滇池蓝藻水华光谱特征、遥感识别及暴发气象条件
蓝藻水华暴发成因及监控指标
蓝藻水华暴发成因及监控指标
蓝藻水华暴发的成因非常复杂，主要包括生态环境、水体营养
盐浓度、水温、光照等因素。
首先，蓝藻是一类原生的藻类，它们
对富含营养盐的水体具有较强的适应能力，当水体中的氮、磷等营
养盐浓度过高时，蓝藻就容易暴发生长。
此外，适宜的水温和充足
的光照也是蓝藻暴发的重要因素。
气候变暖和水体富营养化都会增
加蓝藻水华的发生频率和范围。
监控蓝藻水华的指标包括但不限于以下几个方面。
首先，水体
中的氮、磷等营养盐浓度是监测蓝藻水华的重要指标，通常来自于
农业、工业和城市污水排放。
其次，水体的透明度是监测蓝藻水华
的重要指标，因为蓝藻水华会使水体变得浑浊，透明度下降。
此外，监测水体的温度和光照条件也有助于预测蓝藻水华的发生。
最后，
监测蓝藻毒素的含量也是非常重要的，因为一些蓝藻产生的毒素对
人畜健康有害。
除了以上指标外，还可以通过水体的pH值、溶解氧含量、藻类
的种类和数量等指标来监测蓝藻水华的发生情况。
综合利用这些监
测指标，可以更全面地了解蓝藻水华的发展趋势，及时采取相应的
防治措施，保护水环境和人畜健康。
滇池蓝藻
滇池蓝藻云南滇池的水华样品中, 微囊藻显示出很高的多样性和代表性。
微囊藻属隶属于蓝藻门色球藻目微囊藻科。
其中又以铜绿微囊藻占绝大多数，铜绿微囊藻细胞为球形, 直径 3.8–6.3 μm, 平均为5.3±0.59 μm。
脱水技术方法1、蓝藻脱水浓缩藻浆分别采用卧螺离心机或旋振筛脱水浓缩成藻泥，该方法为预处理过程。
2、包埋脱水冰冻保存技术就是采用一种细胞固定化方法，将生物材料包埋在褐藻胶基质中，使其胶囊化(固定化)，在适度脱水后再进行超低温保存。
3、直接干化法利用烘干机或太阳能(塑料大棚内挂晒)在高温作用下将藻泥中的水分被蒸发干燥成藻块，然后通过粉碎机粉碎成蓝藻粉。
4、间接干化法与直接干化法相对应的是间接干化法，由加热设备提供的蒸汽或热油首先加热容器，再通过容器表面将热传递给藻泥，使藻泥中的水分蒸发。
5、干燥剂吸附脱水干燥剂吸附脱水是利用物理吸附干燥剂通过物理方式将水分子吸附在自身的结构中或化学吸附干燥剂通过化学方式吸收水分子并改变其化学结构，变成另外一种物质的方法。
固定化方法藻类固定主要采用吸附法和包埋法。
两种方法均操作简便, 对细胞活性影响小吸附法可固定细胞量有限, 固定的细胞易脱落, 因此, 包埋法成为目前应用最广泛的藻类固定化方法。
理想的固定化载体是：（1）、对藻类无毒；（2）、透光性和透气性良好；（3）、传质性能良好, 包括营养盐及毒物；（4）、性质稳定, 不易被生物分解并能耐受由于藻（5）、细胞生长分裂引起的破裂（6）、强度高, 寿命长；（7）、价格低廉。
目前, 吸附法常采用的载体有聚氨基甲酸乙脂及聚乙烯醇等高分子泡沫。
也有文献报道, 用各种玻璃珠作为吸附法的载体。
包埋法固定化载体可分为两大类一是天然高分子凝胶载体, 如海藻酸钙、琼脂、角叉菜胶等。
二是有机合成高分子凝胶载体,如聚丙烯酞胺聚乙烯醇、多孔硅胶和聚氨基甲酸乙脂等。
天然高分子凝胶一般对生物无毒,传质性能好, 但强度较低, 在厌氧条件下易被生物分解。
气象条件对蓝藻水华暴发的影响
气象条件对蓝藻水华爆发的影响根据国家生态环境部发布的《2018年中国生态环境状况报告》中的数据显示，全国重要淡水湖泊中半数存在富营养化问题，其中三大湖（太湖、滇池、巢湖）更是多年如此。
而湖泊富营养化最直观的表现就是蓝藻水华的暴发，一方面蓝藻水华的暴发将会造成大范围水质恶化，严重影响水体及其周围的生态环境，甚至造成水中生物的死亡；另一方面蓝藻水华还将影响饮用水源地水质，对饮用水供水安全以及人类健康造成一定威胁。
水华发生时往往表现为水面或岸边突然出现大量的蓝藻，给人感觉是生物量的突然增加，是一种“暴发”现象。
根据长期的观测，发现在大多数情况下，在特定湖区内，这种突然“暴发”的“水华”是在适宜的气象与水文条件下，该湖区内亦已存在的、悬浮于水体中的藻类群体再加上其他湖区的蓝藻,随着风和湖流的驱动,漂移到该湖区聚集上浮至水面,并为人们肉眼所见的现象,即蓝藻水华是由于特定的气象与水文条件导致已成为优势种群的蓝藻群体在湖泊水体中水平和垂直位置的改变而“瞬时”形成的，并不完全是本地的藻类在短时间内连续的快速生长，生物量突然暴发所致。
水体富营养化是蓝藻大量繁殖的决定性因素，而适宜的气象条件是蓝藻大面积聚集形成“水华”的诱因。
1气温的影响气温对蓝藻水华暴发的影响并不是直接的，它是通过影响水温、水体分层、水体粘度等间接实现的。
气温升高时，水体表层温度会增加，这将强化水体垂向的分层。
这种情况如果长时间持续则会加强水体的季节性分层，从而降低水体混合的强度和频率。
一些蓝藻能够形成气囊，这些气囊会为蓝藻提供浮力。
在较强和较长时间的水体分层的情况下，上浮的蓝藻在水体表层会形成密集的水华，这些水华能够遮蔽光照，使水下不能上浮的藻类的生长受限，从而增强自己的竞争优势。
水温的增加也会降低水体的粘度。
当粘度降低时，水体对垂向迁移的阻力会降低。
这对擅长移动的蓝藻来说是很有利的，可以方便地上浮（有利于光合作用）和下沉（有利于营养盐获取）。
气象条件对滇池水华分布的影响
关键词
分 类号
卫星遥感 ；水特征 ；气象条件
Ｐ６ ４４ 文献 标识 码 Ｂ
Ｅｆｅ ｔ ｏ ｅ ｅ ｒ ｌ ｇ ｃ ｌｃ ｎ ｉｉ ｎ ｎ ｂ ｕ ｌ ａ ｆ ｃ ｆ ｍ ｔ ｏ ｏ ｏ ｉ ａ ｏ ｄ ｔｏ ｓ ｏ ｌ ｅ ａ ｇ ｌ ｂ ｏ ｍ ｉｔ ｉ ｕ ｉ ｎ ｉ ａ ｃ ｉＬａ ｅ ｌ ｏ ｄ ｓ ｒ ｂ ｔ０ ｎ Ｄｉ ｎ ｈ ｋ
ｎｌ ｆｈ ｔ ｒｌ ｉ ｌ ｃｅｃｓ ２ １ ，１ ５ ：３ － ５ ａ ｏ ｅＭｅ ｏｏ ｇ ａ Ｓｉｎｅ ， ０ １ ３ （ ） ６ ９６ ． ｔ ｅ ｏｃ ４
气 象 条 件 对 滇 池 水 华 分 布 的影 响
李蒙 谢 国清 鲁 韦坤 戴丛蕊
（ １云南省气 候中心 ， 昆明 ６０ ３ ２云南省气象局 ， ５０ ４； 昆明 ６０３） ５０ ４
摘要
使 用 ＭＯ Ｉ 星资 料 ， ＤＳ卫 利用假 彩 色合 成 法和 ９ ３一化植 被指 数 法对 滇池 蓝藻 水 华进 行 监 －
测 ， 到滇 池水 华 的分布 特征 是 ： 现于 ５月 ， 得 初 ７月最 盛 ，— １ ５ ０月均有 分布 ， 时滇 池水 华分 布 区域 盛 直 至 南部 海 口一 线。滇 池水 华分 布 总体 北部 最 多 ， 岸 高于 中心 湖 区 ， 岸高 于东 岸和 南岸 。在 营 湖 西 养 盐 条件 满足 的条 件 下 ， 温对水 华有促 进 作用 ， 不是 决定 因素。充足 的 日照是水 华形 成 的 必要 高 但 条 件 。 降水 通 过 改变水 温及 日照对 水 华 有抑 制 作 用 。小 风 （ 于３ｍ ｓ 利 于 水 华形 成 ， 小 ／） 大风 对 水 华尤 其是稀 薄 水华 分布 影 响较 大。 气象条 件 通过 相 互影 响 ， 同作 用对 水 华产 生影 响 。 共
滇池水华暴发的原因
滇池水华暴发的原因一、什么是水华所谓水华（water blooms），就是淡水水体中藻类大量繁殖的一种自然生态现象，是水体富营养化的一种特征，主要由于生活及工农业生产中含有大量氮、磷的废污水进入水体后，蓝藻（严格意义上应称为蓝细菌）、绿藻、硅藻等藻类成为水体中的优势种群，大量繁殖后使水体呈现蓝色或绿色的一种现象。
也有部分的水华现象是由浮游动物——腰鞭毛虫引起的。
“水华”现象在我国古代历史上就有记载。
另外，海水中出现此现象（一般呈红色）则为赤潮。
淡水中富营养化后，“水华”频繁出现，面积逐年扩散，持续时间逐年延长。
太湖、滇池、巢湖、洪泽湖都有“水华”，就连流动的河流，如长江最大支流——汉江下游汉口江段中也出现“水华”。
淡水中“水华”造成的最大危害是：饮用水源受到威胁，藻毒素通过食物链影响人类的健康，蓝藻“水华”的次生代谢产物MCRST能损害肝脏，具有促癌效应，直接威胁人类的健康和生存。
此外，自来水厂的过滤装置被藻类“水华”填塞，漂浮在水面上的“水华”影响景观，并有难闻的臭味。
所以每次发生水华现象都会给人类和自然界带来巨大的损失或灾害。
当藻类大量生长时，这些藻类常在下风头水面漂浮着一层蓝绿色或红黄色的水花或薄膜——湖靛，草、青、鲢、鳙吃了不能消化，影响鱼的生长。
虽然藻类生长很快，但因水中的营养盐被用尽，它们也很快的死亡。
藻类大量死亡后，在腐败、被分解的过程中，也要消耗水中大量的溶解氧，并会上升至水面而形成一层绿色的黏质物，使水体严重恶臭。
而造成水华现象的出现，主要原因还是水域沿线大量施用化肥、居民生活污水和工业废水大量排入江河湖泊，致使江河湖泊中氮、磷、钾等含量上升。
导致水华发生的重要的因素之一就是水体的富营养化。
湖泊等水体的富营养化依然是我国目前以及今后相当长一段时期内的重大水环境问题.研究蓝藻水华的形成机制,对于科学预测湖泊中蓝藻水华的产生,并采取相应措施减少其带来的影响具有重要的生态和环境意义.为探索富营养化湖泊中蓝藻水华形成机理,综述了目前对我国大型浅水湖泊蓝藻水华成因研究现状和对水华形成机理的一般认识.分析了导致蓝藻水华形成的化学、物理和生物等主要环境因素,论述了蓝藻,尤其是微囊藻成为水华优势种的可能原因.认为对水华的形成需要全面认识,营养盐浓度的升高可能仅是蓝藻水华形成、且人们可以加以控制的因素之一;在探索水华成因时,不能仅仅局限于夏季蓝藻水华发生时环境特征的研究与观察,而应该提前关注蓝藻的越冬生理生态特征、春季复苏的生态诱导因子及其阈值以及在复苏后,蓝藻如何在生长过程中形成群体,并逐步成为湖泊水生生态系统中的优势种乃至形成水华的过程.并需要对蓝藻越冬的生存对策、蓝藻群体的形成的条件、蓝藻在春季复苏的触发条件及其生态阈值、以及蓝藻在与其它藻类种群竞争中取胜的生理生化特征有足够的认识.蓝藻水华的"暴发"是表观现象,其前提还是藻类一定的生物量,且是一个逐渐形成的过程.根据生态学的基本理论和野外对水华形成过程的原位观测,提出了蓝藻水华成因的四阶段理论假设.即在四季分明、扰动剧烈的长江中下游大型浅水湖泊中,蓝藻的生长与水华的形成可以分为休眠、复苏、生物量增加(生长)、上浮及聚集等4个阶段,每个阶段中蓝藻的生理特性及主导环境影响因子有所不同.在冬季,水华蓝藻的休眠主要受低温及黑暗环境所影响;春节的复苏过程主要受湖泊沉积表面的温度和溶解氧控制,而光合作用和细胞分裂所需要的物质与能量则决定了水华蓝藻在春季和夏季的生长状况,一旦有合适的气象与水文条件,已经在水体中积累的大量水华蓝藻群体将上浮到水体表面积聚,形成可见的水华.研究蓝藻水华的形成机理必须寻找导致水华形成的各主要生理阶段的触发因子或特异性因子,针对不同阶段蓝藻的生理特性,进行深入研究.只有这样才有可能逐步弄清蓝藻水华的形成机制,并对其发生的每一进程进行预测,寻求更加具有针对性的控制措施.除了水体的富营养化之外，水温，洋流，水体的PH值，光照强度等均会对藻类等水华生物的大爆发产生影响，在个别时候甚至是诱发因素。
卫星遥感解译湖泊蓝藻水华的几个关键问题探讨
ke SE.(湖泊科学)，2021,33(3)：647-652DOI10.18307/2021.0301©2021by Journal of Lake Sciences卫星遥感解译湖泊蓝藻水华的几个关键问题探讨”冯炼**(南方科技大学环境科学与工程学院，深圳518055)摘要：蓝藻水华是全球性的水环境健康问题，对水华暴发过程信息的快速准确获取是制定有效防治措施的关键.卫星遥感因具有大范围、周期性观测的特点，被广泛地用于湖泊蓝藻水华的时空动态监测.本文指出在利用遥感对湖泊蓝藻水华进行研究时，需要注意的4个问题：(1)湖泊水体中泥沙等信号对藻华存在干扰;(2)大气程辐射及水陆边界影响藻华特征提取结果;(3)卫星数据的有效观测频次影响获取的藻华时空变化趋势;(4)卫星遥感难以实现藻华暴发区的叶绿素浓度准确反演.本文分析了形成上述问题的主要原因，并建议相关的研究工作者在选用合适的遥感数据及方法时，对它们的潜在影响进行评估.关键词：蓝藻水华;卫星遥感;光谱特征;大气校正;时空变化Key issues in detecting lacustrine cyanobacterial bloom using satellite remote sensing*Feng Lian**(School of Environmental Science and Engineering,Southern University of Science and Technology,Shenzhen518055,P.R. China)Abstract:Cyanobacterial bloom is a global water environmental and health problem.The rapid information on the bloom processes is imperative to conduct effective control measures.Satellite remote sensing has been widely used to monitor the spatiotemporal dynamics of cyanobacterial blooms in lakes due to its large-scale and periodic observations.Our paper points out four key issues when using remote sensing to study cyanobacterial blooms in lakes：(1)signals of algal blooms can be interfered by other features in the lake；(2)atmospheric radiation impacts the extraction of algal blooms；(3)the acquired spatiotemporal trend of algal bloom can be influenced by the observational frequency of satellites；(4)it is challenging to use satellite remote sensing to accurately inverse the chlorophyll concentrations in algal bloom outbreak areas.We analyze the main reasons for the above-mentioned problems and recommend that appropriate remote sensing datasets and methods should be used to minimize the potential impacts. Keywords:Cyanobacterial bloom；satellite remote sensing；spectral feature；atmospheric correction；spatiotemporal trend蓝藻水华(cyanobacterial bloom,简称藻华)被公认为全球最严重的湖泊水环境问题之一⑴，其主要危害包括三类:第一，蓝藻在水面聚集影响湖泊的整体景观,并释放难闻气味;第二,大量蓝藻富集能耗尽水中的溶解氧、阻挡光的向下传输路径，挤占其它水生生物的生存空间;第三，产生的蓝藻毒素(cyanotoxins)能直接影响鱼类及人畜的健康阂.