环境一号卫星多光谱数据在巢湖蓝藻动态监测中的应用

2014-04-26陈春波周宝同田永中陈正龙

中国环境监测 2014年1期

陈春波，周宝同，田永中，陈正龙，高凡

1．西南大学地理科学学院，重庆 400715

2．安徽省淮南市国土资源局，安徽淮南 232007

环境与灾害监测预报小卫星星座A、B星(HJ1A/1B)的主要任务是对灾害、生态破坏、环境污染进行大范围、全天候、全天时动态监测，为紧急救援、灾害救助及恢复重建提供科学依据［1-2］。在HJ1A/1B星的对地监测中，归一化植被指数(NDVI)表达了植被吸收光和有效辐射的比例，对植被的生长势、生长量非常敏感，可以反映地表植被的繁茂，一定程度上能够代表地面植被覆盖变化［3］。蓝藻在光谱上具有明显的植被特征，因此可以用植被指数来监测蓝藻暴发情况。该研究采用2012年5月10日至2012年6月20日HJ1A/1B的多光谱(CCD)数据(HJ1A/1BCCD数据)提取巢湖湖域蓝藻的归一化植被指数，开展巢湖蓝藻的遥感监测研究。

1 研究区概况

巢湖是我国著名的五大淡水湖之一，位于安徽中部(117°16'54″E ～ 117°51'46″E、31°25'28″N ～31°43'28″N)，长江流域下游左岸［4］。在多年平均水位8.37 m时，巢湖湖盆长61.7 km，宽1 247 km，水面769.55 km2，平均水深289 m。以忠庙-姥山-新河口为界分东、西2个半湖，湖泊半封闭，水体为中度富营养化状态，加上面积大、流速慢、水体稀释扩散自净能力差，尤其在夏秋季，极易出现藻类暴发生长［5］。

2 数据来源和研究方法

2.1 数据选择

研究采用的遥感影像数据为中国资源卫星运用中心提供的二级产品。相对于其他中高分辨率卫星传感器，HJ1-CCD具有幅度大、时间分辨率高等优点，尤其适合蓝藻信息的提取、监测及预测。USGS提供的 landsat 7数据的时间分辨率低、且带有条带，增加了数据处理的难度。其他数据(如 GB、SPOT、IKONOS等)虽然分辨率高，但是价格高。在研究时段考虑到巢湖天气尤其整块厚云的影响，最终选用的数据为6景。

2.2 影像预处理

2.2.1 辐射校正

辐射校正可以提高遥感系统获取的地物表面光谱反射率、辐射率或者后向散射测量值的精度。辐射校正包括辐射定标和大气校正，对HJ1A/1BCCD数据首先进行从DN值到Radiance值的定标，同时进行Layer stacking(波段合成)。以中国资源卫星运用中心发布的影像元数据和HJ1A/1B-CCD数据的波普响应函数为依据进行大气校正［6-7］，反演地物真实反射率。图1(a)为中国资源卫星应用中心提供的原始数据，图1(b)为辐射校正后遥感数据。

2.2.2 几何精校正

中国资源卫星运用中心提供的卫星数据质量虽为“Level 2”，但要与其他的数据联合使用，还要进行几何精校正。在ENVI中，采用Registration(Select GCPs：Image to Map)进行校正［8］，数据坐标主要来自Google Earth Pro专业版，重采样方法为双线性内插，校正精度控制在10 m之内，即等于1/3个像元。

2.2.3 数据裁剪

从已进行了辐射校正、几何精校正的影像数据中依次提取巢湖湖区，完成基础数据的预处理。如图2所示，其中5月10日、5月16日、5月28日的数据为自然真彩(波段3、2、1的组合)，6月12日、6月13日、6月20日的数据为标准假彩(波段4、3、2 的组合)。

图2 HJ1A、B-CCD影像数据——巢湖湖区

2.3 研究方法

2.3.1 计算并修正归一化植被指数

归一化植被指数(NDVI)的计算公式［9］：式中为近红外波段，为红色波段。针对巢湖蓝藻的变化，研究还采用增强型植被指数(EVI)对NDVI进行修正。根据巢湖的实际情况，研究对EVI的算法进行了改进，公式［10］：

