1986—2017年膠州灣水體透明度時空變化及影響因素研究

殷子瑤, 江 濤, 楊廣普, 黃 玨, 趙永芳

1986—2017年膠州灣水體透明度時空變化及影響因素研究

殷子瑤1, 2, 3, 江 濤1, 楊廣普1, 黃 玨1, 趙永芳4

(1. 山東科技大學, 山東 青島 266590; 2. 中國科學院 空天信息創新研究院 數字地球重點實驗室, 北京 100094; 3. 中國科學院大學, 北京 100049; 4. 中國科學院 海洋研究所 膠州灣生態站, 山東 青島 266071)

借助遙感技術能夠獲取長時序大范圍數據的特點, 利用1986—2017年的Landsat TM/ETM+/OLI影像, 通過構建基于實測數據的定量反演模型, 分析了32年來膠州灣海域水體透明度的時空分布特征和變化規律, 并探究其主要影響因素。結果表明, 年均水體透明度的變化范圍為1.55~2.55 m, 且空間分布規律穩定, 呈現東南高西北低的特點; 季均水體透明度從高到低依次為冬季(2.09 m)、春季(1.83 m)、秋季(1.82 m)、夏季(1.43 m)。利用氣象數據及膠州灣流域的土地利用分類/景觀格局數據, 從自然環境和人類活動兩方面分析影響膠州灣水體透明度時空分布的因素, 發現膠州灣水體透明度與入海徑流量、降水量存在顯著的負相關關系, 并受到近海養殖區破碎化程度和修建大型人工設施等人為因素的影響。

膠州灣; 水體透明度; 時空分布; 遙感定量反演

水體透明度是表示水體渾濁程度的重要參數, 是反映水體光傳輸能力的關鍵生態指標, 也是水質調查中的基本參量。監測水體透明度的時空變化對研究水體光學參數及其理化性質、水環境變化、水體富營養化等都有十分重要的意義[1]。傳統的水體透明度監測采用賽克盤法, 監測人員在水面上將黑白相間的圓盤逐漸沉入水中, 直到它消失在監測者的視線之外, 此時視線到水面垂直距離的讀數就是水體的透明度。盡管這種方法操作簡單, 但是獲得的數據不連續, 且實驗耗時長、費用高, 同步性和實時性較差。而遙感技術能夠做到宏觀、及時、準確、周期性地獲取大范圍的水體透明度分布特征, 尤其是在監測人員較難到達的區域其優勢更為明顯, 因而逐漸成為監測水體透明度的重要且有效的手段之一[2-3]。

自衛星遙感技術問世以來, 國內外學者提出了多種水體透明度的遙感反演方法, 如Hellweger等[4]利用衛星影像研究了紐約港口的透明度; 王曉梅等[5]建立了黃海及東海透明度的經驗反演模型; 叢丕福等[6]通過MODIS數據建立了基于波段比值的遼東灣水體透明度反演模型; 張春桂等[7]以水體的固有光學量為基礎, 建立了臺灣海峽海域的透明度遙感反演模型; 何賢強等[8]提出了基于光在水中傳播理論的透明度半解析反演模型; 李忠平等[9]利用漫衰減系數和遙感反射率建立了水體透明度的半解析模型, 將其應用于Landsat-8數據, 獲得了空間分辨率較高的透明度分布圖?？偟膩碚f, 依據輻射傳輸理論構建的半分析模型物理基礎較好, 但模型形式復雜, 部分參數獲取較困難; 而經驗模型形式簡單且具有較強的針對性, 適用于物理參數缺乏的區域, 已廣泛應用于業務化監測工作。

膠州灣的面積不足500 km2, 選擇用于研究膠州灣水域透明度的大部分遙感數據空間分辨率較低(例如MODIS數據空間分辨率為1 km), 難以準確地反映面積較小的膠州灣的灣內透明度時空分布的細微變化。因此本文選用1986—2017年間的Landsat TM/ ETM+/OLI影像數據(其空間分辨率為30 m), 基于實測數據和遙感影像構建了膠州灣水體透明度遙感反演模型, 在此基礎上得到了膠州灣透明度長時序的時空分布規律和變化趨勢; 水體透明度時空動態變化特征成因復雜, 不同因素作用效果差異顯著, 本研究在分析膠州灣水體透明度時空分布變化特征的基礎上, 探討了自然環境和人類活動對膠州灣水域透明度的影響。

