10] CHEN L. A Study of Applying Genetic Programming to Reservoir Trophic State Evaluation Using Remote Sensor Data[J]. International Journal of Remote Sensing, 2003, 24(24):2 265-2 275.

[11] PALMER S C J, ODERMATT D, HUNTER P D, et al. Satellite Remote Sensing of Phytoplankton Phenology in Lake Balaton Using 10 Years of MERIS Observations[J]. Remote Sensing of Environment, 2015, 158(1): 441-452.

[12] CHAWIRA M, DUBE T, GUMINDOGA W. Remote Sensing Based Water Quality Monitoring in Chivero and Manyame Lakes of Zimbabwe[J]. Physics and Chemistry of the Earth, 2013,66(8): 38-44.

[13] PAPOUTSA C, AKYLAS E, HADJIMITSIS D. Trophic State Index Derivation Through the Remote Sensing of Case-2 Water Bodies in the Mediterranean Region[J]. Open Geosciences, 2014, 6(1):67-78.

[14] 吳傳慶,蓋嘉翔,王橋,等.湖泊富營養化遙感評價模型的建立方法[J]. 中國環境監測, 2011,27(5):77-82.

WU Chuanqing, GAI Jiaxiang, WANG Qiao, et al. Establishing a Remote Sensing Assessing Method of Lacustrine Eutrophication[J]. Environmental Monitoring in China, 2011, 27(5):77-82.

[15] 朱利,李云梅,趙少華,等. 基于GF-1號衛星WFV數據的太湖水質遙感監測[J]. 國土資源遙感, 2015(1):113-120.

ZHU Li, LI Yunmei, ZHAO Shaohua, et al. Remote Sensing Monitoring of Taihu Lake Water Quality by Using GF-1 Satellite WFV Data[J]. Remote Sensing for Land Resources, 2015(1):113-120.

[16] 潘德爐,馬榮華.湖泊水質遙感的幾個關鍵問題[J]. 湖泊科學, 2008, 20(2):139-144.

PAN Delu, MA Ronghua. Several Key Problems of Lake Water Quality Remote Sensing[J]. Journal of Lake Sciences, 2008, 20(2):139-144.

[17] LESHT BM, BARBIERO R P, WARREN G J. Satellite Ocean Color Algorithms: A Review of Applications to the Great Lakes[J]. Journal of Great Lakes Research, 2012, 38(1):49-60.

[18] EISENSTEIN M, PARK M. Assessment of Nutrient Distributions in Lake Champlain Using Satellite Remote Sensing[J]. Journal of Environmental Sciences, 2014,26(9):1 831-1 836.

[19] WU C F, WU J P, QI J G, et al. Empirical Estimation of total phosphorus concentration in the mainstream of the Qiantang River in China using Landsat TM data[J]. International Journal of Remote Sensing, 2010, 31(9):2 309-2 324.

[20] GAO Y, GAO J, YIN H, et al. Remote Sensing Estimation of the Total Phosphorus Concentration in A large Lake Using Band Combinations and Regional Multivariate Statistical Modeling Techniques[J]. Journal of Environmental Management, 2015,151:33-43.

[21] CHEN J, QUAN W T. Using Landsat/TM Imagery to Estimate Nitrogen and Phosphorus Concentration in Taihu Lake, China[J]. IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2012, 5(1):273-280.

[22] 王玉磊,錢新,高海龍,等.基于MODIS數據輔助的太湖葉綠素a空間插值應用[J].環境科學與技術, 2014,37(1):168-173.

WANG Yulei, QIAN Xin, GAO Hailong, et al. Spatial Interpolation of Chlorophyll-a in Taihu Lake Based on the MODIS Data Aided[J]. Environmental Science Technology,2014,37(1)：168-173.

[23] 毛新偉,陸銘鋒,高 琦,等.三次樣條插值方法在太湖水質評價中的應用[J].水資源保護，2011,27(4):58-61,78.

MAO Xinwei, LU Mingfeng, GAO Qi. Application of Cubic Spline Interpolation Method in Water Quality Evaluation of Taihu Lake[J]. Water Resources Protection, 2011,27(4):58-61,78.

[24] 薛云,趙運林,張維,等. 基于環境一號衛星CCD數據的洞庭湖夏季富營養狀態評價[J]. 環境科學學報,2014,34(10):2 534-2 539.

XUE Yun, ZHAO Yunlin, ZHANG Wei, et al. Eutrophication Assessment of Dongting Lake in Summer Based on HJ-1 CCD Data[J]. Acta Scientiae Circumstantiae, 2014, 34(10):2 534-2 539.