遙感技術在水資源管理中的應用

王賽林

(四創科技有限公司，福州 350000)

1 概 述

靜水生態系統是生物多樣性不可估量的可再生自然資源，人類活動和氣候變化都會對其產生影響。它們的生態狀況對其作為飲用水水庫、灌溉、漁業或娛樂的價值有著至關重要的影響，今后任何努力都有理由提高監測和保護或改善這些資源的能力[1-2]。主要目標是實現可持續管理；維持生態系統的功能(包括依賴性濕地和陸地生態系統)；達到良好的生態狀態。衛星遙感是一個重要的信息來源：它使我們能夠以比點測量更大的時間覆蓋范圍來觀察更大的水域，而且它也非常具有成本效益。遙感技術的優勢在于能夠提供地表水質量參數的空間和時間視圖，而這些參數通常無法通過現場測量獲得。遙感使有效和高效地監測景觀成為可能，查明存在重大水質問題的水體，從而支持制定湖泊管理方案。

近年來，隨著傳感器設計的不斷改進和數據分析技術的不斷進步，湖泊水質遙感成為一項新興技術。特別是水質算法的新發展主要是由中分辨率成像光譜儀(MODIS)的出現推動的，以及中分辨率成像光譜儀(MERIS)。除了水質參數外，遙感使我們能夠調查土地覆蓋動態和演變；根據目標區域的范圍，各種各樣的衛星儀器，主要來自空間介質分辨率傳感器(如陸地衛星)，可用于在集水區尺度上描述土地覆蓋[3-4]。遙感成功地提取并提供了有關集水區特征的相關信息。通過比較衛星獲得的水質數據和現場測量結果，評估了這些儀器描述筼筜湖水質的能力，為今后管理提供數據支撐。

2 材料和方法

2.1 研究區域

筼筜湖位于廈門島西部，毗鄰西海域，流域面積約為37 km2，這是一個封閉的湖泊，有未分層和非常淺的水域(平均底部深度4.5 m，最大深度6 m)。湖泊生態系統因其豐富的動植物和物種多樣性而具有特殊價值。

2.2 圖像處理

為了分析筼筜湖中的各種元素(即水質、土地利用/土地覆蓋)，使用不同的衛星傳感器(表1)。并根據所調查對象對圖像進行處理。

表1 本研究中使用的衛星數據及其標稱空間分辨率匯總

2.2.1 MERIS水質參數

選取118幅2015-2018年間的晴空MERIS圖像。除2018年外，每年包括大約20個場景。這些圖像用基本環境衛星/ERS ATSR和MERIS工具箱進行處理。利用改進的陸地和海洋對比度(ICOL)插件對一級數據進行鄰接效應校正，然后轉換為水質產品。為此，基于MERIS Case-2核心模塊的3種插件算法可用：Case-2區域、北部湖泊和富營養化湖泊，所有這些算法都實現了專門的大氣校正。在本研究中，使用C2R處理器是因為它更適合于描述湖的光學特性。C2R的水成分反演提供了不同的產品，包括葉綠素a濃度和總懸浮物，以及假設與透明度深度相當的最小輻照度衰減系數和信號深度。

2.2.2 土地利用/覆蓋和植物

為了研究流域土地利用/覆蓋類型的近期變化，利用1979-2018年期間獲得的陸地衛星多光譜掃描儀(MSS)/專題制圖器(TM)、反射輻射計和可見光和近紅外輻射計(AVNIR-2)(表1)。在2014-2018年夏季采集了多光譜遙感圖像。基于偽不變特征的選取和線性回歸變換，采用輻射歸一化方法對衛星數據進行預處理。整個數據集中只有同源光譜帶被考慮用于進一步分析，因此包括3個可見綠光波段(0.52～0.60 μm)、可見紅光波段(0.63～0.69 μm)和近紅外波段(0.76～0.89 μm)。

通過減去暗像素對歸一化數據進行大氣效應校正，最后在平面坐標系中進行地理參照和聯合登記。從多時相數據集中提取覆蓋6個土地覆蓋等級的樣本，這6個覆蓋類別是：水、山上的森林、平原上的森林、荒地(裸露的巖石和牧場)、裸露的土壤和有植被的田地。

