基于Sentinel-2遙感影像的巢湖藍(lán)藻水華提取方法研究

劉海秋，任恒奎，牛鑫鑫，夏萍

1.安徽農(nóng)業(yè)大學(xué)信息與計(jì)算機(jī)學(xué)院，安徽 合肥 230036；2.安徽農(nóng)業(yè)大學(xué)農(nóng)業(yè)機(jī)械系，安徽 合肥 230036

巢湖是中國五大淡水湖之一，同時(shí)是安徽省最大的淡水湖，為周圍地區(qū)帶來巨大的經(jīng)濟(jì)效益。但是自從上個世紀(jì)90年代，巢湖逐漸受到了人類活動的影響，水質(zhì)不斷惡化，成為典型的富營養(yǎng)化湖泊，水域經(jīng)常出現(xiàn)藍(lán)藻水華爆發(fā)現(xiàn)象（唐曉先等，2017；蔣晨韻等，2019）。藍(lán)藻快速生長聚集形成水華，導(dǎo)致水體生物多樣性急劇下降，破壞水體景觀和生態(tài)系統(tǒng)平衡，給周邊經(jīng)濟(jì)帶來了巨大的障礙，嚴(yán)重影響到區(qū)域環(huán)境，并制約當(dāng)?shù)氐慕?jīng)濟(jì)和社會的可持續(xù)發(fā)展（孔繁翔等，2009）。因此，快速、準(zhǔn)確的掌握藍(lán)藻水華分布信息，對水華預(yù)防、治理研究顯得尤為重要。

目前，藍(lán)藻水華監(jiān)測方法主要?dú)w納為三類：傳統(tǒng)采樣監(jiān)測法、衛(wèi)星遙感監(jiān)測法、光譜技術(shù)監(jiān)測法。相比于其他藍(lán)藻水華監(jiān)測手段，遙感監(jiān)測技術(shù)具有監(jiān)測面積廣、資料更新周期短、成本相對較低、便于長期實(shí)時(shí)監(jiān)測等優(yōu)點(diǎn)。從上個世紀(jì) 90年代起，遙感技術(shù)開始應(yīng)用于中國內(nèi)陸湖泊藍(lán)藻水華監(jiān)測。段洪濤等（2008）利用中等分辨率成像光譜儀MODIS遙感影像，提取了太湖不同時(shí)期的藍(lán)藻水華；蔣大林（2015）、何云玲等（2019）利用MODIS影像數(shù)據(jù)研究了滇池不同等級藍(lán)藻水華的分布面積和空間變化特征，但由于MODIS遙感影像的分辨率相對較低（分辨率最高可達(dá)到250 m），難以探測面積較小的零星藍(lán)藻水華區(qū)域；張姣等（2016）利用Landsat-8遙感影像獲取了洱海的藍(lán)藻水華時(shí)空分布信息，張東彥等（2019）對比了Landsat、HJ-1B和NPP-VIIRS 3種不同空間分辨率的影像數(shù)據(jù)，利用NDVI和FAI提取2010—2014年共22景巢湖藍(lán)藻水華的爆發(fā)區(qū)域，對HJ-1B和NPP-VIIRS的分辨率、重訪周期、譜段進(jìn)行評價(jià)。與MODIS遙感影像相比，Landsat-8的空間分辨率更高（分辨率為30 m），有利于小面積零星藍(lán)藻水華區(qū)域的提取，同時(shí)，Landsat-8具有短波紅外波段（Offoro et al.，2019），支持FAI指數(shù)的計(jì)算，與其他用于藍(lán)藻水華提取的指數(shù)相比，F(xiàn)AI指數(shù)能夠在一定程度上減少云層對藍(lán)藻水華監(jiān)測的影響。然而，Landsat-8的重訪周期較長（16 d），時(shí)效性較差，在夏季藍(lán)藻爆發(fā)時(shí)期，難以及時(shí)地提供藍(lán)藻水華信息；鄭炎輝等（2020）利用GF-1影像對東風(fēng)水庫水質(zhì)參數(shù)變換進(jìn)行監(jiān)測，盡管GF-1重訪周期較短，空間分辨率較高，但是僅具備4個譜段，譜段相對匱乏，難以進(jìn)行FAI等多指標(biāo)的藍(lán)藻水華計(jì)算，監(jiān)測結(jié)果受云層影響嚴(yán)重。綜上所述，空間分辨率越高、重訪周期越短，越有利于藍(lán)藻水華爆發(fā)階段及時(shí)準(zhǔn)確地進(jìn)行小面積零星藍(lán)藻水華區(qū)域的提取，同時(shí)，豐富的衛(wèi)星譜段，能夠支持包括FAI等多種指標(biāo)的計(jì)算，進(jìn)而在一定程度上降低云層、大氣對藍(lán)藻水華提取結(jié)果的影響。然而，作為中國內(nèi)陸藍(lán)藻水華監(jiān)測的主要影像來源，Landsat、MODIS、GF-1、HJ-1B和NPP-VIIRS衛(wèi)星尚存在空間分辨率低、重放周期長或譜段匱乏等方面的局限性。

