湖泊遥感中溶解性有机碳的研究综述

柏 静,虞功亮,景学武,许叶伟,张玟萱,周欣雅,乔之怡

(1.天津农学院 水产学院,天津300384;2.中国科学院水生生物研究所,湖北 武汉 430072)

湖泊生态系统中的溶解性有机碳(DOC)在全球碳循环中起着至关重要的作用[1],但随着DOC浓度的增加,会导致湖泊有机酸增加,也会改变水下光场,降低水体透明度,从而影响水生生物和水生生态系统。因此,DOC监测对深入研究湖泊碳循环过程和估算湖泊碳收支以及研究DOC累积对湖泊生态系统的影响有着重要意义。

传统DOC监测采用TOC仪和分光光度计检测方法[2],这些方法通常都是采用人工布点、收集水样、带回实验室进行仪器检测。这种方法往往会耗时费力,且数据量很少。随着水体富营养化和水环境问题日益突出,水体监测任务日益频繁,这种传统的方法不再适应现代社会的监测技术需求。卫星遥感具有快速、大尺度检测的技术优势,受到广泛青睐。湖面遥感是指在长距离、不直接接触目标表面的前提下,传感器或地测方法可以透过表面所进行反射、散射或传播的电磁波数据[3],并对其资料加以获取、分析、处理研究、再利用,进而掌握并得到湖泊特征信息的一种技术[1,4]。近年来,遥感技术在水质监测中的应用日渐广泛[5]。湖泊DOC遥感监测也得到快速发展。因此本文从文献现状、DOC光学特性、反演模型开发、卫星传感器及数据源等方面,总结了湖泊DOC遥感的研究现状,这对于湖泊DOC遥感技术发展有着重要意义。

1 文献计量分析

中国知网(CNKI)作为本研究的文献数据库。以“溶解性有机碳”、“DOC”和“湖泊遥感”为主题词。1989—2022年期间国内外研究成果发表总计422篇,除去与主题不相关的文献,确定剩余398篇文献符合研究课题。其中,溶解性有机碳219篇,详细讲述溶解性有机碳成分的13篇,光学特性的5篇,遥感揭示时空变化31篇,遥感揭示DOC和其他生物关系128篇。其中中国科学院南京地理与湖泊研究所共发表该研究方向文献24篇,是目前国内研究机构中发表文献数最多的。

过去这30多年中,溶解性有机碳遥感反演研究不断深入,一开始研究范围多围绕于土壤,随着研究范围的逐渐扩大,湖泊水质遥感监测的需要,湖泊遥感中的溶解性有机碳浓度监测进一步发展并深入应用。从溶解性有机碳遥感反演的发文数量上来看,2010年至今是一个持续增加的趋势(图1),这种趋势可以分为三个阶段,一是2010—2013年,初次深入研究及稳步上升阶段,该阶段对其研究发展迅速;二是2013—2020年,这期间不断发生波动,有疫情等多方面因素影响其研究进展;最后一阶段是2020年至今,随着2020年双碳目标的提出,该研究方向开始呈现稳定发展并持续上升阶段。从这三个发展阶段看来,湖泊溶解性有机碳的遥感反演日趋成熟,同时也希望这可以为改善湖泊水生态环境提供部分技术参考和理论研究[6]。

图1 自1980年以来湖泊遥感中的溶解性有机碳发文数量及趋势(标注横纵坐标的标目)

2 DOC与CDOM的光学特性

湖泊在地球碳循环中释放和储存着大量的碳,每年湖泊碳排放和碳储存与地球海洋的数量相当, DOC是湖泊中最大的还原碳库[7],它可以为湖泊中的浮游动植物、藻类、微生物等提供能量和碳,所以溶解性有机碳是湖泊碳循环中的关键部分[1,4]。

因为DOC是非光学活性的参数,因此利用具有光学活性的CDOM进行遥感反演是目前常用且有效的方法。虽然CDOM并不能代表整个DOC碳库,但许多研究均发现在某些海岸带水体、河口及内陆水域中,CDOM的光吸收与DOC浓度有很强的相关性[8]。目前,CDOM领域的研究主要是根据CDOM的特性来分析复杂内陆水域中溶解性有机物的相关特征,其光学特性主要体现在光吸收和荧光性上。

