王 芳，青 松，劉 楠，郝艷玲，包玉海

(1:內(nèi)蒙古師范大學地理科學學院，呼和浩特 010022)(2:內(nèi)蒙古大學生態(tài)與環(huán)境學院，呼和浩特 010021)

湖泊富營養(yǎng)化已成為內(nèi)陸湖泊面臨的最緊迫的水環(huán)境問題之一[1-2].湖泊富營養(yǎng)化是在自然因素和人類活動雙重影響下使得氮磷等營養(yǎng)鹽濃度增加，導致湖泊生產(chǎn)力和生物量過度提高，溶解氧含量和湖泊透明度降低，嚴重時產(chǎn)生毒素和難忍氣味，從而威脅到水生生態(tài)系統(tǒng)的可持續(xù)性以及人類健康[3].因此，為水體富營養(yǎng)化的防治提供科學依據(jù)，加強湖泊富營養(yǎng)化方面的方法研究尤為重要.

“營養(yǎng)狀態(tài)”是一個與生態(tài)系統(tǒng)功能和人類活動對水質(zhì)影響密切相關的屬性[4].自1960s以來，人們嘗試用單變量營養(yǎng)指數(shù)或多參數(shù)方法定量評價湖泊的營養(yǎng)狀態(tài)[5].Carlson提出了溫帶湖泊營養(yǎng)狀態(tài)指數(shù)，該指數(shù)可以在葉綠素、透明度和總氮的對數(shù)尺度上表征營養(yǎng)狀態(tài)，用以評價湖泊的養(yǎng)分富集狀況和初級生產(chǎn)力.其中，水體透明度與懸浮藻類的生物量和生產(chǎn)能力密切相關[6]，是直接反映水上植物初級生產(chǎn)力和水中微生物活動的一個重要參數(shù)[7].透明度是湖泊管理機構用于水質(zhì)評價的一種簡單而廣泛使用的工具[8]，與湖泊水體光譜輻射觀測密切相關[9].

湖泊富營養(yǎng)化遙感評價是通過分析水體反射、吸收和散射光譜特征與水質(zhì)參數(shù)濃度之間的關系，建立富營養(yǎng)化水質(zhì)參數(shù)的定量遙感反演模型[10].隨著內(nèi)陸水色遙感研究的發(fā)展，水質(zhì)參數(shù)的監(jiān)測從定性發(fā)展到定量，其中伴隨著多光譜遙感數(shù)據(jù)應用于水質(zhì)監(jiān)測而發(fā)展起來一系列經(jīng)驗算法.這些方法是基于遙感數(shù)據(jù)和地面實測數(shù)據(jù)，選擇最優(yōu)波段或波段組合，與水質(zhì)參數(shù)建立經(jīng)驗關系，進而評價水體營養(yǎng)狀態(tài)[11-14].

水體顏色作為最古老的時間序列水質(zhì)數(shù)據(jù)之一，是水質(zhì)調(diào)查中的一項重要內(nèi)容.關于水體顏色的早期研究主要是試圖建立顏色與水質(zhì)參數(shù)之間的關系.Alf?ldi等[15]采用Landsat MSS假彩色數(shù)據(jù)作為CIE標準坐標系統(tǒng)中的X、Y、Z三刺激值，分析了水體顏色與水體狀況的關系.自此，隨著后續(xù)學者的研究和逐步完善，構建了完整的FUI水色指數(shù)[16].FUI水色指數(shù)是基于光學特性的水色分類，取值為1～21的離散值.Wang等[17]結合實測數(shù)據(jù)和MODIS產(chǎn)品，建立了FUI與營養(yǎng)狀態(tài)指數(shù)之間的關系，提出了一種評估全球內(nèi)陸水體營養(yǎng)狀態(tài)的方法.然而，根據(jù)Pitarch等[18]的研究指出，與色度角alpha相比，F(xiàn)UI作為大多數(shù)營養(yǎng)海洋水域的監(jiān)測工具是粗糙的.色度角alpha是CIE色度系統(tǒng)中計算FUI的過程參量，取0°～360°之間的連續(xù)值[19]，是自然水體的一個簡單客觀參數(shù)，被稱為自然水域的真實顏色[20].van der Woerd等[21]證明了由色度角alpha表示的顏色能夠從海洋水色衛(wèi)星儀器中準確獲取，并指出色度角在Sentinel_2 MSI、Landsat_8 OLI和Landsat_7 ETM+等傳感器上有很大的推廣應用潛力.Xu等[22]基于色度角，揭示了洞里薩湖19年間水體顏色變化趨勢及規(guī)律，并分析了色度角變化率的空間分布和富營養(yǎng)化狀態(tài).然而，到目前為止還沒有相應的文獻是由連續(xù)變量alpha與TSI指數(shù)之間的相互關系來評估湖泊營養(yǎng)狀態(tài).此外，營養(yǎng)狀態(tài)指數(shù)已廣泛應用于溫帶、熱帶和亞熱帶地區(qū)湖泊的營養(yǎng)狀態(tài)分析[23]，但在我國北方半干旱地區(qū)湖泊水體中的研究較少.

