水是生命之源, 而湖泊是地球上最重要的淡水资源之一, 是湖泊流域地区经济可持续发展和人们赖 以生存的重要基础[1]. 目前, 我国内陆湖泊面临的一个主要问题是水体的富营养化[2], 其重要特征是藻类 物质, 特别是蓝藻大量繁殖. 蓝藻异常生长, 极易堆积、腐烂沉降, 形成水华, 在河口以及近岸淤积[3], 不 仅破坏水体景观和生态系统平衡, 而且由于蓝藻在生长过程中释放毒素, 消耗溶解氧, 引起水体生物大 量死亡, 湖泊水质恶化, 严重威胁了湖泊周围地区的饮水安全[4]. 如2007年5-6月, 由于太湖蓝藻爆发, 无锡重要水源地贡湖南泉水厂取水口遭受严重污染, 导致100多万人饮水困难. 因此, 快速、全面掌握蓝 藻分布信息, 对于控制蓝藻水华、评价蓝藻生态环境风险、研究蓝藻异常生长的原因以及建立水质的预
J. Lake Sci.(湖泊科学), 2008, 20(2): 145-152 . E-mail: jlakes@ ©2008 by Journal of1, 张寿选 1, 张渊智 2
但明显高于清洁水体和植被; 在近红外波段(Band2, 5,
6, 7), 蓝藻与水体有较大差异, 更接近于植被光谱特
征, 尤其在 Band2(841-876nm)出现植被的“陡坡效应”,
之后形成近红外高台. 由于太湖水体范围确定, 蓝藻
提取过程中可以排除太湖周边及其岛屿植被的干扰,
因此如何区分蓝藻与水体, 特别是浑浊水体的光谱特 征, 是利用 MODIS 数据成功提取蓝藻分布信息的关 键[16-18].
aY
(1)
式中: RW 为水面反射率; bW、bS和bP分别为水、无机悬浮物质和藻类物质的后向散射系数; aW、aS、aP和 aY 分别为水、无机悬浮物质、藻类物质和黄色物质的吸收系数. 各物质的吸收、后向散射系数均可分别 写成比吸收系数、比后向散射系数和相应物质浓度的乘积[11].
蓝藻水华爆发, 水体中叶绿素 a 含量显著增加. 藻华水体叶绿素 a 浓度与 440nm、680nm 吸收系数呈
波段组合算法, 是本文研究的重点.
1.2 遥感数据及其处理方法
1.2.1 遥感数据 通过调查太湖蓝藻历史爆发时段, 分别选取部分蓝藻存在时段内的 EOS MODIS/Terra(空
间分辨率 250m、500m、1km)、CBERS-2 CCD(空间分辨率 19.5m)、Landsat ETM(空间分辨率 30m)、以
146
J. Lake Sci.(湖泊科学), 2008, 20(2)
警系统都非常重要[5]. 遥感技术提供了快速大范围监测蓝藻的可能. 蓝藻水华爆发, 水体中叶绿素含量显著升高, 导致水
体光谱特征发生变化. 蓝、红光反射率降低; 近红外波段具有明显的植被特征“陡坡效应”, 反射率升高; 同时荧光峰位置向长波方向移动[6-7]. 通常蓝藻覆盖区域光谱特征与无藻湖面有较为明显差异. 李旭文等 基于TM数据研究发现植被差异指数(DVI)对藻类的含量反映灵敏[8]; 黄家柱和赵锐等曾成功利用TM数据 监测1998年8月11日太湖蓝藻爆发情况[9]; 胡雯等建立了基于FY-lC/CAVHRR数据的巢湖蓝藻叶绿素a含 量遥感估算模型. 但是, 这些研究的卫星数据源都相对单一. 蓝藻爆发周期长, 变化快, 数据需求急, 单 一遥感数据已经无法满足实际需求. MODIS数据具有较高的时间分辨率(Terra和Aqua白天分别过境一次) 和光谱分辨率, 且有长时间序列数据, 可以生产几乎实时的图像, 但是其空间分辨率较低; CBERS-1、 TM、ETM以及IRS-P6 LISS3数据拥有较高的空间分辨率, 但是其光谱分辨率低, 重返周期长[10], 很难满 足蓝藻监测和预警要求的实效性. 如果综合利用这些数据, 扬长避短, 采用MODIS长时间序列数据, 重 点时间和区域采用中巴资源卫星CBERS-2 CCD、Landsat TM /ETM、IRS-P6 LISS3等较高空间分辨率数 据, 将能更好的满足蓝藻监测和预警需要. 因此, 如何利用多源遥感数据, 建立准确、快速提取蓝藻的方 法, 是目前蓝藻遥感面临的一个主要问题. 而利用蓝藻光谱特征, 针对不同遥感数据源, 研究提取蓝藻 分布范围和面积的方法, 对于蓝藻遥感监测具有重要的现实意义. 本文利用MODIS、CBERS-2 CCD、 ETM以及IRS-P6 LISS3等遥感影像, 尝试研究适合不同数据源的太湖蓝藻提取方法, 为今后快速获取蓝 藻分布信息, 建立太湖蓝藻水华预警系统奠定基础.
