摘要
湖泊透明度是衡量水质变化和湖泊水生生态系统健康的重要指标。湖泊透明度一般通过塞氏盘现场观测获得，其变化主要由水体中非藻类颗粒物、藻类和黄色物质（CDOM）浓度共同决定，因此可以通过光学遥感进行反演。本研究基于2004—2009年8次查干湖实地采样获得的132条透明度数据，通过分析同步Landsat天顶反射率产品数据(TOA)不同波段组合与透明度之间的相关性，发现以红波段和蓝波段比值和红绿蓝波段均值AV(B3，B1)组合建立的透明度反演模型精度最高，误差最小，进而基于此模型反演了1984—2019年查干湖以及周边湖泊透明度。结果表明：查干湖透明度范围在1.0~63.0 cm之间，年均值为17.6 cm。查干湖透明度年均值变化分为两个阶段：1984—2001年间透明度波动范围较大，没有明显趋势；2002—2019年期间呈上升趋势（2.3 cm/10 a）。查干湖透明度与风速、降水量、湖泊面积和归一化植被指数具有一定的相关性。通过长时间尺度上遥感监测查干湖水体透明度的时空格局变化，分析其变化特征与规律，可为查干湖流域生态治理提供科学依据。
Abstract
Water clarity is an important indicator for assessing eutrophication in lakes or reservoirs. Traditionally, water clarity is determined in the field using Secchi disk depth (SDD), which is time consuming, labour intensive and not suitable for large scale water clarity assessment. Water clarity is mainly determined by non-algal particulate matter, algal abundance and colored dissolved organic matter (CDOM) in the water column, which can be monitored by optical remote sensing. In this study, eight cruises were conducted over Lake Chagan in 2004-2009 and in situ measured SDD were determined. Correlation analyses between in situ measured SDD and Landsat calibrated top-of-atmosphere (TOA) reflectance were performed to determine the best band or band combinations. Based on the in situ measured SDD and TOA pairs, we developed an algorithm based on the ratio of red and blue bands and the average of red, green and blue, e.g. AV(B3, B1), to estimate the SDD in Lake Chagan. High model calibration accuracy was achieved, with lower RMSE and MAPE for model validation. The algorithm was applied to Landsat images to derive SDD distribution maps from 1984 to 2019. The Landsat-derived results indicate that the SDD in Lake Chagan ranges from 1.0 cm to 63.0 cm with an annual mean of 17.6 cm, with a significant increasing trend during 2002-2019 with an increasing trend of 2.3 cm/10 a. The annual mean values of the SDD variation dynamics in Lake Chagan went through two phases. From 1984 to 2001, the SDD showed no obvious trend, and then it showed a significant increasing trend. Our analysis showed that the SDD in Lake Chagan had some relationship with wind speed, precipitation and the normalized difference vegetation index (NDVI). The changes in water transparency in Lake Chagan were monitored by remote sensing on a long time scale, and the characteristics and rules of the changes were analyzed to provide a scientific basis for ecological management in the Lake Chagan Basin.
