太湖蓝藻水华遥感监测方法_段洪涛
基于遥感技术的太湖蓝藻水华时空变化分析
《河南水利与南水北调》2023年第6期水生态文明基于遥感技术的太湖蓝藻水华时空变化分析徐寅生，赵琳（中水北方勘测设计研究有限责任公司，天津300222）摘要：利用卫星遥感手段监测水环境具有大范围、长时序、周期性、快速、动态监测等优势，文章利用哨兵2号多光谱卫星遥感数据，对2017-2021年五年内的太湖蓝藻情况进行监测，提取湖区不同季节蓝藻水华信息，进而分析不同季节湖区水质的变化特征。
实验结果表明，近五年来，太湖蓝藻爆发时段主要集中在每年的5月份左右，蓝藻爆发区域主要集中在太湖西北部的竺山湖、西部沿岸区、梅梁湖等湖湾；湖心区蓝藻数量呈明显增长，需要引起关注。
关键词：多光谱；水质；太湖；叶绿素a；哨兵2号中图分类号：TP79文献标识码：A文章编号：1673-8853（2023）06-0005-02Analysis of Spatial and Temporal Changes of Cyanobacteria Bloom in Taihu Lake Based onRemote Sensing TechnologyXU Yinsheng,ZHAO Lin（China Water Resources Beifang Investigation,Design and Research CO.LTD.,Tianjin300222,China）Abstract：Monitoring water environment by means of satellite remote sensing has the advantages of large-scale,long-time sequence, periodicity,fast and dynamic monitoring.This article utilizes Sentinel-2multispectral satellite remote sensing data to monitor the blue-green algae situation in Taihu Lake from2017to2021.It extracts information on blue-green algal blooms in different seasons of the lake and analyzes the characteristics of water quality changes in different seasons.The results show that the blue-green algae outbreak in Taihu Lake has been mainly concentrated in May of each year for the past five years,and the algal blooms were mainly concentrated in Zhushan Lake,western coastal areas and Meiliang Lake in northwestern Tai Lake.The number of blue-green algae in the central lake area has shown a significant increase,which deserves attention.Key words：Multispectral;water quality;Tai Lake;chlorophyll a;Sentinel21理论基础浮游藻类指数的基本原理为水体在红光波段、近红外波段和短波红外波段表现出强烈的吸收作用，对于表面存在蓝藻水华的水体，在近红外波段表现为明显的反射峰，利用这一特点，通过相关波段的组合，构建FAI指数模型，具体计算公式如下。
太湖蓝藻水华遥感监测方法
Ｌ ｋ ｃ （ ａ ｅ ｉ湖泊科 学）２ ０ ，０２：４ ．５ Ｓ． ， ０ ８ ２ （） １５ １２
ｈ ｐ／ ｗ．ａｅ． ｇ Ｅ ｍａ ：ｌｋｓ ｉｌ ． ． ｔ ：ｗｗ ｊ ｋｓ ｒ． — ｉ ｊ ｅ＠ｎｇａ ａ ｃ ｔ ／ ｌ ｏ ｌ ａ ｓｃｎ ￣２ ０ ｙＪ ｕｎ ｌｆ ａ ｅ ｃｅｃｓ ０ ８ｂ ｒａ Ｌ ｋ ｉｎｅ ｏ ｏ Ｓ
摘
要 ：利用 遥感 技 术监 测 太湖 蓝 藻水 华具 有 重要 的现实 意 义 ． 于不 同遥感 数 据 ， 括 ＭＯＤ ＳＴｒ 、 Ｂ Ｒ ． ＣＤ、 Ｔ 基 包 Ｉ／ｅｒ Ｃ Ｅ Ｓ２ ａ Ｃ Ｅ Ｍ
和 Ｉ ＳＦ ＩＳ ，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 ， 取不 同历史 时 期太 湖 蓝藻 水华 ．结果 Ｒ ．６ＬＳ ３ 提
表 明： ＭＯＤ ＳＴｒａ 据可 以利 用 判别 式 Ｂａｄ ＞ ． 和 Ｂ ｎ ２１ ｎ４ １ 取蓝 藻 水 华； ＢＥ Ｓ２Ｃ Ｄ、Ｅ Ｍ 和 Ｉ ＳＦ ＩＳ Ｉ／ｅｒ 数 ｎ ２ ０１ ａｄ ／ａ ｄ＞ 提 ３ Ｃ Ｒ ． Ｃ Ｔ Ｒ ．６Ｌ Ｓ ３ 数据 可 以利 用 Ｂａｄ ｎ ４大 于一定 阈值 和 Ｂ ｎ４Ｂａｄ＞ ａ ｄ／ ｎ３ 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 Ｅ Ｍ 和 Ｉ ＳＰ ＩＳ Ｔ Ｒ ．６ Ｌ Ｓ ３数 据 Ｂ ｎ ４波 段对 蓝 藻水 华空 间 分 布强度 进 行 了五 级划 ａｄ
