湖泊水生植物生物量遙感監測方法研究

孔默佳，唐玲，孫超，李心明，朱唐兵 （安徽省建筑科學研究設計院，安徽 合肥 230031）

0 前言

水生植物指生理上依附于水環境、至少部分生殖周期發生在水中或水表面的植物群類。它是淺水湖泊的重要類群，也是湖泊環境變化的指示物。水生植物對湖泊有著重要意義與影響。水生植物影響著營養鹽和營養物質，通過跟際效應和吸附作用，影響著水體中的氮和磷去除的因素。其次水生植物會影響湖泊中沉淀物磷釋放，以及對重金屬的吸收凈化，抑制藻類生長，改善水質（增加水中溶解氧，PH值，改善水體透明度，抑制沉積物的再懸?。?，保護生物多樣性。當然，除了一定的凈化作用外，水生植物如果生長過旺，也會對湖泊生態環境帶來負面影響。所以監測湖泊水生植物生物量有著十分重要的意義。

本文以太湖為例，近年來太湖湖區富營養化越來越嚴重，經過綜合治理，太湖主要污染指標都明顯下降，但太湖仍然存在突發性水污染風險。因此監測太湖水生植物，掌握水生植被生物量的時空特征，有著十分重要的意義，有利于掌握太湖各區域水污染情況，因地制宜地制定合理的太湖水污染防治措施。

基于傳統方法進行湖泊水生植被生物量估算時，存在費時費力、受干擾因素多、估算精度低等缺點。隨著遙感數據源的增多和遙感反演方法的發展，利用遙感影像對水生植被生物量的反演研究得到了很大的應用。

1 區域概況與研究方法

1.1 區域概況

太湖位于長江三角洲南邊，又名五湖、笠澤，是中國五大淡水湖之一，界北緯 30°55＇40"～31°32＇58"和東 經119°52＇32"～120°36＇10"之間，橫跨江、浙兩省，北臨無錫，南接湖州，西依宜興，東近蘇州。

太湖湖水面積2338km，湖泊長68㎞，最大寬度56km。因泥沙淤積和人工圍墾，一些島嶼分別與東、西洞庭山連體，近岸的則與湖岸相連成半島，現尚存大小島嶼48座，以西洞庭山面積最大，為75km。

1.2 研究方法

本文針對湖泊水生植物生物量的遙感監測方法研究。通過衛星遙感影像監測和實地踩點取樣方法，實測太湖樣點水生植物生物量，通過對實測點的生物量以及遙感影像不同波段反射率的反演，得到多種反演模型，找到最適合，最精確的反演模型，分析太湖水生植物的分布規律，對太湖水生植物的合理利用進行探討。

數據的采集：通過GPS布點，使用光譜儀采集水體表面反射率光譜數據。同步實測了各個點位的生物量。

數據預處理：利用獲得的衛星遙感影像數據HJ-1BCCD，對影像數據進行輻射定標、大氣校正、影像裁剪。

反演模型建立：采用半經驗方法，在已知的水色參數光譜特征條件下，利用最佳的波段或波段組合數據與實測水色參數值之間的統計關系，進行水色參數估算。通過遙感影像不同波段反射率和實測的生物量進行反演，得到多種反演模型。

分析數據：對得到的多種模型的R2進行精確度分析，得到最實用的模型。

2 數據預處理和生物量監測方法

2.1 遙感數據資料

利用遙感方法進行太湖水生植被監測，必須選擇合適的遙感數據。根據監測工作對遙感數據的需求，可以初選出有代表性的三大類遙感數據：TM、HJ－1A/1BCCD、MODIS。各數據特點如表1所示。

太湖藍藻監測備選遙感數據特點比較 表1

2.2 數據的預處理

圖1

利用獲得的衛星遙感影像數據HJ-1BCCD，對數據進行波段融合后，運用圖形處理軟件ENVI以及輻射定標參數對影像進行人工定標；制作光譜響應函數，精確計算像元響應；采用FLAASH大氣校正模型進行大氣校正，消除大氣和光照等因素對地物反射的影響；描繪出研究區邊界，進行影像裁剪，提取太湖水域，并去除湖中小島。

