2020, Vol. 41
2. 安徽大学湿地生态保护与修复安徽省重点实验室, 合肥 230601;
3. 安徽农业大学理学院, 合肥 230036
2. Anhui Province Key Laboratory of Wetland Ecosystem Protection and Restoration, Anhui University, Hefei 230601, China;
3. School of Science, Anhui Agricultural University, Hefei 230036, China
水体悬浮物直接影响太阳光在水中的衰减过程, 从而影响到河湖系统水体初级生产力和水下动植物的生存环境[1~3].同时, 悬浮物对水中重金属和有机物具有强烈吸附作用, 是水生态与水环境评价的重要参数[4, 5].因此探究河湖系统水体悬浮物空间分异规律, 对掌握水体泥沙运移规律、有效开展水环境治理具有重要意义[6].水体悬浮物监测一般采用实地采样室内测定的方法, 尽管测定精确, 但其成本很高, 只能获取离散的样点数据, 无法获取大范围水体悬浮物的时空变化规律[7~9].自Landsat系列卫星发射以来, 通过遥感反演获取水质参数的方法得到快速发展, 已被广泛用于获取大范围水体悬浮物的时空变化研究, 克服了传统方法的局限性[10].
目前水体悬浮物遥感估算通常采用经验/半经验方法, 通过模拟可见光(或近红外)波段反射率与实测悬浮物浓度之间的关系, 构建适用于不同水域的悬浮物反演模型, 所涉及的遥感数据主要包括MERIS[11, 12]、VIIRS[13]、HJ-1 CCD[14, 15]、MODIS[16]、Landsat[17, 18]和GOCI[5]等.但上述遥感数据源往往存在着空间、时间分辨率不可兼得的缺陷, 难以有效反映河湖系统水体悬浮物的动态变化特征.
与其它传感器相比, Sentinel-2卫星搭载的多光谱成像仪(MSI)具有较高的时间和空间分辨率[19], 自投入使用即被应用于水体悬浮物浓度估算方面的研究.如Kutser等[20]的研究表明Sentinel-2 MSI在提取黑色湖泊悬浮物方面优于Landsat 8 OLI; Liu等[9]利用MSI数据反演鄱阳湖悬浮物浓度, 并与MODIS反演结果作对比, 发现两者具有一致性; Caballero等[19]根据MSI数据构建了适用于西班牙西海岸区域的多条件水体悬浮物反演算法.然而, 上述基于Sentinel-2 MSI的水体悬浮物反演模型在高浊度水域中的通用性还有待进一步研究.
长江中下游大多数湖泊为通江浅水湖泊, 自20世纪50年代以来, 因建闸和筑堤等水利工程的影响, 改变了河湖系统水体的自然连通状态, 进而导致其水质状况的变化.迄今为止, 开展长江中下游地区河湖系统水体悬浮物空间分异规律的研究还未见报道.因而, 本文以升金湖-长江河湖系统为研究区, 利用Sentinel-2 MSI数据建立了适用于高浊度水体悬浮物浓度遥感反演模型, 根据多时相遥感影像反演结果分析河湖系统水体悬浮物的动态特征, 最后探讨了水位变化对河湖系统水体悬浮物空间分异的影响.
1 材料与方法 1.1 研究区概况升金湖位于长江南岸安徽省池州市境内, 是国际重要湿地之一, 也是东方白鹳和白头鹤等珍稀水禽的重要栖息地, 有着“中国鹤湖”之称, 具有重要的国际影响力[21].湖面面积约为132.8 km2, 其东南侧张溪河为主要入湖支流, 沿着水流方向分为上湖、中湖和下湖这3个湖区[22].其中, 上湖和中湖之间设有姜坝水文站, 下湖与长江之间设有黄湓闸水文站(图 1).
|
图 1 研究区概况与采样点示意 Fig. 1 Location of the study area and distribution of sampling sites |
升金湖经由黄湓闸与长江干流相通, 湖泊水位由黄湓闸控制(图 1), 在夏季水深达到2.5~3 m, 秋冬季水位持续下降, 下湖中有一部分湖区从主湖区分离.在每年的11~12月, 升金湖通过黄湓闸开始向长江放水; 到来年3~4月, 黄湓闸停止放水, 开始正常运行, 使湖泊逐渐恢复正常水位; 在每年的6~9月, 为防止长江水倒灌, 黄湓闸处于关闭状态, 此时升金湖与长江处于不连通状态.
