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, 南京 210008;
3. 中国科学院大学, 北京 100049;
4. 杭州市环境保护科学研究院, 杭州 310014
2. State Key Laboratory of Lake Science and Environment, Nanjing Institute of Geography and Limnology, Chinese Academy of Sciences, Nanjing 210008, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. Hangzhou Institute of Environmental Science, Hangzhou 310014, China
光合有效辐射(photosynthetically active radiation,PAR)是指波长在400~700 nm的可见光部分的辐射,这部分辐射进入水体后,受到湖水中悬浮颗粒物(TSM)、 有色可溶性有机物(CDOM)和浮游植物的吸收和散射作用发生衰减[1],其分布及性质对水生生物的生长和水体的初级生产力有重要影响[2, 3, 4, 5]. 因此,表征PAR在水体中衰减的参数PAR漫射衰减系数[Kd(PAR)]是湖泊光学与水色遥感研究总的一个重要参数,反映了太阳辐射在湖水中的分布及变化,是湖水清澈或浑浊程度的真实反映. 精确估算Kd(PAR)可更好地了解水体的光学性质和光学类型以及更深入地分析水体生物、 水文要素和水化学性质,可为水体的环境质量评价和水体环境的生态修复提供基础资料[1, 6, 7].
国内外许多学者利用遥感技术对漫射衰减系数进行估算研究. 归纳起来可以分为以下3类:①构建漫射衰减系数和叶绿素a(Chla)的经验关系[8]; ②基于辐射传输模型,通过解吸收或者解后向散射来构建漫射衰减系数与固有光学量之间的关系[9, 10, 11]; ③构建漫射衰减系数和遥感影像单波段或多波段通道的归一化离水辐亮度(或者遥感反射率)之间的统计关系[12, 13, 14, 15, 16]. 方法①通常用于漫射衰减系数主要受浮游植物影响的Ⅰ类水体,并不适用于漫射衰减系数同时受CDOM和TSM影响的内陆水体[5]. 方法②是反演漫射衰减系数的一种理想方法. 然而,它需要水体固有光学特性的精确信息,特别是后向散射系数,而目前后向散射系数精确测定仍然存在一定不确定性[17]. 方法③简单易于构建,而且可以降低大气校正误差对估算结果的影响,是目前应用较多的一种方法[18].
针对第③类模型,国内外学者基于统计关系对Kd(PAR)的估算进行了大量研究. Austin等[19]利用Coastal Zone Color Scanner (CZCS)数据的第1、 2波段(443和550 nm)离水辐亮度的比值较好地估算了沿海水域漫衰减系数. Mueller等[13]利用Sea-viewing Wide Field-of-view Sensor(SeaWiFS)数据的490 nm和555 nm两个波段位置的归一化离水辐亮度比值估算了Ⅰ类水体的漫衰减系数. Zhang等[20]以中心波长为490 nm和555 nm波段的遥感反射率的比值作为指数模型的因子对清洁水体的漫衰减系数进行估算,并利用中心波长为490 nm和665 nm波段的遥感反射率的比值作为指数模型的因子对浑浊水体的漫衰减系数进行估算. Shi等[5]利用Medium Resolution Imaging Spectrometer(MERIS)数据第10波段(753 nm)的大气顶层辐亮度对太湖的漫衰减系数进行了估算. Zhang等[16]利用Moderate Resolution Imaging Spectroradiometer(MODIS)数据的859 nm和748 nm通道分别构建了Kd(PAR)的单波段模型,并对太湖的漫射衰减系数进行了估算研究. 然而以上研究主要集中在清洁的Ⅰ类海洋水体和受无机悬浮物主导的浑浊内陆水体,并不适合较为清洁的内陆水体[12, 21]. 与这些常用的传感器(CZCS、 SeaWiFS、 MERIS和MODIS)相比较,Landsat卫星数据具有更高的空间分辨率(30 m),可以很好地满足较小湖泊,水库等内陆水体的遥感探测需求,尤其是于2013年2月发射的Landsat 8卫星因其波段更多,波段划分更加精细等特点很好地继承了Landsat系列数据的延续性[22],具有很好的漫射衰减系数遥感反演潜力.
