基于NDVI滇池水华特征的时空变化研究

基于NDVI滇池水华特征的时空变化研究

何云玲*，熊巧利，罗贤

1

1

2, 3

，李同艳，余岚

11

1. 云南大学资源环境与地球科学学院，云南 昆明 650091；2. 云南大学亚洲国际河流中心，云南 昆明 650091；

3. 云南省国际河流与跨境生态安全重点实验室，云南 昆明 650091

摘要：相较于其他传感器，MODIS数据在水质监测方面具有明显优势。基于2000－2017年的MODIS影像16 d合成250 m×250 m分辨率的归一化植被指数（NDVI）数据，应用ArcGIS、GetData、Grapher10等软件对数据进行处理，从逐年、逐月到逐旬详细分析了滇池地区NDVI的时空分布规律，探讨了不同等级蓝藻水华的分布面积和空间变化特征。结果表明，（1）时间变化上，2000－2017年间滇池年NDVI总体呈现减少趋势，蓝藻水华覆盖度有所降低，富营养化偏向减轻；多年平均的轻度水华面积约占滇池总面积的54.99%，中度水华和重度水华面积分别占总面积的27.42%和17.59%；11－4月滇池以无水华区域为主，5－10月以轻度水华为主，中度水华主要出现在5－10月，重度水华则集中在7－9月；蓝藻水华的暴发时间大约在7月上旬和8月下旬，其重度水华面积分别达到11.4%和14.0%。（2）空间变化上，滇池蓝藻水华的暴发格局总体呈现“北重南轻”的分布态势，水华较严重的区域集中在北部草海、断桥、晖弯和滇池边界；但从变化趋势上，NDVI减小，表征蓝藻水华覆盖度减少的地区主要分布在滇池北部的断桥和中部部分区域。该研究结论可为丰富滇池水质监测方法，建立实时预警系统，以及水资源的合理利用与有效管理提供科学依据。 关键词：NDVI；水华特征；时空变化；滇池 DOI: 10.16258/j.cnki.1674-5906.2019.03.016

中图分类号：X524 文献标志码：A 文章编号：1674-5906（2019）03-0555-09

引用格式：何云玲, 熊巧利, 罗贤, 李同艳, 余岚, 2019. 基于NDVI滇池水华特征的时空变化研究[J]. 生态环境学报, 28(3): 555-563.

HE Yunling, XIONG Qiaoli, LUO Xian, LI Tongyan, YU Lan, 2019. Study on spatio-temporal changes of water bloom in Dianchi Lake based on NDVI [J]. Ecology and Environmental Sciences, 28(3): 555-563.

水质是水体的物理（色度、悬浮物等）、化学（有机和无机物含量）和生物（细菌、微生物、浮游生物等）方面的特征及其组成状况。生活和工农业生产废水中大量氮、磷等营养物质进入淡水水体后导致藻类（主要由蓝藻、绿藻组成）大量繁殖的“水华”现象，是湖泊富营养化的典型特征。水华一直是评价湖泊水体水质状况的重要指标之一。自上个世纪90年代以来，中国太湖、巢湖、滇池等湖泊蓝藻水华暴发相继出现，对饮用水源安全造成较大影响（李旭文等，2011）。在采取一系列治理措施后，“三湖”水质有所改善，富营养化程度较历史峰值均有一定降低，然而以蓝藻为优势类群的水华现象却依然时有发生（Zhang et al.，2015；Zhang et al.，2016）。如何监测和控制藻类水华，是湖泊富营养化研究中的重点和难点（杨桂山等，2010；蒋大林，2015）。

水质遥感是指利用遥感技术对水质指标进行检测，并根据遥感波段的信息与水质指标的光谱特征，建立反演模型对水质指标的浓度进行预测（冼翠玲等，2017）。相比于传统的水质监测手段，遥感监测技术具有扫描面积大、资料更新周期短、成本相对较低和便于进行长期实时监测等优点。自20世纪70年代初期开始，国外就广泛地开展水质遥感反演研究（Song et al.，2012）。国内的相关研究在最近几年发展迅速，闻建光等（2006）基于Hyperion星载高光谱遥感影像，运用波段比值法、一阶微分处理技术构建了太湖叶绿素a浓度的反演模型。Shi et al.（2015）发现MODIS Aqua影像与总悬浮物在645 nm波长处具有极强相关性，据此发展了适应性极强的总悬浮物经验反演模型，并在太湖取得了良好效果。归一化植被指数（Normalized Difference Vegetation Index，NDVI），是遥感影像中近红外波段的反射值与红光波段的反射值之差与两者之和的比值，常被用于确定目标区绿色植物