1.2 实测数据集本研究分别于2017年4月14~15日和2017年10月21~22日在升金湖进行了2次采样, 在湖面布设了53个样点(图 1).利用荷兰Avantes公司生产的AvaField-1便携式地物光谱仪根据水表面以上测量法测定水体反射光谱曲线[23], 观测方位角为135°, 观测天顶角为40°, 需要测量的遥感参量有标准灰板、天空光和水面上行光谱辐亮度.与此同步测定水体样点的透明度、浊度以及地理位置, 并采集表层水样500 mL带回实验室测定其悬浮物浓度、叶绿素浓度.其中, 悬浮物浓度参照国家GB 11901-89标准采用烘干称重法测定, 数值范围在1.4~302 mg·L-1, 平均浓度为62.28 mg·L-1; 叶绿素浓度参照国家SL 88-2012标准采用分光光度计法测定, 数值范围在0.28~30.9 μg·L-1, 平均浓度为6.83μg·L-1.
本文所需的2017~2019年间逐日水位(姜坝站, 代表升金湖上湖水位; 黄湓闸上、闸下, 分别代表升金湖下湖、长江水位)、降雨量和风速等气象指标均从安徽省遥测信息网上(http://yc.wswj.net/ahyc/)下载得到.
1.3 遥感数据集本研究从欧洲航天局官网(https://scihub.copernicus.eu/)下载得到2017年4月至2019年3月的Sentinel-2 MSI影像, 去除有云的影像, 共28景(表 1).由于目前对MSI影像中的内陆水体缺少成熟的大气校正算法, 因此本文选用了欧洲航天局官网上提供SNAP软件下的Sen2cor模块, 对原始遥感影像分别进行辐射定标和大气校正.
|
表 1 Sentinel-2 MSI影像及对应水位 Table 1 Sentinel-2 MSI images and corresponding water level |
1.4 研究方法 1.4.1 模拟遥感波段反射率
为有效建立适用于MSI影像的悬浮物浓度反演模型, 本研究基于实测水体光谱数据, 结合MSI传感器的光谱响应函数模拟遥感波段反射率[式(1)].
|
(1) |
式中, R为模拟波段反射率, Rrs为实测光谱反射率, fi(λ)为光谱响应函数, λ1和λ2为遥感波段两端对应波长.
1.4.2 遥感影像预处理本文对Sentinel-2 MSI影像的预处理主要包括辐射校正、无植被覆盖的水域提取这两部分.采用SNAP软件下Sen2cor模块[20]对MSI影像进行辐射校正后, 分别合成水体指数MNDWI、植被指数NDVI[式(2)~(3)].首先根据水体指数MNDWI采用阈值法进行水域提取, 然后根据植被指数NDVI剔除水生植被分布区域, 最终得到无水生植被覆盖的水体遥感反射率影像[24].
|
(2) |
|
(3) |
式中, ρ(Green)、ρ(MIR)、ρ(Red)和ρ(NIR)分别为MSI传感器绿光波段反射率、中红外波段反射率、红光波段反射率和近红外波段反射率.
2 结果与分析 2.1 水体悬浮物浓度的敏感波段分析本文首先利用实测悬浮物浓度与水体光谱反射率进行相关性分析(图 2), 发现两者在520~600 nm处相关系数为负值, 400~520 nm和600~900 nm处为正值, 负相关性波谷在560 nm左右, 正相关性的最大波峰在750 nm左右, 在730~880 nm处相关系数基本大于0.6.
|
图 2 实测悬浮物浓度与水体光谱反射率的相关分析 Fig. 2 Correlation between suspended sediment concentration and water spectral reflectance measurements |
由Sentinel-2 MSI传感器波段的中心波长设置可知, 对水体悬浮物浓度的敏感波段对应该传感器的B3、B6、B7和B8 a波段.而后本文对这4个波段的遥感反射率进行单波段和任意两波段组合法, 分别与实测悬浮物浓度进行相关分析(图 3).由图 3可知实测悬浮物浓度与不同波段组合的相关系数在-0.839~0.877.其中, 相关系数绝对值大于0.75的组合方式有6组.
