2021, Vol. 42
2. 生态环境部卫星环境应用中心, 北京 100029
, LIU Huai-qing1 , LÜ Heng1
, LI Yun-mei1 , ZHU Li2 , ZHOU Ya-ming2 , LI Ling-ling1 , BI Shun1
2. Ministry of Ecology and Environment Center for Satellite Application on Ecology and Environment, Beijing 100029, China
城市水体是城市生态系统中的重要组成部分[1].随着城市化进程的不断推进, 人口的急剧增加以及工业的迅速发展, 城市流域产生的污染负荷逐渐增加, 造成水体水质下降, 削弱了水体的景观功能并对居民的生活造成一定影响[2], 因此对城市水体的宏观监测和有效地水质评估尤为重要.但传统的人工监测方法费时费力且无法反映城市水环境的整体情况, 而遥感技术具有大面积同步观测、多时相、综合性、对比性以及一定的经济效益等优势, 可弥补传统监测方法中的不足, 从而为城市水体的监测提供便利和技术支持.
现有的研究主要是基于水体的物理化学指标即从水体水质的角度对城市水体进行评估和分级, 常见的如指数评价法[3, 4]、模糊评价法[5, 6]以及结合遥感技术开展城市水体中黑臭水体识别的方法[7~9].但获取水体理化指标需要通过实地的检测或室内分析仪器的测量, 工作繁琐且难以直观了解城市水环境状况.而水色作为水体水质的直观体现, 水质的差异会令城市水体呈现出不同的水色, 且水体颜色与人体的感官有直接的联系, 作为水体中重要的光学特征, 其变化与水体组分息息相关, 已有学者对水体颜色参量的研究表明, 基于遥感技术获得的水体颜色具有表征水质的潜力[10~13].
2012年欧洲学者通过测量FU (forel-ule)比色计中从蓝绿色到黄棕色的21种水色水体的透射光谱, 得到每种水体颜色在国际照明委员会CIE(International Commission on Illumination)色度系统中的色度坐标, 构建了基于多光谱遥感数据的FUI(forel-ule index)水色指数, 用于表征水体颜色和水质信息[14, 15].目前已有研究表明, FUI水色指数可以指示水体的叶绿素和透明度从而用于监测水质信息[16~19]; 还可以应用于大型内陆水体以及湖库以监测其营养状态和浑浊程度[20, 21].基于FUI指数对水体颜色的量化与水质状态的指示可以降低水体监测的成本.但该技术目前只在海洋、近岸水体和大中型的内陆湖库水体得到了成功地应用, 能否将该技术直接应用于光学环境复杂的城市水体, 还需要进一步的验证.
因此, 本文拟采用国际标准的色度转换模型, 基于样本数据的水体光学特征差异, 参考FUI指数量化水体颜色的方法并与高分二号(GF-2)遥感数据相结合, 构建适用于城市水体的遥感分级模型, 以期为城市水体的遥感综合评价提供新的方法.
1 材料与方法 1.1 研究区与采样点分布2017~2019年在南京、无锡、常州和扬州市进行了多次的城市水体调查和采样工作, 收集到含多种水色信息的城市水体实测样点共145个.现场记录样点位置和水体信息, 测量数据并采集水样, 采样点的分布如图 1所示.
|
图 1 研究区采样点分布示意 Fig. 1 Distribution of sampling points in the study area |
南京市位于江苏省西南部, 地处长江下游中部地区(118°22′E~119°14′E, 31°14′N~32°37′N), 水域面积达总面积的11%以上, 城市建成区范围内有大小河道湖泊120余处, 包括秦淮河、金川河、玄武湖和莫愁湖等.
扬州市位于江苏省中部, 地处长江北岸及江淮平原南端(119°01′E~119°54′E, 32°15′N~33°25′N).扬州市内水域面积约1 735 km2, 占总面积的26.3%, 城区内主要河流有玉带河、七里河、沙施河和保代河等.
无锡市位于江苏省南部, 地处长江三角洲平原(119°31′E~120°36′E, 31°07′N~32°02′N).北倚长江, 南滨太湖, 京杭大运河从中穿过, 且无锡市内水网密集, 市区以京杭大运河为中轴构成河网水系, 并通达江湖.
