巢湖蓝藻水华时空分布特征遥感监测研究

基于遥感藻总量和气象因子的巢湖不同湖区藻华预测刘东;张民;沈明;曹志刚;齐天赐;邱银国;段洪涛【期刊名称】《湖泊科学》【年(卷),期】2022(34)4【摘要】湖泊能为人类提供不可或缺的资源,而全球普遍存在的湖泊富营养化导致的藻华频繁暴发正不断损害湖泊生态环境服务功能.为合理保护湖泊环境和防治藻华危害,需预测藻华暴发.以我国富营养巢湖为研究区,本文构建了一种基于遥感藻总量和气象因子的不同湖区藻华暴发概率预测方法.基于MODIS/Aqua数据,研究首先反演了20032019年日尺度的藻华分布和考虑垂向结构的水柱藻总量.然后,统计了西、中和东巢湖的藻华面积,判别了藻华/非藻华日,并匹配日平均藻总量和气象因子.最后,筛选出藻华形成的关键影响因子——藻总量、气温和水汽压,并构建了不同湖区日藻华暴发概率的Logistic预测模型.不同湖区月平均藻总量基本一致,但藻华暴发日占比呈“西高东低”特征.对西、中和东巢湖的藻华/非藻华检验样本,模型精度分别为90%、85%和89.5%,模型也适用于2020年夏秋季和冬春季藻华预测.湖泊藻华暴发是藻类大量增殖并在一定气象条件下的产物,故基于遥感藻总量和气象因子的藻华暴发概率预测科学合理,可推广应用于太湖等其他富营养湖泊.【总页数】12页(P1090-1101)【作者】刘东;张民;沈明;曹志刚;齐天赐;邱银国;段洪涛【作者单位】中国科学院南京地理与湖泊研究所;中国科学院南京地理与湖泊研究所;西北大学城市与环境学院【正文语种】中文【中图分类】X52【相关文献】1.水文气象因子对藻华爆发的影响2.藻华暴发期太湖不同湖区水样对斑马鱼胚胎发育及仔鱼生长毒性研究3.太湖和巢湖中微囊藻(Microcystis)与长孢藻(Dolichospermum)的长时序变化及其驱动因子4.局部湖区两种藻类藻生物量的综合因子预测模型5.基于SMDPSO算法的呼伦湖藻华遥感监测因版权原因，仅展示原文概要，查看原文内容请购买。

《河南水利与南水北调》2023年第6期水生态文明基于遥感技术的太湖蓝藻水华时空变化分析徐寅生，赵琳（中水北方勘测设计研究有限责任公司，天津300222）摘要：利用卫星遥感手段监测水环境具有大范围、长时序、周期性、快速、动态监测等优势，文章利用哨兵2号多光谱卫星遥感数据，对2017-2021年五年内的太湖蓝藻情况进行监测，提取湖区不同季节蓝藻水华信息，进而分析不同季节湖区水质的变化特征。

实验结果表明，近五年来，太湖蓝藻爆发时段主要集中在每年的5月份左右，蓝藻爆发区域主要集中在太湖西北部的竺山湖、西部沿岸区、梅梁湖等湖湾；湖心区蓝藻数量呈明显增长，需要引起关注。

关键词：多光谱；水质；太湖；叶绿素a；哨兵2号中图分类号：TP79文献标识码：A文章编号：1673-8853（2023）06-0005-02Analysis of Spatial and Temporal Changes of Cyanobacteria Bloom in Taihu Lake Based onRemote Sensing TechnologyXU Yinsheng,ZHAO Lin（China Water Resources Beifang Investigation,Design and Research CO.LTD.,Tianjin300222,China）Abstract：Monitoring water environment by means of satellite remote sensing has the advantages of large-scale,long-time sequence, periodicity,fast and dynamic monitoring.This article utilizes Sentinel-2multispectral satellite remote sensing data to monitor the blue-green algae situation in Taihu Lake from2017to2021.It extracts information on blue-green algal blooms in different seasons of the lake and analyzes the characteristics of water quality changes in different seasons.The results show that the blue-green algae outbreak in Taihu Lake has been mainly concentrated in May of each year for the past five years,and the algal blooms were mainly concentrated in Zhushan Lake,western coastal areas and Meiliang Lake in northwestern Tai Lake.The number of blue-green algae in the central lake area has shown a significant increase,which deserves attention.Key words：Multispectral;water quality;Tai Lake;chlorophyll a;Sentinel21理论基础浮游藻类指数的基本原理为水体在红光波段、近红外波段和短波红外波段表现出强烈的吸收作用，对于表面存在蓝藻水华的水体，在近红外波段表现为明显的反射峰，利用这一特点，通过相关波段的组合，构建FAI指数模型，具体计算公式如下。

