1986—2017年胶州湾水体透明度时空变化及影响因素研究

殷子瑶, 江 涛, 杨广普, 黄 珏, 赵永芳

1986—2017年胶州湾水体透明度时空变化及影响因素研究

殷子瑶1, 2, 3, 江 涛1, 杨广普1, 黄 珏1, 赵永芳4

(1. 山东科技大学, 山东 青岛 266590; 2. 中国科学院 空天信息创新研究院 数字地球重点实验室, 北京 100094; 3. 中国科学院大学, 北京 100049; 4. 中国科学院 海洋研究所 胶州湾生态站, 山东 青岛 266071)

借助遥感技术能够获取长时序大范围数据的特点, 利用1986—2017年的Landsat TM/ETM+/OLI影像, 通过构建基于实测数据的定量反演模型, 分析了32年来胶州湾海域水体透明度的时空分布特征和变化规律, 并探究其主要影响因素。结果表明, 年均水体透明度的变化范围为1.55~2.55 m, 且空间分布规律稳定, 呈现东南高西北低的特点; 季均水体透明度从高到低依次为冬季(2.09 m)、春季(1.83 m)、秋季(1.82 m)、夏季(1.43 m)。利用气象数据及胶州湾流域的土地利用分类/景观格局数据, 从自然环境和人类活动两方面分析影响胶州湾水体透明度时空分布的因素, 发现胶州湾水体透明度与入海径流量、降水量存在显著的负相关关系, 并受到近海养殖区破碎化程度和修建大型人工设施等人为因素的影响。

胶州湾; 水体透明度; 时空分布; 遥感定量反演

水体透明度是表示水体浑浊程度的重要参数, 是反映水体光传输能力的关键生态指标, 也是水质调查中的基本参量。监测水体透明度的时空变化对研究水体光学参数及其理化性质、水环境变化、水体富营养化等都有十分重要的意义[1]。传统的水体透明度监测采用赛克盘法, 监测人员在水面上将黑白相间的圆盘逐渐沉入水中, 直到它消失在监测者的视线之外, 此时视线到水面垂直距离的读数就是水体的透明度。尽管这种方法操作简单, 但是获得的数据不连续, 且实验耗时长、费用高, 同步性和实时性较差。而遥感技术能够做到宏观、及时、准确、周期性地获取大范围的水体透明度分布特征, 尤其是在监测人员较难到达的区域其优势更为明显, 因而逐渐成为监测水体透明度的重要且有效的手段之一[2-3]。

自卫星遥感技术问世以来, 国内外学者提出了多种水体透明度的遥感反演方法, 如Hellweger等[4]利用卫星影像研究了纽约港口的透明度; 王晓梅等[5]建立了黄海及东海透明度的经验反演模型; 丛丕福等[6]通过MODIS数据建立了基于波段比值的辽东湾水体透明度反演模型; 张春桂等[7]以水体的固有光学量为基础, 建立了台湾海峡海域的透明度遥感反演模型; 何贤强等[8]提出了基于光在水中传播理论的透明度半解析反演模型; 李忠平等[9]利用漫衰减系数和遥感反射率建立了水体透明度的半解析模型, 将其应用于Landsat-8数据, 获得了空间分辨率较高的透明度分布图。总的来说, 依据辐射传输理论构建的半分析模型物理基础较好, 但模型形式复杂, 部分参数获取较困难; 而经验模型形式简单且具有较强的针对性, 适用于物理参数缺乏的区域, 已广泛应用于业务化监测工作。

胶州湾的面积不足500 km2, 选择用于研究胶州湾水域透明度的大部分遥感数据空间分辨率较低(例如MODIS数据空间分辨率为1 km), 难以准确地反映面积较小的胶州湾的湾内透明度时空分布的细微变化。因此本文选用1986—2017年间的Landsat TM/ ETM+/OLI影像数据(其空间分辨率为30 m), 基于实测数据和遥感影像构建了胶州湾水体透明度遥感反演模型, 在此基础上得到了胶州湾透明度长时序的时空分布规律和变化趋势; 水体透明度时空动态变化特征成因复杂, 不同因素作用效果差异显著, 本研究在分析胶州湾水体透明度时空分布变化特征的基础上, 探讨了自然环境和人类活动对胶州湾水域透明度的影响。

