晁明燦,趙強(qiáng),楊鐵利,謝發(fā)之
(1遼寧科技大學(xué)土木工程學(xué)院,遼寧 鞍山 114051;2安徽建筑大學(xué)環(huán)境與能源工程學(xué)院,安徽 合肥 230601)
內(nèi)陸湖泊在城鎮(zhèn)化進(jìn)程中具有不可替代的作用,然而隨著城鎮(zhèn)化進(jìn)程加快,內(nèi)陸湖泊環(huán)境容易受人類活動(dòng)的影響,湖泊的富營養(yǎng)化問題日益突出,導(dǎo)致藍(lán)藻水華大量繁殖,破壞了湖泊的生態(tài)平衡,降低內(nèi)陸湖泊的使用功能[1]。因此,如何對內(nèi)陸湖泊的藍(lán)藻水華進(jìn)行精準(zhǔn)化監(jiān)測和預(yù)警防治是當(dāng)前湖泊污染治理的重要問題。傳統(tǒng)的湖泊藍(lán)藻水華監(jiān)測手段成本高、效率低,近些年來,一些內(nèi)陸湖泊雖然布設(shè)了檢測站,能全天對水質(zhì)進(jìn)行監(jiān)測,但局限于監(jiān)測的范圍,不能反映整片湖泊的水質(zhì)情況,遙感技術(shù)應(yīng)用于湖泊藍(lán)藻水華的監(jiān)測可以解決這一問題。
目前國內(nèi)外學(xué)者使用MODIS、MERIS、NOAA/AVHRR等衛(wèi)星數(shù)據(jù)對內(nèi)陸湖泊及沿岸海域的藍(lán)藻水華監(jiān)測取得了比較好的效果[2]。Gower等[3]利用海洋水色衛(wèi)星對墨西哥海灣的藻類進(jìn)行遙感監(jiān)測,段洪濤等[4]基于MODIS、CBERS-2等多源遙感數(shù)據(jù)對太湖藍(lán)藻水華的遙感監(jiān)測方法進(jìn)行了探究,唐曉先等[5]基于MODIS數(shù)據(jù)分析了2010–2015年的巢湖藍(lán)藻水華分布。藍(lán)藻水華實(shí)際提取的結(jié)果會(huì)受到云等天氣條件的影響,為了解決這一問題,一些學(xué)者探索了降低云遮擋影響的提取方法,并取得了較為理想的結(jié)果。張嬌等[6]采用浮游藻類指數(shù)的方法對洱海藍(lán)藻水華進(jìn)行提取,得到洱海藍(lán)藻水華的時(shí)空分布信息,張東彥等[7]基于多源遙感數(shù)據(jù)對巢湖藍(lán)藻水華提取方法進(jìn)行探究,結(jié)果表明浮游藻類指數(shù)(FAI)可以降低云的影響,提高提取精度。
針對于藍(lán)藻水華提取的方法較多,如比值植被指數(shù)(RVI)、差值植被指數(shù)(DVI)、歸一化植被指數(shù)(NDVI)等,其中NDVI和FAI是常用的兩種提取方法,本研究基于Landsat8多光譜數(shù)據(jù),以巢湖為研究區(qū)域,確定提取藍(lán)藻水華的NDVI和FAI閾值,并按照閾值等級劃分,將藍(lán)藻水華強(qiáng)度分為3級,進(jìn)一步地對NDVI和FAI提取方法進(jìn)行對比分析,同時(shí)分析巢湖的藍(lán)藻水華分布及變化,這對巢湖的污染監(jiān)測和防治具有重要意義。
巢湖是我國五大淡水湖泊之一,地處東經(jīng) 117°17.48′E~117°50.58′E,北緯 31°42.67′N~31°25.18′N,西臨合肥市,東接巢湖市,流入巢湖河流共有35條,西半湖入湖河流主要有南淝河、派河、杭埠河、十五里河等,東半湖入湖河流主要有裕溪河、柘皋河等。
選用Landsat8 OLI多光譜數(shù)據(jù)對內(nèi)陸湖泊水體藍(lán)藻水華進(jìn)行提取,主要有三方面原因:1)其空間分辨率為30 m,提取的像元精度較高;2)其多光譜波段中含有FAI所需要的遠(yuǎn)紅外波段;3)Landsat8近紅外波段的光譜分辨率較高,對葉綠素、藍(lán)藻水華更加敏感,可以提高對藍(lán)藻水華的識別能力[8]。為了降低云對提取精度的影響,篩選的數(shù)據(jù)為無云或少云,從美國地質(zhì)調(diào)查局(United states geological survey,USGS)網(wǎng)站下載,研究中共用到的10景影像的過境時(shí)間分別為2013年9月3日、9月19日,2014年10月24日,2015年10月27日,2016年7月25日,2017年9月14日,2018年7月31日、10月3日,2019年8月19日、11月23日。