1 研究區與數據集

1.1 研究區概況

膠州灣位于膠東半島的南岸, 它以團島頭(36°02′36″N, 120°16′49″E)與薛家島腳子石(36°00′53″N, 120°17′30″E)的連線為界, 是一個半封閉海灣[10], 被中國北方最大的工業城市之一青島市所包圍。其水底地形變化復雜, 平均水深約7 m, 最大水深約64 m[11]。隨著沿岸經濟飛速發展, 大量興建的養殖池、曬鹽池、港口、碼頭、橋梁等人工建筑逐步侵占了膠州灣的面積, 越來越多的海岸線已逐步成為人工海岸線[12]。膠州灣跨海大橋于2007年開始修建, 也在一定程度上改變了原有的水動力環境。人類活動的加劇給該海域的生態環境帶來了一定的壓力, 膠州灣是研究自然和人為因素對水質變化影響的理想場所, 水體透明度的分布特征將為膠州灣周圍海域的水團分析、河流識別、海洋初級生產力、區域海洋學以及環境評價和生態保護規劃提供更多信息[13], 然而目前對膠州灣水體透明度的時空分布及其自然和人為驅動力的研究還很缺乏。

1.2 實測數據

膠州灣水體透明度的實測數據來自膠州灣海洋生態系統國家野外科學觀測研究站, 觀測站點位置如圖1所示, 測量方法為賽克盤法, 數據采集時間為1999年11月9日、2008年12月11日、2009年7月15日、2010年12月17日、2013年8月19日、2015年9月10日。共獲取1—13號站點與Landsat衛星過境時間相匹配(同一天)的32組實測透明度數據。

1.3 遙感數據

本文使用的Landsat TM/ETM+/OLI數據來自于USGS官網(http: //www.usgs.gov/), 下載了1986—2017年間所有覆蓋膠州灣區域的影像共446景, 用于后續的模型構建及時空變化分析。

對Landsat數據的預處理主要是大氣校正, Gordon等[14]指出在水色遙感輻射量級中影響最大的就是瑞利散射, 特別是對于較渾濁的近海和內陸水體區域, 僅去除瑞利散射的影響便可以達到大氣校正的目的。ACOLITE大氣校正算法是專門用于Landsat TM/ ETM+/OLI和Sentinel-2的近海和內陸水體大氣校正的一種方法。Vanhellemont等[15]的研究表明扣除瑞利散射的ACOLITE大氣校正方法在近岸渾濁水體的遙感反演中取得了成功的應用, 因此本研究采用ACOLITE軟件對所有的Landsat影像進行大氣校正。

圖1 膠州灣及采樣站位

1.4 氣象數據

本文使用的降水數據是從中國氣象數據網(http: // data.cma.cn/)下載的1986—2017年的青島站每日平均降水量; 本文所采用的徑流資料是大沽河南村水文站點的月平均流量[16], 時間范圍為1986—2013年。

2 研究方法

2.1 透明度遙感反演原理及模型建立方法

太陽輻射在水中的傳播和分布主要受浮游植物、懸浮顆粒物、有色溶解性有機物和純水四種物質影響, 這些物質決定了水的光譜特性, 其中純水的吸收特性是穩定的, 因此傳感器接收的水的輻射差異主要取決于水中不同組分對光的吸收和散射。因此, 通過遙感定量監測水質參數的關鍵是分析在一定光譜范圍內水的各組分含量差異引起的反射率差異[17]。

在統計學中, 常見的回歸方法主要包括單個自變量的線性和非線性回歸, 多個自變量的多元回歸和主成分回歸, 以及在各自變量的數據轉換之后進行的各種分析等[18]。因此, 本研究嘗試對各波段及波段組合進行分析, 選擇最優方法建立膠州灣水體透明度與Landsat數據之間的反演模型。在全部的32組透明度的實測數據中, 利用20組數據及其對應位置的準同步Landsat衛星遙感反射率構建模型, 使用其余12組實測數據檢測反演模型的精度和可靠性, 具體的數據信息如表1所示。

