南太湖入湖口叶绿素a时空变化及其与环境因子的关系_毕京博
太湖真光层深度的计算及遥感反演
J. Lake Sci.(湖泊科学), 2009, 21(2): 165-172. E-mail: jlakes@©2009 by Journal of Lake Sciences太湖真光层深度的计算及遥感反演∗李云亮1,2, 张运林1**, 刘明亮1(1: 中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室, 太湖湖泊生态系统研究站, 南京 210008)(2: 南京大学地理与海洋科学学院, 南京 210093)摘要: 真光层是浮游植物进行光合作用的水层, 真光层反演有利于初级生产力的进一步估算. 利用2007-01-07和2006-08-01两期陆地卫星TM数据与同步水质参数数据, 建立太湖水体非色素颗粒物浓度和叶绿素a浓度的反演模型, 反演出太湖冬、夏两季的非色素颗粒物、叶绿素a浓度. 然后根据在太湖建立的真光层深度与非色素颗粒物、叶绿素a浓度之间的关系模型, 计算得到太湖冬、夏两季真光层深度空间分布. 结果表明, 就整个湖区而言, 冬季真光层深度变化范围为0.27-2.28m, 均值为0.56±0.22m, 夏季真光层深度变化范围为0.21-2.03m, 均值为0.98±0.24m. 从空间上看, 冬季时真光层深度的变化规律为: 南太湖<西部沿岸<湖心区<胥口湾<贡湖湾<梅梁湾<东太湖<竺山湾; 夏季时的变化规律为: 西部沿岸<梅梁湾<东太湖<湖心区<贡湖湾<竺山湾<南太湖<胥口湾. 从季节上看, 夏季真光层深度显著大于冬季, 但不同湖区真光层深度季节变化也存在一定差异, 其中梅梁湾、贡湖湾、西部沿岸、湖心区、胥口湾、南太湖夏季真光层深度大于冬季, 而竺山湾和东太湖夏冬变化则不是很明显.关键词: 太湖; 真光层深度; 非色素颗粒物; 叶绿素a; 反演Calculation and retrieval of euphotic depth of Lake Taihu by remote sensingLI Yunliang1,2, ZHANG Yunlin1 & LIU Mingliang1(1: Lake Taihu Laboratory Ecosystem Research Station, State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008,P.R.China)(2: School of Geography and Ocean Sciences, Nanjing University, Nanjing 210093, P.R.China)Abstract:The euphotic zone is defined as the layer where net phytoplankton production is positive. Therefore, determination of the euphotic depth is useful for estimating primary production. The TM data on 2007-01-07 and 2006-08-01, accompanied by real-time water quality parameters including concentrations of tripton and chlorophyll-a (Chl.a) in Lake Taihu, were used to develop quantitative retrieval models of tripton and Chl.a. Euphotic depth was calculated using the model developed in Lake Taihu based on the concentrations of tripton and Chl.a. The euphotic depth ranged from 0.27 to 2.28m (mean 0.56±0.22m) in winter depth from 0.21 to 2.03m (mean 0.98±0.24m) in the summer. In the winter, the euphotic depths showed spatial distributions which were ordered as : the south of Lake Taihu < the west coast of Lake Taihu < the lake center < Xukou Bay < Gonghu Bay < Meiliang Bay < East Lake Taihu < Zhushan Bay. In summer, the order changed as follows: the west coast of Lake Taihu <Meiliang Bay < East Lake Taihu < the lake center < Gonghu Bay < Zhushan Bay < the south of Lake Taihu. Seasonally, the euphotic depth was significantly shallower in summer than in winter; however, seasonal variation differed among areas of the lake. Euphotic depths in Meiliang Bay, Gonghu Bay, the west coast of Lake Taihu, the lake center, Xukou Bay and the south of Lake Taihu were higher in the summer than in the winter, but no marked seasonal variations were found in Zhushan Bay and East Lake Taihu.Keywords: Lake Taihu; euphotic depth; tripton; chlorophyll-a; retrieval真光层深度(euphotic depth)一般指光强下降到水面光强1%的深度, 也有人将水下光强为14μmol/(m2·s)*中国科学院知识创新工程项目(KZCX1-YW-14-2, KZCX2-YW-419)和国家自然科学基金重点项目(40730529)联合资助.2008−10−01收稿; 2008−12−15收修改稿. 李云亮, 女, 1983年生, 硕士研究生; E-mail: liyunliang83@.**通讯作者; E-mail: ylzhang@.J. Lake Sci .(湖泊科学), 2009, 21(2)166 对应的深度称为真光层深度[1]. 真光层深度是描述水体表观光学特性的重要参数之一, 它能表征水体的清澈程度, 且比透明度更为准确. 真光层深度受制于水体中非色素颗粒物、浮游植物和有色可溶性有机物(Chromophronic Dissolved Organic Matter, CDOM)浓度和组成[2]. 由于浮游植物和沉水植物光合作用主要发生在这一层, 因此真光层深度直接影响到浮游植物初级生产力和沉水植物的分布[3-4].目前, 计算真光层深度最常见的方法有两种, 一种是用Secchi 圆盘测得透明度, 进而推算真光层深度[5-7], 一种是根据可见光漫射衰减系数, 利用辐射传输模式[8-9], 反演出真光层深度. 这两种方法操作起来都费时费力, 大面积的同步获取水体真光层深度存在着比较大的困难. 随着遥感技术的发展、水色遥感的广泛应用, 水质参数的大面积观测、大尺度调查成为可能, 遥感手段为真光层的计算提供了新的方法.水体真光层的遥感计算一般有2种模式: 一是机理模式, 即利用真光层深度与水体漫衰减系数的关系, 根据辐射传输模型计算出真光层深度[10-12]; 另一种是统计模式, 很多学者发现真光层深度与某种或多种水质参数(透明度、叶绿素和悬浮物浓度)之间有着较好的统计关系[13-17]. 如在大洋水体往往通过叶绿素浓度来计算真光层深度, 而对于以非色素颗粒物为主的浑浊二类水体, 真光层深度很大程度上受制于非色素颗粒物浓度, 其次才是叶绿素a 浓度[18-20].本文尝试利用2007-01-07和2007-08-01两期陆地卫星TM 数据与同步地面水质参数数据, 建立太湖水体非色素颗粒物浓度和叶绿素a 浓度的反演模型, 反演出太湖冬、夏季非色素颗粒物、叶绿素a 浓度, 然后根据真光层深度与非色素颗粒物、叶绿素a 浓度之间关系模型, 通过遥感手段反演出冬、夏季太湖真光层深度.1 材料与方法1.1 采样与测量方法2006-07-29至2006-08-01和2007-01-07至2007-01-09在太湖水面分别布设50个采样点(图1), 进行了表层水质采样, 样点分布在4条航线, 基本覆盖了太湖不同生态类型的湖区. 采样期间风速均较小, 因此藻华在不同湖区间漂移堆积的变化不会太明显.此外, 从2003到2007年对全湖共进行了14次采样, 样点分布均匀, 遍布全湖, 涵盖了各个季节, 共得到298个采样点的非色素颗粒物、叶绿素a 浓度与漫射衰减系数.悬浮物用GF/C 滤纸过滤, 采用电子天平称重法测定. 叶绿素a 的测定采用分光光度法, 用90%的热酒精萃取提取色素, 然后在分光光度计上测定吸光度换算得到叶绿素a 和脱镁叶绿素浓度[21]. 为了从总悬浮物中分离得到非色素颗粒物, 在实验室培养太湖优势藻种微囊藻和栅列藻, 在其不同生长阶段测定浮游植物干重和色素浓度. 同时在风平浪静的天气下, 从太湖取表层水华回实验室用蒸馏水清洗得到较为纯的浮游植物样品, 然后置于黑暗条件下让其自然降解, 定期取样测定浮游植物干重和色素浓度. 从而得到浮游植物干重与色素浓度的换算关系, 而非色素颗粒物浓度为总悬浮物浓度与浮游植物干重之间的差值[20].C phytoplankton =0.09C Chl.a+P a (r 2=0.98, n =31, P <0.001) (1)C Tripton =C TSM -C phytoplankton (2)式中, C phytoplankton , C Chl.a+P a , C Tripton , C TSM 分别为浮游植物干重(mg/L)、色素浓度(µg/L)、非色素颗粒物(mg/L)和总悬浮物浓度(mg/L).图1 太湖采样站点分布 Fig.1 Distribution of sampling stations of Lake Taihu李云亮等: 太湖真光层深度的计算及遥感反演167漫射衰减系数按下式计算[2]:)0 ,PAR () ,PAR (ln 1)PAR (d dd E z E z K −= (3) 式中, K d (PAR)为PAR 漫射衰减系数, z 为从湖面到测量处的深度, E d (PAR, z )为深度z 处的向下辐照度, E d (PAR, 0)为水面起始向下辐照度, 其测定选用美国LI-COR 公司的Li-cor 192SA 水下光量子仪, 分水下0, 0.2, 0.5, 0.75, 1.0, 1.5m 共6层, 每层记录3个数据, 取平均值. K d (PAR)值通过对不同深度处水下辐照度进行指数回归得到, 回归效果只有当r 2≥0.95, 深度数n ≥3时其K d (PAR)值才被接受, 实际拟合的效果r 2的均值为0.9964.1.2 TM 数据预处理本次选用的两期陆地卫星TM 影像的获取时间分别为2007-01-07和2006-08-01, 基于ENVI 4.3软件作如下的预处理:(1)以一幅已经进行过精纠正的TM 影像(投影为UTM, 椭球体为WGS84)为底图, 对两期遥感图像进行几何精纠正, 总误差RMS 控制在0.5个象元之内, 图像重采样采用最近邻近点法, 投影选择UTM 投影;(2)采用6S 软件对两期影像进行大气校正, 校正时需要输入的主要参数有: 太阳天顶角、卫星天顶角、太阳方位角、卫星方位角(这些参数可以从TM 影像头文件中获得); 大气组分参数, 包括水汽、灰尘颗粒度等参数(本次因缺乏大气实测数据, 就选用6S 提供的标准大气模型——中纬度夏天和中纬度冬天来替代); 气溶胶组分参数, 包括水分浓度以及烟尘、灰尘等在空气中的百分比等参数(本次选用“大陆模型”来描述标准大气的气溶胶组分等); 气溶胶的大气路径长度(本次用能见度参数表示); 观测目标的海拔高度及传感器高度; 光谱条件(可以直接输入光谱波段范围,也可以将遥感器波段作为输入条件). 