新安江水库位于中国浙江省杭州市西南部的淳安县和建德市境内,最大水深100 m,平均水深30.44 m,常年水位在108 m左右[23, 24],全湖平均水质可达Ⅰ类水质标准[25]. 作为钱塘江的重要水源,新安江水库对保障钱塘江中下游的水域生态安全及未来长三角饮用水供水安全起着极其重要的作用,因此迫切需要加强新安江水库水下光环境的监测. 本文结合同步采样数据和Landsat 8遥感影像数据,构建新安江水库Kd(PAR)的遥感估算模型并应用于14景影像,获得新安江水库Kd(PAR)的时空变化规律,并探讨其主要影响因素.
1 材料与方法 1.1 采样数据于2013年12月1日和2014年7月29日卫星过境时进行了两次野外同步实验,为获取较高质量的Kd(PAR)数据,选择晴天无风或低风的天气,采样时间为08:30~16:30(确保一定的太阳高度角,降低散射光的比例,计算获得更为准确的漫射衰减系数. 此外,较高的太阳高度角也可以减小测量仪器自阴影对测量结果的影响,保证较强的太阳辐射强度,提高测量的准确性). 每次采样包括60个采样点(图 1:样点1~60),剔除两次采样中受水面漂浮垃圾影响的样点,对有效的90个样点随机抽取60个样点用于模型的构建,余下的30个样点用于模型的验证. 采样时记录每个样点的经纬度、 风速风向等信息. 将水样低温冷藏,并当天送到实验室.
总悬浮物浓度采用称量法测定:将所有水样用煅烧过的GF/F(Whatman)过滤膜过滤,再将滤膜在105℃条件下烘干4 h称量得到.
叶绿素a的测定采用分光光度法,在80℃条件下,用90%的热乙醇萃取提取色素,然后在分光光度计上通过测定750 nm和665 nm的吸光度换算得到叶绿素a浓度.
水面以下PAR的测定选用Li-cor192SA水下光量子仪. 观测期间天空基本上晴朗,分水下0、 0.25、 0.5、 0.75、 1.0、 1.5、 2.0、 2.5、 3.0、 3.5、 4.0、 4.5和5.0 m共13层测定PAR强度,每层记录3个数据,用平均值代替该层数据,Kd(PAR)通过对不同深度水下辐照度进行指数回归得到,当回归方程决定系数≥0.99时认为对应的Kd(PAR)是有效数据,其他不符合条件的数据剔除[16].
1.2 降雨量数据降雨量观测站位于淳安县(29°37′N,119°01′E)(图 1中 ▲ 位置),数据来自中国气象科学数据共享服务网(http://cdc.nmic.cn/home.do).
1.3 卫星数据新安江水库湖口狭窄,中低分辨率遥感影像(CZCS,SeaWiFS,MERIS和MODIS)的像元尺寸比新安江水库某些入湖口还大,从而造成混合像元的出现,进而降低反演精度,因此需要基于较高空间分辨率的遥感影像来构建新安江水体Kd(PAR)遥感估算模型. Landsat 8是太阳同步轨道卫星,轨道倾角为98.2°,轨道高度为705 km,运行周期为98.9 min,它携带2个主要载荷:运行陆地成像仪(operational land imager,OLI)和热红外传感器(thermal infrared sensor,TIRS). 与Landsat 5/Landsat 7相比,Landsat 8 OLI增加了2个波段:深蓝波段[(433~453)nm]和短波波段[(1 360~1 390)nm],第八波段(全色波段)位置也由原来的(520~900)nm调整为(500~680)nm,其他几个波段的边界也均有调整. 总的来说,Landsat 8涵盖的波段更多、 波段划分更加精细,每景卫星数据的下行速率也由原来的150 Mbps提高到441 Mbps,数据总量是以往的3倍. 本研究选择与野外采样时间准同步的两景Landsat 8数据用于模型的构建和验证,其中与2013年11月29日至12月1日对应的准同步卫星过境时间为12月1日,与2014年7月30日至8月1日对应的准同步卫星过境时间为7月29日,剔除两次采样中受漂浮垃圾影响的样点,对有效的90个样本随机抽取60个样本用于模型的构建,剩余的30个样本用于模型的验证(表 1),由于新安江水库水深较深,受沉积物再悬浮的影响较小,水体中影响漫射衰减系数的各组分短期内随时间变化并不是很大,因此本研究采用的卫星过境时间和采样时间相差1~2 d是可以接受的. 对2013~2015年获取的14景无云Landsat 8影像进行辐射定标和大气校正[22],然后将构建的模型应用于影像获得漫射衰减系数的时空格局. 为了分析新安江水库水体PAR漫射衰减系数的季节性变化,将14景无云Landsat 8影像按照季节分为四类:春季(3~5月)、 夏季(6~8月)、 秋季(9~11月)和冬季(12~次年2月)(表 2).
