基于FUI模型的柬埔寨洞里薩湖水體顏色研究

許 楊，王 野，陸建忠*，馮 煉

(1.武漢大學測繪遙感信息工程國家重點實驗室，武漢 430079；2.南方科技大學環境科學與工程學院，廣東 深圳 518055)

伴隨著人口增長而日益加劇的人類活動和全球變暖帶來的氣候變化，地球資源被過度消耗，生態環境也遭受到嚴峻的挑戰，影響著全球生物的生存和發展[1-2].水環境是地球生態環境的重要組成部分，但近年來觀察到很多水環境受到威脅的案例，如海洋溢油對沼澤的破壞、反復出現的大西洋馬尾藻帶等[3-4].從19世紀70年代海岸帶水色掃描儀CZCS發射以來，人類可以利用衛星遙感數據更加宏觀地監測海岸帶水體[5-6].隨著寬視場水色掃描儀SeaWiFS、MODIS的相繼發射，因其在大范圍監測水體環境的基礎上，還能夠更高精度地獲取水體信息，可為全球湖泊、海岸帶和海洋的水環境研究帶來了新的機遇[7-11].SeaWiFS、MODIS等水色衛星數據在反演葉綠素濃度、總懸浮物濃度、透明度、溶解有機碳等參數方面的潛力也已經得到了有力的證明[12-15].2002年起中國相繼發射了海洋水色系列衛星，其在水色、水溫等海洋要素的反演及海岸帶監測領域都有較好的應用前景[16-18].因此，在研究各類水體的水色要素和水質狀態時存在著大量的衛星數據源可供選擇，而具有更長觀測歷史的水色衛星數據可以挖掘出豐富的時空變化信息，能夠為水環境的監測、治理和預報提供了更多的便利和應用價值.

已有大量的研究聚焦于使用衛星遙感數據來監測各類水環境要素，尤其以水色三要素(葉綠素濃度、總懸浮物濃度、黃色溶解有機物濃度)、固有光學量(吸收系數、散射系數、衰減系數等)、水華、富營養化程度等居多[8，19-25].近年來新提出了一種基于多光譜的傳感器數據計算的水體顏色指數FUI，它是在國際照明委員會(CIE)色度系統定義的，源自海洋學中Forel-Ule (FU)觀測.FUI用于刻畫水體的顏色信息，并反映水質的綜合狀態[26].在色度空間定義的FUI不依賴于單一波段的信號響應，相比于水體光學成分的反演精度在其他組分濃度較高時會受限，水體顏色計算的不確定性可以被顯著減小，使得FUI在水質狀態的綜合理解方面有著很好的應用前景[27].目前的研究已經證明了FUI與葉綠素濃度、水體富營養化程度、固有光學量等參數有較好的相關關系，大大降低了獲取該類參數實測數據的成本[27-29].此外，海洋學領域中FU觀測已經積累了上百年的歷史數據，這為追溯水體光學參數的歷史變化也帶來了巨大的應用潛力[29].

洞里薩湖(Tonle Sap Lake)是東南亞最大的通河湖泊，是湄公河天然的蓄水池，對于調節當地生態系統和維持漁業資源等方面有著重要的意義.但是由于上游的建壩蓄水、濫砍濫伐和污染破壞，洞里薩湖的面積有減小趨勢，水質狀況堪憂[30].目前利用遙感數據針對洞里薩湖面積變化、湄公河三角洲的演變和洪峰強度等方面的研究已經有了大量進展[30-33].而對于洞里薩湖水色參數的研究多集中于總懸浮物濃度的反演及河湖交換的分析[32-35].因此，本研究將利用FUI模型來研究洞里薩湖水體顏色的時空分布，以期深入探究該湖泊水質綜合狀態及富營養化程度的變化規律，為洞里薩湖水環境的監測和治理提供重要的基礎數據.

1 研究區概況與數據源

1.1 研究區概況

洞里薩湖(Tonle Sap Lake)位于柬埔寨境內的北部(11°53′～14°08′N，102°30′～105°29′E)，是東南亞最大的淡水湖泊.洞里薩湖在湄公河流域的下游，由洞里薩河與湄公河連通，其同湄公河的水流流向會出現季節性逆轉的現象，屬于季節性淹沒的湖泊，具體位置及流域分布見圖1.洞里薩湖屬于熱帶季風氣候，旱季在11月～5月，雨季在6月～10月[36].湖泊的面積和水量在一年之中會有明顯變化，在旱季結束時，其面積和水量僅有2 500 km2和1 km3；而在9月和10月初，當湄公河水位達到最大值，西南季風降水也到達峰值時，洞里薩湖的面積和水量可分別達到16 000 km2和80 km3.近年來，由于全球變暖導致的氣候變化及該區域人口增長帶來的人類活動的影響，水體范圍呈顯著減小趨勢，同時洞里薩湖的泥沙量增加，水質顯著下降[30，37-39].

