基于数据同化的太湖叶绿素浓度遥感估算
第1章绪论
1.1选题背景及研究意义
湖泊不仅是人类淡水资源的重要来源之一，同时也是水陆交通的重要组成部分，是水产和轻工业原料的重要来源，是重要的旅游资源，是湖泊及其流域地区社会经济可持续发展和人类赖以生存旳物质基础。由于社会经济的高速发展、人类活动的影响以及不合理的开发利用，我国处于不同程度富营养化现实的湖泊已达75%，湖泊生态系统结构破坏、功能退化，蓝藻水华频繁暴发，严重制约着湖泊流域地区的社会经济可持续发展，影响人民生活，并造成巨大经济损失。因此，加强对湖泊水质监测和污染治理已刻不容缓。
太湖，中国五大淡水湖之一，地跨苏、浙、皖三省和上海一市。流域总面积约36500m2，湖水面积2338m2，平均水深2m左右，平均水位3.07m。水体富营养化是太湖水体污染的主要表现形式之一，而叶绿素ａ浓度则是表征水体富营养化状况的主要参数。
目前，针对叶绿素ａ浓度的常规监测方法是通过野外实地采集水样，然后将水样带回实验室进行分析，进而得到叶绿素ａ浓度。这种方法虽然能对叶绿素ａ浓度做出较为精确的评价和分析，但是费时、费力、不经济。而且采集的水样有限，每个水样只能代表局部区域的叶绿素ａ浓度信息，无法反映太湖整体叶绿素ａ浓度的分布信息。就太湖而言，一年中通过野外实验只能采集有限次的水样。因此，这种方法难以获取大范围水域水质参数的分布和变化情况，不能满足对水质的实时、大尺度的监测评价要求。随着遥感技术的出现和发展，越来越多的将遥感技术应用于湖泊水质的监测和评价中。利用卫星传感器的波段设置，结合叶绿素ａ浓度的光谱特征，国内外学者发展了大量的算法和模型反演内陆湖泊的叶绿素浓度ａ。相比于叶绿素ａ浓度的常规监测，水质遥感监测可以在宏观上获取水质参数的时空分布及污染物的迁移特征，而且具有速度快、成本低、监测范围广的优势。但水质遥感监测，也面临着诸如卫星影像数据受天气因素和卫星传感器的时间分辛率的影响，使得遥感对叶绿素的反演不具有时间连续性。近年来，顺应水环境监测和管理的需求，江苏省环境监测中心、南京师范大学、中国科学院南京地理与湖泊研究所等多家单位，己经在太湖布设了20余个浮标和平台监测系统，其上承载的水质参数监测仪，可以对水质参数进行实时在线监测。但是通过浮标和平台监测获取的数据信息，仅能代表观测区域小范围内的水质状况，无法反应湖泊整体的情况。
1.2国内外研究进展
1.2.1叶绿素ａ浓度的遥感监测研究进展
叶绿素ａ浓度是反映水体浮游植物生物量和衡量水体富营养化的重要指标，同时叶绿素ａ浓度的定量研究对于水生态系统中的初级生产力、水气界面碳循环具有重要意义。根据水体光学性质的不同，Gordon等（将水体分为一类水体和二类水体。一类水体定义为水体中的浮游植物（包括其附属物质及与之相关性较髙的物质）对水体光谱特征变化起主要作用的水体。与之相对的，二类水体就是不仅受到浮游植物及其相关物质的影响，而且受到其他与浮游植物相对独立的物质，尤其是无机悬浮物质及有色可溶性有机物（影响的水体。由于一类水体水色要素组分来源较为单一和稳定，利用遥感技术反演叶绿素ａ浓度算法相对成熟稳重，并得到了广泛的应用。就我国水环境状况来说，多数水域是二类水体，特别像太湖、巢湖、滇池等富营养化湖泊，水体环境状况复杂。因此，就二类水体而言，目前无论从遥感反演模型的精度还是模型业务化运行程度都尚无法与一类水体相比。叶绿素ａ浓度遥感监测方法主要分为经验方法、半经验半分析方法和分析方法三种（Morel等，1980），国内外诸多学者对此进行过深入的研究。