Landsat8多光譜數(shù)據(jù)預(yù)處理主要包括輻射定標(biāo)、大氣校正、水體提取、影像裁剪等步驟,基于ENVI5.3實(shí)現(xiàn),其中大氣校正是利用FLAASH模塊進(jìn)行處理。
圖1是提取藍(lán)藻水華的流程圖。
圖1 藍(lán)藻水華提取流程圖Fig.1 Flow chart of cyanobacteria blooms extraction
對藍(lán)藻水華提取之前,需要先提取出研究的湖泊區(qū)域,避免非湖泊區(qū)域地物的干擾,常用的水體提取方法有歸一化水體指數(shù)(Normalized difference water index,NDWI)[9]和改進(jìn)的歸一化水體指數(shù)(Modified normalized difference water index,MNDWI)[10]。實(shí)驗(yàn)中采用NDWI對湖泊水體進(jìn)行提取,NDWI是基于綠色波段和近紅外波段構(gòu)建的水體提取模型,具體的表達(dá)式為
式中RGreen為綠色波段反射率,RNIR為近紅外波段反射率?;贚andsat8衛(wèi)星NDWI對應(yīng)的算法為(Rband3? Rband5)/(Rband3+Rband5)。
2.3.1 NDVI提取
NDVI在提取植被信息的應(yīng)用上效果比較理想[11],而聚集的藍(lán)藻水華與植被具有相似的光譜性質(zhì),在紅波段和近紅外波段之間出現(xiàn)“陡坡效應(yīng)”,因此,NDVI可以用于湖泊中藍(lán)藻水華的提取。其計(jì)算公式為
式中RNIR為近紅外波段發(fā)射率,RRED為紅波段反射率。
基于Landsat 8衛(wèi)星,NDVI對應(yīng)的算法為(Rband5?Rband4)/(Rband5+Rband4)。
2.3.2 浮游藻類指數(shù)提取
浮游藻類指數(shù)是Hu[12]在2009年提出來的,是利用水體在紅光波段、近紅外波段、短波紅外波段的吸收特點(diǎn),藍(lán)藻水華在近紅外波段高反射特點(diǎn)構(gòu)建的提取算法,其計(jì)算公式為
式中RRED、RNIR、RSWIR分別為紅光波段、近紅波段、短波紅外波段反射率,λRED、λNIR、λSWIR是對應(yīng)的中心波長,是插值反射率,在紅波段和短波紅外波段采用線性內(nèi)插而得到的近紅波段反射率。
由于藍(lán)藻水華區(qū)和非藍(lán)藻水華區(qū)的光譜特性存在較大差異,在二者邊界附近的像元變化率比較大,通過對像元坡度進(jìn)行統(tǒng)計(jì)分析,可以確定藍(lán)藻水華的提取閾值。以巢湖為研究區(qū)域,選擇2013–2019年的每年一景共7景的無云巢湖過境影像,用于確定藍(lán)藻水華閾值的研究。
圖2是利用NDVI方法確定2013年9月19日巢湖藍(lán)藻水華提取閾值的具體過程,圖2(a)是該天的巢湖NDVI指數(shù)影像,暗處是藍(lán)藻水華區(qū),亮處為清潔水體區(qū);圖2(b)是利用ARCGIS中的SLOPE工具進(jìn)行坡度分析的結(jié)果圖,按照自然間斷點(diǎn)分級法(Jenks)將坡度分為兩類,即高坡度和低坡度,該分類方法基于數(shù)據(jù)中固有的自然分組,對分類間隔加以識別,可對相似值進(jìn)行最恰當(dāng)?shù)姆纸M,并使得各個(gè)類別之間的差異最大化,得到坡度最大差異分界值;圖2(c)是將圖2(b)的坡度圖進(jìn)行重分類,得到的較大坡度處的掩膜圖,對比圖2(a),坡度較大的地方為藍(lán)藻水華于清潔水體分界線處;圖2(d)是NDVI原始影像乘以掩膜圖,得到的藍(lán)藻水華與清潔水體分界處的NDVI值。