1 研究区与数据集

1.1 研究区概况

胶州湾位于胶东半岛的南岸, 它以团岛头(36°02′36″N, 120°16′49″E)与薛家岛脚子石(36°00′53″N, 120°17′30″E)的连线为界, 是一个半封闭海湾[10], 被中国北方最大的工业城市之一青岛市所包围。其水底地形变化复杂, 平均水深约7 m, 最大水深约64 m[11]。随着沿岸经济飞速发展, 大量兴建的养殖池、晒盐池、港口、码头、桥梁等人工建筑逐步侵占了胶州湾的面积, 越来越多的海岸线已逐步成为人工海岸线[12]。胶州湾跨海大桥于2007年开始修建, 也在一定程度上改变了原有的水动力环境。人类活动的加剧给该海域的生态环境带来了一定的压力, 胶州湾是研究自然和人为因素对水质变化影响的理想场所, 水体透明度的分布特征将为胶州湾周围海域的水团分析、河流识别、海洋初级生产力、区域海洋学以及环境评价和生态保护规划提供更多信息[13], 然而目前对胶州湾水体透明度的时空分布及其自然和人为驱动力的研究还很缺乏。

1.2 实测数据

胶州湾水体透明度的实测数据来自胶州湾海洋生态系统国家野外科学观测研究站, 观测站点位置如图1所示, 测量方法为赛克盘法, 数据采集时间为1999年11月9日、2008年12月11日、2009年7月15日、2010年12月17日、2013年8月19日、2015年9月10日。共获取1—13号站点与Landsat卫星过境时间相匹配(同一天)的32组实测透明度数据。

1.3 遥感数据

本文使用的Landsat TM/ETM+/OLI数据来自于USGS官网(http: //www.usgs.gov/), 下载了1986—2017年间所有覆盖胶州湾区域的影像共446景, 用于后续的模型构建及时空变化分析。

对Landsat数据的预处理主要是大气校正, Gordon等[14]指出在水色遥感辐射量级中影响最大的就是瑞利散射, 特别是对于较浑浊的近海和内陆水体区域, 仅去除瑞利散射的影响便可以达到大气校正的目的。ACOLITE大气校正算法是专门用于Landsat TM/ ETM+/OLI和Sentinel-2的近海和内陆水体大气校正的一种方法。Vanhellemont等[15]的研究表明扣除瑞利散射的ACOLITE大气校正方法在近岸浑浊水体的遥感反演中取得了成功的应用, 因此本研究采用ACOLITE软件对所有的Landsat影像进行大气校正。

图1 胶州湾及采样站位

1.4 气象数据

本文使用的降水数据是从中国气象数据网(http: // data.cma.cn/)下载的1986—2017年的青岛站每日平均降水量; 本文所采用的径流资料是大沽河南村水文站点的月平均流量[16], 时间范围为1986—2013年。

2 研究方法

2.1 透明度遥感反演原理及模型建立方法

太阳辐射在水中的传播和分布主要受浮游植物、悬浮颗粒物、有色溶解性有机物和纯水四种物质影响, 这些物质决定了水的光谱特性, 其中纯水的吸收特性是稳定的, 因此传感器接收的水的辐射差异主要取决于水中不同组分对光的吸收和散射。因此, 通过遥感定量监测水质参数的关键是分析在一定光谱范围内水的各组分含量差异引起的反射率差异[17]。

在统计学中, 常见的回归方法主要包括单个自变量的线性和非线性回归, 多个自变量的多元回归和主成分回归, 以及在各自变量的数据转换之后进行的各种分析等[18]。因此, 本研究尝试对各波段及波段组合进行分析, 选择最优方法建立胶州湾水体透明度与Landsat数据之间的反演模型。在全部的32组透明度的实测数据中, 利用20组数据及其对应位置的准同步Landsat卫星遥感反射率构建模型, 使用其余12组实测数据检测反演模型的精度和可靠性, 具体的数据信息如表1所示。

