使用Landsat 8派生的Forel-Ule指数和Google Earth Engine平台评估中国内陆水域的水色外文翻译资料

使用Landsat 8派生的Forel-Ule指数和Google Earth Engine平台评估中国内陆水域的水色

关键词：内陆水体水色，Forel-Ule指数，Landsat 8，Google Earth Engine平台，中国，湖泊

摘要：水色是水质评价中的一个重要参数。然而，现有的水色调查大多集中在面积大于1平方公里的湖泊。为了提高对中国水体水色的认识，利用Landsat-8图像时间序列和最佳可用像素(BAP)合成算法生成了2015年夏季中国的无云合成图像，然后利用生成的BAP合成和Google Earth Engine计算平台，为中国制作了第一个分辨率为30m的Forel-Ule指数(FUI)水色产品。最后，基于生成的FUI产品，对面积gt;0.01km²(N=60026)的天然湖泊进行了首次全国范围的FUI评价。生成的FUI产物与原位水表面反射率FUI有较高的一致性(R²=0.9，Plt;0.001)，与现场塞克盘深度(r²=0.9，Plt;0.001)和营养水平指数(r²=0.62，Plt;0.001)数据具有较高的一致性。此外，我们发现中国分布较多的湖色是黄色(约49%)和绿色(约41%)。此外，发现黄色的小湖泊(面积lt; 1平方公里)的比例远远大于大湖泊(面积ge; 1平方公里)(50%和28%)。我们的研究结果将为保护和恢复内陆水资源提供重要信息。

1、介绍

内陆水体与人类社会有着直接的联系，对粮食供应、商业、运输和人体健康都具有重要意义。然而，近年来，随着人口的增长和经济的快速发展，我国面临着日益严峻的水资源短缺和安全问题。由于水体与人类的密切关系，人类活动以及与之相关的环境变化使我国水体承受着巨大的压力。根据最新的全国调查结果，中国22.1%的内河水质被列为不良。内陆水资源的严重污染进一步加剧了淡水短缺。因此，迫切需要提高对水体质量的认识，以帮助我国水资源的恢复和管理。水质是对水体状况的综合描述，包括水体的化学、生物、辐射和物理性质。传统上，水质评估是通过现场采样和实验室分析来进行的。然而，这种现场测量费时费力，不适合大规模调查。目前，随着遥感技术的发展，卫星图像为监测水体中不同光学成分提供了重要的信息源。此外，遥感技术成本低、覆盖面广，为区域和大范围水质评价提供了潜在的机遇。遥感获取的水体光谱特征可以用来反演不同的水质指标，如悬浮物和有色溶解有机质含量、透明度(SD)和叶绿素a(Chl-a)浓度。然而，由于这些测量大多是物理、生物或化学参数，用于反演这些参数的方法取决于内陆水体的光学特性。由于内陆水体中的光学活性物质复杂多变，这些水质反演方法的使用仅限于特定的遥感传感器和环境。

水色是阳光和水中物质相互作用的结果，由各种水成分的吸收和散射决定。由于与水中光学活性物质的浓度密切相关，水色也被认为是反映水质的重要参数。最早用于确定水色的定量方法包括使用Forel-UIE色标测量水的Forel-UIE指数(FUI)。FUI将水分为21级，从深蓝色到黄褐色不等。由于FUI是一个光学参数，它可以使用不变量公式直接从光学卫星图像中导出，并且它的使用不受特定季节或地区的限制。此外，由于FUI涵盖了非常广泛的天然水体光学特性，因此可用来评估多种水体的水色，而最近亦发现FUI与内陆水域的SD和营养状况有密切关系。由于上述优点，近些年来，FUI已成为水质评价的重要光学参数。由于FUI能够反映水质，并且FUI的反演不会受到内陆水体光学特性时空变化的严重影响，因此将FUI用于大规模内陆水体水质监测是可行的。

