查干湖富营养化状况高光谱遥感评价研究

通过分析查干湖水体水质参数与其高光谱反射特征之间的响应关系,采用单波段与波段比值等算法分别建立了湖水水质的高光谱定量反演模型;同时结合修正营养状态指数(TSIM)模型,针对水质参数的实验室数据和高光谱模型模拟数据,对查干湖富营养化程度进行了监测和评价,并进行了验证.结果表明:1)利用高光谱监测模型对湖泊富营养化状况进行监测和评价,能够获取较为准确的评价结果;2)单项指数评价法由于只针对一个指标进行评价,不适合用来进行水体富营养化评价,采用修正营养状态指数TSIM(AVE)方法,可以对查干湖水体富营养化程度进行正确的评价.评价结果显示,查干湖水体处于富营养化状态,需要采取措施防止进一步恶化.     

基于实测光谱的杭州湾悬浮物浓度遥感反演模式

悬浮物是我国近海水质遥感监测的主要参数之一.利用ASD地物光谱仪测量杭州湾水体的反射光谱,同步采集表层水样获取悬浮物浓度,模拟水色卫星MODIS和MERIS的波段设置提取遥感反射率,基于人工神经网络分别建立2种悬浮物浓度的遥感反演模式.实测结果表明,杭州湾水体中悬浮物浓度较高,泥沙含量远远大于叶绿素浓度,平均值分别为705 mg/L和1.164 mg/m³;2个监测站位的悬浮物浓度表现出时空上的差异,尤其是随潮汐变化的短周期变异十分显著;实测水体反射率光谱曲线在650～700 nm之间与800 nm附近分别出现峰值,光谱曲线一阶微分结果显示第一反射峰的位置随着悬浮物浓度增大向长波方向移动.基于神经网络建立的模拟算法充分利用了卫星不同通道的光谱信息,可以同时模拟水体中色素与非色素悬浮物的浓度,模型取得了较好的拟合效果,R²均大于0.95,可以应用于实际卫星遥感反演,尤其是MERIS数据,因其具有相对较高的空间分辨率,在近海水环境遥感监测中的应用前景更为广阔.     

环境遥感

衰减系数,同时测定了浊度、叶绿素、有机质和总悬浮物浓度。使用高分拼率光谱数据选择最佳遥感波段。研究了叶绿素一a,菌叶绿素一。和总悬浮物浓度遥测算法.720nm处反射率高度和670~95onm间面积被用于评估叶绿素一a(r,)。.83).780~goonm间面积被用于估算菌叶绿素一a(r,>0.94)。约57onm处及400~gsonm间的反射率被用于评估总悬浮物(rZ>0.82)。文章首次报告了废水水质定t遥感评价研究的结果。图7表2参23(孙启宏译)X87 X832 9803389氧化塘和水库中废水水质的定量近地遥感:Naan系统的案例研究=Quantitative near一sur-faee remote sensing of w…     

环境质量评价与环境监测 环境遥感

X87200701413查干湖富营养化状况高光谱遥感评价研究/段洪涛(中科院东北地理与农业生态研究所)…∥环境科学学报/中科院生态环境研究中心.-2006,26(7).-1219~1226环图X-9通过分析查干湖水体水质参数与其高光谱反射特征之间的响应关系,采用单波段与波段比值等算法分别建立了湖水     