表1 实测数据信息

2.2 精度评价

本文的水体透明度算法精度评价指标采用平均相对误差(MRE)和均方根误差(RMSE), 二者的表达式如下:

式中,是透明度的模型反演值,是透明度的实际测量值,代表样本数。

2.3 土地利用分类与景观格局指数

土地利用、覆被变化及景观格局是在全球尺度上进行变化研究的重要方面, 同时也是区域人类活动及其影响的集中体现[19]。因此本文借助了胶州湾流域土地利用分类和景观格局指数来探讨人类活动对胶州湾水体透明度的影响。根据杨广普等[20]的研究成果, 利用决策树将研究区域的土地划分为林地、城镇用地、耕地、水域、未利用土地和养殖区这六种类型(用户精度大于75%, Kappa系数为0.81), 并使用Fragstats 4.1软件计算了1986、1992、2000、2009、2015年的8种常用的景观格局指数分布, 包括拼块类型面积、拼块数量、拼块密度、最大拼块占景观面积比例、边缘密度、景观形状指数、香浓多样性指数、聚合度指数。

3 结果与讨论

3.1 水体透明度遥感反演模型

现有的基于Landsat数据进行水体透明度遥感反演的研究, 常使用其前四个波段或前四个波段的波段组合作为遥感反演因子[21]。本文中, 使用SPSS 22.0来分析Landsat前四个波段及典型波段组合与对应的实测透明度数据之间的皮尔逊相关系数, 结果如表2所示。

可以看到, 前四个波段的反射率越高, 水体透明度就越低, 这是因为当水体较浑浊时, 水中的浮游植物、悬浮颗粒和黄色物质等成分的含量就越高, 因此反射率就会越高。前四个波段与透明度的相关系数都相对较低, 分别为–0.257、–0.423、–0.327、–0.155, 同时波段的线性组合与透明度的相关系数也较低, 说明以单一波段或单一波段的线性组合为基础的反演模型精度较低。

表2 Landsat典型波段及波段组合与透明度的相关性分析

波段比值算法是反演水质参数时的常用方法, 这种方法可以有效减少光照、大气等环境背景对测量结果的影响[22]。本研究中, Landsat波段比值与透明度的相关性如表2所示, 其中第四波段与第三波段遥感反射率的比值与水体透明度的相关系数最高, 为0.660。基于此, 提出了胶州湾水体透明度反演模型:

式中SSD为胶州湾的水体透明度,为Landsat第四波段与第三波段反射率的比值, 该公式的2为0.691, 平均相对误差为17.5%, 均方根误差为0.56 m。同时从图2中能够发现, 实测水体透明度与反演计算出的水体透明度较均匀的分布于1︰1线的两侧, 表明该模型的精度较高, 可以用于反演该海域的水体透明度。

3.2 水体透明度的时空变化

由于大沽河河口处受砂质底部高反射的影响, 无法得到有效的反演结果, 因此对此处的浅水区进行了掩膜处理。此外, 夏季(6—8月)因受到多云多雨天气的影响, 影像数据质量较差且可用影像数量较少, 可能会对最终结果产生一定影响。本文利用公式(3)反演得到了32年来所有的446景影像的水体透明度分布, 并按照年份取平均, 得到了1986—2017年间胶州湾水体透明度逐年空间分布图(图3)和逐年统计结果(图4)。在此基础上, 进一步按照月份、季节对所有影像结果取平均, 得到胶州湾水体透明度的月均值空间分布图(图5)、季度均值空间分布图[图6 (a)、(b)、(c)、(d)]以及年均值空间分布图[图6(e)]。

图2 透明度反演模型的验证

图3 1986—2017年胶州湾水体透明度逐年均值分布

图4 1986—2017年胶州湾水体透明度年均变化

根据水体透明度逐年均值统计结果(图4)可以看出, 32年来胶州湾水体透明度的均值在1.55~2.55 m之间变化, 均值为(1.97±0.58) m, 其中年均值在1993年达到最高, 为2.55 m, 在2008年达到最低, 为1.55 m, 32年来水体透明度的变化规律基本呈现出在波动中下降的趋势(趋势线斜率=–0.005 85<0), 且1996年之后所有年份的平均水体透明度(1.89 m)要明显低于1996年之前所有年份的平均水体透明度(2.13 m)。

