典型浅水草型湖泊水体悬浮物浓度遥感反演

乔娜，黄长平,张立福,赵红莉，冶运涛，岑奕，李瑶

(1.中国科学院遥感与数字地球研究所遥感科学国家重点实验室，北京 100101;2.中国科学院大学资源与环境学院，北京 100049;3.中国水利水电科学研究院水资源研究所水资源信息研究室，北京 100038)



典型浅水草型湖泊水体悬浮物浓度遥感反演

乔娜1，2，黄长平1,张立福1,赵红莉3，冶运涛3，岑奕1，李瑶1，2

(1.中国科学院遥感与数字地球研究所遥感科学国家重点实验室，北京 100101;2.中国科学院大学资源与环境学院，北京 100049;3.中国水利水电科学研究院水资源研究所水资源信息研究室，北京 100038)

针对典型浅水草型湖泊的特点，分析水生植物对悬浮物浓度及其遥感反演的影响，得到水生植物与其覆盖区水体总悬浮物浓度之间的定量关系，提出了基于水生植物分区反演水体悬浮物浓度的新思路：首先利用植被指数将全湖分为水生植物覆盖区和未覆盖区.在水生植物覆盖区，通过水生植物的盖度来指示水体水质，进而间接反演悬浮物浓度，解决了水生植物覆盖区难以直接反演悬浮物浓度的难题；在未覆盖区，利用地面实测数据与Landsat8卫星数据建立悬浮物浓度的近红外单波段反演模型，最终得到微山湖悬浮物浓度空间分布图.在晴朗、无风或轻风的天气条件下，水生植物与其覆盖区水体悬浮物浓度之间具有稳定的定量化特征，利用该特征指示水质对浅水草型湖泊水质参数的定量化遥感具有一定的参考意义.

遥感；悬浮物浓度；浅水草型湖泊；微山湖；水生植物；Landsat8

0 引言

中国境内共有1.0 km2以上的自然湖泊2 693个，总面积达到81 414.6 km2,约占全国国土面积的0.9%[1].除天然湖泊河流外，还有许多人工湖泊和运河，它们共同构成丰富的内陆水体，这些内陆水体具有调蓄水量、调节气候、灌溉、养殖、航运、旅游、提取化工原料和发电等多种功能，因此对内陆水体展开水质监测工作十分重要.悬浮物浓度的高低和其组成是影响水体浑浊度的主要因素，是重要的水质参数[2].通过卫星遥感图像可以方便快捷地监测大范围湖区的水质状况，随着遥感技术的不断发展，研究人员已成功发展一系列悬浮物浓度遥感监测模型,包括物理模型[3]和经验与半经验模型[4-8].这些模型已应用于太湖、巢湖、滇池等内陆藻型湖泊，但在草型湖泊中并没有得到充分验证.

在我国长江中下游和黄淮海平原上有许多平均水深小于4 m的浅水湖.当水中营养盐丰富，水底为多腐殖质的淤泥时，便会导致水生植物大量繁殖，使这些湖泊逐步发展成为草型湖泊.与藻型湖泊不同，浅水草型湖泊水体光谱会混入大量水生植物的植被信息，使其水质参量的遥感反演难以业务化运行.许多研究表明，水生植物对净化水质有积极作用[9]，本文中基于已有的研究成果，初步研究利用水生植物定量反演水体总悬浮物浓度的一般方法，具体以微山湖为例，分析水生植物对悬浮颗粒物浓度的影响，将微山湖分为水生植物覆盖区与未覆盖区进行分区反演.本文的研究可为浅水草型湖泊总悬浮物浓度遥感反演提供实用技术方法.

1 数据与方法

1.1 研究区域概况 我国130余个主要湖泊可分为藻型、草型和藻草混合型湖泊，其中草型湖泊26个，藻草混合型湖泊25个[10].草型和藻草混合型湖泊数量较多、分布广泛，其水质监测与藻型湖泊同等重要.