Sentinel-2衛(wèi)星攜帶的多光譜成像裝置，覆蓋了從可見光、近紅外到短波紅外的 13個光譜波段，空間分辨率最高可達(dá)到10 m，巢湖區(qū)域重訪周期縮短至5 d（Iurist et al.，2016；Bresciani et al.，2018），兼具了空間分辨率高、重放周期短、譜段豐富三方面優(yōu)勢，為藍(lán)藻水華爆發(fā)階段及時(shí)準(zhǔn)確的藍(lán)藻水華監(jiān)測提供了影像基礎(chǔ)（Vanhellemont et al.，2016；Molkov et al.，2019；Toming et al.，2016；Sakuno et al.，2019；Liu et al.，2019）。但目前 Sentinel-2遙感影像在大型湖泊藍(lán)藻水華遙感監(jiān)測的應(yīng)用報(bào)道很少。為此，本文以巢湖為研究對象，利用Sentinel-2衛(wèi)星豐富的譜段和高分辨率優(yōu)勢，開展包括FAI在內(nèi)的多指標(biāo)藍(lán)藻水華監(jiān)測研究，針對FAI閾值難以確定的典型問題，提出了基于回歸分析的FAI閾值確定方法。

1 遙感數(shù)據(jù)獲取與處理

1.1 遙感數(shù)據(jù)獲取

本研究從歐洲航空安全局、中國科學(xué)院對地觀測與數(shù)字地球、美國地質(zhì)調(diào)查局、中國資源衛(wèi)星應(yīng)用中心等網(wǎng)站，分別獲取了Sentinel-2衛(wèi)星的L1C級產(chǎn)品以及Landsat-8 OLI、MODIS和GF-1的一級產(chǎn)品，上述衛(wèi)星的相關(guān)參數(shù)詳見表1。

表1 Sentinel-2與Lansat-8、GF-1、MODIS相關(guān)參數(shù)對比Table 1 Comparison of Sentinel-2 with Lansat-8, GF-1 and MODIS parameters

夏季氣溫較高，巢湖藍(lán)藻水華面積日益變化，為了排除拍攝時(shí)間差異對巢湖藍(lán)藻水華監(jiān)測結(jié)果的影響，本文從不同衛(wèi)星產(chǎn)品中篩選出同日拍攝的遙感影像，并盡可能的剔除有云數(shù)據(jù)。

1.2 研究區(qū)域

巢湖（31°30′N，117°37′E）位于安徽省中部（圖1），是中國五大淡水湖之一，由合肥、巢湖、肥東、肥西、廬江二市三縣環(huán)抱（陳靜等，2012）。總計(jì)湖長54.5 km，最大寬度21 km，平均水深3.0 m，面積約776 km2，容積20.7億m3，是巢湖沿岸居民生活的主要水源，對于發(fā)展比較先進(jìn)的合肥市尤為重要。巢湖流域內(nèi)總共有33條河流，其中上游河流占32條，下游河流只有一條，裕溪河是巢湖唯一的通江河流。

