基于HY-1CD衛星的藍藻水華提取方法對比分析

周園 陸文 劉元志

引用格式：周園，陸文，劉元志.基于HY-1CD衛星的藍藻水華提取方法對比分析[J].國土資源導刊，2023，20（04）：142-146.

Reference format：Zhou Yuan， Lu Wen， Liu Yuanzhi.Comparative analysis of cyanobacteria blooms extraction methods based on HY-1CD satellite[J].Land & Resources Herald，2023，20（04）：142-146.

摘 要：藍藻水華問題越來越成為全球關注的生態環境問題，國內相關部門也逐漸提高了對其的重視度。學者們利用遙感手段已開展了許多相關的研究，但存在藍藻水華遙感監測空間分辨率、時間分辨率低，以及干擾因素多等問題，且國內南方地區少有研究。本文基于國產高時空分辨率的HY-1CD海洋衛星CZI影像，選擇湖南大通湖作為實驗區，探究南方藍藻水華遙感監測的可行性。經實驗研究和分析，在地面監測點數量足夠多的情況下，通過建立衛星影像NDVI值和實測藻密度的反演模型實現遙感監測藍藻水華的方法更加可靠，同時分析出藍藻水華遙感監測可能存在的問題，研究成果可為后續的藍藻水華遙感監測提供參考依據。

關鍵詞：藍藻水華；HY-1CD；藻密度；遙感監測

中圖分類號：P237? ? ? ? 文獻標志碼：A? ? ? ? ? 文章編號：1672-5603（2023）01-142-05

Comparative Analysis of Cyanobacteria Blooms Extraction Methods Based on HY-1CD Satellite

Zhou Yuan1， Lu Wen2， Liu Yuanzhi1

（1.The Second Surveying and Mapping Institute of Hunan Province， Changsha Hunan 410119;2.Ecology and Environment Department of Hunan， Changsha Hunan 410014）

Abstract： The issue of cyanobacteria blooms is becoming a global ecological and environmental concern， and relevant domestic departments are gradually increasing their attention. Scholars have conducted many related studies using remote sensing methods， but there are problems with the spatial and temporal resolution of cyanobacteria blooms remote sensing monitoring， as well as multiple interference factors， and there are few studies in the southern regions of China. This article is based on the domestically produced high-resolution HY-1CD ocean satellite CZI image， and selects Datonghu in Hunan province as the experimental area to explore the feasibility of remote sensing monitoring of southern cyanobacteria blooms. Through experimental research and analysis， it has been found that in the case of a sufficient number of ground monitoring points， the method of remote sensing monitoring of cyanobacteria blooms is more reliable by establishing an inversion model of satellite image NDVI values and measured algal density. At the same time， the possible problems in remote sensing monitoring of cyanobacteria blooms have been analyzed， which can provide a reference basis for subsequent remote sensing monitoring of cyanobacteria blooms.

Key words： cyanobacteria blooms; HY-1CD; algal density; remote sensing monitoring

0 引言

由于全球變暖、水體富營養化等，湖泊水華現象頻發，成為全球關注的問題，已引起國內南方地區相關部門的高度重視。目前被廣泛應用的藍藻水華監測主要采用實驗室手工檢測或便攜式儀器快速監測的方式，但耗費大量人力物力。而遙感技術因其面廣、便捷被廣泛用來開展藍藻水華監測，可準確監測提取水華波及范圍，從而有效對其進行防控預警。針對藍藻水華監測，國內外許多學者已進行了大量研究，朱冰川等[1]采用韓國“千里眼”衛星（COMS）搭載的海洋水色遙感器（GOCI）對太湖進行持續觀測，研究出水華的時間變化規律同葉綠素a濃度變化規律一致，然而GOCI的空間分辨率為500 m，不適用于一般大小的湖泊；晁明燦等[2]和劉海秋等[3]分別采用Landsat8和Sentinel-2遙感影像對巢湖進行水華提取，為其他湖泊的水華遙感監測提供了參考依據，然而時間分辨率不滿足要求，時效性不夠。幾乎所有學者都是針對某一湖泊水域進行了實驗研究，并取得了一定的成效，但藍藻水華遙感監測的準確度需要持續確認，存在許多干擾因素，且南方地區的內陸水域很少有學者研究。本研究采用高時空分辨率的HY-1CD海洋衛星CZI影像，通過對洞庭湖周邊的大通湖區進行實驗研究，探索南方地區遙感監測藍藻水華的可能性，并分析存在的一些問題，為接生態環境部門的藍藻水華遙感監測業務提供一定的實踐基礎。