6S 软件在有关参数输入完毕后会计算出各种大气参数, 同时也给出了大气校正系数x a , x b , x c , 大气校正后的反射率ACR (Atmospherically corrected reflectance)可以用下式获得:Y =x a L i -x b (4)ARC =Y /(1+x c Y ) (5)式中, L i 为第i 波段的辐亮度值.(3)利用阈值法以及目视判读, 确定水域, 制作水域掩膜, 利用掩膜进行图像的掩膜操作, 提取水域. 2 结果与讨论2.1 真光层深度计算式真光层定义为辐照度为水表面辐照度1%的上层水域, 在光学性质均一的水体内, 透过水域的光线遵从Lambert 定律, 即辐照度随着深度的增加呈指数衰减. 假定真光层深度为Z eu , 由式(3)可推导出如下真光层深度计算式[2]:d d d d d 1%(PAR 0)12ln10 4.605Z (PAR)ln (PAR)(PAR 0)(PAR)(PAR)eu E K E K K =−==，， (6) 张运林等[20]通过对2004年10月20-29日的67个采样点的实测数据进行分析, 认为非色素颗粒物和浮游植物色素能解释97.9%的漫射衰减系数变化, 而真光层深度与漫射衰减系数存在着如公式6所示的定量关系, 因此真光层的计算可以通过漫射衰减系数与非色素颗粒物与叶绿素a 浓度的经验关系加以确定.将2003-2007年对全湖共进行的14次采样的298个采样点, 按非色素颗粒浓度从大到小的顺序排列, 每隔3个点取出1个点, 剩余的199个点用来建立模型, 在SPSS 中对漫射衰减系数与非色素颗粒物、叶绿素a 浓度进行多元回归分析, 结果如下:K d (PAR)=0.062(±0.001)C Tripton +0.011(±0.001)C Chl.a +1.430(± 0.079) (n =199, r 2=0.954, P<0.0001) (7) 将取出的99个点的非色素颗粒物、叶绿素a 浓度代入式(7), 计算得到漫射衰减系数, 与实测值的对比得到平均相对误差为11.7%. 由此可见, 由非色素颗粒物和叶绿素a 浓度能非常准确的估算得到PAR 漫射衰减系数, 其计算式如下:J. Lake Sci.(湖泊科学), 2009, 21(2) 168Z eu(PAR)=4.605/(0.062C Tripton+0.011C Chl.a+1.430) (8) 2.2 非色素颗粒物遥感反演太湖冬、夏两季各类水质参数浓度如下: 冬季非色素颗粒物的变化范围为18.7-281.7mg/L, 均值为127.9mg/L, 叶绿素a的变化范围为5.3-34.0μg/L, 均值为13.0μg/L; 夏季非色素颗粒物的变化范围为11.8-94.1mg/L, 均值为43.2mg/L, 叶绿素a的变化范围为4.8-360.7μg/L, 均值为50.6μg/L. 冬夏两季水质参数浓度存在着较大的差异, 为了获得良好的反演精度, 采取分季节分别建立两项参数的反演模型.为寻找反演太湖非色素颗粒物最合适的波段组合, 在SPSS支持下, 计算TM各个波段、波段组合与非色素颗粒物浓度之间的PEARSON相关关系. 结果表明冬季非色素颗粒浓度与(b3+b4)/b5相关系数最高, 夏季非色素颗粒浓度与(b3+b1)/2相关系数最高, 故分别选择(b3+b4)/b5、(b3+b1)/2来反演冬、夏两季非色素颗粒浓度. 剔除受天空状况和水面藻华影响严重的站点, 有效站点个数冬季为44, 夏季为42, 将其按从小到大的顺序排列, 每隔3个点取出1个点, 剩余的点用来建立模型, 取出的点用来检验模型, 最后得到冬夏两季非色素颗粒物反演模型(表1).表1 基于TM影像的非色素颗粒物和叶绿素a遥感估测模型与误差描述Tab.1 Models and relative errors of estimation of tripton and chlorophyll-a (Chl.a)concentrations based on TM images序号反演参数季节模型r P 平均相对误差(%)1 非色素颗粒物冬季C Tripton=-36.302+44.089((b3+b4)/b5) 0.753＜0.001 27.12 非色素颗粒物夏季C Tripton=-102.363+1021.471((b3+b1)/2)0.713＜0.001 30.83 叶绿素a 冬季C Chl.a=-12.326+3.79b3 0.722＜0.001 23.04 叶绿素a 夏季ln C Chl.a=5.325+6.429NDVI 0.694＜0.001 42.5对两期TM影像分别应用表1中的模型1、2逐像元估测太湖的冬夏两季非色素颗粒物浓度(图2). 太湖非色素颗粒物的区域分布为湖心区最高, 其次是梅梁湾、竺山湾和胥口湾, 东太湖的浓度最低. 非色素颗粒物浓度的空间分布究其本质, 主要是由于风浪、湖区位置、浮游藻类及水中高等植物生长分布共同作用的结果(图2). 湖心区非色素颗粒物浓度最高, 这是由于湖心区开阔, 风速较大, 年月平均风速要比湖岸大0.5-1m/s[22] , 在风浪作用下底泥发生再悬浮. 非色素颗粒物最低值发生在东太湖是由于东太湖位于太湖东南部的一个狭长湖湾, 受风浪的作用小, 再加上东太湖的沉水植物和挺水植物对水体起着过滤、净化、消浪和抑制底泥上浮的作用[23]. 从不同的季节来看, 对反演出的非色素颗粒物浓度进行统计, 冬季浓度为0.0-255.8mg/L, 平均值为119.4mg/L; 夏季浓度为0.0-206.8mg/L, 平均值为44.3mg/L. 遥感反演得到冬、夏两季非色素颗粒物浓度均出现了0值, 对所有的0值点进行统计, 冬夏两季分别仅占全湖的0.07%和0.65%, 可以认为是影像噪声引起的, 因此并不影响反演结果. 冬季的变化范围、平均值均明显高于夏季, 主要是由于不同季节风速、风向不一样, 加之动植物季节生长差异所致. 2007年冬季采样前经历了一次大风浪过程, 据太湖湖泊生态系统研究站自动气象观测记录采样前1d每10min平均风速达6.1m/s. 风浪引起的沉积物再悬浮明显增加水体中非色素颗粒物浓度. 而夏季风速小, 持续时间短, 采样前一天平均风速仅2.4m/s, 风浪引起的沉积物再悬浮不如冬季明显, 并且冬季水生植物处于越冬期, 对悬浮物过滤、抑制底泥上浮的作用明显减弱.2.3 叶绿素a浓度遥感反演马荣华等认为TM第2、第3和第4波段是太湖夏季叶绿素的敏感波段, 并基于TM第3波段建立了r2分别为0.551和0.651的两个叶绿素反演模型, 反演误差在6.96%-174.3%之间[24]. 本研究为寻找反演太湖叶绿素a最合适的波段组合, 在SPSS支持下, 计算TM各个波段、波段组合与叶绿素浓度之间的PEARSON相关关系, 结果表明冬季叶绿素a浓度与b3相关系数最高, 夏季叶绿素a浓度与植被指数NDVI((b4-b3)/(b4+b3))相关系数最高. 因此分别选择b3和(b4-b3)/(b4+b3)的值来反演太湖冬、夏季叶绿李云亮等: 太湖真光层深度的计算及遥感反演169素a浓度. 模型的建立方法同悬浮物, 反演模型如表1. 对两期TM影像分别应用表1中的模型3、4逐像元估测太湖的冬夏两季叶绿素a浓度, 结果如图3所示.太湖水体冬、夏两季叶绿素a浓度差别非常大, 冬季浓度为2.1-28.4µg/L, 平均值为10.9µg/L, 夏季浓度为0.0-3004.0µg/L, 平均值为115.1µg/L, 虽然浓度差别很大, 但总体趋势是南太湖<湖心区、胥口湾<梅梁湾、竺山湾. 图3可看出, 2006年8月1号, 全湖的叶绿素a浓度偏高, 叶绿素a浓度最高的点出现在梅梁湾口、竺山湾西北部沿岸区以及太湖西部近岸区, 三区的叶绿素浓度都大于100µg/L, 是水华最严重的区域, 这与采样期间现场记录相符. 太湖水华一般从4-5月份开始暴发, 水华覆盖面积一直比较大, 采样的7-8月份期间是水华暴发最严重的季节, 以上三区湖面漂浮着大量的蓝藻. 此外在湖的大部分边缘区即水陆交接处, 叶绿素的浓度也偏高, 这一方面是由于水华易在岸边带堆积, 另一方面与岸边带芦苇分布以及湖边陆地植被干扰有关. 南面的湖州附近以及西山岛北面部分湖区叶绿素浓度最低.图2 太湖冬、夏两季非色素颗粒物浓度(mg/L)分布Fig.2 Spatial distribution of Tripton concentration(mg/L) of Lake Taihu in winter and summer图3 太湖冬、夏两季叶绿素a浓度(µg/L)分布Fig.3 Spatial distribution of Chl.a concentration(µg/L) of Lake Taihu in winter and summer东太湖在冬、夏两季均显示出叶绿素浓度很高, 而实际东太湖大部分水体较为清澈, 处于中营养水平[23,25-27]. 造成其误差的主要原因有: (1)东太湖为草型湖区, 夏季分布着大量沉水植物和挺水植物, 其反射光谱特征与蓝藻极为相似, 在680nm存在明显谷值, 而在720nm和810nm分别存在明显峰值, 对应着叶绿素a反演的TM第3、4波段[28]. 由于TM影像波段数较少, 波段范围较宽, 因此不能很好的区分两者, 从J. Lake Sci .(湖泊科学), 2009, 21(2)170 而造成了估测值误差; (2)湖中过多过密的网围养殖等人工设施影响了影像的辐亮度, 在一定程度上也会造成误差; (3)此次采样东太湖并没有相应的采样点, 也是造成误差的原因之一.2.4 真光层深度时空变化将前面反演得到的非色素颗粒物浓度和叶绿素a 浓度, 代入公式(8): Z eu (PAR)=4.605/(0.062C Tripton +0.011C Chl.a +1.430), 对TM 影像逐像元估算太湖冬夏两季真光层深度, 得到真光层深度的理论分布值, 然后与湖底地形数据进行叠加分析, 真光层深度理论值大于水深的点用水深代替, 最后结果如图4所示. 对整个湖区真光层深度进行分季节统计分析, 冬季真光层深度变化范围在0.26-2.28m 之间, 平均值为0.56m, 标准差为0.23m, 夏季真光层深度变化范围在0.20-2.22m 之间, 平均值为0.98m, 标准差为0.25m, 夏季真光层深度平均值明显大于冬季, 是冬季的1.75倍.图4 太湖冬夏两季真光层深度(m)分布Fig.4 Spatial distribution of euphotic depth(m) in Lake Taihu为了更直观的了解真光层深度在时空上的分布规律, 本文将整个太湖地区分为8个区域, 对各个区域的真光层深度进行统计分析, 统计的结果如表2, 同时选取30个散布在8个区的样点, 分别提取冬、夏两季的真光层深度, 对比结果如表3.从图4以及表2、3可以看出, (1)从空间上看, 冬季时真光层平均深度的变化规律为: 南太湖<西部沿岸<湖心区<胥口湾<贡湖湾<梅梁湾<东太湖<竺山湾; 夏季时的变化规律为: 西部沿岸<梅梁湾<东太湖<湖心区<贡湖湾<竺山湾<南太湖<胥口湾. 与张运林等利用1993-2003年实测悬浮物浓度计算得到的典型湖区真光层深度的空间分布总体上较为一致, 西部沿岸开阔区和湖心区真光层深度一般都较低[18]. 但东太湖的结果存在较大的出入, 这主要是由于东太湖受沉水植物和围网养殖的影响, 叶绿素a 遥感反演结果有明显误差. 从图3可以看出不论冬夏季东太湖的叶绿素a 浓度遥感反演结果都非常高, 甚至高出北部藻型湖区很多, 从而造成基于非色素颗粒物和叶绿素a 浓度计算得到的真光层深度明显下降. 因而研究如何消除沉水植物对叶绿素a 浓度反演的影响对于真光层深度李云亮等: 太湖真光层深度的计算及遥感反演171的遥感反演同样显得非常重要. (2)从季节上看, 全湖夏季真光层平均深度大于冬季, 对表4中30个站点真光层深度进行组间方差分析, 发现存在显著性季节差异(ANOV A, P<0.001). 