运用SPSS 17.0进行数据统计分析,包括计算最小值、 最大值、 中值、 平均值、 绝对值、 标准差、 方差分析等,显著性水平用显著(P<0.05)和不显著(P>0.05)表示,差异性用t-tests(P<0.05)检测. 模型系数确定采用Matlab软件,通过最小二乘法非线性拟合得到. 引入决定系数、 均方根误差(root mean square error,RMSE)和相对误差绝对值均值(mean absolute relative error,MARE)作为统计量来检验反演值和实测值是否一致. RMSE和MARE的计算式如下:
式中,xEst,i和xObs,i分别为第i波长处模拟值和实测值,n是样本数. 2 结果与分析 2.1 水体组分与光学参数表 1表明3个生物光学参数变化区间都较小,TSM浓度变化范围:(0.67~4.52) mg ·L-1,均值为(1.34±0.82) mg ·L-1,相比太湖[26, 27, 28, 29]、 巢湖[17, 30]等水体,新安江水库TSM浓度均值较低,属于较清洁水体. Chla的变化范围:(1.18~5.31)μg ·L-1,均值为(2.65±0.87)μg ·L-1. Kd(PAR)的变化范围:(0.26~0.94)m-1,均值为(0.46±0.18)m-1.
2.2 模型的构建和验证通过对Landsat 8 OLI多光谱变量与Kd(PAR)进行相关性分析,可以发现,对Kd(PAR)信息敏感的波段为绿光波段[(530~590)nm],其次是全色波段[(500~680)nm]和蓝光波段[(450~510)nm],决定系数分别为0.63、 0.54和0.32. 为了寻找Kd(PAR)信息最为敏感的遥感数据多波段变量因子,对这3个波段进行线性、 指数、 对数、 多项式组合运算,将这些组合作为Kd(PAR)的估算因子,并且分析这些因子与Kd(PAR)的相关性. 选取与Kd(PAR)相关性较高的估算因子进行回归分析,建立回归方程. 经过比较发现通过构建的Kd(PAR)与反演因子之间的各种关系模型中,使用多元线性回归模型能够较好地描述Kd(PAR)与反演因子之间的关系,估算模型如下:
三波段模型[式(3)]的估测值和预测值相对误差绝对值均值MARE为10.49%,均方根误差RMSE为0.06 m-1. 利用验证样本对三波段模型[式(3)]进行验证可以看出,模型具有较高的反演精度,预测值和实测值相对误差绝对值均值MARE为9.16%,均方根误差RMSE为0.06 m-1(图 2).
图 3基于三波段模型[式(3)]并结合14景无云的Landsat 8影像给出了新安江水库2013年5月至2015年4月之间Kd(PAR)的季节分布. 通过t-tests(P<0.05)检测发现,Kd(PAR)季节差异性明显,秋季和夏季PAR漫射衰减系数较高,分别为(0.82±0.60)m-1和(0.77±0.41)m-1. 冬季和春季PAR漫射衰减系数相对较低,分别为(0.56±0.50)m-1和(0.40±0.45)m-1. 秋夏季值显著高于冬春季值.
图 4基于三波段模型统计得到各季节Kd(PAR)值频率分布. 春季Kd(PAR)的变化范围为:(0.003~6.47)m-1,众数为0.26 m-1; 夏季Kd(PAR)的变化范围为:(0.007~13.86)m-1,众数为0.73 m-1; 秋季Kd(PAR)的变化范围为:(0.01~11.54)m-1,众数为1.54 m-1; 冬季Kd(PAR)的变化范围为:(0.002~8.77)m-1,众数为: 0.54 m-1.
对14景估算得到的Kd(PAR)产品取均值得到新安江水库Kd(PAR)的空间分布(图 5),并基于此统计得到Kd(PAR)值频率分布(图 6). 整个新安江水库Kd(PAR)变化范围为:(0.002~13.86)m-1,均值为:(0.64±0.49)m-1. 漫射衰减系数的最大值出现在湖的边缘区即与陆地交接处以及一些湖湾枝杈(最大值的像元数极少,所占百分比小于0.005%),99%以上区域的Kd(PAR)在2.8 m-1以下.
