基于遥感数据的太湖蓝藻水华信息识别方法

2007 年太湖大规模蓝藻暴发,再次引起了人们对太湖环境的关注.有效地提取蓝藻水华信息对分析蓝藻动态分布有重要意义.而卫星遥感技术是进行太湖水质监测与保护的措施之一.本文以2007年4月23日CBERS-02星CCD数据为主要的数据源,以NDVI值为测试变量,运用CART算法确定分割阈值,从而通过构建决策树的方法识别蓝藻水华信息,分析其蓝藻水华的提取结果,取得了较好的效果.文中还在GIS技术支持下,提取了2007年5月17日MODIS影像中的蓝藻水华信息.本次研究为以后开展长期的太湖蓝藻水华动态监测提供技术参考.     

利用陆基高光谱遥感捕捉太湖蓝藻水华日内快速变化过程

受蓝藻自身垂直迁移和频繁风浪扰动影响,太湖蓝藻水华漂浮混合和迁移堆积等变化迅速,在传统的湖面定位和断面监测中总感觉蓝藻水华有些"来无影、去无踪",限制了对其形成过程、驱动机制和防控治理的深入认识.卫星遥感可以实现蓝藻水华空间分布同步观测,但由于观测频次的限制很难捕捉蓝藻水华快速动态变化过程.本文利用与杭州海康威视数字技术股份有限公司联合自主研发的陆基（地基、岸基或者平台、船舶、桩基等能固定安装的均可）高光谱多参数水质遥感监测仪,架设于中国科学院太湖湖泊生态系统研究站（简称太湖站）水上观测场,通过对叶绿素a浓度及其他关键水质参数秒-分钟级的连续观测,有效捕捉了一天内蓝藻水华短期突然和快速变化过程.研究结果显示,在微风和小风条件下蓝藻容易在表层水体漂浮,盛行西北风驱动湖面开敞水域蓝藻水华快速漂浮集聚到太湖站岸边,短短半小时内表层水体叶绿素a浓度可以由10 μg/L快速攀升到100 μg/L以上,一天内会出现多个叶绿素a峰值,清晰展示了蓝藻快速日内动态变化过程.受蓝藻快速日内变化影响,透明度、总氮、总磷和高锰酸盐指数等水质参数也呈现出快速日内变化,叶绿素a浓度与透明度存在极显著负相关,与总氮、总磷和高锰酸盐指数存在极显著正相关,叶绿素a能解释总氮、总磷80%以上的变化,说明蓝藻短期内的漂浮和集聚深刻影响到湖泊水质.     

太湖水质时空特性及其与蓝藻水华的关系

以太湖2005-2007年的连续监测资料为基础,运用聚类分析和自相关分析方法,针对总无机磷,总无机氮、水温等环境理化因素与叶绿素a进行时空序列分析,初步归纳了当前太湖水质指标变化的空间特点、时问周期性及其与蓝藻水华暴发的关系.结果表明,太湖水质的空间分布大致分为三个人湖河口、四个湖湾、湖心区、西部湖区、东部湖区等十个区...     

基于环境卫星CCD数据的太湖蓝藻水华监测算法研究

水体富营养化引起的蓝藻水华问题,是我国湖泊面临的主要环境问题,亟需加强现状监测和变化研究;我国自主研发的环境(HJ)卫星空间分辨率高,重访周期短,可用于长时间序列蓝藻水华的动态监测.本文利用HJ卫星CCD数据,通过自动控制散点回归的方法进行相对辐射校正,再将归一化植被指数和像元生长算法相结合,提出了一种可业务化运行的蓝藻水华高精度提取算法.该算法的优点为:(1)水华提取时具有统一的阈值,解决了以往一景影像一个阈值,无法大规模批处理的难题;(2)通过对像元进行线性分解,精度可达到亚像元级别.利用该算法对太湖2009—2014年蓝藻水华进行监测,发现2013—2014年太湖蓝藻水华较以往暴发面积偏小.研究表明,该算法对蓝藻水华识别能力强,自动化程度和水华提取精度高,可作为业务化算法运行.     

