北江流域叶绿素a浓度反演及富营养化评价

doi:10.13474/j.cnki.11-2246.2025.0605

测绘通报 ›› 2025, Vol. 0 ›› Issue (6): 24-29,72.doi: 10.13474/j.cnki.11-2246.2025.0605

• 学术研究 • 上一篇

北江流域叶绿素a浓度反演及富营养化评价

谷钰泽¹, 邓孺孺^1,2,3, 李嘉怡¹, 郭昱¹, 华振群¹, 旷志渊¹, 黄迪¹

1. 中山大学地理科学与规划学院, 广东广州 510006;
2. 广东省水环境遥感监测工程技术研究中心, 广东广州 510006;
3. 南方海洋科学与工程广东省试验室(珠海), 广东珠海 519082

收稿日期:2024-10-25 发布日期:2025-07-04
通讯作者: 邓孺孺。E-mail:eesdrr@mail.sysu.edu.cn
作者简介:谷钰泽(1998—),男,硕士生,主要研究方向为水质遥感。E-mail:guyz@mail2.sysu.edu.cn
基金资助:
国家自然科学基金(41901352;41071230);广东省省级科技计划(2017B020216001);广东省基础与应用基础研究基金(2020A1515010780);广州市科技计划(202102020454);广东省基础与应用基础研究基金(2022B1515130001)

Chlorophyll-a concentration inversion and eutrophication assessment in the Beijiang River Basin

GU Yuze¹, DENG Ruru^1,2,3, LI Jiayi¹, GUO Yu¹, HUA Zhenqun¹, KUANG Zhiyuan¹, HUANG Di¹

1. School of Geography and Planning, Sun Yat-sen University, Guangzhou 510006, China;
2. Guangdong Engineering Research Center of Water Environment Remote Sensing Monitoring, Guangzhou 510006, China;
3. Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519082, China

Received:2024-10-25 Published:2025-07-04

摘要/Abstract

摘要： 叶绿素a一定程度上可以直接表征浮游植物的生物量,因此水体富营养化的遥感监测关键在于对叶绿素a浓度的反演。本文基于辐射传输机理,构建遥感反演模型,以2022年7—8月北江流域的Sentinel-2数据为例,进行了叶绿素a浓度反演,减小其他组分的影响。反演结果精度较高,决定系数达0.84,平均相对误差为0.22μg/L、均方根误差为1.58μg/L。同时进行了富营养化评价、叶绿素a浓度空间分布特征分析,并针对5处明显存在富营养化的河段进行了成因分析。研究区整体富营养化情况较轻,主要为中营养状态,部分水体存在富营养化情况,主要分布在一些支流、库湾,其中长湖水库情况最严重,综合营养状态指数TLI达到了65.22,处于中度富营养化状态。

关键词: 富营养化, 叶绿素a, 辐射传输, Sentinel-2, 北江流域

Abstract: Chlorophyll-a can directly characterize phytoplankton biomass to a certain extent, so the key to remote sensing monitoring of water body eutrophication lies in the inversion of chlorophyll-a concentration. In this paper, we constructed a remote sensing inversion model based on the radiative transfer mechanism, and took the Sentinel-2 data from the Beijiang River Basin in July-August 2022 as an example of chlorophyll-a concentration inversion, which reduced the influence of other components. The results show a high degree of accuracy, with a coefficient of determination of 0.84 and an average relative error of 0.22 μg/L, and a root mean square error of 1.58 μg/L. Evaluation of eutrophication, characterization of the spatial distribution of chlorophyll-a concentration, and analysis of the causes of eutrophication were also carried out for five obvious eutrophic river sections. The overall eutrophication in the study area was mild, mainly in the middle trophic state, and eutrophication existed in some water bodies, mainly distributed in some tributaries and reservoirs and bays, among which the situation in the Changhu Reservoir was the most serious, with the integrated trophic state index TLI reaching 65.22, which was in the middle eutrophication state.

Key words: eutrophication, chlorophyll-a, radiative transfer, Sentinel-2, Beijiang River Basin

中图分类号:

谷钰泽, 邓孺孺, 李嘉怡, 郭昱, 华振群, 旷志渊, 黄迪. 北江流域叶绿素a浓度反演及富营养化评价[J]. 测绘通报, 2025, 0(6): 24-29,72.

GU Yuze, DENG Ruru, LI Jiayi, GUO Yu, HUA Zhenqun, KUANG Zhiyuan, HUANG Di. Chlorophyll-a concentration inversion and eutrophication assessment in the Beijiang River Basin[J]. Bulletin of Surveying and Mapping, 2025, 0(6): 24-29,72.