Keywords
随着人类活动的影响，湖泊营养负荷不断增加，水质恶化，富营养化进程加剧。因此，监测和评价湖泊水质，并定性、定量地明确湖泊水质变化及其影响因素成为重要的科学问题。遥感技术可以通过获取水体离水辐射光谱以提供大范围、高频率、连续且客观的湖泊水质观测信息，克服了传统水质监测方法的局限性，如成本高、时效性差、空间覆盖不均等。然而，湖泊水体复杂且受周边环境和人类活动影响大，并呈破碎性分布，这为利用遥感技术监测长时序大范围湖泊水质变化带来了较大困难。如何选择合适的遥感数据源、建立有效的水质反演模型、消除大气和水面干扰等，是湖泊水质遥感监测的关键技术问题。
近40年来，卫星光学遥感已被证明是监测全球和区域尺度湖泊水质的有效手段。与传统方法相比，遥感卫星能提供空间和时间上的水质数据，减少实测采样产生的成本[1]。在用于水质监测的卫星影像中，Landsat系列卫星在评估内陆湖泊水质中的应用日渐成熟，其已与多个水质参数之间建立了可靠的经验模型，包括叶绿素a、透明度和总悬浮物等[2-3]。
透明度是衡量湖泊水质的重要指标之一。它不仅是水质评价和水污染防治的重要参考，也能反映水体富营养化程度[4]。大多数估算水体透明度的研究是将影像反射率数据与实测透明度进行相关分析，建立遥感反演模型。经验方法是基于遥感数据和实时或准实时的地面实测透明度的相关统计分析，基于多光谱数据应用在水质监测中发展出的一种方法。该方法的优点是计算简单、使用方便、估算的精度比较高，但经验模型受时间和地区的限制，只能反演一定范围内的水质参数，不具有普适性。结合当前最广泛的信息源，Landsat数据是最常用的水体透明度遥感估算方法之一。这种经验方法已在太湖[5]、巢湖[6]、洪泽湖[7]和千岛湖[8]等长江中下游水体中取得了一定的研究成果。近年来，在吉林省的新立城水库、石头口门水库和二龙湖等水体也相继开展了光学特性与水质参数反演的研究[9-11]。Zhang等[12]基于Landsat系列卫星的遥感反射率，构建了一种基于红光波段的幂函数模型，实现了大陆尺度（105~106 km2）的湖泊透明度遥感估算，并探索了中国湖泊透明度1986—2018年空间变化。Song等[13]基于实测数据与遥感数据，构建了一种新的基于红蓝波段比值估算湖泊透明度的遥感模型，实现了湖泊透明度的遥感反演。另外，除了经验模型，半经验半分析和分析模型也有大量的应用，Kloiber等利用多元回归和Pearson相关系数矩阵等统计分析方法，将Landsat的蓝波段、蓝/红波段比值作为参数，建立透明度遥感反演模型[14]。韩留生等根据透明度与水体漫衰减系数之间的关系建立了透明度反演的半分析方法，并将其应用到近海岸水体[15]。遥感手段反演透明度已广泛地应用于内陆水体透明度研究。这些研究成果对于理解湖泊透明度、水质变化以及生态环境的保护和管理具有重要意义。然而，已有模型在不同湖区的适用性存在局限，且湖泊水体光学特征的复杂性使得构建适用于内陆水体差异化的透明度遥感估算模型仍然是一个挑战。因此，重新建模以提高模型的适用性和精度十分必要。本文将为湖泊透明度遥感研究提供更准确和可靠的方法。
查干湖是吉林省最大的淡水湖泊。随着查干湖周边城镇化进程的加快和工农业的快速发展，污水排放量大幅增加，且上游河流流经盐碱地，水体含有较多的氟化物和营养盐，导致查干湖富营养化、水质下降。对查干湖的水体透明度进行遥感监测和分析，对于保护查干湖的生态环境和发展生态旅游具有重要意义。因此，本文基于1984—2019年查干湖透明度数据、面积数据和气候数据，分析查干湖水体透明度变化及其驱动因素，辨析自然因素和人类活动对查干湖透明度变化的影响，系统总结近年来查干湖水体透明度的变化趋势，以期为查干湖流域生态治理提供科学依据。
1 研究区概况
