遥感模型中湖泊水质的时空变异性外文翻译资料

英语原文共 16 页，剩余内容已隐藏，支付完成后下载完整资料

遥感模型中湖泊水质的时空变异性

Carly Hyatt Hansen ¹,*, Steven J. Burian ¹ , Philip E. Dennison ² and Gustavious P. Williams ³

犹他大学土木与环境工程系，盐湖城，UT 84112，美国;steve.burian@utah.edu

犹他大学地理系，盐湖城，UT 84112，美国;dennison@geog.utah.edu

杨百翰大学土木与环境工程系，美国田纳西州,provo84602;gus.p.williams@byu.edu

对应：carly.hansen@utah.edu

学术编辑：张云林，Claudia Giardino，林海丽，Deepak R. Mishra和Prasad S. Thenkabail收稿日期：2017年2月25日; 接受日期：2017年4月21日; 发布时间：2017年4月26日。

摘要：本研究展示了使用现场采样和观测湖泊特征和模式来改进藻类遥感模型和应用开发技术的一些方法。 随着卫星和机载传感器的改进及其更容易获得的数据，通过应用遥感技术估算水质的模型对当地水质进行监测，尤其是地表藻类条件的监测变得更加实用。 尽管应用程序数量不断增加，但在遥感模型开发和应用有关的重大问题中，本研究解决了一些问题在。 这些问题包括：（1）选择适合水体空间和时间变化的传感器; （2）在经验模型校准中确定接近一致的数据并适当使用; （3）识别偏向于地面和近地表条件的遥感测量的潜在局限性。 我们在大盐湖地表水系统（即大盐湖，法明顿湾和犹他湖）的三个湖泊中，通过取样，以常用传感器的标准，在表面深度和整个各个湖水深度上重复采样和近距离采样。通过传感器空间分辨率的距离变化如Landsat，SENTINEL-2和MODIS表明这类传感器适用于该湖泊系统。 我们还使用系统中观测到的时间变化来评估传感器。 这些关系被证明是复杂的，并且观察到的时间变异性表明Landsat的再次访问在某些湖泊中可能发现短时间事件时存在问题，而对于短期变化较小的系统的其他区域来说，这可能是足够的。 这些湖泊的时间变化模式也可用于评估经验模型开发中接近重合的数据。 最后，地表和各层水之间的关系说明了近地表遥感的潜在问题，特别是当有事件导致各层混合时。

关键词：时空变异性; 水质; 叶绿素a; 近乎一致的遥感

1. 介绍

在过去的十年中，水质遥感的应用越来越广泛，应用范围也得到了巨大的发展，特别是在非滨海环境中。 值得注意的遥感内陆水质应用包括大规模质量和清晰度调查[1-4]，以及实时追踪和预测有害藻华（NABs）或致灾藻华（HABs）[5,6]。 开发藻类水华经验遥感模型的一般过程通常包括：下载和处理遥感影像（可能包括将数字化的大气数据到水体近表面的反射率进行校正和转换），收集叶绿素-a（或与生物量或毒素水平有关的其他参数）重合（或接近重合）的现场测量数据，并使用回归或其他统计建模技术来探索测量浓度与相应像素或像素组的遥感反射率之间的关系。 使用多个传感器可提供更大的覆盖范围，具有不同的跨越频率和范围，以及更适合用于表征水质条件的波段组合。 增加图像数据和处理数据产品的可用性也有助于提高其使用和应用效果。 尽管取得了这些进展，但仍有许多问题需要解决，以支持更加有效和准确的遥感模型开发和应用。 其中许多问题源自与遥感数据的使用和应用相关的传统假设，并未考虑特殊水体的条件和过程。

湖泊和水库中的水质条件，特别是藻类生长，已被证明会相对较快地发生变化（即季节性或季节性）[7-9]。 内陆水域的藻华变化也发生在比空旷海洋更小的空间尺度上。 水质的空间和时间变化可能是由许多过程引起的，如悬浮沉积物的重新悬浮和营养物质的点源流入[10]。 湖泊和水库水质的多变要求用于开发遥感水质模型的实地数据尽可能代表获取图像时的条件。 通常，历史记录不能提供原地样本与卫星立交桥之间的精确时间匹配，需要使用“接近重合”的数据，或放宽“匹配”的定义。沿海和湖泊水域的清晰度和质量的遥感文献规定了将数据视为接近重合的时间范围。 规定的时间范围从plusmn;3小时[11]，同一天[12]，一天[4,13]，

7天[2,14]，至卫星图像采集和使用的现场样本之间的plusmn;10天[1]

