環境一號衛星多光譜數據在巢湖藍藻動態監測中的應用

陳春波，周寶同，田永中，陳正龍，高 凡

1．西南大學地理科學學院，重慶 400715

2．安徽省淮南市國土資源局，安徽 淮南 232007

環境與災害監測預報小衛星星座A、B星(HJ1A/1B)的主要任務是對災害、生態破壞、環境污染進行大范圍、全天候、全天時動態監測，為緊急救援、災害救助及恢復重建提供科學依據［1-2］。在HJ1A/1B星的對地監測中，歸一化植被指數(NDVI)表達了植被吸收光和有效輻射的比例，對植被的生長勢、生長量非常敏感，可以反映地表植被的繁茂，一定程度上能夠代表地面植被覆蓋變化［3］。藍藻在光譜上具有明顯的植被特征，因此可以用植被指數來監測藍藻暴發情況。該研究采用2012年5月10日至2012年6月20日HJ1A/1B的多光譜(CCD)數據(HJ1A/1BCCD數據)提取巢湖湖域藍藻的歸一化植被指數，開展巢湖藍藻的遙感監測研究。

1 研究區概況

巢湖是我國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)，長江流域下游左岸［4］。在多年平均水位8.37 m時，巢湖湖盆長61.7 km，寬1 247 km，水面769.55 km2，平均水深289 m。以忠廟-姥山-新河口為界分東、西2個半湖，湖泊半封閉，水體為中度富營養化狀態，加上面積大、流速慢、水體稀釋擴散自凈能力差，尤其在夏秋季，極易出現藻類暴發生長［5］。

2 數據來源和研究方法

2.1 數據選擇

研究采用的遙感影像數據為中國資源衛星運用中心提供的二級產品。相對于其他中高分辨率衛星傳感器，HJ1-CCD具有幅度大、時間分辨率高等優點，尤其適合藍藻信息的提取、監測及預測。USGS提供的 landsat 7數據的時間分辨率低、且帶有條帶，增加了數據處理的難度。其他數據(如 GB、SPOT、IKONOS等)雖然分辨率高，但是價格高。在研究時段考慮到巢湖天氣尤其整塊厚云的影響，最終選用的數據為6景。

2.2 影像預處理

2.2.1 輻射校正

輻射校正可以提高遙感系統獲取的地物表面光譜反射率、輻射率或者后向散射測量值的精度。輻射校正包括輻射定標和大氣校正，對HJ1A/1BCCD數據首先進行從DN值到Radiance值的定標，同時進行Layer stacking(波段合成)。以中國資源衛星運用中心發布的影像元數據和HJ1A/1B-CCD數據的波普響應函數為依據進行大氣校正［6-7］，反演地物真實反射率。圖1(a)為中國資源衛星應用中心提供的原始數據，圖1(b)為輻射校正后遙感數據。

2.2.2 幾何精校正

中國資源衛星運用中心提供的衛星數據質量雖為“Level 2”，但要與其他的數據聯合使用，還要進行幾何精校正。在ENVI中，采用Registration(Select GCPs：Image to Map)進行校正［8］，數據坐標主要來自Google Earth Pro專業版，重采樣方法為雙線性內插，校正精度控制在10 m之內，即等于1/3個像元。

2.2.3 數據裁剪

從已進行了輻射校正、幾何精校正的影像數據中依次提取巢湖湖區，完成基礎數據的預處理。如圖2所示，其中5月10日、5月16日、5月28日的數據為自然真彩(波段3、2、1的組合)，6月12日、6月13日、6月20日的數據為標準假彩(波段4、3、2 的組合)。

圖2 HJ1A、B-CCD影像數據——巢湖湖區

2.3 研究方法

2.3.1 計算并修正歸一化植被指數

歸一化植被指數(NDVI)的計算公式［9］：式中為近紅外波段，為紅色波段。針對巢湖藍藻的變化，研究還采用增強型植被指數(EVI)對NDVI進行修正。根據巢湖的實際情況，研究對EVI的算法進行了改進，公式［10］：