圖1 巢湖地理區(qū)域示意圖Fig.1 Geographical area of Chaohu Lake

2 藍(lán)藻水華提取

關(guān)于MODIS、Landsat-8和GF-1遙感影像的藍(lán)藻水華提取方法已有文獻(xiàn)研究。段洪濤利用MODIS影像提取了2007年太湖藍(lán)藻水華爆發(fā)區(qū)域并對藍(lán)藻水華空間分布進(jìn)行了等級劃分；張嬌利用Landsat-8影像提取了1999—2017洱海藍(lán)藻水華時(shí)空分布信息；鄭炎輝利用GF-1影像對東風(fēng)水庫水質(zhì)參數(shù)進(jìn)行反演，為湖泊富營養(yǎng)化提供了技術(shù)支持。本文針對基于Sentinel-2遙感影像的藍(lán)藻水華監(jiān)測方法展開研究，具體流程如圖2所示。

圖2 巢湖藍(lán)藻水華提取流程Fig.2 Extraction process of cyanobacteria bloom in Chaohu Lake

在提取藍(lán)藻水華之前，需要對遙感影像進(jìn)行數(shù)據(jù)預(yù)處理。除了常規(guī)的輻射定標(biāo)、大氣校正等步驟之外，還需要根據(jù)特定的傳感器進(jìn)行一些針對性的處理。因此，在對多個波段組合運(yùn)算之前，需要對Sentinel-2多波段遙感影像進(jìn)行波段融合，采用重采樣方法將分辨率為20 m的波段提高為10 m。

本實(shí)驗(yàn)采用 NDVI和 FAI兩項(xiàng)指標(biāo)提取藍(lán)藻水華，兩項(xiàng)指標(biāo)均需要近紅外波段參與運(yùn)算，詳見公式（1）、（2），然而，Sentinel-2中b7、b8以及b8a 3個波段均處于近紅外頻率范圍內(nèi)，選取哪個波段參與指標(biāo)運(yùn)算更有利于藍(lán)藻水華提取，是本文的研究內(nèi)容之一。

文章通過指標(biāo)閾值判斷研究區(qū)域是否存在藍(lán)藻水華，對于Sentinel-2而言，不同的研究區(qū)域，NDVI指標(biāo)閾值表現(xiàn)出了良好的穩(wěn)定性（Huete et al.，2002；何云玲等，2019），然而，F(xiàn)AI指標(biāo)的閾值卻隨著研究區(qū)域的變化而變化（夏曉瑞，2014；張姣等，2016），目前，尚無文獻(xiàn)論述有關(guān)Sentinel-2巢湖藍(lán)藻水華提取中的FAI閾值問題。為此，本文在第2.3部分提出了基于回歸分析的FAI閾值確定方法，用于解決傳感器和研究區(qū)域變化時(shí)的FAI閾值問題。

2.1 近紅外波段的選取

藍(lán)藻在水溫20 ℃以上，水體PH值偏高，光照度強(qiáng)且時(shí)間久的條件下，形成氣囊浮出水面并且迅速繁殖，以至形成藍(lán)藻水華，改變水體在紅光、近紅外以及短波紅外波段的光譜特征（Hu et al.，2010），通過光譜儀器感知水體表面的光譜反射率，從而達(dá)到識別藍(lán)藻水華的目的。作為藍(lán)藻水華識別指標(biāo)，NDVI和FAI均需要近紅外波段參與運(yùn)算，然而，Sentinel-2中b7（779 nm）、b8（833 nm）以及b8a（865 nm）3個波段均處于近紅外頻率范圍內(nèi)，本部分針對選取哪個波段參與指標(biāo)運(yùn)算更有利于藍(lán)藻水華提取展開研究。

實(shí)驗(yàn)部分對比了不同衛(wèi)星的藍(lán)藻水華提取結(jié)果，而不同衛(wèi)星之間近紅外波段的中心波長可能存在偏差，進(jìn)而導(dǎo)致同一目標(biāo)在近紅外波段的反射率差異，最終影響藍(lán)藻水華提取結(jié)果，為了最大程度地降低由近紅外波段中心波長偏差引起的藍(lán)藻水華提取結(jié)果差異，本文從Sentinel-2的b7（779 nm）、b8（833 nm）、b8a（865 nm）3個波段中，選取與對照組衛(wèi)星（GF-1）近紅外波段中心波長最接近的波段作為近紅外波段。Sentinel-2和GF-1的近紅外波段如圖3所示，可見，GF-1近紅外波段的中心波長位于797 nm處，Sentinel-2的b7波段與之最為接近，因此，實(shí)驗(yàn)選取Sentinel-2的b7波段作為近紅外波段參與NDVI和FAI計(jì)算。