蓝藻能通过改变自身浮力来调整其水深分布⑷，因而在水平与垂直空间上，都可能呈现显著的异质性.因此在藻华暴发时，现场船舶调查通常难以全面捕获水华影响范围等关键信息.卫星遥感具有大范围、周期性观测等特点,正好能弥补常规手段的不足,从而实现藻华的暴发范围、程度、持续时间等信息的快速准确获取「呵，如图1所示・大量浮游藻类在水体表面聚集并能被卫星遥感识别的主要理论依据是:一方面,叶绿素在绿光波段存在反射峰，绿光波段在可见光范围反射最强，藻华将水体染成墨绿色(图1)；另外，藻华暴发时水体在近红外波段(near-infrared)反射较强，使得藻华水体具有陆地植被类似的红边(red edge)反射特征〔句(图2).因此从*2020-12-14收稿;2021-02-01收修改稿.国家自然科学基金项目(41971304)和广东省普通高校重点领域专项(2020ZDZX3006)联合资助.**通信作者;E-mail:fengl@.648J. Lake ScL(湖泊科学)，2021,33(3)理论上来讲，通过基于单一波段的反射率或构建相关的光谱指数,就能较好地对藻华区域进行判别.目前，被常用于蓝藻水华识别的光谱指数包括近红夕卜/绿光比值指数⑺、归一化植被指数（nonnalizeddifference vegetation index, NDVI ⑻）、最大叶绿素指数（maximuni chlorophyll index , MCZ ⑼）、浮藻指数（floating algae index , FAI ［l （＞］）、蓝藻指数（cya-nobacteria index, CZ ［1I ］）等.基于卫星遥感数据的研究对象包括单个湖泊冋呦、区域湖泊群，甚至全球尺度湖泊［⑻.毋庸置疑，卫星遥感提供了一种高效、低成本的蓝藻水华监测手段，但是在实际应用过程中，笔者提出以下4个应当注意的关键问题.1水体在绿光及近红外波段的高反射信号并非一定来源于蓝藻水华图］Landsat 8 OLI 真彩色合成影像显示太湖(A)、洱海(B)与巢湖(C)的蓝藻水华暴发(湖泊中绿色为蓝藻水华暴发区)Fig.l Landsat 8 OLI true color composite for Lake Taihu (A) , Lake Erhai (B) and Lake Chaohu (C)show cyanobacterial blooms ( greenish slicks)清澈的非水华水体颜色也可能呈现墨绿色，即在可见光谱段上绿光波段反射率高于蓝、红波段.例如，对于周围有青山或森林的湖库，绿色植被信号可能通过水面的镜面反射或漫反射进入传感器, 呈现我们常见的“碧”波粼粼的景观•此外，对于富 含矿物质的湖泊,因离子（例如钙离子、碳酸氢根离子等）存在会改变水下光的吸收散射特性〔闵，进而产生各种不同的颜色（例如青藏高原部分湖泊、美 国黄石公园的大棱镜泉等）.近年，国内外学者使用水体颜色（例如FUI 颜色分级方法）对水体的富营养化开展了较多的研究何如，然而对上述两个问题目前还没有关注，更缺乏有效的解决方案.湖泊（特别是浅水湖泊）受河流输入、底部再悬浮等过程影响,水体悬浮泥沙浓度呈现显著时空动态差 异.然而，泥沙的强后向散射信号会导致高浑浊水体在近红外波段的反射率升高妙叫因此,基于单一近红 外反射率阈值法只适用于悬浮泥沙浓度较低的水体（例如波罗的海冋）•然而,2019年《自然》杂志一篇文 章将单波段算法应用到全球71个湖泊,悬浮泥沙浓度的强反射会被误判为水华信号，导致藻华过程的严 重高估•此外，因为湖泊悬浮泥沙等其他光敏参数的浓度变化会改变整个反射率光谱曲线的形状及大小，从 而使得藻华指数（如等）的最佳判别阈值在不同湖泊甚至相同湖泊不同时间存在较大差异［叫对于水生植被茂盛的湖泊而言，植被光谱在形状与反射率大小上都同藻华相似，单独使用前面提到的光 谱指数难以将两者进行有效区分（图2）,需要借助多种指数泗或植被空间分布的先验知识问.特别的是，蓝 藻中的藻蓝蛋白（或藻蓝素,phycocyanin ）在620 nm 处存在独特的吸收峰，因此蓝藻与水生植被在该波段附近 存在明显反射率差异（图2）,并可用于水生植被与水华的分类⑹.然而，只有少数几个卫星传感器设置了 620 nm 波段（如欧空局的MERIS 、OLCI 或其他高光谱卫星传感器），限制了该方法的推广应用.另外，水生植被因 具有明显的物候生长周期,其生长位置在短时间（例如几个月）内变化较小,而蓝藻水华的空间分布因受环境 影响呈现高动态变化特征.因此，可以考虑结合水生植被与水华的物候差异，利用时序遥感数据对两者进行区 分.遗憾的是,如何有效排除水生植被干扰目前仍然是实现浅水湖泊水华高精度提取的难点问题.2在湖泊上空卫星获取的总信号不只来源于水体本身卫星的入瞳（星上）信号（top-of-atmosphe^TOA ）由地物（即水体）与大气两部分构成.相比陆地而言,冯炼：卫星遥感解译湖泊蓝藻水华的几个关键问题探讨649水体因对电磁波的强吸收而导致反射信号较弱「勿，因此在卫星入瞳信号中占比较小.浑浊湖泊水体信号在某些波长范围占卫星总信号的比例小于50%，且比例随水体浑浊度变化.大气对电磁波的吸收作用以及大气的瑞利散射（或称分子散射,Rayleigh scattering）能通过物理模型准确估算，但气溶胶散射（aerosol scattering）因其高时空异质性难以准确计算并被剔除沏.前些年常用的MODIS、Landsat或者部分国产卫星数据并没有提供标准的大气校正产品，为了避免繁琐的大气校正过程，大量研究直接在星上反射率数据（甚至原始的灰度值）上进行水华范围提取妙如•值得注意的是，在大气校正难以实现的情况下，水华提取算法设计上可以适当减小大气带来的误差.例如,基于波段减法形式构建的算法（如FAI W）可以部分抵消大气影响,并且因气溶胶散射在近红外和红波段较小，利用瑞利散射校正后的数据构建FAI能较好地应用于蓝藻水华提取.而波段比值方法,特别是利用可见光构建的指数（如近红外/绿光切）可能会放大大气程辐射带来的误差.值得指出的是，基于水体的大气校正算法本身在内陆湖泊上存在精度低、有效数据少的问题;另外，水华大多会呈现类似陆地植被的光谱特征（图2），进一步使得这些针对水体设计的系列大气校正算法失效3叫当然，如今MODIS、Landsat都提供了标准陆地大气校正产品⑶殉，当斑块噪声不严重的情况下閉，此类产品也可以用于水华范围获取⑼.另外，湖泊周边陆地信号也会通过大气散射到达卫星传感器，产生陆地邻近效应进而影响水华提取结果㈤]，因此一般建议将湖泊边界水域范围内3~5个像素进行掩膜处理网.波长/nm图2现场观测清洁湖水、水生植被(沉水植被与浮叶植被)和蓝藻水华的照片及对应光谱Fig.2Photos and hyperspectral measurements for clear lake water,aquatic vegetation(floating-leaved and submerged plants)and cyanobacterial bloom3基于卫星遥感的藻华时空变化趋势需谨慎解读卫星遥感能提供周期性重复的观测，经常被用于追溯湖泊蓝藻水华的历史发展趋势[8-12'171.然而，卫星遥感获取的长时序变化是否准确,需要考虑如下两个方面因素：（1）云覆盖（或雾霾）会显著减小光学遥感影像的有效观测频次•例如，基于MODIS卫星数据统计的全球陆地平均云覆盖率约为55%[39],因此，需要考虑有限观测数据获得的趋势过程是否真实？（2）—般而言,平静的湖面条件下蓝藻才能在水体表层富集形成水华并被遥感识别,而风速较大时会引起蓝藻在水柱中的垂向混合，使得表层蓝藻信号在遥感信号中不明显[11'13].因此，风速的高动态变化特征势必会影响遥感获取的藻华暴发趋势，但影响程度如何尚需进一步研究.基于以上两个方面问题，对于重访周期较长的卫星数据（例如Landsat），一年中仅有若干次有效观测，一般难以准确捕获湖泊藻华逐年变化的相关特征信息（例如面积、暴发时间等）.然而,国内外最近不少研究忽略了这些因素影响厲阿.为了避免或解决此类问题，一方面可以选用藻华暴发频率（而非暴发频次或面积）作为变化趋势的研究对象,能适当减小部分干扰⑴丿■幻；另一方面,利用高时间分辨率的遥感数据或多源遥感数据融合,提高观测频率,从根本上提高遥感藻华趋势信息的可信度⑷切■ke Sci.(湖泊科学),2021,33(3)4水体叶绿素浓度在藻华暴发时难以通过遥感准确定量反演叶绿素浓度是表征水体浮游植物丰度或富营养化的重要指标，因此卫星遥感也被广泛用于叶绿素浓度的定量反演，进而表征湖泊水华的严重程度.水体叶绿素浓度反演的理论基础是利用叶绿素在蓝光(443 nm)与红光(675nm)波段的强吸收特征问，虽然对于清洁与浑浊水体的遥感波段选择上存在差异.然而在藻华形成后，蓝藻因能改变浮力使其在水体中的垂直分布不均一⑷，而卫星得到的信号只是水体表层.另一方面，叶绿素浓度或蓝藻细胞密度在船舶的两侧都存在几倍甚至一个数量级以上的差异⑷]，而在遥感影像一个像素范围内的水平与垂直异质性更是无法估计.因此，基于少数几个站点获取的实测水样构建的定量反演模型难以有效表征蓝藻水华的各种异质性特征,从而无法准确获取叶绿素浓度信息.所以一般而言,不建议利用卫星遥感进行藻华暴发区域的叶绿素浓度定量反演.当然，在这种情况下,叶绿素浓度一般都超过了100(xg/L,水体呈严重富营养化的情况下再通过遥感提供一个不准确的叶绿素浓度数值也完全没有必要.5结语在全球变暖的大背景下闷，湖泊温度升高会进一步促进藻类的生长，湖泊蓝藻水华未来几十年内可能仍会呈增加趋势["刖•此外，工农业点面源污染增加会进一步导致水体营养物质的增加屈，从而加剧湖泊蓝藻水华问题⑷].因此在未来相当长一段时间内,我们仍需要借助遥感技术手段准确获取蓝藻水华的实时动态信息.上述的4个问题在实际应用中可能不会全部存在，但在选用合适的遥感数据源与模型方法之前,建议先对它们的潜在影响进行评估.6参考文献[1]Brooks BW,Lazorchak JM,Howard MDA et al.Are harmful algal blooms becoming the greatest inland water quality threatto public health and aquatic ecosystems?Environmental Toxicology and Chemistry,2016,35(1):6-13.DOI：10.1002/ etc.3220.[2]Carmichael WW.The toxins of cyanobacteria.Scientific American,1994,270(1):78-86.[3]Walsby AE,Hayes PK,Boje R et al.The selective advantage of buoyancy provided by gas vesicles for planktonic cyanobacteria in the Baltic Sea.New Phytologist,1997,136(3):407-417.DOI：10.1046/j.l469-8137.1997.00754.x. [4]Kutser T,Metsamaa L,Strombeck N et al.Monitoring cyanobacterial blooms by satell让e remote sensing.Estuarine,Coastal and Shelf Science,2006,67(1/2):303-312.DOI：10.1016/j.ecss.2005.11.024.[5]Qin BQ,Yang GJ,Ma JR et al.Dynamics of variability and mechanism of harmful cyanobacteria bloom in Lake Taihu,China.Chinese Science Bulletin,2016,61(7):759-770.DOI：10.1360/N972015-00400.