分析多年月均水体透明度变化统计结果(图5), 发现6月的平均水体透明度最低, 为1.39 m, 1月的平均水体透明度最高, 为2.22 m, 但各月份中湾内水体透明度呈现出的东南高、西北低的趋势始终存在。图6(a)、(b)、(c)、(d)为1986—2017年胶州湾水体透明度的季节均值变化, 从中看出夏季(6—8月)水体透明度最低, 其平均水体透明度仅为1.43 m, 秋季(9—11月)水体透明度高的海域面积明显大于夏季, 均值达到了1.82 m; 冬季(12月—翌年2月)的水体透明度是四季中最高的, 平均为2.22 m, 春季(3—5月), 水体透明度的均值为1.83 m, 一般低于冬季的透明度。

图5 1986—2017年胶州湾水体透明度月均分布

由1986—2017年的年均、季均、月均水体透明度空间分布图, 可以看出在不同的时间尺度上, 胶州湾水体透明度的空间分布特征类似: 湾内透明度基本呈现出南部高、北部低, 尤其是东南部水体透明度高、西北部水体透明度低的趋势。因此根据年均值的空间分布特征, 可以将胶州湾大致划分成两个区域[图6(e)]。

3.3 影响因素分析

研究表明, 导致水体透明度变化的原因主要有大陆径流、地理位置、降水量、季风活动、浮游生物、悬浮物和人类活动等多种因素[23]。本文利用1986—2017年间的降水、入海径流量和土地利用/景观格局数据, 从自然环境和人类活动两方面对胶州湾水体透明度时空分布的变化进行分析。

图6 胶州湾水体透明度季均(a、b、c、d)和年均(e)分布

3.3.1 入海径流量与降水量

在汇入胶州湾的主要河流中, 大沽河的流域覆盖范围最大, 达到了所有入湾河流总汇水面积的82%[24]。大沽河的河水来源主要是降水, 它是一条典型的雨源性河流。而相关研究表明, 水体透明度与河水的流量、流速呈负相关, 这主要是因为流量越大, 水流的冲刷侵蚀能力越强, 因此运输的沉积物越多, 流域内的悬浮颗粒物含量越多, 透明度降低[25]。

本文所采用的径流资料是南村水文站点的大沽河逐月资料, 时间为1986—2013年[16]。南村水文站处于大沽河流域的下游, 具有长期径流数据, 可以说明流域径流的整体特征[26]。本文采用的降水资料是青岛站的逐日平均降水量, 时间范围是1986—2017年。利用逐月的径流量和逐日降水量资料计算出大沽河的年均径流量和胶州湾的年均降水量, 与年均水体透明度对比, 结果如图7所示。

由图7可以看出, 胶州湾的水体透明度与大沽河的径流量总体上大致呈负相关关系(相关系数= –0.42), 即水体透明度随入海径流量的增加而降低; 同样的, 胶州湾水体透明度的变化趋势与降水量总体上也呈负相关的关系(相关系数= –0.33), 也就是说降水量越多, 水体透明度就越低, 降水量越少, 则水体透明度就会越高。对于透明度与降水之间的关系, 类似的研究成果在青藏高原的当惹雍错湖泊(刘翀[18], 2017)、美国威斯康星地区湖泊(Rose 等[27], 2017)的研究中也有所反映。以上两个研究都证明, 在降水较多时, 水体的透明度会降低; 在降水较少时, 水体的透明度则会增加。

图7 水体透明度与降水量、大沽河径流量的关系

本研究中, 径流量、降水量与胶州湾水体透明度之间的负相关性, 主要是由于流域降水对众多的入湾河流径流量产生了影响, 引起了河流携带物质的变化, 因而对胶州湾的透明度产生了影响。当降水量增加时, 河流携带进入胶州湾的物质含量也随之增加, 导致水体透明度下降; 反之, 由于河流携带物质减少, 水体较清洁, 湾内水体透明度也有所升高。