圖3 不同遙感影像近紅外段段光譜響應(yīng)函數(shù)Fig.3 Spectral response function of different remote sensing images in nearinfrared region

2.2 基于NDVI的藍(lán)藻水華提取

NDVI指標(biāo)衡量水體在紅光和近紅外波段光譜反射率的比值，如式（1）所示，被廣泛應(yīng)用于藍(lán)藻水華識別（陳云等，2008；謝國清等，2010；Zhang et al.，2015；顧長梅等，2016；李旭文等，2018a；岳昂等，2020）。

式中：Rnir和Rred分別為近紅外波段和紅波段處的反射率，NDVI的取值范圍為?1—1，在Sentinel-2中分別對應(yīng)b7（779 nm）波段和b4波段（665 nm）。

文章采用李旭文等（2018b）在太湖藍(lán)藻水華光譜研究中關(guān)于 NDVI閾值劃分藍(lán)藻水華等級的方法，將NDVI＞0劃分為藍(lán)藻水華像元。對近年來巢湖藍(lán)藻水華遙感影像提取實(shí)驗(yàn)，NDVI能夠較好的反映藍(lán)藻水華聚集程度。

2.3 基于FAI的藍(lán)藻水華提取

Hu（2009）提出FAI監(jiān)測寬闊海域的藻類信息。與NDVI指標(biāo)相比，F(xiàn)AI指數(shù)受云層影響較小，能夠在天氣條件不是很理想的情況下識別藍(lán)藻水華，滿足環(huán)境監(jiān)測業(yè)務(wù)需求。然而，由于FAI指標(biāo)涉及紅光、近紅外以及短波紅外 3個波段，而常見的MODIS、GF-1等衛(wèi)星并不包含短波紅外波段，從而限制了 FAI指標(biāo)在藍(lán)藻水華監(jiān)測中的應(yīng)用。而Sentinel-2衛(wèi)星不僅包含紅光、近紅外波段，還設(shè)置了短波紅外傳感器，能夠滿足FAI指標(biāo)的波段需求。

2.3.1 FAI指標(biāo)的計(jì)算

FAI方法采用紅光、近紅外、短波紅外波段組合的方式，利用藍(lán)藻水華和水體光譜特征差異，能夠有效識別藍(lán)藻水華。其具體公式為如下。

式中：Rred、Rnir、Rswir分別為紅光、近紅、短波紅外波段的反射率，對應(yīng) Sentinel-2的 b4（664 nm）、b7（779 nm）、b11（1613 nm）；λred（664.5 nm）、λnir（779.7 nm）、λswir（1613.7 nm）分別為紅光、近紅外、短波紅外波段的中心波長；Rn′ir為插值反射率，即在紅波段和短波紅外波段之間采用線性內(nèi)插得到近紅外波段處的反射率信息。

2.3.2 FAI閾值的確定

閾值直接關(guān)系藍(lán)藻水華的提取精度，閾值的確定是區(qū)分藍(lán)藻水華和水體的關(guān)鍵步驟。與NDVI指標(biāo)不同，隨著傳感器和研究區(qū)域的變化，F(xiàn)AI指標(biāo)的閾值會隨之改變（張姣等，2016；段洪濤等，2008；Zhang et al.，2019）。而傳統(tǒng)的目視法具有較強(qiáng)的主觀性，會引入不可估算的誤差（郭望成，2011；李俊生等，2009）。目前，尚無文獻(xiàn)論述有關(guān)Sentinel-2 FAI的閾值問題，為此，本文提出了FAI閾值確定方法。