|
Bi表示MSI传感器对应的不同波段 图 3 MSI传感器波段组合与实测悬浮物浓度的相关系数 Fig. 3 Correlation coefficient between band combination and suspended sediment concentration measurements |
在此基础上, 以不同波段组合指数为自变量, 实测悬浮物浓度和实测对数悬浮物为因变量, 构建水体悬浮物浓度遥感反演模型所构建的模型类型, 包括线性、幂函数、倒数、二次函数与对数模型.本文根据2017年春、秋季在升金湖湖面实测得到的53个样点数据, 随机选取36个为训练样本, 建立悬浮物浓度遥感反演模型, 剩下的17个为检验样本, 用于模型验证.不同模型的拟合精度结果见表 2, 表中只显示了R2大于0.7的模型.
|
|
表 2 不同悬浮物浓度模型拟合精度比较 Table 2 Comparison of different methods to build the models |
从表 2中看出, 在构建模型中拟合精度最高是以B6/B3为自变量的二次多项式模型(R2=0.863, RMSE=22.211), 见图 4(a).接下来利用剩下的17个检验样本对该模型的预测数值进行验证分析.图 4(b)显示了水体悬浮物浓度实测值与模型预测值之间的关系, 可以看出两者基本分布在y=x函数附近, R2达到0.893, RMSE为21.607 mg·L-1.由此可见, 本文所构建的反演模型具有较高的预测精度, 适用于基于Sentinel-2 MSI影像的高浊度水体悬浮物浓度遥感反演研究.
|
图 4 本文所构建模型的拟合精度与预测精度 Fig. 4 Fitting accuracy and prediction accuracy of the model constructed in our paper |
本文将所构建的水体悬浮物反演模型应用于2017~2019年的28景Sentinel-2 MSI影像, 得到对应日期的升金湖-长江连通水体悬浮物浓度反演结果.为减少光学浅水区底质反射对水体悬浮物反演结果的影响, 本文在利用MNDWI提取水体时, 通过调整其阈值, 对水体光学浅水区进行剔除.而后根据表 1按不同季节取均值, 得到升金湖-长江悬浮物浓度在不同季节的遥感反演影像(图 5).
|
图 5 升金湖-长江水体悬浮物浓度遥感反演 Fig. 5 Retrieved results of suspended solids concentration in Shengjin Lake-Yangtze River |
从图 5中可看出, 升金湖水体悬浮物浓度时空差异较大, 数值在10~300mg·L-1之间, 高值区主要集中在上湖南部和下湖.其中, 上湖南部的悬浮物浓度较高, 主要是由于该区域位于主要入湖支流——张溪河的入湖口附近, 受到径流携沙作用影响, 且水深较浅易受到湖底泥沙再悬浮作用的影响[24]; 下湖悬浮物浓度较高, 其原因在于该区域的围网养殖活动集中, 水生植被破坏殆尽, 导致水体悬浮物浓度增大[21].
为进一步分析升金湖-长江水体悬浮物的空间变化, 本文分别绘制升金湖上湖、中湖、下湖以及长江水体悬浮物浓度的纵、横剖面图(图 6).沿着水流方向[图 6(a)], 升金湖入湖口和下湖悬浮物浓度整体要高于其它区域, 而在春、冬季节, 下湖分离湖区悬浮物浓度低于主湖区, 其原因在于该时期其与主湖区脱离, 不受水流携沙作用的影响; 除夏季以外, 长江水体悬浮物浓度均低于升金湖.垂直于水流方向[图 6(b)], 在升金湖上湖和中湖, 其西北部悬浮物浓度高于东南部, 其原因在于自2016年以来该区域修建了沿湖堤防水利工程, 人为扰动导致了局部水体悬浮物浓度升高; 在下湖, 除夏季外, 水体悬浮物浓度空间波动较大.