[秦伯强，杨桂军，马健荣等•太湖蓝藻水华“暴发”的动态特征及其机制•科学通报，2016,61(7):759-770.][6]Matthews MW,Bernard S,Robertson L.An algorithm for detecting trophic status(chlorophyll-a),cyanobacterial-domi-nance,surface scums and floating vegetation in inland and coastal waters.Remote Sensing of Environment,2012,124：637-652.DOI：10.1016/j.rse.2012.05.032.[7]Duan HT,Zhang SX,Zhang YZ.Cyanobacteria bloom monitoring with remote sensing in Lake Taihu.J Lake Sci,2008,20(2):145-152.DOI：10.18307/2008.0202.[段洪涛，张寿选，张渊智•太湖蓝藻水华遥感监测方法.湖泊科学，2008,20(2):145-152.][8]Duan HT,Ma RH,Xu XF et al.Two-decade reconstruction of algal blooms in China's Lake Taihu.Environmental Science&Technology,2009,43(10):3522-3528.DOI：10.1021/es8031852.[9]Gower J,King S,Goncalves P.Global monitoring of plankton blooms using MERIS MCI.International Journal of RemoteSensing,2008,29(21):6209-6216.DOI：10.1080/01431160802178110.[10]Hu CM.A novel ocean color index to detect floating algae in the global oceans.Remote Sensing of Erwinmment,2009,113(10):2118-2129.DOI：10.1016/j.rae.2009.05.012.[11]Wynne TT,Stumpf RP,Tomlinson MC et al.Characterizing a cyanobacterial bloom in western Lake Erie using satellite imagery and meteorological data.Limnology and Oceanography,2010,55(5):2025-2036.DOI：10.4319/lo.2010.55.冯炼：卫星遥感解译湖泊蓝藻水华的几个关键问题探讨6515.2025.[12]Hu C,Lee Z,Ma R et al.Moderate Resolution Imaging Spectroradiometer(MODIS)observations of cyanobacteria bloomsin Taihu Lake,China.Journal of Geophysical Research:Oceans,2010,115(C4)：C04002.DOI：10.1029/2009JC005511[13]Binding CE,Greenberg TA,McCullough G et al.An analysis of satellite-derived chlorophyll and algal bloom indices onLake Winnipeg.Journal of Great Lakes Research,2018,44(3):436-446.DOI：10.1016/j.jglr.2018.04.001.[14]Michalak AM,Anderson EJ,Beletsky D et al.Record-setting algal bloom in Lake Erie caused by agricultural and meteorological trends consistent with expected future conditions.PNAS t2013,110(16)：6448-6452.DOI：10.1073/ pnas.1216006110.[15]Lu WK,Yu LX,Ou XK et al.Relationship between occurrence frequency of cyanobacteria bloom and meteorological factors in Uke Dianchi.J Lake Sci,2017,29(3):534-545.DOI：10.18307/2017.0302.[鲁韦坤，余凌翔，欧晓昆等.滇池蓝藻水华发生频率与气象因子的关系.湖泊科学，2017,29(3):534-545.][16]Matthews MW.Eutrophication and cyanobacterial blooms in South African inland waters:10years of MERIS observations.Remote Sensing of Environment,2014,155：161-177.DOI：10.1016/j.rse.2014.08.010.[17]Mishra S,Stumpf RP,Schaeffer BA et al.Measurement of cyanobacterial bloom magnitude using satellite remote sensing.Scientific Reports,2019,9(1):18310.DOI：10.1038/s41598-019-54453-y.[18]Ho JC,Michalak AM,Pahlevan N.Widespread global increase in intense lake phytoplankton blooms since the1980s.Nature,2019,574(7780):667-670.DOI：10.1038/s41586-019-1648-7.[19]Li XH,Zhang MQ,Xiao WY et al.The color formation mechanism of the blue Karst lakes in Jiuzhaigou nature reserve,Sichuan,China.Water,2020,12(3):771.DOI：10.3390/wl2030771.[20]Wang SL,Li JS,Zhang B et al.Trophic state assessment of global inland waters using a MODIS-derived Forel-Ule index.Remote Sensing of Environment,2018,217:444-460.DOI：10.1016/j.rse.2018.08.026.[21]Chen Q,Huang MT,Tang XD.Eutrophication assessment of seasonal urban lakes in China Yangtze River Basin usingLandsat8-derived Forel-Ule index:A six-year(2013-2018)observation.Science of the Total Environment,2020,745：135392.DOI：10.1016/j.scitotenv.2019.135392.[22]Malthus TJ,Ohmsen R,van der Woerd HJ.An evaluation of citizen science smartphone apps for inland water quality assessment.Remote Sensing,2020,12(10):1578.DOI：10.3390/rsl2101578.[23]Nechad B,Ruddick KG,Park Y.Calibration and validation of a generic multisensor algorithm for mapping of total suspended matter in turbid waters.Remote Sensing of Environment,2010,114(4):854-866.DOI：10.1016/j.rse.2009.11.022.[24]Zhang YL.Progress and prospect in lake optics:A review.J Lake Sci f2011,23(4):483-497.DOI：10.18307/2011.0401.[张运林.湖泊光学研究进展及其展望.湖泊科学，2011,23(4):483-497.][25]Kahru M,Elmgren R.Multidecadal time series of satellite-detected accumulations of cyanobacteria in the Baltic Sea.Biogeosciences,2014,11(13):3619-3633.DOI：10.5194/bg-ll-3619-2014.[26]Li JS,Wu D,Wu YF et al.Identification of algae-bloom and aquatic macrophytes in Lake Taihu from in situ measuredspectra data.JLakeSci,2009,21(2):215-222.DOI：10.18307/2009.0209.[李俊生，吴迪，吴远峰等.基于实测光谱数据的太湖水华和水生高等植物识别•湖泊科学，2009,21(2):215-222.][27]Curcio JA,Petty CC.The near infrared absorption spectrum of liquid water.Journal of the Optical Society of America,1951,41(5):302.DOI：10.1364/josa.41.000302.[28]Gordon HR.Atmospheric correction of ocean color imagery in the Earth Observing System era.Journal of Geophysical Research-Atmospheres,1997,102(D14):17081-17106.DOI：10.1029/96JD02443.[29]Nai ZJ,Duan HT,Zhu L et al.A novel algorithm to monitor cyanobacterial blooms in Lake Taihu from HJ-CCD imagery.JLake Sci,2016,28(3):624-634.DOI：10.18307/2016.0319.[饵兆骏，段洪涛，朱利等.基于环境卫星CCD数据的太湖蓝藻水华监测算法研究.湖泊科学，2016,28(3):624-634.][30]Zhang J,Chen LQ,Chen XL.Monitoring the cyanobacterial blooms based on remote sensing in Lake Erhai by FAI.J LakeSci,2016,28(4):718-725.DOI：10.18307/2016.0404.[张娇，陈莉琼，陈晓玲•基于皿/方法的洱海蓝藻水华遥感监测.湖泊科学，2016,28(4):718-725.][31]Zhang M,Kong FX.The process,spatial and temporal distributions and mitigation strategies of the eutrophi-cation of LakeChaohu(1984-2013).JZa^eSci,2015,27(5):791-798.DOI：10.18307/2015.0505.[张民，孔繁翔.巢湖富营养化ke Sci.(湖泊科学),2021,33(3)的历程、空间分布与治理策略(1984-2013年).湖泊科学，2015,27(5):791-798.][32]Wang MH,Shi W.The NIR-SWIR combined atmospheric correction approach for MODIS ocean color data processing.Optics Express,2007,15(24):15722-15733.[33]Vanhellemont Q,Ruddick K.Advantages of high quality SWIR bands for ocean colour processing:Examples from Landsat-8.Remote Sensing of Environment,2015,161:89-106.DOI：10.1016/j.rse.2015.02.007.[34]Vermote E,Justice C,Claverie M et al.Preliminary analysis of the performance of the Landsat8/OLI land surface reflectance product.Remote Sensing of Environment,2016,185：46-56.DOI：10.1016/j.rse.2016.04.008.