基于Otsu算法的太湖蓝藻水华与水生植被遥感同步监测方法-《江苏农业科学》(2019年14期).docx

龙源版权所有 基于Otsu算法的太湖蓝藻水华与水生植被遥感同步监测方法作者：曹鹏 梁其椿 李淑敏来源：《江苏农业科学》2019年第14期 摘要：蓝藻水华与水生植被在光学遥感影像上容易混淆，传统方法将太湖划分为藻型湖区和草型湖区进行分区监测，近年来太湖梅梁湖等蓝藻水华易发区域出现了大量的水生植物，分区的方法已无法满足蓝藻水华和水生植被遥感监测要求。基于光谱特征分析，采用蓝藻水华与水生植被指数（cyanobacteria and macrophytes index，简称CMI）判别蓝藻水华与水生植被水域，采用浮游藻类指数（floating algae index，简称FAI）识别蓝藻水华、浮叶/挺水植被与沉水植被，构建同步监测决策树，基于Otsu算法自动获取阈值，将中分辨率成像光增仪（MODIS）卫星影像分成湖水、蓝藻水华、沉水植被和浮叶/挺水植被几种类型。结果表明，分类结果较好，符合太湖不同地物类型实际分布情况;与相关研究HJ卫星影像东部湖区水生植被监测结果进行交叉检验，水生植被的空间分布基本一致，一致性检验结果显示，2种分类结果一致的像元比例为70.11%。实现蓝藻水华及水生植物的同步遥感监测，有助于精确评估蓝藻水华的实际强度和水生植被区范围，为富营养化湖泊的水环境管理和决策提供重要的科技支撑。 关键词：蓝藻水华;水生植被;太湖;Otsu;MODIS 中图分类号：Q178.5 文献标志码： A 文章编号：1002-1302（2019）14-0288-07 藻类大量繁殖引起的水华现象对湖泊水环境影响显著，表现为降低水体透明度、提高pH值以及大量消耗水中氧气[1]，进而影响水生动植物的群落结构和生物多样性[2]，水华是湖泊水体富营养化的重要特征[3]。我国是世界上蓝藻水华暴发最严重、分布最广的国家之一[4]。卫星遥感具有快速、周期性、大范围等特点，已经成为湖泊蓝藻水华监测与预测预警不可或缺的技术手段[5]。卫星监测蓝藻水华的主要依据是近红外波段处明显的植物特征“陡坡效应”[6]，而水生植被也有类似的光谱特征，在光學遥感影像上容易与水华混淆[7]。由于太湖水生植被主要分布在太湖东部[8]，区别于水华易发区（太湖西部和北部）[5]，所以目前太湖蓝藻水华的遥感监测通常将东太湖水生植被区进行掩膜处理，该水域不再考虑水华的发生[9]。 2012年以来，随着太湖各种污染整治和生态修复措施的深入实施，太湖梅梁湖、贡湖以及南太湖等蓝藻水华易发区域，出现了大量的水生植物（以菹草、马来眼子菜、荇菜为主），面积可达数十平方公里[10]。此时，传统太湖蓝藻水华日常遥感监测方法会将水生植物误判为蓝藻水华，严重影响了蓝藻水华的遥感监测精度;此外，为减少大量水生植物对航运带来的不利影响，当地相关部门会定期收割，造成水生植物区的人为性变化;再加上太湖主要优势水生植物具有不同的生活史，生长期差异显著，水生植物的时空分布短期变化显著。综合上述因素，采取固定水生植物区方式已无法适应水生植物的时空变化情形和满足蓝藻水华与水生植被遥感监测的要求。 由于蓝藻水华水体与水生植被水体均具有植被的光谱特征，尤其是红光波段的反射谷和近红外波段的反射峰，导致卫星遥感难以判别蓝藻水华与水生植被，加大了同步监测蓝藻水华与水生植被的难度[7，11-12]。相关研究表明，水生植被在短波红外波段（short-wave infrared，简称SWIR）的反射率高于蓝藻水华水体[13-14]。Oyama等基于短波红外波段处蓝藻水华水体与水生植被水体的光谱差异，使用Landsat TM/ETM+数据，结合归一化水指数（normalized difference water index，简称NDWI）和浮游藻类指数（floating algae index，简称FAI）构建决策树判别日本3个湖（Lakes Kasumiguara、Inba-numa、Tega-muma）的蓝藻水华水体与水生植被水体[7]，笔者将该方法应用于太湖，结果显示不能有效实现太湖蓝藻水华与水生植被的同步检测，主要由于太湖蓝藻水华强度较大，而水生植被多为浮叶植被和沉水植被交替生长，导致蓝藻水华与水生植被的NDWI值不能被显著区分。Liu等则结合了植被信号出现频率指数（vegetation presence frequency，简称VPF）和FAI建立决策树，应用2003—2013年的中分辨率成像光谱仪（MODIS）卫星数据，实现了太湖蓝藻水华与水生植被的卫星遥感判别[15]，不过这种判别方法不能应用于太湖蓝藻水华与水生植被的日常遥感同步监测，因为VPF是基于整年的遥感数据统计分析所得。Liang等基于蓝藻水华与水生植被的光谱特征在蓝光波段、绿光波段和短波红外波段处的差异，构建蓝藻水华与水生植被的判别指数（cyano