遥感技术在水生态环境管理的应用与前景
朱利1, 李家国2, 李凯云2, 马秀秀2     
1. 生态环境部卫星环境应用中心,北京  100094;
2. 中国科学院遥感与数字地球研究所,北京  100094
摘要: 随着遥感数据源的不断丰富,遥感技术不断提高,可以解决越来越多的水环境问题。指出了当前水生态环境管理方面的主要需求,结合目前遥感技术的发展,对国内外的水环境遥感研究进展进行综述。以湖泊富营养化监测与评估、核电站温排水遥感监测及城市黑臭水体遥感监测为案例,具体阐述遥感在水环境管理中的应用方法及成效。未来水生态环境管理发展趋势将以水污染防治为主向水污染防治和水生态修复与保护并重发展。基于此趋势,提出遥感在水生态修复的应用潜力,利于更多地方部门积极有效应用遥感技术,解决水生态环境问题。
关键词: 水环境管理    遥感    水华    温排水    黑臭水体    水生态修复    
Application and Prospect of Remote Sensing Technology in Water Ecological Environment Management
ZHU Li1, LI Jia-guo2, LI Kai-yun2, MA Xiu-xiu2     
1. Ministry of Ecology Environmental Center for Satellite Application on Ecology and Environment, Beijing 100094, China;
2. Institute of Remote Application and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China
Abstract: With the continuous enrichment of remote sensing data sources, remote sensing technology continues to improve and can solve more and more water environmental problems. This paper points out the main needs of current water ecological environment management, and combines the current development of remote sensing technology to review the research progress of water environment remote sensing in China and abroad. Taking the monitoring and assessment of lake eutrophication, remote sensing monitoring of temperature and drainage of nuclear power plants and remote sensing monitoring of urban black and odorous water as examples, the application methods and effects of remote sensing in water environment management are described. Based on the development trend of water ecological environment management, that is, water pollution prevention and control is the main focus of water pollution prevention and water ecological restoration and protection, and the application potential of remote sensing in water ecological restoration is proposed, which is beneficial to more local departments to more actively and effectively apply remote sensing technology. Solve the problem of water ecological environment.
Key words: Water environment management    Remote sensing    Water bloom    Warm drainage    Black odor water body    Water ecological restoration    
0 引言

我国一直以来非常重视水生态环境改善问题,加快水污染防治,实施流域环境综合治理,已经成为关系民生的重大社会问题。现阶段我国水污染防治的重点为:(1)以黑臭水体整治来推进弥补环境基础设施建设短板; (2)以消除重点流域劣Ⅴ类水体为目标来推进全国水体质量达标改善; (3)以排污口整治、“三磷”专项整治及工业园污水设施整治等为重点来强化对污染源的控制; (4)推进集中式饮用水水源地及农村饮用水安全为重点来保障饮用水安全。总体来说,水生态环境改善主要侧重于水污染防治,虽然取得了很大进展,但是部分地区依旧在一些突出的水环境问题。例如,环境基础设施欠账较多,污水管网不配套、污水溢流或直排等现象依然突出,城市黑臭水体治理缓慢; 部分流域水生态破坏严重,河湖生态流量保障不足,缺乏应有的水生植被和岸边缓冲带,部分湖库蓝藻水华频发; 部分地区江河沿岸高环境风险工业企业密集分布,与饮用水水源地交错排布,存在较高的环境风险。针对以上问题,单独依靠传统的地面监测为主的环境监测评估手段,难以满足日益增长的水生态环境管理需求,必须采用新的技术手段来解决问题、提高管理效率。

遥感技术是可以高效解决实际水环境问题的高新技术手段,已经被广泛应用到水生态环境管理领域。与地面监测相比,遥感获得的监测信息具有空间和时间上的相对连续性,且动态范围大,不仅有助于从区域层面把握流域水生态环境的特征,而且有利于及时、全面掌握水体环境问题的发生、发展与演变迁移过程,可节省大量人力、物力和时间。例如,以卫星遥感来监测湖库的蓝藻水华空间分布及发生频次,可以实时快速发现水华暴发,分析评估水华高发区,为水华防控提供无可替代的技术支撑。利用遥感实时监测饮用水水源地保护区内的道路、高风险工业企业等,评估环境风险程度,为保障饮用水安全提供有效技术手段。然而,遥感尤其是常用的光学遥感,受天气影响较大,多云或阴雨天会影响数据使用率和降低监测精度,例如,城市黑臭水体监管等受传统高空间分辨率影像数据源较少且时间分辨率较低的影响。伴随着我国GF系列、ZY系列等高空间分辨率卫星的逐步推广应用,以及无人机遥感、地基遥感技术的发展,为全面支持水生态环境管理,开展大范围、动态、快速监测与监管提供了可能。