图1 研究区域(微山湖)

本文中研究的微山湖，位于山东省南四湖的最南端，湖区水面面积约531.17 km2，湖面呈三角形，长度约45 km，湖面最宽距离约21 km.京杭大运河傍湖而过，使微山湖具有河湖两性，东岸湖水流动性较大.全湖平均水深不足2 m，湖中有大量的水生植物，是典型的草型湖泊.图1即为2015年6月12日微山湖Landsat8真彩色合成影像.微山湖作为南水北调的蓄水湖泊，其水质监测具有重要意义.

1.2 实验数据获取与处理 2015年6月12日至13日开展野外实验，各个采样点的分布如图1所示.本次试验在洁净湖面、水生植物茂盛区、运河等水域均有布点，使用PSR3500便携式光谱仪共采集了43组数据，其中水生植物覆盖区共测得19组数据.采样点的水体光谱依据水表面以上测量法获得[11]，观测方位角为135°，观测天顶角为40°，需要测量的遥感参量有标准灰板(反射率为30%)辐亮度LP、天空光辐亮度Lsky和水面上行辐亮度LSW，每一采样点的总操作时间控制在10 min内，每个遥感参量至少测量5次，计算水体遥感反射率时，对异常的光谱予以剔除，对剩余的多条光谱求平均值.测量过程中尽量避免水面白帽、水面波浪对太阳直射光的镜面反射、船体反射和阴影的影响，野外试验均在晴朗、无风或轻风的天气下完成.

同步采集的水样，存储在特制保温箱，并于试验当天送往济南大学实验室内测定水体总悬浮物浓度等水质参数，各采样点总悬浮物浓度如表1所示，采样点的水生植物盖度为无时，表示该采样点周围没有水生植物.

表1 采样点悬浮物浓度

微山湖的环境较为复杂，河道、水草等不同水体的水体反射率数值相距较大，为了便于比较不同点位、不同时间的测量结果，对水体遥感反射率数据进行了归一化处理.水体的遥感反射率和归一化水体反射率计算公式如下：

水体的遥感反射率计算公式[12]：

(1)

其中，LSW为水面上行辐亮度，rLsky为天空光经水面反射的信号(r为气水界面对天空光的反射率，取决于太阳天顶角、方位角、观测几何、风速风向或者水面粗糙度等因素，当观测天顶角为40°时，根据Fresnel公式计算得到的r等于0.024 5[13])，LP是标准灰板辐亮度，ρP是标准灰板的反射率.

归一化水体反射率公式：

(2)

1.3 方法 由于微山湖水生植物丰富，在进行悬浮物浓度遥感反演时，本文中采用分区的思路进行反演，即将微山湖水体划分为水生植物覆盖区和未覆盖区分别反演.

2 结果与分析

2.1 实验数据分析 实验采集期间湖中主要的水生植物有荷花、菹草、穗花狐尾藻、光叶眼子菜、篦齿眼子菜和金鱼藻等，富营养化的水体和有机质丰富的底泥使得微山湖的水生植物生长茂盛，多数湖区可以观察到长出水面的水草.本文中计算水体的归一化植被指数(normalized difference vegetation index，NDVI)，通过ISODATA将水体分为水生植物覆盖区和未覆盖区.如图2所示，微山湖近一半湖区被水生植物覆盖，若直接掩膜忽略水生植物则达不到水质监测的需求，因此对浅水草型湖泊进行水质参数反演时，水生植物也是不能忽略的重要部分.

为探索水生植物对悬浮物浓度大小的影响，将水生植物的盖度进行定性分类，认为挺水植物和长到水面的沉水植物水草盖度大，水面以下的沉水植物水草盖度小.整理了6月11日至13日和此前4月8日至9日、5月15日至16日、6月2日的微山湖悬浮物浓度数据，将采样点按水生植物盖度大小分类，得到不同水生植物盖度下水体的光谱曲线和采样点的悬浮物浓度，分别如图3和表2所示.图3显示有水生植物生长的水体，其光谱曲线具有明显的植被特征，这样的水体光谱难以直接反演悬浮物浓度.表2总结了4次实验中普通水体、水生植物盖度小与水生植物盖度大3类水体的悬浮物浓度，分别计算了这3类水体悬浮物浓度的平均值与标准差，结果显示普通水体的悬浮物浓度要明显高于水生植物水体，水体悬浮物浓度的标准差随着水生植物盖度的增加而减小，说明在水生植物覆盖区，水体悬浮物浓度的大小是相对稳定的.

