超声提取分光光度法测定地表水浮游植物中的叶绿素a

对研磨法和超声法测定浮游植物中的叶绿素a进行了比较。结果表明,超声法对浮游植物叶绿素a的萃取效率优于研磨法,人为误差小,精密度较高,且简便安全,适宜推广应用。     

基于实测光谱的叶绿素a估测模型

为了有效地监测太湖湖区的富营养化程度，建立一种最佳的估测模型。对太湖水体进行了连续监测，获得了从2004年10月20～29日的实测光谱数据和水质数据。通过实测光谱反射率和叶绿素a浓度的相关分析，得到了叶绿素a反演的最佳波段，并通过比值法、反射峰位置法、峰谷距离法、峰高法和一阶微分法建立了基于实测光谱的叶绿素a浓度的估测模型。通过14个检验点，分别对5种模型进行了对比分析，结果发现，通过比值法建立的估测模型总体误差最小，估测精度最高，其695 nm附近反射峰与677 nm反射谷的比值与叶绿素a浓度之间具有良好的相关性，可决系数R²可达0.7433，可以作为整个湖区叶绿素a浓度的最佳估测模型。最后，应用该模型对该季节湖区的营养化程度做出了总体评价。     

大宁河叶绿素a的因子分值-多元线性回归预测模型研究

自从2003年三峡水库蓄水以后，其支流大宁河水华频发且频率呈上升趋势。叶绿素a(Chla)是指示水体中浮游植物初级生产力的有效指标。采用因子分值-多元线性回归方法研究了大宁河水体11个相关水质因子与Chl a之间的相关关系。因子分析用于简化水质指标之间的相关性，以因子得分（Score values）为自变量用于多元线性回归分析中。结果发现log（Chla）与6个因子分值明显相关，所获得多元线性回归模型为：log(Chl a)=0.579-0191×(Score 1)-0.013×(Score 2)-0.013×(Score 3)+0042×(Score 4)+0134×(Score 5)-0.059×(Score 6)，相关系数 R= 0.731、相关系数的平方 R ²=0535，说明自变量可以解释因变量53.5%的差异性。实测数据验证结果表明：该模型能够较好的预测2010年1～10月水体中Chl a浓度的峰值和基本变化趋势     

基于Landsat8影像的Himawari-8叶绿素a空间降尺度研究

新型地球静止气象卫星Himawari-8由于空间分辨率较低,其叶绿素a产品难以满足空间异质性高的近岸海域水质监测要求。为了克服这个限制,基于非线性的随机森林算法,利用陆地资源卫星Landsat8的波段反射率数据和Himawari-8的叶绿素a产品,通过构建降尺度模型,以提高Himawari-8的叶绿素a数据的空间分辨率。结果表明,2个秋季模型和2个冬季模型的模型决定系数(R²)分别达到0.6、0.72、0.71和0.85;均方根误差(RMSE)为别为1.47,1.05,1.89,0.76mg/m³。通过实测站点数据对比分析表明,降尺度模型生成的叶绿素a与葵花叶绿素a数据具有较高的一致性,R²达到了0.81,能较好的反映近岸海域叶绿素a浓度的空间变化特征。     

查干湖叶绿素a浓度高光谱定量模型研究

叶绿素a含量能够在一定程度上反映水质状况,利用高光谱遥感可获得叶绿素a的诊断性光谱特性,较好解决了常规遥感中出现的问题.利用野外高光谱仪在查干湖进行了反射光谱测量和同步水质采样分析,通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,尝试采用多种半经验算法建立叶绿素a高光谱定量模型.结果表明:单波段光谱反射率与叶绿素a浓度的相关系数较小,不宜用于估算叶绿素a浓度,反射率比值法和一阶微分法与叶绿素a线性相关程度都比较高,决定系数分别为0.71和0.48,而且其显著水平p<0.01,皆可以用于叶绿素a的定量遥感,但反射率比值算法模拟效果好于一阶微分算法.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础.     