因此，本文試圖探究色度角alpha和TSI之間的相關性，建立適合于北方典型湖泊——岱海的營養(yǎng)狀態(tài)評估模型.本文以內(nèi)蒙古岱海為研究區(qū)，進行如下研究：(1)基于實測數(shù)據(jù)建立岱海水體營養(yǎng)狀態(tài)評估模型；(2)將評估模型應用于Landsat TMETM+OLI和Sentinel_2A MSI遙感數(shù)據(jù)；(3)分析岱海水體營養(yǎng)狀態(tài)的時空分布特征及影響因素.

1 數(shù)據(jù)

1.1 研究區(qū)

岱海盆地在新構造斷塊活動時開始出現(xiàn)，是典型的地塹式斷陷盆地，早更新世初開始形成為湖泊[24]，現(xiàn)稱其為岱海(40°29′07″～40°37′06″N，112°33′31″～113°46′40″E)，位于內(nèi)蒙古烏蘭察布市涼城縣東南部，四周環(huán)山，是一個典型的封閉性內(nèi)陸咸水湖(圖1).湖泊水源補給方式主要為降水補給、地表徑流和地下補給等[25].岱海地處我國半干旱與半濕潤的過渡帶，即北方環(huán)境敏感地帶，屬于中溫帶半干旱大陸性季風氣候，冬季長而干冷，夏季短而炎熱[26].岱海，是內(nèi)蒙古的第三大內(nèi)陸湖，與呼倫湖、烏梁素海統(tǒng)稱為 “一湖兩?！?，在調(diào)節(jié)氣候、生態(tài)修復、涵養(yǎng)水源方面起著重要作用，是我國北方生態(tài)安全屏障的重要組成部分.岱海是被列入《中國濕地保護行動計劃》的第179塊國家重要濕地之一，同時也是自治區(qū)級湖泊濕地自然保護區(qū)[27].多年來，由于降雨量減少、地下水過度開采和環(huán)境污染多種因素的疊加，岱海水體水面急速縮減，導致水體富營養(yǎng)化問題日益突出[28-29].

1.2 實測數(shù)據(jù)

1.2.1 遙感反射率 在2019年10月9日、2020年6月14日、7月19日、8月24日、9月17日和10月12日，在岱海水域共開展了6次野外調(diào)查，進行水面光譜測量，共獲取了216組遙感反射率(Rrs)光譜數(shù)據(jù).Rrs測量采用“水上法”[30]，每個采樣點需要測量標準灰板、水體和天空的輻射亮度.本研究中采用美國ASD公司生產(chǎn)的ASD Field Spec 4 地物光譜儀，測量水體光譜.遙感反射率計算公式如下，文中采用400～900 nm波段處的遙感反射率.