表2 不同水草盖度下悬浮物浓度差异

图2 水生植物分布

图3 不同水生植物盖度下水体的光谱曲

2.2 水生植物区水体悬浮物反演 水生植物对水质有一定净化作用，即有水生植物生长的水域，水质往往清澈透明[15]，主要原因是水体在流经水生植物群落时，水中的悬浮物因植物的阻挡作用及植物表面微生物所分泌的粘液的凝聚作用而沉降[16]，同时水生植物的根茎也会吸收部分无机物[17]，降低水体浑浊度，使得水生植物水体的悬浮物浓度明显低于普通水体.根据表2可知，在晴朗、无风或轻风的天气条件下，水生植物覆盖区水体的总悬浮物浓度趋于某个较低的数值区间.但是在大风、强降雨等恶劣天气条件下，因再悬浮作用，水体会变得浑浊，水生植物对悬浮颗粒的阻挡、吸附和沉降需要一个缓慢的过程，所以恶劣天气过后，水质恢复到清澈状态需要一定的时间，此时利用水生植物盖度的大小来指示悬浮物浓度的方法不再适用.

图4 单波段反射率与总悬浮物浓度的 相关性曲线

表3 模型精度评价

选用研究区域2015年6月5日的Landsat8遥感数据来建立悬浮物浓度定量反演模型，数据由USGS官网上获得，图像数据经过辐射定标和Flaash大气校正处理.实验采集不含水生植物的采样点共24个，其中随机选取19个采样点参与模型建立，剩余的5个采样点用于模型精度验证.如图5所示，使用Landsat8第五波段建立的悬浮物浓度遥感反演模型为Y=6 091*X-73.37.由表3可知，使用Landsat8第五波段建立的微山湖悬浮物浓度反演模型具有较高的精度.利用该模型对剩余的5个采样点进行悬浮物浓度预测，将预测值与实测值建立相关性分析.如图6所示，验证结果显示预测值与实测值高度相关，决定系数R2为0.975，表明该悬浮物浓度遥感反演模型较为可靠.本文中使用均方根误差(root mean square error，RMSE)和相对均方根误差 (relative root mean square error，RRMSE)来评价模型的精度，计算公式如下：

(3)

图5 悬浮物浓度遥感反演模型散点

图6 遥感反演模型验*100%

(4)

公式中的Xest,i是反演模型预测的采样点悬浮物浓度，Xmeas,i是实验测得的采样点悬浮物浓度，MAXmeas是采样点悬浮物浓度的最大值，MINmeas是采样点悬浮物浓度的最小值，N是采样点的个数.

图7 微山湖总悬浮物浓度分布

2.4 总悬浮物浓度空间分布及其驱动要素分析 图7为微山湖水体总悬浮物浓度的遥感反演结果，基于春夏4次实验采集的数据和此悬浮物浓度空间分布图，可知微山湖水体的总悬浮物浓度具有明显的时空差异性：夏季水体的总悬浮物浓度要稍高于春季，春末夏初期间，总悬浮物浓度最低；微山湖水体的总悬浮物浓度总体上呈现沿岸区高于湖心区、东部湖区大于西部湖区的分布趋势.

水体中悬浮物的主要来源有地表径流带入到水体的细颗粒泥沙和腐屑、水中浮游植物及其死后的残体、水生植物腐烂后的残体、风浪作用下底泥的再悬浮等[20]，这些环境和气象因素共同影响着微山湖水体的总悬浮物浓度.微山湖水体总悬浮物浓度的季节变化可能与湖中水生植物的季节性生长、死亡存在关系.4月，湖中的水生植物正处在春季快速生长期，5月，水生植物的生物量达到最大，水生植物对水质的净化作用使得这段时间水体总悬浮物浓度最低，6月，湖中开阔区部分水域的菹草大量死亡，而产生的残体开始腐解，形成絮状悬浮物，由于这部分水域中水生植物对悬浮物的过滤、阻挡和抑制底泥上浮的作用消失，稍有风浪等扰动就会导致水中的悬浮物浓度增加.微山湖水体总悬浮物浓度在空间上也存在明显的差异性.湖中西面有许多围湖而建的鱼塘，与非鱼塘区域相比，鱼塘的水深更浅、鱼类的密度更大，有研究表明，浅水湖泊中50%以上的悬浮物是由鱼类扰动产生的[21]，在风浪、鱼类的扰动下，鱼塘中水体的总悬浮物浓度偏高；微山湖东部区域，京杭运河傍湖而过，该运河输入的颗粒物和往来船只的扰动显著增加了运河及其周围水域的总悬浮物浓度；在微山岛外围的环岛河，有许多游船和渔船在此航行，船只航行形成的水动力扰动可促使底泥再悬浮，进而导致水体悬浮颗粒物浓度显著增加；湖中部分开阔区域水体悬浮物浓度最低，这主要是因为该区域水生植物生物量最大，水生植物对水体起着过滤、吸附、消浪和抑制底泥上浮的作用[22]，有效降低了水体的总悬浮物浓度.

