202205论文阅读
202205论文阅读
每月至少两篇，论文精读。
20220501：
科学问题
营养状态指数(TSI)是评价水生生态系统的重要参数。以往利用遥感数据分析湖泊TSI的研究都是基于间接方法，即首先从遥感数据中提取一个或多个水体营养指标(Chla、SDD、TP和TN)，然后计算和评价TSI。这样的评价方法存在一定的局限性。首先，由于TSI相关水质参数的遥感估计精度有限，间接方法可能比直接方法产生更大的不确定性。其次，由于内陆水域光学特性的复杂性，这些TSI相关参数的遥感估计算法大多基于经验方法;因此，利用遥感数据进行TSI评估的可迁移性受到很大限制。
本研究开发了一种通过替代指标快速评估湖泊TSI的半解析方法，该方案可以在较高的时间和空间分辨率下相对方便、快速地进行监测。
研究思路
- 数据
实测数据：2004-2018年，27个覆盖贫营养到富营养的湖泊，812个采样点，包括实测的ap, aph, acdom, SDD, CHLA, TN, TP. 这些数据集包含了从贫营养到富营养的多种水体类型。
Landsat数据：21景2013年至2017年的千岛湖Landsat 8 OLI；纳木错和龙虎泡各1景Landsat 8 OLI。
卫星与原位数据的匹配标准设定为≤3天——最终得到128组同步的匹配数据。 - 方法
基于Chla、TN、TP和SDD 4个生物地球化学参数，采用改良的Carson’s TSI评价了该研究的营养状态作为实测的TSI。
采用Wj来评估Chla与其他参数之间的紧密性。Wj值可能因湖而异，也可能因季节而异。毫无疑问，这会增加TSI计算的复杂性。Rj2指的是chla和第j个参量的决定系数。Rchla2=1; Rtp2=0.55; Rtn2=0.23; Rsd2=0.10.
模型构建的前提：认为内陆水域光学活性成分（chla,NAP,CDOM）的吸收系数是决定天然水域固有光学性质和表观光学性质的基本变量。吸收系数可以合理地作为TSI的指标，假设TSI可以从OACs的光吸收系数中量化。
（1）模型的构建
尝试使用四种类型的函数，包括线性函数、对数函数、指数函数和二次函数，来建模TSI与aph(440)、TSI与ap(440)、TSI与at-w(440)之间的关系。结果表明，对数函数对三种关系的精度最高，决定系数最高。其中，TSI-at-w(440)模型的验证结果最好，其RE和RMSE值最低，原位测定TSI与估算TSI的决定系数最高。
（实测数据检验）
（2） 影像的检验
我们使用128个站点的数据集，包括同步测量的原位确定的TSI和Landsat 8 OLI计算的Rrs（seadas）值，以评估上述方法的性能。这些结果表明，所提出的半解析方案的性能是稳健和令人满意的，至少在少营养和中营养的内陆水域。
（3） 算法应用于千岛湖，时空分布的检验
与其他人的研究结果比较，发现季节分布、空间分布比较一致。
研究结果
讨论
（1）OAC吸收与TSI的内在关系
TSI与各组分的关系表明，TSI主要由SDD (R2=0.84)和Chla (R2=0.83)决定，其次是TP (R2=0.77)和TN (R2=0.55)。Chla与aph(440)、ap(440)、at-w(440)的决定系数分别为0.61 (p < 0.001)、0.66 (p < 0.001)、0.65 (p < 0.001);与这些吸收系数相关的SDD决定系数分别为0.70 (p < 0.001)、0.46 (p < 0.001)和0.84 (p < 0.001)。OACs的吸收系数似乎不包含TP和TN的信息。而营养盐浓度与浮游植物生物量、总悬浮物和CDOM直接或间接相关。
TP通常与总悬浮物质高度相关，它主导着颗粒的吸收，从而决定了内陆水域的清澈度。在我们的数据集中，TP与at-w(440)之间存在显著相关(R2=0.70, P < 0.001)。TP与Chla关系密切(R2=0.55, P < 0.005)。一些研究也表明，CDOM作为一个重要的水色参数，它与营养物质密切相关。OAC的吸收系数不仅可以表征水色参数，还可以提供水分营养信息。因此，OAC的吸收系数涉及TSI成分的所有信息，因此合理地反映了水TSI。研究认为吸收系数和TSI都是水质特性的混合结果。
（2）优缺点
优点：首先，大数据集的使用保证了所提方案的鲁棒性和有效性。