研究区主要包括查干湖、新庙泡和库里泡等湖泊，水域总面积约450 km2。查干湖（45°09′~45°30′N，124°03′~124°34′E），东西长38 km，南北宽12 km，周长达104.5 km，平均水深4 m，最大湖水面积达370 km2，最大蓄水量为4.15亿m3。查干湖的年降水相对较少，主要分布在夏季和秋季，年均降水量为400~500 mm，蒸发量为1140~1270 mm，是全国十大淡水湖之一，是吉林省最大的天然湖泊[16]。查干湖自然资源非常丰富，是有名的渔业生产基地。查干湖冬捕被评为中华百大美景奇观，2000—2007年，查干湖鲜鱼年产量近5000 t。2002年，查干湖旅游经济开发区成立，成为国家4A级旅游景区、国家级水利风景区。2007年，查干湖被批准为国家级自然保护区。但是查干湖的水环境问题一直比较突出，有待通过不同手段进行监测与评估[17-18]。
新庙泡位于查干湖南侧1 km处，面积约30.72 km2，蓄水量约6500万m3。2001年开始，新庙泡渔场快速发展，成为查干湖旅游业的重要“生力军”[19]。库里泡坐落于长山镇东北4 km处，面积约14.41 km2，蓄水量4000万m3，平均水深2.5 m，水源主要来自查干湖的泄水和嫩江洪水的调剂[20]。
2 数据来源及处理与研究方法
2.1 实测数据采集
图1查干湖采样点分布
Fig.1Distribution of sampling sites in Lake Chagan
表12004—2009年8次采样日期、采样点数量和透明度
Tab.1 Date of sampling， number of sampling sites and transparency of 8 samples during 2004-2009
2.2 影像处理
Landsat系列的第一颗卫星发射于1972年7月23日—1999年4月15日，一共发射了6颗，分别是Landsat 1~3 MSS、Landsat 4~5 TM以及Landsat 7 ETM+。2013年的2月11日，Landsat 8 OLI发射成功。Landsat卫星已有近50年的对地观测数据，能够提供本研究所需的1984—2019年连续观测数据[22-23]。本研究使用的Landsat影像来源于谷歌引擎（google earth engine，GEE）（https://earthengine.google.com/）上的天顶（TOA）反射率产品数据。由于Landsat卫星每16天实现一次全球覆盖，部分影像云量偏多且符合解译监测要求的影像有限，因此选取与采样时间相差不超过9天的Landsat影像提取对应采样点的反射率用于透明度建模，其中采样时间与卫星影像之间的匹配时间窗口为±1、±3、±9天的影像分别有84、27和21景，占总影像数的63.6%、20.5%和15.9%。筛选1984—2019年5—11月覆盖研究区的无云影像（表2），用于反演长时间序列查干湖的透明度。
表21984—2019年查干湖无云影像
Tab.2 Cloud-free images of Lake Chagan during 1984-2019
2.3 降水、风速和NDVI数据来源
气象数据来源于中国气象科学数据共享服务网。选择查干湖北部距离研究区直线距离约13 km的大安站的气象数据来分析其与透明度之间的关系，本研究主要选取气象站的日降水量和风速数据分析两个气象指标与对应Landsat卫星过境时间查干湖透明度（SDD）年均值的关系。归一化植被指数（NDVI）来源于中国科学院资源环境科学数据中心（http://www.resdc.cn/），其空间分辨率为1 km。
2.4 研究方法
本文将132个实测透明度数据与对应反射率数据进行相关性分析，找出与透明度相关性较高的波段组合。随机将132个采样点分为86个建模数据集和46个验证数据集。利用选取的波段组合与透明度进行线性回归分析，通过拟合系数（R2）、均方根误差（RMSE）和平均绝对百分比误差（MAPE）等参数评价模型精度，选出查干湖透明度反演模型。计算公式为：
(1)
(2)
(3)
式中，N为样本总数，、yi 和y′i分别为实测透明度均值、实测透明度和估算透明度。
3 查干湖及周边湖泊透明度反演