太 湖 蓝 藻 水 华 ，张 渊 智
（：中国 科学 院 南京 地 理 与湖 泊研 究 所湖 泊 与 环境 国家重 点 实 验室 ，南京 ２ ００ ） １ １０ ８
环境一号卫星CCD数据在太湖蓝藻水华遥感监测中的应用
环境一号卫星CCD 数据在太湖蓝藻水华遥感监测中的应用金焰,张咏,牛志春,姜晟(江苏省环境监测中心,江苏 南京 210036)摘 要:利用环境一号卫星(H J-1)CCD 数据,对太湖水华进行遥感监测,并比对同时相的EOS /MOD IS 卫星遥感数据。
结果表明,H J-1星CCD 数据具有优于EO S /M OD IS 数据的蓝藻水华识别能力,并有良好抗云层干扰能力,适合用于太湖蓝藻水华应急监测。
关键词:环境一号卫星;宽覆盖多光谱可见光相机数据;蓝藻水华;遥感监测;太湖中图分类号:X 87 文献标识码:B 文章编号:1006-2009(2010)05-0053-04Application of Environ m ental Satellite H J -1CCD D ata for CyanobacteriaB l oo m R e m ote Sensi ng i n Tai hu L akeJI N Yan ,ZHANG Yong ,N I U Zh i chun ,JI A NG Sheng(J i a ng s u Environm entalM onitori n g Center ,N anjing,J iangs u 210036,Ch i n a)Abst ract :Re m ote sensi n g m on itori n g of cyanobacteria b l o o m in Ta i h u Lake w ith env ironm ental satelliteH J1CCD data w as descri b ed .Co m pared w ith EOS /MODI S data ,resu lts show ed thatH J 1CCD data w asm ore su it able for cyanobacteria b loo m recognition i n e m ergency m on itor i n g than that of EOS /M OD I S did and had better capab ility o f anti i n terference w hen it w as cloudy .K ey w ords :Env ironm en tal sa tellite H J 1;CCD data ;C yanobacteria bloo m ;Re m ote sensi n g m on itor i n g ;Taihu Lake收稿日期:2010-03-18;修订日期:2010-07-22基金项目:国家科技支撑基金资助项目(2008BAC34B07)作者简介:金焰(1982 ),男,江苏南京人,助理工程师,硕士,从事环境遥感监测工作。
太湖蓝藻水华遥感监测方法
太湖蓝藻水华遥感监测方法一、本文概述太湖，作为中国最大的淡水湖之一，近年来面临着严重的蓝藻水华污染问题。
蓝藻水华的大面积爆发不仅破坏了水生态系统，还对周边地区的水资源安全构成了严重威胁。
因此，对太湖蓝藻水华的有效监测与管理显得尤为重要。
本文旨在探讨遥感技术在太湖蓝藻水华监测中的应用方法，以期为相关领域的研究与实践提供有价值的参考。
本文首先介绍了太湖蓝藻水华问题的严重性和遥感技术在该领域的应用背景，阐述了遥感监测的重要性和可行性。
接着，文章详细介绍了遥感监测方法的基本原理和流程，包括遥感数据源的选择、数据预处理、特征提取以及蓝藻水华信息的提取与识别等关键步骤。
在此基础上，文章还深入探讨了遥感监测方法的优缺点，以及在实际应用中可能面临的挑战和问题。
本文总结了遥感技术在太湖蓝藻水华监测中的实际应用案例和效果评估，展望了遥感技术在未来蓝藻水华监测与管理中的发展前景和趋势。
通过本文的研究，旨在为太湖蓝藻水华的遥感监测提供一套科学、有效、可行的方法论，为水环境保护和水资源管理提供有力支持。
二、太湖蓝藻水华概述太湖，作为中国第三大淡水湖，其生态环境和水质状况对于周边地区乃至全国都具有重要影响。
然而，近年来，太湖蓝藻水华频繁爆发，严重影响了太湖的水质和生态环境。
蓝藻水华是一种由蓝藻（一种原核生物）过度繁殖引起的水体污染现象，其大量繁殖会消耗水中的氧气，导致水生生物死亡，同时还会产生有害的次生代谢产物，对人类和其他生物的健康构成威胁。
太湖蓝藻水华的发生与多种因素有关，包括气候条件、水体营养状况、湖泊地形等。
其中，气候因素如温度、光照、风速等直接影响蓝藻的生长和繁殖；水体营养状况，如氮、磷等营养物质的含量，为蓝藻提供了生长所需的营养物质；而太湖独特的湖泊地形和水文条件，也为蓝藻的聚集和繁殖提供了有利条件。
为了有效监测和防控太湖蓝藻水华，遥感技术被广泛应用于太湖蓝藻水华的监测中。
遥感技术具有覆盖范围广、获取信息量大、更新速度快等优势，能够实现对太湖蓝藻水华的快速、准确监测。
太湖蓝藻水华遥感监测方法
波段组合算法, 是本文研究的重点.
