太湖是我国第三大淡水湖, 介于N 30° 55'42"~31° 33'50", E 119° 53'45"~120° 36'15"之间。太湖是一个典型的浅水湖泊, 是太湖流域最重要的供水源地和天然调蓄水库; 湖泊面积约为2 338.1 km², 南北长68.5 km, 东西平均宽24 km, 最宽处56 km; 湖泊平均水深为1.9 m; 湖区年均温度为15.3~16 ℃, 年均降水量为950~1 250 mm, 年日照时数为2 000~2 200 h。太湖自东向西有东太湖、青口湾、贡湖、梅梁湖和竺山湖5个湖湾。目前这几个湖湾大都因为水流缓慢, 水深较浅及盛行风向的作用而成为太湖受污染或富营养化较为严重的地方^{[10, 11]}, 致使太湖流域生态与环境急剧恶化, 特别是水体污染与富营养化程度日趋严重, 大部分水体处于中度甚至极度富营养状态, 严重的常常诱发蓝藻水华。如太湖北部的梅梁湾湖区, 几乎每年都会发生蓝藻水华^[12]。蓝藻水华的发生造成周边地区的饮用水安全缺乏保障, 给居民的生活和经济造成重大损失。因此, 太湖的生态与环境问题是不容忽视的, 急需找到行之有效的解决办法。

本研究采用的数据为MODIS两种图像产品(经过辐射校正和地理定位的MOD 02、经过大气校正的MOD 09)和气溶胶产品(MOD 04)。图像产品的空间分辨率为250 m或500 m。为了使后续的波段叠加工作便于操作, 利用最邻近像元法将500 m分辨率的绿光波段数据重采样成250 m分辨率, 以保证数据空间分辩率的一致性。

气溶胶是指悬浮在气体中的固体和(或)液体微粒与气体载体共同组成的多相体系。气溶胶通过散射和吸收作用干扰太阳辐射, 造成直接辐射强迫和间接辐射强迫影响气候系统; 气溶胶同样可以通过改变云的属性来影响降雨, 造成对气候系统的间接影响^{[14, 15]}。可见, 气溶胶对地球的辐射平衡改变起着重要的作用。由于气溶胶的变化势必会影响到遥感图像的提取精度, 若想得到真实的地表反射率信息, 一定要对信号传输过程中的气溶胶光学厚度(AOT)加以校正, 使其影响程度降至最低。

内陆水体中叶绿素和黄色物质对蓝光的强吸收使水体蓝光反射率较低, 但蓝光波段的瑞利散射和气溶胶散射强烈, 水体信号所占比例非常小, 大气校正细微的误差都会对校正后的水体反射率产生较大影响。然而, 内陆水体在绿光至近红外波段的反射率较高, 而且大气瑞利散射和气溶胶散射随波长的增加逐渐减小, 水体信号所占比例增大, 因而大气校正精度也相对较高。因此, 绿光至近红外波段是内陆水体遥感主要使用的波段。水体中藻类的光谱反射率是色素吸收与细胞表面散射相互作用的结果。由于藻类中都含有叶绿素, 所以反射光谱曲线的大致形态基本相似, 但如果水体中所含藻类密度不同, 其光谱反射峰的具体位置和数值也会有所变化^[16], 如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 不同藻类密度的内陆水体反射光谱特征Fig.1 Reflectance spectrum characteristics of inland water bodies with different algae densities

从图1可以看出, 尽管水体中藻类密度存在差别, 但在主要由颗粒散射所形成的反射光谱曲线上, 均明显表现出2个特征吸收谷(分别在440 nm和670 nm附近)和2个特征反射峰(分别在570 nm和710 nm附近)^{[17, 18, 19, 20]}。当藻类密度较高时, 水体光谱反射率曲线在440 nm和670 nm附近出现了吸收谷, 但受散射作用的影响, 不同藻类密度的水体反射率在上述2处谷值的差异并不明显。因此通常将570 nm和710 nm附近反射峰的是否存在被认为是判定水体是否含有藻类叶绿素的依据^{[21, 22]}, 即绿光波段和近红外波段是准确提取蓝藻信息的重要波段。

蓝藻水华信息的提取通常采用2种方法: ①构建遥感图像合成方案, 通过比较合成图像上蓝藻水华发生区域与周围水体区域的颜色差异来提取蓝藻水华信息^{[23, 24]}; ②通过设定植被指数(如比值植被指数、归一化差值植被指数等)阈值和构建决策树来实现对蓝藻水华的识别^[25]。依据不同藻类密度水体的反射光谱特征, 本文利用MODIS绿光波段和近红外波段数据构建大气校正前(MOD 02)后(MOD 09)蓝藻水华信息的提取方法, 并阐述单波段法和比值植被指数法的原理、特征以及阈值的选取方法。阈值的设定采用了固定阈值法和自选阈值法。

2.3.1 单波段法

从图1可以看出, 在710 nm波长附近, 水体存在一个反射峰。经研究发现, 近红外波段是区分蓝藻水华与浑浊、清洁水体的最好波段。因此, 本文利用MODIS数据的近红外波段数据, 通过确定蓝藻信息的提取阈值, 提取蓝藻水华信息。固定阈值法中的阈值设定为0.1, 当图像亮度值DN_NIR> 0.1时, 提取出的信息即为蓝藻水华信息; 自选阈值法中的阈值设定则根据近红外波段数据直方图来确定, 阈值基本都选直方图主峰的右下端数值, 大于该阈值的像元则为蓝藻水华信息。

2.3.2 比值植被指数法

由于部分浑浊水体在近红外波段反射率相对较高, 使得蓝藻水华信息与高浑浊水体信息易混淆, 因此, 仅使用上述单波段方法容易夸大或者减弱蓝藻信息, 而植被指数的提出则可以对单波段法加以改进。

由于蓝藻水华在近红外波段具有高反射、在可见光波段具有低反射的光谱特征(水体恰好相反), 因此, 采用MODIS数据产品(MOD 02和MOD 09)的近红外波段和绿光波段亮度值之比, 即比值植被指数, 便可迅速确定蓝藻水华范围。本文利用比值植被指数法分别获得2006年的MOD 02和MOD 09太湖蓝藻水华信息。其公式为

RVI=DN_NIR/DN_G, (1)

式中: DN_NIR为近红外波段像元亮度值; DN_G为绿光波段像元亮度值。固定阈值法中将阈值设定为1, 当RVI> 1时, 提取出蓝藻水华信息; 自选阈值法中的阈值则是根据RVI直方图的趋势确定。

2.3.3 精度验证方法

利用2006年太湖站提供的14个样点的叶绿素a浓度(C_a)实测数据, 对上述提取结果进行评价。根据湖泊营养等级划分标准: C_a< 3 μ g/L定义为贫营养化; 3≤ C_a< 11 μ g/L为中营养化; 11≤ C_a< 78 μ g/L为富营养化; C_a≥ 78 μ g/L为超富营养化^[13]。实测数据采样点的分布情况如图2所示。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 太湖站采样点分布图Fig.2 Distribution of sampling sites in Taihu Lake

根据上述划分标准, 利用实测数据对上述2种方法提取的大气校正前(MOD 02)后(MOD 09)蓝藻水华信息的精度分别进行验证。

对于单波段法, 不论采用的是MOD 02数据还是MOD 09数据, 提取的蓝藻信息均有11个点与实测情况相符, 而有3个样点未被检测出; 对于比值植被指数法, 采用MOD 02和MOD 09数据均有12个点反映出了蓝藻分布的真实情况。可见, 比值植被指数法的提取精度较单波段法高, 其提取结果基本上可以反映湖泊的富营养化状况。