现对国内外水环境遥感应用研究进展进行综述,并以湖泊蓝藻水华遥感监测、核电站温排水遥感监测及城市黑臭水体遥感监测等为典型案例,说明遥感应用的方法及成效。结合未来水生态环境需求及遥感技术的发展,对遥感技术在水生态环境管理的前景进行了初步展望。

1 国内外研究进展

国内外学者最早在20世纪80年代初开始进行水环境的遥感监测,时至今日仍为学术界研究热点。遥感监测具有大面积、实时性和经济性等优势,是水质和富营养化监测的重要技术手段。通过遥感可获取一些常规监测方法难以揭示的污染源和污染物迁移特征,可为污染源的分布和污染物质的扩散规律等研究提供基础数据[1]。遥感技术在水生态环境管理中的应用统称为水环境遥感应用。

1.1 水色遥感

水环境遥感应用主要分为定量遥感(参数反演)与定性遥感(目标解译)两大类,同时按照光谱波长位置又可分为可见近红外光学遥感、热红外遥感及微波遥感等。其中基于可见近红外光学遥感的水色定量遥感是发展历史最久、研究最深入的遥感理论及应用领域,尤其是包括近海和内陆水体的二类水体水色遥感,是近些年来国内外遥感科学的研究热点。

由于水体信号偏弱,水色遥感的大气校正不同于陆地遥感,是水色遥感的技术难点。Wang等[2]提出了一种NIR-SWIR组合方法进行MODIS海洋水色数据处理,可以在清澈海水以及浑浊的水域中获得优质的海洋水色产品。田礼乔等[3]提出了一种星载激光雷达CALIOP气溶胶数据辅助的MODIS/Aqua水色数据大气校正方法,能有效地反演遥感反射率和减少异常值。李俊生等[4]提出了一种改进NASA MODIS海洋水色遥感大气校正算法,能够很好地应用于内陆二类水体。

也有不少学者关注建立水色三要素(叶绿素a、悬浮物浓度及黄色物质)的定量反演,Lee等[5]提出QAA算法,包括一些经过充分研究验证的经验模型、半解析模型和解析模型,在水色遥感方面得到了广泛的应用。Chuanmin等[6]建立FAI方法,可以有效识别近海、内陆水体的赤潮、水华等。李云梅等[7]建立水体光学传输的分析模型,进而用分析模型反演水体叶绿素浓度,对于提高遥感反演水质参数的精度和实用性具有重要意义。马荣华等[8]利用实测数据和遥感影像建立定量关系,揭示了水体叶绿素a含量估测的光谱特征,并且建立了与叶绿素a浓度的线性与非线性相关回归模型。陈晓玲等[9]采用实测光谱模拟遥感数据,对比分析了单波段和波段比值遥感因子构建的5种常用的经验半经验模型。吕恒等[10]利用遥感数据和实测数据,采用线性回归模型和神经网络模型对叶绿素a浓度进行了反演。吴传庆等[11]提出了从水体的叶绿素a和悬浮物浓度入手, 综合评价湖泊富营养化的遥感评价方法。Feng等[12]提出了针对MERIS遥感数据的鄱阳湖叶绿素a浓度经验算法,探讨了鄱阳湖叶绿素a分布的时空规律。在以上成熟的水色大气校正及水色参数反演研究基础上,朱利等[1]基于GF-1 WFV卫星相机对太湖的叶绿素a、悬浮物浓度及透明度进行遥感反演,并以HJ-1A CCD数据为比对,对GF-1卫星的应用潜力进行评估。李旭文等[13]利用叶绿素a生物量和蓝藻生物量实测数据,根据多元回归、微积分的方法建立水华识别方法,得到水体中叶绿素a以及蓝藻生物量的空间分布信息。段洪涛等[14]基于多源遥感数据,采用不同方法对不同时段太湖区域开展蓝藻水华提取。毕顺等[15]基于野外实测数据与OLCI遥感数据,验证了3种叶绿素a浓度估算模型(包括波段比值模型、三波段模型以及FLH模型)在洱海地区的适用性,并估算了洱海的叶绿素a浓度分布。通过遥感技术可以定量反演叶绿素a、悬浮物浓度、透明度等水质参数,定量获取藻生物量,开展湖库富营养化评价,已经广泛应用到重点湖库水华监测预警及富营养化防控。