式中：C1、C2为2 个经验系数，分别为 6.0、7.5，增益系数G为2.5为蓝色波段。该算法增强了对高生物量区域的敏感性，并降低大气的影响以提高对植被的检测能力，计算并修正归一化植被指数结果如图3所示。

图3 巢湖蓝藻的归一化植被指数

2.3.2 研究时段蓝藻分布情况

式中i=1、2、3分别代表时间点。为反映巢湖湖域蓝藻NDVI的平均分布状态，特划分为5个等级［11］：当NDVI≤0.1 时，为极低密度区;0.1 ＜NDVI≤0.25时，为低密度区;0.25＜NDVI≤0.4时，为中密度区;0.4＜NDVI≤0.6时，为较高密度区;NDVI＞0.6时，为极高密度区。

2.3.3 研究时段蓝藻变化程度

式中NDVIcij为第i个时间点相对第j个时间点的NDVI，NDVIi和NDVIj分别为第i个时间点和第j个时间点的NDVI。为反映NDVI变化的程度，划分为如下的级别［13］：当NDVI＞0.25时，为严重退化;当 0.15＜NDVI≤0.25时，为中度退化;当0.05＜NDVI≤0.15时，为轻微退化;当－0.05＜NDVI≤0.05时，为无变化;当－0.15＜NDVI≤－0.05时，为轻微改善;当－0.25＜NDVI≤－0.15时，为中度改善;当NDVI≤ －0.25时，为高度改善。

2.3.4 研究时段蓝藻变化速度

为了更加直观地反映巢湖蓝藻的变化速度，这里引入土地利用动态变化速度分析算法［14］，结合研究实际对其中的变量进行了重新定义，规定动态度的大小为蓝藻在该水域的平均变化情况及变化速度，计算公式［15］：

采用差值法量化2个时间点NDVI的变化，叠加各时间段的变化，得出该时段巢湖湖域蓝藻的变化程度，计算公式［12］：

式中：K为蓝藻的变化动态度;At1为蓝藻在某位置初期的水域面积，km2;At2为蓝藻在某位置末期的水域面积，km2;t1为变化初期，a;t2为变化末期，a。

3 结果与分析

3.1 巢湖蓝藻NDVI的空间变化分析

按式(1)计算出巢湖湖域蓝藻NDVI的平均空间分布(如图4)，以此划分巢湖为东、西2个湖区，鉴于西区较东区复杂，遂分为西一区、西二区、西三区、东一区、东二区。在该研究时段，蓝藻极高密度区主要为片状分布于西一区沿岸，高密度区主要分布在西一区、西二区及东二区沿岸，中密度区主要分布在西二区、西三区和东二区;极低密度区呈大面积团状，重点位于东一区、低密度区位于东一区、西三区。其中极高密度区面积54.17 km2，占巢湖的 6.89%;高密度区面积 116.51 km2，比例15.10%;中密度区面积为196.52 km2，比例25.47%;低密度区面积为327.43 km2，比例42.43%;极低密度区面积为 78.04 km2，比例10.11%。

图4 巢湖蓝藻平均空间分布

3.2 巢湖蓝藻NDVI的动态变化程度

根据式(2)计算巢湖蓝藻在研究时段的变化程度(如图5)，分为7个级别，其中严重退化区的面积为35.01 km2，占总面积的4.54%，主要分布在西一区;中度退化区面积为 21.19 km2，占2.76%，在东一区单独分布，其余各区均围绕严重退化区成条带形环状分布;轻微退化区面积为55.98 km2，比例 7.25%;无变化区的面积为115.53 km2，比例 14.97%，轻微改善的面积为159.29 km2，比例20.64%，无变化区和轻微改善区“成团”或“零星”分布在东一湖区中、西部以及以此邻接的西三湖区的东、中部;中度改善的面积为145.70 km2，比例18.88%，呈零星的条带状围绕高度改善区分布;高度改善区的面积为238.97 km2，比例30.97%，主要呈片状分布在西三区、西二区、西一区，东一区、东二区则是零星块状分布，西一区、西二区呈整块片状分布。

