基于HY-1CD卫星的蓝藻水华提取方法对比分析

周园 陆文 刘元志

引用格式：周园，陆文，刘元志.基于HY-1CD卫星的蓝藻水华提取方法对比分析[J].国土资源导刊，2023，20（04）：142-146.

Reference format：Zhou Yuan， Lu Wen， Liu Yuanzhi.Comparative analysis of cyanobacteria blooms extraction methods based on HY-1CD satellite[J].Land & Resources Herald，2023，20（04）：142-146.

摘 要：蓝藻水华问题越来越成为全球关注的生态环境问题，国内相关部门也逐渐提高了对其的重视度。学者们利用遥感手段已开展了许多相关的研究，但存在蓝藻水华遥感监测空间分辨率、时间分辨率低，以及干扰因素多等问题，且国内南方地区少有研究。本文基于国产高时空分辨率的HY-1CD海洋卫星CZI影像，选择湖南大通湖作为实验区，探究南方蓝藻水华遥感监测的可行性。经实验研究和分析，在地面监测点数量足够多的情况下，通过建立卫星影像NDVI值和实测藻密度的反演模型实现遥感监测蓝藻水华的方法更加可靠，同时分析出蓝藻水华遥感监测可能存在的问题，研究成果可为后续的蓝藻水华遥感监测提供参考依据。

关键词：蓝藻水华；HY-1CD；藻密度；遥感监测

中图分类号：P237        文献标志码：A          文章编号：1672-5603（2023）01-142-05

Comparative Analysis of Cyanobacteria Blooms Extraction Methods Based on HY-1CD Satellite

Zhou Yuan1， Lu Wen2， Liu Yuanzhi1

（1.The Second Surveying and Mapping Institute of Hunan Province， Changsha Hunan 410119;2.Ecology and Environment Department of Hunan， Changsha Hunan 410014）

Abstract： The issue of cyanobacteria blooms is becoming a global ecological and environmental concern， and relevant domestic departments are gradually increasing their attention. Scholars have conducted many related studies using remote sensing methods， but there are problems with the spatial and temporal resolution of cyanobacteria blooms remote sensing monitoring， as well as multiple interference factors， and there are few studies in the southern regions of China. This article is based on the domestically produced high-resolution HY-1CD ocean satellite CZI image， and selects Datonghu in Hunan province as the experimental area to explore the feasibility of remote sensing monitoring of southern cyanobacteria blooms. Through experimental research and analysis， it has been found that in the case of a sufficient number of ground monitoring points， the method of remote sensing monitoring of cyanobacteria blooms is more reliable by establishing an inversion model of satellite image NDVI values and measured algal density. At the same time， the possible problems in remote sensing monitoring of cyanobacteria blooms have been analyzed， which can provide a reference basis for subsequent remote sensing monitoring of cyanobacteria blooms.

Key words： cyanobacteria blooms; HY-1CD; algal density; remote sensing monitoring

0 引言

由于全球變暖、水体富营养化等，湖泊水华现象频发，成为全球关注的问题，已引起国内南方地区相关部门的高度重视。目前被广泛应用的蓝藻水华监测主要采用实验室手工检测或便携式仪器快速监测的方式，但耗费大量人力物力。而遥感技术因其面广、便捷被广泛用来开展蓝藻水华监测，可准确监测提取水华波及范围，从而有效对其进行防控预警。针对蓝藻水华监测，国内外许多学者已进行了大量研究，朱冰川等[1]采用韩国“千里眼”卫星（COMS）搭载的海洋水色遥感器（GOCI）对太湖进行持续观测，研究出水华的时间变化规律同叶绿素a浓度变化规律一致，然而GOCI的空间分辨率为500 m，不适用于一般大小的湖泊；晁明灿等[2]和刘海秋等[3]分别采用Landsat8和Sentinel-2遥感影像对巢湖进行水华提取，为其他湖泊的水华遥感监测提供了参考依据，然而时间分辨率不满足要求，时效性不够。几乎所有学者都是针对某一湖泊水域进行了实验研究，并取得了一定的成效，但蓝藻水华遥感监测的准确度需要持续确认，存在许多干扰因素，且南方地区的内陆水域很少有学者研究。本研究采用高时空分辨率的HY-1CD海洋卫星CZI影像，通过对洞庭湖周边的大通湖区进行实验研究，探索南方地区遥感监测蓝藻水华的可能性，并分析存在的一些问题，为接生态环境部门的蓝藻水华遥感监测业务提供一定的实践基础。