不同方法估算太湖叶绿素a浓度对比研究

基于2006-01-07～2006-01-09和2006-07-29～2006-08-01太湖地面实测高光谱数据以及同步水质参数数据,对比分析了三波段模型、两波段模型、反射峰位置法、一阶微分法4种方法用于估算太湖叶绿素a浓度的精度,并讨论其应用于遥感影像中估算叶绿素a浓度的可行性. 2次采样3类水色参数总悬浮物、叶绿素a浓度和有色可溶性有机物在440 nm处吸收系数的变化范围分别为12.24～285.20 mg·L^-1、 4.83～155.11 μg·L^-1和0.27～2.36 m^-1.前述4种方法在反演太湖水体的叶绿素a浓度时都取得较高的精度;决定系数分别为：0.813、 0.838、 0.872、 0.819,均方根误差分别为：13.04、 12.12、 13.41、 12.13 μg·L^-1;相对误差分别为：35.5%、 34.9%、 24.6%、 41.8%.反射峰位置法估算精度最高,但应用到叶绿素a浓度遥感影像估算比较困难.三波段模型和两波段模型的反演结果优于传统的一阶微分法,且在卫星遥感反演中具有良好的应用前景.根据模拟MERIS数据,分别得到最优三波段模型［R^-1(665)-R^-1(709)］×R(754)和两波段模型R(709)/R(681),其决定系数、均方根误差、相对误差分别为0.788、 13.87 μg·L^-1、 37.3%和0.815、 12.96 μg·L^-1、 34.8%,反映了MERIS数据能非常好地应用于太湖这类浑浊二类水体叶绿素a浓度的精确估算.     

二龙湖富营养化状态高光谱遥感评价研究

通过对二龙湖水体高光谱反射率、归一化以及一阶微分反射率与叶绿素a(Chl-a)进行相关分析,确定与其相关性最好的波段,对Chl-a浓度进行反演。同时,波段比值法也用于反演Chl-a浓度。研究结果表明,单波段模型以及波段比值建立的模型精度均较高,而基于波段比值法的模型验证精度更高(R~2=0.71)。基于高光谱反射率数据,选择敏感波段,对透明度(SDD)、总磷(TP)和总氮(TN)浓度进行反演,结果表明基于原始数据所建模型精度较为理想。结合综合营养状态指数法和营养状态分级指标,对二龙湖的富营养状态进行评价,结果显示,基于高光谱数据反演二龙湖富营养化程度的精度较高(r=0.88),湖水呈现中营养化状态。     

基于Sentinel-2 MSI影像的秦皇岛海域叶绿素a浓度遥感反演

基于2013-2018年秦皇岛海域实测遥感反射率和叶绿素a浓度数据,建立了该海域Sentinel-2MSI影像的叶绿素a浓度遥感反演模型。结果表明：443 nm、490 nm和560 nm处的等效遥感反射率比值与叶绿素a浓度相关系数普遍高于其他波段或组合,通过经典的OC3Mv6算法拟合分析,得到秦皇岛海域叶绿素a浓度遥感反演的最佳算法,R²=0.804,MAPE=40.2%,RMSE=4.73 mg/m³;利用2016年7月6日的实测叶绿素a浓度数据对Sentinel-2 MSI遥感反演结果进行了真实性检验,MAPE=35.9%,可以满足应用要求;采用2020年2月、5月、7月及10月Sentinel-2 MSI影像进行叶绿素a浓度反演,发现春、夏季秦皇岛海域叶绿素a浓度梯度变化显著,而秋、冬季叶绿素a浓度分布相对均匀,且春、夏季沿海海域叶绿素a浓度明显高于秋、冬季。     

辽东湾MODIS生物光学算法研究(Ⅰ)算法适用性评估

辽东湾是典型的复杂二类水体,我们利用2002～2004年在辽东湾现场实测的叶绿素a数据(分光法、荧光法和HPLC法),以及水面之上法现场实测的离水辐射率和遥感反射率数据模拟的MODIS各相应波段值对MODIS海洋水色算法进行了评估.评估的MODIS生物光学算法有四个,即CZCS_pigm、chlor_MODIS、chlor_a_2和chlor_a_3算法.结果表明,两个一类水体生物光学算法(CZCS_pigm和chlor_MODIS)反演值与分光法和荧光法测试分析结果相比,算法均低估了叶绿素a浓度,与HPLC分析结果相比算法高估了叶绿素a浓度;两个二类水体算法(chlor_a_2和chlor_a_3)与所有叶绿素a分析方法相比,均高估了叶绿素a浓度.根据MODIS生物光学算法在辽东湾的具体表现,我们认为HPLC法分析的叶绿素a浓度更适合于作为海洋水色算法评估的现场检验依据.叶绿素a浓度的反演值和实测值之间较低的相关系数则显示MODIS两个一类水体算法所采用的波段比值不适合本海区.     