圖2 2013年9月19日NDVI閾值提取流程。(a)NDVI影像;(b)坡度圖;(c)高坡度提取圖;(d)藍(lán)藻水華邊界提取圖Fig.2 NDVI threshold extraction flow chart on September 19,2013.(a)Image of NDVI,(b)image of slope,(c)image of high slope,(d)image of cyanobacteria bloom boundary
對藍(lán)藻水華與清潔水體分界處的NDVI值進(jìn)行統(tǒng)計(jì),利用INDVI<0的值排除水體、懸浮泥沙等像元干擾,利用INDVI>0.2的值排除已經(jīng)確定的藍(lán)藻水華像元[7]。對最后得到的NDVI值進(jìn)行統(tǒng)計(jì)分析,利用均值減去二倍標(biāo)準(zhǔn)差就可以確定單張影像提取藍(lán)藻水華的NDVI閾值,一些學(xué)者利用該方式確定提取藍(lán)藻水華的閾值已經(jīng)得到成功應(yīng)用[13]。FAI閾值確定方法同NDVI閾值的確定相似,對藍(lán)藻水華與清潔水體分界處的FAI值進(jìn)行統(tǒng)計(jì),利用IFAI0.01和IFAI>0.02的閾值分別排除水體和已經(jīng)確定的藍(lán)藻水華像[12],再利用均值減去二倍標(biāo)準(zhǔn)差確定單張影像提取藍(lán)藻水華的FAI閾值。研究中參與閾值確定的影像共7景,對7景影像的藍(lán)藻水華提取閾值進(jìn)行平均處理,得到基于Landsat8多光譜數(shù)據(jù)提取藍(lán)藻水華的統(tǒng)一閾值。表1是單張影像NDVI和FAI提取閾值的統(tǒng)計(jì)結(jié)果。經(jīng)計(jì)算,NDVI提取藍(lán)藻水華的閾值約為?0.1,FAI提取藍(lán)藻水華的閾值約為?0.0026。
表1 單張影像藍(lán)藻水華的提取閾值Table 1 Extraction threshold of cyanobacteria bloom in single image
參考相關(guān)文獻(xiàn)中對藍(lán)藻水華強(qiáng)度的等級劃分方法[6],利用等間隔法分級NDVI提取藍(lán)藻水華的閾值,將湖泊的藍(lán)藻水華強(qiáng)度劃分為三級:輕度藍(lán)藻水華(?0.1
表2 藍(lán)藻水華分級閾值Table 2 Cyanobacterial bloom grading threshold
選取2013年9月3日的巢湖過境影像對確定的藍(lán)藻水華提取閾值及分級閾值進(jìn)行驗(yàn)證,該天巢湖上空無云,圖3(a)、(b)分別是利用NDVI方法和FAI方法提取的巢湖藍(lán)藻水華分布圖,由圖可知,提取的藍(lán)藻水華分布一致。圖4是利用NDVI方法和FAI方法分級閾值提取的各級藍(lán)藻水華面積,由圖可知,在無云條件下,NDVI方法和FAI方法分級閾值提取的各級藍(lán)藻水華面積非常接近,說明研究中確定的閾值及分級閾值具有很好的精度,對不同強(qiáng)度的巢湖藍(lán)藻水華具有較好的區(qū)分效果,對巢湖藍(lán)藻水華的精準(zhǔn)監(jiān)測發(fā)展具有重要意義。
圖3 NDVI(a)和FAI(b)提取藍(lán)藻水華的影像對比Fig.3 Comparison of images of cyanobacteria bloom extracted by NDVI(a)and FAI(b)
