基于GF衛星的星云湖藍藻水華監測

申文熙　丁圣

摘? 要：文章基于GF衛星數據，利用NDVI方法實現了星云湖藍藻水華的提取和水華覆蓋度計算以及面積估算，分析了氣象要素對星云湖藍藻水華爆發的影響，生成的歸一化植被指數能夠較好地反映星云湖藍藻水華分布狀況，適于業務化運行。星云湖藍藻水華冬春季多發生在星云湖的北部和西北部，藍藻水華大面積爆發時會蔓延至湖中區域。冬春季降水少、日照時數增加，微風等氣象條件有利于水華的發生。

關鍵詞：GF衛星數據；藍藻水華；星云湖

中圖分類號：TP39；X87? 文獻標識碼：A? 文章編號：2096-4706（2023）12-0124-04

Monitoring of Cyanobacteria Bloom in Xingyun Lake Based on GF Satellite

SHEN Wenxi， DING Sheng

（Yuxi Meteorological Bureau， Yuxi? 653100， China）

Abstract： Based on the GF satellite data， this paper realizes the extraction of cyanobacteria bloom in Xingyun Lake， the calculation of bloom coverage and the area estimation using NDVI method， and analyzes the impact of meteorological factors on the cyanobacteria bloom outbreak in Xingyun Lake. The generated normalized vegetation index can better reflect the distribution of cyanobacteria bloom in Xingyun Lake， and is suitable for commercial operation. Cyanobacteria blooms in Xingyun Lake mostly occur in the north and northwest of Xingyun Lake in winter and spring. Cyanobacteria blooms will spread to the middle of the lake when they erupt in a large area. Less precipitation in winter and spring， increased sunshine hours， and other meteorological conditions such as breeze are conducive to the occurrence of water bloom.

Keywords： GF satellite data; cyanobacteria bloom; Xingyun Lake

0? 引? 言

藍藻過度繁殖會造成藍藻水華，導致水質惡化，造成經濟和生態的巨大損失。相比其他觀測手段，使用衛星遙感觀測和統計浮游藻類能快速地監測大面積藻類變化，通過反演得到藻類面積和空間分布狀態。本文分析藍藻水華光學遙感圖像，利用歸一化植被指數（NDVI）方法調整閾值，實現對遙感圖像的水華分布區域的提取，并分析星云湖藍藻水華的空間與時間分布規律，同時分析了哪些氣象條件影響藍藻水華暴發。

1? 數據來源及數據預處理

1.1? 研究區概況與數據來源

如圖1所示，星云湖位于云南省玉溪市江川區北，南北長10.5 km，東西平均寬3.8 km，最窄處2.3 km，湖岸線長36.3 km，總面積為34.71 km2。水溫夏季平均20.5 ℃，冬季10 ℃。星云湖地處亞熱帶半濕潤高原季風氣候區，年平均降水量821.1 mm，單日最大降水量95.1 mm，年平均氣溫16.4 ℃，極端最高氣溫33.8 ℃，極端最低氣溫-5.9 ℃。年平均濕度72%，年平均風速1.5 m/s，極大風速12.9 m/s。

1.2? 數據源

高分四號衛星（GF4）于2016年6月13日投入使用，是我國第一顆地球同步軌道遙感衛星，運行在距地36 000 km的地球靜止軌道，具備高時間分辨率和較高空間分辨率的優勢。GF4可見光近紅外譜段分辨率為50 m，中波紅外相機（IRS）空間分辨率為400 m。GF4 PMS相機可見光紅光通道CH4（0.63～0.69 μm）和近紅外通道CH5（0.76～0.89 μm）在近紅外通道圖像中，覆有藍藻水華的水體反射率明顯高于沒有藍藻水華的水體。由于星云湖水域面積不大，GF4衛星從時間長度和空間時間分辨率上均能滿足觀測要求，本文使用GF4 PMS數據為數據源監測星云湖藍藻水華。本文共獲取2021—2022年GF4_PMS數據共120景，其中快速識別有水華的影像共17景。