3.1 查干湖及周边湖泊透明度反演模型的建立
通过分析Landsat不同波段组合与透明度之间的相关性（表3）发现，所有波段组合中，B3/B1和AV（B3，B1）与透明度的相关系数较高（AV，Mean为均值），分别为0.84和0.71。利用这两个波段组合建立查干湖透明度遥感反演模型（图2），R2为0.88。模型验证的MAPE为14.37%，RMSE为3.37 cm，选择其作为查干湖及周边湖泊透明度反演模型，公式为：
(4)
表3波段组合与透明度相关系数
Tab.3 Correlation coefficients between band combinations and transparency
3.2 查干湖及周边湖泊透明度的时空变化
本文通过建立透明度模型，基于1984—2019年123景Landsat无云影像，估算查干湖及其周边湖泊透明度的空间和年际变化。由图3所示，同一年份内，查干湖、新庙泡、库里泡之间的透明度差异较大，同时各个湖泊内部透明度的空间差异也较大。统计分析结果表明，查干湖水体透明度在15.0~18.0 cm之间变化。查干湖近岸处透明度普遍低于水体中心，基本上以湖心西南为中心，沿西北—东南方向，呈环形区域向外水体透明度逐步降低（图4）。新庙泡水生植被较多，有一定抑制底泥上浮的作用，且新庙泡形状狭长，受风的影响较小，因此其水体透明度相对较高，年平均值在18.0~40.0 cm之间，均值为（30.1±5.4）cm。此外，新庙泡东南侧与灌渠水闸相连，引松花江水入湖，水体中悬浮泥沙较少，因此透明度较高。库里泡的多年透明度平均值为（18.2±1.4）cm，总体上较为浑浊，主要是因为该水体属平原浅水湖泊，并且周边没有水生植被来固着底泥，在风浪大的情况下，底泥很容易悬浮，导致透明度较低。
1984—2019年查干湖及其周边湖泊透明度年均值的变化范围为1.0~63.0 cm，总体呈上升趋势，且以2.3 cm/10 a的趋势增长，平均值为17.6 cm。从1984—2019年透明度年均值看，2016年最高，1987年最低。查干湖与其他深水湖泊相比，平均水深只有2.5 m，湖泊面积大（370 km2），加之松嫩平原风速较大（3.3 m/s），很容易造成底泥再悬浮，因此水体透明度较低。就单个湖泊而言，查干湖在1984—2019年期间年透明度平均值为3.9~26.3 cm，36年的平均值为16.5 cm。新庙泡环湖长有芦苇、香蒲等水生植被，对底泥再悬浮有很好的控制作用，因此透明度较高，且总体上有增加趋势，平均增加速率为2.3 cm/10 a。库里泡透明度年平均值在3.8~32.7 cm之间，均值为18.2 cm。透明度年均值统计结果表明：新庙泡＞库里泡＞查干湖。
图2实测与反演透明度对比
Fig.2Comparison of measured and retrieval transparency
4 查干湖及周边湖泊水体透明度变化影响因素
4.1 风速和降水的影响
风是影响湖泊清澈程度的重要影响因素，而湖泊的清澈程度与湖泊透明度密切相关[24]。风可以使湖面水体随风的方向移动，集中于向风岸并下沉，而背风岸水体发生上升运动，形成湖水垂直闭合环流，从而引起底泥再悬浮、悬浮物增加和水体变浑浊等[25]。通过对比分析用于透明度反演的影像日期和气象站点时间，选择与影像日期相差7、10、15和31天的平均风速与相应估算的透明度均值之间的关系来探究风对湖泊透明度的影响（图5a）。结果表明，平均风速与透明度呈反比，且距影像日期越远相关性越差。与反演透明度影像日期相差7天的平均风速与透明度值的相关性最高，R2 为 0.31；时间跨度由7天延长至更长时间时，与透明度的相关性降低；当时间跨度延长至31天时，相关性最低，R2 为 0.26。这说明风速能引起湖泊透明度降低，且风速对湖泊透明度的影响具有一定的时效性。
图31984—2019年查干湖水体透明度分区变化特征
