利用高光谱反演模型评估太湖水体叶绿素a浓度分布

叶绿素a浓度是评价水体富营养化和初级生产力的一个重要参数,高光谱遥感是获取叶绿素a浓度的有效手段.为建立太湖水域叶绿素a的最佳高光谱估算模型,选取2015年5—7月共计60组同步实测高光谱数据和叶绿素a浓度数据,在地面光谱反射率和叶绿素a浓度相关性分析的基础上,使用2∶1的数据样本进行太湖水域叶绿素a的最佳高光谱估算模型的建立和验证,筛选模型分别为波段比值、三波段、荧光峰位置、峰谷距离、一阶微分、NDCI(Normalized Difference Chlorophyll Index)、峰面积、荧光峰高度、WCI(Water Chlorophyll-a Index)和四波段模型.结果表明,建模得到的四波段模型决定系数最高,峰面积模型的决定系数相对最低;四波段模型的反演精度最高,均方根误差(RMSE)为0.00376 mg·L~(-1),平均绝对误差(MAPE)为27.86%,而WCI模型的反演精度相对最低,RMSE为0.01231 mg·L~(-1),MAPE为45.11%.将反演精度最高的四波段模型应用于2015年8月3日的两景HSI(Hyperspectral Imaging Radiometer)高光谱影像数据,也得到较高精度,利用同步实测叶绿素a浓度验证的决定系数为0.7643,RMSE为0.00433 mg·L~(-1),MAPE为45.62%.在春、夏季叶绿素对水体光学特性占主导作用且叶绿素分布均匀的情景下,本研究可为太湖水域叶绿素a的高光谱反演和水环境监测提供有价值的参考,其它季节水体光谱特点的研究尚待进一步开展.     

基于GOCI影像和水体光学分类的内陆湖泊叶绿素a浓度遥感估算

叶绿素a作为水质参数之一,常用来作为衡量水体富营养化程度的指示标准.利用从太湖及洞庭湖获取的326个实测数据,基于实测遥感反射率对水体光谱进行光学分类,结果表明所采集的样点可分为3种水体类型.结合GOCI的波段设置,建立了不同类型水体的叶绿素a浓度反演模型.水体类型一可以利用490 nm(3波段)和555 nm(4波段)来反演,水体类型二可利用660 nm(5波段)和443 nm(2波段),水体类型三利用745 nm(7波段)和680 nm(6波段).精度分析表明,分类后的平均相对误差明显下降,类型一为38.91%、类型二为24.19%、类型三为22.90%;类型一均方根误差为4.87μg·L-1、类型二为8.13μg·L-1、类型三为11.66μg·L-1;分类前后的总体平均相对误差由49.78%降低到29.59%,总体均方根误差由14.10μg·L-1降低到9.29μg·L-1,分类后反演精度得到了显著提高.利用2013年5月13日8景GOCI影像反演了太湖的叶绿素a浓度,结果表明,2013年5月13日太湖叶绿素a浓度日变化显著,高值区主要集中在竺山湾、梅梁湾、贡湖湾,低值区主要集中在湖心区以及南部区域,10:00以后太湖西南部沿岸的叶绿素a浓度显著降低.这种先分类后反演的方法对于二类水体的模型反演精度的提高具有重要作用.     

基于稀疏表达的水体遥感反射率高光谱重构及其应用

高光谱重构技术可以有效地突破多光谱卫星传感器波段设置的限制,获得更多更有效的地物光谱信息.本研究基于稀疏表达方法提出了一种针对水体遥感反射率的高光谱重构算法,以太湖、杭州湾的原位水体光谱数据为数据源,在5种常用水色传感器(Sentinel-2A MSI、MERIS、MODIS Aqua、GOCI以及ⅦRS)上进行了高光谱重构实验,最后将该算法应用于GOCI数据,进行了算法适用性验证.结果表明:(1)基于稀疏表达的高光谱重构算法可以在不利用实测光谱数据的情况下实现高光谱重构,光谱重构精度高于多元回归光谱重构算法;(2)基于稀疏表达的高光谱重构算法在5种水色传感器上都取得了较好的效果,平均相对误差均在10%以下,均方根误差均在0.005 sr-1以下;(3)相比于原始GOCI多光谱数据,经稀疏表达高光谱重构后的GOCI数据在叶绿素a浓度和总悬浮物浓度估算精度上有不同程度提升.其中对叶绿素a浓度估算而言,平均相对误差从80.6%减少至51.5%,均方根误差从12.175μg·L~(-1)减少至7.125μg·L~(-1);对悬浮物浓度估算而言,平均相对误差从19.1%减少至18.8%,均方根误差从29.048 mg·L~(-1)减少至28.596 mg·L~(-1).     