2.1 吸收特性

在溶解有机碳库中,有一组部分光学活性物质,并且可以强烈吸收紫外光(UV-A和UV-B),这些物质在波段中呈现出明显的黄色且在范围内吸收最不明显,于是将这类物质称为“黄色物质”。20世纪90年代后,国际上研究者便将黄色物质改称为“有色可溶性有机物(chromophoric dissolvable organic matter,CDOM)”[9]。CDOM的吸收主要发生在紫色和蓝色光区域,CDOM在可见的蓝色光区域的吸收与叶绿素a和总悬浮物(TSM)的吸收重叠,这对评估内陆水域的生物生产力有重要影响[9-10]。CDOM吸收紫外辐射光后,导致光漂白或是光降解反应, CDOM的彩色组分可以光解为无色组分,因此随着波长的增加,吸收作用会迅速减小。CDOM的光学活性物质主要是通过紫外-可见吸收来描述,CDOM在200～800 nm的波长范围内呈指数型, 200～800 nm之间呈指数级下降。通常选择a(440),a(355)或者a(350)吸收系数来表示短波长下CDOM的浓度,紫外线吸收波长越短,则CDOM的吸收系数与水中的DOC浓度之间的关系越好,一般来说,水中的DOC浓度与CDOM吸收系数之间可以建立一定的模型关系,从而估算出湖泊DOC的浓度[8,10]。

2.2 荧光特征

内陆水体的DOC浓度可以用来表示溶解性有机物(DOM)的浓度,而简单的特定波长吸收系数aCDOM可以表示DOM内部组分,为了区分水体中DOC的组分,通常可以测定水中CDOM的三位荧光光谱,从而分析组分来源于组成[11]。

利用CDOM的荧光特性:短波长的光作为激发波长,CDOM吸收较长的波长并发出荧光,利用PARAFAC(平行因子分析)对荧光光谱进行三维分析,能够客观定量和定性地分析CDOM含量和其他成分特性的变化。分析三维荧光法(TEE)方法可以解析水环境中CDOM的来源、降解、组分特性等[12]。 这种方法被广泛用于识别水生环境中CDOM的来源荧光成分和其他相关信息。CDOM的荧光部分主要是来自陆地输入物和腐烂的植物残体的蛋白质和腐殖酸部分,其中腐殖酸主要来自自由形成的细菌和水体中的微生物活动,但也来自工业、农业和生活废水。土壤类型、降雨量、径流量、植被类型、人为活动等都会对CDOM浓度及组成产生一定影响。现在,国际上许多研究表明,CDOM的荧光成分是通过三维荧光来描述的,分析海洋水域和内陆水域中CDOM的三位荧光光谱经常使用PARAFAC方法。PARAFAC方法提取3～13种荧光成分,同时还可以分析这些荧光成分在水体中的动态变化,进而得出它们的分布模式,将水质参数与CDOM吸收系数联系起来,并为利用水色遥感技术估计内陆水域的CDOM浓度提供了一个基础。

3 溶解性有机碳的反演模型

遥感技术可以获取湖泊中各种物质的光谱特征,所以可以进行与水体要素密切相关的要素进行反演,例如溶解性有机碳、透明度、浊度等[12-13]。

目前DOC的遥感反演有两种方法,一是直接反演法,根据实际测得的DOC浓度值与遥感波段反射率直接建立经验关系;二是是间接反演法,先通过遥感波段反射率反演CDOM浓度,再根据DOC浓度与CDOM浓度之间的关系计算DOC浓度。利用遥感数据进行湖泊水体要素反演的主要有三种模型:经验模型、半经验和半分析模型、人工智能模型[11,14]。

经验模型又叫统计模型,根据大量遥感数据(水表层以上或以下的反射率)和其相应现场同步测量的水体要素数值,使用统计学的方法建立遥感数据和实验数据之间的关系。这种模型的优点是算法更简单,需要的参数更少,当理论模型的参数很重、很复杂、更难获得时,这是最可取的。其缺点是空间和时间上的限制,低代表性,低稳定性以及重复利用性也不足。

随着DOC光学特性的了解和遥感机理研究的逐渐深入,经验模型逐渐放弃,具有机理模型的半经验算法被认可。半经验模型,也称为统计物理模型,是指在分析水体特征的光谱特性的基础上,在测量的水体特征数据和同时从遥感获得的光谱特征波段或组合之间建立统计关系。这种类型的模型的优点是,水体的光谱特征和统计分析的结合有一定的物理基础。其缺点是,模型的准确性必须很高,方法的应用很复杂且模型的通用性很低。