[35]Vermote EF,Vermeulen A.Atmospheric correction algorithm:spectral reflectances(MOD09).Algorithm Technical Background Document,1999,(4):107.[36]Feng L,Hu CM,Li JS.Can MODIS land reflectance products be used for estuarine and inland waters?Water ResourcesResearch,2018,54(5):3583-3601.DOI：10.1029/2017WR021607.[37]Shang LL,Ma RH,Duan HT et al.Scale analysis of cyanobacteria bloom in Lake Taihu from MODIS observations.J LakeSci,2011,23(6)：847-854.DOI：10.18307/2011.0604.[尚琳琳，马荣华，段洪涛等.利用MODIS影像提取太湖蓝藻水华的尺度差异性分析.湖泊科学，2011,23(6):847-854.][38]Feng L,Hu nd adjacency effects on MODIS Aqua top-of-atmosphere radiance in the shortwave infrared:Statisticalassessment and correction.Journal of Geophysical Research:Oceans,2017,122(6)：4802-481&DOI:10.1002/2017JC012874.[39]King MD,Platnick S,Menzel WP et al.Spatial and temporal distribution of clouds observed by MODIS onboard the Terraand aqua satellites.IEEE Transactions on Geoscience and Remote Sensing,2013,51(7):3826-3852.DOI:10.1109/ TGRS.2012.2227333.[40]Yue A,Zeng QW,Wang HJ.Remote sensing long-term monitoring of cyanobacterial blooms in Yuqiao Reservoir.RemoteSensing Technology and Application,2020,35(3):694-701.[岳昂，曾庆伟，王怀警.于桥水库蓝藻水华遥感长时序监测研究.遥感技术与应用，2020,35(3):694-701.][41]Qi L,Hu CM,Visser PM et al.Diurnal changes of cyanobacteria blooms in Taihu Lake as derived from GOCI observations.Limnology and Oceanography,2018,63(4):1711-1726.DOI：10.1002/lno.10802.[42]Wang M,Zheng W,Liu C.Application of Himawari-8data with high-frequency observation for Cyanobacteria bloom dynamically monitoring in Lake Taihu.J Lake Sci,2017,29(5):1043-1053.DOI：10.18307/2017.0502.[王萌，郑伟，刘诚•利用Himawari-8高频次监测太湖蓝藻水华动态•湖泊科学，2017,29(5):1043-1053.][43]Matthews MW.A current review of empirical procedures of remote sensing in inland and near-coastal transitional waters.International Journal of Remote Sensing,2011,32(21):6855-6899.DOI：10.1080/01431161.2010.512947.[44]Paerl HW,Paul VJ.Climate change:Links to global expansion of harmful cyanobacteria.Water Research,2012,46(5):1349-1363.DOI：10.1016/j.watres.2011.08.002.[45]Kutser T.Quantitative detection of chlorophyll in cyanobacterial blooms by satellite remote sensing.Limnology and Oceanography,2004,49(6):2179-2189.DOI：10.4319/lo.2004.49.6.2179.[46]Medhaug I,Stolpe MB,Fischer EM et al.Reconciling controversies about the'global warming hiatus*.Nature,2017,545(7652):41-47.DOI：10.1038/nature22315.[47]Wells ML,Trainer VL,Smayda TJ et al.Harmful algal blooms and climate change:Learning from the past and present toforecast the future.Harmful Algae,2015,49：68-93.DOI：10.1016/j.hal.2015.07.009.[48]Zhu GW,Xu H,Zhu MY et cd.Changing characteristics and driving factors of trophic stale of lakes in the middle and lower reaches of Yangtze River in the past30years.J Lake Sci,2019,31(6):1510-1524.DOI：10.18307/2019.0622.[朱 广伟，许海，朱梦圆等.三十年来长江中下游湖泊富营养化状况变迁及其影响因素.湖泊科学，2019,31(6): 1510-1524.][49]Wang ZW.China's wastewater treatment goals.Science,2012,338(6107):604.DOI：10.1126/science.338.6107.604-a.。
滇池蓝藻水华发生频率与气象因子的关系
摘
要 ：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 、 ｐ Ｈ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 ２ ０ ｌ ０ —２ ０ １ １ 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 Ｅ ｌ 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． 关键词 ：滇池 ； 蓝藻水华 ； 遥感 ； 气象因子 ； 环境因子
Ｌ ａ ｋ ｅ Ｓ ｃ ｉ ． （ 湖泊科学） ， ２ ０ １ ７ ， ２ ９ （ ３ ） ： ５ ３ ４ — ５ ４ ５
Ｄ０Ｉ １ ０．１ ８３ ０ ７ ／２０１ ７． ０ ３０ ２
⑥２ ０ １ ７ ｂ ｙ Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆＬ ａｋ ｅ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ｓ
Ａｂｓ ｔ ｒ ａｃ ｔ ：Ｔ ｈｅ ｐ ｕ ｂ ｌ ｉ ｓ ｈｅ ｄ ｓ ｔ ｕｄ ｙ ｓ ｕ ｇ ｇ ｅ ｓ ｔ ｅ ｄ ｔ ｈ ａ ｔ ｃ ｙ ａ ｎ ｏ ｂ ａ ｃ ｔ ｅ ｒ ｉ ａ ｂ ｌ ｏ ｏ ｍ ｗａ ｓ ａ ｐ ｈ ｅ ｎ ｏ ｍｅ ｎ ｏ ｎ ｏ ｆ ｅ ｘ ｃ ｅ ｓ ｓ ｉ ｖ ｅ ｒ ｅ ｐ ｒ ｏ ｄ ｕ ｃ ｔ ｉ ｏ ｎ ａ ｎ ｄ ａ ｇ ｇ ｒ ｅ ｇ ａ ｔ ｉ ｏ ｎ ｗｉ ｔ ｈ ｃ ｅ ｒ ｔ ａ ｉ ｎ ｎ ｕ ｔ ｒ ｉ ｅ ｎ ｔ ｌ ｅ ｖ ｅ ｌ ｓ ，ｃ ｌ ｉ ｍａ ｔ ｅ ａ ｎ ｄ ｈ ｙ ｄ ｒ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｓ ａ ｎ ｄ ｗａ ｓ ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｏ ｆ ｔ ｈ ｅ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ｅ ｆ ｆ ｅ ｃ ｔ ｏ ｆ ｍｅ ｔ ｅ ｏ ｒ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ ａ ｎ ｄ
基于GF-5的滇池蓝藻水华空间分布特征研究
第５１卷 第２期 激光与红外Ｖｏｌ．５１，Ｎｏ．２ ２０２１年２月 ＬＡＳＥＲ ＆ ＩＮＦＲＡＲＥＤＦｅｂｒｕａｒｙ，２０２１ 文章编号：１００１ ５０７８（２０２１）０２ ０２３７ ０７·图像与信号处理·基于ＧＦ ５的滇池蓝藻水华空间分布特征研究胡 琳１，甘 淑１，２，袁希平２，３，李绕波１，毕 瑞１（１ 昆明理工大学国土资源工程学院，云南昆明６５００９３；２ 云南省高校高原山区空间信息测绘技术应用工程研究中心，云南昆明６５００９３；３ 滇西应用技术大学，云南大理６７１０００）摘 要：滇池水体富营养化严重导致蓝藻水华爆发，因此文章基于ＧＦ ５高光谱数据，运用归一化植被指数（ＮｏｒｍａｌｉｚｅｄＤｉｆｆｅｒｅｎｃｅＶｅｇｅｔａｔｉｏｎＩｎｄｅｘ，ＮＤＶＩ）识别滇池的蓝藻水华发生状况，并通过对ＮＤＶＩ值域进行分类，进一步对比分析草海、外海蓝藻水华的空间分布特征及差异。
结论如下：①ＮＤＶＩ值域的一般数量统计分析表明，草海和外海ＮＤＶＩ均值分别是－０ ３５０和－０ ７０８，说明草海蓝藻水华覆盖情况较外海更严重；②ＮＤＶＩ值域的分级分类统计表明，草海以轻度蓝藻水华区域为主，占草海总面积的７３ ３６％，重度蓝藻水华区域占比为１ １２％；外海以无蓝藻水华区域为主，占外海总面积的９５ ４２％，中度和重度蓝藻水华区域占比分别为０ ５２％和０ １１％；总体上，滇池蓝藻水华空间分布呈“北重南轻”的格局，草海蓝藻水华覆盖密度为８０ ４５％，草海较外海更易于蓝藻水华生长，水质更差。
此研究方法可有效实时地监测识别高原湖泊蓝藻水华发生的空间分布状况，丰富了基于高光谱遥感进行湖泊水域水质监测的方法，为促进滇池水资源的治理和开发利用提供科学依据。
关键词：ＮＤＶＩ；滇池；空间分析；ＧＦ ５；蓝藻水华中图分类号：Ｐ２３６ 文献标识码：Ａ ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１ ５０７８．２０２１．０２．０１９ＳｔｕｄｙｏｎｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｉｎＤｉａｎｃｈｉＬａｋｅｂａｓｅｄｏｎＧＦ ５ＨＵＬｉｎ１，ＧＡＮＳｈｕ１，２，ＹＵＡＮＸｉ ｐｉｎｇ２，３，ＬＩＲａｏ ｂｏ１，ＢＩＲｕｉ１（１．ＳｃｈｏｏｌｏｆＬａｎｄａｎｄＲｅｓｏｕｒｃｅｓＥｎｇｉｎｅｅｒｉｎｇ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５００９３，Ｃｈｉｎａ；２．ＹｕｎｎａｎＩｎｓｔｉｔｕｔｅｏｆＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆＰｌａｔｅａｕＭｏｕｎｔａｉｎＳｐａｔｉａｌＩｎｆｏｒｍａｔｉｏｎＳｕｒｖｅｙｉｎｇａｎｄＭａｐｐｉｎｇＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５００９３，Ｃｈｉｎａ；３．ＷｅｓｔＹｕｎｎａｎＵｎｉｖｅｒｓｉｔｙｏｆＡｐｐｌｉｅｄＳｃｉｅｎｃｅｓ，Ｄａｌｉ６７１０００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：ＣｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｂｅｃａｕｓｅｓｅｒｉｏｕｓｌｙｅｕｔｒｏｐｈｉｃａｔｉｏｎｉｎＤｉａｎｃｈｉＬａｋｅ．ＴｈｉｓｐａｐｅｒｂａｓｅｓｏｎＧＦ ５ｈｙｐｅｒｓｐｅｃｔｒａｌｄａｔａａｎｄｕｓｅｓＮＤＶＩｔｏｉｄｅｎｔｉｆｙｔｈｅｏｃｃｕｒｒｅｎｃｅｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｉｎＤｉａｎｃｈｉＬａｋｅ，ａｎｄｃｌａｓｓｉｆｉｅｓｔｈｅｒａｎｇｅｏｆＮＤＶＩｔｏｆｕｒｔｈｅｒｃｏｍｐａｒｅａｎｄｔｏａｎａｌｙｚｅｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｄｉｆｆｅｒｅｎｃｅｓｏｆｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｉｎＣａｏｈａｉａｎｄＷａｉｈａｉ．Ｃｏｎｃｌｕｓｉｏｎｓａｒｅａｓｆｏｌｌｏｗｓ：①ＦｒｏｍｔｈｅｇｅｎｅｒａｌｑｕａｎｔｉｔａｔｉｖｅｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｏｆｔｈｅＮＤＶＩｒａｎｇｅ，ｗｅｃａｎｇｅｔｔｈｅＮＤＶＩｍｅａｎｖａｌｕｅｓｏｆＣａｏｈａｉａｎｄＷａｉｈａｉａｒｅ－０．３５０ａｎｄ－０．７０８ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｃｈｍｅａｎｓｔｈｅｃｙａｎｏｂａｃｔｅｒｉａｂｌｏｏｍｃｏｖｅｒａｇｅｉｎＣａｏｈａｉｉｓｍｕｃｈｍｏｒｅｓｅｒｉｏｕｓｌｙｔｈａｎｔｈａｔｉｎｔｈｅＷａｉｈａｉ．②Ａｃｃｏｒｄｉｎｇｔｏｔｈｅ基金项目：国家自然科学基金项目（Ｎｏ ４１５６１０８３；Ｎｏ ４１８６１０５４）；云南省自然科学基金项目（Ｎｏ ２０１５ＦＡ０１６）；高分专项省域产业化应用项目（Ｎｏ ８９－Ｙ４０Ｇ１９－９００１－１８／２０）资助。
