基于PIE-Engine Studio的黃河口及其鄰近海域水質(zhì)遙感監(jiān)測

卞曉東,禹定峰*,劉東升,任 芳,李 恒,于 雨,高 皜,楊 雷

1.齊魯工業(yè)大學(xué)(山東省科學(xué)院)a.山東省科學(xué)院海洋儀器儀表研究所；b.山東省海洋監(jiān)測儀器裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室；c.國家海洋監(jiān)測設(shè)備工程技術(shù)研究中心,山東 青島 266100；2.航天宏圖信息技術(shù)股份有限公司,北京 100195

隨著遙感技術(shù)的發(fā)展,衛(wèi)星遙感技術(shù)指標(biāo)不斷提高,在數(shù)據(jù)的獲取上也趨于多平臺(tái)、多傳感器、多角度的特點(diǎn),衛(wèi)星傳感器的不斷升級(jí)產(chǎn)生了海量遙感數(shù)據(jù),在數(shù)據(jù)層面上已經(jīng)體現(xiàn)出數(shù)據(jù)量大(Volume)、數(shù)據(jù)增長速度快(Velocity)、種類和來源多樣化(Variety)、數(shù)據(jù)價(jià)值密度相對(duì)較低(Value)、數(shù)據(jù)準(zhǔn)確性和可信賴度(Veracity)的“5V”特征[1],對(duì)遙感數(shù)據(jù)的處理和應(yīng)用提出了新的挑戰(zhàn)。遙感云服務(wù)的應(yīng)用提高了遙感數(shù)據(jù)的處理速度,解決了海量遙感數(shù)據(jù)處理問題[2]。冷天熙等[3]基于Google Earth Engine遙感云服務(wù)平臺(tái)對(duì)衛(wèi)星數(shù)據(jù)進(jìn)行收集、處理及植被覆蓋指數(shù)計(jì)算,得到通?？h2020年植被指數(shù)分布。近年來,除Google Earth Engine(GEE)外,國內(nèi)外還陸續(xù)開發(fā)了PIE-Engine Studio、Global Forest Watch、Map of Life、Global Fishing Watch等遙感云計(jì)算平臺(tái)。

不同于傳統(tǒng)遙感數(shù)據(jù)處理方式,遙感云計(jì)算技術(shù)的發(fā)展為遙感大數(shù)據(jù)的處理和分析帶來了全新的途徑,表現(xiàn)在:1)云端存儲(chǔ)了海量的遙感數(shù)據(jù)；2)提供批量以及交互式計(jì)算服務(wù),通過代碼即可實(shí)現(xiàn)大批量遙感數(shù)據(jù)的處理；3)云端提供算力,降低了遙感數(shù)據(jù)處理及使用門檻,提高了運(yùn)算效率；4)自由選擇數(shù)據(jù)源、算法及其組合,根據(jù)應(yīng)用環(huán)境進(jìn)行搭配[4]。

程偉等[5]基于PIE-Engine Studio遙感云計(jì)算平臺(tái)得到了生長季植被指數(shù)NDVI的空間分布,并與GEE平臺(tái)的數(shù)據(jù)處理能力進(jìn)行了對(duì)比。然而,基于PIE-Engine Studio平臺(tái)的水質(zhì)參數(shù)監(jiān)測尚未見報(bào)道。本文基于PIE-Engine Studio平臺(tái),實(shí)現(xiàn)了對(duì)黃河口及其鄰近海域水質(zhì)參數(shù)的遙感監(jiān)測。

1 研究區(qū)及數(shù)據(jù)源

1.1 研究區(qū)

黃河口(37°59′—37°91′N,119°09′—119°39′E)位于渤海與萊州灣交匯處,北靠渤海,東臨萊州灣,經(jīng)水道連接黃河與渤海,1855年由黃河決口改道而成。黃河口區(qū)域水深大部分在10 m以下,由近岸向離岸方向不斷增加。隨著黃河河道的不斷變遷,黃河口入海泥沙量不斷發(fā)生變化,黃河口附近海岸發(fā)生多次侵蝕、蝕退,沙質(zhì)、淤泥質(zhì)的交替。

1.2 遙感云計(jì)算平臺(tái)

PIE-Engine Studio是航天宏圖公司自主研發(fā)的國產(chǎn)安全可控的開放式遙感云計(jì)算產(chǎn)品,實(shí)現(xiàn)了遙感數(shù)據(jù)按需獲取、按需運(yùn)算以及專題信息聚焦服務(wù),初步滿足了對(duì)地觀測數(shù)據(jù)獲取能力飛速增長后帶來的信息高效化處理和服務(wù)需求。平臺(tái)結(jié)合海量遙感影像以及地理要素,采取交互式編程驗(yàn)證,實(shí)現(xiàn)快速探索地表特征,發(fā)現(xiàn)變化和趨勢,為大規(guī)模的地理數(shù)據(jù)分析和科學(xué)研究提供了免費(fèi)、靈活和彈性的計(jì)算服務(wù)。

