高分數據連續多時相南灣湖藻類污染監測

文 曄,王松妍,張 歡

(1. 大連理工大學城市學院建筑工程學院,遼寧 大連 116600; 2. 沈陽農業大學土地與環境學院,遼寧 沈陽 110866; 3. 遼寧錦鵬地理信息科技有限公司,遼寧 沈陽 110000)

隨著經濟發展需要和人類活動范圍增大,湖泊水環境相關問題愈發得到重視。湖泊水藻污染導致水體缺氧、水質變壞、魚蝦死亡,同時影響居民用水,給環境、農業和漁業帶來極大危害,造成經濟損失。近年來環境污染逐漸加重,受藻類污染的湖泊數目增加,規模也越來越大,急需快速、高效且便捷的藻類污染監測方法。傳統的湖泊藻類危害信息提取方式多數為人工現場勘測統計、手動測量并上報等,耗費人力財力的同時主觀性強,而遙感技術具有獲取數據全面、受氣候影響小、數據更新速度快及監測面積大等多重優點,是目前響應較為迅速的動態監測水藻污染的技術手段。常用的遙感監測方法主要有單波段閾值法、監督分類法等。本文采用的多波段比值法效率和準確率較高,具有廣泛的應用價值[1]。湖泊藻類監測由海洋藻類監測演化而來,且現有藻類提取多數基于水色衛星和多光譜衛星,缺乏高分衛星數據和紅邊波段的應用。

在植被定量遙感中,紅邊是綠色植被在680～780 nm之間反射光譜中最大斜率的點,可提供比紅綠波段和短波紅外更為豐富的紅邊區域波譜信息。由于在紅邊波段光譜存在非常明顯的變化趨勢,紅邊波段在識別植被葉綠素含量時有更為顯著的作用[2]。研究表明,紅邊指數對植物葉綠素濃度、葉表面冠層、葉聚和冠層結構敏感[3-4],在農作物特征分析[5-8]、草地品質評價[9]、分析林地信息[10]、提取濕地信息[11-12]、冰湖提取[13]等方向都有廣泛應用。因此,紅邊波段在湖泊藻類污染監控方向有廣闊的研究和應用前景。

高分一號衛星突破了高空間分辨率、多光譜與高時間分辨率結合的光學遙感技術,對于推動我國衛星工程水平的提升及提高我國高分辨率數據自給都具有重大戰略意義。高分六號是中國第一顆具備紅邊波段的寬視場多光譜中高分辨率衛星,寬幅相機影像具有8個波段,包含兩個紅邊波段,更有利于監測植被狀態,提高了我國農業、林業、草原、濕地等資源的監測能力,為生態文明建設、城市綠化、自然資源管理等需求提供大量數據,同時也標志著國家高分辨率對地觀測重大專項中“2 m/8 m光學成像衛星系統”正式建成[14-15]。目前把紅邊波段應用于湖泊藻類范圍提取的研究還很少,尤其是針對國內首顆包含紅邊波段的湖泊藻類污染監測研究。本文嘗試構建應用紅邊波段的歸一化植被指數,利用高分系列衛星對南灣湖水庫進行短時序水藻監測研究,進而為穩步發展的國產高分系列數據的應用提供依據。

1 研究區與研究數據

1.1 研究區域

南灣湖位于河南省信陽市西南5 km,水域遼闊,面積約為75 km2,岸邊植被茂盛,湖中島嶼綠樹成林,蒼翠欲滴。湖水清澈透明,煙波浩渺,有著“豫南明珠”的美譽,是河南省十大重點景區之一。南灣湖景區處在南北氣候過渡帶,季相多變。年平均氣溫為15.1℃,夏季高溫可達35℃左右,夏季氣候十分適宜藻類生長繁殖。

1.2 研究數據

以高分一號和高分六號遙感影像為數據源,分別選取成像時間為2020年7月20日的GF-1 WFV影像數據、8月2日的GF-1 WPF影像數據、8月3日的GF-6 PMS影像數據、8月3日的GF-6 WFV影像數據、8月4日的GF-1B影像數據、8月5日的GF-1 WFV影像數據及8月9日的GF-1 W影像數據。