|
像元位置序列在每个湖区均从0开始, 纵剖面像元位置顺序从下而上, 顺着水流方向; 横剖面像元位置顺序从湖区的左到右 图 6 升金湖-长江水体悬浮物浓度空间变化 Fig. 6 Spatial variation of suspended solids concentration in Shengjin Lake-Yangtze River |
为了探究河湖连通水体悬浮物浓度的年内变化规律, 根据这28景遥感影像反演结果采用GIS空间分析, 分别统计升金湖上湖、中湖、下湖及连接长江段水体悬浮物浓度的年内变化(图 7).
|
图 7 升金湖-长江水体悬浮物浓度年内变化 Fig. 7 Intra-annual variation of suspended solids concentration in the Shengjin Lake-Yangtze River |
从图 7可看出, 长江水体悬浮物浓度在每年4月末~9月较高(TSS＞100mg·L-1), 其中在8月中旬达到最大(TSS＞200mg·L-1); 上湖悬浮物浓度在每年9月末至来年4月较高(TSS＞100mg·L-1), 其他月份较低; 中湖在2017年11月末至2018年1月、2018年4月、2018年9月末至11月和2019年1月的悬浮物浓度较高(TSS＞100mg·L-1); 下湖悬浮物浓度在2017年10~11月、2018年4月、2018年9月末至11月和2019年1月的悬浮物浓度较高(TSS>165mg·L-1).总体来看, 升金湖在6~9月初的水体悬浮物浓度相对较低, 在其他月份较高.而与其连接长江水体呈现相反的年内变化规律, 有必要进一步分析水体悬浮物变化规律的驱动因素.
2.4 升金湖-长江水体悬浮物变化的影响因素针对水体悬浮物变化的影响因素, 有学者也开展了一系列研究工作.在自然因素上, 地表径流[25, 26]、水位[27, 28]、风场[6, 11]和降水[15], 植被盖度和鱼群密度[18]等是影响河湖水体悬浮物变化的关键因素.在人为因素上, 在鄱阳湖[29, 30]、洞庭湖[31]和新安江水库[32]等的研究表明, 湖区采砂和水利工程建设等人类活动也会引起水体悬浮物时空格局发生变化.
为进一步探讨升金湖-长江水体悬浮物变化规律的驱动因素, 本文结合实测台站资料分析了水位、降雨、风速等气象要素与水体悬浮物浓度的相关关系, 发现实测水位与悬浮物浓度的相关性最高(表 3).因而, 文中将着重分析水位变化对升金湖-长江水体悬浮物变化的影响.
|
|
表 3 水体悬浮物浓度与实测水位等气象要素的相关系数 Table 3 Correlation coefficient between suspended solids concentration and measured meteorological factors |
2.5 升金湖-长江水体的水文周期划分
根据黄湓闸实测水位(闸上水位)资料, 生成2017~2019年升金湖-长江水体逐日水位变化(图 8).从图 8中可看出, 每年4月初闸上、闸下水位均开始上升, 上升至11 m左右, 两者相差不大; 每年6~9月, 长江水位高于升金湖水位时, 为了防止长江水倒灌, 黄湓闸处于关闭状态, 闸上、闸下水位均开始上升, 上升到12 m以上; 每年9~10月, 闸上、闸下水位均开始下降, 下降至11 m左右; 在每年11月至来年3月, 黄湓闸频繁向长江放水, 闸上、闸下水位继续下降, 下降至10 m以下.按照上述规律, 本文根据实测水位将一个水文周期分成枯水期、平水期、丰水期.枯水期, 黄湓闸上水位低于10 m, 平水期黄湓闸上水位10~12 m, 丰水期黄湓闸上水位大于12 m.
|
图 8 2017~2019年升金湖-长江水体逐日水位变化 Fig. 8 Daily water level variation of Shengjin Lake-Yangtze River from 2017 to 2019 |
在2.2节中根据实测数据对构建的悬浮物浓度反演模型进行了精度验证, 表明该模型在地面观测尺度上模拟精度较高.本文把该模型应用于同期成像的Sentinel-2 MSI遥感影像, 并根据选择的检验样本对水体悬浮物浓度遥感反演值进行精度验证(图 9).