滇池蓝藻水华监测预警平台设计
㊀第37卷㊀第2期2021年4月中㊀国㊀环㊀境㊀监㊀测Environmental Monitoring in ChinaVol.37㊀No.2Apr.2021㊀滇池蓝藻水华监测预警平台设计李俊萩1,高凌宇1,张晴晖1,吴㊀勇2,徐伟恒11.西南林业大学大数据与智能工程学院,云南昆明6502242.北京航天泰坦科技股份有限公司,北京100071摘㊀要:传统的人工监测无法实现大规模蓝藻的实时监测预警,该研究运用基于Python 的ArcGIS Server 自动发布地图服务㊁多元数据预警分析㊁人工水质监测数据预警分析等技术,以滇池为研究区,构建了水华预警系统㊂通过预警体系业务子系统和预警信息共享与发布子系统,结合滇池蓝藻水华监测预警综合数据库,实现了大规模蓝藻预警信息的实时生成㊁共享和发布,提出了地表变化动态监测预警的思路㊂系统建成后,通过对滇池流域生态红线预警范围内的地表覆盖变化情况监测,可及时发现导致水华发生的潜在陆源污染因素㊂同时配合排污点污染成分检测实现预警,从源头防止水华发生㊂关键词:蓝藻水华;监测预警;地表变化预警;水质数据预警中图分类号:X832;TP39㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1002-6002(2021)02-0163-06DOI :10.19316/j.issn.1002-6002.2021.02.21Design of Monitoring and Early Warning Platform for Cyanobacteria Bloom in Dianchi LakeLI Junqiu 1,GAO Lingyu 1,ZHANG Qinghui 1,WU Yong 2,XU Weiheng 11.College of Big Data and Intelligent Engineering,Southwest Forestry University,Kunming 650224,China2.Beijing Aerospace TITAN Technology Co.,LTD,Beijing 100071,ChinaAbstract :The traditional manual monitoring can not realize the real-time monitoring and early warning of large-scalecyanobacteria.In this study,a cyanobacteria bloom early warning system is constructed using technologies such as the ArcGISServer based on Python to automatically publish map,early warning analysis based on multivariate data and artificial water quality monitoring data.Through the early warning system business subsystem and early warning information sharing and publishing subsystem,combined with Dianchi cyanobacteria bloom monitoring integrated database,large scale cyanobacteria warninginformation can be generated,shared and released in real time.The idea of dynamic monitoring and early warning of land surfacechange is also proposed.After the completion of the system construction,the land source pollution factors leading to cyanobacteriabloom can be found timely by monitoring the change of land cover within the ecological red line of Dianchi Lake Basin.At thesame time,cooperate with the pollution component detection of the sewage point to realize the early warning and prevent theoccurrence of cyanobacteria bloom from the source.Keywords :Cyanobacterial bloom;monitoring and early warning;surface change warning;water quality data early warning收稿日期:2019-11-06;修订日期:2020-05-28基金项目:国家自然科学基金地区基金项目(32060320);云南省科技厅生物资源数字化开发应用项目(202002AA10007);云南省教育厅科学研究基金项目(2020J0402)第一作者简介:李俊萩(1978-),女,云南玉溪人,硕士,副教授㊂通讯作者:张晴晖㊀㊀蓝藻水华和富营养化一直是湖泊水环境治理的重点和难点㊂2015年‘中国环境状况公报“中公布的国家地表水环境质量监测网涉及的我国61个重要的大型湖泊中,有14个处于富营养化状态[1]㊂国控网不涉及的很多中小型湖泊和城市内湖,富营养化和蓝藻水华暴发的情况更加严重[2-3]㊂滇池经过治理,富营养化由2010年的重度营养化转为2015年的中度营养化,虽有成效,但治理任务仍然很重㊂滇池湖体的常规蓝藻监测技术手段与评估有很大的局限性,仅能表征滇池外海湖体水下0.5m 处蓝藻的空间分布情况,难以全面反映滇池湖体表面蓝藻水华暴发面积㊁暴发范围以及随气温㊁方向㊁风速等气象条件变化的规律,从而无法为滇池蓝藻应急处理处置工作提供及时有效的监测㊁评价信息㊂由于蓝藻在不同阶段的生理特征和影响因子不同,为了有效控制蓝藻水华暴发,需要环境监测部门根据其不同的生理阶段对蓝藻水华进行有针对性的监测㊂如何科学㊁有效地监测蓝藻水华的状态和变化趋势,成为湖泊水环境监测亟需解决的问题㊂㊀164㊀中㊀国㊀环㊀境㊀监㊀测第37卷㊀第2期㊀2021年4月㊀我国关于水体环境的监测研究开展较晚,而美国㊁欧洲等一些水资源较为丰富的国家率先开展了此类研究㊂诸多学者对蓝藻水华反演所需的参数及模型开展了一系列的研究,通过结合遥感㊁无线传感网等技术,推动了水体环境监测研究的发展,尤其是蓝藻水华监测技术的发展[3-4]㊂本研究基于地理信息系统㊁遥感㊁无线传感网等技术,构建了滇池蓝藻水华监测预警平台,结合观测数据,系统可预测特定时间段滇池水域的水华空间分布及水华整体动态发展趋势,从而实现对滇池蓝藻水华的监测预警㊂1㊀预警平台设计1.1㊀多源数据的获取蓝藻水华预警需要数据支撑,为了更准确有效地进行预警,多源数据的获取尤其重要㊂系统的多源数据来自于生态环境部卫星环境应用中心提供的遥感监测数据与成果㊁中国科学院西安光学精密机械研究所提供的地基遥感监测数据与成果以及浮标监测站和气象监测站的监测数据㊂1.2㊀预警平台目标通过卫星遥感㊁地基遥感㊁水质监测站以及移动终端获得一系列表征蓝藻水华发生征兆的指标后,构建了人工水质数据监测模型㊁基于气象数据的水华预警模型,后期还将构建地表覆盖变化模型等,在平台进行滇池蓝藻水华动态预警监控㊂结合实验观测,预测一定时间后水华的空间分布以及滇池水域的水华整体动态发展趋势,为生态环境部门治理滇池蓝藻水华提供辅助决策㊂1.3㊀专题数据库建设通过基础地理数据库㊁卫星遥感数据库㊁地基遥感数据库㊁气象水文数据库㊁蓝藻水华专题数据库的构建,建成空天地一体化数据库,实现蓝藻水华监测预警数据的集成,为 基于多源数据的蓝藻水华监测预警平台 建设提供数据支撑㊂1.4㊀预警系统总体结构图1所示为平台总体架构及技术流程图㊂滇池蓝藻水华预警系统基于Visual Studio 2012软件平台进行开发,系统通过接收浮标站㊁气象站㊁地基遥感站等实时数据,将实时监测数据和大量历史数据存储在基于Oracle 的大型数据库中,为实现水华监测分析和预警提供可靠依据㊂系统采用前后端结合的开发模式,前端采用JavaScript 和Python 的混编,后端采用C #,底层采用C ++㊂系统功能结构图如图2所示㊂图1㊀平台总体架构及技术流程图Fig.1㊀Overall structure and technical flow chart of the platform㊀李俊萩等:滇池蓝藻水华监测预警平台设计165㊀㊀图2㊀系统功能结构图Fig.2㊀Diagram of system function2㊀研究方法2.1㊀基于python的ArcGIS自动发布地图服务常规的ArcGIS Server发布服务是一个较为漫长的过程,需要在ArcMap里对数据进行处理,设置好相应的参数,按照相应的步骤进行地图发布㊂每次只能发布一个地图服务,因此发布等待时间较长㊂而每天有大量的数据在ArcMap处理后等待逐一发布,为提高地图发布效率,本研究通过WebServices执行dos命令及Python脚本,利用Python分析和处理数据的优势,读取指定路径下文件夹中的相关数据,将数据更新到mxd 文件中,实现了地图的自动发布,提高了系统的性能㊂2.2㊀地表覆盖变化转移矩阵和用地类型影响度分析水域的重要污染源为陆源污染,而陆源污染造成水体富营养化的重要因素是农业用地中化肥的不合理使用以及工厂废物的排放,这些因素促使蓝藻生长[5-6]㊂有学者对滇池流域的土地利用与水环境变化异质性进行研究,研究表明,地表覆盖变化与湖泊中的氮㊁磷存在一定的相关关系[6-8]㊂通过监测地表覆盖变化,可以预测水华发生时间,拓宽水华预警渠道,有效发现陆源污染,推动政府对流域土地利用的合理规划,因此本研究提出了地表变化动态监测预警的思路㊂通过地表覆盖变化转移矩阵,可以快速分析出滇池水域生态红线范围内的用地类型的变化,对陆源污染的区域进行分级显示,对重点区域进行监测分析,从源头上分析水体富营养化的原因,从而减缓蓝藻生长繁殖㊂根据地理国情普查成果中提取的滇池流域范围的地表覆盖信息,用分辨率高于1m 的近期遥感影像进行非监督分类,通过叠加分析得出地表覆盖变化转移数据㊂在数据表中进行规范化处理,表格字段包括研究前期地类㊁后期地类㊁转移次数㊁转移面积,运用python的numpy和pandas模块,对数据进行读取分析,在预警平台中生成地表覆盖变化转移矩阵㊂相关研究表明,湖体水质受不同用地类型影响,其中建设用地对水质影响最大,其次是水田和旱地,这些用地类型对水质的影响间接滋生了蓝藻的生长[8]㊂而水域和林地等用地类型能够涵养水源㊁保持水土,对水质的改善有积极作用㊂考虑到不同缓冲区用地类型对水质影响程度存在差异,分为0~200㊁201~500㊁501~1000㊁1001~ 2000㊁大于2000m等5个区间㊂根据不同用地类型对水质影响的程度确定影响值[8],采用顾及多因素的用地类型影响度模型,根据不同用地类型以及缓冲区对水质的影响确定权重㊂1)顾及多因素的单一用地类型影响度㊂主要表示研究期前期和后期单一地块面积变化对湖体蓝藻生长的影响度,其表达式:D=(R b-R a)U b-U a Uaˑ1Tˑ100%(1)式中:R a表示研究期前期该地块用地类型影响度权重;R b表示研究期后期该地块用地类型影响度权重;U a和U b分别表示研究期前期和后期某一种地表覆盖类型的面积;T表示研究的总时间,设定T的单位为a;D表示单一用地类型变化对湖体蓝藻生长的影响度㊂2)顾及多因素的综合用地类型影响度㊂主要表示研究期前期和后期研究区域综合用地类型影响度,其表达式:DC=ðn i=1(R j-R i)ΔDU i-j2ðn i=1DU iˑ1Tˑ100%(2)式中:R i表示第i类用地影响度权重;R j表示第j 类用地影响度权重;DU i表示研究期前期第i类地表覆盖类型的面积;ΔD U i-j表示研究期内第i 类地表覆盖类型转化为非i类地表覆盖类型面积的绝对值;DC表示研究区域内综合用地类型对湖体蓝藻生长的影响度㊂通过地表覆盖变化转移矩阵和用地类型影响度分析,结合排污点监测数据,即可生成重点监测㊀166㊀中㊀国㊀环㊀境㊀监㊀测第37卷㊀第2期㊀2021年4月㊀区域㊂顾及多因素的地表覆盖变化监测具体分析步骤如图3所示㊂图3㊀地表覆盖变化监测步骤Fig.3㊀Monitoring