1.2 城市黑臭水体遥感

在传统的二类水色遥感基础上,随着高空间分辨率卫星数据的普及应用,城市水体遥感监测逐步开展,尤其是城市黑臭水体的遥感识别与定量分级,已经成为目前水环境遥感的研究前沿。大多数黑臭水体遥感识别模型均是根据黑臭水体光谱特性进行波段线性组合所构建。申茜等[16]总结了黑臭水体遥感监测与筛查迫切需要解决的问题,为城市黑臭水体的整治提供了有力的技术支持。李佳琦等[17]从水体光谱特征与水体周边环境要素出发,构建了反映水体清洁程度的光谱指数(Water Clear Index,WCI)。温爽等[18]根据黑臭水体遥感反射率和光谱斜率与其他正常水体之间的区别,利用GF-2 PMS影像分别构建了单波段法、差值法、比值法和色度法。随着无人机的快速发展,基于无人机多光谱数据开展城市细小河段黑臭水体识别及定量分级,也逐步得到应用。

1.3 温排水遥感

热红外遥感在水环境管理中也发挥了作用。例如,基于热红外数据开展滨海核电厂温排水等水体热污染遥感监测,已经广泛应用到管理中。朱利[19]提出了温排水环境基准温度提取方法,基于环境一号红外相机开展了田湾核电站温排水遥感监测。杨红艳等[20]在温排水热污染遥感监测基础上,重点分析了温排水对近岸海域水产养殖区的影响。张永红等[21]为验证温排水遥感监测的精度,开展了温排水监测海面采样与空间插值方法研究。基于热红外遥感数据开展水体热污染监测,目前已经广泛应用到环境影响后评价业务中。

1.4 其他水环境遥感

除了水质反演和水体热污染监测之外,遥感在饮用水水源地保护、面源污染估算、岸边带生态健康评估、河道干涸及海岸线、近海浒苔监测等领域也发挥了较大的作用。姚延娟等[22]基于卫星遥感对饮用水水源地保护区人类活动进行了监测,并对水源地安全进行综合评价。王雪蕾等[23]利用DPeRS模型开展了巢湖流域面源污染遥感估算,并与巢湖水华的空间分布进行了相关分析。殷守敬等[24]利用高分辨率遥感影像对淮河干流岸边带生态健康状况进行调查评估。马万栋等[25]利用遥感数据获取了广西2000—2013年海岸线变化情况。王晨等[26]基于高分遥感数据开展了北京市河流干涸断流监测应用。吴传庆等[27]基于环境卫星CCD数据进行了黄海浒苔遥感监测。

2 应用案例 2.1 蓝藻水华遥感监测

目前,太湖、巢湖和滇池等重点湖库正处在蓝藻水华的高发期,洱海、三峡库区上游、丹江口水库库湾区也出现过蓝藻水华。水华程度一般用水华分布面积和藻量2个指标来共同衡量。业务应用中,一般利用卫星遥感手段监测表面水华的分布位置与分布面积,通过水华分布面积占全湖水体面积比值来表示表面水华程度,用地面实测手段监测藻量(藻细胞密度或叶绿素a浓度)来表示水柱水华程度。作为蓝藻水华监测的主要技术手段,卫星遥感技术已经广泛应用到了重点湖库的水华监测预警及分析评估中。