(1)

式中，LW、LSky、Lp分別為測量的水體、天空和標準灰板的輻射亮度；r為氣-水界面的反射率；ρp為標準灰板的反射率.根據(jù)上述處理過程得到216個采樣點的遙感反射率光譜曲線，如圖2.由于水體中各種物質(zhì)的影響，水體光譜曲線表現(xiàn)出明顯的峰值.水體實測反射率光譜曲線在藍波段處的反射率較小，無明顯峰谷，在波段550 nm處由于懸浮物濃度的影響出現(xiàn)高吸收峰值，在700 nm左右的波段出現(xiàn)較小峰值.

圖2 岱海水體實測遙感反射率光譜曲線

1.2.2 透明度 在岱海水域開展的6次野外調(diào)查中，與遙感反射率同步采集了216組透明度(SDD)數(shù)據(jù).透明度是以塞氏圓盤現(xiàn)場測定，將塞氏圓盤放入水中，以消失在視野中時的下沉深度作為觀測點的透明度值[31].本文將透明度作為基本參數(shù)計算了水體營養(yǎng)狀態(tài)指數(shù)TSI(詳見2.1節(jié)).

1.3 遙感數(shù)據(jù)

本文利用Sentinel_2 MSI和Landsat_5 TM、Landsat_7 ETM+、Landsat_8 OLI遙感數(shù)據(jù)進行營養(yǎng)狀態(tài)反演.MSI Level-2A數(shù)據(jù)是由Sen2cor軟件得到.OLI-SR 數(shù)據(jù)是基于 6S 大氣輻射傳輸模型處理獲得[32].TM/ETM+的SR數(shù)據(jù)由LEDAPS算法生成[33].使用ENVI IDL進行批量裁剪及重采樣處理，隨后利用MATLAB軟件進行NDVI水體提取和遙感反演.

本文獲取到1986-2020年間(缺少1988年遙感影像)岱海區(qū)域遙感數(shù)據(jù)，包括1986-1999年間Landsat_5 TM影像共69景，2000-2012年間Landsat_7 ETM+影像共66景，2013-2020年間Landsat_8 OLI影像共47景，2019-2020年間Sentinel_2 MSI 影像共29景.采用gapfill插件進行了ETM+影像條帶修補.Landsat系列數(shù)據(jù)均來自美國地質(zhì)調(diào)查局官網(wǎng)(https://earthexplorer.usgs.gov/)的地表反射率產(chǎn)品，Sentinel_2數(shù)據(jù)來自歐空局官網(wǎng)(https://scihub.copernicus.eu/)的MSI Level-2A 級地表反射率產(chǎn)品.

此外，從中國氣象信息中心(http://data.cma.cn)下載了1986-2020 年間涼城氣象站的氣溫、降水和風速等數(shù)據(jù)，用于研究湖泊營養(yǎng)狀態(tài)與氣象因素之間的關系.由于岱海湖泊存在結冰期，對氣象數(shù)據(jù)統(tǒng)計采用4-10月份的月平均值以及年平均值.

2 方法

2.1 營養(yǎng)狀態(tài)指數(shù)

卡爾森(1977年)提出了TSI與透明度、葉綠素和總磷等參數(shù)相關聯(lián)的理論解釋，開發(fā)了基于透明度為核心的營養(yǎng)狀態(tài)指數(shù).透明度易于獲得，是水生生態(tài)系統(tǒng)營養(yǎng)狀態(tài)的綜合代理，由水體中的懸浮物、藻類和溶解有機物控制，通過控制水下光場而影響水生植物和生物的初級生產(chǎn)能力[34].本文采用透明度單個水質(zhì)指標來計算營養(yǎng)狀態(tài)指數(shù)[35-36]，計算公式如下：

(2)

式中，SDD為透明度，ln2為2的自然對數(shù).根據(jù)我國環(huán)境監(jiān)測總站頒布的《湖泊(水庫)富營養(yǎng)化評價方法及分級技術規(guī)定》，可將湖泊營養(yǎng)狀態(tài)分為3類，TSI<30為貧營養(yǎng)狀態(tài)、30≤TSI≤50為中營養(yǎng)狀態(tài)、TSI≥50為富營養(yǎng)狀態(tài).富營養(yǎng)狀態(tài)又可分為，輕度富營養(yǎng)化(5070).