steps of land cover change2.3㊀基于多源数据的预警分析预警平台操作步骤分为查看最新监测数据㊁㊀㊀㊀㊀㊀㊀启动分级预案㊁预案措施㊂分级预案根据生态环境部水华遥感监测评价技术方案提炼而来㊂在卫星遥感判读方面,运用遥感影像分析判定,严重级需藻类分布区域明显,可见范围超过湖体水面20%而小于60%,危害公共安全级需藻类分布区域明显,可见范围超过湖体水面60%㊂在社会调查方面,严重级需在随机的不定时的滇池湖体周边居民的社会调查访问中,被调查区域居民80%以上反映湖岸边蓝藻明显可见,危害公共安全级需满足严重级蓝藻暴发持续4周以上,对滇池周边居民定期访问调查中,有因湖岸藻类恶臭而严重影响生产生活并导致居民和牲畜出现健康问题㊂在满足上述条件之外,表1所示为滇池蓝藻水华预警体系业务系统的严重级和危害公共安全级主要指标,其中藻生物量㊁水质指标㊁湖体水温为每月监测一次㊂表1㊀严重级和危害公共安全级主要指标Table 1㊀Major indicators of severity level and public safety hazard level级别藻生物量Dᶄ/(个/L)水体富营养化指数E 湖体水温/ħ风频地面风速/(m /s)当年前期累计降雨量/mm严重级5ˑ107<Dᶄ<10ˑ10760<E <80>15西南风>30%>2.5<50危害公共安全级Dᶄȡ10ˑ107E ȡ80>20西南风>30%>2.5<25㊀㊀注:需满足蓝藻较快滋生且同时具备藻生物量㊁水体富营养化指标2项条件时,再参考湖体水温㊁气象条件即可判定;藻生物量是指浮游植物(优势种群为微囊藻)生物量;水体富营养化指数按照相关规范计算,计算参数包括总氮㊁总磷㊁叶绿素a㊁透明度和化学需氧量㊂2.4㊀人工水质监测数据预警分析针对滇池流域水质监测,目前虽建有自动监测站,但监测站点较少,部分区域需要人工监测,但仍不能满足滇池整体水质的监测需求㊂因此,本文利用离散的观测量数据对同一区域内栅格点的数据进行估算,形成连续的监测点空间表面模型,从而实现预测任何地理点数据(水温㊁透明度㊁pH)的未知值㊂人工水质监测数据包括水温㊁透明度㊁pH㊁叶绿素㊁藻生物量㊁高锰酸盐指数㊁氨氮㊁总磷㊁总氮等㊂估算过程采用插值法,插值法可应用于诸多不同领域,国内外学者对插值方法进行了大量的研究,在原有的基础上不断地改进算法,提高精度[9-14]㊂但是在某领域精度很高的插值算法作用于其他领域可能产生较大误差,故根据领域需对算法进行灵活调整[12-14]㊂本文采用顾及多因素影响的自适应反距离加权插值算法(ARCIDW)[15]㊂相比常规的反距离加权插值算法,该算法顾及经纬度㊁复杂地形因素以及高程对空间插值的影响,并根据采样点的空间分布模式对反距离加权算法中的距离衰减参数α进行自适应调整,提高了空间插值算法的精度和自适应性㊂在系统中通过ArcGIS 模型构建器进行建模,发布GP 服务供Web 端调用㊂接口获取监测站的实时监测数据作为分析数据,运用自适应反距离加权插值算法[14-17]进行叶绿素插值分析㊂输入监测数据及经纬度㊁地形等因素,插值分析后生成结果,根据滇池范围进行提取掩膜定义区域内的相应栅格像元,生成最终结果㊂图4为模型构建图㊂图4㊀模型构建图Fig.4㊀Model construction diagram在预警平台中选择日期和人工水质监测数㊀李俊萩等:滇池蓝藻水华监测预警平台设计167㊀㊀据,通过顾及多因素影响的自适应反距离加权插值算法[14]生成插值分析结果,地图范围选择为滇池,即可查看插值分析结果图㊂图5(a)㊁(b)分别为从预警平台中截取的2019年10月8日滇池藻生物量插值分析效果展示图和2019年10月14日滇池叶绿素插值分析效果展示图㊂根据2019年10月8日的滇池藻生物量插值分析结果可知,滇池中部观音山附近的藻生物量最高,并自中部至南北呈递减趋势,在草海附近最低㊂从2019年10月14日的滇池叶绿素插值分析结果可知,滇池中部至南部的叶绿素含量偏高,并向北整体呈下降趋势,而草海北部存在局部升高的情况㊂此结果与人工水质监测数据一致㊂图5㊀预警平台插值分析的效果展示图Fig.5㊀Display chart of interpolation analysis effect of early warning platform3㊀结语本文概括性地介绍了滇池蓝藻水华监测预警系统的总体架构及研究方法,基于多源数据水华预警和人工水质监测数据预警,提出了通过分析地表覆盖变化转移矩阵和用地类型影响度来实现蓝藻水华陆源污染的监测防治的思路㊂平台的建成为滇池流域水质监测㊁水华预警提供了更有效的手段㊂目前限于获取滇池流域不同时段用地类型数据难度较大㊁遥感影像解译精度不够高㊁缺少点源污染数据㊁用地类型影响度模型还不够完善等问题,还需要更多时期的㊁更准确的土地利用数据和更完善的模型,从而为滇池蓝藻水华预警提供更为全面的技术支撑㊂后期可采用滇池西山地基遥感建造模式,选取在海拔较高点建设覆盖滇池流域范围的地基遥感,从而可提高遥感影像分辨率,避免云层干扰,增强影像时效性和提升遥感影像解译精度,为地表变化动态监测预警提供更为有效的数据支撑㊂参考文献(References ):[1]嵇晓燕,张迪,李文攀,等.湖泊蓝藻天地一体化监测业务化运行平台的构建 以滇池流域为例[J].环境保护,2016,44(18):24-27.JI Xiaoyan,ZHANG Di,LI Wenpan,et al.OperationalPlatform Construction of Heaven and Earth IntegrationAlgae Monitoring in Lake Dianchi [J].Environmental Protection,2016,44(18):24-27.[2]谢国清,李蒙,鲁韦坤,等.滇池蓝藻水华光谱特征㊁遥感识别及暴发气象条件[J].湖泊科学,2010,22(3):327-336.XIE Guoqing,LI Meng,LU Weikun,et al.SpectralFeatures,Remote Sensing Identification and Breaking-out Meteorological Conditions of Algal Bloom in LakeDianchi[J].Lake Sciences,2010,22(3):327-336.[3]沈强,胡菊香,赵先富.我国蓝藻水华发生格局及监控预警现状[J].河海大学学报(自然科学版),2010,38(增刊2):373-377.SHENG Qiang,HU Juxiang,ZHAO Xianfu,OccurrencePattern of Cyanobacteria Bloom and Its Monitoring andEarly Warning Status in China [J].Journal of Hohai University (Natural Sciences ),2010,38(Supplement㊀168㊀中㊀国㊀环㊀境㊀监㊀测第37卷㊀第2期㊀2021年4月㊀2):373-377.[4]杨昆,罗毅,徐玉妃,等.基于无线传感器网络与GIS的蓝藻水华爆发动态监测与模拟[J].农业工程学报,2016,32(24):197-205.YANG Kun,LUO Yi,XU Yufei,et al.DynamicMonitoring and Simulation of Cyanobacteria BloomBased on Wireless Sensor Network and GIS[J].Transactions of the Chinese Society of AgriculturalEngineering,2016,32(24):197-205.[5]许尔琪.土地利用对水体营养物影响的研究进展[J].中国生态农业学报(中英文),2019,27(12):1880-1891.XU Erqi.Research Progress in the Impact of Land useon Water Nutrients[J].Chinese Journal of Eco-Agriculture,2019,27(12):1880-1891. [6]张洪,陈震,张帅,等.云南省高原湖泊流域土地利用与水环境变化异质性研究[J].水土保持通报,2012,32(2):255-260.ZHANG Hong,CHEN Zhen,ZHANG Shuai,et al.Heterogeneity of Land use and Water Environment inPlateau Lake Basins of Yunnan Province[J].Bulletinof Soil and Water Conservation,2012,32(2):255-260.[7]杭鑫,徐敏.富营养化状态下太湖蓝藻水华气象条件影响的评估[J].科学技术与工程,2019,19(07):294-301.HANG Xin,XU Min.Assessment of the Influence ofMeteorological Conditions on Cyanobacteria Bloom inTaihu Lake Under Eutrophication[J].ScienceTechnology and Engineering,2019,19(07):294-301.[8]高斌,许有鹏,王强,等.太湖平原地区不同土地利用类型对水质的影响[J].农业环境科学学报,2017,36(6):1186-1191.GAO Bin,XU Youpeng,WANG Qiang,et al.Effects ofLand use Changes on Water Quality of the Plain Areain Taihu Basin[J].Journal of Agro-environmentScience,2017,36(6):1186-1191.[9]李翔宇,李曌,包艳英,等.基于反距离加权插值法评价海域水质类别空间分布[J].中国环境监测,2019,35(06):70-77.LI Xiangyu,LI Zhao,BAO Yanying,et al.Assessmentof Seawater Quality Spatial Distribution Based onInverse Distance Weighted Interpolation[J].Environmental Monitoring in China,2019,35(6):70-77.[10]SIMOLO C,BRUNETTI M,MAUGERI M,et al.Improving Estimation of Missing Values in DailyPrecipitation Series by a Probability Density Function-Preserving Approach[J].International Journal ofClimatology,2010,30(10):1564-1576. [11]易琳,袁林旺,罗文,等.顾及V-邻域结构的局部保形插值算法[J].武汉大学学报(信息科学版),2012,37(11):1285-1288.YI Lin,YUAN Linwang,LUO Wen,et al.Local ShapePreserving Interpolation Algorithm Considering V-neighborhood Structure[J].Geomatics and InformationScience of Wuhan University,2012,37(11):1285-1288.[12]李莎,舒红,徐正全.利用时空Kriging进行气温插值研究[J].武汉大学学报(信息科学版),2012,37(2):237-241.LI Sha,SHU Hong,XU Zhengquan.Interpolation ofTemperature Based on Spatial-Temporal Kriging[J].Geomatics and Information Science of WuhanUniversity,2012,37(2):237-241.[13]张锦明,游雄,万刚.径向基函数算法中插值参数对DEM精度的影响[J].武汉大学学报(信息科学版),2013,38(5):608-612.ZHANG Jinming,YOU Xiong,WAN Gang.Effects ofInterpolation Parameters in Multi-log Radial BasisFunction on DEM Accuracy[J].Geomatics andInformation Science of Wuhan University,2013,38(5):608-612.[14]LI J,HEAP A D.Spatial Interpolation Methods Appliedin the Environmental Sciences:A Review[J].Environmental Modelling&Software,2014,53:173-189.[15]樊子德,李佳霖,邓敏.顾及多因素影响的自适应反距离加权插值方法[J].武汉大学学报(信息科学版),2016,41(6):842-847.FAN Zide,LI Jialin,DENG Min.Adaptive InverseDistance Weighted Interpolation Method ConsideringMultiple Factors[J].Geomatics and InformationScience of Wuhan University,2016,41(6):842-847.[16]ZHANG M,DUAN H,SHI X,et al.Contributions ofMeteorology to the Phenology of CyanobacterialBlooms:Implications for Future Climate Change[J].Water Research,2012,46(2):442.[17]NDONG M,BIRD D,NGUYEN QUANG T,et al.Estimating the Risk of Cyanobacterial Occurrence Usingan Index Integrating Meteorological Factors:Application to Drinking Water Production[J].WaterResearch,2014,56:98-108.。
