基于GF_1卫星影像的巢湖蓝藻时空演变特征分析

周婷， 刘小妮， 戚王月， 夏萍， 曹娜

(1.安徽农业大学 水利工程系，安徽 合肥 230036； 2.安徽农业大学 农业机械系，安徽 合肥 230036； 3.生态环境部环境工程评估中心，北京 100012)

1 研究背景

巢湖位于安徽省合肥市，面积约760 km2，是我国五大淡水湖之一，也是安徽省最大的湖泊。作为长江中下游地区重要的淡水资源和生态湿地，巢湖的水质条件在区域社会生产、生活和生态格局中起着重要作用[1]。近年来，随着巢湖流域经济的快速发展，巢湖水体富营养化加剧，蓝藻水华频繁发生，且呈现显著的季节性周期规律[2]。蓝藻异常生长形成水华，极易在河口以及近岸淤积，引起湖泊水质恶化，威胁周围地区的饮用水安全[3]。全面掌握蓝藻的分布信息，研究各类环境因子对蓝藻聚集的综合影响，对于控制蓝藻水华、研究蓝藻生长影响因素、建立水质监测预警系统非常重要。

随着卫星遥感技术的快速发展，利用卫星影像对湖泊水库等水质进行大范围监测已成为水质分析的有效手段之一。在水华暴发区域，水体表面的叶绿素a含量较高，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的暴发情况[4-5]。归一化植被指数(Normalized Differential Vegetation Index，NDVI)是目前在生态环境研究中应用最为广泛的植被指数，卫星影像光谱解析NDVI值的原理是利用绿色植物叶片在红光和近红外波段的光谱组合特性。卫星影像解析出的NDVI值在一定程度上能代表湖面蓝藻的覆盖情况[6]。国内外针对水体污染的研究大多选用NDVI值作为水体蓝藻状况的识别因子，一般认为，NDVI值越高，说明水体蓝藻情况越严重[7-10]。

本文选取环巢湖14个具有代表性的河口观测点进行研究，这些观测点的具体位置如图1所示。考虑巢湖蓝藻夏秋暴发、冬春相对不严重的季节性特征，选取春季和夏末两个时间段，分别于2018年4月10日及9月4日对各观测点进行了水体取样。结合GF_1卫星同时期巢湖区域影像，提取各观测点的NDVI值，构建耦合卫星影像和实测水质数据的水质指标模型。

图1 环巢湖观测点位置分布示意图

2 基于GF_1卫星影像的巢湖蓝藻时空分布分析

2018年4月和9月巢湖区域GF_1卫星影像分别如图2和图3所示。图2和图3中“▲”标注位置为观测点位置，旁边字符为观测点编号。

图2 基于GF_1卫星影像的2018年4月巢湖NDVI值分布图

图3 基于GF_1卫星影像的2018年9月巢湖NDVI值分布图

为便于对比，图2和图3采用了相同的色块图例。由图2和图3可见，2018年9月,巢湖蓝藻水华现象严重，而4月份只有巢湖西北河岸出现蓝藻，说明随着温度上升，蓝藻覆盖面积变大。这与蓝藻生长规律有关，蓝藻水华形成会经历休眠、复苏、生长和集聚4个阶段：冬季温度降低，蓝藻下沉到水底，水体表面蓝藻覆盖降低；春季温度上升，蓝藻上浮；夏、秋季蓝藻生长集聚，形成水华[11]。从9月的巢湖各区域的水样来看，巢湖西部蓝藻覆盖严重，西北岸边的最严重；东部蓝藻的水华覆盖度相对较低。这种空间分布格局自2000年以来就已形成[12-14]，其主要原因是：蓝藻水华的暴发与巢湖流域内碳、氮和磷等营养物质排放水平分布密切相关，西巢湖靠近合肥市，附近的人口、产业均较密集，大量生活、工业污水经河道流入，利于藻类繁殖生长的各种营养物质汇入较多，导致巢湖西北部水质影响因子浓度高于东部，这在下文实测水质指标(表1和图4)分析中也有所体现。

表1 环巢湖14个观测点水质指标值

注:表中括号外数据为各观测点4月份的指标值，括号内数据为9月份的指标值。

图2显示：4月份巢湖全流域的NDVI值均较低，实际上，4月份巢湖各区域的NDVI值不均匀。为更加清晰地展现NDVI值的差异度，将4月份卫星影像的颜色标记尺度细化，如图4所示。