参考文献

[1] 黄金煌,陈勋俊,黄劲松,等. 联合高分一号和哨兵二号的内陆河流叶绿素a浓度反演[J].江西冶金,2023,43(6): 524-532.
[2] 刘瑶,李俊生,肖晨超,等.资源一号02D高光谱影像内陆水体叶绿素a浓度反演[J].遥感学报,2022,26(1): 168-178.
[3] TANG Xiaodong,HUANG Mutao.Simulation of chlorophyll a concentration in Donghu Lake assisted by environmental factors based on optimized SVM and data assimilation[J].Water,2022,14(15): 2353.
[4] 马驰.松嫩平原水体叶绿素a、悬浮物及盐分浓度遥感反演研究[J].节水灌溉,2022(7): 95-101.
[5] 刘文雅,邓孺孺,梁业恒,等.基于辐射传输模型的巢湖叶绿素a浓度反演[J].国土资源遥感,2019,31(2): 102-110.
[6] 中国科学院南京地理与湖泊研究所.中国湖泊生态环境研究报告[M].北京: 科学出版社,2023.
[7] 周博天,张雅燕,施坤.湖泊营养状态遥感评价及其表征参数反演算法研究进展[J].遥感学报,2022,26(1): 77-91.
[8] 2023年中国生态环境状况公报(摘录)[J].环境保护,2024,52(11):53-65.
[9] 吴仪,邓孺孺,秦雁,等.新丰江水库叶绿素浓度时空分布特征的遥感反演研究[J].遥感技术与应用,2017,32(5): 825-834.
[10] PALMER S C,KUTSER T,HUNTER P D.Remote sensing of inland waters: challenges,progress and future directions[J].Remote Sensing of Environment,2015,157: 1-8.
[11] 罗婕纯一,秦龙君,毛鹏,等.水质遥感监测的关键要素叶绿素a的反演算法研究进展[J].遥感技术与应用,2021,36(3): 473-488.
[12] 张婧.水中叶绿素a测定方法的比较研究[J].科技创新与应用,2022,12(19): 130-134.
[13] 潘应阳,国巧真,孙金华.水体叶绿素a浓度遥感反演方法研究进展[J].测绘科学,2017,42(1): 43-48.
[14] BINDING C E,GREENBERG T A,BUKATA R P.The MERIS maximum chlorophyll index; its merits and limitations for inland water algal bloom monitoring[J].Journal of Great Lakes Research,2013,39: 100-107.
[15] OYAMA Y,MATSUSHITA B,FUKUSHIMA T.Distinguishing surface cyanobacterial blooms and aquatic macrophytes using Landsat/TM and ETM+shortwave infrared bands[J].Remote Sensing of Environment,2015,157: 35-47.
[16] 邓孺孺,何颖清,秦雁,等.分离悬浮质影响的光学波段(400—900nm)水吸收系数测量[J].遥感学报,2012,16(1): 174-191.
[17] EL-ALEM A,CHOKMANI K,VENKATESAN A,et al.How accurate is an unmanned aerial vehicle data-based model applied on satellite imagery for chlorophyll-a estimation in freshwater bodies？[J].Remote Sensing,2021,13(6): 1134.
[18] 王进,李湘姣,王欢.基于经验模态分解重构方法的北江飞来峡洪水频率分析[J].人民珠江,2024,45(12): 1-10.
[19] 王嗣彤,程全国,雷坤,等.温州市鳌江水系叶绿素a和氮、磷的分布特征与富营养化研究[J].环境污染与防治,2024,46(2): 291-296.

北江流域叶绿素a浓度反演及富营养化评价

Chlorophyll-a concentration inversion and eutrophication assessment in the Beijiang River Basin

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	陈保锋, 陈芸芝, 陈红梅. 基于Sentinel-2的福建典型沿海养殖区化学需氧量反演[J]. 测绘通报, 2025, 0(4): 75-81.
[2]	王金迪, 钱建国, 邱银国, 王志勇, 刘傅彰, 刘佳鑫. 富营养化湖泊水环境监测模拟平台研发与应用[J]. 测绘通报, 2024, 0(6): 120-126.
[3]	李文康, 赵泉华, 贾淑涵, 李玉. 多特征多层次Sentinel-2影像辽宁省湖库水体提取[J]. 测绘通报, 2024, 0(3): 37-42,106.
[4]	刘晓, 孙永玲, 孙世金, 李敏. 基于Sentinel-2影像的巴尔托洛冰川冰面湖研究[J]. 测绘通报, 2024, 0(3): 49-53,80.
[5]	孙常建, 尚永福, 王石岩, 窦小楠. 基于语义分割网络的冬小麦遥感分类及变化分析[J]. 测绘通报, 2024, 0(10): 151-156.
[6]	欧阳许童, 张璇, 李维庆, 刘娟, 刘卓圣. 基于Sentinel-2和Landsat卫星时序数据的耕地撂荒识别[J]. 测绘通报, 2023, 0(8): 57-62.
[7]	钟静, 孙杰, 赖祖龙, 谌一夫. ICESat-2与Sentinel-2数据融合的深度学习浅滩水深测量[J]. 测绘通报, 2023, 0(7): 39-43.
[8]	李鹏, 周虹利, 林是聪, 王厚杰, 李振洪. 海洋塑料垃圾卫星遥感探测方法[J]. 测绘通报, 2023, 0(6): 20-26.
[9]	王冬梅, 吴勇锋, 石一凡, 梁文广, 王轶虹, 潘思远. 利用Sentinel-2遥感影像分析水葫芦时空分布规律[J]. 测绘通报, 2023, 0(6): 44-49.
[10]	熊龙海, 何颖清, 刘茉默, 李俊. 面向Sentinel-2影像的亚像元级水体提取方法[J]. 测绘通报, 2023, 0(11): 122-127.
[11]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[12]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[13]	王刚, 丁华祥. Sentinel-2A数据支持下的雷州半岛植被类型识别[J]. 测绘通报, 2022, 0(3): 76-82.
[14]	崔青林, 汪鸣泉, 黄永健. 融合随机森林模型和6种水体指数的上海市水体信息提取[J]. 测绘通报, 2022, 0(2): 106-109.
[15]	肖芳芳, 张洪艳, 贺威, 张良培. 自动化样本生成策略用于冬季作物制图——以兰陵县为例[J]. 测绘通报, 2022, 0(12): 121-125.