以往研究显示,如果TSM浓度和Kd(PAR)之间具有显著相关,用于估算TSM的波段同样适合用来估算Kd(PAR)[5]. 对于新安江水库,TSM浓度和Kd(PAR)之间相关性显著(R2=0.84),所以适合用于估算新安江水库TSM浓度的波段同样适合用来估算新安江水库PAR漫射衰减系数. 有研究通过比较不同悬浮物浓度的光谱曲线表明[31, 32, 33, 34, 35]:在690~900 nm波段,水体反射率随悬浮物含量的增加而单调增加,适合用来监测悬浮物. 但对于较清洁的新安江水体,反射率在该位置的变化并不明显,因而限制该方法的进一步应用[22]. 有报道分别基于Landsat TM、 SPOT、 SeaWiFS和MODIS数据对不同研究区域的悬浮物浓度进行研究[36, 37, 38, 39],发现其对应的敏感波段分别为450~520、 500~590、 545~565和620~670 nm. 基于以上学者的研究,张毅博等[22]选择与以上波段相符的Landsat 8第二(530~590 nm)、 三(530~590 nm)和八(500~680 nm)波段构建总悬浮物浓度的估算模型(R2>0.9),利用验证样本对该模型进行验证,结果表明该模型精度较高(RMSE=0.16 mg ·L-1,MARE=11.49%). 因此本文也基于Landsat 8的第二、 三和八波段构建新安江水体Kd(PAR)估算模型.
很多学者利用经验的或者半经验的方法构建漫射衰减系数的估算模型,Shi等[5]和Zhang等[16]分别利用MERIS和MODIS在700 nm以后的波段数据构建了Kd(PAR)的单波段模型,并对太湖的漫衰减系数进行了估算研究. 然而以上研究主要针对受无机悬浮物主导的浑浊内陆水体,对较为清洁的内陆水体,700 nm以后的波段遥感反射率信号微弱,采用单波段模型不适合用来估算PAR漫射衰减系数[12, 21, 22]. 同时,为了进一步评估本研究的模型,选择文献[8, 10, 13, 19]的模型估算新安江水库Kd(PAR). 研究发现,这些模型的估算值和测量值之间的平均相对误差百分比分别是32%、 36%、 27%和22%,模型的精度低,不能满足新安江水库中Kd(PAR)估算精度的要求. 因此,需要一个改进的模型对该地区PAR漫射衰减系数进行估算. 本文选用Landsat 8的第二、 三和第八波段数据来构建PAR漫射衰减系数的估算模型. 利用验证样本对该模型进行验证,结果表明该模型精度较高(RMSE=0.06 m-1,MARE=9.16%),因此可以认为,利用上述3个波段构建的模型对较为清洁的内陆水体(TSM<25 mg ·L-1,TSM/Chla<2.2×103)的PAR漫射衰减系数估算是有效的,但是,由于受到样本数量的限制,本文所构建的模型对于更大变化范围的PAR漫射衰减系数估算是否仍然有效还需要更深入的研究.
3.2 Kd(PAR)时空分布影响机制以往研究表明季节性降雨和藻类的季节性生长会影响悬浮物和Kd(PAR)的分布[5, 18, 40, 41]. 对14景影像Kd(PAR)估算值均值与成像前10、 7和5 d累计降雨量进行回归分析(累计降雨量为0 mm的不纳入分析)(图 7),结果表明全湖Kd(PAR)均值受降雨的影响较大,累计降雨量越大,Kd(PAR)均值越高,并且影像成像前5 d累计降雨量与Kd(PAR)的相关性比影像成像前10 d和前7 d累计降雨量与Kd(PAR)的相关性高. 夏季梅雨和暴雨之后,地表径流携带大量泥沙进入水库,导致漫射衰减系数显著增加,而冬季降雨量明显低于夏季和秋季导致漫射衰减系数显著下降(图 8). 另外,受水体营养盐的影响,藻类在夏季和秋季生长旺盛,冬季和春季生长缓慢[23]. 因此可以认为,季节性降雨和藻类季节性爆发是新安江PAR漫射衰减系数季节变化的主要原因,两者共同作用导致新安江水体夏季和秋季PAR漫射衰减系数整体水平较高,而冬季和春季PAR漫射衰减系数整体水平较低(图 3).