1.2 遥感数据及其处理方法
1.2.1 遥感数据 通过调查太湖蓝藻历史爆发时段, 分别选取部分蓝藻存在时段内的 EOS MODIS/Terra(空
间分辨率 250m、500m、1km)、CBERS-2 CCD(空间分辨率 19.5m)、Landsat ETM(空间分辨率 30m)、以
水是生命之源, 而湖泊是地球上最重要的淡水资源之一, 是湖泊流域地区经济可持续发展和人们赖 以生存的重要基础[1]. 目前, 我国内陆湖泊面临的一个主要问题是水体的富营养化[2], 其重要特征是藻类 物质, 特别是蓝藻大量繁殖. 蓝藻异常生长, 极易堆积、腐烂沉降, 形成水华, 在河口以及近岸淤积[3], 不 仅破坏水体景观和生态系统平衡, 而且由于蓝藻在生长过程中释放毒素, 消耗溶解氧, 引起水体生物大 量死亡, 湖泊水质恶化, 严重威胁了湖泊周围地区的饮水安全[4]. 如2007年5-6月, 由于太湖蓝藻爆发, 无锡重要水源地贡湖南泉水厂取水口遭受严重污染, 导致100多万人饮水困难. 因此, 快速、全面掌握蓝 藻分布信息, 对于控制蓝藻水华、评价蓝藻生态环境风险、研究蓝藻异40nm、680nm 反射率减小, 吸收峰增加; 藻华水体叶绿素 a 浓度与位于
700nm 附近的反射峰高度呈正相关关系, 也与 690-740nm 区间的荧光峰位置红移呈正相关关系[12-13]; 同
时, 近红外波段具有明显的植被特征“陡坡效应”, 反射率升高[6]. 因此, 基于这些显著光谱特征的波段或
aY
(1)
式中: RW 为水面反射率; bW、bS和bP分别为水、无机悬浮物质和藻类物质的后向散射系数; aW、aS、aP和 aY 分别为水、无机悬浮物质、藻类物质和黄色物质的吸收系数. 各物质的吸收、后向散射系数均可分别 写成比吸收系数、比后向散射系数和相应物质浓度的乘积[11].