第4卷　第3期环境工程学报Vol.4,No.32010年3月Chinese Journal of Envir on mental EngineeringMar.2010巢湖水质时空分布模式研究谢　森1　何连生23　田学达1　席北斗2　陈　林3　于会彬2(11湘潭大学环境工程系,湘潭411105;21中国环境科学研究院,北京100012;31西华师范大学国土资源学院,南充637002)摘　要　依据2004～2006年12个采样点11个水质指标数据,应用主成分分析(PCA )、聚类分析(C A )、判别分析(DA )和基于GI S 平台的克里格插值法,对巢湖水质时空分布模式进行研究。

通过统计分析将巢湖11个水质指标概括为4个主成分:第一主成分C OD 、BOD 5和Chl 2a;第二主成分电导率、NH +42N 、T N 和TP;第三主成分温度和DO;第四主成分pH 和S D 。

在空间尺度上分为2组,分别对应于东西半湖。

除了DO 指标,空间上西半湖周边区域的水质指标浓度显著高于东半湖;东西半湖TP 和C OD 空间分布相似;在时间尺度上,可分为1月～3月份、12月份一组和4月～11月份一组;TP 、COD 、DO 和S D 指标第一时期浓度高于第二时期,温度、电导率和Chl 2a 指标则相反;溶解氧和温度两者的时间差异性呈现明显的负相关。

并对采样点和采样频次进行了适当优化。

关键词　水质　时空分布　主成分分析　聚类分析　判别分析　巢湖中图分类号　X832 文献标识码　A 文章编号　167329108(2010)0320531209Study on tem pora l and spa ti a l d istr i buti on pa ttern s of wa ter qua lityi n Chaohu LakeXie Sen 1　He L iansheng 2　Tian Xueda 1　Xi Beidou 2　Chen L in 3　Yu Huibin2(1.Depart m ent of Envir onmental Engineering,Xiangtan University,Xiangtan 411105,China;2.Chinese Research Acade my of Envir onmental Science,Beijing 100012,China;nd and Res ources College,China W est Nor mal University,Nanchong 637002,China )Abstract Vari ous methods including p rinci pal component analysis (PCA ),H ierarchical cluster analysis (CA ),discri m inant analysis (DA )and GI S 2based kriging methods were used t o analyze data sets of water quality for 11para meters monit ored at 12different sites of Chaohu Lake fr om 2004t o 2006t o deter m ine te mporal and s patial distributi on patterns in water quality .The significance of the four p rinci pal components was verified:the first p rinci pal components included COD ,BOD 5and chl or ophyll 2a (Chl 2a );the second included electrical conduc 2tivity (EC ),ammonical nitr ogen (NH +42N ),t otal nitr ogen (T N )and t otal phos phorus (TP ),the third included te mperature (TE MP )and diss olved oxygen (DO )while the forth showed pH and Secchi disk dep th (S D ).The monit oring sites were partiti oned int o 2gr oup swhich p resented the western and the eastern lake res pectively .The pollutant concentrati ons in the regi on ar ound the western lake were higher than those at the eastern lake excep t DO.The s patial distributi ons of TP and COD were relatively si m ilar .The monit oring peri ods were classified int o 2clusters (Jan 2Mar and Dec,Ap r 2Nov ).The average concentrati on of TP,COD,DO and S D in first peri od was higher than that in the second,but opposite of t o that of TE MP,EC and Chl 2a .Additi onally,the te mporal varia 2ti ons of DO and TE MP were significantly negatively correlated .And the monit oring frequency and monit oring sites were op ti m ized p r operly .Key words water quality;te mporal and s patial distributi on;p rinci pal component analysis (PCA );cluster analysis (CA );discri m inant analysis (DA );Chaohu Lake基金项目:国家水体污染控制与治理科技重大专项(2008ZX071062001)收稿日期:2009-03-30;修订日期:2009-04-17作者简介:谢森(1984～),男,硕士研究生,主要从事环境规划与管理的研究工作。

摘要摘要巢湖是重要的淡水资源和具有重要功能的生态系统，但富营养化问题严重，水体中充足的营养盐会造成浮游藻类的大量繁殖，严重时能引起―水华‖的发生。

叶绿素a是浮游植物现存量的重要指标,是研究水体富营养化的主要手段和指标。

因此, 叶绿素a 常作为湖泊富营养化调查的一个主要参数。

本研究在巢湖确定了23 个采样点，分别在2007年的6、7、8、9、10月份进行采样调查。

主要测定了水温、pH、溶解氧等物理指标；总氮、总磷、活性磷等化学指标；对浮游植物的种类组成、叶绿素浓度进行了测定和分析，并结合环境因子，探讨了巢湖蓝藻表面水华形成的环境条件。