有关研究表明入湖河流和降雨量输入会影响悬浮物和Kd(PAR)的分布[26, 18, 40, 41]. 通过测算新安江3条入湖河流各采样点到最近开敞区样点的距离,并且分别从14景Kd(PAR)估算产品中提取三条入湖河流各采样点位置的Kd(PAR)值,对距离和Kd(PAR)均值进行回归分析(图 9),结果表明新安江入湖河流PAR漫射衰减系数与到最近开敞区的距离显著性正相关(R2>0.7),入湖河流距离开敞区越远,PAR漫射衰减系数越大,入湖河流距离开敞区越近,PAR漫射衰减系数越小(图 9). 除受入湖河流和降雨量输入影响外,湖泊水体PAR漫射衰减系数分布还受到水域采砂活动影响. 新安江水库受水域采砂活动影响导致总悬浮物浓度较高的部分位于湖的边缘以及一些湖湾枝杈位置(威坪镇、 临岐镇、 汾口镇、 枫树岭镇、 大墅镇和安阳乡),其中受采砂影响最大的汾口水域TSM浓度最大,平均TSM浓度大于10 mg ·L-1,其次是安阳水域和大墅水域,平均TSM浓度为5.0 mg ·L-1; 最后是东方大桥以上威坪水域和溪口大桥以上临岐水域,其平均TSM浓度在2.5 mg ·L-1左右[22],在图 8中表现为,同一时期汾口水域的漫射衰减系数最大为2.0 m-1,其次是安阳水域和大墅水域,其平均漫射衰减系数为1.0 m-1,最后是东方大桥以上威坪水域和溪口大桥以上临岐水域,其平均漫射衰减系数为0.8 m-1. 因此可以认为,新安江入湖河流PAR漫射衰减系数主要受入湖河流和降雨输入的影响,其次是由于部分水域采砂过程导致总悬浮物浓度变化引起. 由此可见,利用遥感技术可分析入湖河流、 降雨输入和采砂活动对新安江水库水下光场分布及变化的影响,可为水体的环境质量评价和水体环境的生态修复提供基础资料.
(1)针对特定区域(新安江水库)提出了一个PAR漫射衰减系数的估算模型,该模型对较清洁水体而言,具有较好的效果,估算模型为:
(2)新安江水库PAR漫射衰减系数季节差异性明显. 秋季和夏季PAR漫射衰减系数较高,而冬季和春季PAR漫射衰减系数相对较低. 新安江水库PAR漫射衰减系数空间差异性显著,全湖PAR漫射衰减系数变化范围为0.002~13.86 m-1,均值为(0.64±0.49) m-1,高值部分主要位于3条入湖河流以及一些湖湾枝杈位置.
(3)漫射衰减系数的这种季节变化主要由季节性降雨和藻类季节性暴发引起,空间变化主要由入湖河流和降雨输入导致悬浮物浓度变化,其次是水域采砂过程导致悬浮物浓度变化引起. 利用遥感技术分析新安江水库PAR漫射衰减系数的时空分布,可为水体的环境质量评价和水体环境的生态修复提供基础资料.
致谢: 野外观测得到杭州市环境保护科学研究院的殷燕工程师以及淳安县环境保护监测站的吴志旭站长支持和帮助. 刘笑菡、 王明珠、 刘刚、 蒋浩等参加野外观测和室内分析,一并表示感谢.