一种基于GOCI数据的叶绿素a浓度三波段估算模型

以标准三波段算法为基础,构建了适用于GOCI影像数据的叶绿素a浓度三波段估算模型.并以三峡水库、巢湖、洞庭湖和太湖水体的289组实测叶绿素a浓度以及光谱数据作为基础,模拟了GOCI影像和MERIS影像波段,率定了模型参数,并与MERIS三波段算法和目前常用的GOCI波段比值算法进行了对比分析,最终用GOCI影像数据进行了独立数据验证.结果表明:1对目前的数据集,680 nm处和660 nm处的色素颗粒物吸收系数具有相对固定的比例关系,比值为1.351;2 GOCI三波段模型在模型率定中,得到与MERIS三波段模型近似的效果,线性拟合的决定系数为0.809,略低于MERIS三波段模型的0.820,但明显优于GOCI比值模型(0.450),有效避免了GOCI波段比值模型中在叶绿素a浓度低值区出现的"扩散"现象,体现出较好的普适性;3通过验证数据集中平均相对误差和均方根误差两个误差指标的对比,发现GOCI三波段模型误差表现与建模数据一致,与MERIS数据接近,明显优于GOCI波段比值模型;4通过GOCI影像的同步验证,发现GOCI波段比值算法会对太湖叶绿素a浓度产生明显的低估,且难以体现叶绿素a浓度空间变异.GOCI三波段算法效果相对较好.相比于目前常用的波段比值算法,GOCI三波段算法具有更高的稳定性和精度,有较强的应用潜力.     

MODIS时序影像的福建近岸叶绿素a浓度反演

叶绿素a(Chl-a)浓度是可以直接遥感反演的重要水质参数之一,常用来评价近岸水体的富营养化程度.为有效监测福建近岸水域中的叶绿素a浓度变化,本文利用MODIS时间序列影像数据,采用适用于小样本数据的机器学习方法随机森林(Random Forest, RF)和传统的特征波段比值(Band Ratio, BR)方法,结合时序浮标观测数据,在浮标观测站点有限的情况下,采用"以时间连续补空间稀疏"的建模策略,分别对福建近岸不同时相叶绿素a浓度进行遥感反演,并对反演结果进行验证与分析.结果显示RF、BR两种方法反演的均方根误差(RMSE)分别为0.49、0.52μg·L~(-1),平均绝对百分比误差(MAPE)分别为37.50%、50.20%,平均决定系数(R~2)分别为0.87、0.21.可见,基于MODIS时序影像的RF模型可较准确估测福建近岸叶绿素a浓度,且精度优于BR模型.在近岸水环境普遍恶化且浮标观测站点有限的情况下,本研究可提供一种有效监测叶绿素a浓度的方法,有利于福建近岸水环境(如赤潮)的遥感监测.     

基于GF-1 WFV影像和随机森林算法的总氮反演研究

基于高分一号卫星影像遥感数据和水库水质实测数据,利用随机森林回归算法建立遥感反射率与总氮浓度的定量反演模型,以获取东风水库总氮浓度的时空分布情况,进而对水库总氮污染情况进行分析.结果 表明,总氮反演模型精度较高,决定系数R2为0.879,均方根误差为0.169 mg/L,但仍有提升空间.将模型运用于2016-2018年GF-1 WFV影像遥感数据,反演得到东风水库总氮浓度时空分布情况.结果 表明,2016年水库总氮浓度呈波动性变化,2017-2018年除个别月份外,水库总氮浓度整体呈下降趋势.从水质标准来看,水库总氮浓度介于Ⅲ～Ⅴ类水质标准,且存在富营养化风险.从不同季节变化情况来看,春冬季总氮浓度较高,夏秋季浓度较低.从空间差异性来看,区域变化规律性不太明显.     