进行校准。 通常，任意选择接近重合匹配的特定时间（例如，使用任何与卫星图像匹配的样本[15]），或者放宽时间范围改善模型拟合的研究，没有详细的实际改进[1]。、

在水质遥感应用中经常被忽视的另一个问题是在特定水体（具有独特的空间和时间特征）的背景下对适当的传感器进行全面的审查和评估。 传感器特性可能对所得到的模型和数据的效用有很大的影响。 模型应用决定了传感器的选择，可能取决于多种因素：空间分辨率（受水体尺寸或一个地区多个水体的限制），水体内的空间变化，所需的返回时间（其受到水质过程的时间变化的影响），历史记录的长度，光谱分辨率（其确定传感器辨别或更准确地确定条件的能力以及可估计哪些参数），可用处理资源（从影像数据和数据产品到执行数据处理和分析的人员）以及应用程序的范围（空间和时间）。 对于经验模型开发，来自野外的信息（例如，在水体上的单点处测量的叶绿素-a的浓度）与来自卫星的信息（在单个像素或像素组上平均的反射率）匹配。 因此，水体的空间变化可能会影响卫星的选择。 例如，如果藻类浓度在20-40米范围内变化很大，那么分辨率为30米的卫星就足够了，而分辨率为500或1000米的卫星太粗糙，无法充分代表叶绿素浓度的变异性。 一篇综述表明，主要根据水体的大小选择不同的中等空间分辨率卫星（例如Landsat）和粗糙的空间分辨率卫星（例如MODIS）来进行水质清晰度和质量研究[16]，然而，其他有特征的湖泊，即不同空间分辨率的能力（例如Landsat分辨率为30 m或SENTINEL-2分辨率为10-60 m，而MODIS分辨率为250-1000 m）导致要用湖泊内的空间变化或更加频繁的传送数据的能力来解决时间变化（例如，每5天传送一次的SENTINEL-2，每16天传送一次的Landsat和每隔1-2天MODIS）不被考虑。

最后，遥感数据受到水体光学深度（光线能够穿透的深度）的限制，这意味着估算仅限于近表面藻类种群。 光学深度也是叶绿素浓度的函数; 随着近地表藻类种群数量的增加，光学深度减小。 然而，藻类不仅在地表生长，而且在整个水体中都存在。 藻类种群特征（物种，多样性等）可能随深度而变化，特别是当水体分层并且氧气或盐度存在差异时[17,18]。 考虑到整个水体中这些变化的条件，只有传感和估算湖泊表面的效用引起了人们的关注。 因此，在评估遥感表面估算的局限性时，探索地表和各层水体的藻类浓度与各层水体的变化之间的关系非常重要。

本研究使用叶绿素的现场测量来评估常用于藻类和地表水水质遥感模型的技术和假设。 虽然对水质（特别是藻类/叶绿素浓度）有许多额外的考虑，但本文重点介绍了上述三个问题：（1）选择适合水体空间和时间变化的传感器; （2）在经验模型校准中确定接近一致的数据的适当使用; （3）识别偏向于地面和近地表条件的遥感测量的潜在局限性。

研究区域

本文的研究区域是犹他州湖和大盐湖（GSL）系统。 这个湖泊系统对集中在这些湖泊以东的山坡和山谷中的城市地区的娱乐和生态系统服务非常重要。 在2016年夏季，GSL的犹他湖和法明顿湾经历了巨大的蓝藻藻华。 尽管这些湖泊中的大型藻类水华并不特别罕见，但近年来的迅速发展和大规模的水华引起了广泛的关注，并增加了人们对监测这些水域的兴趣，特别是通过遥感监测，因为湖泊的规模使得它们难以通过田间监测单独采样。 整个系统中的许多地点（图1中的地图上显示）都使用水质探测仪收集数据，以支持这项研究。

以前犹他湖和GSL系统的研究已经探索了整个生长季的藻类物种形成变化以及造成物种多样性的环境因素[19-22]。 犹他湖的历史采样活动揭示了典型的藻类演替，其中硅藻和初夏的绿藻占主导地位，然后蓝藻在夏季末期占优势，整个夏季物种多样性普遍下降[21,22]。 在法明顿湾和GSL，研究了集中于蓝藻中毒素的形态和存在。 这些研究发现了藻类生长的季节性趋势，并且在GSL和法明顿湾不同地区的藻类类型之间观察到了明显的差异[19,20,23,24]。 这些研究提高了对这个湖泊系统中藻类种群的了解; 然而，他们缺乏关于改进遥感模型开发所必需的尺度空间或时间变化的重要信息。

大盐湖分成两大部分，一条横贯东西的铁路堤道，将South Arm（包括Gunnison Bay和Bear River / Willard Bay）在内的更多含盐水（大约28％盐度）与North Arm隔离开来（Gilbert湾和布里杰湾）和法明顿湾，后者被汽车堤道隔开。 这些海湾的盐度保持在11％到15％之间[25]，在法明顿湾的北端，盐度通常在8％左右[20]。 这些湖相对较浅，吉尔伯特湾的平均深度约为4.2米，法明顿湾的平均深度约为1米。 Secchi深度（作为度量透明度）的范围在GSL南臂2至5米之间，而法明顿湾则通常小于