结果表明：1、TN和TP变化范围分别在0.4～3.44mg/L、0.016～0.662mg/L之间，东西湖区水质状况明显不同，西部湖区比东部湖区水质更为严重。

巢湖的西部湖区水体中溶解性磷已经达到0.011－0.41mg/L，推测在西半湖氮、磷可能已经不再是藻类生长的主要限制因子。

2、研究期间，总藻类叶绿素最大值(30.27μg/L)出现在6月，最小值(16.29 μg/L)出现在10月。

绿藻和硅藻的生物量最大值出现在7月，与之相反蓝藻的最小值出现在7月份。

蓝藻为最重要的藻类类群(平均值占总藻类生物量的63.36%)，在夏季和秋季占优势；其次为隐藻(平均值占16%)；绿藻(年平均值占15.2%)在仲夏7月较为丰富。

相关性分析结果表明，两湖区的藻类生长均与磷元素和pH显著相关。

叶绿素a含量与TN浓度的关系存在空间差异。

西半湖叶绿素含量与总氮显著正相关，与电导率、DO呈正相关，与温度无关。

东半湖叶绿素含量与DO和pH显著正相关，与水温、总氮呈正相关；全湖叶绿素含量与温度、DO、电导率、总磷、总氮等显著相关。

各种生态因子对叶绿素a含量有着直接和间接的影响，不同湖区各影响因子所起的作用不同。

巢湖水体中的叶绿素a和众多环境因子表现出多元相关性，表明水体中浮游植物的生长繁殖是众多水质因子综合作用的结果。

摘要：为了探讨巢湖东半湖蓝藻水华暴发时空分布规律及其成因，对2008—2009年巢湖东半湖蓝藻密度、叶绿素含量及相关水质指标进行研究。

采用逐步剔除法和逐步回归法进行分析，获得巢湖东半湖蓝藻水华暴发时空分布图。

结果表明，巢湖东半湖蓝藻暴发存在明显的时空分布差异，藻华形成（叶绿素a 含量、蓝藻密度）与透明度、高锰酸钾指数、氨氮以及总氮显著相关，结合多元回归分析可知，影响水华暴发的环境因子有水温、pH 、透明度和总氮。

关键词：蓝藻暴发；时空分布；相关性分析；多元回归；巢湖中图分类号：X171.5文献标志码：A 文章编号：1672-2043（2013）10-2035-07doi:10.11654/jaes.2013.10.019巢湖东半湖蓝藻水华暴发时空动态及成因吴珺1，李浩1，曹德菊1*，黄祥明2，赵富贵2，王光宇3，闫晓明3（1.安徽农业大学资源与环境学院，合肥230036；2.安徽省巢湖市环保局环境监测站，合肥238006；3.安徽省农业科学院，合肥230031）Tempo-spatial Dynamics and Cause of Cyanobacterial Blooms in East-half Part of Lake ChaohuWU Jun 1,LI Hao 1,CAO De-ju 1*,HUANG Xiang-ming 2,ZHAO Fu-gui 2,WANG Guang-yu 3,YAN Xiao-ming 3（1.School of Resources and Environment ，Anhui Agricultural University ，Hefei 230036,China;2.Chaohu Environmental Protection Bureau of Environmental Monitoring Station,Hefei 238006,China;3.Anhui Academy of Agricultural Sciences,Hefei 230031,China ）Abstract ：To explore the tempo-spatial dynamics and cause of the cyanobacterial blooms in the east-half part of Lake Chaohu,the density of cyanobacterial,chlorophyll a,water temperature ，total nitrogen,total phosphorus and pH were measured during 2008—2009.Cyanobac －terial blooms generally appeared between June and August,and near the center （Zhongmiao ）of the Lake.Cyanobacterial blooming （chloro －phyll a content and algal density ）was significantly correlated with transparency index,permanganate index,ammonia nitrogen and total ni －trogen in water.Nitrogen in water was a critical factor leading to tocyanobacterial blooming.Suitable temperature facilitated this phe －nomenon.Keywords ：cyanobacterial bloom;spatial and temporal dynamic;correlation analysis;multiple regressions;Lake Chaohu收稿日期：2013－02－27基金项目：国家科技支撑计划项目（2012BAD14B13）；安徽省农业科学院科技创新团队项目（13C0203）作者简介：吴珺（1987—），女，江苏昆山人，在读硕士，主要研究方向为环境评价与规划。

