2003–2021 年呼倫湖藻華數據集

黃澤暉，許金朵，李含含，隗曉琪，馬榮華,5＊

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，北京 100049

3.國家地球系統科學數據中心，湖泊－流域分中心，南京 210008

4.南京信息工程大學，遙感與測繪工程學院，南京 210044

5.草原生態安全省部共建協同創新中心，呼和浩特 010021

引 言

藻華是指浮游藻類受多要素的影響在水面累積，形成肉眼可見的藻顆粒聚集體，漂浮于水面。從改革開放至今，我國社會經濟迅速發展的同時也遭遇頻發的污染事件，人類活動導致大量的氮磷污染物排放到河流、湖泊和水庫，引發長江中下游諸多內陸水體的富營養化與藍藻水華問題，嚴重威脅湖庫生態系統健康和飲用水安全[1]。因此宏觀準確地掌握藻華暴發程度、覆蓋面積、藍藻斑塊位置等相關信息，實時監測水體富營養化變化程度，對生態環境修復以及保障人類生活質量至關重要。然而受藍藻群體粒徑、藍藻群體密度、群體形狀系數以及水的密度、運動黏度等影響，藍藻能調節其水深分布，達到垂直方向上的上浮、沉降效果；且在風速、波浪高和湖水流速的共同作用下，藍藻群體還進行著水平方向上的運動[2]。在藻華暴發時，藍藻水華在一兩個小時內就能發生大范圍的遷移運動，因此，現場船舶調查通常難以全面捕捉水華影響范圍、整體變化等關鍵信息[3]。

相較于傳統的觀測手段，遙感衛星監測范圍廣、速度快、具有周期性便于進行長期實時監測等優勢，正好彌補常規手段的不足，從而實現藻華的影響范圍、程度、持續時間等信息的快速獲取[4]。呼倫湖位于我國五大湖區中的蒙新湖區，屬于呼倫貝爾高原的一部分，湖泊面積約為2339 km2，是我國第五大淡水湖，一年四季氣候分明[5]。相比典型的嚴重富營養化湖泊，呼倫湖的藍藻水華暴發的規模和強度遠小于太湖和滇池[6]。但近些年受全球氣候變化和人類活動的共同影響，呼倫湖正面臨水量減少、面積萎縮、水位下降、富營養化水平增加等問題[7]。因此，迫切需要利用遙感技術實時動態監測湖泊藍藻水華，為分析呼倫湖藻華發生發展規律和進一步的預防與治理提供參考[8]。

目前，光學遙感識別藍藻水華的方法主要分為幾類：目視解譯[9]、單波段閾值法[10]、波段比值法[11]、光譜基線法[12-13]、機器學習[14]等。目視解譯利用人的經驗和知識，識別解譯多波段彩色合成影像，該方法提取精度高，但操作繁瑣、耗時耗力；單波段閾值法與波段比值法通過藍藻水華與背景地物的光譜差異來識別目標信息，但對同物異譜、異物同譜的地物敏感度不高，且會由于閾值設定的差異，出現水華與渾濁水體和水生植被不同程度的混淆；機器學習方法效率高、精度高，但機理難以解釋，且需要大量的數據；光譜基線法基于藍藻的光譜特征，利用影像多波段構建數學表達式識別藍藻水華，該方法抗干擾能力強，不易受氣溶膠的厚度和類型、太陽高度角、太陽耀斑等環境和觀測條件變化的影響。

本文以MODIS Aqua 為數據源，利用紅光–近紅外–短波紅外的波段組合光譜基線法，計算FAI（Floating Algae Index）指數[12]，設定閾值提取藍藻水華，生成了2003–2021 共19 年的呼倫湖藻華空間分布時間序列產品。本數據產品可用于分析呼倫湖近年來的藍藻水華暴發程度和時序變化，為藻華監測與防治提供理論依據和數據支持。