常州市位于江苏省南部, 同样地处长江三角洲平原(119°08′E~120°12′E, 31°09′N~32°04′N).城区内有大小河流湖泊1 000余处, 包括滆湖和京杭运河等, 水系较为丰富.
1.2 实测数据本研究的实测数据通过室外实验和室内实验两个部分获取, 首先在室外完成水样的采集, 测量水面光谱数据和部分水质参数：透明度(secchi disk depth, SD)、溶解氧(dissolved oxygen, DO)和氧化还原电位等, 同时记录实验点位的经纬度以及周边环境信息.而后将水样于低温环境下保存带回实验室测量其余参数.实验室分析测量的参数主要包括: 总悬浮物(total suspended matter, TSM)、无机悬浮物(inorganic suspended matter, ISM)、有机悬浮物(organic suspended matter, OSM)、叶绿素a(chlorophyll a, Chla)、溶解性有机碳(dissolved organic carbon, DOC)、总磷(total phosphorus, TP)、总氮(total nitrogen, TN)、氨氮、硫化物以及颗粒物和有色可溶性有机物(colored dissolved organic matter, CDOM)吸收系数[22~25].
为科学而准确地判别水体颜色, 参考国际标准色卡——劳尔色卡[26], 设计制作了适用于城市水体原位水色判别的色度分级表.该表将水体颜色分为3个颜色系, 各颜色系中包含多个色度等级并给出了几种人眼易于区分的参考色：浅灰色至灰黑色的灰色系、翠绿色至灰绿色的绿色系和浅黄色至灰黄色的黄色系, 如图 2所示.
|
图 2 水体色度分级 Fig. 2 Water color classification table |
在进行水体颜色判定时, 观察者需手持色度分级表在距离观测水面1~2 m处, 参考该表判断水体水色应该归为哪一颜色系, 将判别的水色代码记录在水体信息内, 而后拍摄8张以上的现场照片, 照片要求同时包含色度分级表和观测水面.此外, 观察者需避开阳光直射, 选择与测量水体光谱相同的观测几何完成水色判读, 同时避开水面阴影区域和水面漂浮物如浮萍等以完成水色判读.
为避免人为判读的主观性, 要求多人(至少三名专业人员)协同作业进行水色判读, 若专业人员的判读结果存在分歧, 则另请多名专业人员根据拍摄的现场照片进行分析判读, 最大程度减少人为因素造成的水色判别差异.
野外实测水体光谱数据使用美国分析光谱仪器公司生产的ASD FieldSpec Pro便携式光谱辐射计基于“表面法”测量[27].在剔除天空光的反射信息后, 得到遥感反射率(Rrs).
|
(1) |
式中, Lw为离水辐亮度, Ed(0+)为水表面以上总的入射辐照度, r为气-水界面对天空光的反射率, Ssw、Ssky和Sp分别为光谱仪面向水体、天空和标准板时的测量信号码值, ρp为生产商所提供的标准板的反射率[28].
1.3 高分影像数据及预处理为实现城市水体的遥感分级, 本研究选用2018年4月9日的GF-2号遥感影像, 影像覆盖了南京市主要的城市水体且成像时间与地面实测数据最为接近.
影像由4个波段组成, 分别为蓝波段(0.45~0.52 μm)、绿波段(0.52~0.59 μm)、红波段(0.45~0.69 μm)和近红外波段(0.77~0.89 μm).GF-2号卫星搭载有两台高空间分辨率的相机, 分别是分辨率为1 m的全色相机和分辨率为4 m的多光谱相机, 它是我国目前空间分辨率最高的民用陆地观测卫星, 对城市水体的遥感监测有重要的意义.
GF-2号卫星影像的预处理采用ENVI 5.3遥感影像处理平台完成, 预处理过程包括：正射校正、研究区裁剪、辐射定标和大气校正等.为保证研究的准确性, 本研究采用人机交互的方式确定城市水体的边界, 进而完成遥感影像的水体提取.