將實(shí)驗(yàn)提取的 FAI和 NDVI所對應(yīng)的點(diǎn)在平面直角坐標(biāo)系上表示出來，觀察散點(diǎn)圖的分布形狀，發(fā)現(xiàn)樣本點(diǎn)大致分布在一條直線的周圍，F(xiàn)AI和NDVI的值均與藍(lán)藻水華濃度呈現(xiàn)正相關(guān)性，即藍(lán)藻水華濃度越大，F(xiàn)AI和NDVI的值越大，據(jù)此原理，提出如下假設(shè)：在一同衛(wèi)星拍攝的遙感影像中，同一研究區(qū)域的NDVI及FAI的分布應(yīng)表現(xiàn)出一定的線性關(guān)系，通過回歸分析建立NDVI與FAI之間的函數(shù)關(guān)系式，從而根據(jù) NDVI的閾值估計(jì)FAI的閾值，具體流程如圖4所示。

圖4 基于回歸分析的FAI閾值確定流程Fig.4 Process of FAI threshold determination based on regression analysis

研究以Sentinel-2 NDVI提取指標(biāo)為參照，建立NDVI與FAI結(jié)果的函數(shù)關(guān)系，進(jìn)而通過NDVI確定FAI的閾值來區(qū)分藍(lán)藻與水，所以在選擇實(shí)驗(yàn)數(shù)據(jù)時(shí)，使用 NDVI＞0.4的閾值排除已確定為水華像元的影響。從上面分析中可以確定實(shí)驗(yàn)采用線性回歸模型建立NDVI與FAI之間的函數(shù)關(guān)系式，以上述采樣點(diǎn)為觀測點(diǎn)，進(jìn)而估計(jì)模型參數(shù)，得到的擬合曲線如圖5中紅線所示（決定系數(shù)r2達(dá)到0.9823，顯著性檢驗(yàn)P＜0.001）擬合效果較好。因此，NDVI與FAI之間的函數(shù)關(guān)系可以表示為（3）。

圖5 巢湖區(qū)域FAI與NDVI關(guān)系Fig.5 Relationship between FAI and NDVI for region of Chaohu Lake

根據(jù)第2.2部分的內(nèi)容可知，Sentinel-2衛(wèi)星影像中NDVI指標(biāo)的閾值為0，將0代入式（3），可以得到當(dāng)傳感器為Sentinel-2、研究區(qū)域?yàn)槌埠r(shí)，用于藍(lán)藻水華監(jiān)測的FAI的閾值為?1.152，如式（4）所示。為此，本文將 FAI＞?1.152的區(qū)域作為藍(lán)藻水華的爆發(fā)區(qū)域，有關(guān)該閾值的藍(lán)藻水華監(jiān)測結(jié)果將在第3部分給出。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 基于NDVI的巢湖藍(lán)藻水華提取結(jié)果分析

本文共獲取63幅遙感影像，從中篩選了17幅質(zhì)量比較好的影像（無云或少云）進(jìn)行藍(lán)藻水華提取，并計(jì)算藍(lán)藻水華面積，結(jié)果如表2所示。從中可以看出，2019年11月3日藍(lán)藻水華提取結(jié)果中Sentinel-2與GF-1更為接近，而與MODIS的差異較大；同樣地，2019年8月20日和9月19日的藍(lán)藻水華提取結(jié)果中，Sentinel-2與Landsat-8、GF-1提取結(jié)果更為接近，而與MODIS的差異較大。可見，盡管所采用的遙感影像是同一天拍攝的，但不同衛(wèi)星所提取的藍(lán)藻水華面積仍然存在差異，而且，與其他衛(wèi)星相比，Sentinel-2提取的藍(lán)藻水華面積更多。從表2的第一列可知，Sentinel-2的分辨率最高，GF-1和Landsat-8的分辨率居中，而MODIS的分辨率最低，導(dǎo)致上述現(xiàn)象的根本原因可能是不同衛(wèi)星之間的分辨率差異，理論上分辨率越高，越有利于藍(lán)藻水華面積較小的零星區(qū)域的提取。

表2 多源遙感衛(wèi)星基于NDVI提取的巢湖藍(lán)藻水華結(jié)果Table 2 Results of cyanobacteria bloom in Chaohu Lake extracted by multi-source remote sensing satellite based on NDVI km2