太湖水域叶绿素a浓度的遥感反演研究

利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型.结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型.第3、第17波段的波长范围分别为459nm～479nm、890nm～920nm,这一波段选择与以往使用TM数据得到的结论有所不同.     

基于集合均方根滤波的太湖叶绿素a浓度估算与预测

叶绿素a浓度作为表征水质状况的重要参数之一,反映了水体富营养化程度和藻类含量,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数.研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法.本研究发展了一个基于集合均方根滤波和风生流的污染物扩散模型的数据同化方案,并结合2010年5月20日的太湖3个浮标观测站点的观测数据进行了同化实验.首先对太湖叶绿素a浓度进行同化估算,然后利用优化后的估算结果对太湖叶绿素a浓度进行了为期6 h的预报.在同化阶段,均方根误差分别从1.58、1.025、2.76降低到了0.465、0.276、1.01,平均相对误差也从0.2降低到了0.05、0.046、0.069.在预报阶段,均方根误差从1.486、1.143、2.38降低到了0.017、0.147、0.23,平均相对误差也从0.2降低到了0.002、0.025、0.019.结果表明,利用集合均方根滤波的数据同化方法可以有效地提高太湖叶绿素a浓度的估算与预报精度.     

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.     

鄱阳湖微囊藻毒素时空分布格局及其与理化和生物因子的关系

本文分别于2012年4月(春季)、8月(夏季)、10月(秋季)和2013年1月(冬季)在鄱阳湖进行了4次野外调查和样品采集,采用超高效液相色谱-串联质谱仪(UPLC-MS/MS)对鄱阳湖水柱中常见的3种微囊藻毒素(MC-RR、MC-YR和MCLR)的质量浓度进行定量分析,探寻了微囊藻毒素(microcystins,MCs)质量浓度的时空变化规律及其与湖泊环境理化因子和生物因子之间的关系.结果表明,MC-RR是鄱阳湖MCs的主要毒素种类.胞内微囊藻毒素(intracellular MCs,IMCs)与微囊藻生物量(r=0.47,P0.01)、颤藻生物量(r=0.68,P0.01)、蓝藻生物量(r=0.56,P0.01)、Chl-a(r=0.28,P0.01)之间均具有显著的正相关关系,但与鱼腥藻生物量之间没有明显的相关关系(P0.05),这说明微囊藻和颤藻是鄱阳湖微囊藻毒素的主要产毒藻类.IMCs与水温(r=0.51,P0.01)、透明度(r=0.69,P0.01)、Fe(r=0.43,P0.01)和Zn(r=0.43,P0.01)之间均呈现显著的正相关关系,与TN(r=-0.44,P0.01)、TP(r=-0.29,P0.01)、NO-2-N(r=-0.28,P0.05)、NH+4-N(r=-0.33,P0.05)、Ca(r=-0.34,P0.01)和Mg(r=-0.35,P0.05)均呈现显著的负相关关系,但与pH、PO3-4-P、NO-3-N、电导率、高锰酸盐指数、Cu离子之间的相关关系不显著(P0.05),这说明光照强度(透明度反映)、氮、磷、水温是控制鄱阳湖微囊藻毒素产生的重要因子,金属离子Ca、Mg、Fe、Zn在一定程度上能影响微囊藻毒素的产生.鄱阳湖IMCs和胞外微囊藻毒素(extracellular MCs,EMCs)呈现相似的季节变化趋势,即夏季最高,其次为秋季,冬季和春季较低.鄱阳湖IMCs的空间分布整体上呈现东部湖汊群、松门山周围以及蚌湖和蚌湖进入鄱阳湖的入湖口较高,其它区域较低的趋势,而EMCs的高值区位于松门山周围和蚌湖及其入湖口.     