太湖蓝藻水华遥感监测方法

利用遥感技术监测太湖蓝藻水华具有重要的现实意义.基于不同遥感数据,包括MODIS/Terra、CBERS-2 CCD、ETM和IRS.P6 LISS3,结合蓝藻水华光谱特征,采用单波段、波段差值、波段比值等方法,提取不同历史时期太湖蓝藻水华.结果表明:MODIS/Terra数据可以利用判别式Band2＞0.1和Band2/Band4＞1提取蓝藻水华;CBERS-2 CCD、ETM和IRS-P6 LISS3数据可以利用Band4大于一定阈值和Band4/Band3＞1提取蓝藻水华;波段比值(近红外,红光＞1)算法稳定,可以发展成为蓝藻水华遥感提取普适模式.同时,本文成功利用ETM和IRS.P6 LISS3数据Band4波段对蓝藻水华空间分布强度进行了五级划分.这为今后利用遥感技术,建立太湖蓝藻水华监测和预警系统莫定了基础.     

2009年太湖水域“湖泛”监测与分析

"湖泛"是太湖水域近年来发生的重要环境灾害问题之一.根据2009年4-10月的太湖"湖泛"易发区巡测和跟踪监测资料,分析了2009年太湖水域"湖泛"发生情况.2009年太湖共发生11次小范围"湖泛",主要发生在太湖西岸、梅梁湾和贡湖湾局部水域.对比近年"湖泛"发生水域的水质指标,以及同期太湖蓝藻水华暴发、湖体水质及其变化情势,认为蓝藻水华强度、频次和面积与2007、2008年相比呈明显的下降趋势,从而可能降低了大面积"湖泛"暴发的机率;同时,2007年以来在太湖北部湖湾的生态清淤工程也降低了北部湖湾发生大面积"湖泛"的可能性.同期水质监测指标显示,2009年同期太湖水质综合评价为Ⅳ类、中富营养状态,而太湖湖西、竺山湖、梅梁湾水域仍为Ⅴ类或劣Ⅴ类,"湖泛"仍时有发生.蓝藻打捞、生态清淤、控源截污、"引江济太"调水是预防太湖"湖泛"的有效措施;同时,加强太湖"湖泛"巡查,建立太湖"湖泛"监测预警系统,及时发现太湖"湖泛",有序、妥善地处置黑臭水体,将对确保太湖饮用水水源地安全起到积极的作用.     

基于GOCI数据的太湖蓝藻垂向迁移特征及关键影响因素

蓝藻水华频繁暴发是太湖面临的主要环境问题之一,蓝藻聚集上浮是表层水华形成的前提。为探究蓝藻垂向迁移与水华日变化之间的关系,阐明蓝藻垂向迁移的关键影响因素,基于2015-2020年地球静止海洋彩色成像仪(GOCI)数据,分析了太湖不同湖区蓝藻水华日变化过程,发现太湖蓝藻水华垂向迁移的日变化主要呈现上升、下降、先上升后下降三种类型,且不同湖区存在差异。统计分析和偏最小二乘法结构方程模型(PLS-SEM)结果表明,水环境因子对蓝藻垂向迁移过程影响较小,累积光辐射是驱动蓝藻垂向迁移的主要气象因子。气温升高有利于蓝藻持续维持上浮能力,前一天风速较大且当天风速较小会加速蓝藻上浮。相较于沿岸湖区,湖心区受累积光辐射、风速的影响更大,蓝藻水华日变化过程更剧烈。本研究水环境因子数据为逐月数据,为深入探究水环境因子对蓝藻垂向迁移的影响后续还需进行高频监测研究。本文结果有助于探明浅水湖泊蓝藻水华形成机制,为富营养化湖泊蓝藻水华预测预警及治理提供理论支撑。     