基于GF-1 WFV影像和BP神经网络的太湖叶绿素a反演

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价湖泊水体的富营养化程度.太湖是典型的二类水体,光学性质复杂,应用一类水体线性反演模式拟合较为片面且难以找到最佳拟合模型.BP神经网络模型具有模拟复杂非线性问题的功能.为研究高分一号卫星16m多光谱相机WFV4结合BP神经网络进行太湖叶绿素a浓度监测的可行性,实验利用GF-1 WFV4影像和实时的地面采样数据,建立了BP神经网络模型,同时采用波段比值经验模型进行对比.经精度检验,BP神经网络模型预测值与实测值之间的可决系数R2高达0.9680,而波段比值模型的R2为0.9541,且均方根误差RMSE由波段比值模型的18.7915降低为BP神经网络模型的7.6068,平均相对误差e也由波段比值模型的19.16%降低为BP神经网络模型的6.75%.结果证明,GF-1 WFV4影像应用BP神经网络模型反演太湖叶绿素a浓度较波段比值模型精度有所提高.将经过水体掩膜的GF-1 WFV4影像用于训练好的BP神经网络反演太湖叶绿素a浓度分布,结果显示,叶绿素a高浓度区集中分布在湖心区北部、竺山湾、梅梁湾区域,与之前的研究一致.本文研究结果验证了采用BP神经网络模型对GF-1 WFV4影像进行太湖叶绿素a浓度反演的可行性.     

黄河口悬浮物浓度Landsat8 OLI多波段反演研究

黄河口海域悬浮物浓度,是研究黄河输沙和近岸水体生态环境的重要水质参数.之前的浓度反演模型主要采用一元二次函数或幂函数等单参数形式,利用2011年夏冬两季同步观测的遥感反射率和悬浮物浓度,本文给出了一种针对Landsat8 OLI传感器的两参数线性模型.该模型需两个输入参数,每个参数都是两个波段的光谱比值.结果表明:OLI传感器的近红外(波段5)光谱、以及它与蓝绿波段(波段1,2或3)的光谱比值,是黄河口海域悬浮物浓度反演的敏感波段,可用于建立单参数经验模型;除了敏感波段外,本研究的模型还用到红绿波段的光谱比值(波段4与波段3的比值),因而能够更好地表征光谱随悬浮物浓度的变化关系;其决定系数,均方根误差和平均相对误差分别为0.98,43.53mg·L~(-1)和20.97%,优于单参数经验模型,而且受误差影响小,因而更适合黄河口海域悬浮物浓度反演.     

面向GF-1WFV数据的闽江下游叶绿素a反演模型研究

叶绿素a浓度是可直接遥感反演的重要水质参数之一,常用来评价水体的富营养化程度.为建立适合于闽江下游叶绿素a浓度的反演模型,利用地面采样数据,结合GF-1 WFV光谱响应函数,选用多元回归、BP神经网络和随机森林方法,构建了叶绿素a浓度反演模型;并根据验证数据与实测值之间的决定系数(R~2)、均方根误差(RMSE)和平均相对误差对模型反演结果进行了比较.结果发现,随机森林模型的R~2为0.895,RMSE为1.994 mg·m~(-3),平均相对误差为11.502%,是3种模型中最优的.为了评估模型的性能,进一步比较了WFV影像像元反射率反演的叶绿素a浓度值与相应的实测值.结果表明,随机森林模型同样具有较高的精度,其R~2为0.709,RMSE为3.540 mg·m~(-3),平均相对误差为25.616%.本研究可为闽江下游水环境的监测提供一定的理论依据和技术参考.     