1.2 研究數據

本研究使用的數據是搭載在Terra衛星平臺上的MODIS傳感器三級數據——地表反射率產品MOD09A1(第六版)，數據來源于美國國家航空和航天局(NASA) (https://ladsweb.nascom.nasa.gov/).該數據是8 d合成的，空間分辨率是500 m×500 m，包括7個光譜波段，分別是藍、綠、紅、近紅外和三個短波紅外波段.在低級別數據通過大氣校正，去除了氣體、氣溶膠和瑞利散射的影響后，還經過了嚴格的云和云陰影、氣溶膠、觀測角和藍波段數值最小等篩選準則，最終每一幅影像都代表了該區域八天內的最佳觀測影像[40].本研究共下載了866景2000年-2018年間覆蓋洞里薩湖的影像數據.為了更加精確地刻畫洞里薩湖的信息，在預處理階段使用了MODIS重投影工具MRT，將所有的數據進行了重投影、裁剪.而后經過湖區范圍內的去云篩選，共余下574景有效數據.

圖1 研究區Fig.1 Study area

2 研究方法

本文擬采用王勝蕾等人提出的水體顏色指數FUI計算過程中的中間量α角，來研究洞里薩湖水色的時空變化[28].FUI指數是基于國際照明委員會CIE色度系統定義的，FUI取值1～21的離散值，能夠實現從藍色到棕色水體的全覆蓋.而相應的色調角取36.64°～250.85°之間的連續值，能夠更加精細地刻畫水色及其變化，避免水體顏色及其變化的信息被壓縮.

在使用MOD09A1產品計算色調角之前，需要應用一個簡單的波段裁剪法來消除MOD09產品的噪聲，并轉為遙感反射率Rrs數據[41].接著使用紅、綠、藍波段的Rrs來計算CIE系統下的(X，Y，Z)坐標，轉換公式為[42-43]：

X=2.768 9R+1.751 7G+1.130 2B，
Y=1.000 0R+4.590 7G+0.060 1B，
Z=0.000 0R+0.056 5G+5.593 4B.

(1)

再將新坐標歸一化至0～1之間的值(x，y)，并使用公式(2)將其轉換到圖2所示的CIE色度圖中[28].

(2)

此時，(x′，y′)處的向量和x′負軸之間的夾角定義為α角(以下簡稱色調角)，取值范圍在0～360°.為了消除人眼感受到的真實色彩和傳感器波段設置得到的顏色之間的誤差，對色調角進行一個系統誤差Δ校正.校正公式(3)如下：

Δ=-1.818 5×b5-62.164×b4+320.49×b3-

510.97×b2+306.32×b-50.343，R2=0.95,

(3)

其中，b=α/100.該公式是由輻射傳輸數值模型Hydrolight模擬的高光譜Rrs和MODIS等效波段之間建立的多項式模型，可以消除波段設置帶來的誤差[44].應用系統誤差校正后，色調角可以重新定位到圖2[28]中的位置，用于反映不同的顏色，而21個級別的水體顏色指數FUI是基于色調角而分段映射得到[43].考慮到FUI的取值范圍(1～21)，進行系統誤差Δ校正后的色調角有效值范圍為36.64°～250.85°.

圖2 FUI色調角及其在CIE色度圖中的位置[28]Fig.2 The angle α and FUI shown in the CIE chromaticity diagram[28]

使用基于FUI的富營養化狀態評估算法[28]，可以進一步研究多年來洞里薩湖富營養化程度的變化.該算法是根據Hydrolight仿真數據集與全球分布的實測數據集建立的，將水體分別歸類于1) “貧營養”狀態(1≤FUI<7)；2) “中營養”狀態(7≤FUI<10，Rrs_645≤0.006 25)；3) “富營養”狀態(10≤FUI<21，Rrs_645>0.006 25)[28].

此外，本研究還使用了歸一化植被指數NDVI和歸一化水體指數NDWI相結合的閾值法提取洞里薩湖的水面范圍[20]，并將淹沒頻率大于80%的區域定義為常態湖區范圍.使用該范圍對所有色調角影像做掩膜.水面提取的具體步驟如下：1) 利用人機交互式圖形用戶界面GUI加載每景8 d反射率多波段影像，并且在GUI中生成相對應的NDVI (NDWI)和RGB真彩色圖像，獲取NDVI (NDWI)直方圖，將兩個峰的谷值作為初始閾值(Ti)；2) 通過初始閾值，獲取水陸邊界，將其疊加顯示在RGB或NDVI(NDWI)圖像上，如果邊界與NDVI(NDWI)圖像中的像素很好的吻合，則將Ti作為該副影像的最佳閾值.反之，手動調整Ti，直到獲取最佳閾值和對應最佳水面提取范圍[20].