太湖蓝藻水华的MODIS卫星监测

本文基于MODIS卫星影像探讨太湖蓝藻水华的识别、监测问题.通过比较MODIS影像上不同蓝藻浓度的波段反射率值的差别,得到对蓝藻信息响应的敏感波段,利用特定波段的合成,可基本识别蓝藻的分布信息,并基于蓝藻的光谱响应特征,采用比值模型方法、进一步确定蓝藻分布的相对浓度信息.最后通过不同时相蓝藻浓度的叠加分析,得出了蓝藻水华的动态变化信息.     

基于突变理论的太湖蓝藻水华危险性分区评价

蓝藻水华暴发是湖泊生态系统中营养物质长期累积的结果,是系统营养经长期演化后的极端状态.突变理论评价方法无需确定指标权重,减少了人为主观因素,并且计算方便.本文基于突变理论,采取蓝藻水华暴发的表征因子(叶绿素浓度)和导致蓝藻水华暴发的环境因子(总氮和总磷)作为潜在危险性评价指标,蓝藻水华的面积、范围以及暴发频次作为历史危险性评价指标建立多准则蓝藻水华暴发风险评价指标体系,并结合太湖九个分区进行蓝藻水华暴发危险性分区及全湖评价.研究结果表明:竺山湖和西部沿岸为极重危险性湖区;梅梁湾为重度危险性湖区;南部沿岸、贡湖和大太湖为中度危险性湖区;箭湖东茭咀、东太湖和胥湖蓝藻水华暴发危险性较小,为轻微危险性湖区.整体上看,太湖蓝藻水华暴发危险性程度由轻到重基本上沿东南-西北方向变化,与营养盐浓度由低到高分布趋势相一致.根据评价结果,可以明确太湖各区遭遇蓝藻水华暴发危险性的大小,为蓝藻水华风险管理和应急处理提供科学依据.     

浅水湖泊湖沼学与太湖富营养化控制研究

自2007年无锡暴发饮用水危机事件以来,太湖经历了前所未有的高强度、大规模治理,各种治理措施累计投资已经超过千亿元.监测显示,在治理初期太湖的氮、磷浓度下降明显,水质有所好转,但最近几年关键水质指标总磷与浮游植物叶绿素α浓度出现了波动,蓝藻水华有所反弹.研究表明,太湖的外源负荷并没有减少,这与城镇用水量增加、污水排放标准偏低、面源污染削减不足有很大的关系;同时,内源负荷也因为蓝藻水华的持续而加重,浅水湖泊水深浅、扰动强的特点强化了磷的循环利用效率,加剧了内源负荷对湖泊富营养化和蓝藻水华的影响.气候变暖叠加营养盐富集的复合效应、流域风速下降以及暴雨事件频次和强度增加等气象水文条件变化,都促进了太湖蓝藻水华的暴发;蓝藻水华的时空分布特征则受湖泊水动力的决定性影响.太湖治理的曲折过程,凸显了大型浅水湖泊湖沼学研究的不断深入与发展,未来需要继续加强多学科交叉研究,特别是基于湖泊-流域系统的气象水文、生物地球化学和生物生态学的学科交叉.对于太湖生态环境的综合治理和管理,既要注重湖泊与流域相结合,更需要重视自然科学和人文科学的有机融合,才能真正达到控制太湖富营养化、维护流域水环境安全与社会经济可持续发展的目标.     