半分析模型是重要的分析模型。分析模型使用水的辐射传递模型来确定水体的光谱反射值和水体成分之间的关系,然后通过水体的反射光谱值反向推导计算得到反估水体各成分的含量。利用光学遥感数据反演水体成分,只提供了分析模型反演中的部分水体固有光学量,而反演过程中的大部分水体参数需要引入经验关系,所以在分析模型的推导过程中采用经验方程来引入,得到半分析模型[9]。半分析模型也是随着高光谱技术的不断发展而发展,因为半分析模型,一方面需要水体辐射传输方程中的参数比较多,必要使用具有多波段的高光谱遥感数据才能满足;另一方面因为高光谱数据可以提取水体中的特征波段,从而加强了水体要素反演的精度和稳定性。半分析模型是湖泊水体遥感反演模型日后发展的方向,随着大气校正模型的不断发展和大量水体固有光学数据的积累,半分析模型将在湖泊水体中发挥更显著的作用和优势。

除了上述所提到的经验模型、半经验/半分析模型以外,还有基于遗传算法、神经网络、支持向量机等人工智能模型。人工智能模型的优势在于它可以使用多种人工智能算法来模拟水体辐射传输的过程,可以达到快速反演多个水体要素。下面将国内外直接反演法与间接反演法做了总结(表1)。

表1 直接反演法与间接反演法研究结果

3.1 DOC直接反演法

Arenz等[15](1996)率先利用遥感技术建立了遥感反射率与DOC浓度之间的经验关系,并开发了一种利用波段匹配来反演DOC浓度的算法。陈楚平等[16](2001)在珠江口进行了观测实验,得到了遥感反射率与实测DOC浓度的关系,最后确定了波段的最佳组合,构建了lg(DOC)=1.241 9 lg(R670/R412)-0.2614的模型用于该流域的DOC浓度反演。张运林[17]等(2005)通过研究太湖水体中DOC浓间的关系,得出:lg(DOC)=0.654(±0.012)lg[R670/R530] +1.007(±0.086)。Kust等[18]( 2015) 使用MERIS数据,将CDOM、DOC 和 TOC等水体各个碳组分遥感反演模型。Cherukuru等[19](2016)在澳大利亚莫尔顿湾基于野外数据,开发了DOC浓度相关经验算法,从R412/R488的比值中得出DOC浓度,建立了模型:lg(DOC)=282.01exp(-1.72(R412/R488)。

3.2 CDOM-DOC关系间接反演法

1993年,Frank E.H.等提出了根据荧光测量结果反演CDOM的光吸收活性,建立CDOM的荧光发射和DOC浓度之间的适当关系,从而快速获取DOC浓度的设想。Mannino等[20](2008)取得了美国大西洋中部海湾的MODIS和SeaWiFS数据,同时利用DOC与CDOM吸收系数之间的经验关系建立了第一个CDOM吸收系数与遥感反射率的经验模型,从而可以反演该区域的DOC浓度。Fang Cao等[21]利用MERIS卫星数据,在墨西哥湾北部、切萨皮克湾河口和大西洋中部沿海水域进行算法研究,利用多光谱遥感反射率检索不同波长CDOM的光吸收活性,最终建立了CDOM吸收斜率与DOC浓度的关系式:DOC=aCDOM(300)/(exp(-15.05-33.95×S275-295)+exp(-1.502-104.3×S275-295)。起初大部分研究在欧洲海岸带、北美海湾等地区,还有少部分关于东太平洋的研究,因此国内对CDOM与DOC关系认识还不够充分,中国更是鲜少有对内陆水体的研究。白雁等[22]在我国黄东海海区进行试点研究,利用SeaWiFS数据资料,比较了SIO算法、Lee算法、GSM01算法的遥感反演结果,最终建立了SIO半分析遥感反演算法,即DOC=90.91×aCDOM(355)+84.5。虽然该算法需要进一步完善与验证,但总体来说可以较好地表述黄东海区域的趋势变化,也是国内较为成功的一项研究案例。

