袁 俊，曹志剛，馬金戈，沈 明，齊天賜，段洪濤

(1：西北大學城市與環(huán)境學院，西安 710127) (2：西北大學，陜西省地表系統(tǒng)與環(huán)境承載力重點實驗室，西安 710127) (3：中國科學院南京地理與湖泊研究所，中國科學院流域地理學重點實驗室，南京 210008)

湖泊是地表極其重要的水資源，為流域工農(nóng)業(yè)發(fā)展和人類生活提供穩(wěn)定而清潔的水源，是人類活動與發(fā)展的熱點區(qū)域[1]。氣候變化及流域土地利用變化，加速湖泊富營養(yǎng)化[2]，有害藻華暴發(fā)加劇[3]，全球許多大型湖泊都出現(xiàn)嚴重的水華，如美國伊利湖，加拿大溫尼伯湖，中國太湖、巢湖和滇池等[4]。藍藻水華發(fā)生導致了一系列的湖泊水生態(tài)環(huán)境問題，顯著削弱了湖泊的生態(tài)服務功能和價值，嚴重制約了區(qū)域社會經(jīng)濟可持續(xù)發(fā)展[5-6]。以往研究基于藍藻水華的暴發(fā)頻率分析藻華的時空變化，在此基礎上，進一步了解藍藻生長周期的關(guān)鍵時間點,研究其暴發(fā)狀態(tài)的時序變化，對探究藻華發(fā)生機理、改善水質(zhì)也具有借鑒意義[7]。生物學領(lǐng)域?qū)⑸镩L期適應自然環(huán)境周期性變化，形成與此相適應的生長發(fā)育節(jié)律的現(xiàn)象稱之為物候[8]，藻類屬于浮游植物，浮游植物物候呈現(xiàn)了在季節(jié)性環(huán)境變化下浮游植物生長繁殖的規(guī)律性變化，能夠有效地反映浮游植物的生長和湖泊的生長條件[9]。不同于生物學意義上的“物候”變化，遙感領(lǐng)域通常將藍藻水華暴發(fā)面積或葉綠素a等參數(shù)達到一定閾值時的起始和持續(xù)時間等時序變化特征稱之為藍藻水華的物候特征[7,10-11]。理解藍藻水華物候?qū)τ跉夂蜃兓捻憫推湓谒h(huán)境中的變化機制，有助于準確掌握湖泊水質(zhì)和生態(tài)環(huán)境變化特征及輔助提升藍藻水華預測預警。

相較于傳統(tǒng)的觀測手段，光學衛(wèi)星遙感因其速度快、范圍廣、監(jiān)測周期短，已成為湖泊藍藻水華的重要監(jiān)測手段[12]。藍藻水華在水面聚集，引起近紅外波段反射率抬升，形成植被的反射光譜，這是光學遙感圖像提取藍藻水華的理論基礎。目前，光學遙感識別藍藻水華的方法分為3類：光譜指數(shù)提取法[13]、監(jiān)督分類法[14]、機器學習分類方法[15]。監(jiān)督分類方法需要人工干預，受主觀影響大，機器學習方法能實現(xiàn)復雜地物的提取要求，但是需要大量的訓練樣本。相對而言，基于藻華光譜特征構(gòu)建光譜指數(shù)，結(jié)合閾值提取，機理性強且提取快速，是衛(wèi)星遙感監(jiān)測湖泊藍藻水華的主流方法。

藍藻水華暴發(fā)周期長，變化快，以Moderate-Resolution Imaging Spectroradiometer(MODIS)(Terra：1999年至今；Aqua：2002年至今)為代表的中分辨率海洋水色傳感器被廣泛應用于水華面積和物候監(jiān)測?；贛ODIS 時間序列數(shù)據(jù)，Liniger等[16]發(fā)現(xiàn)了南極洲默茨冰川與B09B冰山2010年撞擊后其水華暴發(fā)開始時間延遲、持續(xù)時間縮短；Rohr等[17]探討了南大洋浮游植物水華物候的變化機制；Wynne等[18]探究了薩吉諾灣和伊利湖近20年的藻華物候，分析了薩吉諾灣和伊利湖藻華物候的影響因子。雖然MODIS等傳感器重訪周期快、波段多，但是衛(wèi)星發(fā)射于1999年后，實際上，太湖、巢湖等一些藍藻水華暴發(fā)頻繁的區(qū)域，2000年之前富營養(yǎng)化已比較嚴重且藍藻水華已經(jīng)暴發(fā)[19-20]，補充這一時間段的藍藻水華時空變化信息有助于提升對湖泊藻華變化規(guī)律的認識。Landsat系列傳感器，包括Landsat 4/5 TM(Thematic Mapper，1982-2011 年)、Landsat 7 ETM+ (Enhanced Thematic Mapper plus，1999-2022 年)、Landsat 8/9 OLI (Operational Land Imager，2013年至今)，是持續(xù)時間最長的地球資源衛(wèi)星之一。Landsat可以彌補MODIS在2000年之前觀測的空白，但其時間分辨率低(16 d)，觀測藍藻水華頻率確實有所不足[21]。如何綜合利用Landsat系列傳感器和MODIS數(shù)據(jù)，考慮不同數(shù)據(jù)源觀測藍藻水華的差異，聯(lián)合監(jiān)測湖泊藍藻水華變化，將使得觀測1980s以來湖泊藍藻水華時空變化成為可能。

