1986–2020 年呼倫湖夏季TSI 數據集

禹政陽，馬榮華,,4＊，許金朵，王貞，胡旻琪

1.中國科學院南京地理與湖泊研究所，湖泊與環境國家重點實驗室，南京 210008

2.中國科學院大學，南京學院，南京 211135

3.國家地球系統科學數據中心，湖泊–流域分中心，南京 210008

4.草原生態安全省部共建協同創新中心，呼和浩特 010021

引 言

湖泊富營養化是指湖泊中營養物質（如氮、磷等）積累，導致水體中浮游植物和藻類大量繁殖，從而引發水質惡化、水生生物死亡、水體變渾濁的現象[1]。湖泊富營養化威脅到湖泊附近的城市地區的用水安全，對水體自身的生態環境造成相當大的隱患。自20 世紀80 年代以來，由于經濟的飛速發展和各類廢水的過量排放，大量的氮、磷等營養物被排入湖泊中，惡化了湖泊水環境，從而造成了水質性缺水，尤其是東部平原湖泊群（巢湖、太湖）和部分西北湖泊（呼倫湖）[2]。因此，對湖泊營養狀態的實時監測可以及時發現和控制水體富營養化，對保護水生態系統和人類健康，以及輔助環境管理，具有重要的意義。

相對于傳統的逐點采樣的監測方式，衛星遙感具有連續、大范圍、周期性觀測的特點[3]。目前衛星遙感手段已經實現了對藻華面積業務化監測，以及富營養化湖泊水質參數（葉綠素a、藻藍素）濃度的反演[4]。Landsat 系列衛星由美國國家航空航天局（NASA）和美國地質調查局（USGS）合作開發，空間分辨率可達30 m，遠高于MODIS 產品的空間分辨率。它可以獲取地球表面的多光譜圖像，從可見光到熱紅外范圍內具有9 個波段（Landsat OLI）。Landsat 產品涉及多個應用領域，如土地覆蓋制圖、農業監測和自然資源管理，并且其數據通過美國地質調查局（USGS）的EarthExplorer 平臺免費向公眾提供。因此本研究以Landsat TM/ETM+/OLI 為數據源。

水體營養狀態的傳統評價指標包括營養鹽濃度、透明度（Secchi Disk Depth，SDD）、葉綠素a（Chlorophyll-a，Chla）濃度，這些指標計算和分析較為簡單，評價結果明了，評價效率高。然而，這些指標存在一定的局限性。例如，透明度只能反映光在水體中的穿透能力，無法直接反映水體中的營養物質濃度以及富營養化對水體生態系統的影響，同時也易受到水文條件變化和水體的生物化學過程的影響[5]。水色指數（Forel-Ule Index）是湖庫、河流和海洋水質的重要衡量指標，與水體清潔度及富營養化狀態相關[6]。水色指數容易受到環境條件的影響，如光照、天氣、水體中的懸浮物等，并且難以通過僅憑水色指數來準確評估營養級別。綜合營養狀態指數（Trophic Level Index，TLI）是一種用于評估水體富營養化程度的指標。它結合葉綠素a 濃度、總氮（Total Nitrogen，TN）、總磷（Total Phosphorus，TP）、透明度和化學需氧量（Chemical Oxygen Demand，COD）計算獲得，旨在提供對水體營養狀態的綜合評估[7]，然而，其中化學需氧量難以通過遙感反演。因此，在本研究所涉及的呼倫湖營養狀態評價中，運用TLI 評價呼倫湖的營養狀態可能存在一定困難?？柹瓲I養狀態指數（Trophic state index，TSI）作為描述水體生態特征和判斷水質狀況的重要指標，被廣泛應用于內陸水體的富營養化研究，它通過透明度、葉綠素a 濃度和總磷濃度計算得出[8-9]。TSI 綜合考慮了多個水質參數，能夠客觀地評估湖泊的富營養化程度，便于對湖泊營養水平進行定量與分級；TSI指數是一種標準化的評價指標，適用于不同湖泊富營養化狀況的對比。因此，這種評估方法更具科學性和客觀性，可以提高評估結果的可靠性。綜合以上幾點，本研究選取TSI 作為水體富營養化評價的指標。