1 研究方法

1.1 HY-1CD海洋卫星影像

HY-1CD卫星是用于海洋水色水温环境探测的海洋一号系列国产卫星，配置的海岸带成像仪（CZI）每三天对中国实现两次观测，空间分辨率为50 m，很好地满足了蓝藻水华监测对空间分辨率、观测频次和时效性的要求。相比其他卫星影像，HY-1CD卫星影像获取更加快捷、观测频次更能满足需求、空间分辨率适宜，所以本研究基于该卫星影像数据，经辐射校正、几何纠正、大气校正等预处理后，利用红波段和近红外波段提取NDVI值，为接下来提取蓝藻水华提供数据基础。

1.2 蓝藻水华监测方法

1.2.1 采用阈值分割提取蓝藻水华

NDVI是指采用红光、近红外波段进行组合的一种遥感指数，对植被具有典型的识别作用。由于蓝藻水华与植被具有相似的光谱性质，在红波段和近红外波段之间有“陡坡效应”，NDVI可用于蓝藻水华的遥感监测。结合NDVI指数的波峰、波谷特征，进行像元值的阈值分割，可实现蓝藻水华的等级划分，并与《水华遥感与地面监测评价技术规范（试行）》（HJ 1098—2020）中水华程度分级标准相对应，水华级别分为无水华和无明显水华、轻度水华、中度水华、重度水华，阈值分割提取蓝藻水华的方法简单易行，且具有一定的准确度。

1.2.2 根据藻密度反演模型监测蓝藻水华

根据藻密度反演模型监测蓝藻水华的方法同样适合海洋卫星遥感影像开展植被指数提取。为提高反演精度，在获取影像的同时，实地取样检测若干个点的藻密度，据此评价水华程度，然后依据NDVI值和藻密度的相关关系，构建反演模型，从而可对其他水域范围的NDVI值计算相应点的藻密度，实现遥感监测大范围的蓝藻水华问题。

1.3 精度验证和问题分析

实地采样检测若干检查点用于验证水华遥感监测的准确度，本次实验比较阈值分割提取蓝藻水华情况，对比了藻密度反演模型监测蓝藻水华两种方法的准确性。选择洞庭湖周边典型湖泊开展了实验并进行分析工作，探索遥感监测蓝藻水华的技术方法。

2 实验研究

2.1 实验区概况

湖南省主要有一湖四水五大水系，一湖指的是洞庭湖。选取洞庭湖周边典型湖泊大通湖为实验区，大通湖为内陆淡水湖，近年来，由于过度投肥投饵、过度捕捞、农业面源污染等，大通湖水质越来越差，总氮指标超标，生态退化日趋严重，导致蓝藻水华在每年5月—10月集中爆发。蓝藻水华问题历来得到生态环境主管部门的高度重视，在大通湖设有1个水华自动监测站点，19个便携式监测点，共20个水华监测点，对蓝藻水华进行定点监测，大通湖地理位置和监测点分布情况如图1所示，其中，A1为水华自动监测站点。

2.2 藻密度反演建模的构建

为提高遥感反演的精度，常结合地面采样检测数据，进行反演。该区域水华自动监测站点A1每天都可以有监测数据，从而得到有效的地面同步测量数据。统计2022年6月份以来大通湖自动监测点、6月14日和8月4日便携式监测点監测得到的藻密度数据值，同步获取海洋卫星影像NDVI值进行相关性分析，具体统计情况如表1所示。

对上述15组海洋卫星NDVI值与实测藻密度值进行相关性分析，构建数据模型，如图2所示，模型的决定系数R2为0.6。将该模型应用于8月4日大通湖海洋卫星遥感蓝藻水华监测中。

2.3 蓝藻水华监测结果和准确度分析

根据《水华遥感与地面监测评价技术规范 （试行）》（HJ 1098—2020），水华程度由轻到重的顺序为Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ级，分别表示无水华、无明显水华、轻度水华、中度水华、重度水华。采用阈值分割提取蓝藻水华的结果如图3所示，利用海洋