太湖蓝藻水华遥感监测方法一、本文概述太湖，作为中国最大的淡水湖之一，近年来面临着严重的蓝藻水华污染问题。

蓝藻水华的大面积爆发不仅破坏了水生态系统，还对周边地区的水资源安全构成了严重威胁。

因此，对太湖蓝藻水华的有效监测与管理显得尤为重要。

本文旨在探讨遥感技术在太湖蓝藻水华监测中的应用方法，以期为相关领域的研究与实践提供有价值的参考。

本文首先介绍了太湖蓝藻水华问题的严重性和遥感技术在该领域的应用背景，阐述了遥感监测的重要性和可行性。

接着，文章详细介绍了遥感监测方法的基本原理和流程，包括遥感数据源的选择、数据预处理、特征提取以及蓝藻水华信息的提取与识别等关键步骤。

在此基础上，文章还深入探讨了遥感监测方法的优缺点，以及在实际应用中可能面临的挑战和问题。

本文总结了遥感技术在太湖蓝藻水华监测中的实际应用案例和效果评估，展望了遥感技术在未来蓝藻水华监测与管理中的发展前景和趋势。

通过本文的研究，旨在为太湖蓝藻水华的遥感监测提供一套科学、有效、可行的方法论，为水环境保护和水资源管理提供有力支持。

二、太湖蓝藻水华概述太湖，作为中国第三大淡水湖，其生态环境和水质状况对于周边地区乃至全国都具有重要影响。

然而，近年来，太湖蓝藻水华频繁爆发，严重影响了太湖的水质和生态环境。

蓝藻水华是一种由蓝藻（一种原核生物）过度繁殖引起的水体污染现象，其大量繁殖会消耗水中的氧气，导致水生生物死亡，同时还会产生有害的次生代谢产物，对人类和其他生物的健康构成威胁。

太湖蓝藻水华的发生与多种因素有关，包括气候条件、水体营养状况、湖泊地形等。

其中，气候因素如温度、光照、风速等直接影响蓝藻的生长和繁殖；水体营养状况，如氮、磷等营养物质的含量，为蓝藻提供了生长所需的营养物质；而太湖独特的湖泊地形和水文条件，也为蓝藻的聚集和繁殖提供了有利条件。

为了有效监测和防控太湖蓝藻水华，遥感技术被广泛应用于太湖蓝藻水华的监测中。

遥感技术具有覆盖范围广、获取信息量大、更新速度快等优势，能够实现对太湖蓝藻水华的快速、准确监测。

基于MODIS的2000～2013年巢湖蓝藻水华暴发时空分布特征顾长梅;张运;钱贞兵;徐升;黄晨【摘要】[目的]研究2000 ～2013年巢湖蓝藻水华暴发时空分布特征,为巢湖流域水环境的综合治理提供决策支持.[方法]利用2000～2013年长时间序列MODIS 遥感影像数据计算归一化植被指数,着重分析巢湖蓝藻水华时空分布特征.[结果]巢湖蓝藻水华总体暴发频率较高,以小面积水华为主,大面积水华暴发具有偶然性.2010年起,蓝藻水华暴发频次和程度有增加趋势,其中2010年水华暴发程度最严重.2000 ～2013年巢湖蓝藻水华发生区域呈扩大趋势,发生时间呈延长趋势.4月就开始出现且伴有大面积水华暴发,7、8、10月是蓝藻暴发主要月份,9月份次之,11月明显减少;蓝藻水华先在西北湖区产生,逐渐向东部和中部蔓延,在高峰期覆盖至整个湖心区域,其中湖区南部、东南和东北沿岸是最后新增的水华区域.[结论]2000 ～2013年巢湖蓝藻水华总体暴发频率较高,发生时间呈延长趋势,发生面积呈扩大趋势.【期刊名称】《安徽农业科学》【年(卷),期】2016(000)012【总页数】5页(P75-78,81)【关键词】巢湖;蓝藻;归一化植被指数;时空分布特征【作者】顾长梅;张运;钱贞兵;徐升;黄晨【作者单位】安徽师范大学国土资源与旅游学院,安徽芜湖 241000;安徽省自然灾害过程与防控研究重点实验室,安徽芜湖 241000;安徽师范大学国土资源与旅游学院,安徽芜湖 241000;安徽省自然灾害过程与防控研究重点实验室,安徽芜湖241000;安徽省环境监测中心站,安徽合肥 230000;安徽省环境监测中心站,安徽合肥 230000;安徽师范大学国土资源与旅游学院,安徽芜湖 241000;安徽省自然灾害过程与防控研究重点实验室,安徽芜湖 241000【正文语种】中文【中图分类】S181巢湖地处淮河中下游，流域广，污染重，因此加强对该流域的蓝藻水华监测开展相关技术研究，对该流域的可持续发展及湖泊水污染治理具有重大意义[1]。