经验方法是应用较为广泛的叶绿素ａ浓度遥感监测方法，它是通过建立遥感数据与地面监测的叶绿素ａ浓度之间的统计关系实现对水体叶绿素浓度的遥感定量反演。Deer等利用不同时期的TM数据，分析了荷兰境内富营养化Loosdrecht湖泊的水质状况，发现TM2与叶绿素ａ浓度相关性最高为0.96；赵碧云等利用滇池数据与准同步湖面监测资料，对滇池全湖水体叶绿素浓度与不同波段遥感值的关系进行了关联度分析，并据此建立了基于TM图像的叶绿素反演的经验模型；李素菊等利用波段比值和一阶微分模型反演了巢湖水体叶绿素浓度，并取得了较好的效果。经验模型是基于遥感数据与地面实测叶绿素浓度之间的相关性而建立，因此，经验模型易于构建和应用，但模型的移植性较差，而且模型受时空限制性较大，水环境参数与遥感数据之间的因果关系不能保证，缺乏物理依据，模型不具备普适性。
第2章研究区概况与数据采集
2.1研究区概况
太湖是我国五大淡水湖之一，湖中岛均51个，实际水面面积为2338.1m2，湖岸线总长405m，湖泊平均水深1.9m，最大水深2.6m，是典型的大型浅水内陆湖泊。如图2.1所示，太湖西界、北界、东及东南界分别是江苏省的常州市、无锡市和苏州市，南界、西南界则分别是浙江省的湖州市和长兴县。
苕溪水系发源于浙西天目山的南北麓，东西菩溪在湖州合流后注入太湖南溪水系发源于江苏茅山及苏、浙、院交界的山岭，由宜兴的大浦口进入太湖；洮湖、涌湖由东西港道连通，支港河汊将两湖与太湖沟通；京杭运河江南段全长312m。贯通于很多河流、江海和人工河道，大部分向东流入黄浦江，少部分向北流入太湖。黄浦江水系由淀山湖至吴液口长达113m，接受太湖地区的来水。
太湖流域自然条件优越，水陆交通便利，人口稠密，是我国工农业最发达的区域之一，随着经济的高速发展和人类活动的不断增强，太湖水体环境日趋恶化，污染问题日益突出，严重影响了周围城市居民的日常生活，制约了太湖流域地区的经济发展，同时对太湖水生态系统的平衡也造成了一定的破坏。因此，加强太湖水环境的水质监测和污染治理己刻不容缓。
2.2地面数据的采集与获取
本研究中所使用的地面数据包括自2006年至今的本研究团队采集的所有太湖野外实测数据，其中包括了表光光学量、固有光学量及水质参数浓度等数据，以及从南京师范大学在太湖上搭建的浮标、平台上获取的实时水质参数浓度数据、气象数据和流速数据（表2.1）。
2.2.2叶绿素ａ浓度的测定
2.2.2.1室内叶绿素ａ浓度的测定
2.2.2.2野外叶绿素ａ浓度的测定
随着科学技术旳不断进步，水质参数的监测手段和方法也在不断的丰富。为了能够及时获取第一手;的水质监测数据，近年来，江苏省环境监测中心、南京师范大学、中国科学院南京地理与湖泊研宄所等多家单位，己经在太湖布设了20余个浮标和平台监测系统，其上承载的水质参数监测仪，可以对水质参数进行实时在线监测。通过数据传输，将数据回传到用户的控制中心，达到实时获取监测数据的目的。利用该类系统进行长期监测，可以积累长期连续观测的数据，对水环境遥感研究、水资源管理，都具有重要意义。
第3章同化系统模型构建及误差估计........22
3.1基于集合预报的卡尔曼滤波相关背景知识介绍.......22
3.1.1最小方差估计.......23
3.1.2贝叶斯估计理论........24
第4章叶绿素多模型协同反演.......36
4.1数据与方法..........37
4.1.1研究区与样点分布.....37
第5章同化系统观测模拟实验（OSSE）........51
5.1数据与方法...........51
5.1.1观测模拟实验简介........51
第6章太湖叶绿素浓度同化反演实验