|
图 9 本文模型与刘会增模型的遥感反演精度比较 Fig. 9 Comparison of retrieved accuracy between our model and the model by Liu |
在鄱阳湖, Liu等[9]采用统计回归方法也建立了基于Sentinel-2 MSI影像的悬浮物反演模型, 并与同期MODIS影像反演结果作比较.为了评价遥感模型对水体悬浮物浓度估算精度的影响, 本文尝试将刘会增等所构建的模型应用于升金湖卫星影像, 并与本文所构建模型的反演精度进行比较(图 9)
从图 9中可以看出, 本文构建的波段比值模型在升金湖水体悬浮物浓度遥感反演中精度更高(R2=0.870, RMSE=30.556mg·L-1), 而刘会增等所构建的单波段模型在悬浮物浓度较高时(TSS>100mg·L-1), 表现出明显的低估现象.这反映了本研究提出的模型更为适用于高浊度水体悬浮物遥感反演, 其原因在于高浊度水体悬浮物与MSI影像在第六波段反射率的相关系数达到最大, 而在第三波段达到最小(图 2), 通过波段比值运算增强了其与水体悬浮物浓度的相关性.
此外, 结合图 4与图 9, 本文构建的模型在卫星尺度上反演精度比在地面尺度要低, 分析其原因有二：①该模型是基于地面实测数据构建的, 将其应用到卫星尺度, 空间尺度差异致使其适用性下降; ②受所用水体大气校正方法的限制, 在低浊度水体(TSS < 100mg·L-1)影像中的B6/B3(反射率比值)要高于实测光谱, 导致悬浮物遥感反演数值偏大.
3.2 水位变化对升金湖-长江水体悬浮物空间分异的影响按2.5节中的枯水期、平水期、丰水期这3个水文周期划分, 本文分别对升金湖-长江水体悬浮物浓度的空间分异特征进行统计分析(图 10), 进而分析在不同水文周期升金湖与长江水体悬浮物浓度变化的相关性(图 11).
|
图 10 不同水文周期升金湖-长江水体悬浮物浓度空间分异 Fig. 10 Spatial variation of suspended sediment concentration in Shengjin Lake-Yangtze River over different hydrology periods |
|
图 11 不同水文周期升金湖与长江水体悬浮物浓度变化量的相关性 Fig. 11 Correlation of suspended sediment concentration variation between Shengjin Lake and the connected Yangtze River in different hydrological cycles |
在平水期, 水体悬浮物浓度表现为下湖>上湖>中湖>长江.其原因在于此时期长江上游径流量较小, 泥沙冲刷量少, 水体悬浮物含量较低, 故长江悬浮物浓度小于升金湖.升金湖悬浮物浓度表现为下湖>上湖>中湖, 这主要受不同湖区水动力条件的影响：在上湖、中湖之间有姜坝拦截, 一定程度上减小了中湖水流冲击; 下湖围有人工鱼塘, 破坏了水生植被生长, 对水体悬浮物吸附能力减弱, 加大了下湖的悬浮物浓度[18]; 此时期, 黄湓闸基本处于开闸状态, 升金湖下湖与长江的悬浮物浓度变化呈现显著相关[图 11(a), R=0.748].这说明在平水期升金湖悬浮物浓度对长江悬浮物浓度具有较高的贡献度, 但水体悬浮物输入到长江后即被稀释.
在丰水期, 水体悬浮物浓度表现为长江>下湖>中湖>上湖.其原因在于此时入湖径流量较大, 导致湖泊水位升高, 水流受到黄湓闸的拦截作用, 所携带泥沙堆积在中、下湖, 使得下湖悬浮物浓度最大, 中湖悬浮物浓度较低, 上湖悬浮物最低.而此时长江径流量、水位波动较大, 且受到上游水流携沙作用的影响, 使得悬浮物浓度高于升金湖, 且悬浮物浓度值波动范围较大.此时期黄湓闸基本处于关闭状态, 升金湖下湖与长江的悬浮物浓度值变化之间的相关系数很小[图 11(b), R=-0.368], 两者之间的相关性不明显.