蓝藻水华监测的原理基于水华与一般水体在光谱特征的差异,即水华在700 nm以后具有水华均有的明显“陡坡效应”,且富集程度越大,峰值越大,陡坡效应越明显,而正常水体在近红外波段反射率下降,无此效应[28]。因此,常用的归一化植被指数(NDVI)可以进行蓝藻水华分布的遥感监测,只要具有红和近红外2个波段的遥感数据,都可以开展水华监测。图 1为太湖2015年7月13日的水华遥感监测结果,可知太湖水华面积为690 km2,占太湖面积比为29.5%,视为轻度水华。根据每日的水华监测结果,可以进行多时相的分析与评估。图 2中蓝色区域为太湖2009—2014年连续6年蓝藻水华发生频次最高的区域(累计水华发生频次在90次以上区域),主要分布在太湖竺山湖和西部沿岸交界处。图 2中红色和紫色区域是6年内蓝藻水华发生次数在30~90次区域,主要分布在太湖西部沿岸、竺山湖、梅梁湖及湖心区西北部区域。以上区域为蓝藻水华状况严重的区域,需要重点开展巡查和预警监测。而太湖东部沿岸及东太湖水质较好,几乎无水华发生。

图 1 2015年7月13日太湖水华分布监测结果

图 2 2009—2014年太湖水华发生频次

2.2 核电温排水遥感监测

核能是一种清洁能源,因不会释放温室效应气体而受到高度重视,然而核电站在发电的过程中会使用大量的海水用于冷却,形成温排水,直接排放到周边海域。周边海域水温升高会对受纳水体的理化性质、水生生物的种类、数量、群落结构以及生态环境产生影响,如降低氧气在水中的溶解度,减少生物的多样性,同时导致水质严重破坏,影响生物的生存及繁衍[29]。因此,核电站温排水的监测和评价对水环境的生态平衡有着重要意义[30]

综合利用HJ-1B IRS,Landsat-7 ETM和Landsat-8 TIRS卫星遥感数据,对某沿海核电厂温排水进行了遥感监测。其中,HJ-1B卫星IRS红外数据重访周期为4 d,空间分辨率为300 m; Landsat-7卫星ETM数据重访周期为16 d,热红外波段分辨率为60 m; Landsat-8卫星TIRS数据重访周期为16 d,热红外传感器分辨率为100 m。经过统计,自2013年10月—2018年4月,过境核电厂的热红外数据共253景,剔除有云干扰和数据质量较差的数据后的有效数据共118景。对118景有效数据进行统计分析得出,超过1℃以上温升区最大面积为10.47 km2,1级温升区(1℃ < 温升≤2℃)最大面积为8.07 km2,2级温升区(2℃ < 温升≤3℃)最大面积为3.42 km2,3级温升区(3℃ < 温升≤4℃)最大面积为0.99 km2,4级温升区(4℃ < 温升≤5℃)最大面积为0.48 km2,5级温升区(温升≥5℃)最大面积为0.31 km2。对各月数据进行统计分析得出各月温升平均面积,见图 3,该电厂的温排水温升分布有一定的变化规律。其中某次监测结果空间分布见图 4,可以看出海表温度以温排水入海口为中心向周围海域递减分布,当天的温排水热污染扩散方向为西北方向。

图 3 2013年10月—2018年8月遥感监测结果月平均值

图 4 温排水温升范围及等级遥感监测结果

2.3 城市黑臭水体遥感监测

城市黑臭水体是指城市建成区内,呈现令人不悦的颜色和(或)散发令人不适气味的水体的统称[17]。随着城市扩展和工业化的发展,许多城市河流受到了人为污染,水质逐步恶化甚至形成黑臭水体。通过卫星遥感可以快速获取城市黑臭水体的空间分布,在黑臭水体整治工作中发挥了“天眼”作用。

基于2017年第1季度的高空间遥感影像,在深圳市建成区开展黑臭水体筛查与识别,提取了203条河流,长度为1 384.56 km,水域面积达37.49 km2,利用黑臭水体遥感识别模型WCI指数[17]开展深圳市黑臭水体遥感识别。首先,对所有河流进行WCI指数计算,根据阈值剔除一般水体像元; 其次,基于空间连续性原则,以300 m为单元,对疑似黑臭水体像元进行统计,若相邻单元均为疑似黑臭水体,则将这2个单元归为同一条河段,否则划分为2条河段,在此基础上确定疑似黑臭河段长度; 最后,取疑似黑臭河段上各像元点的平均值作为该河段的WCI指数。将光谱指标提取的黑臭水体结果结合解译指标进一步综合判断河段是否发生黑臭现象,最终识别出深圳建成区有51段疑似黑臭水体,长度达493.20 km,水域面积5.22 km2