基金项目：国家重点研发计划项目（2016YFC0502105）；中国科学院西部之光青年学者项目（2015A）

作者简介：何云玲（1978年生），副教授，博士，主要从事区域气候变化及其生态影响研究。E-mail: hyl610@126.com

*通信作者

收稿日期：2018-10-23

556 生态环境学报 第28卷第3期（2019年3月）

覆盖程度的指标值（陈旭等，2015）；徐京萍等（2008）发现利用MODIS数据的NDVI能够确定湖泊蓝藻的时空分布；周立国等（2008）基于MODIS卫星影像，采用比值模型方法确定蓝藻分布的相对浓度信息；蓝藻暴发时引发水体温度、色度和透明度等一系列物理性质发生变化，进而导致水体反射波谱特性也发生变化，利用这一特性，就可以基于NDVI值对蓝藻水华分布范围和面积进行识别（鲁韦坤等，2009）。

滇池位于云南省会昆明市的南部，是该市重要的水源地，支持着昆明市工业、农业、旅游业等发展，历史上素有“高原明珠”之称。但随着社会经济的快速发展，大量的工农业废水和生活污水排入滇池，加之入湖支流水系较多，出流水系较少，湖泊换水周期较长，致使滇池水质恶化，水体富营养化问题突出（王杰等，2018），成为全国湖泊富营养化治理的重点对象。已有学者对滇池水质的时空分布特征做过研究，主要集中在滇池水质传统方法采样监测（梁中耀等，2014）、叶绿素a浓度分析（韦力元等，2016）、NDVI值域的划分（谢国清等，2010）、水质等级预测模型（徐玉妃等，2018）、以及气象条件与水质之间的关系方面（张虎才等，2017）。本研究基于2000－2017年的NDVI不同值域对滇池蓝藻水华信息进行提取，并从逐年、逐月

到逐旬详细分析滇池水华的时空分布规律以及变化特征，以期为滇池的治理及水资源的开发利用提供数据支持，也为建立实时监测和预警系统奠定基础。

1 滇池水域概况

滇池，亦称昆明湖，是云南省最大的淡水湖，位于昆明市主城区的西南方向，湖面海拔1886 m，平均水深5 m，最深8 m；湖水在西南海口泄出，称螳螂川，为长江上游干流金沙江支流普渡河上源，属长江流域金沙江水系，为地震断层陷落型的湖泊。南北长39 km，东西最宽为13 km，流域面积约为2920 km2，容水量为15.7亿立方米。滇池流域地处低纬度、高海拔地区，属于热带高原季风气候；年均温14.7 ℃，日温差较大，降雨年内分配特点明显，分为干湿分明的雨季和旱季。流域内水系众多，有30余条河流呈向心状注入滇池，其

宝象河、中径流面积大于100 km2的河流有盘龙江、

洛龙河、捞鱼河、大河、柴河、东大河。滇池流域的地理位置及基本概况如图1所示。

2 数据来源与处理

2.1 数据来源

利用中国科学院资源环境科学数据中心（http://www.resdc.cn/）2015年中国土地利用遥感监测数据提取滇池水体边界，分辨率为30 m×30 m。DEM数据来自于美国国防部国家测绘局公布的

图1 滇池流域地理位置及基本概况图

Fig. 1 Geographical location and basic profile of Dianchi Basin

何云玲等：基于NDVI滇池水华特征的时空变化研究 557

SRTM-DEM 数据（http://www.cgiar-csi.org），分辨率为90 m×90 m。MODIS数据来自于美国国家航空航天局NASA（National Aeronautics and Space Administration）（https://ladsweb.modaps.eosdis.nasa. gov/)的Terra遥感卫星2000年2月18日－2017年12月31日的MOD13Q1数据产品，选用16 d合成250 m×250 m分辨率的NDVI数据产品；该数据产品已经完成影像数据的辐射定标、大气校正、几何校正、气溶胶、臭氧吸收订正及去云等预处理。 2.2 数据处理

将MODIS影像数据导入MRT软件中进行影像拼接并进行UTM投影转换。借助ENVI 5.1、ArcGIS 10.2软件进行空间裁剪、掩膜、重分类得到2000－2017年的时间序列遥感数据集。并采用最大值合成法（maximum value composite，MVC）建立NDVI时间序列栅格数据集，分别求出月、季、年NDVI值，公式如下：