2.2 色度角alpha

與FUI相比，色度角alpha是一個連續(xù)的數(shù)值變量，用一個數(shù)字表示光譜的顏色[22].色度角是(x，y)坐標的極角，通過將3個可見光波段的Rrs轉換到國際照明委員會(CIE)色彩空間中的坐標(X，Y，Z)，再將其轉化為CIE色度系統(tǒng)內(nèi)的色度坐標(x，y，z).為了清晰量化CIE系統(tǒng)中的顏色，將坐標原點旋轉到(1/3，1/3)處，則每個(x，y)坐標轉換為新的坐標(x′，y′)[37-39].CIE-RGB分別選取為665、560、490 nm波段.

CIE-RGB與CIE-XYZ之間的轉換公式如下：

X=2.7689R+1.7517G+1.1302B

Y=1.0000R+4.5907G+0.0601B

Z=0.0000R+0.0565G+5.5934B

(3)

CIE色度坐標(x，y，z)是從X、Y、Z通過歸一化到0～1之間計算獲得.又基于色度坐標(x，y)，建立新的坐標系(x′，y′).公式如下：

x′=y-1/3

y′=x-1/3

(4)

基于新坐標，色度角計算公式如下：

alpha=arctan2(x′,y′)180/π

(5)

式中，arctan2函數(shù)表示雙變量反正切函數(shù)，值域為(0°，360°)，x′和y′表示新坐標系中的坐標.

2.3 經(jīng)驗算法建立

色度角是一個定義明確的物理量，它直接與光學深水的組成和固有光學性質(zhì)有關[22]，可以表示水體顏色，且不同混濁和營養(yǎng)狀態(tài)的水在色階上的呈現(xiàn)不同[37].因此，本文通過最小二乘回歸試圖建立TSI與alpha之間的經(jīng)驗關系.

TSI=a·alpha+b

(6)

式中，a和b為模型系數(shù).

2.4 精度檢驗

利用均方根誤差(RMSE)、平均百分比誤差(MAPE)評價反演模型精度，公式分別為：

(7)

(8)

式中，ximea和xipre分別為模型估計TSI和實測估計TSISDD，N為采樣點數(shù).

2.5 數(shù)據(jù)分析

為了探究岱海水體營養(yǎng)化的主要氣候變量，首先利用SPSS軟件對數(shù)據(jù)進行了Z-score標準化，隨后使用Amos 24.0軟件創(chuàng)建了一個結構方程模型(SEM)，量化了氣溫、降雨量和風速對岱海水體營養(yǎng)化的影響，并利用絕對擬合值數(shù)：擬合優(yōu)度指數(shù)(GFI)、近似均方根誤差(RMSEA)和相對擬合值數(shù)：比較擬合指標(CFI)進行模型擬合度檢驗.則GFI和CFI大于0.9，越接近1越好，RMSEA小于0.05時模型擬合良好.

3 結果與分析

3.1 營養(yǎng)狀態(tài)遙感反演模型

本文試圖尋找基于遙感反射率R、G、B波段運算的alpha與TSISDD之間的關系.將alpha作為自變量，TSISDD視為因變量(圖3a)，利用隨機抽樣選取的162組實測透明度和遙感反射率數(shù)據(jù)，采用最小二乘法確定模型參數(shù)，建立岱海湖營養(yǎng)狀態(tài)遙感評估模型，公式如下：

圖3 基于實測數(shù)據(jù)的TSISDD與色度角alpha散點圖(a); 模型檢驗(b)

TSI=0.65alpha-45.78

(9)

利用剩余的54組數(shù)據(jù)，檢驗模型精度(圖3b)，可以看出反演TSI與實測TSISDD較均勻分布在1∶1線兩側.根據(jù)檢驗結果顯示，R2=0.74，MAPE=4.84%，RMSE=3.66，表明本文建立的經(jīng)驗模型精度較高，可以很好地反映岱海的營養(yǎng)狀態(tài).將模型應用于216組實測數(shù)據(jù)得到岱海營養(yǎng)狀態(tài)，如表1所示.岱海共216個采樣點，其中3個采樣點為中營養(yǎng)化，213個采樣點為富營養(yǎng)化(其中，屬于輕度富營養(yǎng)化的站點最多，為96)，無貧營養(yǎng)化采樣點.