2 城市水体水色遥感分级模型 2.1 U-FUI城市水体水色分级指数为实现水体颜色的统一量化, 本研究基于国际照明委员会(CIE)规定的一套标准颜色系统——CIE-XYZ颜色系统[29]并结合GF-2影像的3个可见光波段用来定量表征颜色, 同时参考文献[14~19]提出的色度角α, 构建了适用于城市水体遥感分级的U-FUI(urban forel-ule index)水色指数, 根据水体水色信息完成城市水体的遥感分级, 分级的具体方法如图 3所示.
|
图 3 基于U-FUI水色指数的城市水体水色分级方法 Fig. 3 Classification method of urban water color based on the U-FUI water color index |
本研究利用GF-2卫星的光谱响应函数将各水色水体的实测Rrs经过波段积分转换为卫星波段等效反射率, 通过等效反射率计算各水色水体对应的色度角α值并参考校正拟合公式[式(2)][14]完成色度角的偏差Δ校正, 校正后色度角与实测高光谱积分结果比较散点图如图 4所示, 经Δ校正后计算的各水体色度角α的均方根误差RMSE为6.88°, 平均绝对百分比误差MAPE为2.35%.
|
(2) |
|
图 4 基于Δ校正的色度角α与基于高光谱积分计算的色度角α比较 Fig. 4 Comparison of the chromaticity angle α based on Δ correction and hyperspectral integral calculation |
其中, b=α/100.
图 5展示了各类水色水体色度角α值的分布情况, 结果显示, 城市水体的色度角α值整体上呈现由浅绿色水体至黄棕色水体逐渐增大的趋势, 尽管这几类水色水体的色度角α分布虽有波动变化, 但不同类别水体的变化范围有明显的差异, 因此分别选取色度角α 为192°、204°、212°和222°作为判别阈值, 分别表征水色由浅绿色至黄棕色间的4类水体.
|
图 5 各水色水体色度角α值的分布 Fig. 5 Distribution of the chromaticity angle values in water bodies with different water colors |
从图 5中可以看出, 灰白色和灰黑色水体的色度角α值的范围与其余几类水色水体无显著差异, 这是由于该类水体水色所处的灰色系并不属于彩色系的范畴内, 灰色系表征的是介于白色和黑色之间, 即一种亮度的概念.但CIE-xy二维色度图分布的都是可见光范围内的颜色, 其中未保留有关光谱强度或亮度的信息, 连续的光谱(白色或灰色)均会被投影至(x, y)=(1/3, 1/3)[30].因此, 本文分析了与光的亮度成比例的CIE-Y刺激值在各类水色水体中的大小分布, 如图 6所示.结果表明, 灰黑色的水体由于水色较暗, 呈现出的亮度也相应较低, 其CIE-Y刺激值的大小明显低于其他水色水体, 因此首先选取CIE-Y=0.065先将灰黑色水体从各水色的城市水体中判别出来, 进而根据色度角α的值判别出其他水色水体.
|
图 6 各水色水体CIE-Y刺激值大小分布 Fig. 6 Distribution of the CIE-Y stimulation values in water bodies with different water colors |
此外, 由于本研究的采样点均选取的是城市水体中的河流水体以及水域面积较小的坑塘, 并未包含水质特别好的水体.因此, 本研究参考相关研究以及CIE-xy色度图[30, 31], 利用色度角α ＜192°作为判定标准, 表征水色呈蓝色或蓝绿色的清洁水体.
2.2 精度评价本研究利用包含54个独立实测数据集的样本评价基于U-FUI水色指数的城市水体遥感分级方法的精度, 采用识别正确率的方法进行精度评价, 计算方法如公式(3)所示, 表 1为精度评价的结果.
|
(3) |
|
表 1 基于U-FUI水色指数的城市水体遥感分级精度评价 Table 1 Accuracy evaluation of urban water classification based on the U-FUI water color index |
式中, N识别正确样点代表分级结果与实测水色情况一致的样点数, N总样点代表参与精度评价的总样点数.
精度评价结果如表 1所示, 基于U-FUI水色指数的城市水体分级整体的精度达72.22%, 总体的分级效果较好.但U-FUI Ⅱ级(浅绿、绿色水体)和Ⅲ级水体(深绿、黄绿色水体)的识别正确率相较于其他几级水体较低, 这可能是由于水体中藻类的大量生长会影响对水体颜色的判断.此外, 城市水体中U-FUI的Ⅳ、Ⅴ和Ⅵ级水体(黄色系和灰黑色的水体)的数据相对较少, 未来会收集更多该类水色水体的数据以完善基于U-FUI水色指数的城市水体水色分级算法.
