ASD | 基于OLCI数据监测长江平原内陆水域颗粒态磷浓度并理解其与驱动因素之间的关系

颗粒态磷

Z 近几十年，土壤侵蚀、农业活动和人类污水造成营养物排放日益增加，导致淡水生态系统的恶化和富营养化，成为许多国家亟待解决的环境问题。富营养化会导致不良的生态后果。磷是富营养化和水质恶化的重要生物限制营养素，其中颗粒态磷（PP）是浮游植物和细菌生长的重要潜在磷源，在水生生态系统的初级生产过程和能量流动中发挥着不可替代的作用。因此，监测PP浓度（CPP）对于理解水生初级生产力和对湖泊富营养化的潜在贡献至关重要。以往监测不同环境中的CPP主要基于实地测量和实验室分析，费事费力，难以准确确定CPP的时空变化。相比之下，卫星遥感可以实现大尺度覆盖并能监测各种不同的水质参数。然而，由于允许使用遥感数据的适宜生物光学算法的缺乏，很少有研究在富营养化内陆水域对此进行评估。

ASD

基于此，为了填补研究空白，在本文中，一组研究团队于2016和2020年在长江平原几个大型湖泊中收集了原位水质数据（水透明度（SDD，m）、总磷浓度（CTP）、颗粒态磷浓度（CPP）、叶绿素a浓度（CChla）、无机悬浮物浓度（CISM）、总悬浮物浓度（CTSM）以及有色溶解有机物（aCDOM(λ)）、浮游植物色素（aph(λ)）和非藻类颗粒物（anap(λ)）的吸收系数）、光谱数据（利用ASD FieldSpec Pro仪器测量）和辅助数据（包括降水（Pre，mm）、风速（WS，m/s）、气温（Tem，°C）和日照时间（SS，h）在内的气象参数）。此外，他们还计算了每个湖泊流域内月度和年度归一化植被指数（NDVI）和夜间灯光值（NTL），并从欧洲空间局（ESA）捕获的23个水域面积＞50km2的湖泊中下载了共8773个无云Sentinel-3A OLCI Level-1图像。Z 后，基于Sentinel-3A OLCI数据利用NIR波段开发了新的半解析算法以估算CPP。

本研究的目标是：

（1）开发和验证CPP估算模型；

（2）利用（OLCI）数据揭示这些湖泊的CPP时空分布模式；

（3）探索影响CPP的潜在因素以改善未来水质管理。

长江平原湖泊位置；气象站位置用红色五角星表示。

结果
所提出算法的独立验证表现出满意的结果，平均绝 对百分比误差和均方根误差分别小于27%和27μg/L。OLCI观测结果表明从2016年到2020年，长江平原23个湖泊的CPP表现出显著的时空异质性，其中12月（62.91 ± 34.59 μg/L）Z 低，8月Z 高（114.9 ± 51.69 μg/L）。在23个湖泊中，鄱阳湖CPP平均值Z 高（124.58 ± 44.71 μg/L），千岛湖Z低（33.51 ± 4.71 μg/L）。此外，在观测期，13个湖泊年平均CPP表现出显著的下降或上升趋势（P < 0.05）。驱动因素分析结果表明四个自然因素（风速、气温、降水和日照时间）和两个人为因素（归一化植被指数和夜间灯光值）结合解释了超过91%的CPP差异，而这些因素对不同湖泊的CPP影响表现出显著差异。

利用独立数据集对所开发的算法进行模型验证（a）。实地测量的CPP和OLCI的CPP之间开发算法的验证（b）。

2016和2020之间长江平原湖泊CPP的空间分布（a）。直方图（b）中计算了具有不同CPP的湖泊数量。

23个湖泊月CPP和驱动因素之间的Pearson相关系数。

驱动因素对年CPP动态变化的相对贡献。

结论

内陆水域CPP的精确遥感估算对水生生态系统的生态恢复具有重要意义。在本研究中，作者初步证明了基于遥感估算内陆水域颗粒态磷的可行性，并开发了一种新型的通用半解析算法用于YP上23个湖泊的CPP估算。独立验证结果表明（MAPE < 27%，RMSE < 27 μg/L），基于MUMM校正的OLCI图像所提出的模型在估算CPP上表现出满意性能。接下来，从OLCI图像获取了YP湖泊CPP的时空分布格局，同时分析了CPP和潜在驱动因素之间的关系。不同湖泊之间导致变化的驱动力差异显著。人类活动对小型和浅水湖泊具有重要作用，气候因素对大型和深层水域具有更为显著的影响。该研究是S次在长江平原流域尺度定量估算CPP动态变化上做出的努力，提供了长江平原23个大型湖泊CPP时空分布格局的基线数据集。研究结果可作为内陆水域营养降低和污染控制策略的重要参考。