[1] | 张运林, 秦伯强, 陈伟民, 等. 太湖水体光学衰减系数的分布及其变化特征[J]. 水科学进展, 2003, 14 (4): 447-453. |
[2] | Carter C M, Ross A H, Schiel D R, et al. In situ microcosm experiments on the influence of nitrate and light on phytoplankton community composition[J]. Journal of Experimental Marine Biology and Ecology, 2005, 326 (1): 1-13. |
[3] | McMinn A, Hirawake T, Hamaoka T, et al. Contribution of benthic microalgae to ice covered coastal ecosystems in northern Hokkaido, Japan[J]. Journal of the Marine Biological Association of the United Kingdom, 2005, 85 (2): 283-289. |
[4] | Zhang Y L, Qin B Q, Hu W P, et al. Temporal-spatial variations of euphotic depth of typical lake regions in Lake Taihu and its ecological environmental significance[J]. Science in China Series D, 2006, 49 (4): 431-442. |
[5] | Shi K, Zhang Y L, Liu X H, et al. Remote sensing of diffuse attenuation coefficient of photosynthetically active radiation in Lake Taihu using MERIS data[J]. Remote Sensing of Environment, 2014, 140 : 365-377. |
[6] | 乐成峰, 李云梅, 查勇, 等. 太湖水体漫射衰减系数的光学特性及其遥感反演模型[J]. 应用生态学报, 2009, 20 (2): 337-343. |
[7] | Saulquin B, Hamdi A, Gohin F, et al. Estimation of the diffuse attenuation coefficient KdPAR using MERIS and application to seabed habitat mapping[J]. Remote Sensing of Environment, 2013, 128 : 224-233. |
[8] | Morel A, Huot Y, Gentili B, et al. Examining the consistency of products derived from various ocean color sensors in open ocean (Case 1) waters in the perspective of a multi-sensor approach[J]. Remote Sensing of Environment, 2007, 111 (1): 69-88. |
[9] | Lee Z P, Darecki M, Carder K L, et al. Diffuse attenuation coefficient of downwelling irradiance: An evaluation of remote sensing methods[J]. Journal of Geophysical Research: Oceans (1978-2012), 2005, 110 (C2): C02017a>. |
[10] | Lee Z P, Du K P, Arnone R. A model for the diffuse attenuation coefficient of downwelling irradiance[J]. Journal of Geophysical Research: Oceans (1978-2012), 2005, 110 (C2): C02016. |
[11] | Lee Z P, Weidemann A, Kindle J, et al. Euphotic zone depth: Its derivation and implication to ocean-color remote sensing[J]. Journal of Geophysical Research: Oceans (1978-2012), 2007, 112 (C3): C03009. |
[12] | Wang M H, Son S H, Harding Jr L W. Retrieval of diffuse attenuation coefficient in the Chesapeake Bay and turbid ocean regions for satellite ocean color applications[J]. Journal of Geophysical Research: Oceans (1978-2012), 2009, 114 (C10): C10011. |
[13] | Mueller J L. SeaWiFS algorithm for the diffuse attenuation coefficient, K(490), using water-leaving radiances at 490 and 555 nm[A]. In: Hooker S B, Firestone E R (Eds.). SeaWiFS postlaunch calibration and validation analyses, Part, 3, vol. 11[M]. Greenbelt, MD: NASA Goddard Space Flight Cent, 2000. 24-27. |
[14] | Doron M, Babin M, Mangin A, et al. Estimation of light penetration, and horizontal and vertical visibility in oceanic and coastal waters from surface reflectance[J]. Journal of Geophysical Research: Oceans (1978-2012), 2007, 112 (C6): C06003. |
[15] | Kratzer S, Broc kmann C, Moore G. Using MERIS full resolution data to monitor coastal waters-a case study from Himmerfjärden, a fjord-like bay in the northwestern Baltic Sea[J]. Remote Sensing of Environment, 2008, 112 (5): 2284-2300. |
[16] | Zhang Y L, Liu X H, Yin Y, et al. A simple optical model to estimate diffuse attenuation coefficient of photosynthetically active radiation in an extremely turbid lake from surface reflectance[J]. Optics Express, 2012, 20 (18): 20482-20493. |
[17] | 施坤, 李云梅, 刘忠华, 等. 基于半分析方法的内陆湖泊水体总悬浮物浓度遥感估算研究[J]. 环境科学, 2011, 32 (6): 1571-1580. |
[18] | Xi H Y, Zhang Y Z. Total suspended matter observation in the Pearl River estuary from in situ and MERIS data[J]. Environmental Monitoring and Assessment, 2011, 177 (1-4): 563-574. |