本文的研究目標是使用Landsat和MODIS監(jiān)測巢湖1987-2020年間藻華暴發(fā)情況和物候時空變化，解析巢湖藍藻水華近40年的時空規(guī)律。具體內(nèi)容包括：(1)基于光譜指數(shù)和閾值分割方法，研究Terra MODIS和Landsat提取藍藻水華時空變化的一致性和差異；(2)獲取1987-2020年巢湖藍藻水華暴發(fā)面積時空分布，分析1987-2020年巢湖藻華物候特征(暴發(fā)開始時間、暴發(fā)結(jié)束時間、暴發(fā)持續(xù)時間)的變化規(guī)律；(3)基于巢湖總氮(TN)、總磷(TP)濃度和氣溫、風速、降雨等環(huán)境因子，分析藻華物候指標長時間變化的原因。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

巢湖(31°25′28″～31°43′28″N，117°16′54″～117°51′46″E，圖1)位于安徽省中部，屬合肥市管轄，是我國五大淡水湖之一，水域面積約760 km2，東西長55 km、南北寬21 km、湖岸線周長176 km，平均水深2.89 m，多年平均水位為8.03 m，容積20.7×108m3[22]。湖水主要靠地面徑流補給，入湖河流約33條，其中主要出入湖河流有9條，包括南淝河、十五里河、派河、杭埠河、柘皋河、雙橋河、兆河、白石天河、裕溪河[23]。近年來，隨著巢湖流域工業(yè)化以及城市化的發(fā)展，巢湖水體呈現(xiàn)嚴重富營養(yǎng)狀況，藍藻水華頻繁暴發(fā)，對巢湖流域的生態(tài)環(huán)境產(chǎn)生了嚴重的影響[24]。

圖1 巢湖及其分區(qū)、氣象站點位置Fig.1 Location of Lake Chaohu and its zoning and meteorological station

1.2 衛(wèi)星數(shù)據(jù)與預處理

1.2.1 Landsat系列衛(wèi)星數(shù)據(jù) 從美國地質(zhì)調(diào)查局(United States Geology Survey, USGS, https://earthexplorer.usgs.gov)網(wǎng)站下載了巢湖上空1987-2020年無云或少云情況下的Landsat L1T級影像共289景，其中Landsat 5 TM 205景、Landsat 7 ETM+ 24景、Landsat 8 OLI 60景(表1)。下載過程中通過USGS提供的Landsat快視圖判斷巢湖上空是否被云覆蓋，對存在云影響的圖像進行去云操作。Landsat 7數(shù)據(jù)在2003年后出現(xiàn)條帶，數(shù)據(jù)質(zhì)量下降， 2003年后未使用此數(shù)據(jù)；同時Landsat 5在2011年停止運行，Landsat 8在2013年2月發(fā)射，此期間沒有有效Landsat數(shù)據(jù)。研究使用ACOLITE軟件(https://github.com/acolite)對TM、ETM+和OLI數(shù)據(jù)進行處理得到瑞利散射校正反射率Rrc(Rayleigh-corrected reflectance)[25]。

1.2.2 MODIS衛(wèi)星數(shù)據(jù) MODIS搭載在Terra和Aqua兩顆衛(wèi)星上，具有較高時間分辨率，一天內(nèi)可以覆蓋全球兩次(部分赤道低緯度地區(qū)除外)[26]。MODIS的陸地波段(前7個波段，光譜范圍為443～2130 nm)具有較高的空間分辨率(250～500 m)且在渾濁湖泊不飽和，因此本研究僅使用這7個波段提取藍藻水華。考慮到Landsat系列衛(wèi)星過境時間為當?shù)貢r間上午10∶15左右，因此本文選用了上午過境的MODIS/Terra，以獲取時間相對一致的湖泊觀測。從美國國家宇航局(NASA)獲取了2000-2020年巢湖天氣狀況良好的MODIS/Terra影像1919景，基本涵蓋了2000-2020年全年各月份，特別是水華最為嚴重的夏秋季節(jié)(表1)。MODIS數(shù)據(jù)利用SeaDAS 7.5.3軟件去除臭氧吸收和分子瑞利散射的影響，獲得Rrc數(shù)據(jù)[27-29]。

表1 巢湖1987-2020年Landsat/MODIS衛(wèi)星影像數(shù)據(jù)的時間分布*Tab.1 Temporal distribution of Landsat/MODIS data in Lake Chaohu used in this study from 1987 to 2020

1.2.3 陸地和云掩膜 首先使用Landsat和MODIS影像快視圖進行目視觀察，排除巢湖上空多云覆蓋的圖像；然后，對存在少云覆蓋的圖像采用單波段閾值進行云掩膜處理。云掩膜閾值分別是MODIS_Rrc(1240)≥0.0235[30]和Landsat_Rrc(SWIR)>0.018[31]。采用歸一化水體指數(shù)(normalized difference water index，NDWI)進行水體邊界提取，根據(jù)水體在影像中的分布選擇閾值將水體與其他地物區(qū)分開來[32]。最后，研究將水體向內(nèi)掩膜3個像元，避免陸地臨近效應對水體信號的影響。

1.3 藍藻水華提取算法

1.3.1 浮游藻類指數(shù)(FAI) 常用的光譜指數(shù)有NDVI、增強型植被指數(shù)法(enhanced vegetation index，EVI)和浮游藻類指數(shù)(floating algae index，F(xiàn)AI)等。NDVI對大氣干擾處理有限，受云層影響較大，不易區(qū)分高渾濁水體，同時當藍藻密度較大時，NDVI會出現(xiàn)飽和現(xiàn)象[33]。EVI具有較好的抗大氣干擾能力，可抑制水體背景噪聲，但易將藍藻水華與水生植被混淆[34]。相比于NDVI、EVI等算法，F(xiàn)AI算法對環(huán)境和觀測條件(氣溶膠類型和厚度、太陽/觀測幾何和太陽光)的變化不敏感，并且不易受云層影響，可以有效避免對藍藻水華的誤判，已廣泛應用到湖泊藍藻水華的監(jiān)測。