Ocean surface current retrieval at Hangzhou Bay from Himawari-8 sequential satellite images

Ocean surface currents play a key role in the earth's climate. They affect virtually all processes occurring in the ocean and can also directly affect many important socio-economic activities. Himawari-8 meteorological satellite has an international advanced geostationary orbit imager sensor, AHI, with high time resolution and spatial coverage, Himawari-8 can be used to observe the subtle changes in marine environments. In this study, we used Himawari-8 data received from the Joint Receiving Station for Satellite Remote Sensing of Xiamen University to retrieve coastal currents in Hangzhou Bay. Particularly, the Maximum Correlation Coefficient(MCC) and the Generalized Hough Transform(GHT) methods were used to retrieve them respectively. The retrieved sea surface currents are analyzed and verified by the numerical model data of the Taiwan Strait current forecasting system(TFOR). The results show that(1) the Himawari-8 satellite data can be used to effectively estimate the ocean current;(2) The results of the two methods are in agreement with each other, and the error in the current measured using the GHT method is smaller in the Yangtze estuary and offshore areas, where the turbidity characteristic front is stronger.     

典型风力条件及水力调度下太湖藻华高频时空动态监测

湖泊藻华问题已成为全球水生态环境领域面临的长期挑战,风力条件变化和引调水工程的水力调度能改变湖体水动力结构,对藻类的生长和聚集过程产生影响,进行该过程的精细化监测和机制分析对于湖泊藻华预报预警和应急处置具有重要意义。本研究基于Hiamwari-8/AHI卫星遥感高频监测数据,对比分析了归一化差异植被指数(NDVI)、增强植被指数(EVI)和浮游藻类指数(FAI) 3种不同指数对太湖藻华的反演效果,开展了典型风力条件下和水力调度下太湖藻华生消过程的持续监测分析。结果表明,FAI对藻华区域和非藻华区域的区分更加明显,其阈值提取的藻华面积与基于MODIS图像解译的藻华面积的相对误差最低,为-2.27%。当营养盐充足且水温持续保持在蓝藻大量生长增殖的阈值以上时,风力条件是导致太湖藻类迁移聚集的关键因子,风向主要影响藻类的水平迁移,使其进行方向性迁移并逐渐形成大面积藻华区域。风速主要影响藻类的垂向迁移并存在临界阈值,当风速低于约2.5 m/s的临界风速时,藻华面积随风速增加而增加;当风速高于临界风速时,藻华面积随风速增加而降低。水力调度对距离较近的贡湖湾区域具有显著影响,主要通过水动力扰动来影响...     

Evaluation of dynamically downscaled reanalysis precipitation data for hydrological application

Skilful and reliable precipitation data are essential for seasonal hydrologic forecasting and generation of hydrological data. Although output from dynamic downscaling methods is used for hydrological application, the existence of systematic errors in dynamically downscaled data adversely affects the skill of hydrologic forecasting. This study evaluates the precipitation data derived by dynamically downscaling the global atmospheric reanalysis data by propagating them through three hydrological models. Hydrological models are calibrated for 28 watersheds located across the southeastern United States that is minimally affected by human intervention. Calibrated hydrological models are forced with five different types of datasets: global atmospheric reanalysis (National Centers for Environmental Prediction/Department of Energy Global Reanalysis and European Centre for Medium‐Range Weather Forecasts 40‐year Reanalysis) at their native resolution; dynamically downscaled global atmospheric reanalysis at 10‐km grid resolution; stochastically generated data from weather generator; bias‐corrected dynamically downscaled; and bias‐corrected global reanalysis. The reanalysis products are considered as surrogates for large‐scale observations. Our study indicates that over the 28 watersheds in the southeastern United States, the simulated hydrological response to the bias‐corrected dynamically downscaled data is superior to the other four meteorological datasets. In comparison with synthetically generated meteorological forcing (from weather generator), the dynamically downscaled data from global atmospheric reanalysis result in more realistic hydrological simulations. Therefore, we conclude that dynamical downscaling of global reanalysis, which offers data for sufficient number of years (in this case 22 years), although resource intensive, is relatively more useful than other sources of meteorological data with comparable period in simulating realistic hydrological response at watershed scales. Copyright © 2013 John Wiley & Sons, Ltd.     