1.3 數(shù)據(jù)源

Landsat-5發(fā)射于1984年3月1日,搭載專題制圖儀(Thematic Mapper,TM),重訪周期為16 d,其設(shè)置了7個(gè)波段,包括可見光和紅外波段；Landsat-7發(fā)射于1999年4月15日,搭載增強(qiáng)型專題制圖儀(Enhanced Thematic Mapper,ETM+)傳感器,重訪周期為16 d,其設(shè)置了8個(gè)波段,與TM相比,新增了全色波段；Landsat-8于2013年2月11日發(fā)射升空,搭載陸地成像儀(Operational Land Imager,OLI),重訪周期為16 d,其設(shè)置了9個(gè)波段,與ETM+相比,新增了海岸波段和卷云波段。本文采用PIE-Engine Studio平臺(tái)提供的Landsat-5 TM、Landsat-7 ETM+和Landsat-8 OLI Collection 2表面反射率數(shù)據(jù)進(jìn)行反演計(jì)算。

2 模塊及組成

2.1 遙感影像查詢模塊

遙感影像查詢模塊根據(jù)所選數(shù)據(jù)源輸入相應(yīng)的年份以及云量最大百分比,對(duì)衛(wèi)星遙感數(shù)據(jù)進(jìn)行篩選、掩膜和裁剪處理,得到符合需求的遙感影像,流程如圖1所示。

圖1 遙感影像查詢流程圖

2.2 監(jiān)測結(jié)果展示模塊

利用云端存儲(chǔ)的Landsat衛(wèi)星數(shù)據(jù)對(duì)黃河口及其鄰近海域懸沙、透明度、葉綠素a進(jìn)行反演計(jì)算,得到各水質(zhì)參數(shù)反演結(jié)果。在相應(yīng)界面選擇水質(zhì)參數(shù)(懸浮泥沙、透明度、葉綠素a)類型,并確定數(shù)據(jù)源及相應(yīng)時(shí)間,得到單幅反演結(jié)果,流程如圖2所示。

圖2 監(jiān)測結(jié)果展示流程圖

2.3 監(jiān)測結(jié)果動(dòng)圖展示模塊

在監(jiān)測結(jié)果單幅展示的基礎(chǔ)上,分別根據(jù)數(shù)據(jù)源及相應(yīng)時(shí)間建立數(shù)據(jù)集,并設(shè)置索引建立影像集合,根據(jù)索引利用playLayersAnimation函數(shù)進(jìn)行監(jiān)測結(jié)果動(dòng)圖展示,流程如圖3所示。

圖3 監(jiān)測結(jié)果動(dòng)圖展示流程圖

3 算法說明

3.1 葉綠素a濃度反演算法

葉綠素a是影響海洋水色的重要物質(zhì),其濃度變化反映了水質(zhì)污染狀況,是海洋環(huán)境監(jiān)測的重要指標(biāo),且我國近海滸苔、赤潮等災(zāi)害頻發(fā),葉綠素a的時(shí)空分布研究可以為災(zāi)害的溯源、防治等工作提供幫助。借助遙感數(shù)據(jù)能夠?qū)λ|(zhì)參數(shù)進(jìn)行長時(shí)序、大范圍監(jiān)測的特點(diǎn),基于PIE-Engine Studio平臺(tái),利用Landsat衛(wèi)星數(shù)據(jù)對(duì)黃河口及其鄰近海域葉綠素a濃度進(jìn)行監(jiān)測。根據(jù)楊廣普等[6]對(duì)葉綠素a濃度的反演研究,利用其算法對(duì)研究區(qū)葉綠素a濃度進(jìn)行計(jì)算,算法如式(1)所示:

式(1)中BN、BR為近紅外、紅光波段遙感反射率；cChl-a為葉綠素a濃度。

3.2 透明度反演算法

水體透明度是表示水體渾濁程度的重要參數(shù),是反映水體光傳輸能力的關(guān)鍵生態(tài)指標(biāo),也是水質(zhì)調(diào)查中的基本參量,監(jiān)測水體透明度變化對(duì)研究水環(huán)境變化、水體富營養(yǎng)化等都有重要的意義。殷子瑤等[7]利用實(shí)測數(shù)據(jù)與衛(wèi)星數(shù)據(jù)對(duì)膠州灣透明度進(jìn)行研究,發(fā)現(xiàn)紅光與綠光波段遙感反射率的比值與透明度的相關(guān)性最高,因此采用紅光波段和綠光波段的比值提取水體透明度信息,反演算法如式(2)所示:

式(2)中BR、BG分別為紅光、綠光波段遙感反射率；SDD為透明度。

3.3 懸浮泥沙濃度反演算法

懸浮泥沙影響河口海岸帶沖淤變化過程,且由于懸沙的吸附作用,懸沙也是營養(yǎng)鹽和污染物的主要載體。研究懸沙的濃度及其時(shí)空分布特征,有利于了解水體生態(tài)環(huán)境變化和近岸沖淤變化過程,對(duì)近岸工程、岸線變遷、港口航道建設(shè)等研究具有重要意義。韓仕龍[8]結(jié)合實(shí)測數(shù)據(jù)與Landsat 8 OLI數(shù)據(jù)建立了黃河口懸沙濃度一元經(jīng)驗(yàn)?zāi)Ｐ?研究發(fā)現(xiàn)紅光波段反射率與對(duì)應(yīng)懸沙濃度相關(guān)性最高,據(jù)其算法建立懸沙反演模型,反演算法如式(3)所示:

cSSC=617 919×(BR)2-1 245.8×BR+27.333， (3)