根據官方發布的相關信息,7月末至8月初為南灣湖水庫水藻爆發及清理時間,具體清理水藻時間為2020年7月31日。數據的分辨率及波段信息見表1,產品等級為1A級。其中高分六號寬幅相機增加了能有效反映農作物葉綠素含量和光譜屬性的2個波段(B5和B6)。本文利用ENVI進行數據預處理,先采用ENVI集成的全球高程數據GMTED2010.jp2和數據自身RPC參數實現RPC正射校正,再利用輻射定標和FLAASH大氣校正功能,對數據進行輻射定標和大氣校正,便于后續植被指數等參數計算。

表1 GF-1、GF-6衛星光譜波段 μm

2 研究方法

2.1 歸一化植被指數

高分一號與高分六號衛星的時間分辨率高,覆蓋范圍大,因此可利用連續的多時相遙感影像獲得不同日期的歸一化植被指數(NDVI)數據,提取出短時序的區域內植被范圍圖。通過后續實現對比分析,能夠得到研究區范圍內水藻發展、消亡與復發趨勢。公式為

NDVI=(B4-B3)/(B4+B3)

(1)

高分六號衛星空間分辨率與高分一號相同,但新增了紫波段、黃波段、紅邊波段1和紅邊波段2,寬幅影像的幅寬也比高分一號寬幅影像大,因此在NDVI的基礎上引入兩個紅邊波段,計算多時相遙感影像的紅邊波段歸一化植被指數NDVI-B5和NDVI-B6[7],以此提取影像中的藻類范圍,與使用經典NDVI提取的藻類范圍進行對比,驗證紅邊波段提取湖泊中藻類范圍的有效性。NDVI-B5和NDVI-B6計算公式分別為

NDVI-B5=(B5-B3)/(B5+B3)

(2)

NDVI-B6=(B6-B3)/(B6+B3)

(3)

2.2 歸一化差異水體指數

采用歸一化差異水體指數法(NDWI)提取水體信息。水體指數法利用水體在波長逐漸增大時,對光的反射率逐漸降低的原理,對影像的可見光波段和近紅外波段進行比值運算,進而達到提取水體范圍的目的[16]。NDWI法能夠有效地放大水體與其他地物之間的特征差異,對背景噪聲有較好的抑制效果。雖然NDWI法不易將水體與建筑物進行明顯區分,導致提取信息中會存在城區建筑信息,但研究區域內的湖泊周圍幾乎沒有建筑物,因此不會對提取的水體范圍精度和準確度造成實質性影響,故本文采用NDWI法對研究區內的多時相GF-1和GF-6影像數據提取水體信息。公式為

NDWI=(B2-B4)/(B2+B4)

(4)

2.3 矢量化及提取分析

采用植被指數法、水體指數法分別提取7期遙感影像研究區內的水體和植被范圍信息。利用ArcGIS批量將水體范圍與植被范圍的二值化圖像進行矢量化,實現提取分析,獲取水體范圍內的綠色植被信息數據。由于這些植被信息在各期影像中的位置、面積等都存在不同,結合7月末湖泊發生藻類污染的實際情況,認定這些范圍內的綠植為水藻。同時由于南灣湖曾發生過較為嚴重的藍藻污染,可推斷此次水藻污染大概率為藍藻污染。將各期影像獲取的水藻污染范圍按時序排列分析即可得到南灣湖在7月末至8月初的水體藻類污染發展、消亡及復發趨勢,對比后確定研究成果的準確性。

2.4 同時間不同方法結果對比

8月3日GF-6 WFV數據中含有兩個紅邊波段,采用改進的NDVI-B5和NDVI-B6方法提取水藻信息。與8月3日利用傳統NDVI方式提取水藻信息的GF-6 PMS數據提取結果進行對比,驗證NDVI-B5和NDVI-B6和紅邊波段在湖泊水藻提取中應用的可行性,為湖泊水藻提取和高分六號數據的應用提供技術依據。技術流程如圖1所示。

圖1 技術流程

3 結果與分析

圖2為多時相影像水藻的提取結果,可以看出,共有12個位置有明顯異常區域,詳細分析各區域在不同日期的水藻污染狀況。

圖2 多時相水藻提取結果

區域1:7月20日無云霧及島嶼等影響,且寬度較寬不是岸邊干擾,推斷為水藻污染;8月2日異常值為云霧影響,根據前后時相影像推斷,不認為存在水藻污染。推測區域1在7月20日有水藻污染,水藻被清理后無復發跡象。如圖3所示。