3.3.2 人类活动

水体透明度也可以从一定程度上反映胶州湾内的生态环境变化, 对环湾城市的发展规划具有重大意义。由2.2节可知, 湾内的水体透明度变化主要集中在沿岸地区, 湾中心的变化较小, 这很可能是因为沿岸区域受生产污染等人为因素影响更直接。而土地利用和景观格局的变化是人类活动改造自然环境最直观的体现, 为了探究人类活动对胶州湾水体透明度的影响, 本文利用3.3节中的方法, 得到了1986—2017年胶州湾流域土地利用类型分类结果(如图8所示), 并在此基础上计算了五个年度的景观格局指数。通过分析发现, 水体透明度与流域内养殖区的最大拼块占景观面积比例和边缘密度均呈现出一定的负相关关系, 具体如表3所示。结合对胶州湾海域的分区结果[图6(e)], 可以发现区域1的水体透明度与其靠近的大沽河、洋河流域内的养殖区边缘密度的相关关系相对比较紧密, 相关系数为–0.435; 而区域2的水体透明度与其靠近的李村河等流域内养殖区的边缘密度等景观指数相关性不强, 其与边缘密度的相关系数仅为–0.149。经统计, 胶州湾有62%的养殖区位于大沽河和洋河流域(区域1)。由此可知, 养殖区的破碎化程度对胶州湾海域的水体透明度变化有一定的影响, 并且养殖区面积越大, 对水体透明度的影响就越显著。

图8 胶州湾流域土地利用类型分类(以2015年为例)

表3 水体透明度与养殖区景观指数的相关系数

另外, 跨海大桥修建期间(2007—2010年), 胶州湾水体透明度较前几年有明显的下降趋势, 并于2008年达到了32年来的最低值, 仅为1.55 m, 大桥修成通车后, 透明度又开始呈现增加的趋势。经统计, 大桥修建前胶州湾水体透明度均值为1.99 m, 大桥修建后水体透明度均值为1.91 m, 而大桥修建期间水体透明度的均值仅为1.84 m。已有相关研究表明胶州湾跨海大桥的修建影响了胶州湾海域的水动力条件[12], 并进一步影响了胶州湾冬季的海冰时空分布规律[28]。由此推测, 修建跨海大桥引起的胶州湾水动力条件的改变, 可能对水体透明度的分布情况也产生了影响。

综上, 胶州湾内水域透明度空间分布之所以呈现出东南高、西北低的趋势, 一方面是因为大沽河、墨水河、白沙河等沿岸河流主要分布在胶州湾的西北部及北部, 因此在有降水现象发生时, 西北部的区域受河流影响更大, 河流的径流量增加导致其水体透明度相对较低; 另一方面, 胶州湾的西北部与内陆接壤, 受生产污染、近海养殖区破碎化程度、大型人工设施修建等人为因素影响大, 而东南部与海相连, 故水体比较清洁, 水体透明度相对较高。

4 结论

本文基于长时序遥感影像, 研究了1986—2017年32年间的胶州湾水体透明度的时空分布规律, 并分析了影响胶州湾水体透明度的因素, 得出以下结论:

(1) 本文利用Landsat系列卫星近红波段和红波段的比值构建了胶州湾水体透明度的反演模型, 初步实现了卫星遥感监测胶州湾水体透明度的目的。结果表明, 遥感反演的水体透明度与实测水体透明度有较好的一致性, 平均相对误差为17.5%, 均方根误差为0.56 m。

(2) 32年来胶州湾的逐年年均水体透明度变化范围为1.55~2.55 m, 平均水体透明度值为(1.97±0.58)m, 透明度随时间的变化规律呈现出在波动中下降的趋势; 空间分布规律稳定, 大体上表现出东南高西北低的分布趋势。

(3) 分析春、夏、秋、冬四季的水体透明度变化, 其中夏季的平均值最低, 为1.43 m, 冬季的平均值最高, 为2.09 m; 分析多年月均水体透明度统计结果, 发现6月的水体透明度均值最低, 为1.39 m, 1月的平均水体透明度最高, 为2.22 m。