巢湖流域氮磷面源污染与水华空间分布遥感解析王雪蕾;王新新;朱利;马友华;吴传庆;王强;冯爱萍;陈敏鹏【摘要】基于遥感监测手段,分别应用DPeRS模型和MODIS水华提取方法对巢潮流域氮磷面源污染特征和巢湖水体水华爆发规律进行遥感像元尺度解析,结果表明:2010年巢湖流域总氮产生量为1900.3t,入河量为846.5t;总磷为244.1t,入河量为76t.巢湖流域农业面源污染对氮素污染贡献最大,而水土流失则对磷面源污染贡献最大;综合巢潮流域氮磷面源污染和水华爆发的时空特征分析,明确氮磷面源污染与巢湖水华具有相关性,并且时间上水华爆发频率较氮磷面源污染具有先滞后后同步的特征,且面源污染负荷与水华爆发面积的相关系数为0.45;在空间上,面源污染负荷较大区域与水华爆发频度较高区域也有较好的匹配性;基于这种相关性,应用DPeRS模型对巢湖流域进行氮磷减排情景分析,结果表明在施肥量减少30％,农村生活垃圾处理率提高到60％,畜禽粪便处理率和城市垃圾处理率提高到80％的情况下,氮磷面源污染平均削减率可以达到50％.【期刊名称】《中国环境科学》【年(卷),期】2015(035)005【总页数】9页(P1511-1519)【关键词】面源污染;氮磷;水华;遥感;巢湖流域【作者】王雪蕾;王新新;朱利;马友华;吴传庆;王强;冯爱萍;陈敏鹏【作者单位】环境保护部卫星环境应用中心,北京100094;中国农业大学资源与环境学院,北京100193;环境保护部卫星环境应用中心,北京100094;安徽农业大学资源与环境学院,安徽合肥230036;环境保护部卫星环境应用中心,北京100094;安徽农业大学资源与环境学院,安徽合肥230036;环境保护部卫星环境应用中心,北京100094;中国农业科学院,农业环境与可持续发展研究所,北京100081【正文语种】中文【中图分类】X87巢湖流域作为我国重要的五大淡水湖之一，面临着较为严峻的面源污染问题，其中巢湖水华是氮磷面源污染对水质产生的重要影响之一.当前国内学者对流域面源污染负荷和水华的研究较多［1-4］，其中面源污染负荷的研究多采用AnnAGNPS模型法［5］、平均浓度法［6-7］、输出系数法［8-9］、SWAT等过程机理模型［10］等.水华监测主要包括传统的实验室采样分析法［11］和近几年发展的遥感动态监测法［12］.但是对于管理部门，更需要将巢湖流域水陆作为整体进行研究，综合面源污染负荷和水华发生规律制定合理的流域污染防治措施.针对这一需求，本研究将遥感数据作为水陆研究的驱动，基于大尺度模型［13-14］，构建以遥感像元为最小模拟单元的面源污染负荷估算模型-DPeRS［15-16］对巢湖流域农田种植、农村生活、城镇径流、畜禽养殖和水土流失等引发的氮磷面源污染负荷进行估算，同时采用MODIS数据对巢湖流域水华爆发情况进行分析，最后通过DPeRS情景分析和陆地面源污染与水华爆发的时空特征分析，提出巢湖流域污染防治的措施，为流域污染管理部门提供决策支持.1.1 研究区概况巢湖流域位于安徽省中部，属于长江下游左岸水系，流域面积1.4万km2，气候为亚热带季风气候，流域多年平均气温为16℃，极端最高气温41.3℃，极端最低气温零下15.7℃.多年平均相对湿度76%，多年平均年降水量1215mm，其中汛期5～8月降水量占年降水量51%.巢湖流域农业经济发达，是我国主要的商品粮生产基地.研究区巢湖流域位置图如图1所示.1.2 主要数据库DPeRS模型运行需要的数据包括巢湖流域土地利用、植被覆盖、月降水、坡度坡长、农作物产量等，水华提取主要基于MODIS数据（250m），具体数据来源和处理方法见表1.1.3 模型方法1） DPeRS面源负荷估算模型DPeRS模型将面源污染源定义为农田径流、城市径流、农村生活、畜禽养殖和水土流失5个类型；将面源污染物概化为溶解态和吸附态两类；具体指标为总氮（TN）、总磷（TP）、氨氮（NH4+-N）和化学需氧量（CODcr）；模型包括五大模块:农田氮磷平衡核算模块、植被覆盖度定量遥感反演模块、溶解态污染负荷估算模块、吸附态污染负荷估算模块和入河模块，模型核心算法和参数说明分别见表2和表3［15-16］.本研究中仅讨论氮磷两个指标.（2）基于NDVI的蓝藻水华遥感识别及年度分析从蓝藻水华的光谱特征分析可知，近红外谱段的陡坡效应是水华与水体最明显的光谱差异，且富集度越大的水华其陡坡效应越明显.基于NDVI指数能较好反应近红外谱段陡坡效应的原理［19］，本研究采用NDVI植被指数提取蓝藻水华，NDVI 的反演算法见表2中植被覆盖度模块.其中，NDVI为正值时表明水面有蓝藻覆盖，蓝藻密度越大，NDVI值越大，可以选择适当阈值来提取蓝藻水华的分布范围［20］.考虑到MODIS（250m）数据的光谱特性（含有红光和近红外波段）和高时间分辨率（1d 2次白天过境），本研究采用基于2010年MODIS数据完成巢湖蓝藻水华日常监测，在此基础上开展流域2010年水华年度分析的监测，并分析获得水华出现频度、发生频率、起始日期等信息.2.1 巢湖流域面源污染物空间分布特征2.1.1 溶解态污染物空间特征应用DPeRS模型对的巢湖流域2010年面源污染负荷进行月尺度估算，结果表明:巢湖流域溶解态TN和TP平均污染负荷分别为0.21t/km2和0.02t/km2.巢湖流域溶解态氮磷面源污染产生量的空间分布如图3所示，模拟结果的空间统计见表4.