滇池水体中叶绿素A含量的遥感定量模型

本研究利用滇池1999年4月14日陆地卫星TM数据与准稿步全湖面监测资料，对滇池全湖水体叶绿素A含量与不同波段遥感值的关系进行了关联度分析，并据此建立了TM图像感叶绿素A水质模型，该模型被成功地应用于滇池水体叶绿素A的遥感动态监测。     

基于EOS/MODIS资料的太湖藻类动态模拟

建立了太湖藻类生长的动态模型,并将其与水动力模型和水质模型相耦合,利用2001年7～8月太湖的实测资料对模型进行了率定。借助该模型,对2004年8月太湖水体中TN、TP的变化以及藻类生长过程进行了模拟。利用中分辨率成像光谱仪EOS/MODIS的数据对太湖叶绿素a浓度进行遥感定量,将遥感监测数据和模型计算结果进行了比较。结果表明:该模型可进行风生湖流、TN、TP的模拟,以叶绿素a浓度描述的藻类浓度的模拟值能较好地拟合遥感监测值,且遥感监测图和模型模拟图所反映的全太湖叶绿素浓度分布基本一致。最后根据遥感和模拟对太湖全区的藻类分布作了具体的分析。     

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.     

低通时序滤波轨线法在太湖营养过程识别中的应用

环境背景条件变化会导致湖泊ρ（Chla）与环境因子响应关系发生变化.采用低通时序滤波轨线方法可以方便地识别ρ（Chla）与环境因子响应关系的时间转折点,将长时间序列数据进行分段,从而建立分段回归函数,为研究环境因子与湖泊ρ（Chla）的因果关系提供了一种新的思路.以太湖为研究对象,采用低通时序滤波轨线方法,评估了2001—2018年太湖的ρ（Chla）与营养盐〔ρ（TN）、ρ（TP）〕以及氮磷比〔ρ（TN）/ρ（TP）〕的变化过程,研究了年均气温、滞留时间对产藻效率〔ρ（Chla）/ρ（TP）〕的影响过程.结果表明:①2006年、2011年为太湖营养过程轨线的两个时间转折点,将太湖的营养过程轨线分为3段.第1段为污染阶段（2001—2006年）,太湖的ρ（TN）、ρ（TP）、ρ（Chla）同步升高,于2006年达到第一个峰值;第2段为修复阶段（2006—2011年）,太湖的ρ（TN）、ρ（TP）、ρ（Chla）同步降低,于2011年达到谷值;第3段为富营养化加剧阶段（2011—2018年）,太湖的ρ（TN）呈下降趋势,ρ（TP）与ρ（Chla）同步升高,至今未出现转折点.②太湖藻类生长的限值因子为ρ（TP）,2011年之后氮磷比进入浮游藻类适宜生长区,为蓝藻暴发提供了条件.③2011—2018年产藻效率增长了51%,且目前仍在升高未出现转折点,气温升高可能是主要原因.④依据2011—2018年的滤波值建立ρ（Chla）-ρ（TP）的函数预测,为控制蓝藻暴发〔ρ（Chla） < 10 mg/m3〕,太湖的ρ（TP）需要控制在52 μg/L以下.⑤2006年后,太湖的滞留时间呈现缩短趋势,对藻类的繁殖形成抑制,但滞留时间不是影响产藻效率的关键因子.研究显示:自2006年太湖流域实施一系列生态修复工程后,湖泊氮浓度明显降低,但由于流域氮磷排放量较大而且湖体沉积物中累积磷含量较高,致使水体营养盐水平仍未降到能显著抑制蓝藻生长的水平;目前气温升高趋势仍在持续,太湖的控藻形势严峻,为摆脱气候变暖对蓝藻水华趋势的决定作用,应当在控氮基础上加大控磷的力度,同时更多考虑水文调节、生物修复、加强打捞等措施.      

崇明北湖叶绿素a浓度与环境因子的GAM回归分析

以崇明北湖为例,采用广义加性模型(GAM)对该湖的叶绿素a浓度与相关环境因子进行分析.结果表明,叶绿素a浓度与总氮、总磷和水温之间存在较好的非线性关系(P<0.05),叶绿素a浓度与总磷之间的关系先为单调递增,当总磷浓度达到0.12mg/L时,变为单调递减;不同总氮浓度区间上,总氮对叶绿素a浓度的影响不同,氮浓度为0.6~1.8mg/L时,对叶绿素a浓度的影响不大;水温在24~26℃时,叶绿素a浓度最高.叶绿素a浓度与氮磷比之间也存在较好的非线性关系(P<0.1),氮限制时,叶绿素浓度与氮磷比呈反比;磷限制时,叶绿素a浓度随着氮磷比单调递减.