近年来，一些研究对中国的水体水色进行了调查。例如，Li等人评估了中国十大湖泊的水色。Wang等人的研究成果对2006-2007年间太湖的颜色进行了评价。Wang等人的研究成果从2000年到2017年，开发了面积超过25km²的湖泊500米水色产品。然而，这些研究大多集中在面积大于1km²的湖泊的颜色上，而忽略了面积小于1km²的小水体的颜色。随着不同类型水质调查数量的增加，对我国水体颜色进行全面了解的需求越来越大，但对不同区域水体颜色的监测需要高分辨率的水色产品，而我国目前尚缺乏高分辨率的水色产品。

为支持我国水体的保护和管理，本研究的目标是：(1)开发我国首个30m FUI 水色产品；(2)首次对我国60026个面积大于0.01km²的湖泊进行水质评价。考虑到全国比例尺水色测绘所需的巨大计算和存储空间，采用了高性能的Google Earth Engine(GEE)云平台来支持这一计算。我们的研究结果将为水资源的保护和恢复提供有益的指导。

2、数据集

A数据集遥感数据集

在这项研究中，从GEE平台上收集了Landsat-8陆地成像仪(OLI)的数据，以生成中国的FUI水色产品。由于浮游藻类的生物量通常在夏季达到峰值，此时水体状况相对稳定，夏季被认为是评价内陆水体质量的最佳季节，但由于陆地卫星数据的重访周期长，图像中云的污染频繁，仅用一年的数据很难生成空间连续的水色图。为了有足够的无云观测，需要更多的图像。因此，利用GEE上2014-2016年夏季月份(北半球6-9月)存档的中国陆地卫星8号地表反射率(SR)数据，生成了2015年名义年份的FUI图。GEE提供的地表反射率图像已使用陆地卫星地表反射率编码(LASRC)大气校正算法进行了辐射校正。此外，使用CFMASK对每幅图像的质量评估(QA)波段中的云、阴影、水和雪像素进行了注释。

B内河辅助性水产品

利用中国30m动态内陆水体图(DIWBM)提取水体区域。DIWBM数据库是利用2015年1月至12月期间获取的6000多张陆地卫星8号图像生成的。根据水体出现的频率，将DIWBM中的水体划分为年内永久性水体像素和季节性水体像素。频率为ge;0.9的水象素被标记为永久水，其他水象素被标记为季节性水。DIWBM对永久性水体和临时水体都有很高的精度。用户对永久水和临时水的准确率分别为98.36%和92.53%，生产者的准确率分别为97.45%和95.39%。由于一些临时内陆水体(如稻田)表面有植被，因此这些水体的颜色可能与它们的自然颜色不同。为了消除这一影响，在DIWBM中捕获的永久性水域区域被用来掩膜永久性水域像素。

此外，2005年和2010年的中国湖泊清单、全球湖泊和湿地数据库(GLWD)以及现有的中国水库和大坝矢量数据库被用于协助提取湖泊。2005年和2010年中国湖泊名录包括面积gt;1km2和gt;8公顷的湖泊。GLWD是一个全球水库、湖泊和河流的综合数据库，面积为0.1km2；中国的水库和大坝数据库包括面积gt;8公顷的水库和大坝。

此外，Wang等人也提出了自己的观点。2000年至2017年，利用8天的MODIS图像开发了中国大型湖泊的FUI产品。我们收集了2015年6月至9月MODIS衍生的FUI产品，并与我们的Landsat 8衍生FUI数据进行了比较。

C实测数据

由于现场FUI数据非常有限，因此很难利用现场FUI数据进行地面验证。幸运的是，以往的研究表明，利用水面反射率可以准确地计算离水反射率，为此，我们从Wang等人那里获取了与我们使用的Landsat 8图像同步(plusmn;7天)的于桥水库和官厅水库的实测水面反射率数据，以求取用于验证的水面反射率(图1)。于桥水库原地反射率数据集包含21个样本，测量日期为2015/8/12年；官厅水库原地反射率数据集为16个样本，测量日期为2015/8/25。