但不同的湖区真光层深度季节变化还是存在一定差异, 其中梅梁湾、贡湖湾、西部沿岸、湖心区、胥口湾、南太湖夏季真光层深度明显大于冬季, 而竺山湾和东太湖夏冬变化则不是很明显. (3)同一季节, 同一湖区内部, 真光层的变化也显示出一定的规律性: 冬季时, 梅梁湾、竺山湾、东太湖内部真光层变化比较明显, 梅梁湾的真光层深度呈现从湾内向湾口逐渐降低的趋势, 竺山湾的真光层深度与前者呈相反的趋势, 从湾内向湾口逐渐增加, 东太湖中心区域的真光层深度要明显大于其他区域, 而胥口湾、贡湖湾、湖心区以及南太湖湖区内的变化不是很明显; 夏季时, 同一湖区内真光层的变化规律与冬季基本一致, 只有梅梁湾的真光层深度变化趋势与冬季相反, 从湾内向湾口逐渐递增.表2 太湖冬夏两季真光层深度的分区统计值(单位: m)Tab.2 The statistics of euphotic depth in different regions of Lake Taihu in winter and summer分区1区(梅梁湾)2区(竺山湾)3区(贡湖湾)4区(西岸区)5区(湖心区)6区(胥口湾)7区(南太湖)8区(东太湖)季节冬夏冬夏冬夏冬夏冬夏冬夏冬夏冬夏最小值0.35 0.21 0.39 0.25 0.32 0.260.270.210.270.330.310.250.27 0.31 0.31 0.24最大值 2.12 1.60 1.87 1.76 2.21 1.76 2.28 1.53 2.28 1.83 2.20 2.03 2.04 1.77 1.48 1.64平均值0.77 0.92 0.97 0.98 0.61 0.980.490.910.490.960.52 1.160.41 1.10 0.82 0.95标准差0.26 0.13 0.20 0.27 0.24 0.130.110.260.110.140.180.200.08 0.13 0.23 0.30表3 太湖冬夏两季30个样点的真光层深度值(单位: m)Tab.3 Comparison of euphotic depth of 30 sampling stations in Lake Taihu in winter and summer站点 1 2 3 4 5 6 7 8 9 10111213 14 15冬季 0.88 0.76 0.66 0.53 0.68 0.640.78 1.120.680.670.510.70 0.47 0.47 0.47夏季 0.95 0.96 0.94 0.98 0.66 0.900.32 1.33 1.010.90 1.000.89 1.06 0.90 0.88站点16 17 18 19 20 2122232425262728 29 30冬季 0.57 0.44 0.50 0.47 0.58 0.430.470.530.380.400.400.43 0.52 1.20 0.50夏季 0.88 1.01 0.94 1.55 1.13 1.15 1.08 1.27 1.16 1.000.960.87 0.96 1.20 0.503 结论(1)非色素颗粒物空间分布的总体趋势为湖心区最高, 其次是梅梁湾、竺山湾和胥口湾, 东太湖的浓度最低; 冬夏两季浓度差别比较大, 冬季的变化范围、平均值均明显高于夏季.(2)冬夏两季叶绿素a浓度空间分布的总体趋势是南太湖-湖心区、胥口湾-梅梁湾、竺山湾浓度逐渐增加; 夏季水华的全面暴发, 引起叶绿素a浓度普遍偏高.(3)太湖真光层深度分布存在显著的时空差异. 从空间上看, 冬季真光层深度的变化规律为: 南太湖<西部沿岸<湖心区<胥口湾<贡湖湾<梅梁湾<东太湖<竺山湾; 夏季时的变化规律为: 西部沿岸<梅梁湾<东太湖<湖心区<贡湖湾<竺山湾<南太湖<胥口湾. 从季节上看, 夏季真光层平均深度显著大于冬季, 但不同湖区其季节变化存在一定差异. 对于同一季节同一湖区内部, 真光层深度的变化也不尽一致, 如冬季时梅梁湾的真光层深度呈现从湾内向湾口逐渐降低的趋势, 而竺山湾则恰好相反.(4)受沉水植物影响东太湖冬、夏季遥感反演的叶绿素均明显偏高, 从而造成计算得到的真光层深度偏低. 因此如何消除沉水植物对叶绿素a浓度遥感反演的影响是未来提高真光层深度遥感反演精度的关键.致谢: 野外采样得到冯胜、王鑫、赵巧华、李俊生、张浩等同志的鼎力帮助, 在此一并表示谢意.J. Lake Sci.(湖泊科学), 2009, 21(2) 1724 参考文献[1] Reinart A, Arst H, Erm A et al. Optical and biological properties of Lake Ülemiste, water reservoir of the city of Tallinn II:Light climate in Lake Ülemiste. Lakes & Reservoirs: Research and Management,2001, 6: 75-84.[2] Kirk JTO. Light and photosynthesis in aquatic ecosystem. Cambridge, Britain: Cambridge University Press, 1994, 47-144.[3] Hinojosa FD, Castro GG, Zavala JAS et al. The effect of vertical mixing on primary production in a bay of the Gulf ofCalifornia. Estuar Coast Shelf S,1997, 45: 135-148.[4] Oliver RL, Whittington J, Lorenz Z et al. The influence of vertical mixing on the photoinhibition of variable chlorophyll afluorescence and its inclusion in a model of phytoplankton photosynthesis. J Plankton Res, 2003, 25(9): 1107-1129.[5] Holmes RW. The secchi disk in turbid coastal waters. Limnol Oceanogr, 1970, 15: 688-694.[6] Kratzer S, Häkansson B, Sahlin C. Assessing secchi and photic zone depth in the Baltic Sea from satellite data. Ambio, 2003,32(8): 577-585.[7] 费尊乐. 近海水域漫射衰减系数的估算. 黄渤海海洋, 1984, 2(1): 26-29.[8] 曹文熙, 黄良民. 海洋生物-光学研究进展与展望. 自然科学进展, 2004, 14(1): 20-27.[9] 曹文熙, 杨跃忠. 海洋光合有效辐射分布的计算模式. 热带海洋学报, 2002 , 21(3): 47-54.[10] Austin RW, Petzold TJ. The determination of the diffuse attenuation coefficient of sea water using the Coastal Zone ColorScanner. In: Gower JFR ed. Oceanography from Space. New York: Plenum Press, 1981: 239-256.[11] Austin RW, Petzold TJ. Spectral dependence of the diffuse attenuation coefficient of light in ocean waters a reexamination usingnew data. SPIE: Ocean Optics, 1990: 1302.[12] Cervantes-Duarte R, Mueller JL, Trees CC et al. Euphotic depth, irradiance attenuation and remote sensing K490 in bi0-opticalprovinces of the Gulf of California. Ciencias Marina, 2000, 26(4): 533-560.[13] Morel A, Berthon JF. Surface pigments, algal biomass profiles and potential production of the euphotic layer: Relationshipsreinvestigated in view of remote-sensing applications. Limnol Oceanogr, 1989, 34: 1545-1562.[14] Woźniak B, Dera J, Ficek D et al. Modeling light and photosynthesis in the marine environment. Oceanologia, 2003, 45(1):171-245.[15] Irigoien X, Castel J. Light limitation and distribution of chlorophyll pigments in a highly turbid estuary: the Gironde (SWFrance). Estuar Coast Shelf S, 1997, 44: 507-517.[16] 李国胜, 梁强, 李柏良. 东海真光层深度的遥感反演与影响机制研究. 自然科学进展, 2003, 13(1): 90-94.[17] Garibaldi L, Anzani A, Marieni A et al. Studies on the phytoplankton of the deep subalpine Lake Iseo. J Limnol, 2003, 62(2):177-189.[18] 张运林, 秦伯强, 胡维平等. 太湖典型湖区真光层深度的时空变化及其生态意义. 中国科学(D辑), 地球科学, 2006, 36(3):287-296.[19] Zhang YL, Qin BQ, Liu ML. Temporal-spatial variations of chlorophyll a and primary production in Meiliang Bay, Lake Taihu,China from 1995 to 2003. J Plankton Res, 2007, 29(8): 707-719.[20] 张运林, 冯胜, 马荣华等. 太湖秋季真光层深度空间分布及浮游植物初级生产力的估算. 湖泊科学, 2008, 20(3):380-388.[21] 陈宇炜, 高锡云. 浮游植物叶绿素a含量测定方法的比较测定. 湖泊科学, 2000, 12(2): 185-188.[22] 孙顺才, 黄漪平. 太湖. 北京: 海洋出版社, 1993: 10-11.[23] 张运林, 秦伯强, 陈伟民等. 太湖水体中悬浮物研究. 长江流域资源与环境, 2004, 13(3): 266-271.[24] 马荣华, 戴锦芳. 结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物. 湖泊科学, 2005, 17(2): 97-103.[25] 张运林, 秦伯强, 陈伟民等. 太湖水体透明度的分析、变化及相关分析. 海洋湖沼通报, 2003, (2): 30-36.[26] 张运林, 秦伯强. 基于水体固有光学特性的太湖浮游植物色素的定量反演. 环境科学, 2006, 27(12): 2439-2444.[27] 白秀玲, 谷孝鸿, 杨龙元. 东太湖水环境现状及保护对策. 湖泊科学, 2006, 18(1): 91-96.[28] 袁琳, 张利权. 大型沉水植物狐尾藻不同盖度的光谱特征. 遥感学报, 2007, 11(4): 609-616.。