卫星影像NDVI值与实测藻密度值的相关关系构建的反演模型来反演蓝藻水华结果如图4所示。统计两种监测方法的水华，程度和各级别的占比情况，如表2所示，两种监测方法均表明8月4日大通湖湖区整体上为轻度水华。

选取8月4日获取的9个便携式监测点数据作为遥感监测水华结果的检查点数据，经分析发现采用阈值分割和基于反演模型提取蓝藻水华的结果中9个点位的遥感监测水华程度是一致的。从某种程度上说明检查点数量不足以区分两种方法的准确度，同时也说明采用阈值分割提取蓝藻水华具有一定的准确性，而基于反演模型监测蓝藻水华具有更好的说服力，且从实地采样人员现场观察可知整个湖区不同程度上都有水华问题，反演模型监测结果符合实际，而阈值分割的方法中提取出5.24%的无明显水华区域，与现实情况不一致，说明阈值分割的提取方法对于轻度水华不敏感，适用于水华大面积爆发期的监测。

详细对比分析实测数据和基于反演模型遥感监测水华结果，情况如表3所示，实测和遥感监测水华程度有3个不一致，为A16、A18和A20便携式监测点，准确度为66.7%。经分析可知，A14、A15、A16和A20靠近岸边，受水草的干扰，遥感监测藻密度高于实测藻密度，因A14和A15监测藻密度都位于50～100（106 个/L）之间，所以都为中级水华。

3 讨论

本次工作采用高时间分辨率遥感影像结合地面同步测量数据，对大通湖进行了水华遥感监测，主要结论如下：

（1）本研究表明基于卫星遥感技术监测蓝藻水华技术可行。国产海洋卫星HY-1CD影像空间分辨率基本满足要求，具有三天两次覆盖的能力，实际工作中，可综合高中低空多种影像数据，融合多源遥感影像监测蓝藻水华提高监测精度。

（2）基于阈值分割和基于反演模型监测蓝藻水华的两种方法各有其优势。基于阈值分割提取蓝藻水华不依赖地面监测点，能迅速提取区域内水华面积，适用于水华大面积爆发期的监测。通过地面监测藻密度和卫星影像NDVI值的关系建立的反演模型，具有更高的反演精度，在跟踪监测工作中能发挥较好的效果，随着地面监测数据的积累，反演模型将逐步得到优化，精度也会有明显的提高。

（3）遥感监测精度容易受到周边地物干扰，湖、岸交界区域是优化模型、提高监测精度的重点区域。湖泊岸边受水生植物干扰比较严重，也是蓝藻水华易发区、重灾区，实验结果反映沿岸遥感监测的藻密度值明显比湖中心区域的高，且实验值高于实测值。

4 结语

本文基于国产高时空分辨率的HY-1CD海洋卫星CZI影像，选择大通湖作为实验区，初步探究蓝藻水华遥感监测的可行性。实验结果和分析表明，采用阈值分割和采用影像NDVI值监测在不同时期具有不同应用效果，辅以地面同步测量数据，能显著提升监测精度，提升湖、岸交界区域的蓝藻水华监测精度是未来研究的重点。

参考文献/References

[1] 朱冰川，尤凯，石浚哲，等.基于GOCI数据的太湖叶绿素a浓度反演和蓝藻水华遥感监测[J].环境污染与防治，2020，42（8）：1021-1025+1032.

[2] 晁明灿，赵强，杨铁利，等.基于Landsat8影像的蓝藻水华提取方法对比研究[J].大气与环境光学学报，2021，16（06）：520-528.

[3] 刘海秋，任恒奎，牛鑫鑫，等.基于Sentinel-2遥感影像的巢湖蓝藻水华提取方法研究[J].生态环境学报，2021，30（1）：146-155.

[4] 汪雨豪.基于哨兵2A影像的太湖蓝藻水华提取方法研究及应用[D].北京：中国地质大学（北京），2020.

[5] 晁明灿.巢湖叶绿素a浓度遥感反演及蓝藻水华监测研究[D].辽宁：辽宁科技大学，2021.

[6] 钟声.太湖蓝藻水华的自动监测和手工监测比对分析[J].环境监控与预警，2021，13（3）：19-23.