4 卫星传感器及数据源

随着技术的发展以及对湖泊DOC浓度动态监测的需求,监测的重要信息多源自于遥感数据,高光谱遥感技术的发展和高分辨率陆地卫星的应用也促进了湖泊DOC浓度的发展,同时可以将遥感反演算法成功运用到卫星影像上,实现湖泊DOC浓度在时空上的遥感估算,也为水质监测提供技术支撑[21]。遥感体系需要由传感器、遥感平台、地面站等构成,传感器可以远距离测量地物环境辐射。湖泊DOC浓度监测数据源可分为微波遥感数据和可见光数据[23]。

海洋水体有专门的水色传感器,如CZCS(1978—1986年)、SeaWiFS(1997年至今)、MODIS(1999年至今)、LandSat (1999年至今)、MERIS(2002年至今)还有我国HY-1 A/B上的COCTS(2002年至今)[24]。由于对内陆水体水色遥感的研究还没有海洋水色遥感成熟,因此海洋水色传感器一般空间分辨率不高,但在时间分辨率、光谱分辨率和信噪比等方面存在明显的优势。例如在内陆水体中DOC浓度数据监测的来源最为常用的传感器为MODIS传感器,该传感器空间分辨率仅为250 m,已知青海湖被称为中国最大的湖泊,面积约为4 500 km2,因此湖泊水色遥感的实际应用在一定程度上受限于像这样的海洋水色传感器。目前,用于DOC浓度反演的遥感数据有SeaWiFS、MODIS、LandSat、MERIS、Sentinel系列。

湖泊水色方面使用陆地多光谱卫星传感器较多,如Landsat TM/ETM+、SPOT HRV、EO-1 ASTER、CBERS CCD、北京一号-CCD 等,这些传感器的空间分辨率约20～30 m,时间分辨率较低,约25～30 d,因此并不能及时发现湖水污染,湖泊水质监测无法形成有效监测,具有一定的实用性限制。因此随着技术发展,专家和研究人员对高光谱遥感的兴趣逐渐浓厚,如机载高光谱传感器AVIRIS、OMIS和CAS,以及EO-1 Hyperion星载高光谱传感器[22,25,26]。然而,这些传感器依然存在一些高光谱传感器的缺点,如低信噪比和窄刈幅。值得一提的是,中国在2008年成功发射了一组用于环境和灾害监测和预测的A、B和C类小卫星[27-28],环境卫星配备了四种类型的遥感装置:广角CCD相机、多光谱红外扫描仪、高光谱成像系统和合成孔径雷达,具有中高空间分辨率(20～30 m)、高时间分辨率(2 d)、高光谱分辨率(0.45～0.95 μm 波谱范围内 128 个波段)和宽观测幅宽(720 km),为湖泊水色遥感反演做出了一定贡献。

综上可见,在这些传感器中,时间分辨率不足的问题已经逐渐得到解决,但空间分辨率仍是待解决问题,湖泊面积与海洋面积存在一定差异,满足湖泊DOC浓度监测的遥感数据需进一步完善。

Landsat卫星是美国国家航空航天局(NASA)于1972年开始发射的,该系列卫星数据常用于DOC浓度监测。韩增磊等[29]将太湖作为研究对象,分析了Landsat-8 OLI_TIRS卫星图像的反演数据,特别对溶解性有机物(DOM)和Landsat的水质模型进行了深入研究,认为Landsat各种水质参数(红波段、近红波段和蓝波段)的反演与太湖水域DOC浓度模型分布一致。Lin等[30]利用机器学习算法结合Landsat ETM+的数据,提高了湖泊中藻类生物量的准确性,所建立的模型明显改善了对藻类状况时间变化的分析。

Aqua卫星(EOS-PM1)是美国宇航局EOS系列的第二颗卫星(第一颗Terra),于2002年5月4日发射。该卫星主要观察海洋、陆地、大气、植被和雪域覆盖冰区。它可以收集水文循环的数据,包括水的蒸发、云的形成、全球降水和洋流等等[28]。虽然Aqua卫星和Terra卫星执行的任务差不多,但Aqua卫星的数据将能够对地球的水生环境和生态模式进行更详细的研究,并进一步阐明地球生态系统和环境变化之间的相互作用。这意味着对水域DOC浓度实时监测又更近了一步。