呼倫湖也稱達賚湖，是中國第五大淡水湖，也是東北地區第一大湖[10]。近40 多年來，由于氣候變化和人類活動的影響，湖水總含鹽量和pH 值逐年升高，湖周大面積蘆葦消失、漁業資源瀕臨枯竭和大量珍稀鳥類遷移[11]。同時，呼倫湖水體受到過度施肥、農業污染和工業廢水排放的影響，導致水體中的營養物質如氮、磷等含量增加，富營養化加劇[12]，并導致了有害藍藻水華。因此，為了保證呼倫湖生態系統的可持續性以及周邊城市的用水安全，需要對呼倫湖的營養狀態進行實時監測。本研究的創新點在于將適用于江淮地區湖泊（見表1）的基于藻類生物量指數（Algal biomass index，ABI）的TSI 遙感評價方法[13]，通過修正系數將算法進一步移植到呼倫湖，從而實現呼倫湖水體富營養化遙感評價，生成1986–2020 共35 年的呼倫湖夏季TSI 空間分布時間序列產品。本數據產品可用于分析氣候變化與人類活動對呼倫湖富營養化的影響，為呼倫湖富營養化進程提供理論依據與數據支撐。

表1 湖泊野外采樣日期與樣點數量Table 1 Sampling dates and site numbers of water samples

1 數據采集和處理方法

1.1 數據采集和衛星數據的下載

2013–2018 年間在江淮流域開展湖泊野外采樣活動，選擇不同流域的代表性湖泊共17 個（見表1），共采集了224 組實測數據，其中星地匹配數據共31 條；各個湖泊的空間位置如圖1 所示。本數據集使用Landsat TM、ETM+和OLI 的地表反射率（Surface Reflectance，SR）Tier 1 Collection 1產品，該產品數據在GEE（Google Earth Engine）平臺上免費獲取。

圖1 采樣湖泊與采樣點位的空間分布Figure 1 Spatial distribution of sampling lakes and water samples

SDD（m）在野外試驗過程中測量獲得。在每個采樣點處，使用標準的20 cm 直徑的Secchi 圓盤垂直于水面放入水中。當它剛好消失在視野時，記錄此時圓盤距離水面的高度，作為該樣點處的水體SDD。在每個站點處用采水器采集表層水樣（< 0.3 m），避光冷藏保存并帶回實驗室進行水體物質濃度的測定，Chla 濃度（μg/L）采用丙酮萃取法和分光光度計測定[14-15]，實測光譜的離水反射比Rrs（sr-1）通過FieldSpec Pro Dual VNIR 測定[16]。

1.2 數據處理方法

本數據集對Landsat TM/ETM+/OLI 數據的處理流程包括大氣校正、水體邊界提取、水生植被掩膜和構建基于ABI 的TSI 反演模型。具體流程如圖2 所示。

圖2 數據處理方法流程圖Figure 2 Flow chart of data processing

1.2.1 傳感器一致性評價

由于Landsat TM/ETM+/OLI 三者的過境時間沒有重合，因此無法直接進行對比。已有研究在清水湖泊中利用兩顆傳感器重疊處相差一天進行對比，但本研究區呼倫湖的水體變化快，一天內湖泊環境會發生顯著差異，因此我們參考CAO[17]的方法，借助MODIS 進行間接對比。MODIS（中分辨率成像光譜儀）是美國航天局研制的大型遙感儀器。自2000 年開始投入運行，時間分辨率為1 天，其成像時間可以與Landsat 系列的三個傳感器重合，因此可以作為不同傳感器一致性評價的參考。因此，本數據集使用MODIS Aqua 地表反射率產品對Landsat 系列衛星的地表反射數據進行一致性分析。MODIS Aqua 地表反射率產品空間分辨率為250 m，可以從GEE 平臺獲取[18]。

分析Landsat 系列衛星的一致性，需要進行以下主要步驟：首先，從37 張Landsat 影像中選取14 張OLI 影像、13 張ETM+影像和10 張TM 影像。這些影像覆蓋了渾濁、藍藻水華和較為清澈的水體狀況，這樣可以確保評價結果的可信度。其次，在野外采樣過程中，各采樣點之間距離大于1 公里，且距離湖岸超過1 公里，以避免臨近像元與臨岸混合像元對計算精度的影響。然后，計算點位處25×25 窗口的ABI 平均值，基于Landsat 各景影像的地表反射率，并計算匹配的MODIS 相同點位處3×3 窗口的ABI 平均值，以統一不同傳感器空間分辨率下的像元尺度。最后，參考公式（1）和公式（2），比較兩個傳感器SR 計算的ABI 相關性，并根據擬合關系將基于TM、ETM+的ABI校正到OLI 上。