2.3 生物量反演

本文采用遙感定量經驗方法構建單因子太湖水體生物量濃度估算模型。利用環境衛星CCD數據b3、b4波段組合方式對監測點的太湖水體生物量濃度進行擬合。

將15個水質采樣點投影到做過大氣校正的反射率影像上，將反射率的波段組合b4/b3、b4-b3與生物量濃度進行回歸，得到回歸的決定系數。利用實測的5個驗證點對反演結果進行驗證，得到驗證百分數，若百分數均在30以內，說明反演精度較高。

圖2 太湖取點圖

2.4 生物量與波段模型建立

選定與b3，b4相對應的波段，運用軟件得到反演點與生物量建模表，得到b4/b3波段組合與生物量線性模型。同樣的方法，分別對b4-b3波段組合和b4波段進行反演，得到波段組合b4-b3對生物量濃度線性回歸模型和波段組合b4對生物量濃度非線性回歸模型。

2.5 精度分析與反演

圖3

從上述線性回歸模型中可以看出，利用不同波段組合對生物量濃度進行回歸，都具有較好的精度，最低決定系數也達到了0.6953，最高達到了0.7552。b4/b3波段比值對太湖的生物量濃度進行回歸精度最高，決定系數達到0.7552；利用波段組合b4-b3，精度也比較高，決定系數達到0.6953；利用b4單波段進行非線性回歸分析時，決定系數高達0.7224，而利用b3和b2兩個單波段進行分析時，決定系數均低于0.1，不可用?？梢姴ǘ伪戎到M合明顯好于波段差值組合。

采用b4/b3波段組合對反演結果進行驗證，將驗證點導入生成點圖層，再將生物量反演結果值導出，在excel表中做對比。由于結果百分比均在30%以內，精度合格，可以用b4/b3導出反演結果。

圖4 反演結果圖

3 結論與展望

3.1 結論

湖泊水生植物作為湖泊環境系統的重要組成部分，對湖泊有著重要的影響，如何快速、客觀、準確地對湖泊水生植物生物量狀況進行調查，獲取水生植物的分布信息成為我們研究的重點。本文利用“環境一號”獲得的太湖影像圖為研究區域，以遙感技術為手段，用反演建模的方法，建立生物量濃度與反射率之間的線性回歸模型，并進行精度評價。

驗證反演結果表 表2

結果圖中，顏色越深的地方生物量濃度越高，顏色越淺，生物量濃度越低。故此可以看出，東太湖的生物量濃度最高，其他部分，沿湖岸濃度高，越往湖中心，生物量濃度越低。因此，太湖水生植物生物量估算模型可以選用：

式中：M為生物量濃度，單位為g/m；

N和N分別為環境衛星CCD第4和第3波段的反射率值。

其原因主要是：環境衛星CCD數據b3、b4波段光譜分辨率不高，特別是b4波段的光譜分布范圍為760nm～900nm，該波段只對具有類植被特征的生物量濃度高的水體敏感，而低生物量濃度水體的光譜特征主要分布在685nm～715nm，此處由于條件限制，我們取得的實測點數據基本分布在太湖邊緣，大多為葉綠素即生物量濃度高的水體。

3.2 展望

本文對太湖水生植物生物量濃度模型進行了研究，取得了一些成績，證明了反演建模的方法在湖泊水生植物生物量監測中能得到很好的應用。但在研究中還有一些考慮不周的地方，針對存在的問題，提出以下展望：

①本文采用的數據源是“環境一號”遙感影像圖，所獲得的數據影像圖受大氣和云層影像，并不是很清楚；

②本文只采取了反演建模的方法，建立模型，對于一些分類方法沒有研究，比如決策樹分類方法、最大似然法，根據這些方法取點是否具有更高的建模精度；

③針對本文建立的規則，能否做進一步的優化，使模型精度達到更高水平。