FAI指數(shù)實質(zhì)上是一種波段減法，即通過構(gòu)建紅光、近紅外和短波紅外的基線來反映藻類在水體表面聚集的光譜變化特征，其計算公式為：

FAI=Rrc(λNIR)-R′rc(λNIR)

(1)

(2)

其中，MODIS參與計算的波段為λRed=645 nm、λNIR=859 nm、λSWIR=1240 nm；TM參與計算的波段為λRed=660 nm、λNIR=839 nm、λSWIR=1678 nm；ETM+參與計算的波段為λRed=661 nm、λNIR=835 nm、λSWIR=1650 nm；OLI參與計算的波段為λRed=655 nm、λNIR=865 nm、λSWIR=1609 nm[35]。

1.3.2 藍藻水華閾值確定 使用Hu等[11]在太湖提出的梯度閾值方法提取藍藻水華。對于Landsat系列數(shù)據(jù)，使用FAI<-0.01和FAI>0.02排除純凈水體和純藻華像元，生成藻-水混合圖像的FAI梯度直方圖。考慮到藻華-非藻華邊界處FAI值梯度變化大，因此單幅圖像梯度變化最大處所對應的FAI值即是單景影像的藻華閾值。最后每景Landsat影像FAI閾值的均值減去其兩倍標準差作為所有Landsat的藻華提取閾值，研究確定的Landsat藻華提取FAI閾值為-0.0089。

MODIS數(shù)據(jù)由于空間分辨率較低，研究采用藻華像元生長算法[36](algae pixel growing algorithm，APA)進一步提高藍藻水華提取精度。從MODIS圖像確定巢湖的純藻華FAI閾值為0.05，純水體FAI閾值為-0.004，對水和藍藻混合的像元，選用APA精確計算藻華混合像元內(nèi)的藻華面積，估算湖泊全水域藍藻水華實際面積[36]。像元生長算法是通過判定衛(wèi)星影像中的藻華“生長點像元”，采用臨近像元相關(guān)和逐漸擴展的思路，計算出混合像元的藻華蓋度，這里所說的蓋度是指某一混合像元中藻華完全覆蓋的面積占該像元面積的百分比[37]，具體計算過程見參考文獻[38]。研究通過統(tǒng)計覆蓋度不為0的藻華像元的個數(shù)CMODIS，計算整個巢湖的藍藻水華面積：

Bloomarea=0.25×0.25×CMODIS

(3)

1.4 藍藻水華物候指標

目前，業(yè)內(nèi)對湖泊水華發(fā)生的定義仍沒有形成統(tǒng)一共識。在以往評估遠洋環(huán)境浮游植物物候的工作中，水華事件開始的一個常見定義是葉綠素a濃度(Chl.a)高于背景中值濃度的5%[10]。考慮巢湖藍藻水華暴發(fā)的季節(jié)性和年際變化周期特征以及《水華遙感與地面監(jiān)測評價技術(shù)規(guī)范(征求意見稿)》中“太湖、巢湖水華狀況判斷暫行辦法”定義藍藻水華物候分析的周期為每年春季(本年3-5月)開始至冬季(12月-次年2月)結(jié)束。暴發(fā)開始時間為每年3月份開始藻華面積第1次為全湖面積的5%時的日期；暴發(fā)結(jié)束時間為次年2月之前藻華面積為全湖的5%時的最后日期；藻華暴發(fā)結(jié)束日期減去暴發(fā)開始日期即為藻華持續(xù)時間。關(guān)于1%、5%和10%閾值識別的巢湖藻華物候指標結(jié)果的對比分析見3.1節(jié)。

Landsat傳感器和MODIS的時空分辨率存在差異。針對二者空間分辨率差異在監(jiān)測藻華分布的影響，本文選取了2000-2020年41景巢湖同步MODIS/Terra和Landsat影像，分析其提取藍藻水華面積的一致性問題(3.1節(jié))。1987-1999年藻華物候特征只能由Landsat系列數(shù)據(jù)獲取，考慮到Landsat的時間分辨率較低，2000年之前的物候參數(shù)使用3年為周期進行統(tǒng)計(1987-1989、1990-1992、1993-1995、1996-1998、1999-2000年)，巢湖藻華暴發(fā)開始時間取3年的最小值，暴發(fā)結(jié)束時間和持續(xù)時間取3年的最大值。每周期內(nèi)，巢湖每月基本至少2景Landsat影像(表1)，雖然2月有影像缺失，但藻華暴發(fā)時間從每年3月開始統(tǒng)計，對結(jié)果影響相對較弱。關(guān)于Landsat影像數(shù)量潛在引起的結(jié)果差異，在3.1.3節(jié)進一步深入討論。

1.5 環(huán)境驅(qū)動因子

研究獲取巢湖1987-2020年月度總氮(TN)、總磷(TP)濃度數(shù)據(jù)，TN、TP濃度分別由堿性過硫酸鉀消解紫外分光光度法(GB 11894-1989)和鉬酸銨分光光度法(GB 11893-1989)測定[39]。統(tǒng)計計算1987-2020年這兩種水質(zhì)指標的年均值，討論分析其對巢湖藻華物候的影響。此外，藍藻水華暴發(fā)受氣象因子(溫度、風速、降雨量和日照時長)年際以及季節(jié)性變化影響較大，除了當年的氣象因子外，上年年均以及冬季氣象因子也對藻華暴發(fā)有顯著影響[40-41]。研究從中國氣象數(shù)據(jù)中心(http://data.cma.cn)下載了合肥氣象站的日均氣溫、風速、降水和日照時長數(shù)據(jù)，之后生成年平均及季節(jié)平均結(jié)果，以分析氣象因子與巢湖藻華物候特征的關(guān)系。