图5 巢湖蓝藻动态变化程度

3.3 巢湖蓝藻NDVI的动态变化速度

依据式(3)计算蓝藻的变化速度(见图6)，整个研究时段变化速度最快(即得到改善)主要分布在东一区的中、西部，西三区的东北部、西北部;变化速度快的湖域主要围绕变化速度最快的区域呈条带或零星的环状分布，集中在东一区大部、西三区东北部、西北部和西二区西南部沿岸及西三区的东南沿岸，东一、二区的南部沿岸;无变化区同变化速度快的分布大体一致;改善速度最慢的湖域主要呈片状集中在西一区、西二区、西三区的中部及南部，东二区东北部则呈小面积的团状;变化速度慢的湖域在巢湖均有分布，在西一区、西二区、西三区南部、东二区东北部呈环状分布。

图6 巢湖蓝藻动态变化速度

4 讨论

计算研究时段巢湖湖域的NDVI空间分布，在此基础上划分巢湖湖区，可以得到：蓝藻极低密度区及低密度区分布主要集中在东湖区(东一区)、西三湖区，两者面积为405.47 km2，占巢湖湖域总面积的52.54%;蓝藻暴发的区域主要集中在西湖区(西一区、西二区)、东湖区有小面积的条带沿岸分布。

研究时段内，巢湖湖域改善(包括高度改善、中度改善及轻微改善湖域)的面积约为543.96 km2，占 70.49%，加上无变化的湖域面积约659.50 km2，比例为85.46%。西湖区改善的程度高于东湖区，西一区、西二区改善后呈大面积的片状分布;无变化区则主要分布在东一区中西部及西三区东、中部;虽然西湖区改善的区域比例大，但是部分区域也呈严重退化的程度。

综合分析表明，西湖区应以治理为主，东湖区则着重监测、预防。西湖区重点治理的湖域为西一区沿岸及向湖中延伸的区域，因为该区域是蓝藻分布的极高密度区，不仅呈严重退化趋势，而且改善的速度慢。东湖区应以监测预防为主，开展小区域治理：在东一区中部以监测预防为主，因为该区蓝藻为极低密度区，有轻微退化趋势;东二区的东、中、南为高密度区，中度退化程度，并且更新速度较慢，应在治理的基础上加强监测。

［1］王桥．环境一号卫星环境应用系统工程及其关键技术研究进展［J］．环境监控与预警，2009，1(1)：31-36．

［2］金焰，张咏，牛志春，等．环境一号卫星CCD数据在太湖蓝藻水华遥感监测中的应用［J］．环境监测管理与技术，2010，22(5)：53-56．

［3］TuckerJ． Red and photographic infrared linear combinations for monitoring vegetation［J］．Remote Sensing of the Environment，1979，8(2)：127-150．

［4］刘淑英，牛志春，徐升．巢湖富营养化遥感监测［J］．环境监测管理与技术，2010，22(4)：55-57．

［5］周先传徐升．巢湖蓝藻水华遥感监测初探［J］．中国环境监测2010，26(3)：36-39．

［6］王桥，吕恒，李硕，等．基于环境一号卫星的流域水环境评价和模拟［M］．科学出版社，2011：22-44．

［7］邓书斌．ENVI遥感图像处理方法［M］．北京：科学出版社，2010．

［8］李晓娟，刘晓萌，胡德勇，等．ENVI遥感影像处理教程［M］．北京：中国环境科学出版社，2007．

［9］曾志远．卫星图像计算机分类与滴血运用研究［M］．北京：科学出版社，2004．

［10］John R．Jensen．遥感数字影像处理导论［M］．北京：机械工业出版社，2007．

［11］田永中，徐永进，黎明，等．地理信息系统基础与实验教程［M］．北京：科学出版社，2010．

［12］袁雷，杜军，周刊社．西藏怒江河谷流域NDVI变化与主要气候因子的关系［J］．草业科学，2010(8)：52-58．