NDVIi=Max(NDVIk) （1） NDVIj=Max(NDVIi) （2） NDVIy=Max(yNDVIj) （3）

式中，i为月序号，取值范围1－12月；NDVIi为第i月NDVI最大值；NDVIk为月上下旬NDVI值，k取值为1－24；j为季序号，取值范围为1－4，NDVIj为第j季NDVI最大值；y为年序号，取值范

围为1－18，NDVIy为第y年NDVI最大值，

yNDVIj为第y年第j季NDVI最大值。

采用最小二乘法计算数据集中所有像元的NDVI与时间的回归斜率Slope，若Slope>0，表示随时间变化NDVI呈增加趋势，并且数值越大增幅越大；若Slope<0则代表NDVI呈下降趋势。计算公式为：

n

n

nn×i×NDVIi−iSlope=

1

i=1

NDVIi

i=i=1

n

2

n×i2

−n

i=1ii=1



（4） 式中，i为年序号；n为年跨度，即18年；NDVIi

为第i年NDVI值。

采用谢国清等（2010）在滇池蓝藻水华光谱特征研究中关于NDVI阈值划分水华的等级方法，即NDVI值大于−0.1的区域，为蓝藻水华区域，其中−0.1≤NDVI≤0.2为轻度水华，表征像元内水华覆盖度为0－30%；0.20.4为重度水华，表征像元内蓝藻水华覆盖度为81%－

100%。应用GetData Graph Digitizer 2.26软件对以往实测研究中滇池富营养化指数变化特征进行数值提取，对比分析及验证基于遥感识别基础上NDVI表征的滇池水华特征。

3 研究结果与分析

3.1 年际变化

从2000－2017年滇池NDVI的逐年变化趋势图中可以看出（图2），通过实测研究得到的2008－2014年滇池富营养化指数与同时段基于NDVI表征的水华特征变化趋势相比，出现较高值和较低值的波动变化趋势相似。其次，除了秋季有缓慢增加的趋势外，其他季节和全年的NDVI整体上均呈减少趋势，但均未通过P<0.05的显著性检验。据统计，冬季的NDVI减少趋势最明显（−0.0028/a），夏季次之（−0.0022/a），春季变化趋势不明显。另外，夏季NDVI与年NDVI的变化趋势较为一致，18年间NDVI经历几次增加和减少的波动。总体而言，从2000年开始滇池年NDVI呈减少趋势，蓝藻水华覆盖度呈降低趋势。

YearSpringSummerAutumn0.4WinterEutrophication index740.3720.2x70edni nI0.1oVD68itacN0ihpor-0.166tuE-0.264-0.362200020022004200620082010201220142016Year

图2 2000－2017年滇池NDVI值与富营养化指数变化图 Fig. 2 Annual NDVI and eutrophication index in Dichi

from 2000 to 2017

通过数据分析得到2000－2017年滇池NDVI的年平均值空间等级分布及变化斜率（图3），多年平均的轻度水华面积占滇池总面积的54.99%，中度和重度水华面积分别占总面积的27.42%和17.59%，从南到北，滇池水华呈现从轻度到中度、重度的变化格局（图3a）。滇池大部分区域NDVI变化斜率主要分布在0－−0.1之间，NDVI整体上呈现不同程度的减小趋势（图3b），呈减小趋势的区域占研究区总面积55.64%；但有区域差异，NDVI减小，表征蓝藻水华覆盖度减少的地区主要分布在滇池北岸的断桥，滇池中部的观音山西、白渔口、海口西等地；NDVI增大，表征蓝藻水华覆盖度增加的地区主要分布在滇池北岸的草海、罗家营，滇池东南部的观音山东、滇池南等地。

558 生态环境学报 第28卷第3期（2019年3月）

图3 2000－2017年滇池年平均NDVI空间分布（a）及变化斜率（b）图 Fig. 3 Spatial distribution of average NDVI and variation slope in Dianchi from 2000 to 2017

3.2 四季变化

按照上述NDVI阈值划分蓝藻水华等级的方法，统计各季节滇池水华的空间分布特征，仍然表现出“北重南轻”的分布态势（图4）；春、夏、

秋三季滇池以轻度水华为主，分别占滇池总面积的86.49%、72.11%和83.23%；冬季则以无水华区域所占总面积比例最大（69.34%），冬季的重度水华区域仅占1.57%；而中度和重度水华则主要出现在