1 研究方法

1.1 HY-1CD海洋衛星影像

HY-1CD衛星是用于海洋水色水溫環境探測的海洋一號系列國產衛星，配置的海岸帶成像儀（CZI）每三天對中國實現兩次觀測，空間分辨率為50 m，很好地滿足了藍藻水華監測對空間分辨率、觀測頻次和時效性的要求。相比其他衛星影像，HY-1CD衛星影像獲取更加快捷、觀測頻次更能滿足需求、空間分辨率適宜，所以本研究基于該衛星影像數據，經輻射校正、幾何糾正、大氣校正等預處理后，利用紅波段和近紅外波段提取NDVI值，為接下來提取藍藻水華提供數據基礎。

1.2 藍藻水華監測方法

1.2.1 采用閾值分割提取藍藻水華

NDVI是指采用紅光、近紅外波段進行組合的一種遙感指數，對植被具有典型的識別作用。由于藍藻水華與植被具有相似的光譜性質，在紅波段和近紅外波段之間有“陡坡效應”，NDVI可用于藍藻水華的遙感監測。結合NDVI指數的波峰、波谷特征，進行像元值的閾值分割，可實現藍藻水華的等級劃分，并與《水華遙感與地面監測評價技術規范（試行）》（HJ 1098—2020）中水華程度分級標準相對應，水華級別分為無水華和無明顯水華、輕度水華、中度水華、重度水華，閾值分割提取藍藻水華的方法簡單易行，且具有一定的準確度。

1.2.2 根據藻密度反演模型監測藍藻水華

根據藻密度反演模型監測藍藻水華的方法同樣適合海洋衛星遙感影像開展植被指數提取。為提高反演精度，在獲取影像的同時，實地取樣檢測若干個點的藻密度，據此評價水華程度，然后依據NDVI值和藻密度的相關關系，構建反演模型，從而可對其他水域范圍的NDVI值計算相應點的藻密度，實現遙感監測大范圍的藍藻水華問題。

1.3 精度驗證和問題分析

實地采樣檢測若干檢查點用于驗證水華遙感監測的準確度，本次實驗比較閾值分割提取藍藻水華情況，對比了藻密度反演模型監測藍藻水華兩種方法的準確性。選擇洞庭湖周邊典型湖泊開展了實驗并進行分析工作，探索遙感監測藍藻水華的技術方法。

2 實驗研究

2.1 實驗區概況

湖南省主要有一湖四水五大水系，一湖指的是洞庭湖。選取洞庭湖周邊典型湖泊大通湖為實驗區，大通湖為內陸淡水湖，近年來，由于過度投肥投餌、過度捕撈、農業面源污染等，大通湖水質越來越差，總氮指標超標，生態退化日趨嚴重，導致藍藻水華在每年5月—10月集中爆發。藍藻水華問題歷來得到生態環境主管部門的高度重視，在大通湖設有1個水華自動監測站點，19個便攜式監測點，共20個水華監測點，對藍藻水華進行定點監測，大通湖地理位置和監測點分布情況如圖1所示，其中，A1為水華自動監測站點。

2.2 藻密度反演建模的構建

為提高遙感反演的精度，常結合地面采樣檢測數據，進行反演。該區域水華自動監測站點A1每天都可以有監測數據，從而得到有效的地面同步測量數據。統計2022年6月份以來大通湖自動監測點、6月14日和8月4日便攜式監測點監測得到的藻密度數據值，同步獲取海洋衛星影像NDVI值進行相關性分析，具體統計情況如表1所示。

對上述15組海洋衛星NDVI值與實測藻密度值進行相關性分析，構建數據模型，如圖2所示，模型的決定系數R2為0.6。將該模型應用于8月4日大通湖海洋衛星遙感藍藻水華監測中。

2.3 藍藻水華監測結果和準確度分析

根據《水華遙感與地面監測評價技術規范 （試行）》（HJ 1098—2020），水華程度由輕到重的順序為Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ級，分別表示無水華、無明顯水華、輕度水華、中度水華、重度水華。采用閾值分割提取藍藻水華的結果如圖3所示，利用海洋