(4) 自然环境、人类活动等多种因素共同影响了胶州湾水体透明度的变化趋势。水体透明度与降水量、入海径流量呈现出较显著的负相关关系, 并且受到近海养殖区破碎化程度、大型人工设施修建等人类活动的影响。

[1] 禹定峰, 邢前国, 周斌, 等. 基于环境一号卫星的四十里湾透明度遥感反演[J]. 海洋环境科学, 2014, 33(4): 580-584. Yu Dingfeng, Xing Qianguo, Zhou Bin, et al. Retieval of secchi disk depth in Sishili Bay using the HJ-1B CCD image[J]. Marine Environmental Science, 2014, 33(4): 580-584.

[2] 李颖虹, 王凡, 任小波. 海洋观测能力建设的现状、趋势与对策思考[J]. 地球科学进展, 2010, 25(7): 715-722. Li Yinghong, Wang Fan, Ren Xiaobo. Development trend and strategy of ocean observing capability[J]. Advances in Earth Science, 2010, 25(7): 715-722.

[3] 唐世林, 陈楚群, 詹海刚, 等. 南海真光层深度的遥感反演. 热带海洋学报, 2007, 26(1): 9-15. Tang Shilin, Chen Chuqun, Zhan Haigang, et al. Retrieval of euphotic layer depth of South China Sea by remote sensing[J]. Journal of Tropical Oceanography, 2007, 26(1): 9-15.

[4] Hellweger F L, Schlosser P, Lall U, et al. Use of satellite imagery for water quality studies in New York Harbor[J]. Estuarine, Coastal and Shelf Science, 2004, 61: 437- 448.

[5] 王晓梅, 唐军武, 丁静, 等. 黄海、东海二类水体漫衰减系数与透明度反演模式研究[J]. 海洋学报, 2005, 27(5): 38-45. Wang Xiaomei, Tang Junwu, Ding Jing, et al. The retrieval algorithms of diffuse attenuation and transparency for the Case-Ⅱwaters of the Huanghai Sea and the East China Sea[J]. Acta Oceanologica Sinica, 2005, 27(5): 38-45.

[6] 丛丕福, 曲丽梅, 韩庚辰, 等. 辽东湾海水透明度的遥感估算模型[J]. 地球科学进展, 2011, 26(3): 295-299. Cong Pifu, Qu Limei, Han Gengchen, et al. Remotely sensed estimation model of ocean water transparency in Liaodong Gulf[J]. Advances in Earth Science, 2011, 26(3): 295-299.

[7] 张春桂, 曾银东. 台湾海峡海水透明度遥感监测及时空变化分析[J]. 气象与环境学报, 2015, 31(2): 73-81. Zhang Chungui, Zeng Yindng. Remote sensing monitoring and spatial-temporal change of seawater transparency in Taiwan Strait[J]. Journal of Meterology and Environment, 2015, 31(2): 73-81.

[8] 何贤强, 潘德炉, 黄二辉, 等. 中国海透明度卫星遥感监测[J]. 中国工程科学, 2004, (9): 33-37, 96. He Xianqiang, Pan Delu, Huang Erhui, et al. Monitor of w transparency in the China Sea by using satellite remote sensing[J]. Engineering Science, 2004, (9): 33-37, 96.

[9] Lee Z, Shang S, Qi L, et al. A semi-analytical scheme to estimate Secchi-disk depth from Landsat-8 measure­ments[J]. Remote Sensing of Environment, 2016, 177: 101-106.

[10] 马立杰, 杨曦光, 祁雅莉, 等. 胶州湾海域面积变化及原因探讨[J]. 地理科学, 2014, 34(3): 365-369. Ma Lijie, Yang Xiguang, Qi Yali, et al. Oceanic area change and contributing factor of Jiaozhou Bay[J]. Scientia Geographica Sinica, 2014, 34(3): 365-369.