式中：C1、C2為2 個經驗系數，分別為 6.0、7.5，增益系數G為2.5為藍色波段。該算法增強了對高生物量區域的敏感性，并降低大氣的影響以提高對植被的檢測能力，計算并修正歸一化植被指數結果如圖3所示。

圖3 巢湖藍藻的歸一化植被指數

2.3.2 研究時段藍藻分布情況

式中i=1、2、3分別代表時間點。為反映巢湖湖域藍藻NDVI的平均分布狀態，特劃分為5個等級［11］：當NDVI≤0.1 時，為極低密度區;0.1 ＜NDVI≤0.25時，為低密度區;0.25＜NDVI≤0.4時，為中密度區;0.4＜NDVI≤0.6時，為較高密度區;NDVI＞0.6時，為極高密度區。

2.3.3 研究時段藍藻變化程度

式中NDVIcij為第i個時間點相對第j個時間點的NDVI，NDVIi和NDVIj分別為第i個時間點和第j個時間點的NDVI。為反映NDVI變化的程度，劃分為如下的級別［13］：當NDVI＞0.25時，為嚴重退化;當 0.15＜NDVI≤0.25時，為中度退化;當0.05＜NDVI≤0.15時，為輕微退化;當 －0.05＜NDVI≤0.05時，為無變化;當 －0.15＜NDVI≤－0.05時，為輕微改善;當 －0.25＜NDVI≤－0.15時，為中度改善;當NDVI≤ －0.25時，為高度改善。

2.3.4 研究時段藍藻變化速度

為了更加直觀地反映巢湖藍藻的變化速度，這里引入土地利用動態變化速度分析算法［14］，結合研究實際對其中的變量進行了重新定義，規定動態度的大小為藍藻在該水域的平均變化情況及變化速度，計算公式［15］：

采用差值法量化2個時間點NDVI的變化，疊加各時間段的變化，得出該時段巢湖湖域藍藻的變化程度，計算公式［12］：

式中：K為藍藻的變化動態度;At1為藍藻在某位置初期的水域面積，km2;At2為藍藻在某位置末期的水域面積，km2;t1為變化初期，a;t2為變化末期，a。

3 結果與分析

3.1 巢湖藍藻NDVI的空間變化分析

按式(1)計算出巢湖湖域藍藻NDVI的平均空間分布(如圖4)，以此劃分巢湖為東、西2個湖區，鑒于西區較東區復雜，遂分為西一區、西二區、西三區、東一區、東二區。在該研究時段，藍藻極高密度區主要為片狀分布于西一區沿岸，高密度區主要分布在西一區、西二區及東二區沿岸，中密度區主要分布在西二區、西三區和東二區;極低密度區呈大面積團狀，重點位于東一區、低密度區位于東一區、西三區。其中極高密度區面積54.17 km2，占巢湖的 6.89%;高密度區面積 116.51 km2，比例15.10%;中密度區面積為196.52 km2，比例25.47%;低密度區面積為327.43 km2，比例42.43%;極低密度區面積為 78.04 km2，比例10.11%。

圖4 巢湖藍藻平均空間分布

3.2 巢湖藍藻NDVI的動態變化程度

根據式(2)計算巢湖藍藻在研究時段的變化程度(如圖5)，分為7個級別，其中嚴重退化區的面積為35.01 km2，占總面積的4.54%，主要分布在西一區;中度退化區面積為 21.19 km2，占2.76%，在東一區單獨分布，其余各區均圍繞嚴重退化區成條帶形環狀分布;輕微退化區面積為55.98 km2，比例 7.25%;無變化區的面積為115.53 km2，比例 14.97%，輕微改善的面積為159.29 km2，比例20.64%，無變化區和輕微改善區“成團”或“零星”分布在東一湖區中、西部以及以此鄰接的西三湖區的東、中部;中度改善的面積為145.70 km2，比例18.88%，呈零星的條帶狀圍繞高度改善區分布;高度改善區的面積為238.97 km2，比例30.97%，主要呈片狀分布在西三區、西二區、西一區，東一區、東二區則是零星塊狀分布，西一區、西二區呈整塊片狀分布。