其次，从遥感应用的角度来看，所提模型可以尽可能减少累积误差，增强TSI遥感方法的可移植性。固有光学特性(IOPs)的遥感估算比内陆水域的水成分估算更容易、更准确。
缺点：首先，TSI-at-w(440)模型不适用于boreal的大多数湖泊。在大多数北方湖泊中，CDOM的吸收通常非常高，从而主导了这些水域的光学性质的变化，特别是在短波长。CDOM与Chla和养分的相关性通常较弱;因此，以CDOM为主的at-w(440)不能反映水体营养状态，最终使所提方法在北方湖泊TSI遥感中失效。
其次，我们的方法对于悬浮泥沙浓度高的水域可能有很大的不确定性。在悬浮泥沙浓度较高的水体中，留水辐射率主要由颗粒散射特性决定，而不是吸收特性。而at-w(440)通常由CDOM和浮游植物共同控制，而不是悬浮沉积物，因此at-w(440)不能完全反映悬浮沉积物的信息(Shi et al.， 2013;薛等人，2017)。此外，散射系数也会影响由QAA_V6导出at-w(440)的精度;高散射系数将导致导出的at-w(440)中更多的误差。
结论
本研究基于Landsat 8 OLI数据，结合QAA_V6模型和TSI与OACs总吸收的关系，建立了一种用于内陆水域TSI遥感评估的半解析方法。该方法可以克服传统TSI评价方法使用单一遥感TSI成分(Chla或SDD)的缺点。验证结果具有一定的可移植性，表明该方法可用于内陆水体贫营养至富营养的计算。
启发与思考
- 为什么只评价了TSI与aph(440)、TSI与ap(440)、TSI与at-w(440)的关系，没有TSI与aCDOM(440)
- 从固有光学量入手，大胆的假设，全面的分析，降低误差。
论文信息
Shi K , Zhang Y , Song K , et al. A semi-analytical approach for remote sensing of trophic state in inland waters: Bio-optical mechanism and application[J]. Remote Sensing of Environment, 2019, 232:111349.
20220502：
科学问题
目前中国湖泊富营养化的长期遥感监测主要集中在一些特定的湖泊，特别是五大淡水湖(太湖、巢湖、洪泽湖、鄱阳湖、洞庭湖)。根据Landsat图像生成中国东部平原大于10km2的146个湖泊的35年(1986-2020年)TSI数据集。设计了基于藻类生物量指数(ABI)的Landsat系列TSI反演算法，分析了中国东部平原湖泊时空变化规律和影响因素。
研究思路
-
数据
建模数据：2013-2019年，覆盖19个湖泊的，与OLI准同步的实测数据。
检验数据：（1）太湖生态系统研究实验室提供的1992-2015年逐月的33个站点的Chla, SDD (m), TN (mg/L), TP (mg/L), (CODMn)。（2）来自中华人民共和国生态环境部的《中国生态环境公报》的1995 - 2020年EPL区域29个湖泊的年度营养级统计数据。
卫星数据：1986-2020年10171景Landsat SR影像，同步的MODIS数据。
从不同数据源收集的地表温度数据、风速、降水、人口(POP)、夜间灯光(NTL)、污水排放(WD)、归一化植被指数(NDVI)和土地利用数据。 -
方法
（1）采用Ma等人(2011)的湖泊边界数据集确定每个湖泊的范围，并考虑近岸区域的影响，减少3个像素(Hu等人，2021b)。采用归一化差水指数(NDWI)提取水像元。
（2）FAI指数提取蓝藻水华。采用FAI <−0.01和FAI > 0.02剔除水中沉颗粒和厚厚的藻类浮渣的影响，采用FAI >−0.004屏蔽浮藻和水生植被区。
（3）利用浑浊水指数(TWI)将水像元分为无机悬浮物为主的水像元和藻类为主的水像元。TWI阈值为平均值减去2倍标准差。
（4） 利用藻类生物量指数(ABI)反演各水体类型的TSI。
ABI利用555 nm归一化的遥感反射率(Rrs, sr−1)与两个基线的差异，一个基线在Rrs(859)和Rrs(469)之间线性形成，另一个基线在Rrs(645)和Rrs(469)之间线性形成。
（藻类越高，近红外越高，Rrs(859)和Rrs(469)的基线越小，红越低，Rrs(645)和Rrs(469)基线越高，差值越小）