[11] 王文海. 胶州湾自然环境概述[J]. 海岸工程, 1986, 3: 18-24. Wang Wenhai. Natural environment of Jiaozhou Bay[J]. Coastal Engineering, 1986, 3: 18-24.

[12] Zhang W, Chi W, Hu Z, et al. Numerical study on the effect of the Jiaozhou Bay bridge construction on the hydrodynamic conditions in the surrounding sea area[J]. Coastal Engeering, 2015, 34(2): 40-50.

[13] 高磊, 姚海燕, 张蒙蒙, 等. 青岛近岸海域海水透明度时空变化及与环境因子之间的关系[J]. 海洋学研究, 2017, 35(3): 79-84. Gao Lei, Yao Haiyan, Zhang Mengmeng, et al. Temporal and spatial variation of seawater transparency and its relationship with environmental factors in Qingdao coastal area[J]. Journal of Marine Sciences, 2017, 35(3): 79-84.

[14] Gordon Howard R, Wang Menghua. Surface- roughness conmderations for atmosphere correction of ocean color sensor: The Rayleigh-scattering component[J]. Applied Optics, 1992, 31: 4247-4259.

[15] Quinten Vanhellemont, Kevin Ruddick. Advantages of high quality SWIR bands for ocean colour processing: Examples from Landsat-8[J]. Remote Sensing of Environment, 2015, 161: 89-106.

[16] 高宗军, 宋翠玉, 蔡玉林, 等. 大沽河流域水文要素监测体系建设与实践[M]. 北京: 水利水电出版社, 2017. Gao Zongjun, Song Cuiyu, Cai Yulin, et al. Construction and Practice of Hydrological Elements Monitoring System in Dagu River Basin[M]. Beijing: Water Resources and Electric Power Press, 2017.

[17] Kallio K, Kutser, Hannonen T, et al. Retrieval of water quality from airborne imaging spectrometry of various lake types in different seasons[J]. The Science of the Total Environment, 2001, 268(1/2/3): 59-77.

[18] 刘翀, 朱立平, 王君波, 等. 基于MODIS的青藏高原湖泊透明度遥感反演. 地理科学进展, 2017, 36(5): 597-609. Liu Chong, Zhu Liping, Wang Junbo, et al. Remote sen­sing-based estimation of lake water clarity on the Tibetan Plateau[J]. Progress in Geography, 2017, 36(5): 597-609.

[19] 李秀彬.全球环境变化研究的核心领域——土地利用/土地覆被变化的国际研究动向[J]. 地理学报, 1996, 51: 553-558. Li Xiubin. A review of the international researches on land use/land cover change[J]. Acta Geographica Sinica, 1996, 51: 553-558.

[20] 杨广普, 江涛, 赵永芳, 等. 基于长时序遥感影像的胶州湾秋季叶绿素a浓度变化及其影响因素研究[J]. 海洋学报, 2019, 41(1): 183-190. Yang Guangpu, Jiang Tao, Zhao Yongfang, et al. Study on variation in chlorophyll a concentration and its influencing factors of Jiaozhou Bay based on long term remote sensing images[J]. HaiyangXuebao, 2019, 41(1): 183-190.

[21] Kabiri K, Moradi M. Landsat-8 imagery to estimate clarity in near-shore coastal waters: Feasibility study- Chabahar Bay, Iran[J]. Continental Shelf Research, 2016, 125: 44-53.

[22] Koponen S, Pulllaiene J, Kallio K, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data[J]. Remote Sensing of Environment, 2002, 79(1): 51-59.

[23] 王书航, 姜霞, 王雯雯, 等. 蠡湖水体透明度的时空变化及其影响因素[J]. 环境科学研究, 2014, 27(7): 688-695. Wang Shuhang, Jiang Xia, Wang Wenwen, et al. Dyna­mic spatial and temporal changes in water transparency and their influencing factors in Lihu Lake[J]. Research of Environmental Sciences, 2014, 27(7): 688-695.