3 结论与展望

本文中初步研究了水生植物盖度与总悬浮物浓度的定量关系，进一步证实了水生植物对水质的净化作用.利用植被指数将湖面分为水生植物覆盖区与未覆盖区，在水生植物覆盖区，使用水生植物盖度指示水体总悬浮物浓度，在未覆盖区，建立近红外单波段反演模型反演总悬浮物浓度，分区反演的方法可以实现卫星尺度水体总悬浮物浓度的反演，有望解决浅水草型湖泊遥感反演的难题.植物覆盖度与水生植物的种类、在水中生长的深度及生长期、光照、营养等因素存在密切关系，同时水中的悬浮物浓度也与环境因素密切相关，如风场的影响，因此利用水生植物覆盖度反演悬浮物浓度的有效性会受水深、植物种类、大风、降雨等环境因素的影响.本文中仅涉及微山湖，今后还需进一步探讨此方法在其他浅水草型湖泊中的适用性.

对于内陆浅水湖泊，水体总悬浮物浓度会受到风速、水生植物、外源河流、鱼类活动、船体扰动等因素的影响，仅靠单一的遥感反演模型并不能达到水质监测所需的精度.针对不同干扰因素，可以深入研究其特征规律，从而量化各干扰因素与悬浮物浓度的关系，例如：针对水生植物，本文中只分析了盖度对悬浮物浓度的影响，而不同种类对水质的影响还需要进一步研究.通过对不同干扰因素的多角度分析，有助于实现水质参数的精确遥感与估算，对浅水湖泊的水质监测具有较大的应用价值.

[1] 马荣华，杨桂山，段洪涛，等. 中国湖泊的数量、面积与空间分布[J]. 中国科学:地球科学，2011，41(3): 394-401.

[2] 汪小钦，王钦敏，邬群勇，等. 遥感在悬浮物质浓度提取中的应用——以福建闽江口为例[J]. 遥感学报，2003，7(1): 54-57,84.

[3] Hoogenboom H J，Dekker A G，Haan J F D. Retrieval of chlorophyll and suspended matter from imaging spectrometry data by matrix inversion[J]. Canadian Journal of Remote Sensing，1998，24(2): 144-152.

[4] Carpenter D，Carpenter S. Modeling inland water quality using Landsat data[J]. Remote Sensing of Environment，1983，13(4): 345-352.

[5] 刘忠华,李云梅,檀静，等. 太湖、巢湖水体总悬浮物浓度半分析反演模型构建及其适用性评价[J]. 环境科学，2012，33(9):3000-3008.

[6] 周晓宇,孙德勇,李云梅，等. 结合水体光学分类反演太湖总悬浮物浓度[J]. 环境科学,2013，34(7):2618-2627.

[7] 宋庆君，马荣华，唐军武，等. 秋季太湖悬浮物高光谱估算模型[J]. 湖泊科学，2008，20(2): 196-202.

[8] 王代堃，国巧真. 地表水悬浮物浓度遥感反演研究[J]. 测绘科学，2016(5):1-10.

[9] Madsen J D，Chambers P A，James W F，et al. The interaction between water movement，sediment dynamics and submersed macrophytes[J]. Hydrobiologia，2001，444: 71-84.