Fig.3Spatial variation characteristics of water transparency in Lake Chagan during 1984-2019
降水过程中雨水冲刷地表，并通过地表径流裹挟大量陆源物质流入湖中，导致湖泊水体悬浮物增加、透明度降低。而降水也可能增加河流径流量，使湖水容量增加、湖水深度增加、透明度升高。同平均风速一样，通过分析与影像日期相差7、10、15和31天内的降水量与估算透明度均值之间的相关性，发现降水量与透明度的相关性较低（R2为0.01~0.13）（图5b）。但已有研究证明，湖泊透明度的变化与降水量呈负相关。本研究中相关性不显著的原因可能是选择与反演透明度的影像日期相差7、10、15和31天的时间跨度内降水很少，难以与透明度建立很好的相关性。
图41984—2019年查干湖水体透明度空间分布特征
Fig.4Spatial distribution characteristics of water transparency in Lake Chagan during 1984-2019
图5查干湖水体透明度与风速（a）和降水量（b）的相关分析
Fig.5Correlation analysis between water transparency of Lake Chagan and wind speed (a) , precipitation (b)
4.2 NDVI的影响
湖泊透明度主要受水体中悬浮颗粒物、藻类丰度和有色溶解有机物浓度的影响，其中悬浮颗粒物是主导因子。悬浮颗粒物主要通过水土流失侵蚀土壤携带的泥沙注入湖中。植被有水土保持、涵养水源的作用，尤其是湖泊周围的植被，能够有效地缓解土壤流失。本文选用NDVI来代表湖泊周围的植被覆盖情况。通过1998—2018年查干湖流域的NDVI年均值与透明度年均值进行相关性分析，发现透明度与NDVI呈正相关（图6），表明NDVI也是影响水体透明度的因素之一。从透明度与NDVI的关系可以看出，植被覆盖度较高时，地表土壤不易受到侵蚀，降水打到枯枝落叶层，不易造成水土流失，透明度越高；植被覆盖度较低时，易造成水土流失，使得湖中悬浮物增加，透明度降低。总体上，查干湖流域NDVI高时，透明度也高，且在一定范围内呈线性递增趋势。
图6查干湖水体透明度与NDVI的相关分析
Fig.6Correlation analysis of water transparency and NDVI in Lake Chagan
4.3 湖泊面积变化的影响
查干湖作为平原浅水型湖泊，底泥再悬浮对湖泊的透明度产生了重要影响。当湖泊深度增大时，势必影响底泥再悬浮，进而改变湖泊水体透明度。在过去36年期间，查干湖库容和水深都有所增加，一方面是由于“引松工程”通水之后，查干湖有充足水源，湖面迅速增加[26-27]；另一方面是由于查干湖地区降水量未发生明显减少。从1984—2019年8、9月无云Landsat影像可以看出，过去30多年查干湖夏季湖泊面积整体呈上升趋势（图7a），且与透明度年均值的相关性较大（图7b）。从图4查干湖透明度的空间变化可以看出，当查干湖面积较小时，水体较浑浊，当湖泊面积增大时，水体变得较清澈。由此可见，湖泊面积对查干湖透明度有重要作用。
图71984—2019年查干湖面积变化（a）；湖泊面积与透明度年均值的相关性分析（b）
Fig.7Changes in area of Lake Chagan from 1984 to 2019 (a) ; Correlation between lake area and annual mean value of transparency (b)
5 讨论
1）算法的优点和适用范围：该模型具有精度高、误差小等优点，能够较为准确地反演查干湖的透明度以及周边湖泊的透明度变化。
