巢湖水体组分垂向分布特征及其对水下光场的影响

富营养化湖泊不同组分垂向分布及其对水下光场的影响是湖泊水环境遥感领域亟待开展的内容.利用巢湖野外实测数据,分析水体不同组分垂向分布特征,结合Hydrolight辐射传输模型模拟研究水体不同组分垂向分布对漫衰减系数Kd的影响.结果表明,巢湖水体悬浮物以及有色可溶性有机物CDOM垂向分布较为均一,水面未发生藻华现象时叶绿素a垂向分布符合高斯正态分布,漫衰减系数Kd受叶绿素a以及无机悬浮物的显著影响,其垂向变化复杂多样,以往以水体光学性质均一为前提计算得到的Kd仅仅表示其衰减的平均情况,不能精确反映水下光场的垂向变化,因此研究水体组分垂向分布特征及其对漫衰减系数Kd的影响是开展藻类垂向分布异质性对水下光场影响机制研究的前提和基础.     

太湖中颗粒有机碳对水体固有光学特性的影响

利用2011年5期太湖现场测量数据和室内分析数据,通过建立ρ(POC)(POC为颗粒有机碳)与a_p(λ)(颗粒物吸收系数)、b_bp(510)(总颗粒物的后向散射系数)的相关关系,评价了POC对水体固有光学特性的影响. 结果表明,太湖水体ρ(POC)时空变化显著,各期样品平均值在1 558.06~5 281.09 mg/m3之间变化. ρ(POC)与a_p(λ)具有较好的相关关系,特别是在浮游植物色素强烈吸收的波段(605~700 nm),各期数据的相关系数均在0.9以上;但ρ(POC)与b_bp(510)的相关性较差(R2=0.04, P=0.02). 进一步分析ρ(POC)对颗粒物的色素部分和非色素部分的影响发现,ρ(POC)与色素颗粒物吸收系数〔a_ph(665)〕的相关性很好(R2=0.82),而与非色素颗粒物吸收系数相关性较差. ρ(NPOC)(NPOC为非有机碳颗粒物)与b_bp(510)的相关性较好(R2>0.60),说明太湖水体POC对浮游植物色素的吸光特性有重要影响,而NPOC影响了水体的后向散射特性.      

基于MODIS影像估测太湖蓝藻暴发期藻蓝素含量

利用太湖水体藻蓝素的实测数据,基于蓝藻的光谱特征分析,选择MODIS 250m分辨率的卫星遥感影像,建立了藻蓝素估测模型.研究表明,该模型可以较为准确地识别新生蓝藻水华,辅助提取新生蓝藻水华的覆盖区.在新生蓝藻水华的覆盖区内,藻蓝素的定测估算已经失去实际意义,没有必要讨论估测的精度高低.在新生蓝藻水华的覆盖区外,藻蓝素的遥感估测精度取决于藻蓝素浓度的高低以及藻蓝素与叶绿素的定量关系,即当藻蓝素浓度35μg/L时,平均相对估测误差降至31%;但对于那些藻蓝素的浓度>35μg/L,且藻蓝素浓度与叶绿素a浓度的比值<8的湖区而言,藻蓝素浓度模型的相对估测误差约为29%.     

利用CDOM吸收系数估算博斯腾湖水体表层DOC浓度

基于2021年夏秋两季西部干旱区博斯腾湖表层50个采样点位实测数据,通过对DOC特征的统计学分析、内外源因素影响的时空差异以及电导率相关性验证,将博斯腾湖划分为河口和非河口区域.然后以CDOM特征波长吸收系数a₂₅₀和a₃₆₅为自变量,以DOC浓度（c_DOC）为因变量,分别构建了基于CDOM的河口和非河口水域DOC浓度估算模型.结果表明：河流与湖泊进行水体交换的同时,会将大量陆源DOC输送到博斯腾湖中,使得河口区域DOC浓度明显高于非河口区域（t-tests,P<0.01）,河口区域的DOC浓度（c_DOC）约是非河口区域的2.2~2.3倍,且在河口区域c_DOC与电导率呈现显著相关关系（夏季：R²=0.81,P<0.01;秋季：R²=0.84,P<0.01）.本文构建拟合模型（c_DOC=α+β·α₂₅₀+γ·α₃₆₅）,并通过交叉验证的方法来检验模型精度.将夏季和秋季同区域数据统一建模,河口和非河口区域CDOM与DOC均存在较好的相关关系,且模型精度较高（河口区域：R²=0.60,RMSE=8.56%;非河口区域：R²=0.66,RMSE=8.77%）.本文所建立的模型可以在不增加环境因子变量的前提下提高精度,有利于实现卫星遥感反演.同时,本研究揭示了河流输入对博斯腾湖DOC分布和估算的时空影响,提出可利用CDOM估算DOC浓度,但需根据水文特征和c_DOC等因素区分河口和非河口区域.本研究对实现新疆水资源合理开发、有效保护以及综合治理提供科学依据,对我国西部干旱区湖泊DOC遥感动态监测具有重要意义.     

太湖上空大气气溶胶光学厚度及其特征分析

基于高精度的太阳光度计(CE-318)得到太湖上空气溶胶长期观测数据,获得了太湖上空从2005年9月～2010年10月的气溶胶光学厚度(AOT)以及相应的ngstrm参数α.5 a的观测资料表明,太湖上空AOT的高值区出现在夏季的6～7月,低值区出现在秋冬季节的10月～次年1月;α的低值区和高值区分别出现在春季的3～4月和秋季的9～11月,AOT及对应的α的变化主要与该地区的天气形势有关.从频率分布来看,AOT(500 nm)只有一个峰值,最高频率值为0.4～0.6,约占总样本的26%,年均值为0.80.按照平均AOT(500 nm)计算,气溶胶造成的太阳直射辐射的透过率衰减至少为50%,致使太湖地区的大气较为混浊,形成严重的雾霾天气;ngstrm波长指数α有2个峰值,最高频率区间为1.1～1.3和1.3～1.5,分别占总样本的30%,年平均值为1.17.结果还表明AOT(500 nm)和α的日均值变化范围均较大,表明太湖上空有不同类型的气溶胶粒子共存;当α增大时,AOT(500 nm)的均值呈递减趋势.总体结果分析表明,太湖上空的AOT值随时间变化较大,属于城市-工业型气溶胶类型.     