[10] 舒金华，黄文钰，吴延根. 中国湖泊营养类型的分类研究[J]. 湖泊科学，1996，8(3): 193-200.

[11] 唐军武，田国良，汪小勇，等.水体光谱测量与分析Ⅰ:水面以上测量法[J]. 遥感学报，2004，8(1): 37-44.

[12] 李铜基，唐军武，陈清莲，等. 光谱仪测量离水辐射亮度的方法[J]. 热带海洋学报，2001，20(4): 56-60.

[13] 张兵，李俊生，王桥，等. 内陆水体高光谱遥感[M]. 北京: 科学出版社，2012: 44-51.

[14] 徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报，2005，9(5): 589-595.

[15] 秦伯强. 长江中下游浅水湖泊富营养化发生机制与控制途径初探[J]. 湖泊科学，2002，14(3):193-202.

[16] El-lil A H A. Evaluation of the efficiency of some hydrophytes for trapping suspended matters from different aquatic ecosystems[J]. Biotechnology，2006，5(1):90-97.

[17] 吴玉树，余国莹. 根生沉水植物菹草对滇池水体的净化作用[J]. 环境科学学报，1991，11(4): 411-416.

[18] 施坤，李云梅，刘忠华，等. 基于半分析方法的内陆湖泊水体总悬浮物浓度遥感估算研究[J]. 环境科学，2011，32(6):1571-1580.

[19] 徐涵秋，唐菲. 新一代Landsat系列卫星:Landsat 8遥感影像新增特征及其生态环境意义[J]. 生态学报，2013，33(11): 3249-3257.

[20] 王书航,姜霞,王雯雯，等. 蠡湖水体悬浮物的时空变化及其影响因素[J]. 中国环境科学，2014，34(6):1548-1555.

[21] Meijer M L，Raat A J P，Doef R W. Restoration by biomanipulation of lake Bleiswijkse Zoom (The Netherlands): first results[J]. Hydrobiologia，1989，23:49-57.

[22] Zhang Y，Shi K，Liu X，et al. Lake topography and wind waves determining seasonal-spatial dynamics of total suspended matter in turbid Lake Taihu，China: assessment using long-term high-resolution MERIS data[J]. PLoS One，2014(9): e98055.

(责任编辑 游俊)

Remote sensing inversion of total suspended matter concentration in typical shallow macrophytic lake

QIAO Na1，2，HUANG Changping1，ZHANG Lifu1，ZHAO Hongli3,YE Yuntao3，CEN Yi1，LI Yao1，2

(1.State Key Laboratory of Remote Sensing Science，Institute of Remote Sensing and Digital Earth，Chinese Academy of Science，Beijing 100101，China;2.College of Resources and Environment，University of Chinese Academy of Sciences，Beijing 100049，China;3.Department of Water Resources，China Institute of Water Resources and Hydropower Research，Beijing 100038，China)

According to the characteristics of typical shallow macrophytic lakes，the quantitative relations are gotten between submerged aquatic vegetation(SAV) and total suspended matter concentration(TSM) based on analyzing the effects of SAV on remote sensing retrieval of TSM. And with the quantitative relations，the paper presents a new method for divisional inversion of TSM based on SAV:first，the whole lake was divided into different districts by NDVI. In the area of SAV，water quality could be indicated by SAV cover degree，and the method solved the problem of retrieval of TSM in aquatic plants water. In general water，the optimal inversion model of TSM was established with the in situ data and Landsat8 satellite data. Under sunny calm conditions，there exist the stable quantified characteristic between SAV and TSM. The paper has practical reference value for quantitative remote sensing of the water qualities of shallow macrophytic lakes.

remote sensing; suspended solids concentration; shallow macrophytic lakes; the Weishan Lake; submerged aquatic vegetation; Landsat8

2016-02-19

高分水利遥感应用示范系统(08-Y30B07-9001-13/15-01)及高分辨率对地观测系统重大专项资助

乔娜(1993-)，女，硕士生，E-mail: qiaona1993@foxmail.com；张立福，通信作者，研究员，E-mail: zhanglf@radi.ac.cn

1000-2375(2016)06-0510-07

P237;P962

A

10.3969/j.issn.1000-2375.2016.06.007