1.6 統(tǒng)計分析指標

本文利用Pearson相關(guān)系數(shù)來分析巢湖藻華物候與環(huán)境因子的相關(guān)性，相關(guān)分析使用線性逐步回歸。采用Theil-Sen median和Mann-Kendall趨勢分析方法，研究巢湖藻華暴發(fā)開始時間、暴發(fā)結(jié)束時間、暴發(fā)持續(xù)時間的長時間變化趨勢，并以P值表示顯著性大小，P<0.05為顯著性水平，P<0.01為極顯著水平。

2 結(jié)果

2.1 藍藻水華面積的時序變化

1987-2020年Landsat和MODIS監(jiān)測結(jié)果 (圖2) 顯示，巢湖藍藻水華規(guī)模逐漸擴大，暴發(fā)面積不斷增加。2000年之前，全巢湖藍藻水華整體暴發(fā)規(guī)模較小，大面積藻華較少，1990年出現(xiàn)峰值507.3 km2，其余年份每年全湖區(qū)藍藻水華暴發(fā)面積峰值都在500 km2以下，且面積峰值集中在夏秋季出現(xiàn)(圖2d)。2000年之后，整個巢湖藍藻水華暴發(fā)面積在2000-2005年呈上升趨勢，2005-2010年較穩(wěn)定，2011年出現(xiàn)最高峰608.4 km2，2012-2014年藻華暴發(fā)面積有所下降，2015年出現(xiàn)次高峰，2016-2020年呈下降趨勢(圖2d)。西巢湖2000年之前藍藻水華暴發(fā)規(guī)模也較小，暴發(fā)峰值出現(xiàn)在1999年，達到216.2 km2，2000年之后，西巢湖藍藻水華面積居高不下 (圖2a)。1987-1999年中巢湖和東巢湖無明顯藻華發(fā)生，其中，中巢湖暴發(fā)峰值出現(xiàn)在1991年(162.7 km2)，東巢湖暴發(fā)峰值出現(xiàn)在1990年(204.1 km2)(圖2b，c)。2000年之后，中巢湖藻華面積在2000-2012持續(xù)增加，此后呈現(xiàn)波動式下降的規(guī)律(圖2b)；東巢湖藍藻水華面積在2000-2011年逐漸增加，2011年達到暴發(fā)面積次峰值225.5 km2，2012年后暴發(fā)面積整體呈現(xiàn)下降趨勢(圖2c)。

圖2 巢湖1987-2020年藍藻水華暴發(fā)面積： (a)西巢湖；(b)中巢湖 ；(c)東巢湖 ；(d)全巢湖Fig.2 Area of algal blooms in Lake Chaohu from 1987 to 2020: (a) west lake; (b) central lake; (c) east lake; (d) the whole lake

過去34年中，全湖以及各湖區(qū)每月藍藻水華平均暴發(fā)面積均呈增加趨勢，其中，全湖增加趨勢最為顯著(slope=0.28，P<0.01)，其次是西巢湖(slope=0.14，P<0.01)，中巢湖(slope=0.07，P<0.01)以及東巢湖(slope=0.07，P<0.01)增加趨勢較平緩(圖3)，分湖區(qū)月平均暴發(fā)面積均呈增加趨勢，可能使全湖整體上月平均面積增加趨勢最為顯著。此外，每年藍藻水華暴發(fā)面積最大值大多集中在6-11月，即夏、秋季節(jié)，冬、春季藍藻水華大面積暴發(fā)較少，符合巢湖夏、秋季節(jié)藍藻水華暴發(fā)較為嚴重，冬、春季節(jié)有所減緩的規(guī)律。

圖3 巢湖1987-2020年藍藻水華月平均面積長時間變化趨勢： (a)西巢湖；(b)中巢湖；(c)東巢湖； (d)全巢湖Fig.3 Long-term trend of monthly mean area of algal blooms in Lake Chaohu from 1987 to 2020: (a) west lake; (b) central lake ;(c) east lake; (d) the whole lake

2.2 巢湖藻華物候時空變化趨勢

本研究以藻華面積大于5%湖泊總面積為藻華判定閾值，結(jié)合1987-2020年Landsat和MODIS數(shù)據(jù)計算出巢湖藍藻水華每年暴發(fā)開始時間、結(jié)束時間和持續(xù)時間 (圖4，表2)。總體上，巢湖藻華暴發(fā)多開始于4-6月，集中在次年1月和2月結(jié)束。1987-2000年間巢湖藻華暴發(fā)開始時間多在5月，暴發(fā)開始時間最晚的日序數(shù)為154 d，其次是149 d(1993-1995年)、121 d(2000年)和114 d(1987-1989年)；2000年之后暴發(fā)開始時間逐步提前至4月甚至3月(圖4，表2)。2000年前，巢湖藻華暴發(fā)結(jié)束時間多集中在1月初，結(jié)束最早的日序數(shù)為362 d(1990-1992年)；2000年后，暴發(fā)結(jié)束時間有所延遲，且多集中在2月中下旬結(jié)束，其中，最晚的日序數(shù)為423 d(2016年)(圖4，表2)。1987-2000年，藻華暴發(fā)持續(xù)時間集中在5～7個月，2000年達到10個月；2000年之后，暴發(fā)持續(xù)時間不斷增加，最短為8個月(2020年)，最長為12個月(2006年)。