表1 實測數據信息

2.2 精度評價

本文的水體透明度算法精度評價指標采用平均相對誤差(MRE)和均方根誤差(RMSE), 二者的表達式如下:

式中,是透明度的模型反演值,是透明度的實際測量值,代表樣本數。

2.3 土地利用分類與景觀格局指數

土地利用、覆被變化及景觀格局是在全球尺度上進行變化研究的重要方面, 同時也是區域人類活動及其影響的集中體現[19]。因此本文借助了膠州灣流域土地利用分類和景觀格局指數來探討人類活動對膠州灣水體透明度的影響。根據楊廣普等[20]的研究成果, 利用決策樹將研究區域的土地劃分為林地、城鎮用地、耕地、水域、未利用土地和養殖區這六種類型(用戶精度大于75%, Kappa系數為0.81), 并使用Fragstats 4.1軟件計算了1986、1992、2000、2009、2015年的8種常用的景觀格局指數分布, 包括拼塊類型面積、拼塊數量、拼塊密度、最大拼塊占景觀面積比例、邊緣密度、景觀形狀指數、香濃多樣性指數、聚合度指數。

3 結果與討論

3.1 水體透明度遙感反演模型

現有的基于Landsat數據進行水體透明度遙感反演的研究, 常使用其前四個波段或前四個波段的波段組合作為遙感反演因子[21]。本文中, 使用SPSS 22.0來分析Landsat前四個波段及典型波段組合與對應的實測透明度數據之間的皮爾遜相關系數, 結果如表2所示。

可以看到, 前四個波段的反射率越高, 水體透明度就越低, 這是因為當水體較渾濁時, 水中的浮游植物、懸浮顆粒和黃色物質等成分的含量就越高, 因此反射率就會越高。前四個波段與透明度的相關系數都相對較低, 分別為–0.257、–0.423、–0.327、–0.155, 同時波段的線性組合與透明度的相關系數也較低, 說明以單一波段或單一波段的線性組合為基礎的反演模型精度較低。

表2 Landsat典型波段及波段組合與透明度的相關性分析

波段比值算法是反演水質參數時的常用方法, 這種方法可以有效減少光照、大氣等環境背景對測量結果的影響[22]。本研究中, Landsat波段比值與透明度的相關性如表2所示, 其中第四波段與第三波段遙感反射率的比值與水體透明度的相關系數最高, 為0.660?；诖? 提出了膠州灣水體透明度反演模型:

式中SSD為膠州灣的水體透明度,為Landsat第四波段與第三波段反射率的比值, 該公式的2為0.691, 平均相對誤差為17.5%, 均方根誤差為0.56 m。同時從圖2中能夠發現, 實測水體透明度與反演計算出的水體透明度較均勻的分布于1︰1線的兩側, 表明該模型的精度較高, 可以用于反演該海域的水體透明度。

3.2 水體透明度的時空變化

由于大沽河河口處受砂質底部高反射的影響, 無法得到有效的反演結果, 因此對此處的淺水區進行了掩膜處理。此外, 夏季(6—8月)因受到多云多雨天氣的影響, 影像數據質量較差且可用影像數量較少, 可能會對最終結果產生一定影響。本文利用公式(3)反演得到了32年來所有的446景影像的水體透明度分布, 并按照年份取平均, 得到了1986—2017年間膠州灣水體透明度逐年空間分布圖(圖3)和逐年統計結果(圖4)。在此基礎上, 進一步按照月份、季節對所有影像結果取平均, 得到膠州灣水體透明度的月均值空間分布圖(圖5)、季度均值空間分布圖[圖6 (a)、(b)、(c)、(d)]以及年均值空間分布圖[圖6(e)]。