溶解态氮磷面源污染空间分布表明，巢湖流域的西南部溶解态污染物负荷较小，流域北部溶解态污染物负荷较大；具体表现为合肥市市辖区面源污染较重，且污染类型以城市径流型为主；其次为肥西县，主要污染类型为畜禽养殖型.2.1.2 吸附态面源污染物空间特征 DPeRS吸附态污染负模拟结果表明:巢湖流域平均吸附态氮磷负荷分别为0.02t/km2和0.006t/km2，其中舒城县的吸附态氮磷负荷最高分别为0.06t/km2和0.03t/km2.巢湖流域吸附态氮磷面源污染空间分布特征如图4所示，西南部山区由于土壤侵蚀量较大，表现为较高的吸附态面源污染负荷，其次巢湖水体的西北部和东南部的污染负荷也较高.具体污染负荷的统计结果见表5.综合溶解态和吸附态面源污染模拟结果，从空间分布来看，巢湖流域氮磷污染主要集中在巢湖流域西南部地区.合肥市面源污染物产生量最大.2.2 巢湖流域面源污染量估算结果分析DPeRS模型入河模块估算结果表明:巢湖流域2010年产生的溶解态和吸附态面源污染物共9.35万t，进入水体4.73万t.其中: TN1900.3t，进入水体846.5t； TP 244.1t，进入水体76t.各区县污染物的产生量及排放量统计结果（表6）表明合肥市市辖区总氮总磷的产生量和入河量最大.2.3 巢湖流域氮磷面源污染源解析综合DPeRS模型对溶解态和吸附态氮磷面源污染模拟结果，巢湖流域氮磷面源污染源分析结果表明:对于TN指标，城市径流型和农田径流型为主要的面源污染源，分别占总污染量的34.6%和33.7%，农村生活型比例为12.3%，畜禽养殖型为6.47%；对于TP指标，水土流失型（不包括农田）污染是最主要的面源污染源，占总污染量的39.6%，其次为城市生活型污染，占污染量的24.4%，其他类型污染排序为农田径流型（16.1%）＞畜禽养殖型（11.2%）＞农村生活型（8.7%）.巢湖流域氮磷面源污染源解析表明:对于TN指标，巢湖流域仍然以农业面源污染（农田型、畜禽型和农村生活型）为主，其污染比例占总面源污染的52.5%；其次为城市径流型，占34.6%；对于TP指标，水土流失（不包括农田）是造成流域磷面源污染的重要原因，其污染比例占总比例的39.6%，其次为农业面源污染，占35.9%.综合氮磷指标，巢湖流域农田径流占总氮磷面源污染的62.6%，其次为农村生活占23.5%，最后为畜禽养殖占13.9%.2.4 巢湖流域面源污染与巢湖水华时间空间分布分析利用MODIS遥感影像对2010年巢湖水华情况进行遥感监测，水华月度爆发频度和面积的监测结果表明: 2010年共监测到水华发生66次，首次监测到水华的时间是4月，其中7月、8月份和10月份监测到水华出现频次较高，分别为10次，15次和11次.其中未监测到150km2以上面积的蓝藻水华，监测到100km2以上面积的蓝藻水华5次，水华最大面积为140km2.将氮磷面源污染负荷与巢湖水华爆发面积和爆发频率进行对比分析（图5），结果表明氮磷面源污染负荷与水华爆发面积的相关系数为0.45（图5），氮磷面源污染的负荷变化与水华发生频率具有相同的趋势，并且水华的发生较氮磷面源污染强度的变化具有先滞后性后同步的特性，即在氮磷负荷和水华暴发频率先后达到最大后，水华爆发频率与氮磷负荷变化趋势同步.具体表现为:面源污染3月份出现第一个小高峰，在4月第一次发现巢湖水华；7月氮磷面源污染负荷达到最大值，8月水华爆发频度达到最大，9～12月二者变化趋势相同，同步变大和变小（图5）.基于遥感影像的巢湖流域年氮磷面源污染负荷与水华年分布频率空间分布见图6，从空间上，水华爆发频率较高的区域表现为巢湖水体的西北部和南部，氮磷面源污染负荷较高的区域为巢湖水体的西北部和巢湖流域山区.从氮磷面源污染和水华空间分布上可以看出，合肥地区的面源污染对巢湖水华的影响较大.2.5 巢湖流域DPeRS模型情景分析从施肥量、垃圾处理率、粪便处理率3个方面制定情景，具体为（1）保证作物产量不变的情况下，施肥量减少30%；（2）城市垃圾处理率和畜禽粪便处理率均由20%提高到80%.（3）农村垃圾处理率从0提高到60%.情景分析结果表明:对于农田模块，施肥量减少30% 的情况下，TN产生量削减了43%，TP削减了30%；对于畜禽养殖模块，畜禽粪便处理率提高到80%，TN和TP均削减了75%；对于城市径流型模块，垃圾处理率达到89%时，TN和TP的平均削减率为21%；对于农村型氮磷面源模拟模块，垃圾处理率提高到60%的情况下，TN和TP的平均削减率为60%.具体削减量变化见表7.综合分析结果表明，新情景下TN入河量削减38.7%，TP削减了39.3%.3.1 DPeRS模拟巢湖流域2010年溶解态氮污染负荷为0.21t/km2，吸附态氮污染负荷为0.014t/km2，总氮产生量为1900.3t，入河量为846.5t；溶解态总磷污染负荷为0.019t/km2，吸附态磷负荷为0.006t/km2，总磷产生量为244.1t，入河量为76t.从空间分布来看，巢湖流域的北部，巢湖湖体的西北部和北部对巢湖水华影响较大，具体表现为合肥市辖区.3.2 巢湖流域氮磷面源污染源解析表明:对于TN指标，巢湖流域仍然以农业面源污染（农田型、畜禽型和农村生活型）为主，其污染比例占总面源污染的52.5%；其次为城市径流型，占34.6%；对于TP指标，水土流失是造成流域磷面源污染的重要原因，其污染比例占总比例的39.6%，其次为农业面源污染，占35.9%.