表1 基于實測數(shù)據(jù)的營養(yǎng)狀態(tài)評估模型評價結果

3.2 營養(yǎng)狀態(tài)評估模型的遙感應用

3.2.1 Sentinel_2 MSI反射率驗證 利用時空匹配的實測遙感反射率數(shù)據(jù)，驗證了 MSI 和 OLI 數(shù)據(jù)的大氣校正結果，見圖4.從圖4a、b、c和e可以看出，2019年10月9日(R2=0.82，RMSE=0.01 sr-1，MAPE=31.70%)、2020年6月14日(R2=0.92，RMSE=0.01 sr-1，MAPE=49.84%)、2020年7月19日(R2=0.77，RMSE=0.01 sr-1，MAPE=27.37%)和2020年10月12日(R2=0.72，RMSE=0.01 sr-1，MAPE=42.42%)的實測與Sentinel_2 MSI光譜反射率具有較好的一致性.圖4d為2020年8月24日實測與Landsat_8 OLI光譜反射率之間的R2=0.57，RMSE=0.01 sr-1，MAPE=31.0%.這些結果表明了MSI和OLI數(shù)據(jù)大氣校正結果的可靠性.

3.2.2 Sentinel_2 MSI反演結果驗證 根據(jù)同步野外實測日期的時空匹配遙感影像，利用2019年10月8日、2020年6月14日和2020年10月12日的MSI數(shù)據(jù)，驗證了alpha和TSI反演結果(圖5).從圖5a中可以看出，實測與同一天MSI數(shù)據(jù)反演得到的色度角alpha具有較好的一致性，R2=0.69，MAPE=2.51%，RMSE=5.43°.圖5b中，基于本文經(jīng)驗模型反演得到的TSI與實測TSISDD的驗證結果為，R2=0.42，MAPE=4.87%，RMSE=6.31.這些結果表明了基于MSI數(shù)據(jù)的alpha和TSI反演結果的可靠性.

3.2.3 Landsat _8 OLI與Sentinel_2 MSI反演結果對比 利用 2020 年 8 月 24 日數(shù)據(jù)檢驗了OLI 數(shù)據(jù)反演得到的alpha和TSI結果.從圖6可以看出精度檢驗看出，alpha和TSI都得到了較好的反演結果，檢驗精度分別為R2=0.84，RMSE=9.28°，MAPE=4.65%和R2=0.85，RMSE=5.76，MAPE=7.64%，說明反演效果較好.

圖6 實測alpha(a)、TSI(b)與Landsat_8 OLI遙感反演對比

利用 2019 年 4 月 16 日的 MSI 與 OLI數(shù)據(jù)進行交叉驗證，alpha驗證結果如圖7a，為R2=0.86，RMSE=1.60°，MAPE=0.70%.TSI驗證結果如圖7b，為R2=0.86，RMSE=1.04，MAPE=1.18%.從精度檢驗結果來看 MSI 和 OLI 數(shù)據(jù)在反演水體營養(yǎng)狀態(tài)方面有很好的一致性.

圖7 Sentinel_2 MSI 與 Landsat_8 OLI 的交叉驗證

根據(jù)本文建立的經(jīng)驗模型，利用2019年10月8日、2020年6月14日、7月21日、8月24日和10月12日的遙感影像進行岱海營養(yǎng)狀態(tài)遙感反演(圖8).從圖中可以看出，在6月14日水體南部富營養(yǎng)現(xiàn)象較嚴重，7月21日水體東部富營養(yǎng)化現(xiàn)象增加南部稍緩，且8月24日岱海西南部富營養(yǎng)化現(xiàn)象增加，水質(zhì)整體下降，到10月12日水體富營養(yǎng)化逐漸緩和.2019年10月相較于2020年10月水質(zhì)狀況較好(圖8a).如圖8b岱海富營養(yǎng)化分級圖中可以看出，2019年10月8日、6月14日以及7月21日岱海主要處于中營養(yǎng)狀態(tài)，8月24日和10月12日處于輕度富養(yǎng)狀態(tài)，但 8月24日邊緣部分富營養(yǎng)化較嚴重，7月21日相較于其他日期水質(zhì)狀況較好.總體上，岱海水體水陸邊界附近營養(yǎng)化存在較嚴重現(xiàn)象，且逐漸往湖中心趨于緩和.