在枯水期, 水体悬浮物浓度表现为下湖>中湖>上湖>长江, 这与平水期的空间分异规律基本一致.此时期长江与升金湖下湖的悬浮物浓度值变化之间也存在显著的相关性[图 11(c), R=0.722], 但不如平水期的相关性高.这主要因为该时期黄湓闸频繁向长江放水, 湖面水位下降致使下湖分成一些小湖泊, 并与主湖区隔离, 在一定程度上降低了升金湖下湖与长江悬浮物浓度变化的相关性.
4 结论(1) 利用实测水体光谱模拟Sentinel-2 MSI影像波段反射率, 建立了以B6/B3波段比为自变量的水体悬浮物反演模型.同时利用实测悬浮物浓度从地面尺度、卫星尺度分别对模型反演数值进行精度验证, 结果表明该模型适用于Sentinel-2 MSI影像的高浊度水体悬浮物浓度遥感反演.
(2) 不同时空Sentinel-2 MSI影像的水体悬浮物浓度遥感监测结果表明：在空间上, 升金湖入湖口附近、上中湖西北部和下湖悬浮物浓度要高于其它区域, 且除夏季外, 长江水体的悬浮物浓度均低于升金湖; 在时间上, 升金湖水体悬浮物浓度在6~9月相对较低, 在其他月份较高, 而与其连接的长江水体呈现相反的年内变化规律.
(3) 闸控运作影响下河湖连通性改变所造成的湖泊水位变化, 是导致升金湖-长江水体悬浮物浓度空间分异的关键因素.在平水期、枯水期, 水体悬浮物浓度表现为下湖>上(中)湖>中(上)湖>长江, 此时期升金湖和长江基本处于连通状态, 升金湖对长江悬浮物浓度具有一定的贡献度, 且平水期更为显著; 而在丰水期, 水体悬浮物浓度则呈现为长江>下湖>中湖>上湖, 升金湖和长江处于隔离状态, 对应水体悬浮物浓度变化的相关性不明显.
| [1] |
赵丽娜, 王艳楠, 金琦, 等. 基于GOCI影像的湖泊悬浮物浓度分类反演[J]. 生态学报, 2015, 35(16): 5528-5536. Zhao L N, Wang Y N, Jin Q, et al. Method for estimating the concentration of total suspended matter in lakes based on goci images using a classification system[J]. Acta Ecologica Sinica, 2015, 35(16): 5528-5536. |
| [2] | Nezlin N P, Digiacomo P M, Stein E D, et al. Stormwater runoff plumes observed by SeaWiFS radiometer in the Southern California Bight[J]. Remote Sensing of Environment, 2005, 98(4): 494-510. DOI:10.1016/j.rse.2005.08.008 |
| [3] | Zhu M Y, Zhu G W, Li W, et al. Estimation of the algal-available phosphorus pool in sediments of a large, shallow eutrophic lake (Taihu, China) using profiled SMT fractional analysis[J]. Environmental Pollution, 2013, 173: 216-223. DOI:10.1016/j.envpol.2012.10.016 |
| [4] | Zhao X L, Zhao J H, Zhang H M, et al. Remote sensing of sub-surface suspended sediment concentration by using the range bias of green surface point of airborne LiDAR bathymetry[J]. Remote Sensing, 2018, 10(5): 681-700. DOI:10.3390/rs10050681 |
| [5] |
胡耀躲, 张运林, 杨波, 等. 基于高频次GOCI数据的太湖悬浮物浓度短期动态和驱动力分析[J]. 湖泊科学, 2018, 30(4): 992-1003. Hu Y D, Zhang Y L, Yang B, et al. Short-term dynamics and driving factors of total suspended matter concentration in Lake Taihu using high frequent geostationary ocean color imager data[J]. Journal of Lake Sciences, 2018, 30(4): 992-1003. |
| [6] | Caballero I, Morris E P, Ruiz J, et al. Assessment of suspended solids in the Guadalquivir estuary using new DEIMOS-1 medium spatial resolution imagery[J]. Remote Sensing of Environment, 2014, 146: 148-158. DOI:10.1016/j.rse.2013.08.047 |
| [7] | 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. DOI:10.1016/j.rse.2015.02.029 |
| [8] | Chen J L, Fang X R, Wen Z F, et al. Spatio-temporal patterns and impacts of sediment variations in downstream of the Three Gorges Dam on the Yangtze River, China[J]. Sustainability, 2018, 10(11): 4093-4100. DOI:10.3390/su10114093 |
| [9] | Liu H Z, Li Q Q, Shi T Z, et al. Application of Sentinel 2 MSI images to retrieve suspended particulate matter concentrations in Poyang Lake[J]. Remote Sensing, 2017, 9(7): 761-780. DOI:10.3390/rs9070761 |
| [10] |