基于稀疏表达的水体遥感反射率高光谱重构及其应用

高光谱重构技术可以有效的突破多光谱卫星传感器波段设置的限制,获得更多更有效的地物光谱信息。本研究基于稀疏表达方法提出了一种针对水体遥感反射率的高光谱重构算法,以太湖、杭州湾的原位水体光谱数据为数据源,在5种常用水色传感器(Sentinel-2A MSI、MERIS、MODIS Aqua、GOCI以及VIIRS)上进行了高光谱重构实验,最后将该算法应用于GOCI数据,进行了算法适用性验证。结果表明:(1)基于稀疏表达的高光谱重构算法可以在不利用实测光谱数据的情况下实现高光谱重构,光谱重构精度高于多元回归光谱重构算法;(2)基于稀疏表达的高光谱重构算法在5种水色传感器上都取得了较好的效果,平均相对误差均在10%以下,均方根误差均在0.005sr-1以下;(3)相比于原始GOCI多光谱数据,经稀疏表达高光谱重构后的GOCI数据在叶绿素a浓度和总悬浮物浓度估算精度上有不同程度提升。其中对叶绿素a浓度估算而言,平均相对误差从80.6%减少至51.5%,均方根误差从12.175μg·L-1减少至7.125μg·L-1;对悬浮物浓度估算而言,平均相对误差从19.1%减少至18.8%,均方根误差从29.048 mg·L-1减少至28.596 mg·L-1。     

太湖水体固氮速率时空变化

使用乙炔还原法及原位模拟对太湖水体的固氮作用进行季节性研究.结果表明,太湖水体的平均固氮速率为1.53 ng·L~(-1)·h~(-1),年固氮量为10.73 t.比较不同湖区的固氮速率可发现:梅梁湾、竺山湾等北部湖区是水体固氮作用的热点区域,而其他如湖心区、贡湖湾等水体的固氮作用较微弱.太湖水体固氮作用表现出明显的周期性季节特征,4个季节的固氮速率分别为0.10 ng·L~(-1)·h~(-1)(春季)、5.88 ng·L~(-1)·h~(-1)(夏季)、0.14 ng·L~(-1)·h~(-1)(秋季)和5.62×10-5ng·L~(-1)·h~(-1)(冬季).太湖水体中固氮蓝藻生物量是导致固氮速率空间差异的主要原因(p0.05);同时,固氮速率与水温之间的极显著正相关关系(p0.01)也证明了温度对固氮速率季节差异的影响.     

太湖水体及表层沉积物磷空间分布特征及差异性分析

通过对水体不同程度富营养化湖泊——太湖全湖40个位点的高密度采样分析,得到太湖水体及表层沉积物各污染因子在太湖的空间分布特征图,结果表明,太湖水体中SRP、TP、TN及沉积物中TOC、TN、TP及P的各形态等在空间上表现出明显的分异性,水体中污染物主要分布于竺山湾、五里湖、梅梁湾及太湖西部等湖区,TN、TP最低值为0.05、0.88mg·L-1.沉积物中Fe-P的分布与水体中TP类似,含量在29.13～258.31mg·kg-1之间变化.Ca-P除主要分布于南部太湖及东太湖外,西北部湖区也见大量蓄积,最高值达357.68mg·kg-1.OP的高值分布于西北部湖区,最高值达371.91mg·kg-1.沉积物中IP占TP的含量高于OP,最高值高出OP含量约50%.IP中Fe-P的比例虽然低于Ca-P,但与水体中SRP、TP之间的高度相关性(R为0.49、0.64),指示Fe-P的内源释放为太湖水体中磷的重要来源之一.而沉积物中TOC与C/N、TN、TP及P的各形态之间的显著相关性,表明了高有机质含量更利于对营养盐的蓄积埋藏.太湖水体及表层沉积物各指标空间上表现出如此明显的区域性差异,除受不同湖区入湖污染源直接作用外,还和各参数不同的生物地球化学行为有关.     