基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演
第49卷第1期2021年1月河海大学学报(自然科学版)Journal of Hohai University(Natural Sciences)Vol.49No.1Jan.2021DOI :10.3876/j.issn.10001980.2021.01.008 基金项目:国家重点研发计划(2018YFC0407903);国家自然科学基金青年科学基金(41701487);国家自然科学基金(42071346);中央高校基本科研业务费专项(2019B02714)作者简介:潘鑫(1989 ),男,副教授,博士,主要从事定量遥感研究㊂E⁃mail:px1013@通信作者:杨英宝,教授㊂E⁃mail:yyb@引用本文:潘鑫,杨子,杨英宝,等.基于高分六号卫星遥感影像的太湖叶绿素a 质量浓度反演[J].河海大学学报(自然科学版),2021,49(1):50⁃56.PAN Xin,YANG Zi,YANG Yingbao,et al.Mass concentration inversion analysis of chlorophyll a in Taihu Lake based on GF⁃6satellite data [J].Journal of Hohai University(Natural Sciences),2021,49(1):50⁃56.基于高分六号卫星遥感影像的太湖叶绿素a 质量浓度反演潘 鑫,杨 子,杨英宝,孙怡璇,孙浦韬,李藤藤(河海大学地球科学与工程学院,江苏南京 211100)摘要:针对太湖叶绿素a 浓度反演大多采用低中分辨率遥感数据,缺少基于高分辨率遥感数据研究的现状,采用高分六号卫星遥感影像,运用波段比值模型㊁归一化差异叶绿素指数(NDCI )模型和三波段模型定量反演了太湖蓝藻的叶绿素a 质量浓度,并采用2018年10月28日㊁2019年4月6日和2019年6月3日的高分六号卫星遥感影像对3种模型的反演精度进行了验证㊂结果表明,采用NDCI 模型的平均相对误差㊁均方根误差和平均绝对误差最小,NDCI 模型具有更好的精度和稳定性,更适合高分六号卫星遥感影像在太湖叶绿素a 质量浓度反演方面的应用㊂关键词:叶绿素a 质量浓度;高分六号卫星;遥感反演方法:太湖中图分类号:P237 文献标志码:A 文章编号:10001980(2021)01005007Mass concentration inversion analysis of chlorophyll a in Taihu Lake based on GF⁃6satellite dataPAN Xin ,YANG Zi ,YANG Yingbao ,SUN Yixuan ,SUN Putao ,LI Tengteng (School of Earth Science and Engineering ,Hohai University ,Nanjing 211100,China )Abstract :Low resolution satellite imageries are mostly used in the mass concentration inversion analysis of chlorophyll a in Taihu Lake,with insufficient high resolution satellite images.Based on the GF⁃6satellite data,this study quantitatively retrieved the mass concentration of chlorophyll a in Taihu Lake with the band ratio (TBR)model,the normalized difference index of chlorophyll (NDCI)model and the three⁃band semi⁃analysis(TBS)model.The inversion accuracy of the three models was verified by using the GF⁃6satellite image data on October 28,2018,April 6,2019,and June 3,2019.The results show that the average relative error,root mean square error and mean absolute error of the NDCI model are the minimum.Therefore,the NDCI model has better accuracy and stability,and is more suitable for the application of GF⁃6satellite in the inversion of chlorophyll a mass concentration in Taihu Lake.Key words :mass concentration of chlorophyll a;GF⁃6satellite;remote⁃sensing inversion method;Taihu Lake目前国内外使用较多的叶绿素a 浓度反演模型主要有3种:经验模型㊁生物光学模型以及半经验/半分析模型,3种模型各有其优势及局限性㊂祝令亚[1]以太湖为研究区,采用MODIS 数据,用波段组合算法建立了叶绿素a 浓度的反演模型㊂温新龙等[2]以太湖为例,基于环境一号卫星CCD 数据,利用波段组合算法,发现基于CCD 数据第4波段与第3波段反射率比值的二次模型具有良好的叶绿素a 浓度反演效果㊂朱利等[3]基于环境一号卫星多光谱数据,建立了分地区季节经验模型反演叶绿素a 浓度㊂李旭文等[4]基于Landsat TM 数据和地表实测数据建立了经验模型,并对梅梁湖区蓝藻生物量进行了估算,证明叶绿素a 浓度和DVI(差异植被指数)的相关性较高㊂李素菊等[5]基于波段比值(the band ratio,TBR)模型及一阶微分模型进行了巢湖流域浮游植物叶绿素含量和反射率光谱特征关系的研究㊂李铜基等[6]基于数理统计方法,结合实测数据,建立了以色素质量浓度0.7mg /m 3为分界点时地表反射率与叶绿素a 浓度的关系㊂段洪涛15第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演等[7]以查干湖区域为研究区,基于叶绿素荧光峰(700nm)和叶绿素吸收峰(670nm)的反射率比值与叶绿素a 浓度的对数关系建立了使用高光谱数据的经验回归模型㊂刘忠华[8]基于单波段叶绿素a浓度模型对太湖流域西部进行了研究,表明叶绿素a浓度在712nm波长处与地表反射率的相关性最强㊂关于单波段模型, Rundquist等[9]基于对大量实测数据的研究,认为叶绿素a浓度在690nm波长处与地表反射率的相关性较高㊂赵碧云等[10]基于不同波段反射率与叶绿素a浓度的相关性建立了针对TM遥感数据的叶绿素a水质反演模型,并研究了滇池流域的水质,证明TBR模型可以消除部分大气对反演结果的影响,一定程度提高了反演精度㊂上述研究表明,经验模型局部反演精度较高,且模型构建方法简单,但实测数据的质量对其反演结果影响较大,在不同空间和时间尺度的适用性不强㊂在叶绿素a浓度的生物光学模型研究中,Gordon等[11]提出了具有代表性的生物光学模型基本公式,但该模型中的各部分参数定量表征复杂;李云梅等[12]等建立了基于模拟数据的生物光学模型,并且成功进行了太湖流域的叶绿素a浓度反演;Lee等[13]提出了QAA(quasi⁃analytical algorithm),主要应用于二类水体叶绿素a浓度的估算㊂Li等[14]则提出了叶绿素a浓度反演分析IIMIW模型㊂生物光学模型的参数受到水体组成成分的影响较大,在时间和空间尺度上的普适性同样有待提高㊂Dall’Olmo等[15]提出了基于半经验/半分析模型的三波段(three band semi⁃analysis,TBS)模型,Le等[16]研究表明,近红外波段吸收系数受浑浊水域悬浮物浓度的影响,须引入第4个波段以消除悬浮物浓度造成的影响,并将三波段算法发展成为四波段模型㊂黄昌春等[17]利用具有较大时空差异性的水体组分和光学特性数据集对现有叶绿素a浓度的半分析模型和生物光学模型进行了检验,三㊁四波段模型总体反演精度高㊂徐祎凡等[18]以太湖为研究区,利用TBS算法构建了基于地球静止海洋彩色成像仪数据(GOCI)的太湖叶绿素a浓度反演模型㊂Zhang等[19]在研究中指出,季节变化会引起水体组分变化,导致算法具有局限性,提出了一种软分类方法对常用的半分析模型进行了实验,通过分类来提高反演精度㊂目前叶绿素a浓度遥感反演大多基于中低分辨率遥感数据,精度有待提高㊂本文采用我国首颗具有红边波段的高分六号(GF⁃6)卫星遥感影像进行了太湖流域叶绿素a质量浓度反演研究,并进行了不同反演模型的精度分析,以寻求基于高分六号卫星遥感影像反演叶绿素a质量浓度的最佳模型㊂1 叶绿素a质量浓度反演方法简介本文选用基于经验模型和半经验/半分析模型进行叶绿素a质量浓度的反演㊂基于经验模型的叶绿素a质量浓度反演模型有TBR模型和归一化差异叶绿素指数(normalized differential chlorophyll index,NDCI)模型,基于半经验/半分析模型的叶绿素a质量浓度反演模型有TBS模型,3种模型计算公式分别为(1)ρ(Chl⁃a)=A+B R a Rbρ(Chl⁃a)=A+B R c-R dR c+R d(2)(R-1e-R-1f)R g∝ρ(Chl⁃a)(3)式中:ρ(Chl⁃a) 叶绿素a质量浓度;A㊁B 常数;R a㊁R b㊁R c㊁R d㊁R e㊁R f㊁R g 参与计算的遥感反射率㊂为了评价叶绿素a质量浓度反演模型的精度,采用平均值偏差(DMC)㊁标准差偏差(DSD)㊁平均绝对误差(AE)㊁平均相对误差(MRE)㊁均方根误差(RMSE)为精度评价指标㊂2 研究区概况和研究数据2.1 研究区概况太湖流域的地理位置为30°55′40″N~31°32′58″N㊁119°52′32″E~120°36′10″E,属于亚热带季风气候区,降水充足,年平均降水量1177mm,多年平均天然年径流量160.1亿m3㊂太湖流域的地形特点为四周高㊁中间低㊁西部高㊁沿海的东部地区低㊂太湖流域河网密布,湖泊众多,总面积大于0.5km2的湖泊共计189个,其中太湖富营养化最严重的地区是梅梁湾[20]㊂这些湖泊可以调节河川径流,同时具有灌溉等多种功能,丰富的湖泊资源成为太湖流域社会经济发展的基础条件㊂太湖是太湖流域内面积最大的湖泊,是我国第二大淡水湖,面积2338km2,多年平均蓄水量44.28亿m3㊂2.2 研究数据2.2.1 高分六号卫星遥感影像高分六号卫星是我国高分专项系列中发射的第一颗具有红边波段的国产卫星[21],于2018年6月2日在酒河海大学学报(自然科学版)第49卷泉卫星发射中心成功发射并入轨运行,属于太阳同步卫星,其轨道高度为645km㊂高分六号卫星搭载了2台全色多光谱相机㊁4台多光谱相机,有8个波段,空间分辨率为16m㊂相对于高分系列的其他卫星,高分六号卫星新增了4个波段,其中有2个红边波段㊁1个紫光波段和1个黄光波段㊂红边波段更有利于利用植物的 陡坡效应”,可以有效地监测植被信息,适合于环境监测以及植被监测,在水体富营养程度方面的监测还有待研究㊂本文采用的遥感数据是高分六号卫星宽幅传感器获取的太湖地区2018年10月28日㊁2019年4月6日和2019年6月3日的3幅影像,图像像素大小为16m×16m,为经过预处理的L1A 级数据㊂高分六号卫星遥感影像的预处理主要包括传感器校正和大气校正两个过程㊂传感器校正又被称作辐射定标过程,其目的主要是消除传感器自身在遥感影像中造成的误差,这一步只是得到比较准确的大气顶层的辐射亮度,因为地表反射的太阳辐射在经过大气传输后仍然会有所改变,因此还需要进行大气校正㊂经过大气校正后的反射率误差很小,可用于叶绿素a 质量浓度的反演㊂2.2.2 实测数据实测数据包括1期24个采样点的叶绿素a 质量浓度和实测水面光谱反射率,以及5个自动监测站的3期叶绿素a 质量浓度数据㊂24个采样点的采样日期为2018年4月25 26日;3期自动监测站的采样日期分别为2018年10月28日㊁2019年4月6日和2019年6月3日,监测站分别为大雷山㊁漫山㊁西山西㊁焦山和漾西岗㊂实测的样点数据被分成两个部分:第一部分使用具有实测水面光谱反射率以及叶绿素a 质量浓度的采样点数据,用来建立叶绿素a 质量浓度计算模型,称为建模数据,共计24个;第二部分使用不具备实测水面光谱反射率,只包含叶绿素a 质量浓度的样点数据,用来检验模型的反演精度,称为检验数据,共计15个㊂a.