2.3 基于GF-2影像的城市水体遥感分级结果将2.1节构建的基于U-FUI水色指数的城市水体遥感分级模型应用于南京市2018年4月9日的GF-2 PMS2遥感影像上, 计算城市水体的水色分布情况, 结果如图 7所示.影像结果显示, 南京市内城市水体以U-FUI Ⅱ级~U-FUI Ⅳ级水体为主, 即城区内水体表观水色多为浅绿色、绿色、深绿色、黄绿色、浅黄色和黄色.部分的湖泊水体以及河宽较宽的河流水体像元(如月牙湖公园段)被识别为U-FUI Ⅰ级水体, U-FUI的Ⅴ级与Ⅵ级水体则在城区内有零星分布.
|
图 7 南京市城市水体分级结果 Fig. 7 Classification results of urban water in Nanjing |
选用最接近制图影像成像时间的原位调查数据(2018年4月19日), 将影像计算的结果与实地调查得到的水色数据进行比对, 结果如表 2所示, 3个验证点均识别正确.
|
|
表 2 南京市城市水体分级精度验证结果 Table 2 Validation results of the urban water classification accuracy in Nanjing |
从影像的分级结果来看, 部分U-FUI的Ⅰ级与Ⅵ级水体像元出现错分的现象(如月牙湖), 分析可能是由于U-FUI Ⅰ级水体多为水面较宽阔的河流或景观水体, 水体较为清洁, 对光线的吸收作用较强导致水体的亮度较弱, 从而部分水体像元的CIE-Y刺激值大小也相对较低而被错分为U-FUI Ⅵ级水体.在今后的研究中, 将增加较为清洁的城市水体数据, 以进一步提高城市水体水色分级算法的精度.
3 讨论 3.1 不同水色等级水体的水质参数特征本文主要分析了不同水色等级水体的水质参数特征, 主要包括影响水体光学特性的透明度(SD)、叶绿素(Chla)和总悬浮物(TSM)等5种参数以及影响水体水质的溶解氧(DO)、氧化还原电位(Eh)和硫化物等7种水质化学参数, 图 8为不同水色等级水体水质参数的箱型图.
|
图 8 U-FUI Ⅱ级~U-FUI Ⅵ级水体的水质参数箱型图 Fig. 8 Box diagram of the water quality parameters of U-FUI Ⅱ- Ⅵ water bodies |
图 8的结果显示, 指示水色为浅绿色和深绿色的U-FUI Ⅱ级和U-FUI Ⅲ级水体的Chla浓度整体上远高于Ⅳ~Ⅵ级水体, 其对应的Chla浓度均值分别为(103.69±78.16)μg·L-1和(127.77±124.68)μg·L-1, 约为Ⅳ~Ⅵ级水体的2~3倍.指示水色为黄色和黄棕色的U-FUI Ⅳ级和U-FUI Ⅴ级水体的TSM浓度整体上高于Ⅱ~Ⅳ级水体.从平均值来看, 水色呈黄棕色和灰黑色的U-FUI Ⅴ级和U-FUI Ⅵ级水体的TSM浓度均值最高, 分别为(57.35±37.53)mg·L-1和(56.06±49.23)mg·L-1, 约为Ⅱ级和Ⅲ级水体的两倍, 同时浅黄色的Ⅳ级水体的TSM浓度均值为(38.78±22.23)mg·L-1, 也明显高于Ⅱ级和Ⅲ级水体.此外, 对比各级水体中的ISM与OSM浓度, 发现U-FUI的Ⅳ级和Ⅴ级水体中的ISM浓度均值[(27.98±23.02)mg·L-1和(40.37±37.15)mg·L-1]显著高于OSM的浓度均值[(10.8±6.89)mg·L-1和(16.98±11.76)mg·L-1], 而Ⅱ级、Ⅲ级和Ⅵ级水体中的ISM与OSM浓度相近, 无显著差异.表明水体中Chla和ISM浓度的高低可能会在一定程度上导致水体呈现出绿色系或黄色系的水色.
通过对比U-FUI Ⅵ级水体与其他几级水体的水质参数, 发现水色呈灰黑色的U-FUI Ⅵ级水体的氨氮、硫化物、溶解性有机碳、总氮和总磷的浓度显著高于Ⅱ~Ⅴ级水体, 同时其溶解氧浓度和氧化还原电位则显著低于Ⅱ~Ⅴ级水体.通过文献[32]发现U-FUI Ⅵ级水体的水质较差, 达到了其中重度黑臭水体的判别标准.