湖泊藻类水体浮游植物色素遥感反演模型
（ 1． 同济大学 环境科学与工程学院 ， 上海 200092 ； 2． 中国科学院南京地理与湖泊研究所 湖泊与环境国家重点实验室 ， 江苏 南京 210008 ； 3． 中国科学院研究生院， 北京 100039 ） 摘要：2009 年 10 月 15 ～ 16 日， 在巢湖蓝藻暴发期间进行实际采样和数据分析 ， 通过 Gons 和 Simis 算法对浮游植物 ． ， Gons Simis 色素吸收及其浓度遥感反演进行了研究 结果表明 和 算法可以用于蓝藻水华未覆盖水体的遥感反演 ， Gons 算法 （ RMSE = 0． 04 m － 1 ） 相对于 Simis 算法 （ RMSE = 而在水华覆盖水体表面时算法失效 ； 在未覆盖水体时， －1 0． 13 m ） 可以更好地反演浮游植物色素吸收 ； Simis 算法可以用于巢湖藻蓝素反演 ， 但模型参数需要重新率定 ． 总 Gons 和 Simis 算法在巢湖取得了较好的结果 ， 体来说， 有助于浮游植物色素遥感反演后续工作的进行 ． 关 键 词：叶绿素； 藻蓝素； 色素吸收； 生物光学模型 中图分类号：X122 文献标识码：A
［8 ］ *
淮河两大河流之间 （ 117°16'54″ 巢湖位于长江、 ～ 117°51'46″E ， 31°25'16″ ～ 31°43'28″N ） ， 多年平均 9 3 库容 2． 1 × 10 m ， 岸线总长 184． 66 km， 水位为 8 m，
2 面积 769． 55 km ， 平均水深 2． 89 m， 最深处达 3． 67 m． 近年来， 由于周边经济的快速发展， 巢湖水体呈现明
mail： htduan@ niglas． ac． cn． 通讯作者：E-
2期
金经纬等： 湖泊藻类水体浮游植物色素遥感反演模型
我国蓝藻水华遥感监测研究进展
我国蓝藻水华遥感监测研究进展摘要近年来,蓝藻水华频繁暴发,成为备受关注的环境问题。
遥感技术具有快速、大范围、动态的特点,在蓝藻水华监测中广泛应用。
在总结我国蓝藻水华遥感监测研究成果的基础上,对现有研究中的数据源、研究方向进行了分析,对未来发展方向提出展望。
关键词蓝藻水华;遥感监测;原理;数据源;研究方向;展望ReviewonRemoteSensingMonitoringofCyanobacteriaBloominChinaXIONG Chun-ni 1TIAN Xiao-feng 2TANG Ai-yi 3WEI Hong-hui 1(1 Guangzhou Environment Monitoring Centre in Guangdong Province,Guangzhou Guangdong 510030; 2 Guangzhou Guangya Experimental Middle School; 3 Guangzhou Peiying Middle School)AbstractCyanobacteria bloom occurred frequenctly in recent years and became one offocal points of environmental problems. Remote sensing monitoring was quick,abroad-area,dynamic monitoring technology,and was used widely in cyanobacteria bloom monitoring. Based on the study results of remote sensing monitoring of cyanobacteria bloom,the remote sensing data used in current researches and research direction were reviewed,and the future development tendency was proposed.Key wordscyanobacteria bloom;remote sensing monitoring;principle;data source;research interests;prospect湖泊富营养化是全世界面临的水环境问题,我国尤其严重。