叶绿素a 质量浓度测定㊂采用分光光度法在实验室中测定,对采集的水样使用GF /C 滤膜过滤,将抽滤水样的体积记为V 1㊂然后将滤膜放到冰箱中冷冻,48h 后取出,再用热乙醇萃取,后在岛津UV2401分光光度计上测定665nm 和750nm 处吸光度,并计算2个吸光度的差A 1,再加入稀盐酸酸化测定酸化后的提取液在665nm 和750nm 处的吸光度差A 2,提取液的最终定容体积记为V 2,根据下式换算得到叶绿素a 质量浓度:ρ(Chl⁃a)=27.9(A 1-A 2)V 2V 1(4)图1 太湖水体实测反射率光谱曲线Fig.1 Measured reflectance spectral curve of Taihu Lake water b.水体光谱采集㊂采用ASDHandHeld2便携式地物光谱仪采集太湖清洁水体和蓝藻水华水面光谱㊂光谱范围为350~1075nm,光谱分辨率为1nm㊂光谱采集过程中仪器距离水面约1m,采用倾斜测量的方式进行[22],获得的实测水面反射率光谱曲线见图1㊂3 反演模型的构建与精度评价3.1 高分六号卫星的波段模拟实测反射率采样当天没有高分六号卫星过境,所以只能进行波段模拟,通过模拟波段反射率来建立卫星反射率和叶绿素a 质量浓度之间的相关关系㊂高分六号卫星传感器有8个波段,波段范围为450~890nm,在对高分六号卫星进行叶绿素a 敏感波段分析的过程中,无法直接用实测遥感反射率(R rs )与高分六号卫星遥感反射率(R GF ⁃6)进行替换㊂因此,需要根据高分六号卫星的光谱响应函数,先对实测遥感反射率做波段等效,波段等效计算公式为R mea2=∑910nm λ=450nm R rs λf λ∑910nm λ=450nm f λ(5)式中:λ 波长;R rs λ 波长λ处的遥感反射率;f λ 波长λ处的高分六号卫星的光谱响应函数;25第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演图2 高分六号卫星光谱响应函数曲线Fig.2 Spectral response function curve of GF⁃6satellite 图3 高分六号卫星模拟波段反射率Fig.3 Simulated band reflectance ofGF⁃6satellite 450nm㊁910nm 高分六号卫星最短㊁最长波长㊂高分六号卫星的光谱响应函数如图2所示(图中B1~B8分别表示高分六号卫星的8个波段)㊂根据高分六号卫星的光谱响应函数建立的实测数据等效波段反射率如3所示㊂与图1太湖水体的实测反射率光谱曲线进行比较,高分六号卫星在550nm 与700nm 附近出现反射率的峰值,其对应的波段为B2与B5,实测反射率的峰值出现在560nm 以及710nm附近,分别处于B2波段和B5波段的范围内㊂高分六号卫星在660nm 处出现反射率吸收峰,对应的波段为B3波段,实测反射率的吸收峰出现在670nm 附近,处于B3波段范围内,可见,高分六号卫星模拟波段的反射率特征和实测波段的反射率特征一致,可以替代实测数据反射率进行敏感波段的选择㊂3.2 反演模型构建3.2.1 TBR 模型采用24组实测叶绿素a 质量浓度数据和对应采样点的光谱数据来选择TBR 模型最佳波段,将卫星波段范围内每个等效波段的反射率分别除以其余所有等效波段的反射率,用得到的比值与叶绿素a 质量浓度计算相关系数,取相关性最大的2个波段作为最佳波段,求得高分六号卫星的最佳波段为B2(波段1)和B5(波段2)㊂高分六号卫星的TBR 指数与叶绿素a 质量浓度的关系见图4(图中TBR 指数表示高分六号卫星第2波段和第5波段反射率的比值)㊂3.2.2 NDCI 模型NDCI 模型最佳波段选择方法同TBR 模型,得到高分六号卫星的最佳波段为B2(波段1)和B5(波段2)㊂高分六号卫星的NDCI 指数与叶绿素a 质量浓度的关系见图5(图中NDCI 指数表示高分六号卫星第2波段和第5波段反射率之差除以二者之和)㊂3.2.3 TBS 模型采用24组实测的叶绿素a 质量浓度数据和对应采样点的光谱数据来选择TBS 模型最佳波段,按照最优波段选择的方法,将实测的水面光谱反射率替换成高分六号卫星的模拟波段,求得高分六号卫星的最佳波段为B3(波段1)㊁B6(波段2)和B2(波段3)㊂高分六号卫星TBS 指数与叶绿素a 质量浓度的关系如图6所示㊂图4 高分六号卫星TBR 指数与叶绿素a 质量浓度的关系Fig.4 Relation between TBR index and chlorophyll a mass concentration ofGF⁃6satellite 图6 高分六号卫星TBS 指数与叶绿素a 质量浓度的关系Fig.6 Relation diagram of TBS index and chlorophyll a concentration of GF⁃6satellite 图5 高分六号卫星NDCI 指数与叶绿素a 质量浓度的关系Fig.5 Relation diagram of NDCI indexand chlorophyll a mass concentration of GF⁃6satellite TBS 指数计算公式为35河海大学学报(自然科学版)第49卷I TBS =1εB3-1ε()B6εB2(6)式中:I TBS TBS 指数值;εB2㊁εB3㊁εB6 高分六号卫星第2㊁3㊁6波段的反射率㊂3.3 反演结果的定性比较选取2019年4月6日高分六号卫星遥感影像,采用3种模型来进行太湖叶绿素a 质量浓度的反演,影像的假彩色合成和3种模型提取的叶绿素a 质量浓度分布如图7所示㊂从图7可以看出,太湖中叶绿素a 质量浓度较高的区域一般分布在南部沿岸区㊁竺山湖与西部沿岸区的交界处和东太湖㊂其中NDCI 模型和TBR 模型叶绿素a 质量浓度反演的结果比较相似,而在南部沿海岸区TBS 模型反演的高质量浓度叶绿素a 的量要比NDCI 模型和TBR 模型多㊂图7 太湖叶绿素a 质量浓度的分布(单位:mg /m 3)Fig.7 Distribution of chlorophyll a mass concentration in Taihu Lake (units :mg /m 3)3.4 高分六号卫星和MODIS 遥感影像反演结果对比表1 高分六号卫星与MODIS 遥感影像反演精度对比Table 1 Inversion precision comparison between GF⁃6satellite and MODIS data 遥感影像模型DMC /%DSD /%AE /(mg㊃m -3)MRE /%RMSE /(mg㊃m -3)GF⁃6TBR 44.0020.11 2.5123.37 3.68NDCI35.2144.92 2.4522.27 2.99MODIS TBR 84.2061.78 6.4084.00 6.47NDCI 69.8165.30 4.0952.41 4.50 基于MODIS 的2019年4月6日的遥感影像,采用TBR㊁NDCI 模型进行太湖叶绿素a 质量浓度的反演,继而与高分六号卫星的反演结果进行对比,结果见表1和图8㊂从图8可以看出,MODIS 遥感影像反演的叶绿素a 质量浓度整体偏低㊂从表1可以看出,MODIS 遥感影像反演的叶绿素a 质量浓度的DMC㊁DSD㊁AE㊁MRE㊁RMSE均要大于高分六号卫星遥感影像的反演值,因此采用高分六号卫星遥感影像反演叶绿素a 质量浓度是可靠的㊂图8 高分六号卫星与MODIS 遥感影像反演结果对比(单位:mg /m 3)Fig.8 Comparison of inversion results between GF⁃6satellite and MODIS Data (units :mg /m 3)表2 高分六号卫星遥感影像反演叶绿素a 质量浓度的精度Table 2 Inversion accuracy of chlorophyll a massconcentration from GF⁃6satellite image模型DMC /%DSD /%AE /(mg㊃m -3)MRE /%RMSE /(mg㊃m -3)TBR 14.1843.37 4.8038.168.00NDCI 5.1943.86 4.6435.287.47TBS 4.2743.57 6.0967.997.853.5 反演模型精度评价未参与建模的样点数(检验数据)有15个,去除影像因薄云影响的5个数据,实际参与检验的数据为10个㊂采用3幅高分六号卫星遥感影像对3种反演模型进行精度评价,结果见表2㊂由表2可见,TBS 模型的DMC 为4.27%,效果最好,NDCI 模型的DMC 为5.19%,略低于TBS45第1期潘 鑫,等 基于高分六号卫星遥感影像的太湖叶绿素a质量浓度反演模型,TBR模型的DMC为14.18%,说明TBR模型反演的叶绿素a质量浓度的平均值与实测的叶绿素a质量浓度的平均值误差较大㊂DSD则是TBR模型较好,TBS模型次之,NDCI模型最差,3种模型的DSD均在43%~44%范围内,相差不到1%,说明3种模型反演结果的分布较为接近㊂TBR㊁NDCI㊁TBS模型的MRE 分别为38.16%㊁35.28%和67.99%,说明TBR模型和NDCI模型的反演结果较好,TBS模型反演效果较差㊂表3为高分六号卫星3幅验证遥感影像反演结果的AE和MRE平均绝对误差统计表㊂可以看出,在3种模型中,验证样点最大MRE为86.76%,出现在TBS模型采用2019年6月3日卫星遥感影像的反演结果中;最小MRE为22.27%,出现在NDCI模型采用2019年4月6日卫星遥感影像的反演结果中㊂表3 3幅高分六号卫星遥感影像反演结果的AE和MRETable3 Statistical table of AE and MRE of three GF⁃6satellite images遥感影像日期AE/(mg㊃m-3)MRE/%TBR模型NDCI模型TBS模型TBR模型NDCI模型TBS模型2018年10月28日 2.86 2.79 3.7641.8339.2056.59 2019年4月6日 2.51 2.45 4.3523.3722.2760.64 2019年6月3日 6.02 5.677.1749.3044.3586.76综合3幅遥感影像反演的平均结果来看,最大MRE和最大AE均出现在TBS模型中,最小MRE和最小AE出现在NDCI模型中㊂TBS模型的MRE均超过了50%,反演结果较差㊂TBS模型对太湖地区的叶绿素a 质量浓度预测值偏高,可能是太湖地区复杂的水质情况导致TBS模型的精度较差㊂对2019年6月3日的卫星遥感影像反演结果进行分析,3种模型的MRE均超过了40%,AE均超过5mg/m3,NDCI模型的结果比其他两个模型效果稍好,但也较为一般㊂这可能因为实测叶绿素a质量浓度数据都低于15mg/m3的限制,所以本文建立的模型可能更适用于叶绿素a低质量浓度的反演㊂对于2018年10月28的卫星遥感影像,TBR和NDCI模型的MRE小于TBS模型㊂对2019年4月6日的卫星遥感影像,TBR与NDCI模型反演结果的MRE 接近,反演结果较为可靠㊂4 结 论a.TBR模型与NDCI模型的最佳波段为第2波段和第5波段,TBS模型的最佳波段为第2波段㊁第3波段和第6波段㊂b.3种模型中,NDCI模型的MRE㊁AE和RMSE均最小,基于高分六号卫星第2波段和第5波段构建的NDCI模型比其他模型具有更好的精度和稳定性,更适用于高分六号卫星遥感影像在太湖叶绿素a质量浓度反演方面的应用㊂参考文献:[1]祝令亚.湖泊水质遥感监测与评价方法研究[D].北京:中国科学院遥感应用研究所,2006.[2]温新龙,景元书,李亚春,等.基于环境一号卫星数据的太湖叶绿素a浓度反演[J].环境科学与技术,2014,37(10):149⁃153.