基于GAM模型的太湖叶绿素a含量与环境因子相关性分析

随着富营养化程度的加剧,太湖近30年来水华频发.为了探讨太湖西部沿岸水华暴发与环境因子的关系,于2017年4月1-18日（当地历年蓝藻暴发早期）在太湖西部沿岸进行了密集原位调查.共采集样品72个,测定了水温、溶解氧、各形态氮、磷营养盐浓度以及风速等环境指标,并利用GAM（广义相加模型）定量分析了叶绿素a含量与各环境因子间的关系.结果表明:①叶绿素a含量波动幅度较大（17.10~795.89 mg/m3）,太湖西部沿岸带有明显的蓝藻水华暴发现象.②水温、风速以及硝态氮浓度与叶绿素a含量的变化显著相关（P<0.05）,各环境因子按其对叶绿素a含量变化的解释率排序为水温>风速>硝态氮浓度.其中水温是影响叶绿素a含量最为重要的环境因子,叶绿素a含量随着水温的升高呈现明显上升趋势.风速也是影响叶绿素a含量的关键因子之一,较低的风速（<3 m/s）有利于蓝藻的漂移集聚从而形成水华,引起叶绿素a含量的升高.研究显示,GAM模型较好地解释了叶绿素a的含量变化,模型总体解释度达到70.6%,可为太湖西部沿岸蓝藻水华早期的预测预警提供一定的基础支撑.      

大型通江湖泊有色可溶性有机物对不同水文情景的响应

鄱阳湖和洞庭湖作为我国面积最大的两个通江湖泊,其湖体水质变化对长江干流水质以及湖区周围居民用水安全至关重要.通过三维荧光-平行因子分析得到4个荧光组分,研究两个湖泊的有色可溶性有机物(CDOM)光谱组成在丰、平和枯这3种水文情景下的变化规律,试图揭示鄱阳湖和洞庭湖CDOM来源及组成对不同丰枯情景的响应机制.结果表明:不同水文情景对鄱阳湖CDOM水质参数影响更为显著,CDOM吸收系数a(254)和溶解性有机碳(DOC)浓度表现为丰水期平水期枯水期(t-test,P0.01),CDOM光谱吸收斜率S_(275-295)表现为枯水期平水期丰水期(t-test,P0.01),洞庭湖a(254)在不同水文情景下差异不显著,比紫外吸收系数SUVA_(254)最大值出现在平水期.平行因子分析法解析三维荧光光谱得到4个荧光组分,枯水期两湖CDOM类蛋白组分贡献率较大,平水期类蛋白组分及类腐殖酸组分贡献率大致相当,丰水期两个湖泊类腐殖酸贡献率占主要部分.在空间分布上,枯水期鄱阳湖4个组分的荧光强度在上游南部湖区偏小,北部偏大,丰水期反之,东洞庭湖4个组分的荧光强度在空间差异上表现为枯水期大于丰水期.鄱阳湖DOC浓度对水位的响应更明显(r~2=0.99,P0.01),东洞庭湖类色氨酸组分C2与水位呈显著性负相关关系(r~2=0.99,P0.05).鉴于此,应根据鄱阳湖、洞庭湖CDOM在不同水文情景下的响应特征,有针对性地对湖区水质进行管理.     

人类活动对查干湖PAHs沉积历史及来源的影响

对查干湖湖心沉积岩芯中16种美国环保署（US EPA）优控多环芳烃（PAHs）含量进行分析,辅以²¹⁰Pb和¹³⁷Cs年代测定,重建查干湖1877—2017年PAHs沉积历史,通过正定矩阵因子分解模型（PMF）定量判别污染源,通过随机影响模型（STIRPAT）和通径分析方法定量分析人类社会经济参数与PAHs沉积历史的影响机理.研究表明：PAHs含量为305.90~1214.42 ng·g^-1,3~4环为优势组分.140年来,PAHs含量变化总体表现为缓慢波动、剧烈波动、快速增加的趋势,20世纪60年代,沉积物中PAHs总量及各组分开始呈较频繁的波动性增大,于2011年达高峰值.查干湖沉积物中PAHs的来源为生物质及煤燃烧、化石燃料燃烧、交通源和石油泄漏,其中燃烧源为主要来源.松原市人口总量和第二产业占GDP比值每提高1%,沉积物中PAHs沉积通量将分别增加8.11%和2.98%,其中能源消费总量通过第二产业占GDP比值对PAHs沉积通量的影响最大.     