中国气象局关于发布《卫星遥感监测产品规范湖泊蓝藻水华》等19项气象行业标准的通告
中国气象局关于发布《卫星遥感监测产品规范湖泊蓝藻水华》等19项气象行业标准的通告文章属性•【制定机关】中国气象局•【公布日期】2020.07.31•【文号】气发〔2020〕75号•【施行日期】2020.07.31•【效力等级】部门规范性文件•【时效性】现行有效•【主题分类】综合观测正文中国气象局关于发布《卫星遥感监测产品规范湖泊蓝藻水华》等19项气象行业标准的通告气发〔2020〕75号中国民用航空局，联合参谋部战场环境保障局，新疆生产建设兵团农业农村局，中国盐业总公司、黑龙江省农垦总局、黑龙江省森林工业管理总局，中国科学院大气物理研究所，南京信息工程大学、成都信息工程大学，各省、自治区、直辖市气象局，各直属单位，各内设机构：中国气象局批准《卫星遥感监测产品规范湖泊蓝藻水华》等19项气象行业标准，现予以公布（见附件）。
附件：《卫星遥感监测产品规范湖泊蓝藻水华》等19项气象行业标准目录中国气象局2020年7月31日附件《卫星遥感监测产品规范湖泊蓝藻水华》等19项气象行业标准目录序号标准编号标准名称代替标准号实施日期卫星遥感监测产品规范湖泊蓝藻1.QX/T 561—20202020-12-01水华2.QX/T 562—2020 周地磁活动整体水平分级2020-12-01气象卫星地面系统实时数据传输3.QX/T 563—20202020-12-01通信包格式地基导航卫星遥感气象观测系统4.QX/T 564—20202020-12-01数据格式5.QX/T 565—2020 激光滴谱式降水现象仪2020-12-016.QX/T 566—2020 场磨式大气电场仪2020-12-017.QX/T 567—2020 自动土壤水分观测仪2020-12-018.QX/T 568—2020 自动气候站2020-12-01人工增雨（雪）地面催化剂发生9.QX/T 569—20202020-12-01器选址安装技术要求序号标准编号标准名称代替标准号实施日期10.QX/T 570—2020 气候资源评价气候宜居城镇2020-10-0111.QX/T 571—2020 气候可行性论证报告质量评价2020-10-0112.QX/T 572—2020 农产品气候品质评价青枣2020-12-0113.QX/T 573—2020 气候公报编写规范2020-12-0114.QX/T 574—2020 气候指数台风2020-12-0115.QX/T 575—2020 气候指数雨涝2020-12-01接地装置冲击接地电阻检测技术16.QX/T 576—20202020-12-01规范17.QX/T 577—2020 防雷接地电阻在线监测技术要求2020-12-0118.QX/T 578—2020 气象科普教育基地创建规范2020-12-01气象领域高性能计算机系统测试19.QX/T 148—2020QX/T 148—2011 2020-12-01与评估规范。
昆明市人民政府办公厅关于印发滇池蓝藻大规模暴发应急处置预案的通知
昆明市人民政府办公厅关于印发滇池蓝藻大规模暴发应急处置预案的通知文章属性•【制定机关】昆明市人民政府•【公布日期】2008.05.07•【字号】昆政办[2008]53号•【施行日期】2008.05.07•【效力等级】地方规范性文件•【时效性】现行有效•【主题分类】环境保护综合规定正文昆明市人民政府办公厅关于印发滇池蓝藻大规模暴发应急处置预案的通知（昆政办〔2008〕53号）五华区、盘龙区、官渡区、西山区、呈贡县、晋宁县人民政府，市政府有关委、办、局，滇池旅游度假区管委会：为积极妥善做好滇池蓝藻暴发应急处置工作，最大限度地避免和减轻蓝藻暴发对人民群众生存和生活环境的影响，市滇管局、市环保局共同编制了《滇池蓝藻暴发应急处置预案》。
经市政府同意，现印发给你们，请认真贯彻执行。
二○○八年五月七日滇池蓝藻暴发应急处置预案为有效预防、及时控制滇池蓝藻大规模暴发，最大限度地避免和减轻对人民群众生产生活及生存环境的影响，确保滇池保护与治理工作有序开展。
根据《中华人民共和国环境保护法》、《国家突发公共事件总体应急预案》、《报告环境污染与破坏事故的暂行办法》和《昆明市突发公共事件总体应急预案》、《滇池保护条例》等法律、法规及相关政策规定，结合昆明市实际，特制定本预案。
一、基本原则（一）预防为主，常抓不懈坚持预防为主的方针，坚持对滇池重点水域的蓝藻进行日常打捞工作，减少蓝藻暴发对周边单位及群众的影响。
加强滇池重点水域蓝藻监测及预警工作，切实做到“发现得早、化解得了、控制得住、防治得好”，确保人民群众生命健康和财产安全不受到严重影响。
（二）政府负责，社会参与昆明市人民政府统一负责和组织开展滇池蓝藻暴发应急处置工作，各职能部门按照各司其职，紧密配合，切实落实好滇池蓝藻暴发应急处置措施。
加大宣传力度，完善激励机制，积极动员全社会参与滇池蓝藻暴发应急处置工作，坚决打赢蓝藻防治的“人民战争”。
（三）统一领导，分级负责根据蓝藻暴发事件的级别，实施分级控制、分级管理，及时启动相应级别的预警和响应措施。
MODIS遥感监测滇池蓝藻水华分布
第37卷第5期2009年10月气 象 科 技M ETEOROLO GICAL SCIENCE AND TECHNOLO GY Vol.37,No.5Oct.2009MOD IS 遥感监测滇池蓝藻水华分布鲁韦坤1 谢国清1 余凌翔1 杨树平2(1云南省气候中心,昆明650034;2昆明市环境监测中心,昆明650032)摘要 以中分辨率的MODIS 数据作为遥感影像源,运用蓝藻水华在蓝波段、红波段和近红外波段的光谱特征,使用假彩色合成法(R G B :62221)和归一化植被指数法对滇池的蓝藻水华进行遥感监测。
通过星地同步试验,证明了该两种方法的正确性。
其中假彩色合成法通过色彩差异表现蓝藻水华,具有视觉效果较好的优点,归一化植被指数法则以数值大小的方式区别水华浓度,该方法建立反演模型后可用于定量研究。
关键词 假彩色合成 植被指数 星地同步 MODIS 蓝藻水华中国气象局滇池蓝藻监测项目和昆明市环境监测中心滇池蓝藻监测项目资助作者简介:鲁韦坤,男,1979年生,硕士,主要从事环境遥感方面的研究,Email :luweikun @hot 收稿日期:2008年10月30日;定稿日期:2009年6月11日引言应用TM 等高分辨率卫星监测滇池蓝藻水华的技术已经比较成熟,早在1989年渤海湾发生赤潮时就发现赤潮水体和清洁水体及浑浊水的TM 影像在TM3和TM4波段存在灰度差异,由于赤潮生物的叶绿素a 在红光区的吸收作用,其TM3的反射率低于浑浊海水,而且在TM4波段的反射率下降比浑浊海水的慢。
从处理得到的影像看,渤海西部沿海几乎全是程度不等的红色区[1～2]。
但由于高分辨率卫星具有重访周期较长、数据昂贵等缺点,不可能用于日常监测。
新型卫星遥感数据的出现,如MODIS 影像,给内陆水体的水质遥感监测提供了新的机遇。
MODIS (中分辨率成像光谱仪)是Terra和Aqua 卫星上载有的重要传感器,其星下点空间分辨率可为250m 、500m 或1000m ,每天过境4次,其中2次白天,而且过境时间相差不大,增强了影像的可比性。
滇池蓝藻水华监测预警空间信息系统设计与实现
滇池蓝藻水华监测预警空间信息系统设计与实现房晟忠;颜翔;彭斌;吴勇;秦艳姣【摘要】针对昆明滇池蓝藻水华污染问题,以满足有关环境保护管理部门对滇池蓝藻水华的监测、治理及环境保护需求为前提,设计开发了滇池蓝藻水华监测预警空间信息系统.介绍了系统设计思路、系统体系结构和系统功能,并依托计算机软硬件环境与网络通信平台,基于基础地理数据、卫星遥感数据、地基遥感数据、气象水文数据和蓝藻水华专题数据,利用GIS、遥感监测、物联网、计算机网络等技术实现了系统开发,提供蓝藻水华数据地图浏览、综合查询、空间分析、遥感监测、视频监控、应急处置、报告输出等功能,辅助管理人员开展蓝藻水华监测预警工作.【期刊名称】《微型机与应用》【年(卷),期】2019(038)004【总页数】5页(P97-101)【关键词】蓝藻水华;遥感监测;定量反演;监测预警;应急处置【作者】房晟忠;颜翔;彭斌;吴勇;秦艳姣【作者单位】昆明市环境监测中心,云南昆明650228;昆明市环境监测中心,云南昆明650228;中国航天科工信息技术研究院,北京100070;中国航天科工信息技术研究院,北京100070;中国航天科工信息技术研究院,北京100070【正文语种】中文【中图分类】TP39;P2370 引言滇池是我国著名的高原淡水湖泊，属金沙江水系，位于昆明市南端，湖体略呈弓形，弓背向东，南北长约40 km，东西最宽处12.5 km，平均水深4.4 m，水面积300 km2，库容12.9亿立方米，素有“五百里滇池”的美誉。
滇池具有城市供水、工农业用水、调蓄、防洪、旅游、水产养殖等多种功能，是昆明生态安全格局的重要组成部分，对昆明市乃至全省社会经济发展起着至关重要的作用。
然而，由于80年代经济和社会的发展，大量的工业废水和生活污水排入滇池，超过了滇池水环境容量和自净能力，水体迅速富营养化，昔日的“高原明珠”蜕变为我国污染最严重的湖泊之一，成为全国环境污染的典型。
蓝藻水华强度的显著相关环境因素识别模型
收稿日期： 2013－03－08 “新世纪优秀人才支持计划 ” （ NCET－10 － 基金项目： 2010 年教育部 0938 ）
间范围也在大大增加， 强度逐年增大
。 年年出
第6 期
黄
炜等： 蓝藻水华强度的显著相关环境因素识别模型
·805 ·
生存， 破坏原有的水生生态平衡， 最终导致水体生 态系统崩 溃； 藻 毒 素 还 可 以 在 食 物 链 中 积 累 和 传 递， 危害人类和动物健康； 堵塞给水处理系统， 影响 ［1 ， 7 ］ 。为识别蓝藻水华强度的显著相关环 供水安全 境因素， 克服现有研究中因变量选择不合理、 时间 构建关于蓝藻水华暴发面 与空间精度较低等问题， 积的显著相关环境因素识别模型， 并将该模型应用 于太湖蓝藻水华研究， 以期为蓝藻水华的短期和长 期防治及水华预测提供理论依据 。
生态与农村环境学报 2013 ，29 （ 6 ） ： 804－810 Journal of Ecology and Ｒural Environment
蓝藻水华强度的显著相关环境因素识别模型
黄
1 2 炜 ，商兆堂 （ 1. 上海大学管理学院，上海 200444 ； 2. 江苏省气象局，江苏 南京 210008 ）
［11 ］ 期间叶绿素并没有迅速消失或增加 。 尽管蓝藻 水华的定义并不统一， 但在此领域内有一个较通行 ［4 ］ ［23 ］
在富营养化水体中蓝藻大量繁殖， 水体中藻细胞叶 －3 4 绿素 a 质量浓度达 10 mg·m 或藻细胞达 1. 5 ×10 mL －1 ， 并在 水 面 形 成 一 层 蓝 绿 色 且 有 恶 臭 味 的 浮 沫
［2 ］
。近年来滇池每年都会发生不同范围、 不同程
［3 ］
滇池蓝藻水华时空变化特征及环境影响因素
滇池蓝藻水华时空变化特征及环境影响因素龚铭;王百群;赵方凯;于洋【期刊名称】《水土保持研究》【年(卷),期】2024(31)4【摘要】[目的]明晰滇池流域水体富营养化演变特征和水体综合治理状况及其主要驱动因素,为滇池流域水污染治理和水生态修复提供科学支撑。
[方法]以滇池为研究对象,采用Google Earth Engine(GEE)和遥感监测分析2002—2021年期间滇池蓝藻水华的时空变化,并探讨了蓝藻水华与环境因子之间的关系。
[结果]2002—2021年,滇池蓝藻水华面积变化具有显著的年际特征,在2006年、2013年和2016年出现峰值,分别为1.952×10^(7),2.010×10^(7),1.743×10^(7) m^(2);在2005年、2010年和2014年出现谷值,分别为1.243×10^(7),1.156×10^(7),1.163×10^(7) m^(2)。
2016年后蓝藻水华面积稳定波动,整体无明显变化趋势,2021年面积为1.709×10^(7) m^(2)。
在月份尺度,蓝藻水华主要发生在7—12月,8月达到峰值,11—2月持续降低,2月达谷值。
蓝藻水华与气温、降水量之间呈现正相关关系,与风向呈现显著负相关关系(p<0.05),与风向呈现最为密切的显著相关关系(p<0.05),受滇池地形等因素影响,4种气象因子中风向因子重要性最高,偏东的风向对滇池蓝藻水华覆盖率具有显著促进作用。
[结论]滇池蓝藻整体保持稳定波动无显著演变趋势,未来滇池水生态修复应深入考量风向、风速对蓝藻爆发的重要驱动作用。
【总页数】11页(P419-429)【作者】龚铭;王百群;赵方凯;于洋【作者单位】北京林业大学水土保持学院;山西吉县森林生态系统国家野外科学观测研究站;中国科学院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室;云南大学生态与环境学院【正文语种】中文【中图分类】X87;X524【相关文献】1.滇池北部围隔区蓝藻水华暴发主要影响因素及交互作用研究2.巢湖水华蓝藻原位生长率的时空变化及其环境影响因子3.基于GEE的滇池蓝藻水华时空分布监测4.2002—2018年滇池外海蓝藻水华暴发时空变化特征及其驱动因子5.基于MODIS的滇池蓝藻水华时间序列变化趋势及气象影响因素分析因版权原因，仅展示原文概要，查看原文内容请购买。