3.2 不同水色等级水体的固有光学量特征由于水体固有光学量不受入射光场影响, 而只与水体组分及其光学特性相关[33], 若水体组分发生变化则会影响水体的固有光学特性, 进而影响水体的表观光学特性[34].因此, 本研究对比分析了U-FUI Ⅱ级~U-FUI Ⅵ级水体的固有光学量, 主要包括总颗粒物吸收系数(ap)、色素颗粒物吸收系数(aph)、非色素颗粒物吸收系数(anap)和有色可溶性有机物(CDOM)的吸收系数(ag), 图 9为各吸收系数均值的曲线图, 表 3给出了440 nm处各吸收系数的平均值和标准差.
|
图 9 U-FUI Ⅱ级~U-FUI Ⅵ级水体各固有光学量吸收系数均值的曲线 Fig. 9 Curves of the average absorption coefficient of each inherent optical property in U-FUI Ⅱ- Ⅵ water bodies |
|
|
表 3 U-FUI Ⅱ级~U-FUI Ⅵ级水体各固有光学量的吸收系数(平均值和标准差)/m-1 Table 3 Absorption coefficients of each inherent optical property in U-FUI Ⅱ- Ⅵ water bodies (average and standard deviation)/m-1 |
结果显示, U-FUI的Ⅱ级、Ⅲ级、Ⅳ级和Ⅵ级水体间的总颗粒物吸收系数和非色素颗粒物吸收系数无明显差异, 但U-FUI Ⅴ级水体在440 nm处的总吸收系数均值[(8.41±4.97)m-1]和非色素吸收系数均值[(6.52±4.11)m-1]均显著大于其余4级水体, 约为其余4级水体的2~3倍.有研究表明[35], 陆源物质是水体中非色素颗粒物的主要来源且通常与总悬浮物和无机悬浮物浓度相关.相关性分析结果表明, anap(440)与TSM、ISM呈现较强的相关性, 相关系数分别达到0.55和0.56; anap (440)则与OSM和Chla无明显相关性, 相关系数分别为0.101和-0.14.进一步表明水体中的悬浮物且主要是无机悬浮物可能是影响城市水体水色变黄的主要因素.
色素颗粒物吸收系数的曲线通常在440 nm左右和675 nm左右呈现出两处吸收峰, 且蓝光波段处的峰值一般要高于红光波段处.图 9(b)显示U-FUI的Ⅱ级和Ⅲ级水体色素颗粒物吸收系数曲线的双峰相比于Ⅳ级、Ⅴ级和Ⅵ级水体更为明显, 且以675 nm处的吸收峰最为突出, Ⅱ级和Ⅲ级水体在440 nm处的平均值分别为(2.05±1.19)m-1和(2.42±3.41)m-1, 均高于其余3级水体.有研究表明[36], Chla的含量影响着两处吸收峰的大小, 且675 nm处的吸收峰主要受Chla的影响而440 nm处的吸收峰则还受其他色素的作用, 进一步表明了水体中的Chla浓度是影响城市水体水色变绿的主要因素.
CDOM是水体中重要的光吸收物质[37], 图 9(d)显示U-FUI Ⅵ级水体的CDOM吸收系数曲线整体高于其余4级水体, 对比U-FUI的Ⅱ级~Ⅵ级水体在440 nm处的CDOM吸收系数(表 3), U-FUI Ⅵ级水体的ag(440)均值(2.69±1.89)m-1显著高于其他4级水体, 约为其他4级水体的2倍.有研究表明[38], 水体中CDOM的高吸收会导致水体呈现出灰黑色的水色, 例如湖泊水体中的“湖泛”现象主要就是受水体中CDOM含量变化的影响.同时, 笔者发现ag(440)与OSM、DOC呈现较强的相关性, 相关系数分别达到0.54和0.64, ag (440)与Chla的相关性则较弱, 相关系数仅为0.23, 而ag(440)与TSM和ISM无明显相关性.表明水体中较高的CDOM浓度可能是城市水体水色致黑的因素之一.