圖2 透明度反演模型的驗證

圖3 1986—2017年膠州灣水體透明度逐年均值分布

圖4 1986—2017年膠州灣水體透明度年均變化

根據水體透明度逐年均值統計結果(圖4)可以看出, 32年來膠州灣水體透明度的均值在1.55~2.55 m之間變化, 均值為(1.97±0.58) m, 其中年均值在1993年達到最高, 為2.55 m, 在2008年達到最低, 為1.55 m, 32年來水體透明度的變化規律基本呈現出在波動中下降的趨勢(趨勢線斜率=–0.005 85<0), 且1996年之后所有年份的平均水體透明度(1.89 m)要明顯低于1996年之前所有年份的平均水體透明度(2.13 m)。

分析多年月均水體透明度變化統計結果(圖5), 發現6月的平均水體透明度最低, 為1.39 m, 1月的平均水體透明度最高, 為2.22 m, 但各月份中灣內水體透明度呈現出的東南高、西北低的趨勢始終存在。圖6(a)、(b)、(c)、(d)為1986—2017年膠州灣水體透明度的季節均值變化, 從中看出夏季(6—8月)水體透明度最低, 其平均水體透明度僅為1.43 m, 秋季(9—11月)水體透明度高的海域面積明顯大于夏季, 均值達到了1.82 m; 冬季(12月—翌年2月)的水體透明度是四季中最高的, 平均為2.22 m, 春季(3—5月), 水體透明度的均值為1.83 m, 一般低于冬季的透明度。

圖5 1986—2017年膠州灣水體透明度月均分布

由1986—2017年的年均、季均、月均水體透明度空間分布圖, 可以看出在不同的時間尺度上, 膠州灣水體透明度的空間分布特征類似: 灣內透明度基本呈現出南部高、北部低, 尤其是東南部水體透明度高、西北部水體透明度低的趨勢。因此根據年均值的空間分布特征, 可以將膠州灣大致劃分成兩個區域[圖6(e)]。

3.3 影響因素分析

研究表明, 導致水體透明度變化的原因主要有大陸徑流、地理位置、降水量、季風活動、浮游生物、懸浮物和人類活動等多種因素[23]。本文利用1986—2017年間的降水、入海徑流量和土地利用/景觀格局數據, 從自然環境和人類活動兩方面對膠州灣水體透明度時空分布的變化進行分析。

圖6 膠州灣水體透明度季均(a、b、c、d)和年均(e)分布

3.3.1 入海徑流量與降水量

在匯入膠州灣的主要河流中, 大沽河的流域覆蓋范圍最大, 達到了所有入灣河流總匯水面積的82%[24]。大沽河的河水來源主要是降水, 它是一條典型的雨源性河流。而相關研究表明, 水體透明度與河水的流量、流速呈負相關, 這主要是因為流量越大, 水流的沖刷侵蝕能力越強, 因此運輸的沉積物越多, 流域內的懸浮顆粒物含量越多, 透明度降低[25]。

本文所采用的徑流資料是南村水文站點的大沽河逐月資料, 時間為1986—2013年[16]。南村水文站處于大沽河流域的下游, 具有長期徑流數據, 可以說明流域徑流的整體特征[26]。本文采用的降水資料是青島站的逐日平均降水量, 時間范圍是1986—2017年。利用逐月的徑流量和逐日降水量資料計算出大沽河的年均徑流量和膠州灣的年均降水量, 與年均水體透明度對比, 結果如圖7所示。

由圖7可以看出, 膠州灣的水體透明度與大沽河的徑流量總體上大致呈負相關關系(相關系數= –0.42), 即水體透明度隨入海徑流量的增加而降低; 同樣的, 膠州灣水體透明度的變化趨勢與降水量總體上也呈負相關的關系(相關系數= –0.33), 也就是說降水量越多, 水體透明度就越低, 降水量越少, 則水體透明度就會越高。對于透明度與降水之間的關系, 類似的研究成果在青藏高原的當惹雍錯湖泊(劉翀[18], 2017)、美國威斯康星地區湖泊(Rose 等[27], 2017)的研究中也有所反映。以上兩個研究都證明, 在降水較多時, 水體的透明度會降低; 在降水較少時, 水體的透明度則會增加。

圖7 水體透明度與降水量、大沽河徑流量的關系

本研究中, 徑流量、降水量與膠州灣水體透明度之間的負相關性, 主要是由于流域降水對眾多的入灣河流徑流量產生了影響, 引起了河流攜帶物質的變化, 因而對膠州灣的透明度產生了影響。當降水量增加時, 河流攜帶進入膠州灣的物質含量也隨之增加, 導致水體透明度下降; 反之, 由于河流攜帶物質減少, 水體較清潔, 灣內水體透明度也有所升高。