圖8 岱海營養(yǎng)狀態(tài)遙感反演(a)和富營養(yǎng)化分級(b)

3.2.4 岱海水體營養(yǎng)狀態(tài)年際變化 本文利用時間序列Landsat_5 TM、Landsat_7 ETM+、Landsat_8 OLI和Sentinel_2A遙感影像，用上述經(jīng)驗模型進行營養(yǎng)狀態(tài)反演，并除以給定年份的圖像總數(shù)得到1986-2020年岱海營養(yǎng)狀態(tài)年平均空間分布圖(圖9)和岱海富營養(yǎng)化分級空間分布圖(圖10).

圖9 岱海營養(yǎng)狀態(tài)年平均空間分布

從1986-2020年岱海營養(yǎng)狀態(tài)年度動態(tài)中(圖9)可以看出，1986-1993年岱海湖富營養(yǎng)化現(xiàn)象逐漸嚴重，主要在南部以及西南部富營養(yǎng)化較嚴重，1992年和1993年湖泊污染最嚴重，湖泊整體呈現(xiàn)出中度富營養(yǎng)化.從1994年開始富營養(yǎng)化現(xiàn)象逐漸好轉，2002年中營養(yǎng)化現(xiàn)象最為明顯.到2006年輕度富營養(yǎng)化現(xiàn)象又逐漸加重，2007年南部離岸附近富營養(yǎng)化現(xiàn)象進一步加重.2008年水體中營養(yǎng)化所占區(qū)域增大，到2009年又進入輕度富營養(yǎng)化狀態(tài)，中營養(yǎng)化區(qū)域減少，且南部邊緣區(qū)營養(yǎng)化稍加嚴重.2010年和2011年水體又轉變?yōu)橹袪I養(yǎng)化，尤其在2010年出現(xiàn)貧營養(yǎng)化狀態(tài)，為水質(zhì)最好時期.2012年又恢復到富營養(yǎng)化狀態(tài)，且在2013年以及2014年營養(yǎng)化現(xiàn)象好轉，中營養(yǎng)化區(qū)域逐漸增加但從2015年以來水體富營養(yǎng)化又加重，在2016年開始水體輕度富營養(yǎng)化開始出現(xiàn)在湖岸附近，水體整體以重度富營養(yǎng)化為主，到2018年逐漸轉變中度富營養(yǎng)化.2019年水體營養(yǎng)狀況好轉，但在2020年又進入輕度富營養(yǎng)化.總體來講，從1986-2020年之間，岱海水體營養(yǎng)化現(xiàn)象大體上從邊緣逐漸向湖中心趨于緩和，重度富營養(yǎng)化現(xiàn)象主要出現(xiàn)水陸邊界線附近，離岸邊越近富營養(yǎng)化現(xiàn)象越嚴重，趨向湖中心則以中營養(yǎng)為主，可得出岱海水體長期處于輕度富營養(yǎng)化狀態(tài)，并在中度富營養(yǎng)化或中營養(yǎng)化之間轉換(圖10).