圖3 區域1水藻提取情況

區域2:7月20日的異常值范圍大于其他日期,雖然臨近岸邊但寬度較寬,認定為可能發生了水藻污染;8月2日影像由于云的影響與其他時相略顯不同,但未認為是水藻污染,后續時相中均未發現水藻污染現象。同時由于區域2存在島嶼,因此會導致一部分影像在此處NDVI值異常高,與水藻污染無關。如圖4所示。

圖4 區域2水藻提取情況

區域3:同區域2相同,湖中島嶼的存在導致數據NDVI值高而被提取,與水藻污染無關。如圖5所示。

圖5 區域3水藻提取情況

區域4:區域上方2個河道分支在7月20日有小片異常值,認為可能有水藻污染;8月2日和3日在不同位置出現異常值,均認為是云霧與島嶼影響導致,與水藻污染無關,其他時相均未發現水藻污染痕跡。如圖6所示。

圖6 區域4水藻提取情況

區域5和區域6:7月20日影像可見云霧覆蓋,認為是云霧影響與水藻污染無關,其他時相均未發現水藻污染痕跡。如圖7所示。

圖7 區域5和區域6水藻提取情況

區域7:7月20日影像中的大片異常值為水藻污染,導致NDVI異常;8月2日左上異常值為云影響了水體提取范圍;8月4日異常值為云與云間的陰影所導致,其他時相均未發現水藻污染痕跡。如圖8所示。

圖8 區域7水藻提取情況

區域8:7月20日可能有水藻污染情況,但因區域太窄不能確定;8月2日云影響了對應結果;8月3日無水藻污染狀態出現;8月4日和9日有污染情況,同時疑似污染復發;分析8月5日數據可知,由于云的影響導致水體范圍提取過小,未監測出污染,但根據綠植提取范圍認為該日也存在一定程度的污染問題。如圖9所示。

圖9 區域8水藻提取情況(08-05交叉線為植被提取范圍,反斜線為水體提取范圍)

區域9:8月4日影像異常值由云和云的陰影共同導致,不能認定范圍內有水藻污染,其他時相均未發現水藻污染痕跡。如圖10所示。

圖10 區域9水藻提取情況

區域10:7月20日從光學影像和提取圖中可以明顯觀察到水藻污染狀態,但8月4日異常值由云和云的陰影所導致,其他時相均未監測到水藻污染痕跡。如圖11所示。

圖11 區域10水藻提取情況

區域11:7月20日異常由水藻污染引起,8月2日異常值由薄云和陰影共同導致,其他時相均未發現水藻污染痕跡。如圖12所示。

圖12 區域11水藻提取情況

區域12:8月3日區域中部和下部的異常值由云影響,8月4日區域上方的異常值是由云與云的陰影引致,不認定該日區域有水藻污染,其他時相均未發現水藻污染痕跡。如圖13所示。

圖13 區域12水藻提取情況

2020年7月末,南灣湖水庫在此期間發生過水藻(藍藻)污染事件,嚴重影響了湖泊的生態環境和飲用水衛生,政府于7月31日實施水藻打撈工作,清理了湖中水藻。本文所示成果表明研究時間段內整個湖區范圍內水藻污染最嚴重的日期為7月20日,在某些區域(區域8)認為后續有水藻污染復發的可能性,與南灣湖實情相符。

4 結 語

本文選取GF-1和GF-6影像對河南省信陽市南灣湖水庫水藻污染情況進行了提取分析。通過短時序監測獲取了2020年7月末至8月初階段內水藻污染與消亡的發展過程,方法較為簡便且不受天氣環境和人力條件限制。通過WFV數據和PMS數據結論的比對,證實了國產高分數據和紅邊波段在湖泊綠藻監測上有廣闊的應用前景。“2 m/8 m光學成像衛星系統”在提升湖泊水藻提取的準確率和效率方面會成為更重要的角色,具備更大的發展潛力和更廣的適用性。

城市湖泊利用過程中應加強生態環境保護的宣傳,提高居民保護自然環境的意識,與此同時加強政府部門對環境保護的監督,制定和推行湖泊生態環境保護章程。伴隨著我國遙感事業的蓬勃發展和更多國產衛星星座的構建,未來也將會有更加便捷、準確、經濟的湖泊藻類監測和保護生態環境的多功能復合實時遙感信息手段,以此指導湖泊和其他生態環境的可持續開發和建設。