太湖梅梁湾全氟化合物污染现状研究

采用超高效液相色谱-三重四极杆串联质谱/质谱法研究了太湖梅梁湾表层水中全氟化合物(Perfluorinated Compounds,PFCs)的污染水平及空间分布特征.结果表明,梅梁湾表层水中总PFCs浓度范围为50.06～87.53ng·L-1,均值为66.57ng·L-1.PFHxA、PFOA和PFOS是太湖梅梁湾最主要的PFCs,其浓度范围分别为17.34～32.52ng·L-1、7.26～15.57ng·L-1和3.47～8.06ng·L-1.PFHxA、PFOA和PFOS占总PFCs含量的59.33%;梅梁湾表层水中总PFCs含量的空间分布特征总体上呈现东部高于西部的趋势,这可能是由梅梁湾的水动力条件和污染源分布不同所致.     

基于太湖微囊藻毒素的叶绿素a阈值研究

以探讨叶绿素a(Chl-a)阈值为主要目的于2013年6~10月间每月在太湖采样,通过固相萃取超高效液相色谱串联质谱法对水体中3种微囊藻毒素(MC-LR、MC-RR、MC-YR)进行检测.利用SPSS软件分析各种形态的微囊藻毒素(MCs)与总氮(TN)、总磷(TP)、Chl-a、高锰酸盐指数等富营养指标的相关性,分析了MC-LR、MCs与Chl-a的关系.结果表明,太湖MCs污染较严重,其浓度的空间分布特征为:梅梁湾>贡湖、西部沿岸区>湖心区>胥湖区、南部湖区,并以MC-LR浓度最高;相关性分析表明MC-LR、MC-RR、MC-YR及MCs均与高锰酸盐指数、TN、TP、Chl-a呈极显著正相关(P<0.01).结合饮用水中MC-LR和MCs的标准限值分析得出,太湖Chl-a的阈值是12.26 mg·m-3,与美国北卡罗莱纳州湖泊的Chl-a标准值比较属于安全阈值,具有一定的科学性.     

滨海地区混盐水体富营养化主因子识别与分析——以天津市清净湖为例

水质与水体营养化程度密切相关,提炼识别其中的主要影响因素并合理控制是水体富营养化防治的有效途径.我国滨海地区地表水咸化问题突出,混盐水体(含盐量500~30000 mg·L-1)众多,其中,许多混盐水体还同时面临富营养化加剧及水华的威胁.因此,本文以天津滨海地区典型混盐水体清净湖为研究对象,通过对其水环境监测数据的统计学分析,结合藻类生长模拟实验,对其富营养化主要影响因子进行识别与分析.结果表明,总磷和矿化度为清净湖藻类生长的主要影响因子,叶绿素a浓度与矿化度呈显著负相关关系,与总磷呈显著正相关关系,以总磷和矿化度为自变量的多元线性回归模型可较好地预测叶绿素a动态.水体含盐量在15000~25000 mg·L-1的范围适宜藻类生长增殖,而当盐度小于10000 mg·L-1或大于30000 mg·L-1时,藻类生长受到抑制;在清净湖当前氮浓度水平下,磷含量增加会促进藻类生长增殖,藻类生长速率呈P3组(10∶1,氮磷比)P4组(5∶1)P2组(20∶1)P1组(50∶1)P0组(无磷培养液),氮磷比为10∶1时最适宜藻类生长.     

太湖不同湖区轮虫群落结构季节变化的比较研究

2006年7月～2007年6月对太湖不同湖区(河口区、梅梁湾、太湖湖心区和贡湖湾)轮虫的季节变化进行了比较研究.整个研究期间,河口区、梅梁湾、太湖湖心区和贡湖湾轮虫种类数分别为23、15、14和21;河口区轮虫的年平均密度最高,为475个·L-1,梅梁湾最低,为164个·L-1,太湖湖心区为189个·L1-,贡湖湾为338个·L-1.4个湖区优势种不同,河口区轮虫优势种为萼花臂尾轮虫(B.cdyciflorus),梅梁湾为角突臂尾轮虫(B.angularis),太湖湖心区和贡湖湾优势种都是针簇多肢轮虫(P.trigla).食物的不同以及大型浮游甲壳动物的抑制作用,可能是太湖4个湖区轮虫群落结构不同的重要原因.相关分析表明,轮虫数量与枝角类数量、枝角类生物量和桡足类生物量极显著负相关;轮虫数量与透明度显著正相关.结果表明,太湖4个不同湖区轮虫群落结构不同.     

