基于PIE-Engine Studio的黄河口及其邻近海域水质遥感监测

2022-05-10卞晓东禹定峰刘东升

齐鲁工业大学学报 2022年2期

卞晓东,禹定峰*,刘东升,任芳,李恒,于雨,高皜,杨雷

1.齐鲁工业大学(山东省科学院)a.山东省科学院海洋仪器仪表研究所；b.山东省海洋监测仪器装备技术重点实验室；c.国家海洋监测设备工程技术研究中心,山东青岛 266100；2.航天宏图信息技术股份有限公司,北京 100195

随着遥感技术的发展,卫星遥感技术指标不断提高,在数据的获取上也趋于多平台、多传感器、多角度的特点,卫星传感器的不断升级产生了海量遥感数据,在数据层面上已经体现出数据量大(Volume)、数据增长速度快(Velocity)、种类和来源多样化(Variety)、数据价值密度相对较低(Value)、数据准确性和可信赖度(Veracity)的“5V”特征[1],对遥感数据的处理和应用提出了新的挑战。遥感云服务的应用提高了遥感数据的处理速度,解决了海量遥感数据处理问题[2]。冷天熙等[3]基于Google Earth Engine遥感云服务平台对卫星数据进行收集、处理及植被覆盖指数计算,得到通海县2020年植被指数分布。近年来,除Google Earth Engine(GEE)外,国内外还陆续开发了PIE-Engine Studio、Global Forest Watch、Map of Life、Global Fishing Watch等遥感云计算平台。

不同于传统遥感数据处理方式,遥感云计算技术的发展为遥感大数据的处理和分析带来了全新的途径,表现在:1)云端存储了海量的遥感数据；2)提供批量以及交互式计算服务,通过代码即可实现大批量遥感数据的处理；3)云端提供算力,降低了遥感数据处理及使用门槛,提高了运算效率；4)自由选择数据源、算法及其组合,根据应用环境进行搭配[4]。

程伟等[5]基于PIE-Engine Studio遥感云计算平台得到了生长季植被指数NDVI的空间分布,并与GEE平台的数据处理能力进行了对比。然而,基于PIE-Engine Studio平台的水质参数监测尚未见报道。本文基于PIE-Engine Studio平台,实现了对黄河口及其邻近海域水质参数的遥感监测。

1 研究区及数据源

1.1 研究区

黄河口(37°59′—37°91′N,119°09′—119°39′E)位于渤海与莱州湾交汇处,北靠渤海,东临莱州湾,经水道连接黄河与渤海,1855年由黄河决口改道而成。黄河口区域水深大部分在10 m以下,由近岸向离岸方向不断增加。随着黄河河道的不断变迁,黄河口入海泥沙量不断发生变化,黄河口附近海岸发生多次侵蚀、蚀退,沙质、淤泥质的交替。

1.2 遥感云计算平台

PIE-Engine Studio是航天宏图公司自主研发的国产安全可控的开放式遥感云计算产品,实现了遥感数据按需获取、按需运算以及专题信息聚焦服务,初步满足了对地观测数据获取能力飞速增长后带来的信息高效化处理和服务需求。平台结合海量遥感影像以及地理要素,采取交互式编程验证,实现快速探索地表特征,发现变化和趋势,为大规模的地理数据分析和科学研究提供了免费、灵活和弹性的计算服务。

1.3 数据源

Landsat-5发射于1984年3月1日,搭载专题制图仪(Thematic Mapper,TM),重访周期为16 d,其设置了7个波段,包括可见光和红外波段；Landsat-7发射于1999年4月15日,搭载增强型专题制图仪(Enhanced Thematic Mapper,ETM+)传感器,重访周期为16 d,其设置了8个波段,与TM相比,新增了全色波段；Landsat-8于2013年2月11日发射升空,搭载陆地成像仪(Operational Land Imager,OLI),重访周期为16 d,其设置了9个波段,与ETM+相比,新增了海岸波段和卷云波段。本文采用PIE-Engine Studio平台提供的Landsat-5 TM、Landsat-7 ETM+和Landsat-8 OLI Collection 2表面反射率数据进行反演计算。

2 模块及组成

2.1 遥感影像查询模块

遥感影像查询模块根据所选数据源输入相应的年份以及云量最大百分比,对卫星遥感数据进行筛选、掩膜和裁剪处理,得到符合需求的遥感影像,流程如图1所示。

图1 遥感影像查询流程图

2.2 监测结果展示模块

利用云端存储的Landsat卫星数据对黄河口及其邻近海域悬沙、透明度、叶绿素a进行反演计算,得到各水质参数反演结果。在相应界面选择水质参数(悬浮泥沙、透明度、叶绿素a)类型,并确定数据源及相应时间,得到单幅反演结果,流程如图2所示。

图2 监测结果展示流程图

2.3 监测结果动图展示模块

在监测结果单幅展示的基础上,分别根据数据源及相应时间建立数据集,并设置索引建立影像集合,根据索引利用playLayersAnimation函数进行监测结果动图展示,流程如图3所示。