圖4 NDVI和FAI分級閾值提取的藍(lán)藻水華面積對比Fig.4 Comparison of cyanobacteria bloom area extracted by NDVI and FAI classification threshold
圖5(a)是2018年7月31日的巢湖標(biāo)準(zhǔn)假彩色影像,圖5(b)、(c)分別是利用NDVI方法和FAI方法提取的巢湖藍(lán)藻水華分布圖,圖5(a)中圈出的部分是當(dāng)天巢湖上空的云,對比圖5(b)、(c),FAI方法提取藍(lán)藻水華時(shí)可以有效抑制云的干擾,而NDVI方法提取藍(lán)藻水華時(shí),將云誤判成藍(lán)藻水華,經(jīng)計(jì)算,NDVI提取的藍(lán)藻水華面積比FAI指數(shù)提取的藍(lán)藻水華面積多出約11.57 km2。研究表明,在有云條件下,FAI識別藍(lán)藻水華的能力更強(qiáng),提取的藍(lán)藻水華精度更高。
圖5 標(biāo)準(zhǔn)假彩色影像(a)、NDVI(b)和FAI(c)提取的藍(lán)藻水華影像的對比Fig.5 Comparison of images of standard false color(a),cyanobacteria bloom extracted by NDVI(b)and FAI(c)
藍(lán)藻水華的形成會(huì)經(jīng)歷越冬休眠,春季至秋季復(fù)蘇、生長、集聚上浮的階段[5],秋季巢湖湖面會(huì)形成大面積藍(lán)藻水華,綜合考慮云量、數(shù)據(jù)獲取性、過境時(shí)間等因素,選擇2013、2014、2018、2019年的秋季巢湖過境影像,分析時(shí)隔5年的巢湖藍(lán)藻水華空間分布變化。圖6(a)、(b)、(c)、(d)分別是利用FAI方法提取的2013、2014、2018、2019年巢湖藍(lán)藻水華分布圖,從圖中可以看到,巢湖西半湖及沿岸水域的富營養(yǎng)化一直比較嚴(yán)重,近幾年來,巢湖東半湖的富營養(yǎng)化也日益加重,雖然國家和當(dāng)?shù)卣磕陮Τ埠粻I養(yǎng)化治理的投入不斷加大,但在合肥市、巢湖市快速發(fā)展的背景下,原有的治理方案已經(jīng)不能減弱巢湖藍(lán)藻水華污染,因此,國家和當(dāng)?shù)卣枰鶕?jù)巢湖現(xiàn)在的污染情況及時(shí)調(diào)整治理方案。
圖6 巢湖藍(lán)藻水華分布圖。(a)2013-09-19;(b)2014-10-24;(c)2018-10-03;(d)2019-11-23Fig.6 Distribution map of cyanobacteria bloom in Chaohu Lake.(a)September 19,2013,(b)October 24,2014,(c)October 3,2018,(d)November 23,2019
以巢湖為研究區(qū)域,基于Landsat8多光譜數(shù)據(jù),確定提取藍(lán)藻水華的NDVI閾值和FAI閾值,并對藍(lán)藻水華的提取閾值進(jìn)行分級。同時(shí),對NDVI和FAI兩種藍(lán)藻水華提取方法進(jìn)行對比,并分析了2013–2019年巢湖藍(lán)藻水華分布及變化情況。主要得到以下結(jié)論:1)確定的閾值及分級閾值可以有效地提取巢湖的藍(lán)藻水華,并區(qū)分藍(lán)藻水華強(qiáng)度;2)相比于NDVI提取方法,FAI方法可以識別云,降低云對提取精度的影響;3)通過分析巢湖藍(lán)藻水華分布,巢湖西半湖及沿岸水域富營養(yǎng)化一直較為嚴(yán)重,近幾年來,東半湖的富營養(yǎng)化也日趨嚴(yán)重,這為巢湖藍(lán)藻水華的污染防控和治理方案的調(diào)整提供科學(xué)依據(jù)。4)研究結(jié)果也存在一些不足之處,受衛(wèi)星重訪周期和天氣條件的影響,無法全面分析巢湖藍(lán)藻水華分布變化的規(guī)律和趨勢。