黄李童, 陈江, 朱渭宁. 基于Landsat-8的城市湖泊水体总悬浮物吸收系数的遥感反演——以杭州西湖为例[J]. 环境科学学报, 2018, 38(10): 4073-4082. Huang L T, Chen J, Zhu W N. Remote sensing inversion of total suspended matter absorption coefficient in coastal urban lakes using Landsat-8:case study of West Lake in Hangzhou[J]. Acta Scientiae Circumstantiae, 2018, 38(10): 4073-4082. |
| [11] | 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): 1-13. |
| [12] | Loisel H, Mangin A, Vantrepotte V, et al. Variability of suspended particulate matter concentration in coastal waters under the Mekong's influence from ocean color (MERIS) remote sensing over the last decade[J]. Remote Sensing of Environment, 2014, 150: 218-230. DOI:10.1016/j.rse.2014.05.006 |
| [13] |
曹志刚, 段洪涛, 崔海山, 等. 基于VIIRS数据洪泽湖悬浮物浓度估算算法研究[J]. 红外与毫米波学报, 2016, 35(4): 462-469. Cao Z G, Duan H T, Cui H S, et al. Remote estimation of suspended matter concentrations using VIIRS in Lake Hongze, China[J]. Journal of Infrared and Millimeter Waves, 2016, 35(4): 462-469. |
| [14] | Yu Z F, Chen X L, Zhou B, et al. Assessment of total suspended sediment concentrations in Poyang Lake using HJ-1A/1B CCD imagery[J]. Chinese Journal of Oceanology and Limnology, 2012, 30(2): 295-304. DOI:10.1007/s00343-012-1094-y |
| [15] |
邢晓达, 申茜, 李俊生, 等. 基于HJ-CCD的漫湾坝区河流悬浮物浓度遥感反演[J]. 遥感技术与应用, 2016, 31(4): 682-690. Xing X D, Shen X, Li J S, et al. Inversion of suspended matter concentration of the river of Manwan dam regions based on HJ-CCD Data[J]. Remote Sensing Technology and Application, 2016, 31(4): 682-690. |
| [16] | Cao Z G, Duan H T, Feng L, et al. Climate- and human-induced changes in suspended particulate matter over Lake Hongze on short and long timescales[J]. Remote Sensing of Environment, 2017, 192: 98-113. DOI:10.1016/j.rse.2017.02.007 |
| [17] | Cai L N, Tang D L, Li C Y. An investigation of spatial variation of suspended sediment concentration induced by a bay bridge based on Landsat TM and OLI data[J]. Advances in Space Research, 2015, 56(2): 293-303. DOI:10.1016/j.asr.2015.04.015 |
| [18] |
乔娜, 黄长平, 张立福, 等. 典型浅水草型湖泊水体悬浮物浓度遥感反演[J]. 湖北大学学报(自然科学版), 2016, 38(6): 510-516. Qiao N, Huang C P, Zhang L F, et al. Remote sensing inversion of total suspended matter concentration in typical shallow macrophytic lake[J]. Journal of Hubei University (Natural and Science), 2016, 38(6): 510-516. |
| [19] | Caballero I, Steinmetz F, Navarro G, et al. Evaluation of the first year of operational Sentinel-2A data for retrieval of suspended solids in medium- to high-turbidity waters[J]. Remote Sensing, 2018, 10(7): 982-1005. DOI:10.3390/rs10070982 |
| [20] | Kutser T, Paavel B, Verpoorter C, et al. Remote sensing of Black Lakes and using 810 nm reflectance peak for retrieving water quality parameters of optically complex waters[J]. Remote Sensing, 2016, 8(6): 497-512. DOI:10.3390/rs8060497 |
| [21] |
杨李, 董斌, 汪庆, 等. 安徽升金湖国家级自然保护区水鸟生境适宜性变化[J]. 湖泊科学, 2015, 27(6): 1027-1034. Yang L, Dong B, Wang Q, et al. Habitat suitability change of water birds in Shengjinhu National Nature Reserve, Anhui Province[J]. Journal of Lake Sciences, 2015, 27(6): 1027-1034. |