1.2.2 遙感數據的預處理

為消除大氣吸收和散射對反射率的影響，本數據集采用LEDAPS（Landsat Ecosystem Disturbance Adaptive Processing System）算法對TM 和ETM 地表反射率產品進行大氣校正，使用LaSRC（Landsat Surface Reflectance Code，Version 2.0）算法對OLI 地表反射率產品進行大氣校正[19-20]。利用CFMASK算法生成的質量評估波段，對像元進行篩選，去除云、云陰影、冰雪像元?；诖髿庑Ｕ蟮姆瓷渎?，根據公式（3），將其進一步轉換為水體表面的離水反射比Rrs（sr-1）。

式中，min(SRNIR:SRSWIR)表示近紅外和短波紅外地表反射率的最小波段值。λ對應各波段處的波長。公式（1）利用清潔水體在近紅外波段低反射率、渾濁水體在短波紅外波段低反射率的特性，將各個波段的反射率與二者的最小值做差值運算，從而達到去除殘余氣溶膠、水面天空反射光以及太陽耀斑影響的目的[21-22]。

1.2.3 呼倫湖水體提取與水生植被掩膜

首先對呼倫湖水體邊界進行識別與提取，具體流程如下：

（1）結合NASA 官方提供的遙感影像，對其進行目視判斷，剔除呼倫湖有云層覆蓋的TM、ETM+和OLI 影像數據；

（2）根據1.2.1 中經過的轉換得到的離水反射比Rrs（sr-1），計算呼倫湖地區的歸一化水體指數（Normalized Difference Water Index, NDWI），使用基于NDWI 的動態閾值法對水體邊界進行提取，獲取最初的水體邊界范圍[23]；

（3）為消除水陸邊界的混合像元，對提取的呼倫湖水體邊界向內取三個像元[24]，將該結果作為最終的呼倫湖水體邊界。

藻華像元和水生植被像元對遙感反演精度有著不可忽視的影響。本數據集進一步對湖泊水體中的藻華與水生植被像元進行掩膜，參照了Hu[25]所提出的浮游藻類指數FAI（Floating algal index），將其應用至內陸二類水體。FAI 計算過程見公式（4），水生植被和藻華的去除結果如圖3 所示。

圖3 藻華與水生植被像元掩膜Figure 3 Masking of pixels contaminated by bloom and aquatic vegetation

式中，SRSWIR、SRNIR、SRRED分別對應OLI 短波紅外（1609 nm）、近紅外波段（865 nm）與紅光波段（655 nm）的地表反射率，λ對應各波段處的波長。本數據集利用統一閾值去除浮游藻類像元，結合直方圖將FAI 閾值確定為-0.004，進一步去除藻華與水生植物像元。

1.2.4 基于ABI 的TSI 遙感反演模型構建

呼倫湖的采樣數據表明，呼倫湖水體中的Chla 濃度均值大于20 μg/L。相關的研究表明Chla 對于藻類生物量的指示更加穩定[26]，因此本數據集將使用基于Chla 的TSI 作為呼倫湖營養級別評價指標（參考公式（5））?；赥SI（Chla）的營養級別劃分標準：TSI（Chla）≤ 40 屬于貧營養型；4160 屬于高度富營養型[5]。根據該標準對呼倫湖進行營養級別評級。

水體富營養化的本質是藻類生物量的增加，遙感技術所探測到的信號不僅包括水體表面的信息，也包括真光層內水體綜合信息，例如垂向藻類生物量[2]。對此，Hu 等人[27]提出了藻類生物量指數，以定量評估二類水體的藻類生物量，它與藻類生物量之間是負相關關系。該指數通過分別基于近紅外波段、藍光波段及綠光波段和紅光波段、藍光波段及綠光波段構建的兩條基線的差值，對真光層內藻類生物量具有很好響應。ABI 計算方法如公式（6）：

式中，BLUE、GREEN、RED和NIR分別對應Landsat-8 OLI 在482 nm、561 nm、665 nm 與865 nm處的地表反射率，λ為相應波長。

由于呼倫湖實測數據數量的限制，本數據集利用東部江淮地區湖泊的實測離水反射比Rrs（sr-1），計算ABI 和TSI，并以之為基礎建立基于ABI 的TSI 反演模型，將其運用至呼倫湖。模型的擬合結果如圖4 所示，隨著ABI 的增加，藻類生物量減少，TSI 也隨之降低。該模型在東部的湖泊水質遙感反演中效果良好，因此本研究將該模型嘗試用于呼倫湖，以獲取呼倫湖TSI 時空變化信息。