2? 藍藻水華提取方法

衛星遙感湖泊藍藻水華監測技術流程，主要包括數據準備、數據預處理、藍藻水華判識、藍藻水監測報告編寫等。技術路線圖如圖2所示。

2.1? 數據預處理

在地理定位和輻射校正的基礎上對數據進行如下處理：地圖投影變換；幾何精校正，校正誤差優于1個像元；掩膜處理，去除目標區以外的地物；目標區云蓋判識；計算歸一化植被指數。

2.2? 監測技術方法

NDVI（Normalized Difference Vegetation Index）歸一化植被指數反映作物生長狀態等信息，由于藻類的植被的光譜特性類似，在近紅外波段700 nm附近有熒光峰，因此可以用于湖泊藻類信息的提取和計算。NDVI的計算公式為：

式（1）中，Rnir為近紅外波段的反射率；Rred為紅光波段的反射率。NDVI通過兩個波段的組合比值模型，可以減少云陰影、地形起伏、太陽高度角等非植被要素帶來的影響。根據藍藻覆蓋比例，可以對藍藻水華的強度進行分級，0%～30%為輕度，30%～60%為中度，60%以上為重度，并賦予不同的等級為不同的顏色，單像元藍藻水華覆蓋度計算為：

式（2）中：fci為第i個像元藍藻水華覆蓋度，fci的最小值為0，最大值為100%；Nw為無藍藻水華、相對清潔水體的NDVI值，依據湖泊歷史數據經驗統計得到；Nc為藍藻水華NDVI經驗值，依據湖泊歷史數據經驗統計得到。

2.3? 基于NDVI方法水華提取

高分辨率影像能較好地顯示地物觀測細節，能更好地顯示湖面上小面積藍藻水華的分布狀態。通過調整閾值大小，采用目視解疑的方法進行驗證。圖3（a）展示了2022年11月23日星云湖GF影響，圖3（b）展示了基于NDVI的水華提取結果，可見能將小水華提取出來，與真實的水華分布范圍比較吻合。圖4（a）是星云湖藍藻水華覆蓋度統計，圖4（b）是藍藻水華強度等級分布。

3? 星云湖藍藻水華提取結果

采用NDVI歸一化植被指數方法對星云湖的藍藻水華進行提取，圖5為部分藍藻提取結果。

4? 氣象因素對星云湖藍藻水華的影響

本文的氣象數據來源于距離星云湖僅2 km的江川區氣象站的日監測數據，收集了星云湖藍藻水華暴發當天及之前的全過程氣象要素觀測數據，包括平均風速、平均氣溫、日照時數和降水量等要素。如表1所示。

表中可以看出星云湖的藍藻水華發生當天，風速穩定在1.2～2.8 m/s區間，大面積藍藻水華發生時間段風速處于1.5 m/s左右，星云湖常年風速處于1.5 m/s左右，說明星云湖的微風條件適宜藍藻水華形成，微風適宜藍藻擴散，又不至于使藍藻過量稀釋。水華發生當天的氣溫與前一周均值的差值大多為正值，說明藍藻水華發生當天的氣溫與之前相比所有升高，短期溫度的升高有利于藍藻水華的形成。日照利于藍藻光合作用和繁殖，觀測數據表明藍藻水華發生當天的日照時長多為10 h左右，且與前一周均值的差值大多為正值，差值最高達8.4 h，說明藍藻水華發生前有日照增加的現象。降雨會帶來新鮮氧氣和稀釋湖水中營養物質，不利于藍藻暴發，觀測數據也表明藍藻水華發生當天均沒有降雨，且前一周降雨日數大多為0或1（小于1 mm降水），最大為3天，大多數前一周無明顯降雨。所以短期的日照與溫度的增加，前期極少的降雨，以及水華發生當日的長時間日照有利于藻類的聚集，微風的推動對藍藻水華的形成十分有利。