基于GF1_WFV的千岛湖水体叶绿素a浓度时空变化

基于高分一号（GF-1）遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演（R²=0.8976）;年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态.     

基于GF1_WFV的千岛湖水体叶绿素a浓度时空变化

基于高分一号（GF-1）遥感影像以及水体实测样点数据,运用波段对数组合,以千岛湖为研究对象,构建和择优了叶绿素a浓度反演模型,对2013~2019年千岛湖区域水体叶绿素a浓度值进行了估算,并利用变异系数、Mann-Kendall显著性检验模型、Theil-Sen趋势分析模型对其时空变化特征进行了分析.研究表明,基于波段对数组合的反演模型可用于千岛湖清洁水体叶绿素a浓度值的反演（R²=0.8976）;年际变化分析发现,在研究期限内,千岛湖水体叶绿素a浓度平均值维持在较低水平,近94%的水体像元叶绿素a浓度小于3.65μg/L,水质较佳;时空动态分析进一步发现,千岛湖水体叶绿素a浓度值大都经历了较为微小的波动变化,其中,有超过67%的水体像元浓度值呈现出微小的增长趋势,在分布上也呈现出一定的空间格局形态.     

Quantification of microcystin-producing and non-microcystin producing Microcystis populations during the 2009 and 2010 blooms in Lake Taihu using quantitative real-time PCR

Lake Taihu, a large, shallow hypertrophic freshwater lake in eastern China, has experienced lake-wide toxic cyanobacterial blooms annually during summer season in the past decades. Spatial changes in the abundance of hepatotoxin microcystin-producing and non-microcystin producing Microcystis populations were investigated in the lake in August of 2009 and 2010. To monitor the densities of the total Microcystis population and the potential microcystin-producing subpopulation, we used a quantitative real-time PCR assay targeting the phycocyanin intergenic spacer (PC-IGS) and the microcystin synthetase gene (mcyD), respectively. On the basis of quantification by real-time PCR analysis, the abundance of potential toxic Microcystis genotypes and the ratio of the mcyD subpopulation to the total Microcystis varied significantly, from 4.08× 10⁴ to 5.22× 10⁷ copies/mL, from 5.7% to 65.8%, respectively. Correlation analysis showed a strong positive relationship between chlorophyll-a, toxic Microcystis and total Microcystis; the abundance of toxic Microcystis correlated positively with total phosphorus and ortho-phosphate concentrations, but negatively with TN:TP ratio and nitrate concentrations. Meanwhile the proportion of potential toxic genotypes within Microcystis population showed positive correlation with total phosphorus and ortho-phosphate concentrations. Our data suggest that increased phosphorus loading may be a significant factor promoting the occurrence of toxic Microcystis bloom in Lake Taihu.     

Assessment of pasture production in the Italian Alps using spectrometric and remote sensing information

Three years of summer field studies (2002–2004) were conducted at two sites in the Central Italian Alps. Field spectroradiometer data were acquired on different vegetation typologies where current above ground biomass was measured with traditional agronomic methods. Radiometric measurements were synthesised into a set of spectral vegetation indices. Log-transformed regression analysis between fresh biomass and spectral vegetation indices indicated that soil-adjusted vegetation indices (SAVI, MSAVI and OSAVI) show a better correlation (r² > 0.60) than more commonly employed indices as SR and NDVI (r² < 0.50). Cross validation procedure showed that a regressive model based on MSAVI index was the most predictive. Analysis of covariance revealed that data from different years and vegetation types significantly influenced the relation, however no improvement in the regressive model was found when data were used separately. After a suitable calibration procedure, a fresh biomass map of the study area was obtained using Landsat-7 imagery. Results showed that the integrated use of field spectral measurements and satellite derived information can provide a valuable support to the assessment of pasture biomass production in alpine environment.