海洋科学
２０ ０ ８年 第 １ ４卷 第 １ ３期
中 国学术期刊文摘
玉 ， 徐 晓 雄 ∥湖 泊 科 学 ． ２ ０ ，２ （） ２ ３ ０ 一 ０ ８ ０２． ０ ～２ ７ 一
１３ ２
ｓ ｎ ｉ ｇ ｉ ｆ ｒ ｔ ｎ ｅ ｔａ ｔ ｎ ｏ ｙ ｒ ｐ ｙ ｅ ａ ｅ ｎ ｔ ｅ ｒ — ｅ ｓｎ ｎ ｏ ｍａｉ ｘ ｒ ｃ ｏ ｆ ｈ ｄ ｏ ｈ ｔ ｓ ｂ ｓ ｄ ｏ ｈ ｅ ｏ ｉ
京大学地ห้องสมุดไป่ตู้信息科学系，南京２ ０ ９ ） １０ ３，冯学智 ，王春红 ，王得
ｔｅ ａ ｏ ａｅ ｔ ｎ ｐｒｎｙｉ Ｌ ｋ ａ ｕ ｈｎ ［ ， 中 ］ 张 ｒ ｖ ｆ ｔ ａｓａｅ ｃ ａ ｅ ｉ ，Ｃ ｉａ 刊 ｉｌ ｗ ｒ ｒ ｎ Ｔ ｈ ／
寿选（ 中国科学 院南京地理 与湖泊研究所湖 泊与环境 国家重 点 实验 室，南京２ ０ ０ ） １０ ８，段洪涛，谷孝鸿 ∥湖泊科学 ２ ０ ， 一 ０８
２ （） １４ １０ ０２ ． ８ ～ ９ 一
在使用 多光谱遥感 图像提取太湖水生植被分布 时，由于水体 中 悬浮物和藻类等物质 的影响 ，容 易产 生 “ 异物 同谱 ”现象 ，大 面积 水体被误分为沉水植被 ．首先通过Ｔ Ｍ图像反演太 湖水体 的透 明度 ，基于Ｒ Ｉ Ｖ 和ＮＤ 植被指数 ，分别建立两类决策树 ， ＶＩ 即透 明度辅助 的分类决策树和无透 明度参与 的分类决策树 ，将 太湖分为水体 、以浮叶植被为主导的水生植被和 以沉水植被为 主导 的水 生植被等三种类 型． 透 明度辅助 下的ＮＤＶ 分类 决策 １ 树方法 ，较好地消 除分类过程 中的 “ 异物 同谱 ”现象 ，是进行 太湖 水生植被分类的一种最好 方法选择 ，方法应 用于２ ０ 年７ ０２ 月１ 日的Ｌ ｄａ Ｅ Ｍ卫星遥感影像 ，结果表 明太湖 中 以沉水 ５ ｎ ａ ｓｔ Ｔ 植被为主导的水生植被约４ ７ ｍ ， ０ ． ｋ 以浮 叶植被 为主导的水生 ６ 植被约８ ．ｋ ．图６ 参２ （ ２２ ｍ 表６ ３梅琴） 关键词 ：水生植被 ；遥感 ；决策树 ；透 明度 ；太湖
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.。
太湖蓝藻水华的遥感监测研究
太湖蓝藻水华的遥感监测研究一、内容简述太湖蓝藻水华是近年来我国太湖地区较为严重的环境问题之一，对太湖水质和生态环境造成了严重影响。
为了及时了解太湖蓝藻水华的分布、变化和严重程度，本文采用遥感技术对太湖蓝藻水华进行了监测研究。
本文首先介绍了太湖蓝藻水华的基本概念和形成原因，然后详细阐述了遥感技术在太湖蓝藻水华监测中的应用，包括卫星遥感、航空遥感和地面遥感等。
接着本文分析了太湖蓝藻水华的空间分布特征，包括大范围、高密度分布和季节性变化等特点。
本文结合实际数据，对太湖蓝藻水华的发展趋势进行了预测，并提出了相应的防治措施，以期为太湖地区的环境保护和生态修复提供科学依据。
A. 研究背景随着人类活动的不断增加，太湖地区面临着严重的水环境问题，其中蓝藻水华是最为突出的一种。
蓝藻水华是一种由蓝藻类植物引起的水体富营养化现象，其生长速度快、覆盖范围广，对水生生物和人类健康造成严重影响。
近年来太湖地区蓝藻水华的发生频率呈上升趋势，给水资源管理和环境保护带来了巨大挑战。
因此对太湖蓝藻水华的遥感监测研究具有重要的现实意义。
遥感技术作为一种非接触式的监测手段，具有实时、动态、高时空分辨率等特点，能够有效地反映地表生态环境的变化。
目前国内外学者已经开展了大量关于太湖蓝藻水华遥感监测的研究，但仍存在一定的局限性，如数据源单算法不够精确等问题。
因此开展太湖蓝藻水华遥感监测研究，对于提高太湖蓝藻水华监测的准确性和时效性具有重要意义。
B. 研究目的和意义随着人类活动的不断增加，太湖地区的水体污染问题日益严重，尤其是蓝藻水华的发生频率逐年上升，对太湖生态环境和周边居民的生活造成了严重影响。
因此开展太湖蓝藻水华的遥感监测研究具有重要的现实意义。
建立太湖蓝藻水华遥感监测模型，提高监测数据的准确性和时效性。
通过对太湖地区不同时间段的遥感影像进行分析，揭示蓝藻水华的发生规律，为政府部门制定针对性的防治策略提供依据。