圖10 岱海富營養(yǎng)化分級

3.2.5 岱海水體營養(yǎng)狀態(tài)月變化 從圖11明顯可以看出，4月和5月水體富營養(yǎng)化現(xiàn)象最為嚴重，其次為10月，主要出現(xiàn)在湖泊邊緣區(qū)域，湖中心則以中度富營養(yǎng)化為主.此外，6月雖然是以中度富營養(yǎng)化為主，但湖中心區(qū)域出現(xiàn)中營養(yǎng)化，7月和9月水質(zhì)情況相同，水體以中營養(yǎng)為主，邊緣區(qū)域則為輕度富營養(yǎng)化.8月為水質(zhì)狀況最好時期，主要以中營養(yǎng)化為主，湖中心出現(xiàn)貧營養(yǎng)化現(xiàn)象，且湖岸附近明顯為輕度富營養(yǎng)化.大致與岱海營養(yǎng)狀態(tài)年度動態(tài)變化相同，湖泊富營養(yǎng)化嚴重部分主要在水路邊界附近，趨向湖中心營養(yǎng)化等級一般則降一個度，水質(zhì)營養(yǎng)狀況最好區(qū)域一般出現(xiàn)在湖中心部分.

圖11 岱海營養(yǎng)狀態(tài)月平均空間分布(a)和富營養(yǎng)化分級(b)

3.3 岱海營養(yǎng)狀態(tài)影響因素分析

為說明岱海湖泊營養(yǎng)狀態(tài)變化驅動因素，收集了氣候因素數(shù)據(jù)，分別為氣溫、風速、降水量等.在湖泊的演變過程中，氣候起著十分重要的作用，尤其對我國干旱半干旱區(qū)域的內(nèi)陸湖泊，氣候變化對環(huán)境的影響更為強烈和直接[40].從圖12可以看出，1986-2020年涼城縣氣象站年平均氣溫呈現(xiàn)上升趨勢，降雨量和風速整體無明顯趨勢，但降水量在相鄰年間的波動較大.總體上，氣溫、風速、降水量等與年平均營養(yǎng)狀態(tài)無顯著相關關系，但在部分時間段上呈現(xiàn)出正相關或負相關關系.利用1986-2020年涼城縣氣象站獲取月平均降水量、月平均氣溫和月平均風速(圖13)用以分析岱海營養(yǎng)狀態(tài).可以看出，TSI與風速趨勢大致相同，都是6-8月逐漸下降，再從8-10月上升，8月為最低點.TSI與降水量趨勢大致相反，與氣溫之間的相關性不太顯著.

圖12 營養(yǎng)狀態(tài)與年平均氣象因素趨勢

圖13 營養(yǎng)狀態(tài)與月平均氣象因素趨勢

采用結構方程模型(SEM)方法分析了氣象因素對TSI的影響.模型擬合度為χ2=2.252、df=2、P=0.324、GFI=0.965、CFI=0.914、近似均方根誤差(RMSEA)=0.062和χ2=9.614、df=2、P=0.008、GFI=0.720、CFI=0.681 和RSEMA=0.797(圖14).結構方程模型表明，潛在變量如氣候因子對岱海水體年際營養(yǎng)狀態(tài)變化的解釋率為0.13%，氣溫和風速對其間接影響屬于負相關，相關系數(shù)分別為-0.26和-0.14，降水量對其間接影響屬于正相關，相關系數(shù)為0.16.對于月平均營養(yǎng)狀態(tài)變化的解釋率為93%，其中與氣溫和降雨量為負相關，風速為正相關，間接影響可達93%，與圖13展現(xiàn)的相關性一致.氣候因子對岱海水體年際營養(yǎng)化影響并不顯著，但與月平均營養(yǎng)化的相關性較高.氣溫對年際變化或月平均TSI的影響都表現(xiàn)為負相關，岱海流域氣溫呈現(xiàn)出逐年上升趨勢，水體溫度的升高，影響了水體浮游植物的光合作用[41].風速無明顯年變化性，但月變化明顯.風速過大，引起湖底泥沙攪動，沉積懸浮物升起使得水體透明度下降，從而影響水體營養(yǎng)狀態(tài).此外，另有研究表明，風浪擾動引起懸浮的營養(yǎng)鹽形態(tài)主要以顆粒態(tài)為主，而能被藻類直接利用的溶解濃度變化不大，并且水柱中營養(yǎng)鹽濃度隨著風速減弱、顆粒物沉降而逐漸降低[42].淺層富營養(yǎng)化湖泊對風速下降極其敏感，隨著風速降低，尤其是低風速持續(xù)時間延長，湖底間歇性缺氧/厭氧的概率增加，會導致淺水湖泊中底泥溶解性養(yǎng)分的高釋放，從而加重水體富營養(yǎng)化[43].降雨量對年平均TSI的影響并不明顯，是由于岱海地區(qū)降水量少而集中，主要體現(xiàn)在年平均降水量較少，從而對TSI的影響微小呈現(xiàn)負相關；相反，對于月平均降水量主要表現(xiàn)為集中的特點，從而對TSI的影響較大呈現(xiàn)顯著正相關關系.