衛星影像NDVI值與實測藻密度值的相關關系構建的反演模型來反演藍藻水華結果如圖4所示。統計兩種監測方法的水華，程度和各級別的占比情況，如表2所示，兩種監測方法均表明8月4日大通湖湖區整體上為輕度水華。

選取8月4日獲取的9個便攜式監測點數據作為遙感監測水華結果的檢查點數據，經分析發現采用閾值分割和基于反演模型提取藍藻水華的結果中9個點位的遙感監測水華程度是一致的。從某種程度上說明檢查點數量不足以區分兩種方法的準確度，同時也說明采用閾值分割提取藍藻水華具有一定的準確性，而基于反演模型監測藍藻水華具有更好的說服力，且從實地采樣人員現場觀察可知整個湖區不同程度上都有水華問題，反演模型監測結果符合實際，而閾值分割的方法中提取出5.24%的無明顯水華區域，與現實情況不一致，說明閾值分割的提取方法對于輕度水華不敏感，適用于水華大面積爆發期的監測。

詳細對比分析實測數據和基于反演模型遙感監測水華結果，情況如表3所示，實測和遙感監測水華程度有3個不一致，為A16、A18和A20便攜式監測點，準確度為66.7%。經分析可知，A14、A15、A16和A20靠近岸邊，受水草的干擾，遙感監測藻密度高于實測藻密度，因A14和A15監測藻密度都位于50～100（106 個/L）之間，所以都為中級水華。

3 討論

本次工作采用高時間分辨率遙感影像結合地面同步測量數據，對大通湖進行了水華遙感監測，主要結論如下：

（1）本研究表明基于衛星遙感技術監測藍藻水華技術可行。國產海洋衛星HY-1CD影像空間分辨率基本滿足要求，具有三天兩次覆蓋的能力，實際工作中，可綜合高中低空多種影像數據，融合多源遙感影像監測藍藻水華提高監測精度。

（2）基于閾值分割和基于反演模型監測藍藻水華的兩種方法各有其優勢?；陂撝捣指钐崛∷{藻水華不依賴地面監測點，能迅速提取區域內水華面積，適用于水華大面積爆發期的監測。通過地面監測藻密度和衛星影像NDVI值的關系建立的反演模型，具有更高的反演精度，在跟蹤監測工作中能發揮較好的效果，隨著地面監測數據的積累，反演模型將逐步得到優化，精度也會有明顯的提高。

（3）遙感監測精度容易受到周邊地物干擾，湖、岸交界區域是優化模型、提高監測精度的重點區域。湖泊岸邊受水生植物干擾比較嚴重，也是藍藻水華易發區、重災區，實驗結果反映沿岸遙感監測的藻密度值明顯比湖中心區域的高，且實驗值高于實測值。

4 結語

本文基于國產高時空分辨率的HY-1CD海洋衛星CZI影像，選擇大通湖作為實驗區，初步探究藍藻水華遙感監測的可行性。實驗結果和分析表明，采用閾值分割和采用影像NDVI值監測在不同時期具有不同應用效果，輔以地面同步測量數據，能顯著提升監測精度，提升湖、岸交界區域的藍藻水華監測精度是未來研究的重點。

參考文獻/References

[1] 朱冰川，尤凱，石浚哲，等.基于GOCI數據的太湖葉綠素a濃度反演和藍藻水華遙感監測[J].環境污染與防治，2020，42（8）：1021-1025+1032.

[2] 晁明燦，趙強，楊鐵利，等.基于Landsat8影像的藍藻水華提取方法對比研究[J].大氣與環境光學學報，2021，16（06）：520-528.

[3] 劉海秋，任恒奎，牛鑫鑫，等.基于Sentinel-2遙感影像的巢湖藍藻水華提取方法研究[J].生態環境學報，2021，30（1）：146-155.

[4] 汪雨豪.基于哨兵2A影像的太湖藍藻水華提取方法研究及應用[D].北京：中國地質大學（北京），2020.

[5] 晁明燦.巢湖葉綠素a濃度遙感反演及藍藻水華監測研究[D].遼寧：遼寧科技大學，2021.

[6] 鐘聲.太湖藍藻水華的自動監測和手工監測比對分析[J].環境監控與預警，2021，13（3）：19-23.