圖4 基于ABI 的TSI 反演模型Figure 4 ABI-based TSI inversion model

2 數據樣本描述

1986–2020 年呼倫湖夏季TSI 數據集的數據實體名稱為：HulunLake_TSI.tif。本數據集空間分辨率為30 m，均為柵格數據，數值范圍為50–100。呼倫湖TSI 空間分布如圖5 所示，1986–2020 年間，呼倫湖TSI 最大值達到100，最小值為0；從空間分布模式上看，湖心區的TSI 通常低于近岸區的TSI。在1986–1994、1999–2004、2017–2020 年間，呼倫湖TSI 呈現驟降趨勢；然而在1998–2001、2007–2008、2013–2016 年間，呼倫湖的TSI 呈現上升趨勢。2013 年之后，呼倫湖的TSI 基本維持在較高水平。

圖5 呼倫湖夏季TSI 空間分布圖Figure 5 Spatial distribution of TSI of Hulun Lake in summer

3 數據質量控制和評估

本數據集為確保數據的準確性，根據光譜響應函數（Spectral Response Function，SRF），將實測光譜數據換算成OLI 模擬的離水反射率Rrs（sr-1）。為提高星地同步匹配的準確性，采用鄰近像元的方式進行空間匹配，同時在時間匹配中，將時間差小于3 小時的觀測值視為同步觀測。Landsat-8 OLI 各波段Rrs（λ）與基于實測光譜模擬的OLI 各波段Rrs（λ）對比結果如圖6 所示，在不同的波長處，模擬的反射率Rrs（λ）的均方根誤差均小于0.0045，平均絕對百分比誤差均小于11.51%；基于模擬反射率得出的ABI 與衛星反射率得出的ABI 相比，均方根誤差為0.0045，平均絕對百分比誤差為9.73%。

圖6 基于模擬OLI 的Rrs（sr-1）和OLI 的Rrs（sr-1）對比結果圖Figure 6 Comparison betweem simulated OLI Rrs（sr-1）and OLI Rrs（sr-1）

本數據集利用呼倫湖現有的實測數據對基于東部江淮地區湖泊實測數據建立的TSI 反演模型進行精度評價，結果如圖7（a）所示，基于實測離水反射比的TSI 和基于OLI 反射率的TSI 的平均絕對百分比誤差為3.53%，均方根誤差為2.39，均保持在較低的水平。根據呼倫湖富營養化已有的研究結果[28]，對本數據集的精度進行評價，結果見圖7（b），平均絕對百分比誤差和均方根誤差分別為7.53%和4.50。

圖7 模型精度評價圖Figure 7 Evaluation of the model accuracy

4 數據使用方法和建議

TSI 作為湖泊富營養化的指示器，是對水體進行實時監測的關鍵指標，因此在二類水體的富營養化時空變化研究領域得到了廣泛應用。本數據集是基于ABI 的TSI 反演結果，精度較高。本數據實體解壓后的tif 數據可以使用專業的GIS軟件打開和編輯，也可以使用R 語言或python 的相關package直接讀取分析；其時間序列涵蓋了1986–2020 的呼倫湖TSI 的空間分布信息，可以為呼倫湖生態環境監測提供必不可少的數據支持。

致 謝

感謝Google Earth Engine（簡稱GEE）平臺提供的豐富數據資源和強大技術支持，為本數據集提供了重要的數據基礎和分析工具；感謝NASA（美國國家航空航天局）提供的衛星數據支持，為本數據集提供了非常寶貴的數據資源。

數據作者分工職責

禹政陽（1997—），男，山東省煙臺市人，博士生，研究方向為湖泊環境遙感。主要承擔工作：數據生產，結果驗證，論文撰寫和修改。

馬榮華（1972—），男，山東省臨沂市人，博士，研究員，研究方向為湖泊環境遙感。主要承擔工作：總體思路設計，論文修改。

許金朵（1982—），女，江蘇省睢寧縣人，碩士，工程師，研究方向為數據庫建設、數據共享和地圖學與地理信息系統。主要承擔工作：數據準備，數據整理與上傳。

王貞（1983—），女，河南安陽人，碩士，研究方向為地理信息制圖。主要承擔工作：論文數據下載及處理、數據編輯。

胡旻琪（1994—），女，江蘇省南京市人，博士，助理研究員，研究方向為湖泊環境遙感。主要承擔工作：衛星一致性評估，論文修改。