2）算法的不足和局限性：该模型对数据要求较高，需要获取准确的遥感数据和实地采样数据，并且对于不同类型的湖泊和水质状况可能存在一定的误差和局限性。在实际应用中，获取高质量的遥感数据可能会面临一些困难，例如云、雾等大气干扰、传感器噪声等。其次，该模型是在查干湖研究区域建立的，对其他地区进行水体透明度反演可能需要进行适当的调整和验证。不同地区的湖泊特征、水质条件等因素可能会对透明度反演结果产生影响。该模型主要基于光学数据进行透明度反演，但透明度也受到多种非光学因素的影响，如水体中悬浮颗粒物、溶解有机物、浮游植物等，这些因素的影响在该模型中未被充分考虑。
3）对光学条件复杂的内陆水体进行大气校正是一项具有挑战性的任务。传感器在 TOA 接收到的大气路径辐射度主要由瑞利散射和气溶胶散射两部分组成，瑞利散射分量可以通过考虑偏振效应而精确计算，但气溶胶分量的估算却存在很大的不确定性。目前，用于反演内陆水体 SDD 的表观光学参数主要有Rrs（λ）、Rrc（λ）、SR和TOA反射率。本文比较了基于 TOA 和 Rrs（λ）、Rrc（λ）反射率产品的 SDD，估算性能表明， Rrs（λ）产品不适合直接用于内陆水体 SDD 的监测[28]。对几种反射率产品估算 SDD 的性能进行比较发现， TOA的性能最好。虽然瑞利散射反射率也有不错的表现，但由于 Landsat 的分辨率较高，校正一幅场景图像需要花费大量时间，使其难以及时监测大区域尺度的湖泊SDD。许多研究已经证明了利用 TOA 反射率监测湖泊 SDD 的可靠性[29]。本文还比较了基于 TOA 和 SR 反射率产品的 SDD 估算结果。虽然SR 产品经过了大气校正，但效果并未好于TOA产品[13]，其线性度远低于 TOA 产品（表4）。研究发现，当R2从0.45增加到0.80时，MAPD从69.02%降至37.34%，RMSE从1.23 m降至0.76 m。SR产品似乎比TOA更好，因为它完全进行了大气校正。然而，相反的结果暗示，通过陆地目标大气校正方法获得的SR产品可能不适用于的水质检测。这可能是因为陆地目标大气校正方法应用于湖泊和水库时，没有充分考虑相对湿度对气溶胶的影响、地面光谱假设的失效以及气溶胶在地表大气校正方法中的空间差异等因素[30]。因此，认为 TOA 反射率产品用于水体透明度反演更可靠。
表4模型验证和Landsat预测 SDD之间关系的评估
Tab.4 Assessment of the relationship between model validation and Landsat predicted SDD
综上所述，该研究算法在查干湖透明度遥感反演方面具有一定的合理性，但需要注意其局限性，并结合实际情况进行数据验证和结果解释。此外，对于其他内陆水体透明度的研究，需要根据具体情况进行算法的调整和验证。
6 结论
本文在8个时段、多点位查干湖实测数据基础上，利用来自谷歌引擎的Landsat影像进行透明度遥感反演。通过分析不同波段组合与透明度之间的相关性，建立查干湖透明度遥感反演模型，对查干湖透明度进行长时间序列监测，分析查干湖透明度时空变化规律及其影响因素，得出以下结论：
1）通过分析不同波段组合与透明度之间的相关性，发现查干湖透明度与B3/B1和AV（B3，B1）的波段组合具有最好的相关性（R2=0.84，R2=0.71）。模型验证的MAPE为14.37%，RMSE为3.37 cm，模型精度较高，误差较小，可以利用该模型对查干湖以及周边水体透明度进行估算。
2）查干湖以及周边水体透明度范围在0.1~63.0 cm之间，平均值为17.6 cm。新庙泡水体透明度范围在18.0~40.0 cm之间，平均值为30.1 cm。库里泡透明度范围在3.8~32.7 cm之间，平均值为18.2 cm。透明度呈现上升趋势，且空间分布呈近岸低、远岸高的特点。查干湖水体透明的增加与湖泊面积扩张、水位上升有密切关系。
3）查干湖水体透明度与风速和NDVI的相关性较好。查干湖透明度与风速呈负相关，风速越大，透明度越低；与NDVI呈正相关，NDVI越大，透明度越高。
本研究对于认识查干湖研究区水体透明度时间和空间分布规律，保护该区域水体生态环境具有重要意义，也可为其他内陆水体透明度的研究提供借鉴。