图4 不同季节滇池水华特征的空间变化

Fig. 4 Spatial distribution of water bloom in four seasons in Dianchi

何云玲等：基于NDVI滇池水华特征的时空变化研究 559

夏季，所占比例最高，分别占滇池总面积的13.89%和14%。总体而言，滇池的重度水华区域主要分布在滇池的北部（断桥、草海）和滇池的边界；中度水华区域主要分布在滇池的中部罗家营和观音山西；轻度水华区域主要集中在滇池南部的观音山中、海口西和滇池南。 3.3 月变化

通过实测得到的滇池逐月富营养化指数与基于NDVI表征的逐月水华特征变化趋势相比较（图5），可以看出二者出现较大值与较小值的波动变化相吻合，均是在7月达到最大值，12月达到最小值；5－8月滇池富营养化指数为高值区；同时，NDVI也表现为高值区，代表蓝藻水华覆盖度大，富营养化程度严重。

NDVI0.1Eutrophication index74072xden70n iIVoiD-0.1NicathporutE-0.268-0.366123456789101112Month

图5 滇池逐月NDVI值与富营养化指数变化图 Fig. 5 Monthly NDVI value and eutrophication index in Dianchi

再从逐月的滇池NDVI值空间变化特征可以看出（图6），每年的1－3月除了靠近滇池北岸附近区域以外的大部分地区NDVI值很小，从4月开始，NDVI开始逐渐增大，在不同地区出现水华；7－8月份NDVI值较大，滇池水华较严重；9月份开始滇池NDVI值又逐渐减小，水华面积缩减。

统计不同程度水华出现的面积比例在各月的变化（图7），滇池11－4月以无水华区域为主，面积比例占绝大优势（尤其11－3月占80%以上）；5－10月则以轻度水华为主（尤其5－9月所占面积比例为80%左右）（图7a）。中度水华主要出现在5－10月之间，所占总面积比例均小于12%；重度水华则出现在7－9月之间，所占总面积比例较小8%以下），尤其重度水华出现的时间从5月开始到8月达到峰值（月平均值为7.61%），10月

开始逐渐消失（图7b）。 3.4 旬变化

从上述滇池水华特征的四季和月变化分析中可知，蓝藻水华的暴发主要集中在夏季，进一步对夏季各旬的NDVI值空间变化进行研究（图8）。蓝藻水华的暴发时间7月上旬和8月下旬，其重度水华面积分别高达11.4%和14.0%。水华较严重的区域仍集中在滇池的草海、断桥和滇池的边界地区。

4 讨论与结论

4.1 讨论

滇池在维持流域生态平衡、满足生产生活用水、减轻洪涝灾害和提供丰富水产品等方面发挥着不可替代的作用。20世纪60年代其水质为Ⅱ类，水产资源丰富，70年代为Ⅲ类，80年代为Ⅴ类，90年代为劣Ⅴ类，“九五”开始，滇池被列为全国重点治理湖泊。伴随遥感监测技术的进步和迅速发展，对滇池的相关研究也逐渐开展，谢国清等2010）利用假彩色合成法以及NDVI阈值进行了滇池蓝藻水华划分，但未通过时间序列NDVI值对水华时空变化特征进行研究；王杰等（2018）通过传统采样方法对滇池2008－2014年富营养化程度进行分析，但是数据样本较少；蒋大林（2015）通过浮游藻指数（FAI）对滇池水华时空分布特征及其驱动因子进行研究，主要集中在FAI阈值提取和水华面积的简单统计方面。本研究基于遥感数据，借鉴上述学者研究成果，对NDVI值域进行了分类，对18年来滇池水华的时空分布特征进行了更深入、详细的分析研究，研究结果和侯秀丽等（2018）、余丽燕等（2016）、余佑金等（2017）的结论相一致，表明基于NDVI值域判断滇池水华时空变化特征具有一定可行性。

滇池地处昆明城市下游，是昆明盆地最低凹地带，接纳生活污水、工业废水和含有农药化肥的农业污水，造成研究区蓝藻水华暴发格局呈现“北重南轻”的分布态势。此外，昆明地区7－8月气温较高，风速较小，气候条件加速了蓝藻水华的暴发，导致了滇池水华在月变化上存在显著差异。2000年开始，昆明市开始大力推进滇池污染治理的各项工作，通过铺设截污管道、建污水处理厂、牛栏江-滇池补水工程通水，成效逐步显现，水质逐渐提升。这和本研究中2000－2017年滇池年平均NDVI总体呈现减少趋势，蓝藻水华覆盖度有所降低的结论是一致的。滇池北部的草海、断桥、晖弯和观音山地区过去是滇池流域富营养化程度较重、水质较差的地区，但是经过整治，这些地区的水质有变好趋势，反而是过去富营养化程度较轻、水质较好的滇