表2 巢湖1987-2020年藻華物候參數(shù)期及氣象數(shù)據(jù)統(tǒng)計Tab.2 Statistics of algal blooms phenology and meteorological data of Lake Chaohu from 1987 to 2020

圖4 巢湖1987-2020年Landsat(散點)和MODIS/Terra(折線)藍藻水華暴發(fā)面積以及暴發(fā)開始時間(a)和暴發(fā)結(jié)束時間(b)(括號中標注的是年份及藻華開始或結(jié)束的日序，結(jié)束時間出現(xiàn)在來年1-2月，所以，結(jié)束時間的日序數(shù)延續(xù)了前一年的日序數(shù)；1987-1999年為3年時間段取物候指標，年份取中間值)Fig.4 Landsat (scatters) and MODIS/Terra (lines) cyanobacterial blooms area and timing of initiation (a) and timing of termination (b) in Lake Chaohu (Note that the numbers in the parentheses are year and day sequence for the start or end of algal blooms. The day sequence value of the end time is superimposed on the day sequence number of the previous year. 1987-1999 is a three-year time period to take the phenological index, and the year is taken as the middle value)

總體上，1987-2020年巢湖藻華物候特征的時序變化分為3個階段：①1987-2004年，暴發(fā)開始時間呈顯著提前趨勢(R2=0.66，P<0.01)，平均每年提前9.7 d，暴發(fā)結(jié)束時間有所延遲，但不顯著(R2=0.27，P>0.05)，平均每年延遲3.9 d，暴發(fā)持續(xù)時間呈顯著增加趨勢(R2=0.67，P<0.01)，平均每年增加17.4 d。②2005-2010年，藻華暴發(fā)開始時間呈現(xiàn)顯著延遲趨勢(R2=0.61，P<0.05)，平均每年延遲8.9 d，暴發(fā)結(jié)束時間無明顯變化，暴發(fā)持續(xù)時間有所減少，但不顯著(R2=0.15，P>0.05)，平均每年減少8.8 d。③2011-2020年，巢湖藻華暴發(fā)開始、結(jié)束和持續(xù)時間變化趨勢均不顯著，其中，暴發(fā)開始時間平均每年提前1.3 d(R2=0.14，P>0.05)，暴發(fā)結(jié)束時間平均每年提前5.7 d(R2=0.27，P>0.05)，暴發(fā)持續(xù)時間平均每年縮短4.5 d(R2=0.15，P>0.05)(圖5)。

圖5 巢湖1987-2020年藻華物候變化趨勢： (a)開始時間 ；(b)結(jié)束時間 ；(c)持續(xù)時間(灰色箭頭僅表示為上升或下降趨勢)Fig.5 Long-term trend of algal blooms phenology in Lake Chaohu from 1987 to 2020: (a) the timing of initiation; (b) the timing of termination; (c) the timing of duration (Gray arrows indicate an upward or downward trend)

2.3 巢湖藻華物候指標與環(huán)境因子的關(guān)系

巢湖藻華物候指標的年變化與TN、TP濃度無顯著相關(guān)關(guān)系。1987-2004以及2005-2010年TN、TP濃度均呈下降趨勢，2011-2020年TN、TP濃度略微上升，且從整體上看，1987-2020年TN、TP濃度呈顯著下降趨勢(圖6a)。盡管30多年來，巢湖TN、TP濃度有所下降，但對比《地表水環(huán)境質(zhì)量標準》 (GB 3838-2002)發(fā)現(xiàn)，巢湖1987-2020年平均TN濃度(2.18 mg/L)超過了國家Ⅴ類水體標準，TP濃度(0.16 mg/L)位于國家Ⅲ類水體標準，巢湖水體富營養(yǎng)化程度一直處于較高水平，滿足藍藻水華生長要求[42]，所以，湖體的營養(yǎng)鹽不是影響巢湖藻華物候指標的主要因子。

巢湖藻華不同階段物候指標受氣象因子影響不同(圖7)。1987-2004年暴發(fā)開始時間與上年年平均溫度呈顯著負相關(guān)(R2=0.50，P<0.05)(圖7a)；暴發(fā)結(jié)束時間和持續(xù)時間與氣象因子均無明顯相關(guān)關(guān)系。研究發(fā)現(xiàn)，1987-2004年巢湖藻華暴發(fā)結(jié)束時間和持續(xù)時間都呈延遲趨勢，同時段內(nèi)，巢湖年平均溫度顯著上升(R2=0.43，P<0.05)(圖6c)，年平均風速和冬季平均風速均有所下降(圖6b)；②2005-2010年，藻華暴發(fā)開始時間與春季降雨量呈顯著正相關(guān)(R2=0.82，P<0.05)，與春季平均溫度(R2=0.69，P<0.05)、春季平均日照(R2=0.95，P<0.01)呈顯著負相關(guān)(圖7b～d)；暴發(fā)結(jié)束(R2=0.72，P<0.05)和持續(xù)時間(R2=0.93，P<0.01)與年降雨量呈顯著負相關(guān)(圖7e～f)；2011-2020年，藻華暴發(fā)開始時間、結(jié)束和持續(xù)時間與氣象因子均無顯著相關(guān)關(guān)系。該時間段內(nèi)，藻華暴發(fā)開始時間略微提前，而巢湖上年冬季溫度有所上升(圖6c)，暴發(fā)結(jié)束時間提前，持續(xù)時間縮短，相應地，冬季平均風速不斷增加(圖6b)。