图4 标记尺度细化后的2018年4月巢湖的NDVI值分布图

由图4可见，4月份巢湖的NDVI值整体较低，但其在湖体的分布情况与9月份的分布情况(图3)基本一致，也呈现北部和西北部高、东南部低的格局。但其与9月份的分布存在一些区别：9月份湖中心的NDVI值较高，在南部环湖地带的较低；而4月份在南部环湖地带的NDVI值较高，而在湖中心的尤其是在东半湖的较低。这说明蓝藻在暴发阶段，是由环湖区域向湖中心发展的，靠近岸边湖水面处的蓝藻高于中央湖面的；在消退阶段，蓝藻也是先由环湖区域逐渐向湖中心消退。

3 耦合卫星影像与实测指标的时空演变分析

为量化巢湖蓝藻与各项水质指标之间的相关关系，本文从4月和9月的巢湖GF_1卫星影像图中提取14个观测点水样中的NDVI值，将其与同期实测水质指标进行相关性分析。NDVI值的提取方法如式(1)所示：

(1)

式中：Red为卫星影像中红光波段的反射率；NIR为近红外波段的反射率。NDVI指标提取在ArcGIS软件中实现。

观测点水体取样时间为2018年4月10日和9月4日，与GF_1卫星影像拍摄时间基本同步。针对取样水体，文中检测了水样中的4项指标COD、TP、TN和叶绿素a的含量。将GF_1卫星影像提取的NDVI值和实测的观测点水样中的4项指标值一并整理，结果见表1和如图5所示。

图5 环巢湖14个观测点水样中的4项水质指标变化图

由表1和图5可以看出：巢湖中的COD、TP、TN、叶绿素a含量点位时空变化特征明显；整体来看，西半湖(观测点序号11—14)的这4个指标浓度值高于东半湖(观测点序号1—10)的，其中淝河、柘皋河、夏路里等观测点的入湖区支流污染较为严重，这与卫星影像中NDVI值分布的直观判断结果是一致的；从COD含量来看，4月份除白石天河外，其余各观测点的COD浓度值均高于9月份的；从TP含量来看，4月份各观测点的TP浓度值均低于9月份的；从TN含量来看，除了烔炀河、裕溪河、白石天河、派河观测点外，其余观测点4月份水样中的TN含量都低于9月份的；叶绿素a的浓度在4月份和9月份的区分度不显著，这是由于取样点均在巢湖岸边，而9月份虽然湖体蓝藻比较严重，但由图3可以看出，环湖岸边蓝藻已趋于消退。因此，9月份观测点水体中叶绿素a的检测结果并未显著高于4月份的。综上，4月和9月的巢湖水质指标值差异最大的是TP，说明TP是造成巢湖蓝藻在时间维度上差异大的主要原因。

分别计算4月份和9月份各观测点的NDVI值与各项水质指标的相关系数，结果见表2。

表2 实测水质指标值与NDVI值的相关系数

许多研究表明，藻类在氮、磷处于富营养的状态下大量繁殖，在一定范围内水中藻类生长速率与氮和磷含量的相关度较高[15-16]。由表2可以看出：在4月份和9月份，巢湖中COD、TP、TN、叶绿素a的浓度值均与NDVI值呈正相关关系，其中，TN浓度值与NDVI值的相关系数最高，可见在同一时段内，巢湖各区域蓝藻生长情况与TN浓度的关系最为密切；在4月份，COD浓度值与NDVI值的相关度较低，而在9月份的相关度较高；在4月份，TP浓度、叶绿素a浓度与NDVI值的相关度较高，而在9月份的相关度不高，其原因在于，9月份湖中部分区域的挺水植物或沉水植物生长旺盛，在光谱上反映出了较高的NDVI值，干扰了蓝藻含量的识别，进而降低了NDVI值与水体中叶绿素a和TP浓度的相关性。

4 结语

针对巢湖水体中蓝藻的时空分布不均、季节性反复等特点，以环巢湖14个代表性观测点的水样为研究对象，采取基于GF_1卫星影像图和实地取样水质指标分析结果，用多源数据对巢湖水体中的蓝藻的时空分布及其影响因素进行了分析。研究表明：巢湖蓝藻在整体上呈现显著的季节性变化，4月的蓝藻覆盖程度显著低于9月的，但无论在4月还是在9月，巢湖西北湖区均为蓝藻最严重的区域；在时间尺度上，巢湖水体中COD、TP、TN、叶绿素a含量的点位时空变化特征明显，其中，TP是巢湖水体在时间尺度上变化最大的指标；而在同一时间内，TN指标的浓度值与NDVI值的相关性最强，说明巢湖蓝藻暴发与TN浓度的关系最密切；在次影响因素中，4月的次影响因素为TP浓度，9月的次影响因素为COD。该研究结果为巢湖水质监测及蓝藻水华治理提供了参考。