Association between trophic state,watershed use,and blooms of cyanobacteria in south-central Chile

An increase in the distribution and frequency of cyanobacterial blooms has been reported for many regions worldwide. Due to this fact, we studied the variables that influence the abundance of natural populations of planktonic cyanobacteria in temperate lakes of central and southern Chile. These lakes differed in trophic state and watershed use. Cyanobacteria dominated in meso- and eutrophic systems and their occurrence correlated to watershed use (tree plantations and urban). Ochrophyta and Bacillariophyta were dominant in oligotrophic lakes, where native forest dominated land usage. In these lakes, the maximum depth of the euphotic zone influenced the community structure and the genera of cyanobacteria. Dolichospermum was the most abundant, frequent, and widely distributed genus, found in oligotrophic and eutrophic lakes, forming blooms in eutrophic systems.The concentration of total phosphorus and total nitrogen positively influenced cyanobacterial abundance and bloom formation, mainly by Aphanizomenon, Aphanocapsa, Aphanothece, and Dolichospermum, and Microcystis.In contrast to many reports on their occurrence in the northern hemisphere, these genera occurred widely at less than 20 °C, forming dispersive blooms, at low temperatures in autumn and winter (10.8–15.6 °C). This shows that eutrophication is the main factor for bloom formation and these genera can form blooms independent of temperature. However, some genera, such as Microcystis, increased their abundance and presented more intense blooms (scums) at high temperatures. Our study provides baseline data to document long-term changes in lentic systems of the western south-central area of South America, including genera that could respond by increasing their abundance with eutrophication and projected climatic changes.     

富营养化浅水湖泊藻源性湖泛的短期数值预报方法——以太湖为例

本文建立了一种富营养化浅水湖泊藻源性湖泛的短期数值预报方法.选取表征藻源性湖泛的代表性指标叶绿素a和溶解氧浓度作为预测变量,以天气预报中的风场为驱动力,求解浅水湖泊三维水动力水质耦合数值模型,计算未来3 d浅水湖泊叶绿素a和溶解氧浓度的时空分布,然后结合未来3 d的气象因子信息建立经验公式,计算湖泛易发水域发生湖泛的概率,并进一步确定湖泛发生位置和面积.以太湖为例,采用构建的方法于2013 2014年夏、秋季对太湖7段湖泛易发水域的湖泛发生概率及发生面积进行未来3 d的预测预报,预报正确率在80%以上.     

Modeling spring-summer phytoplankton bloom in Lake Michigan with and without riverine nutrient loading

There were two phytoplankton blooms captured by remote sensing in Lake Michigan in 1998, one from March to May, and one during June. In this paper, those phytoplankton blooms were simulated by a coupled physical–biological model, driven by observed meteorological forcing in 1998. The model reasonably reproduced the lake currents. The biological model results, with and without riverine nutrient loading, were compared with the remote sensing data. A 3-month-long donut-like phytoplankton bloom that appeared in southern Lake Michigan was reasonably well simulated only when riverine input was included, indicating the importance of riverine nutrient input for supporting the growth of phytoplankton in Lake Michigan. The model with riverine input also captured a second event-driven phytoplankton bloom during June with weaker magnitude that occurred in mid-south Lake Michigan, which lasted for about 20 days. The major reason for the weaker bloom in June was that vertical mixing in the hydrodynamic model was too weak (leading to a mixed-layer depth of 20 m) to bring the bottom nutrient-rich water up to the epilimnion. High chlorophyll concentration that persisted in Green Bay for almost a year was simulated with less intensity.     