1 數據采集和處理方法

1.1 衛星數據來源

中等分辨率成像光譜儀MODIS（Moderate-resolution Imaging Spectroradiometer）傳感器搭載于Terra 和Aqua 衛星，兩顆衛星分別于1999 年12 月和2002 年5 月發射登空，至今仍正常運行。MODIS具有較高的時間分辨率，一天內可以覆蓋全球兩次（部分赤道低緯度地區除外）[15]。此外，MODIS數據光譜范圍廣、中等空間分辨率適用于呼倫湖這樣的大型湖泊，對富營養化湖泊藍藻水華日常監測，藻華長時序空間分布變化等研究具有重要意義。

本研究數據采用GEE（Google Earth Engine）平臺上免費獲取的MODIS/061/MYD09GA 數據集（https://developers.google.com/earth-engine/datasets/catalog/MODIS_061_MYD09GA）Aqua 衛星地表反射率SR（Surface Reflectance），本研究使用的6 個波段的分辨率為500 m，重訪周期為1 天。

1.2 數據處理

本數據集對MODIS Aqua 數據的處理均在GEE 平臺上進行，并使用全球地表水（Global Surface Water）數據對Aqua 衛星影像裁剪掩膜，提取呼倫湖水體邊界；剔除影像中云、太陽耀斑、水生植被等非目標地物對藻華提取的干擾，計算藻華覆蓋度，具體流程如圖1 所示。

圖1 數據處理流程圖Figure 1 Data processing flowchart

本文從MODIS 數據集中分別選取非藻華水體、藻華、水生植被、云、耀斑、高渾濁水體的樣本區，統計分析各類別的樣本點反射率光譜和遙感指數，以確定接下來討論的云和太陽耀斑、水生植被、渾濁水體、遙感識別指數等的閾值。

1.2.1 呼倫湖水體邊界提取

MODIS 的SR 產品已經過大氣校正處理，可直接用于后續操作。利用呼倫湖邊界矢量文件對Aqua 衛星每天的影像數據進行篩選裁剪，獲得裁剪后影像數據集。全球地表水（Global Surface Water）數據可從GEE 平臺上免費獲取，該數據集由Landsat 5、Landsat 7 和Landsat 8 三顆衛星在1984 年3月16 日至2015 年10 月10 日期間采集的3066102 幅影像生成（https://developers.google.com/earthengine/datasets/catalog/JRC_GSW1_1_GlobalSurface Water）。全球地表水數據集中的每個像元被單獨分成水體或非水體，從未被檢測出水體的像元被掩膜。使用該數據集的頻率（occurrence）波段對篩選后的影像進行掩膜，對像元逐一判斷，將頻率大于85%的像元視為水體。最終獲得呼倫湖水體邊界數據。

1.2.2 衛星影像去噪處理

由藍藻的光譜特征來看，藍藻顆粒出現時，水體反射率增加；隨著波長向長波移動，會在綠波段出現一個反射峰；波長進一步增大，反射率隨之提升，直至在紅外波段形成類似于植被的光譜特征，即陡坡效應，這是藻華水體與非藻華水體在光譜上的最大差異。利用這個差異，構建紅波段減去綠波段的波段組合值，對藻華與非藻華地物作初步區分[16]。紅綠波段差值小于0 時視為藻華水體。

衛星影像易受天氣條件的限制而在成像時出現陰影，以及云和太陽耀斑對目標區域的遮擋，因此在提取藻華前需對數據集進行去云處理。云覆蓋是遙感影像處理中最常遇到的噪聲之一，給影像識別造成干擾，大大降低遙感影像分類精度[17]。目前研究人員在實際應用中多采用多天數據合成的方式來減少云的影響。然而短周期的合成數據不能完全排除云的干擾，周期過長又喪失時間效率，不適合短期監測[18]。因此最有效的方法是對每天的數據都進行云檢測，移除數據中的云像素[19]。

由于云和太陽耀斑都具有高亮的特征，呈現白色或者灰白色，本文采用了藍綠紅三個波段的反射率值，設定閾值剔除云和耀斑的干擾。從統計結果看，云在紅綠藍三個波段遙感反射率的最小值分別為0.1、0.13、0.1，明顯高于其他類型。則當MODIS 紅綠藍波段的反射率值同時高于0.1、0.13、0.1 時，認定該像元為云或太陽耀斑。對圖像陰影的統計結果分析，當藍綠波段反射率同時高于0.005時，判定該像元為非陰影像元。