(WEN Xinlong,JING Yuanshu,LI Yachun,et al.Quantitative estimation of chlorophyll⁃a concentration in Lake Taihu based on HJ⁃1satellite images[J].Environmental Science&Technology,2014,37(10):149⁃153.(in Chinese)) [3]朱利,姚延娟,吴传庆.基于环境一号卫星的内陆水体水质多光谱遥感监测[J].地理与地理信息科学,2010,26(2):81⁃84.(ZHU Li,YAO Yanjuan,WU Chuanqing.Remote sensing monitoring on water quality of interior water body based on the HJ⁃1satellite multi⁃spectral data[J].Geography and Geo⁃Information Science,2010,26(2):81⁃84.(in Chinese))[4]李旭文,季耿善,杨静.太湖梅梁湖湾蓝藻生物量遥感估算[J].国土资源遥感,1995(2):23⁃28.(LI Xuwen,JI Gengshan,YANG Jing.Estimating cyanophyta biomass standing crops in Meiliang Gulf of Lake Taihu by satellite remote sensing[J].Remote Sensing for Land&Resources,1995(2):23⁃28.(in Chinese))[5]李素菊,吴倩,王学军,等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学,2002(3):228⁃234.(LISuju,WU Qian,WANG Xuejun,et al.Relationship between chlorophyll content and reflectance spectral characteristics of phytoplankton in Chaohu Lake[J].Journal of Lake Sciences,2002(3):228⁃234.(in Chinese))[6]李铜基,陈清莲,朱建华,等.黄东海秋季色素经验算法研究[J].海洋技术,2004(4):113⁃116.(LI Tongji,CHENQinglian,ZHU Jianhua,et al.Chlorophyll empirical algorithm of Yellow Sea and the East China Sea in autumn[J].Marine Technology,2004(4):113⁃116.(in Chinese))5565河海大学学报(自然科学版)第49卷[7]段洪涛,张柏,宋开山,等.查干湖叶绿素a浓度高光谱定量模型研究[J].环境科学,2006(3):3503⁃3507.(DUANHongtao,ZHANG Bai,SONG Kaishan,et al.Hyperspectral remote sensing of chlorophyll⁃a in the Chagan Lake,China[J].Environmental Science,2006(3):3503⁃3507.(in Chinese))[8]刘忠华.基于高分数据的太湖重点污染入湖河流叶绿素a浓度遥感反演[D].南京:南京师范大学,2012.[9]RUNDQUIST D C,HAN L,SCHALLES J F,et al.Remote measurement of algal chlorophyll in surface waters:the case for thefirst derivative of reflectance near690nm[J].Photogrammetric Engineering and Remote Sensing,1996,62(2):195⁃200. [10]赵碧云,贺彬,朱云燕,等.滇池水体中叶绿素a含量的遥感定量模型[J].云南环境科学,2001(3):1⁃3.(ZHAO Biyun,HE Bin,ZHU Yunyan,et al.Study on the remote sensing model for chlorophyll⁃a in Dianchi Lake[J].Yunnan Environmental Science,2001(3):1⁃3.(in Chinese))[11]GORDON H R,BROWN J W,BROWN O B,et al.A semianalytic radiance model of ocean color[J].Journal of GeophysicalResearch Atmospheres,1988,93(10):10909⁃10924.[12]李云梅,黄家柱,韦玉春,等.用分析模型方法反演水体叶绿素的浓度[J].遥感学报,2006(2):169⁃175.(LI Yunmei,HUANG Jiazhu,WEI Yuchun,et al.Inversing chlorophyll concentration of Taihu Lake by analytic model[J].Journal of Remote Sensing,2006(2):169⁃175.(in Chinese))[13]LEE Z,CARDER K L,ARNONE R A.Deriving inherent optical properties fromwater color:a multiband quasi⁃analytical algorithmfor optically deep waters[J].Applied Optics,2002,41(27):5755⁃5772.[14]LI L,SONG K,LI Y,et al.An inversion model forderiving inherent optical properties of inland waters:establishment,validationandapplication[J].Remote Sensing of Environment,2013,135(4):150⁃166.[15]DALL’OLMO G,GITELSON A A.Effect of bio⁃optical parameter variability on the remote estimation of chlorophyll⁃aconcentration in turbid productive waters:experimental results[J].Applied Optics,2005,44(3):412⁃22.[16]LE Chengfeng,LI Yunmei,ZHA Yong,et al.A four⁃band semi⁃analytical model for estimating chlorophyll a in highly turbidlakes:the case of Taihu Lake,China[J].Remote Sensing of Environment,2009,113(6):1175⁃1182.[17]黄昌春,李云梅,徐良将,等.内陆水体叶绿素反演模型普适性及其影响因素研究[J].环境科学,2013,34(2):525⁃531.(HUANG Changchun,LI Yunmei,XU Liangjiang,et al.Study on influencing factors and universality of chlorophyll⁃a retrieval model in inland water body[J].Environmental Science,2013,34(2):525⁃531.(in Chinese))[18]徐祎凡,陈黎明,陈炼钢,等.基于GOCI数据的暴雨后太湖水体叶绿素a浓度遥感反演研究[J].水利水电技术,2020,51(10):151⁃158.(XU Yifan,CHEN Liming,CHEN Liangang,et al.High temporal resolution remote monitoring of chlorophyll aconcentration change after rainstorm based on GOCI data in Lake Taihu[J].Water Resources and Hydropower Engineering, 2020,51(10):151⁃158.(in Chinese))[19]ZHANG F,LI J,SEHN Q,et al.Algorithms and chemes for chlorophyll⁃a estimation by remote sensing and optical classificationfor turbid lake Taihu,China[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(1):350⁃364.[20]马孟枭.基于MODIS影像的太湖蓝藻水华面积高精度计算方法及应用[D].南京:南京大学,2014.[21]王旭. 长征”二号丁运载火箭成功发射 高分”六号卫星[J].中国航天,2018(6):14.(WANG Xu.Long March2DINGcarrier rocket successfully launched GF⁃6satellite[J].China Aerospace Science and Technology,2018(6):14.(in Chinese)) [22]唐军武,田国良,汪小勇,等.水体光谱测量与分析Ⅰ:水面以上测量法[J].遥感学报,2004(1):37⁃44.(TANG Junwu,TIAN Guoliang,WANG Xiaoyong,et al.The mechods of water spectra measurement and analysisⅠ:above water measurement [J].Journal of Remote Sensing,2004(1):37⁃44.(in Chinese))(收稿日期:20201106 编辑:熊水斌)。
洞庭湖不同形态氮、磷和叶绿素a浓度的时空分布特征
洞庭湖不同形态氮、磷和叶绿素a浓度的时空分布特征黄代中; 李芬芳; 欧阳美凤; 张屹; 龚正; 符哲【期刊名称】《《生态环境学报》》【年(卷),期】2019(028)008【总页数】9页(P1674-1682)【关键词】洞庭湖; 氮; 磷; 叶绿素a; 时空分布【作者】黄代中; 李芬芳; 欧阳美凤; 张屹; 龚正; 符哲【作者单位】湖南省洞庭湖生态环境监测中心湖南岳阳414000【正文语种】中文【中图分类】X52洞庭湖位于长江中游荆江河段南岸，是中国第二大淡水湖、亚洲最大的内陆湿地保护区，也是国家重点生物多样性保护和世界淡水鱼类优质种资源基因库。
洞庭湖作为湖南省第一大湖，是承纳湘、资、沅、澧四水和吞吐长江的过水性洪道型湖泊，有沟通航运、繁衍水产、调蓄长江和改善生态环境等多种功能。
洞庭湖多年平均入湖水量2916亿立方米，其中来自长江三口为951亿立方米，来自四水为1689亿立方米，来自区间为276亿立方米（吴文晖等，2019），多年平均深度为6.39 m，三峡水库建设前换水周期约18 d，建设后大于18 d（黄代中等，2013）。
近几十年来，随着湖区经济的快速发展和人口的急剧增长，人类对其自然资源的开发不断加剧，使其生态环境逐渐下降，富营养化进程日益加剧（李利强等，2014；熊剑等，2016）。
TN、TP是影响洞庭湖水体富营养化的主要营养指标，两者一直维持较高的水平，20世纪90年代中期后全湖TN、TP超标，成为洞庭湖水质恶化和水体营养化程度加剧的重要因子。
TN和TP作为洞庭湖水体的主要污染物，已引起广泛的关注。