圖6 1987-2020年巢湖環(huán)境因子變化趨勢：(a)TN和TP濃度； (b)冬季平均風速和年平均風速；(c)上年冬季平均溫度和年平均溫度Fig.6 Trends of environmental factors in Lake Chaohu from 1987 to 2020: (a) TN and TP; (b) average winter wind speed and annual average wind speed; (c) average temperature in the previous winter and annual average temperature

圖7 1987-2004年暴發(fā)開始時間與上年年平均溫度的關(guān)系(a)； 2005-2010年暴發(fā)開始時間與春季降雨量、平均溫度以及日照時長的關(guān)系(b～d)；2005-2010年暴發(fā)結(jié)束和持續(xù)時間與年降雨量的關(guān)系(e～f)Fig.7 Relationship between the start time and the average annual temperature of the previous year from 1987 to 2004 (a); Relationship between the start time and the spring precipitation, temperature and sunshine from 2005 to 2010 (b-d); Relationship between the termination time and duration and the annual precipitation from 2005 to 2010 (e-f)

3 討論

3.1 多源衛(wèi)星遙感精度與不確定性

3.1.1 衛(wèi)星藻華提取的不確定性 基于FAI指數(shù)和閾值分割的湖泊藍藻水華提取有效避免了湖泊水體中泥沙信號和大氣程輻射的影響，提升了精度，但仍有幾個因素會干擾本文藍藻水華衛(wèi)星提取的絕對精度：(1)水陸邊界的臨近效應：靠近陸地的水體信號強，F(xiàn)AI值也會偏高，導致靠近陸地的像元有時也會被識別為藍藻水華；(2)遙感圖像的云掩膜多使用單波段閾值法，但能夠完全去除云陰影影響的算法尚不成熟，Rrc(1240)>0.023和Rrc(1640)>0.0215會錯誤地將藍藻水華作為“云像元”掩膜去除，過度云掩膜造成有效數(shù)據(jù)丟失[35,43]；(3)研究所使用的FAI閾值提取藍藻水華，通常適用于積聚在水體表面的藍藻，即“cyanobacterial scum”，不易監(jiān)測較為分散且濃度較低的藍藻水華，影響了藍藻水華提取精度。

祁國華等[14]指出不同空間分辨率衛(wèi)星對水華的識別會略有差別，衛(wèi)星影像過境時間存在時間差，水華可能會在幾分鐘內(nèi)發(fā)生微小變化，造成不同衛(wèi)星的提取結(jié)果出現(xiàn)不同程度的差異。2000-2020年間巢湖41景同步MODIS和Landsat圖像提取藻華面積一致性較好(圖8)，差異在0.19～39.85 km2之間，其中提取誤差在0～10 km2的占51%，在10～20 km2的占22%，在20～30 km2的占15%，在30～40 km2的占12%。Landsat空間分辨率較高，使得二者提取誤差低值所占比例較大。Landsat和MODIS提取結(jié)果差異最大的在2016年11月14日(MODIS提取面積為79.43 km2，Landsat提取面積為39.58 km2)，是由于當天MODIS上空存在薄云，造成提取誤差。

圖8 巢湖MODIS和Landsat同步衛(wèi)星數(shù)據(jù)提取藍藻水華面積一致性對比Fig.8 Comparison of the consistency of algal blooms area from MODIS and Landsat synoptic satellite data in Lake Chaohu

3.1.2 物候閾值的影響 藻華物候的確定方法多樣，如Soppa等[44]規(guī)定當Chl.a濃度值超過中位數(shù)5%時的時間至少持續(xù)兩周時定義為水華開始日期，將Chl.a值下降至閾值以下第1周為水華結(jié)束日期。關(guān)鍵閾值的選取影響物候特征的精度，因此本文對比分析1%閾值和10%閾值的巢湖藻華物候結(jié)果，驗證5%閾值提取物候的精度。1%為閾值即在巢湖藻華面積達到7.6 km2時認為藍藻水華暴發(fā)。MODIS本身空間分辨率較低，該閾值面積僅占有120個像元，提取的物候特征與巢湖藻華暴發(fā)規(guī)律有較大偏差，且年際之間無明顯變化，巢湖整年都在暴發(fā)藻華(圖9)。10%為閾值計算藻華物候，2000年之后藻華暴發(fā)開始時間與5%相差不大，但由于閾值面積達到76 km2，受Landsat時間分辨率和多種不確定性因素的影響，2000年之前有4年(1988、1989、1993和1998年)藻華暴發(fā)開始時間和結(jié)束時間為同一天，且1996年為藻華暴發(fā)的空白期，即僅有的遙感圖像數(shù)據(jù)無法滿足閾值要求，1996年被認定為無藻華暴發(fā)(圖9)，因此10%閾值不能準確刻畫所提取的巢湖藍藻物候特征。

圖9 10%和1%閾值藻華物候期結(jié)果： (a)暴發(fā)開始時間；(b)暴發(fā)結(jié)束時間Fig.9 10% and 1% threshold algal blooms phenology: (a)the start time; (b)the termination time