3.3.2 人類活動

水體透明度也可以從一定程度上反映膠州灣內的生態環境變化, 對環灣城市的發展規劃具有重大意義。由2.2節可知, 灣內的水體透明度變化主要集中在沿岸地區, 灣中心的變化較小, 這很可能是因為沿岸區域受生產污染等人為因素影響更直接。而土地利用和景觀格局的變化是人類活動改造自然環境最直觀的體現, 為了探究人類活動對膠州灣水體透明度的影響, 本文利用3.3節中的方法, 得到了1986—2017年膠州灣流域土地利用類型分類結果(如圖8所示), 并在此基礎上計算了五個年度的景觀格局指數。通過分析發現, 水體透明度與流域內養殖區的最大拼塊占景觀面積比例和邊緣密度均呈現出一定的負相關關系, 具體如表3所示。結合對膠州灣海域的分區結果[圖6(e)], 可以發現區域1的水體透明度與其靠近的大沽河、洋河流域內的養殖區邊緣密度的相關關系相對比較緊密, 相關系數為–0.435; 而區域2的水體透明度與其靠近的李村河等流域內養殖區的邊緣密度等景觀指數相關性不強, 其與邊緣密度的相關系數僅為–0.149。經統計, 膠州灣有62%的養殖區位于大沽河和洋河流域(區域1)。由此可知, 養殖區的破碎化程度對膠州灣海域的水體透明度變化有一定的影響, 并且養殖區面積越大, 對水體透明度的影響就越顯著。

圖8 膠州灣流域土地利用類型分類(以2015年為例)

表3 水體透明度與養殖區景觀指數的相關系數

另外, 跨海大橋修建期間(2007—2010年), 膠州灣水體透明度較前幾年有明顯的下降趨勢, 并于2008年達到了32年來的最低值, 僅為1.55 m, 大橋修成通車后, 透明度又開始呈現增加的趨勢。經統計, 大橋修建前膠州灣水體透明度均值為1.99 m, 大橋修建后水體透明度均值為1.91 m, 而大橋修建期間水體透明度的均值僅為1.84 m。已有相關研究表明膠州灣跨海大橋的修建影響了膠州灣海域的水動力條件[12], 并進一步影響了膠州灣冬季的海冰時空分布規律[28]。由此推測, 修建跨海大橋引起的膠州灣水動力條件的改變, 可能對水體透明度的分布情況也產生了影響。

綜上, 膠州灣內水域透明度空間分布之所以呈現出東南高、西北低的趨勢, 一方面是因為大沽河、墨水河、白沙河等沿岸河流主要分布在膠州灣的西北部及北部, 因此在有降水現象發生時, 西北部的區域受河流影響更大, 河流的徑流量增加導致其水體透明度相對較低; 另一方面, 膠州灣的西北部與內陸接壤, 受生產污染、近海養殖區破碎化程度、大型人工設施修建等人為因素影響大, 而東南部與海相連, 故水體比較清潔, 水體透明度相對較高。

4 結論

本文基于長時序遙感影像, 研究了1986—2017年32年間的膠州灣水體透明度的時空分布規律, 并分析了影響膠州灣水體透明度的因素, 得出以下結論:

(1) 本文利用Landsat系列衛星近紅波段和紅波段的比值構建了膠州灣水體透明度的反演模型, 初步實現了衛星遙感監測膠州灣水體透明度的目的。結果表明, 遙感反演的水體透明度與實測水體透明度有較好的一致性, 平均相對誤差為17.5%, 均方根誤差為0.56 m。

(2) 32年來膠州灣的逐年年均水體透明度變化范圍為1.55~2.55 m, 平均水體透明度值為(1.97±0.58)m, 透明度隨時間的變化規律呈現出在波動中下降的趨勢; 空間分布規律穩定, 大體上表現出東南高西北低的分布趨勢。