对洞庭湖水体营养盐的研究主要集中在TN和TP时空分布特征方面（张光贵等，2016；林日彭等，2018；王艳分等，2018），通过长时间序列数据分析（三峡工程运行前后）TN和TP质量浓度变化规律、影响因素，Tian et al.（2017a）亦研究了洞庭湖氮的时空变化（1997-2014），分析了TN的来源及控氮措施。
南水北调中线总干渠叶绿素a与藻密度相关性研究
南水北调中线总干渠叶绿素a与藻密度相关性研究田勇【摘要】叶绿素a浓度和藻细胞密度是表征藻类生物量的两种不同方法.为了分析南水北调中线总干渠叶绿素a与藻密度的相关关系,在干渠内(动态条件)和干渠旁(静态条件)设置断面进行了采样,依据实测数据分析了叶绿素a和藻密度的变化情况及相关性.结果表明:动态条件下,叶绿素a浓度与藻密度的变化趋势基本一致,两者之间具有显著的相关性,相关系数为0.88～0.90;单一优势藻种水体中叶绿素a浓度与藻密度存在显著正相关性,r>0.95;优势藻种的更替变化会导致叶绿素a浓度与藻密度的相关性下降;动态条件转为静态条件时,空间和水文要素发生变化,将导致藻种、藻密度及叶绿素a浓度发生变化,并影响藻密度和叶绿素a浓度之间的相关性.研究成果有利于有关部门掌握南水北调中线工程引水水质的变化,可为沿线用水户提供更好的服务.【期刊名称】《人民长江》【年(卷),期】2019(050)002【总页数】5页(P65-69)【关键词】叶绿素a;藻密度;野外监测;相关性分析;南水北调中线【作者】田勇【作者单位】南水北调中线干线工程建设管理局,北京100038【正文语种】中文【中图分类】X52水是基础性自然资源，是国民经济和社会可持续发展的重要保证[1]。
南水北调工程作为一项国家战略性基础工程，为解决我国南北方地区水资源分布不均，尤其是华北地区经济发展与水资源短缺这一矛盾具有重大战略意义。
其中，中线工程承担着为京、津、冀、豫4省市调水的任务，总干渠全长1 432 km，跨越长江、淮河、黄河、海河四大流域。
中线总干渠是一条人工开挖的渠道，通水时间较短，尚未建立起适应干渠环境的成熟稳定的生态系统。
自2014年12月中线工程通水以来，总干渠出现了藻类异常增殖现象，2015年1～12月份的现场监测数据表明：总干渠藻密度为57万至2 960万cells/L，以针杆藻、小环藻等微型藻为主要优势种，在5月8日发生密度最高值的邯郸永年县侯庄断面，为2 960万cells/L；叶绿素最高值为7月6日的刘湾断面，监测值为34 μg/L，随着通水时间延长，2016年藻密度有明显下降。
南太湖入湖口蓝藻生物量与CODMn和DO的相关性研究
第44卷 第2期 海 洋 与 湖 沼Vol.44, No.2 2013年3月OCEANOLOGIA ET LIMNOLOGIA SINICAMar., 2013* 国家水体污染控制与治理科技重大专项, 2011ZX07101-012-008号; 国家自然科学基金项目, 31070451号; 浙江省重大科技专项, 2010C02001号; 浙江省自然科学基金项目, Y5110067号。
韩志萍, 教授, E-mail: hzp@收稿日期: 2012-03-12, 收修改稿日期: 2012-06-06南太湖入湖口蓝藻生物量与COD Mn和DO 的相关性研究*韩志萍1 邵朝纲1 杨志红1 徐新华2 唐 铭3 叶金云1(1. 湖州师范学院生命科学学院 湖州 313000; 2. 浙江大学环境与资源学院 杭州 310027;3. 湖州市自来水公司水质监测站 湖州 313000)提要 采用水质监测方法对2008—2010年南太湖水域三个入湖口(小梅港、新塘港、大钱港)水体中蓝藻生物量、COD Mn 和DO 的时空变化特征进行了监测和调查, 并通过SPSS 10.0软件对蓝藻生物量与COD Mn 和DO 的相关性进行了分析。
结果表明: (1) 3年内南太湖入湖口蓝藻颗粒数在1.0×106个/L 以上范围的频率每年超过50%, 最高在3.0×107个/L 左右; (2) 南太湖入湖口COD Mn 指标大部分处于较高的污染水平, 最高有6.5mg/L, 最低约3.0mg/L; (3) 蓝藻生物量与COD Mn 的相关性系数r 介于0.3—0.7之间, 呈现中低度正相关; (4) 3年内蓝藻生物量与DO 的相关性系数r 介于0.30—0.50, 呈现低度正相关, DO 浓度有70%以上的频率大于6.0mg/L 。
结果表明, 3个入湖口溶解氧指标能达Ⅱ—Ⅲ类地表水水质标准, 但有机物污染已经不容忽视, 并且与蓝藻暴发呈一定的相关性。
太湖水质时空特性及其与蓝藻水华的关系_张晓晴
S p a t i a l t e mp o r a l c h a r a c t e r i s t i c o f w a t e r q u a l i t yi nL a k eT a i h ua n di t s r e l a t i o n s h i pw i t ha l g a l b l o o m
太湖水质时空特性及其与蓝藻水华的关系
＊ 张晓晴 , 陈求稳＊
＊
( 中国科学院生态环境研究中心 , 北京 100085) 摘 要 : 以太湖 20052007 年的连续监测资料为基础 , 运用聚类分析和自相关分析方法 , 针对总无机磷 、总无机氮 、水温等 环境理化因素与叶绿素 a 进行时空序列分析 , 初步归纳了当前太湖水质指标变化 的空间特点 、时 间周期性及其与 蓝藻水 华暴发的关系 . 结果表明 , 太湖水质的空间分布大 致分为 三个入 湖河口 、四个 湖湾 、湖 心区 、西 部湖区 、东部 湖区等 十个 区 , 其中入湖河口和北部湾区富营养化明显高于其他区 , 入湖河口 的氮磷含 量高于北 部湾区 , 外 源污染是 造成水质 恶化 的根本原因 . 叶绿素 a 与总无机氮 、铵态氮 、水温呈显著相关关系 , 月平均 指标显示 水华暴发 期集中在 410 月份 , 其 中梅 梁湾 、贡湖和竺山湾为水华暴发的高发区 , 呈多峰形态 . 关键词 : 太湖 ; 富营养化 ; 水华 ; 水质 ; 叶绿素 a
该监测网络在太湖共布设32样点图1其中太湖北部梅梁湾贡湖湾竺山湾湖心区的部分点位太湖西北的大浦口人湖区梅梁湾西北角的直湖港入湖区梅梁湾东北角的梁溪河入湖区等14个监测站点为每月中旬监测而其余站点主要是南太湖东太湖胥湖的18个站点则为每季度监测1次时间为25811月中旬
J . L a k eS c i . ( 湖泊科学 ) , 2011, 23( 3) : 339-347 h t t p :/ /w w w . j l a k e s . o r g . E m a i l : j l a k e s @n i g l a s . a c . c n 2011 b yJ o u r n a l o f L a k eS c i e n c e s
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演
基于HJ-1ACCD数据的湖泊叶绿素a浓度反演湖泊是地球上重要的淡水资源，叶绿素a浓度是湖泊水质的重要指标之一。
利用卫星遥感数据进行湖泊叶绿素a浓度的反演，可以实现对大范围湖泊水质的监测和评估，对于湖泊环境管理具有重要的意义。
本文将介绍基于HJ-1ACCD数据的湖泊叶绿素a浓度反演研究。
1. 研究背景湖泊是淡水资源的重要蓄水库，但受到人类活动和自然因素的影响，湖泊水质普遍面临着恶化的问题。
叶绿素a是湖泊中浮游植物的主要色素，其浓度可以反映湖泊的营养状态和水质状况。
对于叶绿素a浓度的监测和评估具有重要的意义，可以为湖泊的环境管理和保护提供科学依据。
传统的湖泊水质监测方法主要依靠定点取样和实地分析，由于湖泊的面积广阔和复杂性，这种方法存在取样点有限、时空分辨率不高等局限性。
而卫星遥感技术能够实现对大范围湖泊的监测，并具有较高的时空分辨率和覆盖范围，因此成为湖泊水质监测的重要手段。
2. HJ-1ACCD数据简介HJ-1ACCD是中国环境遥感卫星的一种载荷，具有较高的光谱分辨率和较好的辐射校正精度，适合于湖泊水质参数的遥感反演。
其辐射范围包括可见光和近红外光谱段，能够有效获取湖泊水体的光学特征参数。
HJ-1ACCD数据具有较高的时空分辨率，可实现对湖泊水体的连续监测和观测。
由于其具有较好的辐射校正精度，因此适合于湖泊叶绿素a浓度的反演研究。
3. 湖泊叶绿素a浓度反演方法湖泊叶绿素a浓度的反演主要基于遥感数据和反演模型。
利用HJ-1ACCD数据获取湖泊水体的光学特征参数，如反射率、吸收系数等，然后根据这些参数构建叶绿素a浓度的反演模型，并通过模型反演获取湖泊的叶绿素a浓度信息。
在构建叶绿素a浓度的反演模型时，需要考虑到湖泊水体的光学特征和颗粒物的影响。
在实际应用中，常常采用基于光学特征的经验模型或基于统计方法的经验模型来进行叶绿素a浓度的反演，同时结合地面取样数据进行验证和修正，以提高模型的准确性和适用性。
环太湖出入湖污染物通量时空变化规律分析
环太湖出入湖污染物通量时空变化规律分析
陈霞;周毅;周强;何宇翔;张游;闫怀春;朱震洲
【期刊名称】《水利信息化》
【年(卷),期】2023()1
【摘要】通过深入调查环太湖周边水系及出入湖河道上水文站点布设情况,根据1998—2021年出入湖水量及主要河道水质监测成果,采用出入河道污染物通量估算方法对出入太湖各河道的氨氮、总磷、高锰酸盐指数、总氮、化学需氧量等指标浓度和污染物通量进行估算,分析该时间段内各项指示浓度和出入湖污染物通量年内、年际变化及空间分异情况,为环太湖地区污染物总量控制、水环境保护提供技术支撑,对环太湖地区水环境治理具有指导意义。
结果表明:出入湖通量主要受相应水量影响,且各污染物浓度入湖大于出湖;各污染物净入湖通量及滞留率总体呈下降趋势,但滞留率均保持较高水平;70%的入湖污染物负荷来自湖西区,应加强对湖西区的水环境治理。
【总页数】4页(P29-32)
【作者】陈霞;周毅;周强;何宇翔;张游;闫怀春;朱震洲
【作者单位】江苏省水土保持生态环境监测总站;浙江省丽水市古市镇人民政府【正文语种】中文
【中图分类】X502
【相关文献】
1.鄱阳湖入湖、出湖污染物通量时空变化及影响因素(2008-2012年)
2.环太湖江苏段入湖河道污染物通量与湖区水质的响应关系
3.洞庭湖水质及出入湖主要污染物通量变化趋势分析
4.洞庭湖水质及出入湖主要污染物通量变化趋势分析
5.浙江省出入太湖河道水量水质及污染物通量变化(2007-2019年)
因版权原因，仅展示原文概要，查看原文内容请购买。
基于GAM模型的太湖叶绿素a与营养盐相关性研究
基于GAM模型的太湖叶绿素a与营养盐相关性研究郭亮;苏婧;纪丹凤;崔驰飞;郑明霞;孙源媛;席北斗;吴明红【摘要】通过分析2013年1月—2015年7月的太湖水体叶绿素a(Chl-a)以及其他指标数据,发现太湖水质存在区域性差异,据此将太湖分为梅梁湾、贡湖湾、竺山湾和主湖区四大区域,引入广义加性模型(GAM模型)对营养盐、环境因子与Chl-a 的关系进行分析.结果表明:梅梁湾只有TP与Chl-a浓度的相关性较强,且呈显著的非线性相关;贡湖湾TP浓度对Chl-a浓度的影响是线性的,TN浓度为非线性的,且TN浓度的影响可能更大;竺山湾CODMn和TP与Chl-a浓度均呈显著非线性相关,其中以CODMn的影响更为显著,可能原因是竺山湾历年来一直是有机污染排放重灾区;主湖区TN和TP对Chl-a浓度的影响均较大,呈显著非线性相关.太湖各区域富营养化爆发的条件不一致,不同的环境因素导致富营养化的条件也不相同.【期刊名称】《环境工程技术学报》【年(卷),期】2017(007)005【总页数】8页(P565-572)【关键词】太湖;叶绿素a;GAM模型;非线性;营养盐【作者】郭亮;苏婧;纪丹凤;崔驰飞;郑明霞;孙源媛;席北斗;吴明红【作者单位】上海大学环境与化学工程学院,上海 200444;中国环境科学研究院地下水污染模拟与修复环境保护重点实验室,北京 100012;中国环境科学研究院地下水污染模拟与修复环境保护重点实验室,北京 100012;中国环境科学研究院地下水污染模拟与修复环境保护重点实验室,北京 100012;中国环境科学研究院地下水污染模拟与修复环境保护重点实验室,北京 100012;中国环境科学研究院地下水污染模拟与修复环境保护重点实验室,北京 100012;中国环境科学研究院地下水污染模拟与修复环境保护重点实验室,北京 100012;中国环境科学研究院地下水污染模拟与修复环境保护重点实验室,北京 100012;上海大学环境与化学工程学院,上海200444【正文语种】中文【中图分类】X524太湖[1]是我国著名的淡水湖泊，也是长江三角洲地区周边城市的重要水源地，随着周边地区经济的高速发展，太湖水质越来越差。