4 结论(1) 本研究在大量野外原位测量的基础上, 基于国产高分影像的波段设置, 利用CIE色度转换模型并参考FUI水色指数构建了基于GF-2影像的适用于城市水体遥感分级的U-FUI水色指数, 能够完成对城市水体水色的定量分级, 将城市水体分为代表不同水色的U-FUI Ⅰ~U-FUI Ⅵ共6级水体.独立数据集的精度评价结果显示, 整体的分级精度达到72.22%.通过比较各U-FUI水色级别城市水体的水质参数和固有光学量, 表明U-FUI的Ⅱ级和Ⅲ级水体具有较高的叶绿素a浓度; U-FUI的Ⅳ级和Ⅴ级水体的总悬浮物浓度和无机悬浮物浓度相对较高; U-FUI Ⅵ级水体水质较差且伴随有黑臭现象发生, 该类水体的DO含量和Eh值显著较低, 同时水体中伴随着较高浓度的氨氮、TN、TP、DOC、CDOM以及硫化物.
(2) 本方法被成功地应用于南京市的城市水体分级, 结果显示南京市的城市水体以U-FUI Ⅱ级~U-FUI Ⅳ级水体为主, Ⅰ、Ⅴ和Ⅵ级水体在城市中分布相对较少.但影像上U-FUI Ⅵ级水体和U-FUI Ⅰ级水体会出现一定的错分现象.
致谢: 感谢南京师范大学水色遥感团队全体成员在野外采样和室内分析中的辛苦付出.
| [1] |
徐敏, 姚瑞华, 宋玲玲, 等. 我国城市水体黑臭治理的基本思路研究[J]. 中国环境管理, 2015, 7(2): 74-78. Xu M, Yao R H, Song L L, et al. Primary exploration of general plan of the urban black-odor river treatment in China[J]. Chinese Journal of Environmental Management, 2015, 7(2): 74-78. DOI:10.3969/j.issn.1674-6252.2015.02.016 |
| [2] |
陈鸣, 潘杨, 黄勇. 吸收光谱法表征城市景观水体表观污染的方法优化[J]. 苏州科技学院学报(工程技术版), 2013, 26(4): 1-6. Chen M, Pan Y, Huang Y. Optimizing absorption spectrometry characterization for apparent pollution of urban water[J]. Journal of Suzhou University of Science and Technology (Engineering and Technology), 2013, 26(4): 1-6. |
| [3] |
谭渝峰, 张琪, 朱莎, 等. 基于简单建模与因子分析的湖泊水质评价[J]. 生态与农村环境学报, 2015, 31(3): 432-439. Tan Y F, Zhang Q, Zhu S, et al. Study on lake water quality assessment based on simple modeling and factor analysis[J]. Journal of Ecology and Rural Environment, 2015, 31(3): 432-439. |
| [4] |
孙涛, 张妙仙, 李苗苗, 等. 基于对应分析法和综合污染指数法的水质评价[J]. 环境科学与技术, 2014, 37(4): 185-190. Sun T, Zhang M X, Li M M, et al. River water quality evaluation based on correspondence analysis and comprehensive pollution index method[J]. Environmental Science & Technology, 2014, 37(4): 185-190. |
| [5] |
杨浩, 张国珍, 杨晓妮, 等. 基于模糊综合评判法的洮河水环境质量评价[J]. 环境科学与技术, 2016, 39(S1): 380-386, 392. Yang H, Zhang G Z, Yang X N, et al. Comprehensive evaluation on water environment quality of the tao river based on fuzzy comprehensive method[J]. Environmental Science & Technology, 2016, 39(S1): 380-386, 392. |
| [6] |
尚佰晓, 吕子楠, 李杰年, 等. 基于模糊综合评价法与单因子指数评价法的水质评价[J]. 中国环境管理干部学院学报, 2013, 23(5): 1-4. Shang B X, Lv Z N, Li J N, et al. Application of fuzzy mathematics and single factor index in water quality evaluation[J]. Journal of Hebei University of Environmental Engineering, 2013, 23(5): 1-4. DOI:10.3969/j.issn.1008-813X.2013.05.001 |
| [7] |
姚月, 申茜, 朱利, 等. 高分二号的沈阳市黑臭水体遥感识别[J]. 遥感学报, 2019, 23(2): 230-242. Yao Y, Sheng Q, Zhu L, et al. Remote sensing identification of urban black-odor water bodies in Shenyang city based on GF-2 image[J]. Journal of Remote Sensing, 2019, 23(2): 230-42. |
| [8] |
姚焕玫, 卢燕南, 龚祝清. 基于PlanetScope影像的广西钦州市黑臭水体识别方法研究[J]. 环境工程, 2019, 37(10): 35-43. Yao H M, Lu Y N, Gong Z Q. Remote sensing identification of urban black and odorous water body based on PlanetScope images: a case study in Qinzhou, Guangxi[J]. Environmental Engineering, 2019, 37(10): 35-43. |
| [9] |
温爽, 王桥, 李云梅, 等. 基于高分影像的城市黑臭水体遥感识别: 以南京为例[J]. 环境科学, 2018, 39(1): 57-67. Wen S, Wang Q, Li Y M, et al. Remote sensing identification of urban black-odor water bodies based on high-resolution images: A case study in Nanjing[J]. Environmental Science, 2018, 39(1): 57-67. |