图3 监测结果动图展示流程图

3 算法说明

3.1 叶绿素a浓度反演算法

叶绿素a是影响海洋水色的重要物质,其浓度变化反映了水质污染状况,是海洋环境监测的重要指标,且我国近海浒苔、赤潮等灾害频发,叶绿素a的时空分布研究可以为灾害的溯源、防治等工作提供帮助。借助遥感数据能够对水质参数进行长时序、大范围监测的特点,基于PIE-Engine Studio平台,利用Landsat卫星数据对黄河口及其邻近海域叶绿素a浓度进行监测。根据杨广普等[6]对叶绿素a浓度的反演研究,利用其算法对研究区叶绿素a浓度进行计算,算法如式(1)所示:

式(1)中BN、BR为近红外、红光波段遥感反射率；cChl-a为叶绿素a浓度。

3.2 透明度反演算法

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,监测水体透明度变化对研究水环境变化、水体富营养化等都有重要的意义。殷子瑶等[7]利用实测数据与卫星数据对胶州湾透明度进行研究,发现红光与绿光波段遥感反射率的比值与透明度的相关性最高,因此采用红光波段和绿光波段的比值提取水体透明度信息,反演算法如式(2)所示:

式(2)中BR、BG分别为红光、绿光波段遥感反射率；SDD为透明度。

3.3 悬浮泥沙浓度反演算法

悬浮泥沙影响河口海岸带冲淤变化过程,且由于悬沙的吸附作用,悬沙也是营养盐和污染物的主要载体。研究悬沙的浓度及其时空分布特征,有利于了解水体生态环境变化和近岸冲淤变化过程,对近岸工程、岸线变迁、港口航道建设等研究具有重要意义。韩仕龙[8]结合实测数据与Landsat 8 OLI数据建立了黄河口悬沙浓度一元经验模型,研究发现红光波段反射率与对应悬沙浓度相关性最高,据其算法建立悬沙反演模型,反演算法如式(3)所示:

cSSC=617 919×(BR)2-1 245.8×BR+27.333， (3)

式(3)中BR为红光波段反射率,cSSC为悬浮泥沙浓度,该算法相关系数为0.844,绝对误差为3.19 mg/L,相对误差为19.54%。

4 结果与分析

基于PIE-Engine Studio遥感云计算平台的黄河口及其邻近海域水质遥感监测系统分别对叶绿素a、透明度、悬浮泥沙进行了反演计算,得到三种水质参数1984—2021年的时空分布特征。

叶绿素a浓度的时空分布特征如图4、图5、图6所示。

图6 2014—2021年黄河口及其邻近海域叶绿素a浓度分布

38年间,黄河口及其邻近海域大部分区域分布着叶绿素a,在黄河三角洲外围海域存在一个半环形的清洁水体区域,在莱州湾内叶绿素a呈现片状分布。叶绿素a浓度最高的水体面积较小,主要分布于东南海域,其他分布于莱州湾东部的近岸海域。殷子瑶等[7]利用Landsat卫星数据进行叶绿素a反演研究,得到了研究区水体叶绿素a近31年的时空分布特征,结果表明,叶绿素a主要分布于黄河入海口外围,呈片状分布,且在黄河入海口近岸区域存在半环形的清洁水带,与本文研究结果一致。

透明度的时空分布特征如图7、图8、图9所示。

图9 2014—2021年黄河口及其邻近海域透明度分布

1984—2021年研究区内近岸水体透明度较低,从近岸到离岸方向透明度逐渐增加,最小透明度主要分布于黄河入海口区域,其他区域透明度呈扩散式分布。由于黄河含沙量较大,其每年向莱州湾内输送大量的泥沙,对比研究区内透明度分布特征和悬浮泥沙分布特征,其分布规律具有一定的相似性。Zhou Yan[9]等利用MODIS卫星数据研究渤海区域水体透明度的分布,结果表现出近岸低,离岸方向逐渐增加的特征,符合本文研究结果。

悬浮泥沙浓度的时空分布特征如图10、图11、图12所示。

研究区悬浮泥沙浓度分布具有一定规律,从图10、图11和图12可以看出:1984—2021年悬沙浓度分布的主要趋势是从近岸向离岸方向逐渐降低,并且在黄河口区域的南北两岸呈现出不同的数值和趋势差异,其主要表现为河口南岸悬沙浓度较河口北岸悬沙浓度普遍提升,且分布面积较大。研究区内悬沙浓度较高的部分主要分布在莱州湾西岸；悬沙浓度的中、低区域主要分布于黄河口南岸莱州湾中部海域、高浓度悬沙分布区外,该区域悬沙浓度沿离岸方向逐步降低。Li Peng等[10]利用Landsat和Sentinel 2卫星数据研究了黄河口区域悬沙的分布特征,结果表明,其分布呈近岸高,离岸方向逐渐降低的特征,与本文研究结果一致。