（（均在560 生态环境学报 第28卷第3期（2019年3月）

图6 滇池水华的月变化空间分布图

Fig.6 Spatial distribution of monthly water bloom in Dianchi

池南部罗家营南端部分地区水华有加重趋势，这在未来滇池水质综合防治中值得关注。

虽然基于MODIS遥感数据研究水华变化有其局限性，水体识别主要依赖于光谱信息导致NDVI无法区分蓝藻区域和高浑浊水体，不能有效识别低密度蓝藻水体，研究结果易扩大或缩小蓝藻的分布范围（郭鹏等，2012）。然而，不可否认的是，MODIS数据以其波段窄、信噪比高、波谱敏感性好以及可免费获取等优点可为实时、准确、经济地获取蓝藻水华信息提供便捷。在今后的研究中需探索更精确混合像元估算蓝藻水华面积的方法；需充分利用不同遥感数据的优点，提高数据时空分辨率。不同学者对NDVI值域划分有不同的划分依据，如谢国清等（2010）认为NVDI≥−0.1为蓝藻水华区域，孙佳丽等（2010）认

何云玲等：基于NDVI滇池水华特征的时空变化研究 561

Mild warter bloom(a)DecemberJanuary10080604020October0AprilOctoberFebruaryNo warter bloom(b)DecemberModerate warter bloomJanuary12108MarchNovember6420AprilMarchFebruaryHeavy warter bloomNovemberSeptemberMaySeptemberMayAugustJulyJuneAugustJulyJune

图7 滇池轻度和无水华区域（a）中度和重度水华区域（b）所占面积比例图

Fig. 7 Monthly variation of water bloom area ratio in Dianchi

图8 滇池水华的旬变化空间分布图

Fig. 8 Spatial distribution of water bloom in every half month in Dianchi

562 生态环境学报 第28卷第3期（2019年3月）

为NDVI>0为蓝藻水华区域。本研究采用的是文献引用量达高频次的分级标准，在今后的研究中可进一步分析通过NDVI值域变化判断藻类水华的时空分布特征；以及进一步分析水华暴发与当地气象条件、经济社会相关因子的关系（王菁晗等，2018；鲁韦坤等，2017；欧阳志宏等，2015；盛海燕等，2015）。目前基于MODIS数据建立相应的蓝藻预警预测模型已有相关报道（魏清宇等，2008），随着卫星遥感技术的发展，传感器性能的进一步提高，直接通过遥感手段开展湖泊水质机理层面的分析以及预测预警，将是今后重要的研究方向。 4.2 结论

本研究基于滇池2000－2017年时间序列的遥感影像数据，利用GIS空间分析技术，对其近18年来NDVI的时间变化和空间分布特征进行了分析，探讨了蓝藻水华不同等级的分布面积和空间变化特征，得出以下结论：

（1）2000－2017年滇池NDVI总体呈现减少趋势（趋势系数未达到P<0.05的显著性检验），呈减小趋势的区域占研究区总面积55.64%，蓝藻水华覆盖度有所降低。

（2）7－8月滇池NDVI值最大，水华最严重，9月开始水华面积缩减，11－4月以无水华区域为主80%左右），5－10月以轻度水华为主80%左右），重度水华出现在7－9月（8%以下）。蓝藻水华的暴发时间为7月上旬和8月下旬，其重度水华面积分别高达11.4%和14.0%。

（3）滇池蓝藻水华的暴发格局总体呈现“北重南轻”的分布态势，水华较严重的区域集中在北部草海、断桥、晖弯和滇池边界。

（4）滇池NDVI减小表征蓝藻水华覆盖度减少，富营养化程度减轻的地区主要分布在滇池北岸的断桥，中部的观音山西、白渔口、海口西等地；NDVI增大表征蓝藻水华覆盖度增加，主要分布在滇池北岸的草海、罗家营，滇池东南部的观音山东、观音山中、滇池南等地。

参考文献：

SHI K, ZHANG Y L, ZHU G W, et al., 2015. Long-term remote monitoring

of total suspended matter concentration in Lake Taihu using 250 m MODIS-Aqua data [J]. Remote Sensing of Environment, 164: 43-56. SONG K S, LI L, LI S, et al., 2012. Hyperspectral remote sensing of total

phosphorus (TP) in three central Indiana water supply reservoirs [J]. Water Air & Soil Pollution, 223(4): 1481-1502.