| [10] | Jaquet J, Zand B. Colour analysis of inland waters using Landsat TM data[J]. ESA SP, 1989, 1102: 57-67. |
| [11] | Bukata R P, Jerome J H, Kondratyev K Y, et al. Modelling the radiometric color of inland waters: Implications to a) remote sensing and b) limnological color scales[J]. Journal of Great Lakes Research, 1997, 23(3): 254-269. DOI:10.1016/S0380-1330(97)70910-9 |
| [12] | Bukata R P, Jerome J H, Kondratyev K Y, et al. Modelling the radiometric color of Inland Waters: Implications to a) Remote sensing and b) Limnological color scales[J]. Journal of Great Lakes Research, 1997, 23(3): 254-269. DOI:10.1016/S0380-1330(97)70910-9 |
| [13] | Alföldi T T, Munday Jr J C. Water quality analysis by digital chromaticity mapping of Landsat data[J]. Canadian Journal of Remote Sensing, 1978, 4(2): 108-126. DOI:10.1080/07038992.1978.10854974 |
| [14] |
王胜蕾. 基于水色指数的大范围长时序湖库水质遥感监测研究[D]. 北京: 中国科学院大学(中国科学院遥感与数字地球研究所), 2018. Wang S L. Large-scale and long-time water quality remote sensing monitoring over lakes based on water color index[D]. Beijing: University of Chinese Academy of Sciences (Institute of Remote Sensing and Digital Earth, CAS), 2018. |
| [15] | Novoa S, Wernand M R, Van Der Woerd H J. The Forel-Ule scale revisited spectrally: preparation protocol, transmission measurements and chromaticity[J]. Journal of the European Optical Society: Rapid Publications, 2013, 8. DOI:10.2971/jeos.2013.13057 |
| [16] | Wang S L, Lee Z, Shang S L, et al. Deriving inherent optical properties from classical water color measurements: Forel-Ule index and Secchi disk depth[J]. Optics Express, 2019, 27(5): 7642-7655. DOI:10.1364/OE.27.007642 |
| [17] | Wernand M R, Hommersom A, Van Der Woerd H J. MERIS-based ocean colour classification with the discrete Forel-Ule scale[J]. Ocean Science, 2012, 9(3): 477-487. |
| [18] | Wernand M R, Van Der Woerd H J. Spectral analysis of the Forel-Ule ocean colour comparator scale[J]. Journal of the European Optical Society: Rapid Publications, 2010, 5. DOI:10.2971/jeos.2010.10014s |
| [19] | Wang S L, Li J S, Zhang B, et al. Trophic state assessment of global inland waters using a MODIS-derived Forel-Ule index[J]. Remote Sensing of Environment, 2018, 217: 444-460. DOI:10.1016/j.rse.2018.08.026 |
| [20] | Pitarch J, Van Der Woerd H J, Brewin R J W, et al. Optical properties of Forel-Ule water types deduced from 15 years of global satellite ocean color observations[J]. Remote Sensing of Environment, 2019, 231. DOI:10.1016/j.rse.2019.111249 |
| [21] | Li J S, Wang S L, Wu Y H, et al. MODIS observations of water color of the largest 10 lakes in China between 2000 and 2012[J]. International Journal of Digital Earth, 2016, 9(8): 788-805. DOI:10.1080/17538947.2016.1139637 |
| [22] | 金筱青, 周慧. 过硫酸钾-钼锑抗分光光度法测定地表水中总磷的若干影响因素[J]. 环境监测管理与技术, 2002, 14(1): 38. DOI:10.3969/j.issn.1006-2009.2002.01.016 |
| [23] |