综合氮磷指标，巢湖流域农田径流占总氮磷面源污染的61%，其次为农村生活占25%，最后为畜禽养殖占14%.3.3 巢湖流域氮磷面源污染负荷与水华频度和水华爆发面积的时空分析结果表明:巢湖流域氮磷面源污染负荷与巢湖水华的发生有相关性，与水华爆发面积的相关系数为0.45，并且在时间上水华爆发频率较氮磷面源污染强度具有先滞后后同步的变化规律；在空间上，面源污染负荷较大区域与水华爆发频度较高区域也有较好的匹配性，且空间上对巢湖水体产生影响的氮磷面源污染分布在巢湖流域的北部和西部，较为严重的区域为舒城县和合肥市辖区.3.4 应用DPeRS模型情景分析表明:在施肥量减少30%的情况下，农田TN产生量削减了43%， TP削减了30%；畜禽粪便处理率从20%提高到80%情景下，TN和TP均削减了75%；城市垃圾处理率从20%提高到80%情景下，TN和TP平均削减率为21%；农村生活垃圾处理率从0提高到60%下，TN和TP平均削减率为60%.基于氮磷面源污染与水华的空间相关性，上述措施从控制流域面源污染角度可以作为辅助水华治理的有效措施之一.【相关文献】［1］朱萱，鲁纪行，边金钟，等.农田径流面源污染特征及负荷定量化方法探讨［J］. 环境科学，1985，6（5）:6-11.［2］刘枫，王华东，刘培桐.流域面源污染的量化识别方法及其在于桥水库流域的应用［J］. 地理学报， 1988，43（4）:329-340.［3］欧阳威，王玮，郝芳华，等.北京城区不同下垫面降雨径流产污特征分析［J］. 中国环境科学， 2010，30（9）:328-332.［4］罗倩，任理，彭文启.辽宁太子河流域非点源氮磷负荷模拟分析［J］. 中国环境科学，2014，34（1）:178-186.［5］李开明，任秀文，黄国如，等.基于AnnAGNPS模型泗合水流域非点源污染模拟研究［J］. 中国环境科学， 2013，33（S1）:54-59.［6］张之源，王培华，张崇岱.巢湖富营养化状况评价及水质恢复探讨［J］. 环境科学研究，1999，12（5）:45-48.［7］李家科，李怀恩，董雯，等.渭河关中段典型支流非点源污染监测与负荷估算［J］. 环境科学学报， 2011，31（7）:1470-1478.［8］Ji C Y， Sun D F.Non-point source pollution in Chao Lake Basin，Anhui， PRC ［R］. Anhui:Asian Development Bank， 2011.［9］邱斌，李萍萍，钟晨宇，等.海河流域农村非点源污染现状及空间特征分析［J］. 中国环境科学， 2012，32（3）:564-570.［10］欧阳威，黄浩波，蔡冠清.巢湖地区无监测资料小流域面源磷污染输出负荷时空特征［J］.环境科学学报， 2014，34（4）:1024-1031.［11］孔明，张路，尹洪斌，等.蓝藻暴发对巢湖表层沉积物氮磷及形态分布的影响［J］. 中国环境科学， 2014，34（5）:1285-1292.［12］朱利，王桥，吴传庆，等.巢湖水华遥感监测与年度统计分析研究［J］. 中国环境监测，2013，29（2）:162-166.［13］郝芳华，杨胜天，程红光，等.大尺度区域面源污染负荷计算方法［J］. 环境科学学报，2006，26（3）:375-383.［14］郝芳华，杨胜天，程红光，等.大尺度区域非点源污染负荷估算方法研究的意义、难点和关键技术［J］. 环境科学学报， 2006，26（3）:362-365.［15］Wang X L， Wang Q， Wu C Q， et al. A method coupled with remote sensingdata to evaluate non-point source pollution in the Xin'anjiang catchment of China ［J］. Science of the Total Environment， 2012，430:132-143.［16］王雪蕾，蔡明勇，钟部卿，等.辽河流域面源污染空间特征遥感解析［J］. 环境科学，2013，34（10）:3788-3796.［17］刘志红，Li L T， McVicar T R， et al.专用气候数据空间插值软件ANUSPLIN及其应用［J］. 气象， 2008，34（2）:92-100.［18］Wang X L， Feng A P， Wang Q， et al. Spatial variability of the nutrient balance and related NPSP risk analysis for agroecosystems in China in 2010. Agriculture，Ecosystems and Environment， 2014，193:42-52.［19］王桥，魏斌，王昌佐，等.基于环境一号卫星的生态环境遥感监测［M］. 北京:科学出版社，2010:221-224.［20］陈云，戴锦芳.基于遥感数据的太湖蓝藻水华信息识别方法［J］. 湖泊科学， 2008，20（2）:179-183.致谢：本研究中模型方法研究得到北京师范大学郝芳华教授和杨胜天教授的指导，巢湖地区基础数据处理得到安徽农业大学资源与环境学院研究生帮助，在此表示感谢！。