围隔生态系中叶绿素a浓度、化学耗氧量及透明度之间统计关系的研究
围隔生态系中叶绿素a浓度、化学耗氧量及透明度之间统计
关系的研究
郑建瑜;袁峻峰
【期刊名称】《海洋湖沼通报》
【年(卷),期】1991()3
【摘要】通过对水库中12个围隔两次取样的叶绿素a浓度(单位:μg/L)、化学耗氧量(单位:mg·O_2/L)和塞克透明度(单位:m)的实验数据分析,求得如下回归方程: (1)[Chla]=17.60·[SD]^(-1·86) r=-0.87 (2)[Chla]=-28.85+7.32·[COD] r=0.89 (3)[COD]=6.88·[SD]^(-0·68) r=0.91本文还对这些结果进行了讨论。
【总页数】5页(P41-45)
【关键词】湖泊;水库;围隔生态系;叶绿素
【作者】郑建瑜;袁峻峰
【作者单位】青岛海洋大学
【正文语种】中文
【中图分类】P343.3
【相关文献】
1.制糖工业废水的生化耗氧量与化学耗氧量,溶解氧量的关系 [J], 保国裕
2.巢湖夏季叶绿素a浓度变化及其与环境因子之间关系的围隔实验 [J], 张坤;邓道贵;王文平;张晓莉;纪磊;刘飞;张绮
3.巢湖夏季叶绿素a浓度变化及其与环境因子之间关系的围隔实验 [J], 张坤;邓道
贵;王文平;张晓莉;纪磊;刘飞;张绮;
4.造纸废水生化耗氧量与化学耗氧量线性方程及其应用 [J], 秦剑
5.制糖工业废水的生化耗氧量与化学耗氧量溶解氧量的关系 [J], 保国裕
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第33卷第6期2012年11月
水生态学杂志JournalofHydroecologyVol．33，No．6Nov．2012
收稿日期：2012－10－15基金项目：湖州市科技重点攻关项目（2000GS04）。作者简介：毕京博，1982年生，研究方向为环境监测。E-mail：vi-oletjingbo@gmail．com
南太湖入湖口叶绿素a时空变化及其与环境因子的关系毕京博，郑俊，沈玉凤，周顺（湖州市环境保护监测中心站，浙江湖州313000）摘要：根据2010年1－12月专项监测数据，分析南太湖入湖口水域叶绿素a含量的时空变化特征以及与水温和营养盐等主要环境因子的相关性。研究表明，叶绿素a含量随时间变化明显，夏季最高，秋冬季次之，春季最低；在空间分布上，太湖西南入湖口水域的叶绿素a含量明显高于太湖南部入湖口水域。叶绿素a含量全年平均值为（15．71±11．24）μg/L，变化范围在1．50～74．3μg/L。叶绿素a含量与水温、pH、高锰酸盐指数（CODMn）、总磷（TP）、氨氮（NH+4-N）呈极显著正相关，与溶解氧（DO）、总氮（TN）、TN/TP呈极显著负相关。叶绿素a含量变化
受多个因子共同影响，水温是叶绿素a含量变化的关键因子。氮磷比平均值为17．8，在藻类生长氮磷比的最佳范围内，易发生蓝藻水华。叶绿素a含量的对数与TP的对数呈极显著正相关，与TN和TN/TP的对数呈极显著负相关。磷是南太湖入湖口水域浮游植物生长的限制因子。关键词：南太湖入湖口；叶绿素a；环境因子；相关分析中图分类号：X824文献标志码：A文章编号：1674－3075（2012）06－0007－07
太湖是我国第三大淡水湖泊，水面积2338km2。南太湖一般是指太湖位于浙江省内沿岸部分湖面，西北至湖州市长兴县与江苏省宜兴市交界处，东南至湖州市南浔区与苏州市吴江市交界处，水域面积约300km2。苕溪水系和长兴水系是南太湖主要入湖水系。苕溪水系包括东苕溪和西苕溪，分别发源于天目山的南麓和北麓，最终由大钱港、新港口和小梅口流入南太湖。长兴水系包括泗安溪、乌溪和箬溪等，分别发源于安徽省广德县的青砚岭、长兴县的裹王岭和乡北川，最终由杨家浦、合溪、新塘和夹浦等港娄流入南太湖。太湖是周边多个城市的水源地，近年来太湖蓝藻水华频繁暴发影响了周边城市人民的生活（秦伯强等，2007）。湖州市饮用水源地城北自来水厂和城西自来水厂距南太湖入湖口不足10km，自来水厂取水口河道蓝藻密布的情况时有发生（杨晓红等，2011）。叶绿素是藻类重要的组成成分，所有的藻类都含有叶绿素a。水体中叶绿素a的水平反映了浮游植物生物量的高低，其含量高低与水环境质量密切相关，是水体理化性质动态变化的综合反映指标，通过测定叶绿素a含量能够在一定程度上反映水质状况。很多学者对叶绿素a及其与环境因子的相关性做了大量研究工作（Romoetal，1996；葛大兵等，2005；阮晓红等，2008；吴阿娜等，2011；江敏等，2011；秦洁等，2012），也有学者对太湖叶绿素a与环
境因子的关系进行了研究（Wangetal，2007；张晓晴和陈求稳，2011），但关于太湖南部和西南部河流入湖口水域叶绿素a的研究较少。本文根据南太湖入湖口水域的2010年全年监测数据研究探讨叶绿素a含量的时间动态变化和空间分异特征，并探讨与
其他相关环境因子的内在关联，以期为南太湖蓝藻水华预警等水环境保护工作提供一定的科学依据。
1研究方法
1．1采样方法
南太湖入湖口水域共设7个监测点位（图1），从西到东分别是夹浦（点位Ⅰ）、合溪（点位Ⅱ）、新塘（点位Ⅲ）、杨家浦（点位Ⅳ）、小梅口（点位Ⅴ）、新港口（点位Ⅵ）、大钱（点位Ⅶ）。监测时间从2010年1月到2010年12月，蓝藻水华爆发的9月
每日采样1次，10月、11月每周采样3次，其余时间每周采样1次，每次采样于上午8∶30－11∶30完成，各点位采样次序一致。用上、下底均有阀门的有机玻璃采水器采集水下0．5m的亚表层水样，采集水样送实验室当日下午进行各指标的测定。1．2分析方法
监测项目包括水温（T）、pH、溶解氧（DO）、叶绿素a（Chl-a）、总氮（TN）、总磷（TP）、氨氮（NH+4-N）、
高锰酸盐指数（CODMn）。其中T、pH、DO指标使用美国YSI6600水质多参数测定仪在采样现场测定，其它指标采样后带回实验室分析测定。样品分析方法：Chl-a测定采用《水和废水监测分析方法（第四版）》（国家环境保护总局，2002）中的分光光度法，TN测定采用GB/T11894-1989碱性过硫酸钾消解紫外分光光度法，TP测定采用GB/T11893-1989钼酸铵分光光度法，NH+4-N测定采用HJ535-2009纳氏试剂分光光度法，CODMn测定采用GB/T11892-1989酸性法。图1南太湖入湖口监测点位Fig．1MonitoringsitesofSouthTaihuLake数据统计方法：采用SPSS15．0软件计算统计数据的相关系数，分析南太湖水体叶绿素a与环境因子的相关性，建立相应的回归方程。2结果与分析2．1叶绿素a含量的时空变化南太湖入湖口水域7个监测点位水质的8个环境变量年平均值见表1，监测点位叶绿素a含量年度变化曲线见图2。各监测点位叶绿素a含量随时间变化明显，1－4月较低，7－10月出现峰值，总体夏季最高，秋冬季次之，春季最低。所有监测点位叶绿素a含量全年平均值为（15．71±11．24）μg/L，变化范围在1．50～74．3μg/L。在空间分布上，太湖西南入湖口水域（点位Ⅰ、Ⅱ、Ⅲ、Ⅳ）的叶绿素a含量年平均值明显高于太湖南部入湖口水域（点位Ⅴ、Ⅵ、Ⅶ）。叶绿素a含量年平均值最高的是西南水域的夹浦（点位Ⅰ），最低的是南部水域的大钱（点位Ⅶ）。TN、TP、NH+4-N、CODMn的年平均值也遵循同样规律（TP平均值点位Ⅰ第2高），DO和pH的年平均值与此规律相反。对各监测点位全年叶绿素a监测数据进行独立样本t检验，结果表明，点位Ⅰ与点位Ⅴ、点位Ⅵ、点位Ⅶ之间均差异极显著（P＜0．01），点位Ⅰ与点位Ⅱ之间差异显著（P＜0．05），点位Ⅰ与点位Ⅲ、点位Ⅳ之间差异不显著；点位Ⅱ与点位Ⅶ之间差异极显著（P＜0．01），点位Ⅱ与点位Ⅳ、点位Ⅵ之间差异显著
（P＜0．05），点位Ⅱ与点位Ⅲ、点位Ⅴ之间差异不显
著；点位Ⅲ与点位Ⅵ、点位Ⅶ之间差异极显著（P＜0．01），点位Ⅲ与点位Ⅴ之间差异显著
（P＜0．05），点位Ⅲ与点位Ⅳ之间差异不显著；点位
Ⅳ与点位Ⅴ、点位Ⅵ、点位Ⅶ之间差异极显著（P＜0．01）；点位Ⅴ与点位Ⅶ之间差异显著
（P＜0．05），点位Ⅴ与点位Ⅵ之间差异不显著；点位
Ⅵ与点位Ⅶ之间差异显著（P＜0．05）。总体看来，太湖西南入湖口水域（点位Ⅰ、Ⅱ、Ⅲ、Ⅳ）的叶绿素a含量与太湖南部入湖口水域（点位Ⅴ、Ⅵ、Ⅶ）的叶
绿素a含量差异显著或极显著。
图2南太湖各监测点叶绿素a含量的时空变化Fig．2Temporalandspatialchangesofchlorophyll-aindifferentmonitoringsitesofSouthTaihuLake2．2叶绿素a与环境因子的相关分析
2010年南太湖入湖口水体叶绿素a含量和环
境因子之间的Pearson相关系数及其双尾的显著性分析结果见表2。全部监测点位全年监测数据的相关性分析结果表明，Chl-a含量与T、pH、TP、NH+4-
N、CODMn呈极显著正相关，与DO、TN、TN/TP呈极
显著负相关。叶绿素a与环境因子之间的相关系数在0．129～0．629，叶绿素a与单个因子之间的相关系数均较低，表明南太湖入湖口水域叶绿素a含量变化受多个因子共同影响。2．2．1叶绿素a与理化环境因子的相关分析
（1）叶绿素a含量与T呈极显著正相关，表明
叶绿素a含量受年内季节变化的影响非常明显。（2）叶绿素a含量与pH呈极显著正相关，但是
水体中pH变化在正常值范围（7．5～8．5），pH不是影响叶绿素a含量变化的主要原因。（3）叶绿素a含量与DO呈极显著负相关。一
般水温越低水中DO含量越高，本研究中水温与DO呈极显著负相关（相关系数为0．666，P＜0．01），以
8第33卷第6期水生态学杂志2012年11月水温为控制条件对叶绿素a含量和DO作偏相关分析，两者仍呈极显著负相关（相关系数为0．159，P＜0．01），表明南太湖入湖口水域水温和浮游植物均对DO有影响。（4）叶绿素a与CODMn呈极显著正相关。叶绿素a存在于所有浮游植物中，浮游植物通过光合作用产生大量有机物，当水中叶绿素a含量升高时，高锰酸盐指数也同样升高，CODMn是叶绿素a的被动因子。
表12010年南太湖入湖口水域叶绿素a及相关环境因子含量（mean±SD）Tab．1Chlorophyll-aandenvironmentalfactorsinSouthTaihuLakein2010（mean±SD）
站点Chl-a/mg·L－1TN/mg·L－1TP/mg·L－1NH+4-N/mg·L－1CODMn/mg·L－1DO/mg·L－1T/
℃pH
夹浦（Ⅰ）20．4±12．52．25±0．970．136±0．0430．717±0．2485．61±0．545．90±1．4119．5±7．67．75±0．50合溪（Ⅱ）15．9±11．91．93±0．870．104±0．0410．417±0．2244．56±1．066．96±1．7419．9±7．77．82±0．58新塘（Ⅲ）17．5±12．22．23±1．010．128±0．0390．580±0．2544．96±0．796．73±1．5620．2±7．87．83±0．56杨家浦（Ⅳ）19．6±12．92．10±1．090．147±0．0400．416±0．2155．25±0．777．02±1．5820．1±7．97．88±0．59小梅口（Ⅴ）13．1±10．81．81±0．790．105±0．0260．275±0．1914．35±0．897．37±2．0820．2±7．88．02±0．28新港口（Ⅵ）12．7±7．81．85±0．920．114±0．0400．242±0．2074．21±0．888．35±1．8320．1±7．88．18±0．33大钱（Ⅶ）10．7±3．91．45±0．830．095±0．0430．224±0．1873．91±0．608．44±1．5720．7±7．48．19±0．30
表2南太湖入湖口各监测点位叶绿素a含量与环境因子之间的相关系数及检验Tab．2Correlationcoefficientsbetweenchlorophyll－aandenvironmentalfactorsinSouthTaihuLake