图 1于桥水库(N=21)和官厅水库(N=16)现场实测水面反射率数据。于桥水库的原地反射率测量时间为2015/8/12年，官厅水库的原地反射率测量日期为2015/8/25。

近年来，内陆水体的富营养化指数也被证明与水体的SD和营养状态有很强的相关性，已经有许多公开的原位SD和营养级指数(TLI)数据集。为了增加现场验证数据量，还采集了同时测量的SD和TLI数据集，用于验证我们的Landsat 8衍生FUI产品(表I)。SD数据集来源于Liu等人。和Wang等人，共包括24个样本。这些SD数据和相应像素的Landsat采集之间的时间窗口在plusmn;7天内。TLI是营养状态的指标，可从中国环境保护部网站(https://datacenter.mee.gov.cn/).)获取。值得注意的是，中国环境保护部记录的TLI数据是湖泊月平均TLI数据。然而，由于我们的FUI产品中的一些湖泊是由不同年份和月份的像素组成的，这些湖泊的平均FUI不能代表任何具体的时间，因此找不到匹配的月度TLI数据。因此，只有当组成湖泊的像素点来自同一月份和年份时，才选择该湖泊来计算湖泊的平均FUI值，并将其与匹配的原位置TLI数据进行比较。结果选择了18个湖泊，收集了与之相匹配的现场TLI数据。通过分析我们的FUI产品与现场收集的SD和TLI数据之间的关系，间接验证了我们产品的准确性。

图表 1现场数据集的收集位置及其值，数据包括24个SD测量值和18个月平均湖泊营养水平指数(TLI)值。

3、方法

图2显示了30米内陆水域FUI图的生成流程图。首先，利用Landsat-8时间序列数据和最佳可用像素(BAP)合成算法计算了2015年夏季中国的年度无云合成数据。同时，使用DIWBM数据库对BAP复合体中的水域区域进行了掩膜。然后，在生成的内陆水体BAP合成的基础上，利用GEE计算平台开发了我国首个30m水色产品。最后，参考Google Earth中已有的湖泊名录、水库数据集和高分辨率影像，提取出面积大于0.01km²的湖泊，并利用开发的湖泊数据集和生成的FUI产品对面积大于0.01km²的湖泊进行了首次全国尺度的FUI分析。

图 2所开发的FUI水色产品流程图。注：SR：地表反射率；QA：质量评估；DIWBM：30米动态内陆水体图；BAP：最佳可用像素；FUI：FREL-UIE指数。

A用最佳可用像素(BAP)合成生成水体区域的无云合成

最近，White等人开发了一种最佳可用像素(BAP)合成算法来生成大面积无云合成。BAP算法可以在感兴趣的一段时间内生成物候一致的无云合成，并且可以灵活地改变其规则以适应不同的信息需求。许多研究人员已经使用该算法为不同的土地覆盖制图应用生成受季节约束的复合图。因此，在这项研究中使用了BAP来生成2015年夏季的无云合成。计算了四个单独的分数，包括云和云影距离分数、大气不透明度分数、采集年份分数和采集分数的DOY(一年中的某一天)(详见White等人)。这些分数相加以得出每个像素的BAP分数，分数最高的观测值被定义为每个像素的合成值。由于前3个评分规则对地理位置和物候不敏感，并且这3个规则的默认参数值都是通过综合实验得出的，因此将前3个规则的参数值设置为默认值，同时从Landsat-8 QA数据中提取云和云阴影以及大气不透明度信息。关于获取DOY分数，因为我们的目标是生成夏季图像合成，所以选择夏季月份(6月至9月)的中心日期(8月1日)作为目标DOY。此外，DOY的标准偏差被设置为60，以匹配夏季窗口的长度。图3显示了中国年生成的BAP合成图。图3a、3b和3c显示了包含大量水体的三个典型区域的放

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[596203]，资料为PDF文档或Word文档，PDF文档可免费转换为Word