本章将尝试利用太湖叶绿素同化系统，结合GOCI天八景数据及太湖浮标、平台数据，同化太湖GOCI叶绿素反演产品数据及太湖浮标、平台叶绿素观测数据，以期提高太湖叶绿素浓度的估算精度，进而可以有效预测太湖叶绿素浓度的时空分布。
具体的说，利用2004-2021年太湖野外实测水体高光谱数据，通过GOCI数据的光谱响应函数将地面实测水体高光谱数据模拟成GOCI影像多光谱数据，构建适用于太湖的叶绿素反演模型。进而利用多模型协同反演方法反演太湖叶绿素浓度，并获取每一时刻的反演产品的误差信息。在此基础上，使用基于风生流的水体动力学模型，同化叶绿素浓度产品，对叶绿素浓度进行估算和预测。从而，可以对太湖叶绿素浓度进行宏观、动态、实时、连续的估算和预测。对于太湖浮标和平台数据而言，太湖叶绿素数据同化系统将直接同化浮标和平台的叶绿素浓度观测数据，进而可以对太湖叶绿素浓度进行局部、定点、动态、实时、连续的估算和预测。本章技术路线如图6.1所示。
第7章结论与展望
7.1主要结论及创新点
近年来，随着科学技术的不断发展和国内外大量学者的不懈努力，在利用遥感技术进行水质监测方面取得了长足的进步。从数据源上看，伴随着科技的进步，越来越多的水色卫星发射升空，为海洋和湖泊的水质监测提供了良好的数据源。同时，常规的地面水质监测系统也在不断完善。通过布设浮标和平台系统，利用互联网技术可以实时获取海洋和湖泊的水质监测数据；从时间尺度上看，随着GOCI卫星的发射升空，高频率的卫星观测成为现实，为水质监测、水华预警提供了可能性。同时，地面水质监测系统的水质监测频率可以达到每15分钟就传输一次水质监测数据；从空间尺度上看，卫星数据和地面水质监测数据分别从宏观和微观反映了水体的水质状况；从水质模型上看，国内外学者开发了大量反演模型，包括了经验模型、半分析模型和分析模型等众多模型。同时，利用数学物理规律所开发水体动力学模型也可以有效的模拟水体动力学机制，从而对水质参数的扩散进行有效模拟。基于上述考虑，本研究尝试利用数据同化技术，将多数据源、多模型、多时间尺度和多空间尺度的数据进行有效融合，以期提高水质参数的反演和估算精度。
本论文的主要研究成果及结论如下：
（1）基于数据同化方法的多模型协同反演算法
利用数据同化思想，结合相对成熟稳重的叶绿素ａ浓度遥感估算反演模型，构建叶绿素ａ浓度反演模型集，提出了基于数据同化方法的太湖叶绿素ａ浓度多模型协同反演算法，通过利用数据同化方法融合多模型反演结果，以期达到提高叶绿素ａ浓度反演精度的目的。
（2）太湖叶绿素数据同化系统构建及参数敏感性分析
基于集合均方根滤波方法，结合MATLAB、Fortran语言，搭建了太湖叶绿素数据同化系统。为了测试该数据同化系统的有效性，设计了观测模拟实验。以MODIS数据作为控制实验数据源，以H-1数据作为观测数据，考虑到两个数据源反演结果的差异性，分别将虚拟浮标布设在梅梁湾、湖心区以及拖山附近。同化实验结果表明，基于集合均方根滤波的太湖叶绿素同化方案是可行的。但是，当浮标布设于拖山附近时，可以满足对蓝藻水华突发状况监测的需求，同时还可以取得较好的同化精度和同化效果，同化之后全湖叶绿素浓度分布连续、稳定。因此，提议将地面观测浮标和平台布设在拖山附近区域。同时，为了寻求同化系统在将来的实际应用中的最佳参数组合，进而针对样本数目、同化时长、背景场误差、观测误差和模型误差进行了敏感性分析。结果表明：从计算成本、系统运行时间和同化效果等方面分析，当集合样本数目达到30至40左右时同化系统取得了较好的结果；同化系统对于背景场误差的估计变化并不是很敏感，即初始场的估计是否准确对于同化系统影响不是很大；同化系统对于模型误差和观测误差的变化较为敏感，不同的测试点位由于水体动力学性质不一，其敏感性的表现形式有所差异。
参考文献（略）