近日，中国地质大学（武汉）国家地理信息系统工程技术研究中心陈能成、张翔教授团队在国际环境科学与管理领域知名期刊《Journal of Environmental Management》上发表了题为“Classifying diurnal changes of cyanobacterial blooms in Lake Taihu to identify hot patterns, seasons and hotspots based on hourly GOCI observations”的研究成果。该研究提出了一种太湖蓝藻水华日变化模式的自动分类方法，该方法基于GOCI数据（小时级），将蓝藻水华的日变化模式归为四种主要类型，最高可实现像素尺度（500m）上的蓝藻水华日变化模式的自动判别。开展了自2002年以来，太湖蓝藻水华日变化的热点分析（热点模式、季节及区域）及其环境归因。论文通讯作者为中国地质大学（武汉）国家地理信息系统工程技术研究中心的张翔教授，第一作者为武汉大学测绘遥感信息工程国家重点实验室的王思琪博士生，论文合作者包括中国地质大学（武汉）国家GIS工程中心的陈能成教授和中国科学院南京地理与湖泊研究所的王玮佳博士生。

图1. 论文首页

湖泊蓝藻水华是全球性的重大水环境安全问题。随着水体富营养化、全球气候变化等现象的加剧，全球蓝藻水华的暴发规模和频次在持续增加,。作为我国典型的富营养化湖泊，太湖蓝藻水华的发生已经成为常态。在风和水动力等环境条件的影响下，其发生过程呈高度的时空异质性，甚至可在短时间内（小时尺度）发生显著的动态变化。因此，对太湖蓝藻水华短时间内的变化过程进行及时监测与时空分析，是开展该区域蓝藻水华的有效防治工作的关键。

针对上述需求，本研究的目标为：（1）基于GOCI卫星数据，获取一天内的蓝藻水华的覆盖情况；（2）设计一种蓝藻水华日变化模式的自动分类方法，对日变化模式进行自动判别，从而实现更高空间分辨率（500m）的蓝藻水华日变化模式的识别；（3）基于长时序的监测数据，探索日变化特征的热点模式、季节和区域；（4）开展日变化特征的潜在环境影响机制的初步探索。

为此，本研究首先设计了一种基于GOCI数据的蓝藻水华日变化模式自动分类方法（以下简称“DCPC方法”），该方法主要有三个步骤，如图2所示。首先，利用一天八次无云可用的GOCI影像数据，通过AFAI指数，获取一天内太湖蓝藻水华的覆盖面积。然后，对一天内获取得到的八个蓝藻水华覆盖面积值不断进行简化，最终得到简化的三个覆盖面积值。最后，利用简化得到的三个面积值，通过设定的判别规则，对蓝藻水华的日变化模式进行判断和自动归类，从而实现像素尺度上的日变化模式识别。这四种模式分别为减少（Type1）、先减后增（Type2）、增加（Type3）、先增后减（Type4）。

图2. 基于GOCI数据的太湖蓝藻水华日变化模式的自动归类框架

在湖泊尺度上的日变化模式季节分布结果表明（图3），减少（Type1）和增加（Type3）两种模式是太湖蓝藻水华日变化发生的热点模式，在四个季节出现的频率均较高。其中，减少（Type1）模式主要出现在夏季，而增加（Type3）两种模式主要出现在秋季。

图3. 太湖蓝藻水华的四种日变化模式的季节分布（2002年至2020年）

在像素尺度上（500m）的日变化模式空间分布结果表明（图4），四种日变化模式的时间特征不明显，但减少（Type1）和增加（Type3）两种模式呈现出典型的空间分布特征。其中，减少模式（Type1）主要出现在湖岸，包括梅梁湾、竹山湾、西岸和南岸。而增加模式（Type3）主要出现在湖泊的中部地区。

图5. 太湖蓝藻水华的四种日变化模式的时空分布（2002年至2020年，500m）

进一步对太湖蓝藻水华日变化的环境影响进行了探索。首先，在像素尺度上，分析了温度和风对日变化发生的区域差异的影响（图6和图7）。结果表明，一天内的温度和风的变化对不同区域的日变化发生特征存在影响。如图6所示，减少（Type1）和增加（Type3）两种模式的形成过程更容易受到日间温度变化的影响。在一天内，如果从上午到下午的气温出现上升，减少模式（Type1）更容易发生。相反，如果从上午到下午的气温出现下降，则更有可能发生增加模式（Type3）。

图6. 太湖一天内的温度变化（日间温差、上午温度、下午温度及日均温度）对蓝藻水华日变化发生的影响

针对风场变化的影响，首先分析了五个分区（梅梁湾、竹山湾、西岸、南岸和中部地区）日间风速及风向变化情况。结果表明，五个分区的日间风速变化曲线的形状相似，但风速值的大小存在差异。另外，日间风向的变化无显著的区域特征。基于此，本研究进一步分析了日间风速变化对太湖蓝藻水华显著日变化发生的影响（图7）。结果表明，当风速大于或者小于3.5m/s，日间风速变化对日变化发生的影响存在差异。其中，明显的风扰动（大于3.5m/s）是发生显著日变化的关键。

图7. 太湖五个子区域（梅梁湾、竹山湾、西岸、南岸和中部地区）的日间风速变化情况

在湖泊尺度上，分析了在多种环境因子的共同作用下，其对太湖一天内的蓝藻水华覆盖面积的变化的贡献度（图8）。结果表明，降水、温度、风速以及日照时长等环境影响解释了71%的蓝藻水华覆盖面积在一天内的变化。

图8. 太湖环境条件对发生在一天内的蓝藻水华覆盖面积的变化的贡献度

论文信息：Wang, S., Zhang, X., Chen, N. and Wang, W., 2022. Classifying diurnal changes of cyanobacterial blooms in Lake Taihu to identify hot patterns, seasons and hotspots based on hourly GOCI observations. Journal of Environmental Management. 310, http://dx.doi.org/10.1016/j.jenvman.2022.114782.

论文链接：https://www.sciencedirect.com/science/article/pii/S0301479722003553

王思琪，武汉大学测绘遥感信息工程国家重点实验室2018级硕博连读生（2020级博士）。研究方向为地理过程模拟，包括湖泊蓝藻水华时空感知与过程模拟。

E-mail: wangsiqiwhu@whu.edu.cn

指导老师

陈能成，中国地质大学二级教授、博士生导师，国家地理信息系统工程技术研究中心主任，入选国家级高层次人才和教育部新世纪优秀人才，科技部“对地观测传感网与智慧城市”重点领域创新团队负责人，ITU-T国际标准主编、《IET Smart Cities》编委。曾任武汉大学二级教授、武汉大学测绘遥感信息工程国家重点实验室主任助理与GIS研究室主任。主要从事对地观测传感网、时空大数据智能、地理仿真决策、数字孪生、智慧城市及智慧流域等研究，主持国家重点研发计划项目、973课题、863项目和国家自然科学基金等科研项目多项，获国家科技进步奖2项，牵头获省部级一等奖3项，发表SCI论文百余篇。

E-mail: chennengcheng@cug.edu.cn

http://grzy.cug.edu.cn/chennengcheng/zh_CN/index.htm

通讯作者

张翔，中国地质大学特任教授，博士生导师，“地大学者”青年拔尖人才，国家地理信息系统工程技术研究中心时空过程预测研究所所长。主要从事干旱灾害、地理空间传感网和智慧城市等的理论方法研究工作。

E-mail: zhangxiang76@cug.edu.cn

http://grzy.cug.edu.cn/zhangxiang/zh_CN/index.htm