[24] 韩树宗, 赵瑾, 魏福宝, 等. 胶州湾大沽河口洪水期三维水沙数值模拟研究[J]. 中国海洋大学学报(自然科学版), 2007, 5: 689-694. Han Shuzong, Zao Jin, Wei Fubao, et al. 3D Numerial simulation of the fresh water and sediment in the Dagu Estuary of Jiaozhou Bay during the flood season[J]. Periodical of Ocean University of China, 2007, 5: 689- 694.

[25] 魏秀国, 沈承德, 孙彦敏, 等.珠江水体悬浮物颗粒有机碳稳定同位素组成及分布特征[J].地理科学, 2003, 4: 471-476. Wei Xiuguo, Shen Chengde, Sun Yanmin, et al. Characteristic of the qrganic carbon-isotope compositon and contribution of suspendedmatter in the pearl river[J]. Scientia Geographica Sinica, 2003, 4: 471-476.

[26] 姜德娟, 王晓利.胶东半岛大沽河流域径流变化特征[J].干旱区研究, 2013, 30(6): 965-972. Jiang Dejuan, Wang Xiaoli. Variation of runoff volume in the Dagu River basin in the Jiaodong Peninsula[J]. Arid Zone Research, 2013, 30(6): 965-972.

[27] Rose K C, Greb S R, Diebel M, et al. Annual precipitation regulates spatial and temporal drivers of lake water clarity[J]. Ecological Applications, 2017, 27(2): 632- 643.

[28] Huang Jue, Guo Lianjie, Jiang Tao et al. Three decades of sea-ice variability in Jiaozhou Bay revealed by Landsat observations[J]. Journal of Ocean University of China, 2019, 18(2): 93-101.

The spatial–temporal variation of water clarity and its influen­cing factors in Jiaozhou Bay from 1986 to 2017

YIN Zi-yao1, 2, 3, JIANG Tao1, YANG Guang-pu1, HUANG Jue1, ZHAO Yong-fang4

(1. Shandong University of Science and Technology, Qingdao 266590, China; 2.Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100094, China; 3.University of Chinese Academy of Sciences, Beijing 100049, China; 4. Jiaozhou Bay Marine Ecosystem Research Station, Qingdao 266071, China)

With the help of remote sensing technology, long-term and large-scale observation data can be obtained. In this study, Landsat TM/ETM+/OLI images from 1986 to 2017 were used to construct a quantitative inversion model based on measured data. The temporal and spatial distribution characteristics and variation rules of water clarity in Jiaozhou Bay in the past 32 years were analyzed, and the main influencing factors were explored. The results showed that the annual average water clarity ranged from 1.55 m to 2.55 m, and the spatial distribution of water clarity was stable with characteristics of higher water clarity shown in the southeast and lower in the northwest. The average water clarity values in four seasons in descending order were as follows: winter (2.09 m), spring (1.83 m), autumn (1.82 m), and summer (1.43 m). Using meteorological data and land use classification/landscape pattern data of the Jiaozhou Bay Basin, the factors affecting the temporal and spatial distribution of water clarity in Jiaozhou Bay were analyzed from the perspective of the natural environment and human activities. A significant negative correlation was observed between water clarity and runoff and precipitation into the sea and was influenced by human factors such as the landscape pattern index of aquiculture area and construction of large-scale artificial facilities.

Jiaozhou Bay; water clarity; temporal and spatial distribution; remote sensing quantitative retrieval

Sep. 9, 2019

[National Natural Science Foundation of China, No.4176194; Shandong Provincial Natural Science Foundation, China, No. ZR2016DB23; Shandong University of Science and Technology Talents Introduction Research Start-up Fund Project]

P722.5

A

1000-3096(2020)04-0021-12

10.11759/hykx20190909001

2019-09-09;

2020-01-15

国家自然科学基金项目(41706194); 山东省自然科学基金项目(ZR2016DB23); 山东科技大学人才引进科研启动基金项目

殷子瑶(1998-), 女, 山东枣庄人, 硕士研究生, 主要从事水环境遥感研究, 电话: 18510321866, E-mail: yzy_sdust@163.com; 黄珏,

, 博士, 讲师, 主要从事水色遥感研究, E-mail: huangjue@sdust.edu.cn

(本文编辑: 康亦兼)