圖14 營養(yǎng)狀態(tài)影響因素結構方程模型(年平均數(shù)據(jù)和月平均數(shù)據(jù))(矩形表示測量變量，而圓圈表示潛在變量.與路徑箭頭相關聯(lián)的值表示標準化的路徑系數(shù))

4 結論與討論

本文得到的營養(yǎng)狀態(tài)反演結果存在一定的不確定性，主要體現(xiàn)在實測數(shù)據(jù)與遙感數(shù)據(jù)時間和空間尺度上的不一致，并且有些年份中月影像數(shù)據(jù)的缺失，以及由于2003年ETM+機載掃描行校正器發(fā)生故障，導致之后收集的數(shù)據(jù)缺失出現(xiàn)條帶狀，等現(xiàn)象均可能會對結果產(chǎn)生一定的影響.本文研究中采用透明度作為參數(shù)，與張運林等的研究相比指標參數(shù)過于單一.在進一步的研究中，需要結合其他遙感數(shù)據(jù)以及參數(shù)，需對alpha展開更為深入的研究.

本文利用實測光譜和透明度數(shù)據(jù)，基于營養(yǎng)狀態(tài)指數(shù)法和色度角之間建立了適于岱海營養(yǎng)狀態(tài)的經(jīng)驗模型，并對模型進行了精度檢驗.隨后，將算法應用到Sentinel_2 MSI、Landsat_5 TM、Landsat_7 ETM+和Landsat_8 OLI遙感影像，分析了1986-2020年間岱海水體營養(yǎng)狀態(tài)時空分布特征，并使用結構方程模型分析了水體富營養(yǎng)化的氣候影響因素，具體結論如下：

1)利用Sentinel_2 MSI和Landsat_8 OLI數(shù)據(jù)，基于實測TSI數(shù)據(jù)與色度角，建立了營養(yǎng)狀態(tài)評估模型，用于預測北方內(nèi)陸湖泊-岱海水體的營養(yǎng)狀態(tài).采用交叉驗證方法進行精度驗證，檢驗精度結果較好(R2=0.70，MAPE=7.4%，RMSE=5.20).

2)將該經(jīng)驗模型應用到Sentinel_2 MSI和Landsat_8 OLI衛(wèi)星數(shù)據(jù)，反演水體營養(yǎng)狀態(tài).利用Sentinel_2 MSI反演的TSI進行驗證，結果表明遙感反演結果較好，TSI的檢驗精度為R2=0.42，MAPE=4.87%，RMSE=6.31；alpha的檢驗精度為R2=0.69，MAPE=2.51%，RMSE=5.43°.

3)通過時間序列MSI、TM、ETM+和OLI數(shù)據(jù)得到了岱海1986-2020年的時空分布圖.從1986-2020年之間，岱海水體面積逐年減少，且多數(shù)時間處在輕度富營養(yǎng)化狀態(tài)，并與中營養(yǎng)化或中度富營養(yǎng)化之間切換，水體富營養(yǎng)化現(xiàn)象大體上從邊緣逐漸向湖中心趨于緩和，離岸邊越近富營養(yǎng)化現(xiàn)象越嚴重，趨向湖中心則以中營養(yǎng)為主，貧營養(yǎng)化現(xiàn)象極少.

4)岱海的營養(yǎng)狀態(tài)時空變化與氣溫、風速和降水量等相關性并不顯著，氣候因子對其解釋率為13%.營養(yǎng)狀態(tài)月變化與氣候因子影響顯著，對其解釋率為93%.