(3) 分析春、夏、秋、冬四季的水體透明度變化, 其中夏季的平均值最低, 為1.43 m, 冬季的平均值最高, 為2.09 m; 分析多年月均水體透明度統計結果, 發現6月的水體透明度均值最低, 為1.39 m, 1月的平均水體透明度最高, 為2.22 m。

(4) 自然環境、人類活動等多種因素共同影響了膠州灣水體透明度的變化趨勢。水體透明度與降水量、入海徑流量呈現出較顯著的負相關關系, 并且受到近海養殖區破碎化程度、大型人工設施修建等人類活動的影響。

[1] 禹定峰, 邢前國, 周斌, 等. 基于環境一號衛星的四十里灣透明度遙感反演[J]. 海洋環境科學, 2014, 33(4): 580-584. Yu Dingfeng, Xing Qianguo, Zhou Bin, et al. Retieval of secchi disk depth in Sishili Bay using the HJ-1B CCD image[J]. Marine Environmental Science, 2014, 33(4): 580-584.

[2] 李穎虹, 王凡, 任小波. 海洋觀測能力建設的現狀、趨勢與對策思考[J]. 地球科學進展, 2010, 25(7): 715-722. Li Yinghong, Wang Fan, Ren Xiaobo. Development trend and strategy of ocean observing capability[J]. Advances in Earth Science, 2010, 25(7): 715-722.

[3] 唐世林, 陳楚群, 詹海剛, 等. 南海真光層深度的遙感反演. 熱帶海洋學報, 2007, 26(1): 9-15. Tang Shilin, Chen Chuqun, Zhan Haigang, et al. Retrieval of euphotic layer depth of South China Sea by remote sensing[J]. Journal of Tropical Oceanography, 2007, 26(1): 9-15.

[4] Hellweger F L, Schlosser P, Lall U, et al. Use of satellite imagery for water quality studies in New York Harbor[J]. Estuarine, Coastal and Shelf Science, 2004, 61: 437- 448.

[5] 王曉梅, 唐軍武, 丁靜, 等. 黃海、東海二類水體漫衰減系數與透明度反演模式研究[J]. 海洋學報, 2005, 27(5): 38-45. Wang Xiaomei, Tang Junwu, Ding Jing, et al. The retrieval algorithms of diffuse attenuation and transparency for the Case-Ⅱwaters of the Huanghai Sea and the East China Sea[J]. Acta Oceanologica Sinica, 2005, 27(5): 38-45.

[6] 叢丕福, 曲麗梅, 韓庚辰, 等. 遼東灣海水透明度的遙感估算模型[J]. 地球科學進展, 2011, 26(3): 295-299. Cong Pifu, Qu Limei, Han Gengchen, et al. Remotely sensed estimation model of ocean water transparency in Liaodong Gulf[J]. Advances in Earth Science, 2011, 26(3): 295-299.

[7] 張春桂, 曾銀東. 臺灣海峽海水透明度遙感監測及時空變化分析[J]. 氣象與環境學報, 2015, 31(2): 73-81. Zhang Chungui, Zeng Yindng. Remote sensing monitoring and spatial-temporal change of seawater transparency in Taiwan Strait[J]. Journal of Meterology and Environment, 2015, 31(2): 73-81.

[8] 何賢強, 潘德爐, 黃二輝, 等. 中國海透明度衛星遙感監測[J]. 中國工程科學, 2004, (9): 33-37, 96. He Xianqiang, Pan Delu, Huang Erhui, et al. Monitor of w transparency in the China Sea by using satellite remote sensing[J]. Engineering Science, 2004, (9): 33-37, 96.

[9] Lee Z, Shang S, Qi L, et al. A semi-analytical scheme to estimate Secchi-disk depth from Landsat-8 measure-ments[J]. Remote Sensing of Environment, 2016, 177: 101-106.

[10] 馬立杰, 楊曦光, 祁雅莉, 等. 膠州灣海域面積變化及原因探討[J]. 地理科學, 2014, 34(3): 365-369. Ma Lijie, Yang Xiguang, Qi Yali, et al. Oceanic area change and contributing factor of Jiaozhou Bay[J]. Scientia Geographica Sinica, 2014, 34(3): 365-369.