如圖3所示，以2001年2月18日影像為例，圖3(a)～3(d)圖依次是MOD09A1地表反射率產品合成的RGB影像、色調角影像、FUI影像和表征富營養化程度影像的示意圖.該日的色調角取值范圍在97.35°～228.64°，FUI取值范圍為5～16，湖中兼有三種富營養化程度的水體.之后對每個月內的色調角、水體范圍、FUI和Rrs_645數據分別計算一張中值圖；再逐級統計該范圍內季均、年均的色調角、面積和不同營養狀態評級的面積比.

圖3 研究區影像處理結果示意圖(以2001年2月18日為例)Fig.3 Schematic diagram of image processing results in the study area (Take February 18，2001 as an example)

3 結果與分析

3.1 色調角的年際變化

本研究首先對色調角的年際變化進行了統計.如圖4(a)所示，每個點即是色調角年均值，誤差線表示該年色調角月均值的兩倍標準差.19年間的色調角總均值是215.58°，FUI均值是14，即洞里薩湖的水體顏色一般處于從綠色到黃色的過渡色.通過統計發現，在2000年～2018年間，洞里薩湖色調角年際變化存在波動，整體上有略微下降的趨勢，但不顯著.其中，灰色方框中突出顯示的2014年-2016年間的誤差線，相比于前些年，明顯變短.以上數據表明19年來洞里薩湖的色調角存在不顯著的減小趨勢，且2014年-2016年間各月水體顏色差異明顯減小.Lin等人的研究表明洞里薩湖開闊水域面積的水文周期減小并呈現下降趨勢，且季節性變化減弱.這些變化主要受到整個湄公河流域的水利大壩建設和相關農業灌溉的影響，而同期的氣候影響關系不大[30].洞里薩湖面積的這一變化規律與本研究中色調角的年際變化趨勢一致，因此本文將進一步探索色調角與面積的相關關系.

圖4 2000年-2018年間色調角均值的變化趨勢及與面積均值相關關系的統計分析Fig.4 Time trend of the average angle α from 2000 to 2018 and statistical analysis ofaverage angle α and average area

3.2 色調角的季節變化及與面積的關系

考慮到洞里薩流域雨季(6月～10月)、旱季(11月～5月)的典型劃分，本研究分別統計了色調角月均值和面積月均值的時間趨勢和相關關系，并進行了顯著性檢驗，著重比較雨季、旱季不同月份的表現.圖4(b)～(c)的結果表明，1) 2000年～2018年間洞里薩湖的色調角均值在不同的月份變化趨勢不一致，旱季和雨季(藍色背景)的月份均有呈現減小和增加趨勢，但是由于云遮擋等原因，部分年份缺失有效月均值，呈現出的趨勢并不完整.2) 面積均值在12個月均呈現為逐年下降的趨勢，不同月份的色調角與面積表現出的相關關系正負不一致，旱季和雨季的月份均存在正相關和負相關關系.其中，處于旱季的12月達到最大的負相關關系(R=-0.86).處于雨季的6月達到最大的正相關關系(R=0.72).3) 色調角與面積相關關系的顯著性檢驗結果顯示，旱季和雨季均有4個月份的相關關系達到顯著水平.2月、3月和8月處于顯著水平(P<0.05)，而6月～7月、10月～12月的相關關系可被認為是非常顯著的(P<0.01).所以無論洞里薩湖處于旱季還是雨季，多數月份的水體顏色變化很大程度上可以由面積變化來解釋.

3.3 雨季、旱季典型月份的色調角變化率

在多數月份的色調角與面積呈現顯著相關關系的背景下，研究選取了6月(雨季)、12月(旱季)這兩個代表月份，進一步分析了2000年-2018年間洞里薩湖色調角或水體顏色的變化率及空間分布.圖5(a)～(b)雨季代表月份的結果顯示，湖中大部分區域的色調角在6月呈現出逐年減小或不變的趨勢，少部分區域呈現增加的趨勢.變化率被評定為顯著和非常顯著水平的區域集中于洞里薩湖北湖的湖中心偏東區域和南部的西岸，在6月這兩個區域的色調角均呈現逐年減小的趨勢.

圖5 2000年-2018年色調角在雨季、旱季代表月份的變化率Fig.5 Change ratio of the hue angle in the representative months of rainy season and dry season from 2000 to 2018

圖5(c)～(d)旱季代表月份的結果顯示，湖中大部分區域的色調角在12月呈現逐年增加或不變的趨勢，僅在洞里薩湖北湖的西岸沿線和南湖東岸的小部分區域，存在逐漸減小的趨勢.面積相對更小的南湖基本都處于色調角逐年增加的趨勢，且增加幅度高于北湖.12月份的顯著性檢驗結果表明，逐年變化較強的區域多集中于北湖的岸邊和南湖近岸區域.