式(3)中BR為紅光波段反射率,cSSC為懸浮泥沙濃度,該算法相關(guān)系數(shù)為0.844,絕對(duì)誤差為3.19 mg/L,相對(duì)誤差為19.54%。

4 結(jié)果與分析

基于PIE-Engine Studio遙感云計(jì)算平臺(tái)的黃河口及其鄰近海域水質(zhì)遙感監(jiān)測系統(tǒng)分別對(duì)葉綠素a、透明度、懸浮泥沙進(jìn)行了反演計(jì)算,得到三種水質(zhì)參數(shù)1984—2021年的時(shí)空分布特征。

葉綠素a濃度的時(shí)空分布特征如圖4、圖5、圖6所示。

圖6 2014—2021年黃河口及其鄰近海域葉綠素a濃度分布

38年間,黃河口及其鄰近海域大部分區(qū)域分布著葉綠素a,在黃河三角洲外圍海域存在一個(gè)半環(huán)形的清潔水體區(qū)域,在萊州灣內(nèi)葉綠素a呈現(xiàn)片狀分布。葉綠素a濃度最高的水體面積較小,主要分布于東南海域,其他分布于萊州灣東部的近岸海域。殷子瑤等[7]利用Landsat衛(wèi)星數(shù)據(jù)進(jìn)行葉綠素a反演研究,得到了研究區(qū)水體葉綠素a近31年的時(shí)空分布特征,結(jié)果表明,葉綠素a主要分布于黃河入海口外圍,呈片狀分布,且在黃河入?？诮秴^(qū)域存在半環(huán)形的清潔水帶,與本文研究結(jié)果一致。

透明度的時(shí)空分布特征如圖7、圖8、圖9所示。

圖9 2014—2021年黃河口及其鄰近海域透明度分布

1984—2021年研究區(qū)內(nèi)近岸水體透明度較低,從近岸到離岸方向透明度逐漸增加,最小透明度主要分布于黃河入?？趨^(qū)域,其他區(qū)域透明度呈擴(kuò)散式分布。由于黃河含沙量較大,其每年向萊州灣內(nèi)輸送大量的泥沙,對(duì)比研究區(qū)內(nèi)透明度分布特征和懸浮泥沙分布特征,其分布規(guī)律具有一定的相似性。Zhou Yan[9]等利用MODIS衛(wèi)星數(shù)據(jù)研究渤海區(qū)域水體透明度的分布,結(jié)果表現(xiàn)出近岸低,離岸方向逐漸增加的特征,符合本文研究結(jié)果。

懸浮泥沙濃度的時(shí)空分布特征如圖10、圖11、圖12所示。

研究區(qū)懸浮泥沙濃度分布具有一定規(guī)律,從圖10、圖11和圖12可以看出:1984—2021年懸沙濃度分布的主要趨勢是從近岸向離岸方向逐漸降低,并且在黃河口區(qū)域的南北兩岸呈現(xiàn)出不同的數(shù)值和趨勢差異,其主要表現(xiàn)為河口南岸懸沙濃度較河口北岸懸沙濃度普遍提升,且分布面積較大。研究區(qū)內(nèi)懸沙濃度較高的部分主要分布在萊州灣西岸；懸沙濃度的中、低區(qū)域主要分布于黃河口南岸萊州灣中部海域、高濃度懸沙分布區(qū)外,該區(qū)域懸沙濃度沿離岸方向逐步降低。Li Peng等[10]利用Landsat和Sentinel 2衛(wèi)星數(shù)據(jù)研究了黃河口區(qū)域懸沙的分布特征,結(jié)果表明,其分布呈近岸高,離岸方向逐漸降低的特征,與本文研究結(jié)果一致。

圖12 2014—2021年黃河口及其鄰近海域懸浮泥沙濃度分布

5 結(jié)束語

本文基于Landsat衛(wèi)星數(shù)據(jù),以黃河口及其鄰近海域?yàn)檠芯繀^(qū),開展了38年水質(zhì)參數(shù)遙感監(jiān)測,得出以下結(jié)論:

1)研究區(qū)黃河入海導(dǎo)致葉綠素a在黃河三角洲外圍形成清潔水體區(qū)域,其他區(qū)域的葉綠素a呈片狀分布。

2)研究區(qū)透明度的分布呈近岸水體透明度低,離岸方向逐漸增加的擴(kuò)散式分布趨勢,透明度最低區(qū)域集中在黃河入?？诮逗Ｓ?。

3)研究區(qū)懸浮泥沙濃度存在近岸懸沙濃度高,離岸方向逐漸降低的擴(kuò)散趨勢,懸沙濃度最高區(qū)域集中于黃河入?？诮逗Ｓ?。