Aqua卫星配备了地球观测系统高级微波扫描辐射计(AMSR-E)、巴西湿度传感器(HSB)、高级微波扫描辐射计(AMSU-A)、大气红外探测仪(AIRS)、中分辨率成像光谱仪(MODIS)和云能量与地球辐射系统(CERES)六个传感器。其中MODIS传感器空间分辨率为250、500 m或1 000 m,刈幅宽度为2 330 km,共有36个波段,其中1～19和26波段为可见光和近红外光,剩下的则为热红外光[31]。其实MODIS传感器是宽视场海洋观测传感器(SeaWiFS)、甚高分辨率扫描辐射计(AVHRR)、专题制图仪(TM)等传感器的优化与延续,该传感器信噪比,能够提供一天4次的观测数据,可以构造陆地、大气、海洋的全球动力模型。不难看出MODIS是真正做到多学科结合观测的传感器,根据它提供的数据可以对湖泊遥感进行更深入地研究与探讨。Shaojie Mu[32]等就是结合Landsat和MODIS卫星数据,量化了鄱阳湖2000—2019年间湖泊的变化动态。20年来,湖泊水位呈现明显下降趋势,湖泊泛滥也造成了该地区生态、经济等问题。Landsat和MODIS卫星数据无疑为优化鄱阳湖的水文管理和生物多样性保护提供了明确的参考意义,使用Landsat和MODIS卫星数据对湖泊DOC浓度进行年度监测也是可实现的。

2014年,Sentinel卫星发射升空。该系列卫星不仅可以提供水覆盖、内陆水域、沿海地区的图像,还可以提供湖泊、沿海水域污染情况信息。Sentinel-2卫星具有13个光谱通道,可以获得更多的水质参数,例如叶绿素浓度、检测有害藻类、水体透明度等,依据这些便可以清楚获得水体污染程度,也为DOC浓度监测提供了更多信息源。Sentinel-3卫星更是可以支持提供海面地形、海面陆地面温度、海洋陆地颜色信息,以及提供海洋预报系统。徐健[33]以鄱阳湖为研究对象,对其DOC和CDOM的特性、两者相互关系、主要组成和来源、时空分布等研究方向入手,以DOC浓度和CDOM吸收特征为研究主线,结合Sentinel-2 MSI的遥感数据,研究建立了适用于鄱阳湖地区水体特征的遥感反演模型,为DOC浓度动态监测提供了一定基础。王林[34]等人将悬浮物作为主要研究指标,以2013—2021年为研究期限,利用遥感技术对秦皇岛海域进行浓度监测,采用的是Sentinel-3 OLCI遥感数据,最终建立了适用于该海域的Sentinel-3 OLCI四波段悬浮物遥感反演模型,为秦皇岛生态环境监管提供了可靠的参考依据。除了悬浮物浓度以外,他们还对叶绿素a浓度等进行了研究分析,这些水化指标与DOC浓度之间存在一定的相关性,所建立的反演模型也为DOC浓度的反演提供了一定的借鉴意义[35]。

5 展望

通过大量的文献研究表明,有效的遥感方法可以帮助湖泊监测水质和生态状况。同时,最新的遥感技术还可以为未调查的湖泊生态指标提供宝贵的历史信息资料,特别是对于那些信息匮乏和缺乏检测的地区,结合现代遥感技术可以大大增加其价值。

我国湖泊大部分都属于典型的Ⅱ类水体,湖泊水体组成复杂多变。湖泊水质遥感与海洋沿岸水体存在很大差别,因此解决适用于湖泊水质遥感的问题还需进一步加深研究。DOC是湖泊的一个重要组成部分。遥感湖泊中溶解有机碳的反演算法在通用性和反演精度方面有很大的不确定性[36]。对溶解性有机碳的遥感算法的通用性和准确性都需要改进。不同湖泊类型溶解性有机碳的组成和来源对遥感反演精度影响较大,对于其浓度反演,需要结合多学科,更深入的了解学习。

目前,遥感技术在水体透明度、TP、TN、叶绿素a、CDOM等湖泊水质指标方面已有很多研究,各种算法、现有工具、产品等都可以用于湖泊研究和管理。根据已有的文献和资料,我们有一定的理论基础和实验方法,可以进行湖泊水质指标的实验研究。但是,湖泊遥感和湖泊水资源管理并不是一个独立的学科体系,我们需要结合专业知识提高对湖泊生态的认识,需要多时代、大规模的监测数据支持对生态指标的时空模型进行分析[37]。这是未来仍需努力和攻克的方向。