查干湖叶绿素a浓度高光谱定量模型研究

叶绿素a含量能够在一定程度上反映水质状况,利用高光谱遥感可获得叶绿素a的诊断性光谱特性,较好解决了常规遥感中出现的问题.利用野外高光谱仪在查干湖进行了反射光谱测量和同步水质采样分析,通过分析水体叶绿素a浓度与其高光谱反射特征之间的相关关系,尝试采用多种半经验算法建立叶绿素a高光谱定量模型.结果表明:单波段光谱反射率与叶绿素a浓度的相关系数较小,不宜用于估算叶绿素a浓度,反射率比值法和一阶微分法与叶绿素a线性相关程度都比较高,决定系数分别为0.71和0.48,而且其显著水平p<0.01,皆可以用于叶绿素a的定量遥感,但反射率比值算法模拟效果好于一阶微分算法.这为今后利用星载高光谱传感器在查干湖进行叶绿素a浓度大面积遥感反演提供了研究基础.     

藻源型湖泛发生过程水色变化规律

利用Y-型沉积物再悬浮发生模拟装置,模拟湖泛发生过程,分析水体吸收特性变化特征;同时,利用Hydrolight和CIE颜色匹配函数模拟水体颜色,分析湖泛水色变化规律.结果表明:在湖泛发生过程中,可溶性有色物质(CDOM)浓度(ag)不断增大,无机颗粒物浓度及吸收(ad)总体呈减小的趋势,而浮游植物色素浓度及吸收(aph)随时间变化不规律;基于Hydrolight模拟湖泛水体,离水辐亮度(Lw)和遥感反射比(Rrs)均随时间不断变小;3)另外,随SPIM或ag(443)的变大,水体颜色逐渐由绿色变为棕色.当SPIM增至40mg/L时,水体呈现棕色;当ag(443)达到10m-1时,水体呈现红棕色.通过研究湖泛发生过程水体光学特性和水色变化规律,有助于构建高精度的湖泛遥感监测模型.     

干旱区典型湖泊CH4扩散排放特征及其影响因素

湖泊等水体CH₄的排放是全球温室气体的主要组成部分,但目前对干旱区湖泊CH₄扩散排放特征及其影响因素的研究却鲜有报道.本文选取干旱区典型湖泊—博斯腾湖为研究对象,分别于2021年6月、9月、10月采集水样,并测定其生物地球化学参数及溶解CH₄浓度,确定其水-气界面CH₄扩散排放通量.结果表明,博斯腾湖CH₄扩散通量均值为(0.305±0.080)mmol·m^-2·d^-1,表现为大气CH₄的排放源;在空间上,受外源输送影响,入湖河口为CH₄的扩散排放热点区域;在不同月份,CH₄扩散通量变化受营养状态影响显著,与综合富营养化指数、叶绿素a浓度等呈显著正相关(富营养化指数：r=0.67,p<0.01;叶绿素a:r=0.54,p<0.01),但其对温度的依赖性较低(p>0.05).另外,受外源输送、水动力特征、内部生物化学过程等影响,博斯腾湖CH_4<...     

查干湖富营养化状况高光谱遥感评价研究

通过分析查干湖水体水质参数与其高光谱反射特征之间的响应关系,采用单波段与波段比值等算法分别建立了湖水水质的高光谱定量反演模型;同时结合修正营养状态指数(TSIM)模型,针对水质参数的实验室数据和高光谱模型模拟数据,对查干湖富营养化程度进行了监测和评价,并进行了验证.结果表明:1)利用高光谱监测模型对湖泊富营养化状况进行监测和评价,能够获取较为准确的评价结果;2)单项指数评价法由于只针对一个指标进行评价,不适合用来进行水体富营养化评价,采用修正营养状态指数TSIM(AVE)方法,可以对查干湖水体富营养化程度进行正确的评价.评价结果显示,查干湖水体处于富营养化状态,需要采取措施防止进一步恶化.     

利用CDOM吸收系数估算太湖水体表层DOC浓度

溶解有机碳(DOC)是水体中最大的有机碳库,在水体碳循环中起着重要作用.有色溶解有机物(CDOM)是DOC的重要组成部分,其吸光作用改变着水下光场结构,是水色遥感监测的重要因子之一,建立两者的联系为利用遥感技术估算湖泊水体表层DOC浓度提供有效的技术方法.基于2010年5月、2011年1月、2011年3月和2011年5月的太湖4期实验数据(183个采样点),利用CDOM特征波长吸收系数[ag(250)和ag(365)]建立多元线性模型估算太湖水体DOC浓度,同时利用2011年8月29日～9月2日的数据(n=27)对模型进行验证评价,并构建了湖泊水体DOC浓度的遥感反演模式.结果表明,该模型能够有效估算太湖水体的DOC浓度;2011年1月DOC和CDOM的源和汇有较大差异,估算效果较差;其他3期数据的模型估算效果显著(R2=0.64,RMSE=14.31%,n=164),并在201108期数据中得到了验证(R2=0.67,RMSE=10.58%,n=27).模型形式虽具有一定的通用性,但系数在不同的水域中有所差异,模型系数的区域化成为下一步研究的重点.