注：其实只要绿、红、近红外波段形成一个三角形做基线就好了。
开发了两种光学水类型的TSI反演模型，因为高浓度悬浮沉积物会影响光信号，导致高浑浊度被误认为蓝藻。
将OLI拓展到TM、ETM+：
首先，选取了37张太湖无云图像(14张OLI图像、13张ETM+图像和10张TM图像)。
其次，在湖中随机设置42个点。基于Landsat地表反射率，计算每个点上一个25 × 25窗口的平均ABI与匹配的MODIS图像中同一位置的一个3 × 3窗口的平均ABI，以获得一致的空间分辨率进行统计。
第三，将基于各配对的ETM+和TM的ABI值(ABIETM+和ABITM)与ABIOLI的ABI值进行比较，并通过ABIOLI校正ABIETM+和ABITM。
（5） 变化趋势和影响因素分析
① 在气象学和水文学领域广泛使用的加性季节和趋势断点（BFSAT）算法用于分析1986年至2020年TSI时间序列的长期趋势。BFSAT方法能克服季节性效应，使断点位置不随序列长度的变化而漂移，能有效地处理季节性数据。BFAST(全称为Breaks For Additive Season and Trend)算法通过探测跳跃点,自动地将时间序列分解成趋势项、季节项以及残差项。
② 利用广义线性回归模型(GLM)定量分析了LST、PRE、WS、NDVI、POP、NTL和WD等多个变量对TSI年际变化的相对贡献。
研究结果
（1） 长时间TSI反演的性能
三种传感器反演出的ABI和MODIS反演的一致性比较好。因此，ABIETM+和ABITM的定标系数可以通过ABIOLI进行校正，使用ABI(标定后)=斜率× ABIOLI +截距。ABIETM+和ABITM的斜率分别为0.91和0.79，截距分别为−0.0004和−0.0011。
基于TM、ETM+和OLI影像的TSI反演精度都比较高。
（2） EPL地区TSI的时空变化
2012年，湖泊富营养化加剧，富营养化湖泊数量在过去35年达到最大值，占湖泊总数的45.2%。2013年以后，富营养化湖泊数量减少，EPL地区富营养化得到较好控制。EPL区域1986 - 2020年的年均TSI用黑线表示，如图4所示。总体来看，35年间湖泊年均TSI呈上升趋势(从55.8上升到60.4)，2020年各湖泊年均TSI较1986年上升了8.2%。
进一步统计了湖区面积10-50 km2、50-100 km2、100-500 km2和大于500 km2的35年不同营养状态比例和TSI平均值。小型湖泊(10 ~ 50 km2)富营养化最严重，富营养化水平的湖泊占77.5%。湖泊间平均TSI随着湖泊规模的增大而逐渐减小。
TSI的空间分布表现为夏季平均TSI最高(62.0±11.4)，冬季平均TSI最低(51.6±8.0)，这与夏季气温较高、风速较低有利于蓝藻生长的气象因素有关。而冬季较低的温度对蓝藻的生长有抑制作用。各湖泊的季节格局具有可比性(夏季TSI高，冬季TSI低)，表明该地区TSI的季节变化可能受到相同因素的影响。还分析了不同面积湖泊的各季节TSI均值。小湖泊的营养状态更容易受到外界变化的影响。
进一步得到EPL湖泊TSI相对变化率的空间分布，并根据湖泊纬度统计各湖泊的TSI相对变化率。长江中下游湖泊TSI变化率由沿海(太湖42.1%)向内陆(洞庭湖24.5%)呈递减趋势。从纬度上看，TSI的变化率由高纬度向低纬度逐渐增大，说明长江中下游湖泊的富营养化率高于北方湖泊。我们的TSI观测结果在像元尺度上的水质变化趋势与之前的研究相似。从湖泊面积看，小型湖泊(10 ~ 50 km2)TSI的变化率最高。
（3） TSI长期变化特点
BFSAT分析，EPL湖泊TSI的变化有四种变化模式
缓慢上升
显著上升
存在突变的上升点
先上升后下降
（4） 相关性分析
来自三大污染源(工业、农业和生活污染)的养分投入对水体富营养化的重要影响，NDVI和夜间光强均占10.8%，反映了城市扩张和土地利用变化的影响。风速、降水和温度相关性显著，分别占11.8%、8.6%和5.2%。气象因素和人为因素对中小湖泊富营养化的影响较为复杂。大型湖泊富营养化主要受人类活动的影响，工农业和生活废水的排放成为富营养化的主要原因。
讨论
（1） 年度TSI反演的局限性