[11] 王文海. 膠州灣自然環境概述[J]. 海岸工程, 1986, 3: 18-24. Wang Wenhai. Natural environment of Jiaozhou Bay[J]. Coastal Engineering, 1986, 3: 18-24.

[12] Zhang W, Chi W, Hu Z, et al. Numerical study on the effect of the Jiaozhou Bay bridge construction on the hydrodynamic conditions in the surrounding sea area[J]. Coastal Engeering, 2015, 34(2): 40-50.

[13] 高磊, 姚海燕, 張蒙蒙, 等. 青島近岸海域海水透明度時空變化及與環境因子之間的關系[J]. 海洋學研究, 2017, 35(3): 79-84. Gao Lei, Yao Haiyan, Zhang Mengmeng, et al. Temporal and spatial variation of seawater transparency and its relationship with environmental factors in Qingdao coastal area[J]. Journal of Marine Sciences, 2017, 35(3): 79-84.

[14] Gordon Howard R, Wang Menghua. Surface- roughness conmderations for atmosphere correction of ocean color sensor: The Rayleigh-scattering component[J]. Applied Optics, 1992, 31: 4247-4259.

[15] Quinten Vanhellemont, Kevin Ruddick. Advantages of high quality SWIR bands for ocean colour processing: Examples from Landsat-8[J]. Remote Sensing of Environment, 2015, 161: 89-106.

[16] 高宗軍, 宋翠玉, 蔡玉林, 等. 大沽河流域水文要素監測體系建設與實踐[M]. 北京: 水利水電出版社, 2017. Gao Zongjun, Song Cuiyu, Cai Yulin, et al. Construction and Practice of Hydrological Elements Monitoring System in Dagu River Basin[M]. Beijing: Water Resources and Electric Power Press, 2017.

[17] Kallio K, Kutser, Hannonen T, et al. Retrieval of water quality from airborne imaging spectrometry of various lake types in different seasons[J]. The Science of the Total Environment, 2001, 268(1/2/3): 59-77.

[18] 劉翀, 朱立平, 王君波, 等. 基于MODIS的青藏高原湖泊透明度遙感反演. 地理科學進展, 2017, 36(5): 597-609. Liu Chong, Zhu Liping, Wang Junbo, et al. Remote sen-sing-based estimation of lake water clarity on the Tibetan Plateau[J]. Progress in Geography, 2017, 36(5): 597-609.

[19] 李秀彬.全球環境變化研究的核心領域——土地利用/土地覆被變化的國際研究動向[J]. 地理學報, 1996, 51: 553-558. Li Xiubin. A review of the international researches on land use/land cover change[J]. Acta Geographica Sinica, 1996, 51: 553-558.

[20] 楊廣普, 江濤, 趙永芳, 等. 基于長時序遙感影像的膠州灣秋季葉綠素a濃度變化及其影響因素研究[J]. 海洋學報, 2019, 41(1): 183-190. Yang Guangpu, Jiang Tao, Zhao Yongfang, et al. Study on variation in chlorophyll a concentration and its influencing factors of Jiaozhou Bay based on long term remote sensing images[J]. HaiyangXuebao, 2019, 41(1): 183-190.

[21] Kabiri K, Moradi M. Landsat-8 imagery to estimate clarity in near-shore coastal waters: Feasibility study- Chabahar Bay, Iran[J]. Continental Shelf Research, 2016, 125: 44-53.

[22] Koponen S, Pulllaiene J, Kallio K, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data[J]. Remote Sensing of Environment, 2002, 79(1): 51-59.

[23] 王書航, 姜霞, 王雯雯, 等. 蠡湖水體透明度的時空變化及其影響因素[J]. 環境科學研究, 2014, 27(7): 688-695. Wang Shuhang, Jiang Xia, Wang Wenwen, et al. Dyna-mic spatial and temporal changes in water transparency and their influencing factors in Lihu Lake[J]. Research of Environmental Sciences, 2014, 27(7): 688-695.