為了探究引起差異的原因，進(jìn)行了如下分析。圖6、7分別為2019年9月19日和2019年11月3日 Sentinel-2、GF-1、MDODIS的藍(lán)藻水華及局部放大圖（圖6、7中紅色矩形區(qū)域）。從圖6d—l、圖7d—i的局部放大區(qū)域可以看出，Sentinel-2和GF-1的藍(lán)藻水華提取結(jié)果中均包含了藍(lán)藻水華爆發(fā)面積較小的零星區(qū)域，但Sentinel-2的提取結(jié)果更為精細(xì)，而在MODIS的提取結(jié)果中并沒有發(fā)現(xiàn)上述區(qū)域。圖6m—r、圖7j—m為局部放大區(qū)域的差值圖，以2019年9月19Area1#（10.0768 km2）為例，計(jì)算Area1#的藍(lán)藻水華面積，Sentinel-2、GF-1、MODIS 分別提取了 6.5931、5.9268、5.0799 km2，Sentinel-2與后兩者之間的差值分別為0.6663 km2和1.5132 km2。可見，藍(lán)藻水華提取結(jié)果的差異主要集中在邊緣部分以及爆發(fā)面積較小的零星區(qū)域（圖6、7中黃色矩形區(qū)域，提取最小區(qū)域面積達(dá)到100 m2），分辨率越高，越有利于邊緣以及藍(lán)藻水華面積較小的零星區(qū)域的提取，藍(lán)藻水華提取結(jié)果更接近真實(shí)狀態(tài)，在用于藍(lán)藻水華監(jiān)測的常規(guī)遙感影像中，Sentinel-2的空間分辨率更高（10 m），能夠更準(zhǔn)確地反應(yīng)藍(lán)藻水華的爆發(fā)面積。

圖6 2019年9月19日不同遙感影像提取的藍(lán)藻水華結(jié)果Fig.6 Cyanobacteria bloom results extracted from different remote sensing images on September 19, 2019

圖7 2019年11月3日不同遙感影像提取的藍(lán)藻水華結(jié)果Fig.7 Cyanobacteria bloom results extracted from different remote sensing images on November 3, 2019

3.2 基于FAI的巢湖藍(lán)藻水華提取結(jié)果分析

通過與NDVI的藍(lán)藻水華監(jiān)測結(jié)果對比，判斷基于FAI的藍(lán)藻水華監(jiān)測結(jié)果的準(zhǔn)確性，進(jìn)一步驗(yàn)證本文所提出的FAI閾值確定方法的有效性。在此基礎(chǔ)之上，為了驗(yàn)證FAI指標(biāo)受云層影響更小，分別利用Sentinel-2和Landsat-8進(jìn)行了對比實(shí)驗(yàn)。

在Sentinel-2遙感影像上分別采用FAI和NDVI兩個指標(biāo)計(jì)算藍(lán)藻水華面積，結(jié)果如圖8所示（綠色部分為提取的藍(lán)藻水華），可見，兩個指標(biāo)的提取結(jié)果中藍(lán)藻水華的分布情況基本一致，對圖8的藍(lán)藻水華面積進(jìn)行統(tǒng)計(jì)，結(jié)果如表3所示，兩個指標(biāo)藍(lán)藻水華提取面積的相對偏差低于5%，可見，F(xiàn)AI與NDVI的藍(lán)藻水華提取結(jié)果比較接近，能夠證明本文所提出的FAI閾值確定方法的有效性。

圖8 Sentinel-2采用FAI和NDVI提取藍(lán)藻水華結(jié)果Fig.8 Sentinel-2 extract cyanobacteria bloom results by FAI and NDVI

表3 Sentinel-2基于不同方法的藍(lán)藻水華提取結(jié)果Table 3 Sentinel-2 extraction results of cyanobacteria bloom based on different methods km2