1.2.3 剔除水生植被與高渾濁水體干擾

分析藻華與其他背景地物的光譜特征得出，藍藻水華與水生植被在近紅外波段具有類似的“植被特征”，而且高懸浮物渾濁水體也給藍藻水華的識別帶來干擾。因此，在進行藻華識別前，首先剔除水生植被和高渾濁水體。

（1）水生植被識別指數（CMI）

已有研究基于藍藻水華與水生植被的光譜特征在藍光、綠光波段和短波紅外波段處的差異，并考慮到短波紅外是大氣校正的關鍵波段，構建了藍藻水華與水生植被水域的判別公式 CMI（Cyanobacteria and Macrophytes Index）[20]：

其中，Rrc,GREEN、Rrc,BLUE、Rrc,SWIR分別為綠光波段、藍光波段和短波紅外波段經過瑞利校正的遙感反射率Rrc。

當CMI 高于0.02 時，認定該像元為非水生植被。

（2）高懸浮物水體識別指數（TWI）

湖泊水體中懸浮物質具有較強的后向散射和水體反射信號，對于高懸浮物水體，藍藻水華暴發的特征因子葉綠素光譜信息被強的無機懸浮物質掩蓋或淹沒，導致藍藻水華識別信號失真，降低識別精度[21]。

為了減小高懸浮物水體對藻華識別精度的影響，本文借鑒相關研究，采用懸浮物特征波段紅光和短波紅外的差值，構建渾濁水體指數TWI（Turbid Water Index）[22]，用于剔除高懸浮物水體像元：

其中，Rrc,RED和Rrc,SWIR分別為紅光波段和短波紅外波段的Rrc。

當TWI 高于0.09 時，判定該像元為高懸浮物水體。

1.2.4 計算藻華覆蓋度（FAC）

本文使用紅光–近紅外–短波紅外的波段組合的基線法，計算FAI（Floating Algae Index）指數以提取藻華信息；FAI 指數不易受氣溶膠類型和厚度、太陽高度角和耀斑等環境和觀測條件變化的影響，可有更有效地穿透薄云，提取藍藻水華的閾值也更穩定[12]。

其中，Rrc(λNIR)、Rrc(λRED)、Rrc(λSWIR)分別為近紅外波段、紅光波段、短波紅外波段的遙感反射率Rrc；對應于MODIS 數據，λNIR=859 nm，λRED=645 nm，λSWIR=1240 nm。

利用最大梯度法[23]確定單幅影像FAI 指數的閾值，高于該閾值的像元視為藻華像元。但MODIS較低的空間分辨率，使得單個像元覆蓋了多種地物，其他非目標地物會干擾單個像元中藻華含量的準確估算。為精確計算像元藻華覆蓋度，Xue 等[24]將Landsat8 OLI 影像計算得出的藻華像元視為純凈像元，后重采樣為250 m 計算像元內的藻華比例FAC，構建FAC（Floating Algae Cover）與FAI的關系表達式：

其中m，n都是代求參數。對應MODIS 數據，計算得出m=4.6，n=44.2，故：

本文通過上式計算求得MODIS 影像中單一像元的藻華覆蓋度，范圍為0–100。

2 數據樣本描述

本數據集對2003–2021 年19 年間影像按月統計均值并出圖展示，5 月累計589 景、6 月累計570景、7 月累計589 景、8 月累積589 景、9 月累積570 景，由于每年1–4 月份、10–12 月份有冰雪覆蓋，沒有提取藻華面積。呼倫湖5–9 月份累計19 年的FAC 均值空間分布如圖2 所示。呼倫湖5–9月份月均藻華面積沒有明顯時空差異，南岸在5 月份出現局部高值。從長期來看，呼倫湖南部和西南部沿岸容易發生藻華堆積現象。

圖2 呼倫湖月均FAC 空間分布圖Figure 2 Spatial distribution of monthly average FAC in Hulun Lake

