论文部分内容阅读
内陆淡水生态系统，尤其是湖泊、河流和水库，由于覆盖面积占地球表面比例较小，在全球碳循环中一直被忽略。但实际上，由陆地进入内陆水域的碳约达进入海洋的碳的两倍，水生系统单位面积长时间净碳通量常常高于周围许多土地，且全球温室气体释放率升高至2.1 Pg Cyr-1，更有研究表明全球近一半之多的有机碳埋在湖泊下(42/100 Tg Cyr-1)。因此，内陆淡水生态系统影响着区域的碳收支平衡，进一步影响全球碳的沉积、氧化和运输，成为全球碳循环和环境变化研究中的热点。 虽然颗粒有机碳(Particulate organic carbon，POC)并不是湖泊等水生系统中主要的碳组分，但它显著影响溶解有机碳(Dissolved Organic Carbon，DOC)和溶解无机碳(DissolvedInorganic Carbon，DIC)的循环，并且贯穿于整个生态系统的生物传递-动力-物理化学作用过程中，在湖泊碳循环与碳通量中起着关键作用。研究湖泊水体中颗粒有机碳浓度的时空分布及其驱动力对湖泊生态系统和全球碳循环有着重要的科学意义。另外，内陆水体表层POC源和汇复杂多变，其通过生物光合作用生产、DOC的转化和有机沉积物的上涌而增加，通过表层水体释放CO2、转换为DOC和生物去除机理而减少，导致了POC浓度的高度时空不均匀性。因此，使用传统方法监测POC浓度变化有很大的局限性，而卫星遥感技术具有快速、同步和大尺度监测的特点，为连续监测复杂多变的湖泊碳循环提供了重要手段，成为研究POC动力学强有力的工具。 本文以富营养化湖泊—巢湖为研究区，基于2013-2015年6个航次共248个有效样点的实测遥感反射率Rrs（Remote sensing reflectance）数据，构建了巢湖POC浓度生物光学算法;同时，利用MODIS(Moderate Resolution Imaging Spectroradiometer)星地同步数据集(142个)，构建了巢湖POC浓度的EOF(Empirical Orthogonal Function，EOF)反演算法;并将该模型应用至2000-2014年间共1574景MODIS卫星影像上，得到了巢湖15年POC浓度的长时间序列数据，分析了巢湖POC浓度的时空分布规律;同时，对其来源和驱动力等进行了探索和分析研究。主要结论如下: (1) POC与水色参数浓度及其固有光学特性（Inherent optical properties，IOPs）的关系研究。发现POC与悬浮颗粒物(Suspended particulate matter, SPM)(r=0.446)和有机悬浮颗粒物（Suspended particulate organic matter, SPOM）(r=0.396)关系相对稍好，但和无机悬浮颗粒物（Suspended particulate inorganic matter, SPIM）（r=0.263）及DOC(r=0.035)关系微弱，而SPM与SPOM(r=0.853)的相关性也高于SPIM(r=0.616);进一步分析发现，POC与叶绿素a(Chlorophyll a，Chla)呈现出明显的相关关系（N=78,r=0.728,P＜0.0001），而Chla与SPM关系微弱(r=0.113)，与SPOM（r=0.524）有较高相关关系，这反映出巢湖POC主要来源于浮游植物及其新陈代谢产物，而SPOM除了Chla的贡献外，还有有机碎屑的贡献。另外，分析POC与固有光学量之间的相关性，发现巢湖水体的颗粒有机碳浓度CPOC与665nm浮游植物色素颗粒物吸收系数aph(665)之间有较好的相关关系(r=0.74, p＜0.01)，但与颗粒物的吸收系数ad(440)相关性较差(r=0.288)，与CDOM吸收系数ag(440)无明显关系(r=0.1331)。 (2)基于实测光谱的POC生物光学模型构建。采用Gons/Simis算法构建巢湖水体POC浓度的定量估算模型，估算效果较好，精度较高。其中，Gons算法:POC=5.49×aph(665)+0.73(R2=0.786, N=49, p＜0.0001);Simis算法:POC=4.45×aph(665)+1.173(R2=0.656, N=49,p＜0.0001)。两个模型估算的POC与实测POC之间相关性很好，具有较高估算精度(Gons算法:R2=0.7356，MNB=7.06％，NRMS=21.16％，RMSErel=21.90％; Simis算法:R2=0.672，MNB=7.74％，NRMS=22.97％，RMSErel=23.81％），均适用于巢湖水体，总体来说Gons算法精度更高，更适用于巢湖水体POC浓度估算。 (3)构建了基于MODIS卫星数据的POC浓度EOF估算算法，并应用到2000-2014年长时间序列分析。利用95个星地同步数据，构建了EOF算法（N=95,R2=0.78,p＜0.0001），并进行了验证(RMSErel=49.87％, NRMS=45.31％, MNB=20.53％,R2=0.685)，精度较高。将EOF模型应用到2000-2014年1574景经过严格挑选，无云、无厚气溶胶、无太阳耀斑的MODIS数据，得到巢湖不同湖区POC浓度的年际变化、季节性变化和月变化规律。结果表明:POC浓度的均值、标准偏差及对应的变化率分别由西半湖向湖心区向东半湖递减;夏季西半湖POC浓度最高，春冬季节则偏低;而湖心区和东半湖POC浓度则出现了夏季低于春冬季节的情况等。 (4)探讨了巢湖水体POC浓度主要来源及其主要影响因素。研究表明，POC主要来源于包含Chla的浮游植物及其新陈代谢产物，而Chla主要受人类活动影响因子（如N、P含量）的支配和影响，主导着POC浓度的变化;气候因素（温度、降水、日照时间等）对POC浓度时空分布也有一定影响较大。综合看来，人类活动影响最为关键。