為了驗(yàn)證FAI指標(biāo)受云層影響更小，分別利用Sentinel-2和 Landsat-8進(jìn)行了對比實(shí)驗(yàn)。圖 9是2018年7月31日Sentinel-2和Landsat-8影像采用FAI和NDVI提取的巢湖藍(lán)藻水華結(jié)果。從圖9a、b可以看出，巢湖上空存在云霧（圖9中紅色矩形區(qū)域），Sentinel-2采用NDVI和FAI方法提取的藍(lán)藻水華面積（表4）分別為39.21 km2和21.13 km2；Landsat-8采用NDVI和FAI方法提取的藍(lán)藻水華面積分別為18.85 km2和11.78 km2。然而，根據(jù)安徽省巢湖管理局網(wǎng)站（http://chglj.hefei.gov.cn）近年來公布的巢湖藍(lán)藻水華監(jiān)測結(jié)果可知，巢湖的東北部通常不會發(fā)生藍(lán)藻水華的大規(guī)模爆發(fā)，可以斷定本實(shí)驗(yàn)所提取的巢湖東北部藍(lán)藻水華是由于云霧引起的，與NDVI相比，F(xiàn)AI指標(biāo)提取的藍(lán)藻水華面積更小，Senitnel-2基于FAI指標(biāo)的提取面積僅為NDVI的53.89%。可見云霧對FAI指標(biāo)的藍(lán)藻水華提取結(jié)果影響更小。

圖9 2018年7月31日不同方法提取藍(lán)藻水華結(jié)果Fig.9 Results of different methods on cyanobacteria bloom extraction on July 31, 2018

表4 2018年7月31日云遮蓋區(qū)域藍(lán)藻水華提取結(jié)果Table 4 Extraction results of cyanobacteria bloom from cloud-covered area on July 31, 2018

綜上所述，為了驗(yàn)證Sentinel-2的高分辨率在藍(lán)藻水華提取中的優(yōu)勢、以及本文所提出的FAI閾值確定方法的有效性，開展了上述兩部分實(shí)驗(yàn)，結(jié)果表明與MODIS、Landsat-8、GF-1相比，Sentinel-2的分辨率更高，能夠更精確地估算藍(lán)藻水華面積，提取結(jié)果更接近真實(shí)狀態(tài)；此外，在無云霧遮擋情況下，利用本文的FAI閾值確定方法所提取的藍(lán)藻水華結(jié)果與NDVI比較接近，能夠證明本文所提出的FAI閾值確定方法的有效性；在有云霧遮擋情況下，與NDVI相比，F(xiàn)AI指標(biāo)受云霧的影響更小。

4 結(jié)論

本研究基于巢湖 2018—2020年時(shí)間序列的遙感影像數(shù)據(jù)，利用GIS空間分析技術(shù)，對巢湖近年來藍(lán)藻水華進(jìn)行監(jiān)測識別，探討不同遙感影像下藍(lán)藻水華提取的差異，針對FAI閾值難以確定的典型問題，提出了基于回歸分析的FAI閾值確定方法。研究得出以下結(jié)論：

（1）以NDVI的閾值0為基準(zhǔn)，通回歸分析確定FAI的閾值為?1.152（決定系數(shù)r2達(dá)到0.9823，顯著性檢驗(yàn)P＜0.001），對2019年1—6月無云干擾的Sentinel-2遙感影像進(jìn)行藍(lán)藻水華面積提取實(shí)驗(yàn)，兩種指標(biāo)下提取的藍(lán)藻水華分布情況基本一致，藍(lán)藻水華面積相對偏差小于5%，表明FAI閾值確定方法有效。

（2）分辨率較高的Sentinel-2數(shù)據(jù)能夠提取的最小水華面積達(dá)到100 m2，相比于GF-1、MODIS、Landsat-8能夠更準(zhǔn)確的反映藍(lán)藻水華的爆發(fā)面積。2018—2020期間，每年的最大藍(lán)藻水華爆發(fā)時(shí)間發(fā)生在9、10月，從巢湖西北部水域向湖心方向延伸。

（3）對2018年7月31日的Sentinel-2與Landsat-8云覆蓋區(qū)域，采用FAI和NDVI進(jìn)行藍(lán)藻水華提取，與NDVI相比FAI提取的藍(lán)藻水華面積更小，F(xiàn)AI提取的面積僅為NDVI的53.89%，表明FAI能一定程度上減少云霧的干擾，在有較少云霧的天氣可以用來檢測藍(lán)藻水華的爆發(fā)范圍。