ZHANG Y C, MA R H, DUAN H T et al., 2016. Satellite analysis to

identify changes and drivers of CyanoHABs dynamics in Lake Taihu [J]. Water Science and Technology-Water Supply, 16(5): 1451-1466. ZHANG Y C, MA R H, ZHANG M et al., 2015. Fourteen-year record

(2000‒2013) of the spatial and temporal dynamics of floating algae blooms in Lake Chaohu, observed from time series of MODIS images. Remote Sensing, 7(8): 10523-10542.

陈旭, 李霖, 王江, 2015. 城市绿地对热岛效应的缓解作用研究: 以台州

市为例[J]. 生态环境学报, 24(4): 643-649.

CHEN X, LI L, WANG J, 2015. Heat island effect mitigation by urban green space system:a case study of Taizhou city [J]. Ecology and Environment Sciences, 24(4): 643-649.

郭鹏, 邹春辉, 等, 2012. MODIS影像水体监测方法研究进展[J]. 气象科

技, 40(6): 869-874.

GUO P, ZOU C H, et al., 2012. Progress in MODIS Image water monitoring methods [J]. Meteorological Science and Technology, 40(6): 869-874.

侯秀丽, 苑春刚, 李学平, 等, 2018. 滇池氮磷浓度变化对蓝、绿、硅藻

年际变化的影响[J]. 水生态学杂志, 39(1): 16-22.

HOU X L, YUAN C G, LI X P, et al., 2018. Effects of nitrogen and phosphorus concentrations in Dianchi Lake on interannual variations of blue, green and diatoms [J]. Journal of Water Ecology, 39(1): 16-22. 蒋大林, 2015. 基于GIS/RS的滇池藻类水华时空变化及驱动因子分析

[D]. 重庆: 西南大学.

JIANG D L, 2015. Analysis of spatial and temporal changes and driving

factors of algae blooms in Dianchi Lake based on GIS/RS [D]. Chongqing: Southwest University.

李旭文, 牛志春, 姜晟, 等, 2011. 基于卫星影像的太湖蓝藻水华遥感强

度指数和等级划分算法设计[J]. 环境监测管理与技术, 23(5): 23-30. LI X W, NIU Z C, JIANG W, et al, 2011. Satellite image based remote sensing intensity index and classification algorithm design of cyanobacteria blooms in Taihu Lake [J]. Environmental Monitoring Management and Technology, 23(5): 23-30.

梁中耀, 刘永, 盛虎, 等, 2014. 滇池水质时间序列变化趋势识别及特征

分析[J]. 环境科学学报, 34(3): 754-762.

LIANG Z Y, LIU Y, SHENG H, et al., 2014. Identification and characterization of water quality time series variation in Dianchi Lake [J]. Chinese Journal of Environmental Science, 34(3): 754-762.

鲁韦坤, 谢国清, 余凌翔, 等, 2009. MODIS遥感监测滇池蓝藻水华分布

[J]. 气象科技, 37(5): 618-620, 646.

LU W K, XIE G Q, YU L X, et al., 2009. MODIS remote sensing monitoring of cyanobacterial blooms in Dianchi Lake [J]. Meteorological Science and Technology, 37(5): 618-620, 646.

鲁韦坤, 余凌翔, 欧晓昆, 等, 2017. 滇池蓝藻水华发生频率与气象因子

的关系[J]. 湖泊科学, 29(3): 534-545.

LU W K, YU L X, OU X K, et al., 2017. Relationship between the frequency of cyanobacterial blooms and meteorological factors in Dianchi Lake [J]. Journal of Lake Science, 29(3): 534-545.

欧阳志宏, 郭怀成, 王婉晶, 等, 2015. 1982－2012年滇池水质变化及社

会经济发展对水质的影响[J]. 中国环境监测, 31(2): 68-73.

OUYANG Z H, GUO H C, WANG Y J, et al., 2015. Impact of water quality changes and socio-economic development on water quality in Dianchi Lake from 1982 to 2012 [J]. China Environmental Monitoring, 31(2): 68-73.