由于Landsat重放周期长，变化可能不能反映真实情况，进一步计算了MODIS的月平均TSI，并将其与OLI的月平均TSI进行对比(图16b)。基于MODIS的月平均TSI比日平均TSI平滑(STD = 2.1)。基于oli的月TSI (STD = 3.3)的变化幅度大于基于modis的月TSI。这是因为OLI图像每个月最多有两个场景，在大多数情况下，只有一个场景或根本没有图像。
因此，采用基于一天图像的TSI反演来代表一个月的营养状态，可能包含太多或太少的极端水分条件，不能完全反映真实的水环境。然而，基于OLI和MODIS TSI结果的营养状态水平具有较高的一致性，准确性为90.3% (N = 72)。因为营养状态等级是根据间隔来划分的。
为了探究不同时间分辨率对月平均TSI的影响，我们选取2020年8月基于MODIS Aqua的TSI反演结果，计算1d、2d、3d、5d、10d、16d的平均TSI。1-3d区间TSI观测值相似，平均值分别为67.2、67.3、67.9,STD值分别为2.9、2.5、2.6。基于5d观测间隔的月平均TSI增加到69.1。基于10d和16d观测间隔的月平均TSI分别为67.4和67.6(图17a)。观测间隔16d的月平均TSI变化幅度增大(STD = 2.6)。不同时间间隔的月营养水平均表明太湖处于富营养化状态。
同样，做了年均的对比。对于本研究中每月和每年的营养状态评价，我们的结果仍然可以接受和可靠，在大多数情况下可以反映湖泊的真实营养状态。
（2） 全球变暖和人类活动的启示
暖冬增强了蓝藻水华的爆发。预计在未来的气候条件下，对浅层富营养化湖泊的影响将变得更加强烈。因此，建议在暖冬和低风速共同影响下，有效的富营养化控制策略应考虑季节差异。为应对全球变暖，未来应进一步调整富营养化湖泊恢复的减缓战略。我们的研究发现，工业废水排放对湖泊富营养化的贡献最大(图12a)。因此，我们建议对水污染的控制应与工业发展阶段和废水排放阶段相适应。在经济快速发展的时期，对水环境的实时评价和同步治理尤为重视。
（3）其中一个基线是使用蓝色和近红外波段建立的，这使得通过近红外波段的上升反射率来检测藻类生物量的增加成为可能。净水的整个光谱反射率较低，NIR波段没有明显波动，这可能不适用于净水以获得良好的反演结果。Abi反演的TSI在混浊水中的准确性(训练R2 = 0.57，验证R2 = 0.60)不如在藻类为主的水中(训练R2 = 0.62，验证R2 = 0.71)。已有研究证实ABI算法对SPIM的变化更为敏感。当SPIM变化率为10%、50%、100%时，ABI对应的相对误差分别为6.94%、28.19%、54.75%。虽然我们使用TWI提取浑浊水，并建立了浑浊水的TSI算法，但由于极端浑浊的水量造成了TSI的过高估计。
结论
首次对中国EPL地区湖泊（>10 km2）的TSI进行了遥感反演。通过结合Landsat TM、ETM+和OLI观测，评估146个湖泊的营养状态和影响因素，以了解1986年至2020年的富营养化进展以及水质保护和恢复面临的挑战。我们的研究表明，随着人类活动和地表温度(或水温)的增加，湖泊逐渐富营养化。同时，小湖泊(10-50 km2)的富营养化更容易受到人为因素和气候变化的影响。本研究强调了Landsat系列卫星稳健算法在水质监测中的有效性，拓展了研究的时间尺度和空间范围。本研究生成的TSI数据集可为未来水质管理提供关键产品。
启发与思考
影响因素分析，从很多不同的数据集找到了各种影响因子。
时空变化，不单纯分析随时间的变化，采用多种分析方法（BFSAT）、多重线性回归等。
对湖泊的长时序时空变化分析、影响因素分析值得借鉴，图表的制作也值得借鉴。
论文信息
Hu M , Ma R , Xiong J , et al. Eutrophication state in the Eastern China based on Landsat 35-year observations [J]. Remote Sensing of Environment, 2022, 277:113057.
对比
Shi的论文的重点在于方法的构建，Hu的论文重点在于长时序、大范围的分析。
Shi的方法目前只用于OLI，而Hu通过标定，拓展到了TM和ETM+。
两种方法具有一定的可移植性。
哪个公式？
第一个是改进的公式，第二个是carlson的原公式。
原公式更适合于计算比较清洁水体，如大洋
改进的公式更适用于湖泊。