總體上，在雨季的代表月份6月，洞里薩湖的色調角在大部分區域呈現出逐年減小的趨勢；在旱季的代表月份12月，大部分區域的色調角則呈現相反的逐年增加趨勢，且整體上逐年變化的幅度明顯高于6月.無論在6月還是12月，色調角的變化率處于顯著水平的面積較小，湖中大部分位置的逐年變化趨勢并不顯著.

3.4 雨季、旱季典型月份的各營養狀態面積比

洞里薩湖存在著富營養化的問題，水質狀態處于中等至較差水平，具有高營養程度和高固體顆粒物濃度的特點[45-47].本研究使用基于FUI的富營養化狀態評估算法，獲取了洞里薩湖2000年-2018年間不同營養狀態的年均評級和各月評級.結果顯示，各年年均評級均處于“富營養”狀態，不同月份的營養狀態評級存在差異，但沒有統一特點.因此，本研究將著重關注6月和12月這兩個雨季、旱季的代表月份，將基于19年間各營養狀態所占面積比，分析洞里薩湖在這兩個月份的營養狀態評級及年度變化，得到如圖6所示的結果.2000年至2018年間，洞里薩湖在雨季的代表月份6月，平均有99.97%的湖區面積被評級為“富營養”狀態，其余被評級為“中營養”狀態；在旱季的代表月份12月，平均有0.21%和4.65%的湖區被評級為“貧營養”和“中營養”狀態，而被評級為“富營養”狀態的湖泊面積約占95.14%.

在旱季12月，除了2000年、2001年、2011年和2013年外，其余各年都有90%以上的湖區處于“富營養”狀態.在上述四年的12月份，分別有13%、20%、13%和15%的湖區處于較低的營養狀態水平，即“中營養”和“貧營養”狀態.現有研究中提及，2000年、2001年、2011年和2013年這四年的雨季洞里薩湖都發生了由于年降雨量異常導致的大洪水[48-49].此外，2002年該區域也發生了大洪水，但是該年洪水主導原因是上年的水位和水量較高[48].而本研究的結果顯示，發生過由降雨量異常導致的大洪水后，在旱季12月洞里薩湖的營養狀態似有明顯好轉的跡象，而其他年份的營養狀態均以“富營養”狀態為主.其他年份在旱季12月多以“富營養”狀態為主，并且近5年沒有明顯的變化趨勢，可見洞里薩湖在旱季的富營養化狀態穩定且沒有好轉.

圖6 2000年-2018年雨季、旱季代表月份不同營養狀態面積比的變化Fig.6 Changes in the area ratio of differenttrophic statesin the representative months of rainy season and dry season from 2000 to 2018

4 結論與展望

本研究使用2000年-2018年間的MOD09A1地表反射率數據，在水體顏色指數FUI模型的中間量色調角的基礎上，揭示了洞里薩湖在19年間水體顏色變化趨勢和規律，并在同等統計規則下，分析了色調角與面積之間的關系，以及色調角變化率的空間分布和富營養化狀態的評估.結果表明：1) 洞里薩湖在2000年-2018年間色調角呈現出下降的趨勢，但不顯著，湖泊的整體顏色由黃色向綠色轉變.2014年-2016年間水體顏色的月間差異明顯減小.2) 洞里薩湖各月的水體顏色變化趨勢不同，19年間有7個月的色調角與面積均值為正相關關系，其中5個月份的相關關系呈現顯著水平；有5個月份的色調角與面積均值為負相關關系，其中3個月份呈現顯著水平，且這些月份在旱季、雨季均有分布.3) 就雨季、旱季的代表月份6月、12月的水體顏色變化率及空間分布而言，雨季6月的洞里薩湖以色調角逐年減小或不變的趨勢為主，即水體顏色逐年偏綠；旱季12月則相反，水體顏色有變黃趨勢，且變化幅度比雨季6月更加明顯.在這兩個月份中，湖中僅有少量位置處的水體顏色變化趨勢達到顯著水平，其空間分布也不統一.4) 19年間洞里薩湖在整體上呈現為“富營養”狀態，在雨季的代表月份6月，平均99.97%的湖區處于富營養化狀態.由年降雨量異常導致的大洪水年份中(2000年/2001年/2011年/2013年)，約有15%的湖區在旱季12月降為“中營養”或“貧營養”狀態.其余年份的洞里薩湖在12月以“富營養”狀態為主.

基于以上結論，本研究不僅能夠為衡量洞里薩湖水體顏色及富營養化狀態提供有效信息，并且可以在時間尺度上細化對其變化規律的研究.但是本文尚未涉及水體顏色變化規律的驅動因素分析，為了更加精確地量化人類活動和氣候變化對洞里薩湖的影響，未來的研究可關注驅動因素與水體顏色參數、富營養化狀態的關系.