| [22] |
叶小康, 董斌, 王成, 等. 升金湖湿地时空演变对越冬鹤类种群动态的影响[J]. 长江流域资源与环境, 2018, 27(1): 63-69. Ye X K, Dong B, Wang C, et al. Effects of spatiotemporal changes of Shengjin Lake wetland on the dynamics of wintering cranes population[J]. Resources and Environment in the Yangtze Basin, 2018, 27(1): 63-69. |
| [23] |
唐军武, 田国良, 汪小勇, 等. 水体光谱测量与分析Ⅰ:水面以上测量法[J]. 遥感学报, 2004, 8(1): 37-44. Tang J W, Tian G L, Wang X Y, et al. The methods of water spectra measurement and analysis Ⅰ:above-water method[J]. Journal of Remote Sensing, 2004, 8(1): 37-44. |
| [24] |
徐涵秋. 利用改进的归一化差异水体指数(MNDWI)提取水体信息的研究[J]. 遥感学报, 2005, 9(5): 589-595. Xu H Q. A study on information extraction of water body with the modified normalized difference water index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5): 589-595. |
| [25] |
周阳, 刘金娥, 许晓光, 等. 风浪扰动下湖滨带悬浮物和营养盐响应特征[J]. 湖泊科学, 2018, 30(4): 948-956. Zhou Y, Liu J E, Xu X G, et al. Response of suspended solids and dissolved nutrients in littoral zone of Lake Taihu under wind-wave disturbances[J]. Journal of Lake Sciences, 2018, 30(4): 948-956. |
| [26] | He Y H, Gui Z H, Su C J, et al. Response of sediment load to hydrological change in the upstream part of the Lancang-Mekong River over the past 50 years[J]. Water, 2018, 10(7): 888-902. DOI:10.3390/w10070888 |
| [27] |
江彬彬, 张霄宇, 杜泳, 等. 基于GOCI的近岸高浓度悬浮泥沙遥感反演——以杭州湾及邻近海域为例[J]. 浙江大学学报(理学版), 2015, 42(2): 220-227. Jiang B B, Zhang X Y, Du Y, et al. Retrieving high concentration of suspended sediments based on GOCI:an example from coastal water around Hangzhou Bay, China[J]. Journal of Zhejiang University (Science Edition), 2015, 42(2): 220-227. |
| [28] | Wang J L, Chen E Y, Li G, et al. Spatial and temporal variations of suspended solid concentrations from 2000 to 2013 in Poyang Lake, China[J]. Environmental Earth Sciences, 2018, 77(16): 590-605. DOI:10.1007/s12665-018-7773-z |
| [29] |
李海军, 陈晓玲, 陆建忠, 等. 考虑采砂影响的鄱阳湖丰水期悬浮泥沙浓度模拟[J]. 湖泊科学, 2016, 28(2): 421-431. Li H J, Chen X L, Lu J Z, et al. Numerical simulation of suspended sediment concentration in Lake Poyang during flood season considering dredging activities[J]. Journal of Lake Sciences, 2016, 28(2): 421-431. |
| [30] | Cui L J, Qiu Y, Fei T, et al. Using remotely sensed suspended sediment concentration variation to improve management of Poyang Lake, China[J]. Lake and Reservoir Management, 2013, 29(1): 47-60. DOI:10.1080/10402381.2013.768733 |
| [31] | Zheng Z B, Li Y M, Guo Y L, et al. Landsat-based long-term monitoring of total suspended matter concentration pattern change in the wet season for Dongting Lake, China[J]. Remote Sensing, 2015, 7(10): 13975-13999. DOI:10.3390/rs71013975 |
| [32] |
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. Zhang Y B, Zhang Y L, Zha Y, et al. Remote sensing estimation of total suspended matter concentration in Xin'anjiang reservoir using Landsat 8 data[J]. Environmental Science, 2015, 36(1): 56-63. |