红外进行了重新排序(图 1). 其中, 蓝藻选自蓝藻水华
带上典型像元, 浑浊水体选自大太湖水体浑浊水体像
元, 清洁水体选自东太湖, 而植被选自西山岛上典型
森林植被像元(图 2(a)). 在可见光范围内 (Band 3, 4,
1), 蓝藻水华与混浊水体的光谱特征类似, 均在绿光
Band 4 波段内形成反射峰, 峰值大小没有显著差别,
Cyanobacteria bloom monitoring with remote sensing in Lake Taihu
DUAN Hongtao1, ZHANG Shouxuan1 & ZHANG Yuanzhi2
(1: State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, CAS, Nanjing 210008, P.R.China)
(2: Institute of Space and Earth Information Science, The Chinese University of Hong Kong, Shatin, NT, Hong Kong, P.R.China)
Abstract: It is significant that remote sensing methods is used for monitoring cyanobacteria bloom in Lake Taihu, since it breaks out frequently each year. Based on spectral characters of cyanobacteria bloom, different algorithm including single band, band subtraction and band ratio, were used for bloom mapping, with different instruments such as the MODIS/Terra, CBERS-2 CCD, ETM and IRS-P6. They noted that all these sensors were able to detect cyanobacteria bloom, while the algorithm of band ratio between infrared and red band has a stable correlation with blooms, and it can be developed into a universal pattern. Except that, spatial cyanobacteria bloom concentrations were separated into five classes based on digital number values (DNs) in ETM and IRS-P6 Band 4. This study showed that satellite observations was effectively applied to cyanobacteria bloom monitoring and early-warning for Lake Taihu. Keywords: Cyanobacteria bloom; satellite monitoring; multi-source data; Lake Taihu
正相关关系, 水体可见光波段 440nm、680nm 反射率减小, 吸收峰增加; 藻华水体叶绿素 a 浓度与位于
700nm 附近的反射峰高度呈正相关关系, 也与 690-740nm 区间的荧光峰位置红移呈正相关关系[12-13]; 同
时, 近红外波段具有明显的植被特征“陡坡效应”, 反射率升高[6]. 因此, 基于这些显著光谱特征的波段或
用 1:50000 地形图进行几何精纠正, 误差均在 0.5 个像元之内. 本研究只针对各数据单幅影像, 且主要为
了获取蓝藻空间分布信息, 因此没有进行大气纠正.
段洪涛等: 太湖蓝藻水华遥感监测方法
147
2 结果与讨论
2.1 MODIS
2007 年 4 月 25 日太湖水域各类典型地物光谱特征曲线, MODIS 按照其波段分布特征从可见光到近
(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, 南京 210008) (2: 香港中文大学太空与地球信息科学研究所, 香港 沙田)
摘 要: 利用遥感技术监测太湖蓝藻水华具有重要的现实意义. 基于不同遥感数据, 包括 MODIS/Terra、CBERS-2 CCD、ETM 和 IRS-P6 LISS3, 结合蓝藻水华光谱特征, 采用单波段、波段差值、波段比值等方法, 提取不同历史时期太湖蓝藻水华. 结果 表明: MODIS/Terra 数据可以利用判别式 Band2>0.1 和 Band2/Band4>1 提取蓝藻水华; CBERS-2 CCD、ETM 和 IRS-P6 LISS3 数据可以利用 Band4 大于一定阈值和 Band4/Band3>1 提取蓝藻水华; 波段比值(近红外/红光>1)算法稳定, 可以发展成为蓝藻 水华遥感提取普适模式. 同时, 本文成功利用 ETM 和 IRS-P6 LISS3 数据 Band4 波段对蓝藻水华空间分布强度进行了五级划 分. 这为今后利用遥感技术, 建立太湖蓝藻水华监测和预警系统奠定了基础. 关键词: 蓝藻; 卫星监测; 多源数据; 太湖