滇池蓝藻水华发生频率与气象因子的关系

蓝藻水华暴发是在一定的营养、气候、水文条件和生态环境下形成的藻类过度繁殖和聚集的现象,是水体环境因子(如总氮、总磷、pH值、溶解氧)和气象因子综合作用的结果.然而滇池周年性水华暴发标志着滇池蓝藻水华在当前水质条件下,气象因子为关键影响因子.为了进一步探究滇池蓝藻水华发生与气象因子的规律,本文利用2010-2011年滇池蓝藻水华遥感监测资料与周边地面气象站逐月资料,研究滇池蓝藻水华月发生频率与月气象因子的关系.结果显示,滇池蓝藻水华发生频率与平均气温、最低气温、平均风速、累计日照时数和降雨量等气象因子均表现为显著相关,其中与日照时数和风速呈显著负相关.各因子中与风速的相关系数最高,说明滇池各月蓝藻水华发生频率高低与风速关系最为密切,进一步验证了在具备蓝藻水华发生所需营养盐条件下,水体稳定性对蓝藻水华发生的影响更为重要的结论.以上结果可为科学预测蓝藻水华发生,并采取相应措施减少其带来的影响提供理论依据.     

基于多源遥感数据的巢湖水华长时序时空变化(2009—2018年)分析与发生概率预测

湖泊富营养化导致的水华问题严重影响了淡水资源的利用和保护,快速、全面、准确的监测水华信息对于湖泊水环境的治理具有十分重要的意义.本文以巢湖为研究区域,利用多源光学遥感影像和时空融合技术,采用波段融合的方式将NDVI指数波段加入到遥感影像当中,并通过监督分类解译水华信息,以此揭示2009-2018年10年间巢湖水华的时空变化规律.结果表明：巢湖发生的水华以零星和局部水华为主,2012年巢湖水体首次出现区域蓝藻水华;巢湖水华的季节变化性强,夏、冬半年水华变化差异大,其中2018年季节间的差异最为显著;巢湖水华后五年发生频率明显高于前五年,西半湖水华较东半湖严重,且巢湖西北部是水华的高发区域,2011年水华开始向沿岸蔓延,2014年水华首次出现在西南湖区,2016年巢湖水华高发区域新增巢湖东部和中部地区.另外,本文根据巢湖的相关气象数据,构建了Logistic水华气象风险概率预测模型,模型平均预测准确率高达87.52%.探究巢湖水华长时序的时空变化规律有助于从宏观上把握其动态趋势,为后续湖区治理以及周边生态环境建设提供理论依据,水华气象风险概率预测模型可为巢湖水华的预警和防控提供决策支持.     

基于通径分析法的太湖蓝藻水华定量气象评估模型

利用2005-2017年太湖周边区域气象观测资料和基于遥感解译的蓝藻水华信息,基于信息量权数法构建太湖蓝藻水华影响程度指数（简称为蓝藻指数）,应用通径分析法,分析年平均气温（T_y）、1-3月平均气温（T_1-3）、年降水量（R_y）、6-7月降水量（R_6-7）和年高温日数（D_Tmax）5个气象因子对蓝藻水华影响的直接效应和间接效应,在此基础上构建太湖蓝藻水华气象评估模型.结果表明,2007年蓝藻指数值最大,为0.759,2017年其次,为0.709,2009年最小,仅为0.113,蓝藻指数与实际情况基本相符;直接通径系数中T_y和T_1-3为正值,其余为负值,表明T_y和T_1-3对蓝藻水华的发生发展具有正效应,而R_y、R_6-7和D_Tmax具有负效应,总通径系数绝对值排序为：T_y > T_1-3 > R_y > R_6-7 > D_Tmax,由此可以反映各气象因子对蓝藻水华影响程度的权重.根据模型计算的综合气象指数与蓝藻指数之间的相关系数达0.826,通过0.01显著性检验,根据百分位法将蓝藻指数和气象指数进行等级划分,分类总精度为84.6%,其中中度以上达90.9%,表明模型能够较好地反映综合气象因子与蓝藻水华发生发展程度的关系,在水体富营养化程度没有明显改善的情况下,可用于太湖蓝藻水华定量气象评估.上述研究结果有助于更好地理解环境因子、尤其是气象因子在蓝藻生长和水华形成机制中所起的作用,从而为太湖蓝藻水华的监测、预测预警和精细化防控提供理论依据.