探讨太湖地区蓝藻水华与气象、水文等环境因素的关系，为综合防治提供理论支持。
MODIS
太湖秋冬季蓝藻水华MODIS 卫星遥感监测孔维娟① ,马荣华② ,段洪涛② ,张寿选②( ①南京大学地理信息科学系,南京210093 ; ②中国科学院南京地理与湖泊研究所210008) Remote Sensing Information, 2009年 04期摘要:利用2007 年10～12 月长时间序列MODIS 卫星遥感影像,在经验模型估算叶绿素a 和藻蓝素浓度的基础上,通过阈值分割提取太湖蓝藻水华,实时获取了蓝藻水华及其色素浓度信息。
结果表明:10～12 月蓝藻主要分布在西部沿岸和湖心区,爆发频率和水华面积均高于北部各湖湾,其中10 、11 月平均水华面积分别为261. 5km2和321. 6 km2 ,12 月水华面积明显小于前两个月,平均为163. 3 km2 。
另外,在蓝藻爆发期,叶绿素a 和藻蓝素平均含量基本维持在45μg/ L 和180μg/ L 的水平,且爆发期内,蓝藻水华的空间分布、覆盖面积、色素浓度在短时间内会发生非常大的变化。
关键词:蓝藻水华;太湖;MODIS1 引言湖泊是地球上最重要的淡水资源之一。
近年来,由于人类社会经济活动造成世界上许多湖泊富营养化现象严重,其显著标志是藻类水华大规模频繁爆发[1 ] 和藻类数量剧增[2～3 ] 。
太湖浮游藻类中,常年出现且分布广泛的优势种群是蓝藻,蓝藻水华不断爆发是太湖水体富营养化状态加剧的最直观表征。
快速掌握蓝藻水华分布及其变化规律对太湖水质监测与水华预测预警具有重要意义。
传统的实地采样监测无论其空间频率还是时间频率都不足以反映蓝藻生物量的变化,尤其是在蓝藻密度时空变化很快的水华爆发期[4 ] ,而蓝藻的漂移特性和特有的光谱特征使卫星遥感监测成为可能。
卫星遥感可以提供大范围、实时、可靠的水华信息,且便于长期监测,在连续时相遥感数据支持下还可以动态监测全湖范围内水华时空分布规律,实现太湖蓝藻水华业务化监测。
国内外许多学者利用遥感技术监测湖泊蓝藻水华,取得了一定效果。
基于卫星遥感的太湖蓝藻水华时空分布规律认识
基于卫星遥感的太湖蓝藻水华时空分布规律认识马荣华;孔繁翔;段洪涛;张寿选;孔维娟;郝景燕【期刊名称】《湖泊科学》【年(卷),期】2008(20)6【摘要】建立了基于多源卫星遥感影像的太湖蓝藻水华信息提取的普适模式,获取了天气晴好条件下蓝藻水华的面积和空间分布.近年来,太湖蓝藻水华暴发时间逐渐提前至3-4月,暴发的高频繁期发生在6-7月,其次是10-11月;2000年以来,蓝藻水华的持续时间有所增加,几乎全年(3-12月)都有发生.北部(梅梁湾、竺山湾)是蓝藻水华的最初暴发地,是蓝藻水华暴发的重灾区,每年都有发生;2001年以来,南部沿岸区(浙江附近水域,即夹浦新塘一带的沿岸水体)也几乎每年都有发生,且集聚面积逐年扩大,持续时间越来越长,逐渐成为太湖蓝藻的最早暴发地;2003年以来,蓝藻水华开始向湖心扩散,严重时几乎覆盖整个太湖的非水生植被区;值得注意的是,2005年以来,以前很少有蓝藻水华发生的贡湖湾,也开始有大面积蓝藻水华覆盖,2007年发生的频率显著增加.【总页数】8页(P687-694)【作者】马荣华;孔繁翔;段洪涛;张寿选;孔维娟;郝景燕【作者单位】中国科学院南京地理与湖泊研究所,南京,210008;中国科学院南京地理与湖泊研究所,南京,210008;中国科学院南京地理与湖泊研究所,南京,210008;中国科学院南京地理与湖泊研究所,南京,210008;南京大学地理信息科学系,南京,210093;中国科学院南京地理与湖泊研究所,南京,210008【正文语种】中文【中图分类】P3【相关文献】1.EOS/MODIS数据在太湖蓝藻水华时空分布规律提取中的应用研究 [J], 金焰;张咏;姜晟2.EOS／MODIS数据在太湖蓝藻水华时空分布规律提取中的应用研究 [J], 金焰;张咏;姜晟3.基于MODIS数据的太湖蓝藻水华时空分布规律研究 [J], 黄君;宋挺;庄严;吴蔚4.结合卫星遥感技术的太湖蓝藻水华形成风场特征 [J], 李亚春;谢小萍;杭鑫;朱小莉;黄珊;景元书5.结合卫星遥感技术的太湖蓝藻水华形成温度特征分析∗ [J], 李亚春;谢小萍;朱小莉;杭鑫;李心怡;景元书因版权原因，仅展示原文概要，查看原文内容请购买。