圖5 巢湖藍藻動態變化程度

3.3 巢湖藍藻NDVI的動態變化速度

依據式(3)計算藍藻的變化速度(見圖6)，整個研究時段變化速度最快(即得到改善)主要分布在東一區的中、西部，西三區的東北部、西北部;變化速度快的湖域主要圍繞變化速度最快的區域呈條帶或零星的環狀分布，集中在東一區大部、西三區東北部、西北部和西二區西南部沿岸及西三區的東南沿岸，東一、二區的南部沿岸;無變化區同變化速度快的分布大體一致;改善速度最慢的湖域主要呈片狀集中在西一區、西二區、西三區的中部及南部，東二區東北部則呈小面積的團狀;變化速度慢的湖域在巢湖均有分布，在西一區、西二區、西三區南部、東二區東北部呈環狀分布。

圖6 巢湖藍藻動態變化速度

4 討論

計算研究時段巢湖湖域的NDVI空間分布，在此基礎上劃分巢湖湖區，可以得到：藍藻極低密度區及低密度區分布主要集中在東湖區(東一區)、西三湖區，兩者面積為405.47 km2，占巢湖湖域總面積的52.54%;藍藻暴發的區域主要集中在西湖區(西一區、西二區)、東湖區有小面積的條帶沿岸分布。

研究時段內，巢湖湖域改善(包括高度改善、中度改善及輕微改善湖域)的面積約為543.96 km2，占 70.49%，加上無變化的湖域面積約659.50 km2，比例為85.46%。西湖區改善的程度高于東湖區，西一區、西二區改善后呈大面積的片狀分布;無變化區則主要分布在東一區中西部及西三區東、中部;雖然西湖區改善的區域比例大，但是部分區域也呈嚴重退化的程度。

綜合分析表明，西湖區應以治理為主，東湖區則著重監測、預防。西湖區重點治理的湖域為西一區沿岸及向湖中延伸的區域，因為該區域是藍藻分布的極高密度區，不僅呈嚴重退化趨勢，而且改善的速度慢。東湖區應以監測預防為主，開展小區域治理：在東一區中部以監測預防為主，因為該區藍藻為極低密度區，有輕微退化趨勢;東二區的東、中、南為高密度區，中度退化程度，并且更新速度較慢，應在治理的基礎上加強監測。

［1］王橋．環境一號衛星環境應用系統工程及其關鍵技術研究進展［J］．環境監控與預警，2009，1(1)：31-36．

［2］金焰，張詠，牛志春，等．環境一號衛星CCD數據在太湖藍藻水華遙感監測中的應用［J］．環境監測管理與技術，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］劉淑英，牛志春，徐升．巢湖富營養化遙感監測［J］．環境監測管理與技術，2010，22(4)：55-57．

［5］周先傳徐升．巢湖藍藻水華遙感監測初探［J］．中國環境監測2010，26(3)：36-39．

［6］王橋，呂恒，李碩，等．基于環境一號衛星的流域水環境評價和模擬［M］．科學出版社，2011：22-44．

［7］鄧書斌．ENVI遙感圖像處理方法［M］．北京：科學出版社，2010．

［8］李曉娟，劉曉萌，胡德勇，等．ENVI遙感影像處理教程［M］．北京：中國環境科學出版社，2007．

［9］曾志遠．衛星圖像計算機分類與滴血運用研究［M］．北京：科學出版社，2004．

［10］John R．Jensen．遙感數字影像處理導論［M］．北京：機械工業出版社，2007．

［11］田永中，徐永進，黎明，等．地理信息系統基礎與實驗教程［M］．北京：科學出版社，2010．

［12］袁雷，杜軍，周刊社．西藏怒江河谷流域NDVI變化與主要氣候因子的關系［J］．草業科學，2010(8)：52-58．

［13］湯國安，楊昕．ArcGIS地理信息系統空間分析實驗教程［M］．北京：科學出版社，2006．

［14］段增強，張鳳榮，孔祥斌．土地利用變化信息挖掘方法及其應用［J］．農業工程學報，2005，21(12)：60-66．

［15］肖明吳秋波，陳秋波，等．基于CA-Markov模型的昌化江流域土地利用動態變化［J］．農業工程學報，2012，28(10)：232．