0.3米[26]。 通过约旦河流入大盐湖的犹他湖也是一个浅湖（平均深度为2.74米），虽然它是淡水湖，但溶解固体含量高，在微咸的条件下[27]。 高悬浮沉积物导致高浊度，在2016年大型藻类开花之前，犹他湖中部的Secchi深度约为0.2米。

2.材料和方法

2.1数据采集

水质样本的收集旨在提供有关藻类生物量的信息（例如叶绿素a测量）及其：（1）时间变化性（通过重复抽样访问和高频采样）; （2）空间变异性（通过多个地点和/或偏移量）; 和（3）表面 – 各层水质关系。 美国犹他大学（U of Utah）的研究人员使用Hydrolab DS5（OTT Hydromet）多参数探头收集了叶绿素a数据，该探头配有潜水荧光叶绿素a传感器（范围为0.03-500mu;g/ L）。 叶绿素a数据也由犹他州水质部门（UDWQ）提供，使用YSI EXO 2多参数探头（带潜水荧光叶绿素-a传感器（范围为0-400mu;g/ L）和Nexsens CB-450浮标根据其可达性选择取样位置。在研究期间，低水位，暴露的类似礁石的生物礁和深部沉积物限制了船只和个人进入湖泊中许多可能可以被取样的地点。每个台站的概况如下表1所示，包括采样周期和采集的样本类型数据采集的持续时间和频率取决于设备和人员的可用性以及当地的天气条件，大学收集的数据的犹他州是根据知识共享署名CC BYU许可证[28]共享的，UDWQ收集的数据可通过iUTAH时间序列分析数据库找到。

• • 1. UDWQ数据

UDWQ探针在2016年7月的大型水华之后安装在犹他湖和法明顿湾的各个地点。 这些网站的网站名称已被修改，以与犹他大学网站的命名惯例保持一致。 一个临时固定的探针位于犹他湖U9站（UDWQ站点4917310）地表以下约0.75米处，在2016年7月15日至8月8日期间提供每日测量。站U6（UDWQ站点4917390），U7（UDWQ Site WVineyard）和U8（UDWQ Site WProvo）安装在图1所示位置的浮标上，在2016年8月28日至9月13日期间，安装于地表以下0.3米。在此期间犹他湖的水深在1米至1.5米之间。 最后，位于FB5站（UDWQ站点4895200）的法明顿湾的固定探针在2016年7月8日至7月28日期间在地表以下约0.3米的深度提供每日测量（由于水位极低，约0.5米此时）。 这些探针（以15分钟的频率记录）的测量结果平均在上午11：00-11：30之间，以保持日常比较的一致性（减少藻类昼夜模式对叶绿素测量在午间达到高峰，然后在晚上下降）。 这些每日测量值用于探索时间变化

• • 1. 犹他大学数据

虽然犹他湖和法明顿湾固定的UDWQ探针为探测时间变率提供了固定的数据，但犹他州大学收集的数据旨在探索时空变化以及不同空间尺度上的变化。 由犹他州大学收集的数据集中在GSL南岸的主体（吉尔伯特湾和布里杰湾）。 在9：00-11：30之间始终收集吉尔伯特湾遗址的地表数据（再次，为了尽量减少日光格局的光合作用）。 数据收集发生在六个月的时间段为6,8,9,10,13; 7月6日，7日，8日，12日和14日; 和8月12日，15日，16日，17日和22日。 在这些场地（GB2，GB3和GB4），在表面以下0.4米的平均深度处以1秒的频率进行大约20-30次测量并取平均值。 以船航行到与吉尔伯特湾遗址（以GB为前缀）相距大约1000米的地方，这个规模与最粗糙的MODIS空间分辨率相同。 在这些地点的每个地点，数据也以偏移方式收集到现场中心，代表Landsat和Sub-SENTINEL-2的分辨率。 这些偏移样本与原始地点GB2，GB3和GB4以大约7.5米的增量（即7.5,15,22.5和30米）相隔。 偏移量用后缀a，b，c和d表示，所以GB2的第一个偏移量（7.5 m）被确定为GB2a，第二个距离GB2的偏移量（15 m）为GB2b等）。在这些地点，湖泊当前和风力模式从一个采样日到下一个采样日不同，导致GB站点和它们的偏移之间的漂移方向可变，尽管它一般在西南方向一致。 尽管如此，原始地点和

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[22414]，资料为PDF文档或Word文档，PDF文档可免费转换为Word