北运河下游典型河网区水体中氮磷分布与富营养化评价

选择北运河下游典型河网区(闸坝多、水流慢和湖库化)为研究对象,通过为期1 a的水质监控,阐述了河网区氮、磷的时空变化特征,并利用对数型幂函数普适指数公式对其水体营养状态进行了评价.结果表明,河网区水体中TN平均质量浓度为12.50 mg.L-1(NH4+-N占67.41%),TP为1.45 mg.L-1(SRP占80.81%).河网区水体中氮、磷的时空分布特征明显,TN和NO 3--N质量浓度随季节变化特征趋于一致,NH 4+-N稍有不同;TP和SRP质量浓度随季节变化特征基本一致.从河网区进水带至出水带,水体中氮、磷质量浓度均呈逐渐下降趋势,其中TN、NH4+-N和NO3--N平均质量浓度分别从19.30、13.22和2.19mg.L-1降至7.98、4.45和1.50 mg.L-1;TP和SRP分别从1.95和1.59 mg.L-1降至1.11和0.91 mg.L-1.富营养化评价综合指数表明,河网区水体在时空尺度上均处于"极富"营养状态.     

太湖化学耗氧量和生化需氧量的时空分布特征

基于2009年2月(冬季)、5月(春季)、8月(夏季)、11月(秋季)全太湖32个站点的化学耗氧量(COD)、生化需氧量(BOD)、溶解性总氮(DTN)、溶解性总磷(DTP)、浮游植物色素数据,分析了太湖COD、BOD的时空分布特征,并探讨了影响COD、BOD时空分布的因素.结果表明,2009年太湖COD值为3.40～6.16mg·L-1,平均值为(4.38±0.72)mg·L-1;BOD为0.64～5.93mg·L-1,平均值为(1.91±1.63)mg·L-1.COD值在秋冬季节较高,其值显著大于春夏季(p0.001);而BOD值冬季较高,其它季节都较低.COD与BOD的空间分布格局相似,呈现出自竺山湾、太湖西北沿岸区向梅梁湾区、湖心区、东南湖湾区依次递减的趋势.分类统计结果显示,河口沿岸区COD、BOD值显著高于开敞水域区(p0.001).相关性分析结果表明,COD、BOD与DTN、DTP、浮游植物色素的相关性存在季节性差异.夏季浮游植物色素浓度与COD、BOD相关系数最高,说明夏季浮游植物降解对水体内COD和BOD的贡献要高于其它季节.COD与BOD的时空分布特征主要受降雨量、河流输入、"引江济太"及太湖浮游植物活动等的影响.     

太湖不同营养水平湖区表层沉积物的砷分布特征及其生态风险

以太湖不同营养水平湖区为研究对象,采用改进的砷(As)形态连续提取法对表层沉积物中As的化学形态进行分析研究,探讨了沉积物中总砷(TAs)和As形态的分布特征及其与沉积物中营养盐和总有机碳(TOC)的相关性,并利用潜在生态风险评价(Eir)和风险指数编码法(RAC)评估了各湖区沉积物中As的生态风险水平.结果表明,各湖区表层沉积物中TAs的平均含量约为14.23~16.59 mg·kg~(-1),其中,竺山湾的TAs平均含量相对最高.As形态表现出明显的空间分布特征,其中,北部富营养湖区(竺山湾、梅梁湾、贡湖湾)中的有效态As(非专性吸附态和专性吸附态)与潜在有效态As(无定形氧化铁结合态、晶体形氧化铁结合态、有机结合态)的含量与百分比均高于中营养水平的南太湖,而北部湖区的残渣态As含量则低于南太湖.Pearson相关分析结果显示,除晶体形氧化铁结合态As和残渣态As外,沉积物总氮(TN)、总磷(TP)和TOC与其他As形态均存在显著的正相关关系.潜在生态风险评价结果表明,各湖区沉积物TAs均处于低风险;而RAC评价结果表明,各湖区沉积物的有效态As基本处于中等风险水平,且北部湖区的RAC指数均明显高于南太湖.