我国蓝藻水华遥感监测研究进展摘要近年来,蓝藻水华频繁暴发,成为备受关注的环境问题。

遥感技术具有快速、大范围、动态的特点,在蓝藻水华监测中广泛应用。

在总结我国蓝藻水华遥感监测研究成果的基础上,对现有研究中的数据源、研究方向进行了分析,对未来发展方向提出展望。

关键词蓝藻水华;遥感监测;原理;数据源;研究方向;展望ReviewonRemoteSensingMonitoringofCyanobacteriaBloominChinaXIONG Chun-ni 1TIAN Xiao-feng 2TANG Ai-yi 3WEI Hong-hui 1(1 Guangzhou Environment Monitoring Centre in Guangdong Province,Guangzhou Guangdong 510030; 2 Guangzhou Guangya Experimental Middle School; 3 Guangzhou Peiying Middle School)AbstractCyanobacteria bloom occurred frequenctly in recent years and became one offocal points of environmental problems. Remote sensing monitoring was quick,abroad-area,dynamic monitoring technology,and was used widely in cyanobacteria bloom monitoring. Based on the study results of remote sensing monitoring of cyanobacteria bloom,the remote sensing data used in current researches and research direction were reviewed,and the future development tendency was proposed.Key wordscyanobacteria bloom;remote sensing monitoring;principle;data source;research interests;prospect湖泊富营养化是全世界面临的水环境问题,我国尤其严重。