對2003–2021 年年均FAC 統計結果出圖展示，其中10 月至第二年4 月份由于冰雪覆蓋未參與統計，最終呼倫湖2003–2021 年19 年FAC 空間分布如圖3 所示?？梢钥闯?，呼倫湖南岸于2006 年即開始高頻次出現藻華，至2011–2012 年達到峰值，之后逐漸好轉，藻華年均覆蓋度明顯下降。

圖3 呼倫湖年均FAC 空間分布圖Figure 3 Spatial distribution of yearly average FAC in Hulun Lake

最終生成2003–2021 年5–9 月份呼倫湖藻華覆蓋度（FAC）月均和年均數據，其中FAC 取值范圍為0–100。本數據集為*tif 格式的柵格數據，空間分辨率為250 m，具體信息見表1。

表1 呼倫湖藻華數據集樣本信息Table 1 Sample information of the dataset of algal blooms in Hulun Lake

3 數據質量控制和評估

為確保數據集的準確性，選取MODIS 衛星和Landsat 8 衛星同期匹配數據，將Landsat 8 影像提取的藻華結果作為真值，驗證本數據的精確度。統計MODIS 單幅影像中藻華覆蓋度FAC 的累加值，并乘以單個像元表示的實際面積獲得該影響等效藻華面積（equivalent bloom area，EBA）；對于Landsat 影像，逐像元計算FAI，利用最大梯度法[23]確定藻華提取閾值，使用該閾值提取藻華面積。最終選取7 天同期配對影像的提取結果用于精度驗證。

圖4 為MODIS 和Landsat 8 衛星2016 年07 月30 日同期匹配影像提取藻華的對比圖。其中，圖4 (a) 為MODIS 假彩色合成影像；(b) 為剔除水生植被等干擾因素后計算得到的FAC 空間分布（即經1.2.3 和1.2.4 處理后獲得）；(c)為剔除水生植被等干擾因素后的MODIS 假彩色合成影像；(d)為基于Landsat 8 衛星影像計算而得的藻華空間分布，用于驗證MODIS 藻華提取結果的準確度；(b1)、(b2)、(d1)、(d2)為局部放大圖，便于計算結果的比對。由于MODIS 影像分辨率粗糙，會出現目標地物的誤提錯提，導致藻華面積計算偏大。如圖4 (b1)、(d1)對比而得，基于MODIS 影像提取藻華時，未完全剔除的水生植被或近岸陸地像元被識別為藻華，導致藻華面積計算偏大（MODIS 計算得到的藻華面積為7.27 km2，Landsat 8 計算得到的藻華面積為6.35 km2）。雖然會出現誤提錯提現象，但其占比很小，對湖區內藻華總面積影響十分有限?？傮w驗證結果如圖5 所示，其精度基本符合要求。

圖5 MODIS 與OLI 提取結果精度驗證Figure 5 Verification of the accuracy of MODIS and OLI extraction results

4 數據使用方法和建議

藻華覆蓋度數據集直觀地表示了呼倫湖每天藻華的暴發程度和空間位置，可實時監測呼倫湖藻華暴發狀態。

本數據集下載解壓后為tif 數據格式，適配于各GIS 專業軟件的文件讀取與編輯再加工；其時間范圍涵蓋2003–2021 年，可以為同行業人員提供數據參考以及為呼倫湖生態環境監測提供技術幫助與數據支持。

數據作者分工職責

黃澤暉（1999—），男，河南省洛陽市人，碩士生，研究方向為湖泊藍藻水華的遙感監測。主要承擔工作：技術路線的設計與實施，數據處理與驗證，論文撰寫與修改。

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：數據準備與預處理，數據整理與上傳。

李含含（1997—），女，河南省開封市人，碩士生，研究方向為湖泊懸浮物濃度遙感監測。主要承擔工作：算法的調試與修正，數據處理，數據產品質量核驗。

隗曉琪（2000—），女，陜西省西安市人，碩士生，研究方向為湖泊固有光學特性的遙感反演。主要承擔工作：遙感數據的預處理，數據產品質量控制與核驗。

馬榮華（1972—），男，山東省臨沂市人，博士，研究員，研究方向為湖泊水環境遙感、湖泊-流域數據共享。主要承擔工作：數據方法、技術路線總體指導，論文修改與完善。