5? 結? 論

用于劃分水華的閾值，對于不同湖泊、不同時段都會有不同結果，因此，需要利用水質觀測和野外調查數據進行驗證。本文主要分析了氣象因素如何影響星云湖藍藻水華發生，得出以下三點結論：

1）使用SMART和NDVI方法進行湖泊藍藻水華提取可行。歸一化植被指數NDVI能夠反映藍藻的覆蓋度和不同區域藍藻的濃度，計算較簡單，比較適于業務化運行。

2）水體面積較小的湖泊水庫要實現衛星遙感藍藻水華監測采用高分辨率影像效果較好。高分辨率影像能較好地顯示地物的細節，更清晰地顯示小面積藍藻水華分布狀況。

3）近年來星云湖藍藻水華暴發時有發生，星云湖藍藻水華冬春季多爆發在星云湖的北部和西北部，藍藻水華大面積暴發時會蔓延至湖中區域。冬春季降水少、日照時數增加，加之有微風推動等氣象條件有利于水華擴散發生。

參考文獻：

[1] 朱利，王橋，吳傳慶，等.巢湖水華遙感監測與年度統計分析研究 [J].中國環境監測，2013，29（2）：162-166.

[2] 潘德爐，毛天明，李淑菁，等.衛星遙感監測我國沿海水色環境的研究 [J].第四紀研究，2000（3）：240-246.

[3] 黃家柱，趙銳.衛星遙感監測太湖水域藍藻暴發 [J].遙感信息，1999（4）：43-44.

[4] 張淵智，段洪濤.芬蘭海岸帶水域藍藻水華遙感監測 [J].湖泊科學，2008（2）：167-172.

[5] 謝國清，李蒙，魯韋坤，等.滇池藍藻水華光譜特征、遙感識別及暴發氣象條件 [J].湖泊科學，2010，22（3）：327-336.

[6] 韓秀珍，吳朝陽，鄭偉，等.基于水面實測光譜的太湖藍藻衛星遙感研究 [J].應用氣象學報，2010，21（6）：724-731.

[7] 陳云，戴錦芳.基于遙感數據的太湖藍藻水華信息識別方法 [J].湖泊科學，2008（2）：179-183.

[8] 國家環保局科技標準司編.中國湖泊富營養化及其防治研究 [M].北京：中國環境科學出版社，2001：98-103.

[9] 盧大遠，劉培剛，范天俞，等.漢江下游突發“水華”的調查研究 [J].環境科學研究，2000（2）：28-31.

[10] 楊桂山，馬榮華，張路，等.中國湖泊現狀及面臨的重大問題與保護策略 [J].湖泊科學，2010，22（6）：799-810.

[11] 林怡，潘琛，陳映鷹，等.基于遙感影像光譜分析的藍藻水華識別方法 [J].同濟大學學報：自然科學版，2011，39（8）：1247-1252.

[12] 夏曉瑞，韋玉春，徐寧，等.基于決策樹的Landsat TM/ETM+圖像中太湖藍藻水華信息提取 [J].湖泊科學，2014，26（6）：907-915.

[13] 陳宜瑜.淡水生態系統中的若干生物多樣性問題 [J].生物科學信息，1990（5）：197-200.

[14] 黃漪平.太湖水環境及其污染控制 [M].北京：科學出版社，2001.

[15] 劉連成.中國湖泊富營養化的現狀分析 [J].災害學，1997（3）：61-65.

[16] 李蒙，謝國清，魯韋坤，等.氣象條件對滇池水華分布的影響 [J].氣象科學，2011，31（5）：639-645.

[17] 王甘霖.內陸水體藍藻水華主被動遙感監測研究 [D].上海：華東師范大學，2015.

[18] 范裕祥，金社軍，周培，等.巢湖藍藻水華分布特征和氣象條件分析 [J].安徽農業科學，2015，43（4）：191-193+198.

[19] 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，2015，27（1）：113-120.

作者簡介：申文熙（1978.06—），男，漢族，云南玉溪人，工程師，本科，研究方向：生態氣象服務。