3.1.3 Landsat時間分辨率的影響 Landsat具有較高空間分辨率，但其重訪周期較長(16 d)，較少的衛(wèi)星數(shù)據(jù)降低了對巢湖的有效觀測次數(shù)，一定程度上影響藻華物候時序變化的精度。為減弱2000年前 Landsat影像稀少對年藻華物候特征的影響，本研究使用3年周期統(tǒng)計巢湖2000年之前的物候參數(shù)。統(tǒng)計周期內(nèi)幾乎每月平均至少2景Landsat遙感影像覆蓋，間接地提升了2000年前Landsat系列數(shù)據(jù)觀測巢湖藻華物候時序變化的時間分辨率。該方法統(tǒng)計的巢湖1987-2020年藻華物候的長時序變化趨勢相對不存在突變(圖5)。為揭示Landsat每3年周期和MODIS數(shù)據(jù)統(tǒng)計藻華物候的時間一致性，我們對比了2000-2020年Landsat和MODIS所提取的藻華暴發(fā)開始時間(圖10)。Landsat每3年周期觀測的藻華暴發(fā)時間雖然比MODIS的結(jié)果略晚一些，但基本上較為接近。同時，二者觀測到的藻華暴發(fā)開始時間的趨勢較為一致，即2000-2010年暴發(fā)開始時間有所延遲，此后藻華暴發(fā)提前。事實上，以往一些研究使用Landsat數(shù)據(jù)對水質(zhì)情況進行分析時也采用了類似的方式[45-47]，并揭示出了湖泊水質(zhì)的長時序變化。雖然使用多年周期統(tǒng)計的方式一定程度上彌補了Landsat數(shù)據(jù)不足的缺點，提升了Landsat分析結(jié)果的可信度，但仍需說明的是，2000年前后藻華物候參數(shù)統(tǒng)計的數(shù)據(jù)源不同，且數(shù)據(jù)的時間分辨率存在一定的差異，Landsat低衛(wèi)星數(shù)量統(tǒng)計的年藻華物候特征無法達到與MODIS完全等同的觀測頻率，由此，所得出的藻華物候變化趨勢及其與環(huán)境因子的相關(guān)性不可避免地會存在一定的不確定性。但是Landsat是目前唯一可連續(xù)獲取的2000年前的免費衛(wèi)星數(shù)據(jù)，是將藍藻水華監(jiān)測結(jié)果延長15年的最好選擇，同時，探索性聯(lián)合時空分辨率存在差異的多源衛(wèi)星數(shù)據(jù)共同監(jiān)測湖泊藻華物候，可為之后的研究提供一點思路和參考。

圖10 2000-2020年Landsat藻華暴發(fā)開始時間(每3年)與MODIS的對比Fig.10 Comparison of the start time of algal blooms between Landsat (every 3 years) and MODIS from 2000 to 2020

3.2 巢湖藍藻水華物候變化的驅(qū)動機制

巢湖藍藻以微囊藻(Microcystis)和魚腥藻(Anabaena)為主，不同季節(jié)藍藻優(yōu)勢藻藻種不同，5-9月以微囊藻為主，而3-4月和10月后以魚腥藻為主[48]，本文“藻華物候”重點在于巢湖藍藻水華暴發(fā)的時間變化，而非生態(tài)上的“物候”的定義，微囊藻、魚腥藻或其他藍藻藻類大量繁殖后在水面聚集均會被識別為藍藻水華，因此，藻種間的交替變化(藻種生長期差異)不會顯著影響巢湖藻華暴發(fā)時間的變化。

水體中營養(yǎng)鹽濃度升高，藻類吸收營養(yǎng)鹽，迅速繁殖形成有機團聚體，進而在水面形成水華[49]。本研究發(fā)現(xiàn)巢湖TN、TP等營養(yǎng)鹽濃度對于藻華物候變化特征影響較弱，這可能是因為巢湖本身TN、TP等營養(yǎng)鹽濃度一直處于較高水平，滿足藍藻生長要求，因此營養(yǎng)鹽不是改變巢湖藻華暴發(fā)時間變化的主要因子。本研究發(fā)現(xiàn)，上年年平均溫度、春季平均溫度越高，日照時長越長，藻華暴發(fā)時間越早。溫度升高、日照時長增加利于藻華生長，使得藻華暴發(fā)時間提前[50]。巢湖1987-2020年上年年平均溫度(R2=0.35，P<0.01)和春季平均溫度(R2=0.40，P<0.01)呈顯著上升趨勢(圖11a)，春季平均日照呈不顯著增加趨勢(R2=0.08,P>0.05)(圖11b)，同時，1987-2020年巢湖年平均風速和冬季平均風速均呈下降趨勢，2005年后，平均風速都在3 m/s以下(圖6b，表2)，溫度升高、日照時長保持穩(wěn)定、風速降低利于藻華聚集，形成大面積水華，由此，未來巢湖藍藻水華暴發(fā)時間可能依然呈提前趨勢，暴發(fā)結(jié)束和持續(xù)時間呈延遲趨勢，相應地，藍藻水華暴發(fā)規(guī)模變大，周期變長，給巢湖藍藻水華的治理帶來一定困難。

圖11 巢湖1987-2020上年年平均溫度和春季平均溫度(a)和春季平均日照(b)的變化趨勢 Fig.11 Trends of annual mean temperature in the last year and spring mean temperature (a) and spring mean sunshine (b) from 1987 to 2020 in Lake Chaohu

研究還發(fā)現(xiàn)不同湖區(qū)影響藍藻水華暴發(fā)的主要因子不同，風速對于藍藻水華暴發(fā)也有重要影響。風速較低，藍藻容易在水面堆積形成水華，長時間低風速天氣，會加劇藍藻水華聚集程度，導致水華面積大幅增加[51]，Wang等[52]研究發(fā)現(xiàn)風速與滇池藻華發(fā)生呈負相關(guān)，并且滇池春季藻華持續(xù)時間明顯短于秋冬季，其認為強風是限制藻華聚集的主要因素，滇池春季的高風速容易分散藻華使得春季藻華持續(xù)時間較短；Shi等[53]研究指出太湖2003-2017年浮游植物水華暴發(fā)開始時間與春季平均風速呈顯著正相關(guān)。