黑臭水体遥感识别结果见图 5,图中红色为遥感识别出来的疑似黑臭水体,主要分布在宝安区、龙岗区、福田区和盐田区。

图 5 2017年第1季度深圳市黑臭水体空间分布

3 前景展望

随着国产卫星大力发展,遥感技术必将在我国的水生态环境管理领域发挥更大的作用。然而卫星遥感也存在不足,如重访周期长、受云雨影响等,而日益发展的无人机遥感未来将是卫星遥感的重要补充。由于能获取更高分辨率的空间数据,同时能根据实际天气情况选择飞行成像,无人机遥感逐步成为遥感监测的主要数据源之一。目前无人机已经在水体采样、细小河流黑臭水体监测、河流排污口识别中发挥重要作用,未来随着无人机平台及搭载的载荷形式越来越多样,无人机遥感将会在城市水环境管理、河湖水生态修复中发挥更多作用。另一方面,地基遥感也具有较大的应用潜力。随着传感器的发展,未来地基多光谱或者高光谱探测器可逐渐普及,能够实现基于地基遥感技术大范围开展水体污染物识别,并对水质类别进行快速判别。

未来的水生态环境管理,将逐步过渡到水污染防治与生态修复并重的阶段。例如,针对在河湖岸边生态缓冲带及水生植被调查方面,可以综合利用卫星遥感、无人机遥感及地面核查手段,查清重要河流及主要支流、重要湖泊的沉水植物、挺水植物及浮水植物分布,以及河湖岸边带的植被覆盖情况,为开展湖岸边生态缓冲带划定、修复及评估,恢复河湖水生植被,实施流域控制单元精细化管理等提供有力支持。此外,国内很多重点湖库也将逐步建立藻华的预警监测系统,充分发挥卫星遥感、无人机遥感和地基遥感的作用。