盛海燕, 吴志旭, 刘明亮, 等, 2015. 新安江水库近10年水质演变趋势

及与水文气象因子的相关分析[J]. 环境科学学报, 35(1): 118-127. SHENG H Y, WU Z X, LIU M L, et al., 2015. Water quality evolution trend and correlation analysis with hydrometeorological factors in Xin'anjiang Reservoir in the past 10 years [J]. Chinese Journal of Environmental Science, 35(1): 118-127.

孙佳丽, 朱宝, 胡荣辰, 等, 2010. 基于MODIS卫星的太湖蓝藻遥感监

测[C]//浙江省气象学会. 第七届长三角气象科技论坛论文集. 长三角气象科技论坛: 563-565.

SUN J L, ZHU B, HU R C, et al., 2010. Remote sensing monitoring of cyanobacteria in Taihu Lake based on MODIS satellites [C]//Zhejiang Meteorological Society. Proceedings of the 7th Yangtze River Delta Meteorological Science and Technology Forum. Yangtze River Delta Meteorological Science and Technology Forum: 563-565.

王杰, 毛建忠, 谢永红, 等, 2018. 2008－2014年滇池水质时空变化特征

分析[J]. 人民长江, 49(5): 11-15.

WANG J , MAO J Z, XIE Y H, et al., 2018. Analysis of Temporal and Spatial Variation Characteristics of Water Quality in Dianchi Lake from 2008 to 2014 [J]. People's Yangtze River, 49(5): 11-15.

王菁晗, 何吕奇姝, 杨成, 等, 2018. 太湖、巢湖、滇池水华与相关气象、水

质因子及其响应的比较 (1981－2015年) [J]. 湖泊科学, 30(4): 897-906. WANG J W, HE L Q Z, YANG C, et al., 2018. Comparison of Taihu, Chaohu and Dianchi Lakes and related meteorological, water quality factors and their responses (1981‒2015) [J]. Journal of Lake Science,

（面积比例（何云玲等：基于NDVI滇池水华特征的时空变化研究 563

30(4): 897-906.

韦力元, 王真, 洪松, 2016. 气象与水质对滇池草海叶绿素a浓度的影响

[J]. 环境科学与技术, 39(10): 26-30, 35.

WEI L Y, WANG Z, HONG S, 2016. Effects of Meteorology and Water Quality on Chlorophyll-a Concentration in the Sea of Dianchi Lake [J]. Environmental Science and Technology, 39(10): 26-30, 35.

魏清宇, 江南, 吕恒, 等, 2008. 太湖蓝藻水华遥感动态监测预警模型的

建立[J]. 地球信息科学, 10(2): 156-159.

WEI Q Y, JIANG N, LÜ H, et al., 2008. Establishment of remote sensing dynamic monitoring and early warning model for cyanobacteria blooms in Taihu Lake [J]. Earth Information Science, 10(2): 156-159.

闻建光, 肖青, 杨一鹏, 等, 2006. 基于Hyperion 数据的太湖水体叶绿

素a浓度遥感估算[J]. 湖泊科学, 18(6): 327-336．

WEN J G, XIAO Q, YANG Y P, et al., 2006. Remote sensing estimation of chlorophyll a concentration in Taihu Lake based on Hyperion data [J]. Journal of Lake Science, 18(6): 327-336.

冼翠玲, 张艳军, 张明琴, 等, 2017. 基于高分辨率多光谱影像的温瑞塘

河水质反演模型研究[J]. 中国农村水利水电 (3): 90-95.

YAN C L, ZHANG Y J, ZHANG M Q, et al., 2017. Research on water quality inversion model of Wenruitang River based on high resolution multispectral image [J]. China Rural Water and Hydropower (3): 90-95. 谢国清, 李蒙, 鲁韦坤, 等, 2010. 滇池蓝藻水华光谱特征、遥感识别及

暴发气象条件[J]. 湖泊科学, 22(3): 327-336.

XIE G Q, LI M, LU W K, et al., 2010. Spectral characteristics, remote sensing identification and meteorological conditions of cyanobacteria blooms in Dianchi Lake [J]. Journal of Lake Science, 22(3): 327-336. 徐京萍, 张柏, 李方, 等, 2008. 基于MODIS数据的太湖藻华水体识别

模式[J]. 湖泊科学, 20(2): 191-195.

XU J P, ZHANG B, LI F, et al., 2008. Identification of Taihu algae water body based on MODIS data [J]. Journal of Lake Science, 20(2):

191-195.

徐玉妃, 杨昆, 罗毅, 等, 2018. 滇池草海水质等级预测模型研究[J]. 水

生态学杂志, 39(1): 1-8.