3 結果與討論

3.1 水質監測

為了長期驗證葉綠素a濃度和透明度深度以及MODIS地表溫度，利用ARPA Umbria在湖心收集的現場監測數據。總的來說，考慮到衛星數據是由這些現場數據獨立產生的，因此是兩個絕對獨立的數據集，因此觀察到現場數據和衛星遙感數據之間的良好一致性，見圖1。由圖1(a)可知，MERIS遙感數據符合葉綠素a濃度的原位趨勢，盡管MERIS在2015年夏季和2018年夏季都有低估葉綠素a濃度最高值的趨勢。現場和衛星測量之間的時間不匹配(通常是小時與秒)以及比例尺差異(點式站的樣本與面積為300 m×300 m的測量值之間的差異)，都阻礙了遙感測量和現場測量之間的比較。與葉綠素a濃度類似，MERIS描述透明度深度的能力是非常有前途的，因為MERIS可以描述水透明度的時間趨勢，見圖1(b)。盡管時間序列較短，但由于C2R估計值與現場數據相當，因此總懸浮物的結果也令人滿意，見圖1(c)。在最高和最低水溫下，MODIS和原位水面溫度測量之間的一致性幾乎是非常契合的，見圖1(d)。

圖1 2014-2018年3個水質參數的現場測量和遙感監測隨時間變化

在論證遙感技術可以監測筼筜湖水質參數的基礎上，對其管理進行分析。由MERIS得到的葉綠素a濃度值與水位(圖2)進行對比，發現兩個量之間呈負相關，因此葉綠素a濃度隨水位下降而增加，反之亦然。兩個參數之間的回歸分析統計數據顯示，皮爾遜相關系數r的值為-0.48。盡管相關性很低，F檢驗(P值<0.01)表明變量之間的關系不是偶然發生的。因此，水位降低可能有助于提高湖泊的營養水平。

圖2 MERIS 葉綠素a估算值與水位之間的相關性

3.2 變化檢測

根據1989-2018年衛星數據的土地覆蓋分類得出的結果，顯示了過去30年間流域景觀和環境變化的動態，見表2。

表2 土地覆蓋/使用變化結果

除了城市地區略有增加(僅從1990和2000年的CORINE土地覆蓋圖中得出)和筼筜湖地區的微小變化(由于季節變化和衛星圖像采集日期的不均勻性)之外，這些數據的主要觀點是，從2000年開始，耕地(農業類)明顯減少，隨后由貧瘠土地和森林(丘陵和平原)組成的非生產性地形(裸地、牧場和天然林地覆蓋)增加。

農業用地在1998年占集水區的35%，2018年下降至31%，而非生產性地形(荒地、牧場和天然林)則從1998年的23%增加至2018年的27%。通過與地方政府提供的面積數據進行比較，對遙感衍生的土地覆蓋分類進行簡單驗證。結果表明，2009年整個流域的耕地面積估計為107 km2；相比之下，根據2008年Landsat TM數據估算的農業用地覆蓋等級為102 km2，雖然略為低估，但符合得很好。

空間分析得到的地圖(圖3)顯示了沿著湖泊集水區的耕地上農業的空間分布。這些地圖是該地區農業利用的指標，可用于估算筼筜湖沿岸帶的農業壓力和水質。這些數據描述了農業地塊破碎的局部狀態，其中1 km×1 km單元中包含的大量多邊形指向高度破碎，這表示專用于同質作物的小地塊，而少量多邊形表示較低破碎和較大的農業地塊。碎片化在時間上的演變表明，碎片化的增加是農業分割和分化的癥狀。這些數據顯示，沿該湖西南岸的碎片化程度略有增加，這也是農業相關活動最集中的地區。

4 結 論

本文論證了遙感數據輔助筼筜湖管理的能力。利用MERIS、MODIS等高回訪時間傳感器對水質(葉綠素a濃度、透明度深度)進行粗尺度定期監測。MERIS和MODIS的圖像處理方法與場景無關，可以為筼筜湖的水質監測提供一種替代方法。MERIS時間序列分析表明，葉綠素a濃度隨水位下降而升高。土地覆蓋變化檢測分析結果顯示，從20世億90年代初開始，耕地面積減少，隨后非生產性地形(裸地和牧場)和天然林增加，農業區的破碎化程度也隨著時間的推移而變化。2013-2018年，大型植物的數量也有所減少。