不同區(qū)域的湖泊或者相同湖泊不同時間受氣象因子的影響程度不同的原因是多方面的。中國的一些淺水湖泊所處地理位置不同，如滇池位于云貴高原，太湖、巢湖位于東部平原，其所處地理位置的氣候條件有明顯差異，氣候差異以及滇池的水質(zhì)特征使得滇池藍藻水華發(fā)生難易與嚴重程度與太湖、巢湖有所不同[54]，溫度和氮、磷營養(yǎng)鹽是導致“三湖”藍藻水華暴發(fā)存在差異的主要因子[55]。對海洋區(qū)域而言，藍藻水華發(fā)生以及浮游植物物候與海洋所處地理位置(高緯度地區(qū)和低緯度地區(qū))、海洋表面溫度、海冰濃度變化、海冰厚度、云層覆蓋、氣象因素也均有一定的相關(guān)性[56-58]。

3.3 未來巢湖藍藻水華變化的啟示

藻類水華暴發(fā)是在一定的營養(yǎng)、氣候、水文條件和生態(tài)環(huán)境下形成的藻類過度繁殖和聚集的現(xiàn)象，是水體環(huán)境因子(如 TN、TP、pH值、水動力、溶解氧)和氣象因子(如氣溫、光照、風速、降雨量等)綜合作用的結(jié)果，一般認為較高的營養(yǎng)鹽濃度、適宜的溫度、充足的光照以及較低的風速條件下，更易暴發(fā)藍藻水華[59]。巢湖流域水體富營養(yǎng)化與合肥市近年來的發(fā)展息息相關(guān)，據(jù)安徽省統(tǒng)計年鑒，2000-2020年間，合肥市的人口從2000年的438萬增加到2020年的937萬，而GDP則從324.73億元猛增到10045.72億元。人口的迅速增加、工農(nóng)業(yè)生產(chǎn)的迅速發(fā)展、污水、化肥、農(nóng)藥的大量使用和排放等一系列大規(guī)模的活動嚴重破壞了巢湖的生態(tài)環(huán)境，巢湖出現(xiàn)了明顯富營養(yǎng)化，制約了該地區(qū)的社會和經(jīng)濟發(fā)展，引起了國家和地方政府的極大關(guān)注，從“六五”至“九五”，圍繞巢湖的富營養(yǎng)化防治，進一步開展了一些管理調(diào)查與對策研究[60]。近年來，國家大力開展“三河三湖”的治理，巢湖的富營養(yǎng)化趨勢得到了明顯的遏制，并且富營養(yǎng)化水平有所下降，但是其營養(yǎng)化水平仍處于高位，足以支持藍藻水華的發(fā)生[23]。巢湖水質(zhì)恢復是一個流域系統(tǒng)工程，需要科技、資金和全社會的關(guān)心和介入[61]。富營養(yǎng)化及藍藻水華問題的徹底解決，需要流域污染控制與生態(tài)修復相結(jié)合，不可能一朝一夕完成。通過構(gòu)建藍藻水華預測體系，預判水華藍藻發(fā)展狀況，采取針對性的應急處置措施，可以有效減少藍藻水華帶來的次生災害及其對周邊居民的影響。未來，除了研究各種環(huán)境條件下藍藻水華暴發(fā)的規(guī)律，也應著重關(guān)注藍藻種類和生理狀態(tài)對于藻華暴發(fā)的影響[62]。

4 結(jié)論

1)1987-2020年巢湖藍藻水華暴發(fā)規(guī)模不斷擴大，暴發(fā)面積不斷增加。研究時段內(nèi)，全湖區(qū)及其分區(qū)每月藍藻水華暴發(fā)面積均呈增加趨勢，全湖區(qū)增加趨勢最為顯著。此外，每年藍藻水華暴發(fā)面積的最大值大多集中在6-11月，即夏秋季節(jié)，冬季和春季巢湖藍藻水華大面積暴發(fā)較少。

2)在過去34年里，巢湖藍藻水華暴發(fā)時間變化分為3個階段：1987-2004年，巢湖藍藻水華年暴發(fā)開始時間顯著提前，暴發(fā)持續(xù)時間顯著增加；2005-2010年，藻華年暴發(fā)開始時間顯著延遲，但暴發(fā)持續(xù)時間變化不顯著；2011-2020年，巢湖藻華暴發(fā)開始、結(jié)束和持續(xù)時間呈現(xiàn)年際波動，年暴發(fā)開始時間、結(jié)束時間和持續(xù)時間均有所提前，但變化都不顯著。

3)1987-2020年巢湖藻華物候指標年變化與TN、TP年均濃度無顯著相關(guān)性。1987-2004年暴發(fā)開始時間與上年年平均溫度呈顯著負相關(guān)，表明上年年平均溫度增加會使得藻華暴發(fā)開始時間提前，2005-2010年，藻華暴發(fā)開始時間與春季平均溫度、春季平均日照呈顯著負相關(guān)，與春季降雨量呈顯著正相關(guān)，表明春季平均溫度越高、日照越長、降雨量越少，巢湖藻華暴發(fā)時間越早；暴發(fā)結(jié)束和持續(xù)時間與年降雨量呈顯著負相關(guān)，表明隨著年降雨量增加，暴發(fā)結(jié)束提前，暴發(fā)持續(xù)時間縮短；2011-2020年，藻華暴發(fā)開始時間、結(jié)束和持續(xù)時間與氣象因子均無顯著相關(guān)關(guān)系。