陈宇炜, 陈开宁, 胡耀辉. 浮游植物叶绿素a测定的"热乙醇法"及其测定误差的探讨[J]. 湖泊科学, 2006, 18(5): 550-552. Chen Y W, Chen K N, Hu Y H. Discussion on possible error for phytoplankton chlorophyll-a concentration analysis using hot-ethanol extraction method[J]. Journal of Lake Sciences, 2006, 18(5): 550-552. DOI:10.3321/j.issn:1003-5427.2006.05.019 |
| [24] | Mitchell B G. Algorithms for determining the absorption coefficient for aquatic particulates using the quantitative filter technique[A]. In: Proceedings of SPIE 1302, Ocean Optics X[C]. Orlando, FL: SPIE, 1990. 137-148. |
| [25] | Ma R, Tang J, Dai J. Bio‐optical model with optimal parameter suitable for Taihu Lake in water colour remote sensing[J]. International Journal of Remote Sensing, 2006, 27(19): 4305-4328. DOI:10.1080/01431160600857428 |
| [26] |
樊森. 劳尔色卡: 色彩缔造非凡——访劳尔(RAL)董事会主席兼首席执行官Wolf D. Karl博士[J]. 中国涂料, 2011, 26(10): 67-68. Fan S. RAL Color Card: color creating the excellence—visiting Doc. Wolf D. Karl, Chairman of the Board and chief executive officer of RAL[J]. China Coatings, 2011, 26(10): 67-68. DOI:10.3969/j.issn.1006-2556.2011.10.019 |
| [27] |
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. |
| [28] | 李云梅, 王桥, 黄家柱, 等. 太湖水体光学特性及水色遥感[M]. 北京: 科学出版社, 2010. |
| [29] | CIE. Commission internationale de l'eclairage proceedings, 1931[M]. Cambridge: Cambridge University, 1932. |
| [30] | Jackson T, Sathyendranath S, Mélin F. An improved optical classification scheme for the Ocean Colour Essential Climate Variable and its applications[J]. Remote Sensing of Environment, 2017, 203: 152-161. DOI:10.1016/j.rse.2017.03.036 |
| [31] | Wang S L, Li J S, Shen Q, et al. MODIS-based Radiometric color extraction and classification of inland water with the Forel-Ule scale: A case study of lake Taihu[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(2): 907-918. DOI:10.1109/JSTARS.2014.2360564 |
| [32] | 住房城乡建设部, 环境保护部. 城市黑臭水体整治工作指南[EB/OL]. http://www.mohurd.gov.cn/wjfb/201509/t20150911_224828.html, 2015-08-28. |
| [33] | Mobley C D. Light and water: radiative transfer in natural waters[M]. San Diego: Academic Press, 1994. |
| [34] | 李素菊. 利用分析方法建立湖泊光学水质参数反演算法研究——以安徽巢湖为例[D]. 北京: 北京大学, 2003. |
| [35] |
张运林, 秦伯强, 杨龙元. 太湖梅梁湾水体悬浮颗粒物和CDOM的吸收特性[J]. 生态学报, 2006, 26(12): 3969-3979. Zhang Y L, Qin B Q, Yang L Y. Spectral absorption coefficients of particulate matter and chromophoric dissolved organic matter in Meiliang Bay of Lake Taihu[J]. Acta Ecologica Sinica, 2006, 26(12): 3969-3979. DOI:10.3321/j.issn:1000-0933.2006.12.007 |
| [36] | Lohrenz S E, Weidemann A D, Tuel M. Phytoplankton spectral absorption as influenced by community size structure and pigment composition[J]. Journal of Plankton Research, 2003, 25(1): 35-61. DOI:10.1093/plankt/25.1.35 |
| [37] | Stedmon C A, Markager S, Kaas H. Optical properties and signatures of chromophoric dissolved organic matter (CDOM) in danish coastal waters[J]. Estuarine, Coastal and Shelf Science, 2000, 51(2): 267-278. DOI:10.1006/ecss.2000.0645 |
| [38] |
李佐琛. 藻源型湖泛过程水体光学特性及水色变化研究[D]. 西安: 西北大学, 2015. Li Z C. Variations in optical properties and water color during the formation of black bloom waters[D]. Xi'an: Northwest University, 2015. |