XU Y Z, YANG K, LUO Y, et al., 2018. Study on Water Quality Prediction Model of Dianchi Caohai [J]. Journal of Water Ecology, 39(1): 1-8.

杨桂山, 马荣华, 张路, 等, 2010. 中国湖泊现状及面临的重大问题与保

护策略[J]. 湖泊科学, 22(6): 799-810.

YANG G S, MA R H ZHANG L, et al., 2010. Current Status of Lakes in China and Major Issues and Protection Strategies [J]. Journal of Lake Science, 22(6): 799-810.

余丽燕, 杨浩, 黄昌春, 等, 2016. 夏季滇池和入滇河流氮、磷污染特征

[J]. 湖泊科学, 28(5): 961-971.

YU L Y, YANG H, HUANG C C, et al., 2016. Characteristics of Nitrogen and Phosphorus Pollution in Dianchi Lake and Xiyu River in Summer [J]. Journal of Lake Science, 28(5): 961-971.

余佑金, 方向京, 王圣瑞, 等, 2017. 滇池水体不同形态磷负荷时空分布

特征[J]. 湖泊科学, 29(1): 59-68.

YU Y J, XIANG J, WANG S R, et al., 2017. Temporal and spatial distribution characteristics of different forms of phosphorus load in Dianchi Lake [J]. Journal of Lake Science, 29(1): 59-68.

张虎才, 常凤琴, 段立曾, 等, 2017. 滇池水质特征及变化[J]. 地球科学

进展, 32(6): 651-659.

ZHANG H C, CHANG F Q, DUAN L Z, et al., 2017. Water quality characteristics and changes in Dianchi Lake [J]. Advances in Earth Science, 32(6): 651-659.

周立国, 冯学智, 王春红, 等, 2008. 太湖蓝藻水华的MODIS卫星监测

[J]. 湖泊科学, 20(2): 203-207.

ZHOU L G, FENG X Z, WANG C H, et al., 2008. MODIS Satellite Monitoring of Cyanobacteria Blooms in Taihu Lake [J]. Journal of Lake Science, 20(2): 203-207.

Study on Spatio-temporal Changes of Water Bloom in Dianchi Lake

Based on NDVI

HE Yunling, XIONG Qiaoli, LUO Xian2, 3, LI Tongyan1, YU Lan1

1. College of Resource Environment and Earth Science, Yunnan University, Kunming 650201, China; 2. Asian International River Center, Yunnan University, Kunming 650091, China; 3. Yunnan Key Laboratory of International Rivers and Transboundary Ecological Security, Kunming, Yunnan 650091, China

11

Abstract: Water quality monitoring is one of the important application areas of remote sensing technology. Compared with other sensors, MODIS data has obvious advantages in water quality monitoring. Based on the 16-day synthetic 250 m×250 m resolution normalized vegetation index (NDVI) data product of MODIS image form 2000 to 2017, the data were processed by ArcGIS, GetData, Grapher10 and other software, The spatio-temporal distribution of NDVI in Dianchi Lake was analyzed in detail. The distribution area and spatial variation characteristics of different levels of cyanobacterial blooms were discussed. The results showed that annual NDVI in Dianchi area showed a decreasing trend from 2000 to 2017. No blooms area accounted for 54.99% of the total area, and the moderate water blooms and heavy water blooms accounted for 27.42% and 17.59% respectively. In spring, summer and autumn, Dianchi Lake was dominated by mild water blooms. However, the area without water bloom accounted for the largest proportion in winter. From January to April, Dianchi Lake was mainly dominated by no blooms region. From May to October, it was dominated by mild water bloom. Moderate water blooms mainly occurred from May to October. Heavy water blooms were concentrated in July‒September. The outbreak time was approximately early July and late August, with heavy water bloom reaching 11.4% and 14.0% respectively. The cyanobacteria bloom was heavier in north region in Dianchi Lake than that of the south region. The relatively serious areas of water bloom were concentrated in Northern Caohai, Duanqiao and Huiwan. However, the decrease of NDVI indicated that the coverage of cyanobacteria water bloom was decreasing, and the areas where the water quality was improved were mainly located in the northern part of Dianchi Lake and some areas in the middle parts. The conclusion of this study can provide a scientific basis for enriching the water quality monitoring method of Dianchi Lake, establishing a early warning system, and the rational utilization and effective management of water resources. Key words: NDVI; water bloom characteristics; spatio-temporal changes; Dianchi Lake