[24] 韓樹宗, 趙瑾, 魏福寶, 等. 膠州灣大沽河口洪水期三維水沙數值模擬研究[J]. 中國海洋大學學報(自然科學版), 2007, 5: 689-694. Han Shuzong, Zao Jin, Wei Fubao, et al. 3D Numerial simulation of the fresh water and sediment in the Dagu Estuary of Jiaozhou Bay during the flood season[J]. Periodical of Ocean University of China, 2007, 5: 689- 694.

[25] 魏秀國, 沈承德, 孫彥敏, 等.珠江水體懸浮物顆粒有機碳穩定同位素組成及分布特征[J].地理科學, 2003, 4: 471-476. Wei Xiuguo, Shen Chengde, Sun Yanmin, et al. Characteristic of the qrganic carbon-isotope compositon and contribution of suspendedmatter in the pearl river[J]. Scientia Geographica Sinica, 2003, 4: 471-476.

[26] 姜德娟, 王曉利.膠東半島大沽河流域徑流變化特征[J].干旱區研究, 2013, 30(6): 965-972. Jiang Dejuan, Wang Xiaoli. Variation of runoff volume in the Dagu River basin in the Jiaodong Peninsula[J]. Arid Zone Research, 2013, 30(6): 965-972.

[27] Rose K C, Greb S R, Diebel M, et al. Annual precipitation regulates spatial and temporal drivers of lake water clarity[J]. Ecological Applications, 2017, 27(2): 632- 643.

[28] Huang Jue, Guo Lianjie, Jiang Tao et al. Three decades of sea-ice variability in Jiaozhou Bay revealed by Landsat observations[J]. Journal of Ocean University of China, 2019, 18(2): 93-101.

The spatial–temporal variation of water clarity and its influen-cing factors in Jiaozhou Bay from 1986 to 2017

YIN Zi-yao1, 2, 3, JIANG Tao1, YANG Guang-pu1, HUANG Jue1, ZHAO Yong-fang4

(1. Shandong University of Science and Technology, Qingdao 266590, China; 2.Key Laboratory of Digital Earth Science, Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing, 100094, China; 3.University of Chinese Academy of Sciences, Beijing 100049, China; 4. Jiaozhou Bay Marine Ecosystem Research Station, Qingdao 266071, China)

With the help of remote sensing technology, long-term and large-scale observation data can be obtained. In this study, Landsat TM/ETM+/OLI images from 1986 to 2017 were used to construct a quantitative inversion model based on measured data. The temporal and spatial distribution characteristics and variation rules of water clarity in Jiaozhou Bay in the past 32 years were analyzed, and the main influencing factors were explored. The results showed that the annual average water clarity ranged from 1.55 m to 2.55 m, and the spatial distribution of water clarity was stable with characteristics of higher water clarity shown in the southeast and lower in the northwest. The average water clarity values in four seasons in descending order were as follows: winter (2.09 m), spring (1.83 m), autumn (1.82 m), and summer (1.43 m). Using meteorological data and land use classification/landscape pattern data of the Jiaozhou Bay Basin, the factors affecting the temporal and spatial distribution of water clarity in Jiaozhou Bay were analyzed from the perspective of the natural environment and human activities. A significant negative correlation was observed between water clarity and runoff and precipitation into the sea and was influenced by human factors such as the landscape pattern index of aquiculture area and construction of large-scale artificial facilities.

Jiaozhou Bay; water clarity; temporal and spatial distribution; remote sensing quantitative retrieval

Sep. 9, 2019

[National Natural Science Foundation of China, No.4176194; Shandong Provincial Natural Science Foundation, China, No. ZR2016DB23; Shandong University of Science and Technology Talents Introduction Research Start-up Fund Project]

P722.5

A

1000-3096(2020)04-0021-12

10.11759/hykx20190909001

2019-09-09;

2020-01-15

國家自然科學基金項目(41706194); 山東省自然科學基金項目(ZR2016DB23); 山東科技大學人才引進科研啟動基金項目

殷子瑤(1998-), 女, 山東棗莊人, 碩士研究生, 主要從事水環境遙感研究, 電話: 18510321866, E-mail: yzy_sdust@163.com; 黃玨,

, 博士, 講師, 主要從事水色遙感研究, E-mail: huangjue@sdust.edu.cn

(本文編輯: 康亦兼)