[19] | Austin R W, Petzold T J. The determination of the diffuse attenuation coefficient of sea water using the Coastal Zone Color Scanner[J]. Oceanography from Space, 1981, 13 : 239-256. |
[20] | Zhang T L, Fell F. An empirical algorithm for determining the diffuse attenuation coefficient Kd in clear and turbid waters from spectral remote sensing reflectance[J]. Limnology and Oceanography: Methods, 2007, 5 (12): 457-462. |
[21] | Son S H, Campbell J, Dowell M, et al. Primary production in the Yellow Sea determined by ocean color remote sensing[J]. Marine Ecology Progress Series, 2005, 303 (1): 91-103. |
[22] | 张毅博, 张运林, 査勇, 等. 基于Landsat 8影像估算新安江水库总悬浮物浓度[J]. 环境科学, 2015, 36 (1): 56-63. |
[23] | 韩晓霞, 朱广伟, 吴志旭, 等. 新安江水库(千岛湖)水质时空变化特征及保护策略[J]. 湖泊科学, 2013, 25 (6): 836-845. |
[24] | Zhang Y L, Wu Z X, Liu M L, et al. Thermal structure and response to long-term climatic changes in Lake Qiandaohu, a deep subtropical reservoir in China[J]. Limnology and Oceanography, 2014, 59 (4): 1193-1202. |
[25] | 韩伟明, 胡水景, 金卫, 等. 千岛湖水环境质量调查与保护对策[J]. 湖泊科学, 1996, 8 (4): 337-344. |
[26] | Shi K, Zhang Y L, Zhu G W, et al. Long-term remote monitoring of total suspended matter concentration in Lake Taihu using 250 m MODIS-Aqua data[J]. Remote Sensing of Environment, 2015, 164 : 43-56. |
[27] | 王艳红, 邓正栋, 马荣华. 基于实测光谱与MODIS数据的太湖悬浮物定量估测[J]. 环境科学学报, 2007, 27 (3): 509-515. |
[28] | Zhang B, Li J S, Shen Q, et al. A bio-optical model based method of estimating total suspended matter of Lake Taihu from near-infrared remote sensing reflectance[J]. Environmental Monitoring and Assessment, 2008, 145 (1-3): 339-347. |
[29] | Zhang Y L, Shi K, Liu X H, et al. Lake topography and wind waves determining seasonal-spatial dynamics of total suspended matter in turbid Lake Taihu, China: assessment using long-term high-resolution MERIS data[J]. PLoS One, 2014, 9 (5): e98055. |
[30] | 刘忠华, 李云梅, 檀静, 等. 太湖、巢湖水体总悬浮物浓度半分析反演模型构建及其适用性评价[J]. 环境科学, 2012, 33 (9): 3000-3008. |
[31] | 马荣华, 戴锦芳. 结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物含量[J]. 湖泊科学, 2005, 17 (2): 97-103. |
[32] | 邬明权, 韩松, 赵永清, 等. 应用Landsat TM影像估算渤海叶绿素a和总悬浮物浓度[J]. 遥感信息, 2012, 27 (4): 91-95. |
[33] | 温小乐, 徐涵秋. 基于多源同步数据的闽江下游悬浮物定量遥感[J]. 环境科学, 2008, 29 (9): 2441-2447. |
[34] | 管义国, 王心源, 吉文帅. 巢湖水体悬浮物的遥感分析[J]. 遥感信息, 2007, (5): 39-43. |
[35] | Dekker A G, Vos R J, Peters S W M. Comparison of remote sensing data, model results and in situ data for total suspended matter (TSM) in the southern Frisian lakes[J]. Science of the Total Environment, 2001, 268 (1-3): 197-214. |
[36] | Baban S M J. Detecting water quality parameters in the Norfolk Broads, U. K., using Landsat imagery[J]. International Journal of Remote Sensing, 1993, 14 (7): 1247-1267. |
[37] | 许珺, 方红亮, 傅肃性, 等. 运用SPOT数据进行河流水体悬浮固体浓度的研究——以台湾淡水河为例[J]. 遥感技术与应用, 1999, 14 (4): 17-22. |
[38] | Eleveld M A, Pasterkamp R, van der Woerd H J, et al. Remotely sensed seasonality in the spatial distribution of sea-surface suspended particulate matter in the southern North Sea[J]. Estuarine, Coastal and Shelf Science, 2008, 80 (1): 103-113. |
[39] | Miller R L, McKee B A. Using MODIS Terra 250 m imagery to map concentrations of total suspended matter in coastal waters[J]. Remote sensing of Environment, 2004, 93 (1-2): 259-266. |
[40] | Choi J Y. Seasonal variations of suspended matters in the Keum estuary and its adjacent coastal area[J]. The Journal of the Oceanological Society of Korea, 1993, 28 (1): 272-280. |
[41] | Min J E, Ryu J H, Lee S, et al. Monitoring of suspended sediment variation using Landsat and MODIS in the Saemangeum coastal area of Korea[J]. Marine Pollution Bulletin, 2012, 64 (2): 382-390. |