滇池外海蓝藻水华爆发反演及规律探讨
滇池外海蓝藻水华爆发反演及规律探讨
盛虎;郭怀成;刘慧;杨永辉
【期刊名称】《生态学报》
【年(卷),期】2012(032)001
【摘要】气象条件和营养盐浓度一直被认为是导致蓝藻水华爆发的两个重要因素.通过滇池外海Chla浓度时空分异性分析,得出晖湾中测点最易爆发蓝藻水华且爆发时间集中在每年6-9月.同时,采用基于缺失数据多重插补的EMB算法将气象条件和蓝藻水华爆发的不完全数据集进行反演,建立了滇池外海2004-2008年4-10月完整的气象、营养盐及蓝藻爆发的基础数据集,解决了表观蓝藻水华爆发研究中观测数据缺失的问题.据此,探讨了滇池外海晖湾中测点Chla、TN和TP与蓝藻水华爆发关系,进而提出了控制滇池外海蓝藻水华的一种新思路.
【总页数】8页(P56-63)
【作者】盛虎;郭怀成;刘慧;杨永辉
【作者单位】北京大学环境科学与工程学院,北京 100871;北京大学环境科学与工程学院,北京 100871;北京大学环境科学与工程学院,北京 100871;北京大学环境科学与工程学院,北京 100871
【正文语种】中文
【相关文献】
1.滇池北部围隔区蓝藻水华暴发主要影响因素及交互作用研究 [J], 贺能琴;聂菊芬
2.滇池蓝藻水华监测预警空间信息系统设计与实现 [J], 房晟忠;颜翔;彭斌;吴勇;秦艳姣
3.滇池蓝藻水华监测预警空间信息系统设计与实现 [J], 房晟忠;颜翔;彭斌;吴勇;秦艳姣;
4.基于GF-5的滇池蓝藻水华空间分布特征研究 [J], 胡琳;甘淑;袁希平;李绕波;毕瑞
5.滇池蓝藻水华监测预警平台设计 [J], 李俊萩;高凌宇;张晴晖;吴勇;徐伟恒
因版权原因，仅展示原文概要，查看原文内容请购买。
遥感技术在滇池水质动态监测中的应用
遥感技术在滇池水质动态监测中的应用摘要湖泊是一种很重要的淡水资源，但因为人为活动影响和工业化程度加剧，湖泊的污染问题日益严重，所以加强湖泊水质的治理和监测势不容缓。
本文通过建立各遥感图像波段与各水体污染指标的模型，完成了对1989年、1992年、2000年和2006年四个时段的滇池污染物质（叶绿素A，悬浮物，透明度）的监测，为滇池的治理方向提供了一个参考。
关键词遥感；滇池；水质监测；叶绿素A；悬浮物；透明度0 引言滇池的水质污染从70年代后期开始，进入80年代水质污染逐渐加重，到了90年代后，污染速度明显加快。
全湖性蓝藻水华暴长，大面积的浮藻堆积，厚度可达几十厘米，这严重影响到了滇池的水体以及旅游景观。
1999年为了使世博会能够成功举办，让滇池的水体旅游景观得到明显改善，政府于当年4月实行了滇池蓝藻的清除应急计划[2]。
而在2000年，草海的污染情况又出现回升。
所幸外海的主要污染数据变化不大，水质保持相对稳定。
虽然滇池水质加剧恶化的情形在一定程度上得到了遏制，局部区域的水质也有所改善，但是滇池污染的发展趋势仍未得到根本的改变。
1 水体中悬浮物浓度的遥感定量监测1.1 原理从水体视反射光谱响应的曲线中可以得到一条规律：不同的水质其主要区别体现在ETM和TM的1～4波段中，而在第4波段后其对各种水质就不敏感了。
据云南环境科学研究所赵碧云等人对滇池水体中悬浮物含量与各个波段灰度值所做的相关性分析，可以知道，滇池总的悬浮物浓度与b4/b1的相关性最好，其相关关系为：总的悬浮物浓度=-64.678+352.736(b4/b1) [3]。
1.2 分析结果经过PCI的波段比值(b4/b1)分析和MATLAB的图像处理，得到下面几幅图像，分别反映了1989年、1992年、2000年和2006年滇池总悬浮物的浓度情况。
通过对比1989年、1992年、2000年和2006年的滇池总悬浮物的浓度情况可知，1989年滇池的悬浮物含量较低，到了1992年，悬浮物含量迅猛增加，明显比1989年的含量高出很多。
基于GEE的滇池蓝藻水华时空分布监测
基于GEE的滇池蓝藻水华时空分布监测
郝悦竹
【期刊名称】《水土保持应用技术》
【年(卷),期】2023()1
【摘要】从以下两方面科学评估滇池蓝藻水华“十三五”治理效果:(1)基于GEE(Google Earth Engine)对2016—2020年Landsat8-OLI卫星数据进行S-G 滤波处理,反映滇池蓝藻水华浓度的时空分布;(2)针对滇池沿岸蓝藻水华浓度较高的特点,提出一种基于多环缓冲区的方法研究2016—2020年滇池沿岸0~4 km区域内蓝藻水华浓度变化的驱动因素。
结果表明:(1)年间合成水体显示外海高浓度蓝藻水华占比减少,“北重南轻”的格局并未改变;季节合成水体显示滇池“十三五”治理初见成效,但春季水质变差,滇池治理仍不能松懈。
(2)缓冲区分析发现人类活动对外海沿岸1~3 km内蓝藻水华浓度有显著影响,同时降雨量增加会导致沿岸蓝藻水华浓度升高。
研究提出的方法可为滇池蓝藻水华的预警、监测、治理、评估和驱动因素分析提供新型、高效的技术手段,推动滇池水质治理更科学、更便捷、更高效地发展。
【总页数】2页(P43-44)
【作者】郝悦竹
【作者单位】西南林业大学林学院
【正文语种】中文
【中图分类】X52
【相关文献】
1.巢湖蓝藻水华时空分布特征遥感监测研究
2.太湖蓝藻水华时空分布与预警监测响应的分析
3.MODIS遥感监测滇池蓝藻水华分布
4.基于GF-5的滇池蓝藻水华空间分布特征研究
5.基于MODIS数据的巢湖蓝藻水华时空分布规律
因版权原因，仅展示原文概要，查看原文内容请购买。
基于MODIS数据的滇池水温遥感反演及其在蓝藻监测中的应用研究的开题报告
基于MODIS数据的滇池水温遥感反演及其在蓝藻监测中的应用研究的开题报告一、题目基于MODIS数据的滇池水温遥感反演及其在蓝藻监测中的应用研究二、研究背景和意义滇池是中国第八大淡水湖，也是我国南部地区最大的内陆湖泊之一，是云南省经济社会发展和生态环境保护的重要组成部分。
滇池水体温度是影响其生态环境和生物群落的一个关键因素，在藻类生长、水生生物分布、湖泊富营养化等方面都具有重要作用。
因此，对滇池水温进行准确的监测和预测具有重要意义。
遥感技术在湖泊水温监测中具有诸多优势，如遥测数据获取简便、覆盖面积广、时间分辨率高等。
MODIS卫星是目前应用广泛的湖泊水温遥感数据源之一，经过研究表明，用MODIS数据反演湖泊水温的方法在准确性和稳定性上已经得到了较好的验证。
因此，本研究将基于MODIS数据对滇池水温进行遥感反演，以实现对滇池水温的快速、准确、连续监测，提高滇池管理和保护的水平。
本研究还将探讨滇池水温与蓝藻的关系，研究滇池水温对蓝藻生长及其发生爆发的影响，为滇池针对性防治蓝藻提供科学依据。
三、研究内容和方法本研究将采用MODIS卫星数据，结合野外实测数据，采用常用的水温反演算法，建立滇池水温反演模型，对滇池水温进行遥感监测。
通过野外调查和实验，收集滇池蓝藻分布、数量等数据，利用相关分析等方法分析水温与蓝藻发生爆发的关系，并探讨滇池水温对蓝藻生长的影响机理。
四、研究预期成果1. 建立基于MODIS数据的滇池水温反演模型，并实现滇池水温遥感监测；2. 揭示滇池水温与蓝藻发生爆发的关系，探讨滇池水温对蓝藻生长的影响机理；3. 提供滇池水温监测及蓝藻防治决策的科学支持。
五、进度安排第一年：1. 收集并整理滇池遥感数据和实测数据；2. 建立滇池水温反演模型并进行遥感监测；3. 野外调查滇池蓝藻分布及数量；4. 建立滇池水温与蓝藻发生爆发的关系模型。
第二年：1. 野外实验，深入研究滇池水温对蓝藻生长的影响机理；2. 探讨滇池水温与蓝藻发生爆发的关系研究方法；3. 编写研究论文并进行中期检查。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘
要： 通过研究滇池蓝藻水华在可 见光 、 红外谱段 的光谱特征 ， 并利用假彩色合成法 以及 归一化植被 指数 （ ＤＶ） Ｎ Ｉ 法进
行 了滇池蓝 藻水华信 息的遥感识别 和提取 ， 进而 对提取 结果 进行 了对 比分析 ． 果表 明 ： 彩色 合成 图 的绿 色区域 和 结 假
Ｎ Ｉ 大 于 一０ １的 区 域 ， 蓝 藻 水 华 区 域 ．一０ １ ＤＶ值 ． 为 ． ≤ＮＤ Ｉ ０ ２时 ， 度 水 华 ， 元 内 水 华 覆 盖 度 为 ０—３ ％； ． Ｖ≤ ． 轻 像 Ｏ ０ ２＜
滇 池 蓝 藻 水 华 光谱 特 征 、 感 识 别 及 暴 发 气 象 条 件 遥
谢 国清 李 蒙 鲁 韦坤 周伟 民 余 凌 翔 李发 荣 杨 树 平。 ， ， ， ， ， ，
（： １ 云南省农业气象与卫 星遥感 应用 中心 ， 昆明 ６ ０ ３ ５ ０４）
（ ： 明市 环 境 监 测 中心 ， 明 ６ ０３ ２昆 昆 ５０ ４）
ＮＤＶ ≤ Ｏ． Ｉ ２，ｓｉ ｈ ｌ ｔＢＡＢ ｏ ｅ ￣ｅ ｇ ｃ ｕ ｄ，ａ ｌｏ ｃ ｖ ｒ ｇ ｎ ａ ｐ ｘ ｌ ｅ ｃ ｅ —３ ％ ；ｗｈ ｎ ０ ２＜ＮＤＶ ＜ Ｏ． ｎｄ ｂ ｏ ｍ ｏ ｅ ａ ｅ ｉ ｉｅ ａ ｈ ｓ ｒ ０ Ｏ ｅ ． Ｉ ￣ ４，ｍｏ ｅａ ｅ ｂ ｏ ｍ ａ — ｄ ｒ ｔ ｌｏ ｈ ｐ ｐ ｎ ｄ，ｂ ｏ ｍ ｏ ｅ ａ ｅ ｉ ｉ ｅ ｅ ｃ ｅ ％ 一８ ％ ；ｄ ｎｓ ｌ ｏ ｅ ｍｅ ｏ ｔ ｉ ｅ ｅ ｌｏ ｃ ｖ ｒ ｇ ｎ ａ ｐ ｘ ｌｒ ａ ｈ ｄ ３１ ０ ｅ ｅ ｂ ｏ ｍ ｏ ｄ ｆ ｒ ｗｈ ｌ ＮＤＶ ｈ ｅ Ｉ＞０． ａ ｄ ｂ ｏ ｍ ｏ ｅ ａ ｅ ｉ ｉｅ ４， ｎ ｌ ｏ ｃ ｖ ｒ ｇ ｎ ａ ｐ ｘ ｌ
Ａ ｓｒｃ：Ｂ ｓｄｏ ｉｈｓｅｔ ｌ ｅ ｅｔ ｉ ｅｔｒｓ ｆ ｌｅｇｅｎＡｇｌ ｌ ｍ （ ＡＢ ｎＬｋ ｉｎｈ ， ｙＭＯ Ｓｓｔ ｌｅｒ— ｂ ｔ ｔ ａｅ ｎｈｇ ｐｃ ａ ｒｆ ｃｉｔ ｆ ｕｅ ｕ－ｒｅ ｌａ Ｂｏ ａ ｒ ｌ ｖｙ ａ ｏＢ ｏ Ｂ ）ｉ ａｅＤ ａｅｉ ｂ ＤＩ ａ ｌｔ ｅ ｅ ｉ ｍ ｔ ｓｎｉｇｄｔ， ＧＢ：２ ｏ ｉｅ ｌ ｏｏ ｎｈｓ ｎ ｏｍａｉ ｄＤｆ ｒｎ ｅＶ ｇｔｔｎＩｄｘ Ｎ １ ｍｅ ｏ ， ｅ ｕ ｄ ｏｅ ｅｓ ａ Ｒ ｎ ａ ６ １ ｍｂｎｄｆ ｓ ｃｌ ｓ ｔｅｉ ａｄＮ ｒ ｌ ｅ ｉｅｅｃ ｅｅ ｉ ｅ （ ＤＶ） ｔ ｄ ｗ ｎ ｃ ａｅ ｒｙ ｓ ｚ ｆ ａｏ ｎ ｈ ｏ ｆ
ｔａ ｇｅ ｎ ｒｇ ｎ ｉ ｆｌ ｏ ｒ ｙ ｔｅ ｉ ｉ ａ ｅａ ｄｔｅｒｇｏ ｉ ＤＶ ａｕ ＞ 一 ． ｅｅｊｓ ｔｅＢ ｒａ ｈ ｔ ｒｅ ｅ ｉ ｓ ｃ ｌ ｎｈ ｓ ｍ ｇ ｎ ｅ ｉｎｗ ｔ Ｎ １ｖｌ ｅ ｏ ｎａｅ ｏｓ ｓ ｈ ｈ ０ １ｗ ｒ ｔ ｈ ＡＢ ａｅ ．Ｗｈ ｎ 一０ １ ｕ ｅ ．≤
ห้องสมุดไป่ตู้
份， 影响滇池蓝藻暴发 的关键 因子是 日照和风速． ９月份连续 ４—５ ６— ｈ的光 照， 风速 ≤２ ｓ的气象条件组 合极易引起 且 ｍ／ 蓝藻水华暴发．
关 键 词 ：ＭＯ Ｉ ； 藻 水 华 ； 感 识 别 ； 象 条 件 ； 池 ＤＳ蓝 遥 气 滇
Ｓｐ ｃ ｒ ｌ ｅ ｔ ｒｓ， ｒ ｍｏ ｅ ｓ ｎ ｉｇ ｉｅ ｔｉａ ｉｎ ａ ｄ ｂ ｅ ｋｎ － ｕ ｅ ｔａ ａ ｕ ｅ ｆ ｅ ｔ ｅ ｓｎ ｄ ｎｉｃ ｔ ｎ ｒ ａ ｉｇ ｏ ｔ ｍｅ ｅ ｒ ｌｇｃ ｌｃ ｎ ｉ ｆ ｏ ｔｏ ｏｏ ｉａ ｏ ｄ－ ｔ ｎ ｆａｇ ｌ ｌｏ ｉ ａ ｅ Ｄｉｎ ｈ ｉ ｓ ｏ ｌａ ｏ ｍ ｎ Ｌ ｋ ａ ｃ ｉ ｏ ｂ
Ｌ ｋ ｃ （ ａｅＳｉ 湖泊科 学） ２ １ ２ （ ） ３７３６ ． ，００，２ ３ ：２ —３
ｈｔ： ｗ ．ａ ｅ．ｒ． — ａｌｊ ｋｓ ｎｇａ．ｃｃ ｔ ＃ｗ ｗｊ ｋｓｏｇＥ ｍ ｉ ｌ ｅ＠ ｉ ｓａ ． ｐ ｌ ：ａ ｌ ｎ ⑥２ １ ｙＪｕｎ ｌｆＬ ｋ ｃ ｎｅ ００ｂ ｏｒａ ａ ｅ ｉ ｃｓ ｏ Ｓｅ
Ｎ Ｉ Ｏ ４时 ， ＤＶ ＜ ． ￣ 中度水华 ， 元内蓝藻水华覆盖度为 ３ ％一８ ％；ＤＶ ＞ ． 像 １ ０ Ｎ Ｉ ０ ４时 ， 重度水华 ， 水华浓厚 ， 像元内蓝藻水华覆 盖
度 为 ８ ％ １０ 同时 研 究 了激 励 滇 池 蓝 藻 水 华 暴 发 的关 键 气 象 因子 和 指 标 ． 池 蓝 藻 水 华 暴 发 的 关 键 时 期 是 ６—９月 １ ０ ％． 滇
ｃ ｎｂ ％ 一１ ０ ａ ｅ８１ ０ ％．Ｆ ｏ Ｊ ｎ ｏＳ ｐｅ ｅ ｓｔｅｋ ｙｐ ｒｏ ｏ ＡＢ ｂｅ ｋｎ —ｕ ｎ Ｌ ｋ ａ ｃ ｉ ｎ ｈ ｅ ａ ｔｒ ｏａｆｃ ｒｍ ｕ ｅｔ ｅ ｔｍｂ ｒｉ ｈ ｅ ｅ ｄｆｒＢ ｒａ ｉｇｏ ｔ ａ ｅＤｉｎ ｈ ．ａ ｄｔ ｅｋ ｙｆｃｏｓｔ ｆｅ ｔ ｉ ｉ
ＸＩ Ｇｕ ｑｉ ， ｅ ， Ｅ ｏ ｎｇ ＬＩＭ ｎｇ ＬＵ ｅ ｋ ｎ ， ＯＵ ｅｍ ｉ ， Ｗ ｉｕ ＺＨ Ｗ ｉ ｎ ＹＵ ｎｘ ａ ， ｒ ｎ ＆ ＹＡＮ Ｇ ｕｐ ｎ Ｌｉ ｉｎｇ ＬＩＦａ ｏ ｇ。 Ｓｈ ｉ ｇ
（ ：ｕ ｎｎＡｇｏ ｅｅｒｌｇｃｌ ｎ ａｅ ｉ ｅ ｔ Ｓ ｎｉ ｐ ｌａｉ ｅ ｔｒ Ｋ ｎ ｎ ５ ０ ４ Ｐ Ｒ Ｃ ｉ ） １ Ｙｎ ａ ｒｍ ｔ ｏｏ ｉ ｄＳ ｔｌｅＲ ｍｏｅ ｅｓ ｇＡ ｐｉ ｔ ｎ Ｃ ｎｅ ， ｕ ｍｉｇ６ ０ ３ ， ． ． ｈｎ ｏ ａａ ｌｔ ｎ ｃ ｏ ａ （ ＫｕｍｉｇＥ ｖ ｏ ｍ ｎ ｎｔｒＣ ｎｅ，Ｋ ｎ ｉｇ６０ ３ Ｐ Ｒ Ｃ ｉａ ２： ｎ ｎ ｎｉ ｎ ｅ ｔ ｒ Ｍｏ ｉ ｅ ｔ ｏ ｒ ｕ ｍｎ ５ ０ ４，． ． ｈｎ ）