参考文献
[1]
朱利, 李云梅, 赵少华, 等. 基于GF-1卫星WFV数据的太湖水质遥感监测[J]. 国土资源遥感, 2015, 27(1): 113-120.
[2]
WANG M, SHI W. The NIR-SWIR combined atmospheric correction approach for MODIS ocean color data processing[J]. Optics Express, 2007, 15(24): 155722-15733.
[3]
田礼乔, 陈晓玲, 邱凤, 等. 星载激光雷达气溶胶数据辅助的近岸浑浊水体大气校正研究[J]. 武汉大学学报(信息科学版), 2011, 36(8): 960-963.
[4]
李俊生, 张兵, 陈正超, 等. MODIS数据辅助中巴资源卫星图像大气校正研究[J]. 中国科学:技术科学, 2006, 36(S1): 141-150.
[5]
LEE Z P, CARDER K L, ARNONE R A. Driving inherent optical properties from water color: a multiband quasi-analytical algorithm for optically deep waters[J]. Applied Optics, 2002, 41(27): 5755. DOI:10.1364/AO.41.005755
[6]
CHUANMIN H. A novel ocean color index to detect floating algae in the global oceans[J]. Remote Sensing of Environment, 2009, 113(10): 2118-2120. DOI:10.1016/j.rse.2009.05.012
[7]
李云梅, 黄家柱. 用分析模型方法反演水体叶绿素浓度[J]. 遥感学报, 2006, 10(2): 169-175.
[8]
马荣华, 戴锦芳. 应用实测光谱估测太湖梅梁湾附近水体叶绿素浓度[J]. 遥感学报, 2005, 9(1): 78-85.
[9]
陈晓玲, 吴忠宜, 田礼乔, 等. 水体悬浮泥沙动态监测的遥感反演模型对比分析——以鄱阳湖为例[J]. 科技导报, 2007, 25(6): 19-22. DOI:10.3321/j.issn:1000-7857.2007.06.004
[10]
吕恒, 黄家柱, 江南, 等. 太湖水质参数MODIS的遥感定量提取方法[J]. 地球科学信息学报, 2009, 11(1): 104-110.
[11]
吴传庆, 盖嘉翔, 王桥, 等. 湖泊富营养化遥感评价模型的建立方法[J]. 中国环境监测, 2011, 27(5): 77-82. DOI:10.3969/j.issn.1002-6002.2011.05.019
[12]
FENG L, HU C, HAN X, et al. Long-Term distribution patterns of Chlorophyll-a concentration in China's largest freshwater lake:MERIS Full-Resolution observation with a partical approach[J]. Remote Sensing, 2014, 7(1): 275-299. DOI:10.3390/rs70100275
[13]
李旭文, 季耿善, 杨静. 太湖梅梁湖湾蓝藻生物量遥感估算[J]. 国土资源遥感, 1995, 2(24): 23-28.
[14]
段洪涛, 张寿选, 张渊智. 太湖蓝藻水华遥感监测方法[J]. 湖泊科学, 2018, 20(2): 145-152.
[15]
毕顺, 李云梅, 吕恒, 等. 基于OLCI数据的洱海叶绿素a浓度估算[J]. 湖泊科学, 2018, 30(3): 701-712.
[16]
申茜, 朱利, 曹红业. 城市黑臭水体遥感监测与筛查研究进展[J]. 应用生态学报, 2017, 28(10): 3433-3439.
[17]
李佳琦, 李家国, 朱利, 等. 太原市黑臭水体遥感识别与地面验证[J]. 遥感学报, 2019, 23(4): 771-782.
[18]
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(1): 57-67. DOI:10.3969/j.issn.1673-288X.2018.01.013
[19]
朱利.基于环境一号红外相机的田湾核电站温排水遥感监测研究[C]//第十六届中国环境遥感应用技术论坛论文集, 2012.
[20]
杨红艳, 朱利, 吴传庆, 等. 核电厂温排水遥感监测及环境影响分析[J]. 环境保护, 2018(21): 18-22.
[21]
张永红, 李家国, 朱利, 等. 温排水监测海面采样与空间插值方法优化研究[J]. 海洋环境科学, 2017, 36(5): 765-773.
[22]
姚延娟, 吴传庆, 王雪蕾, 等.昆明云龙水库水源安全天地一体化监测[C]//第十六届中国环境遥感应用技术论坛, 2012.
[23]
王雪蕾, 王新新, 朱利, 等. 巢湖流域氮磷面源污染与水华空间分布遥感解析[J]. 中国环境科学, 2015, 35(5): 1511-1519. DOI:10.3969/j.issn.1000-6923.2015.05.031
[24]
殷守敬, 吴传庆, 王晨, 等. 淮河干流岸边带生态健康遥感评估[J]. 中国环境科学, 2016, 36(1): 299-306. DOI:10.3969/j.issn.1000-6923.2016.01.049
[25]
马万栋, 吴传庆, 殷守敬, 等. 广西2000—2013年岸线变化及驱动力分析[J]. 广西师范大学学报(自然科学版), 2015, 33(3): 54-60.
[26]
王晨, 姚延娟, 高彦华, 等. 北京市河流干涸断流遥感监测分析[J]. 环境与可持续发展, 2016, 41(6): 170-173. DOI:10.3969/j.issn.1673-288X.2016.06.055
[27]
吴传庆, 马万栋, 王雪蕾, 等. 基于环境卫星CCD数据的黄海浒苔遥感监测[J]. 中国环境监测, 2015, 31(3): 161-165. DOI:10.3969/j.issn.1002-6002.2015.03.027
[28]
朱利, 王桥, 吴传庆, 等. 巢湖水华遥感监测与年度统计分析研究[J]. 中国环境监测, 2013(2): 162-166. DOI:10.3969/j.issn.1002-6002.2013.02.034
[29]
王新兰. 热污染的危害及管理建议[J]. 环境保护科学, 2006, 32(6): 69-71. DOI:10.3969/j.issn.1004-6216.2006.06.022
[30]
许静, 朱利, 姜建, 等. 基于HJ-1B与TM热红外数据的大亚湾核电基地温排水遥感监测[J]. 中国环境科学, 2014, 34(5): 1181-1186.