利用地理空间应用量化沿海泻湖地表水水质的季节性变化

《Scientific African》：Quantifying Seasonal Variation of Water Quality in Littoral Lagoon Surface water using Geo-spatial Application

　　

由于泻湖地表水的盐碱化，居民（尤其是离泻湖环境较近的居民）的生计和健康以及他们赖以生存的生态系统面临风险。本研究考察了泻湖水体中盐度（Salinity）/总溶解固体（Total Dissolved Solids, TDS）浓度的季节性差异。该泻湖位于尼日利亚拉各斯州西南海岸线地区，因其脆弱的地理位置而拥有臭名昭著的污染水体。本研究采用Landsat 8-9多光谱传感器波段（OLI & TIR），并使用单波段组合算法，如归一化差分盐度指数（Normalized Difference Salinity Index, NDSI）、盐度指数1（Salinity Index 1, SI-1）、盐度指数2（Salinity Index 2, SI-2）和增强型水体指数（Enhanced Water Index, EWI）。研究人员使用回归模型比较了实时原位测量值与遥感空间数据导出的值，以验证两者关系的共存性。回归模型同时使用了线性和非线性方程。线性测试显示，在湿季和干季，NDSI与TDS原位值的决定系数（R2）分别为0.44和0.64。非线性方程表现同样更好，在湿季和干季的系数（R2）分别为0.52和0.69。非线性方程中，SI-1与盐度原位值的R2=0.60和0.61。同样，NDSI制图显示干季值更高（7.9），SI-1记录最大值为10.6，SI-2报告最大制图值为9.6，表明干季盐分含量高于湿季。然而，该结果证明了所用Landsat 8-9单波段算法的有效性。

**论文解读：利用地理空间技术量化沿海泻湖地表水水质的季节性变化**

**研究背景**
沿海地区地表水盐碱化已成为全球性挑战，影响约5亿人口的淡水利用。盐度（Salinity）和总溶解固体（Total Dissolved Solids, TDS）是衡量水中溶解元素（包括矿物质、无机盐和阴离子）浓度的关键指标，高盐度会引发高血压、先兆子痫等健康风险，同时影响农业灌溉、工业用水及生态系统。尼日利亚拉各斯泻湖（Lagos Lagoon）因靠近大西洋、受潮汐影响显著，并遭受周边城市工业废水、生活污水和径流输入，导致水质恶化。以往研究虽已报道该泻湖的盐度/TDS升高，但缺乏利用遥感手段对季节性差异进行空间监测的详细数据。因此，本研究旨在通过地理空间应用，量化泻湖地表水中TDS/盐度的季节性变化，并验证Landsat 8-9多光谱数据与原位实测数据的关联，为水质监测提供模型支持。论文发表在《Scientific African》。

**主要技术方法**
研究人员采用美国地质调查局（USGS）提供的Landsat 8-9 Operational Land Imager（OLI）和Thermal Infrared Sensor（TIRS/TIRS-2）影像，覆盖拉各斯泻湖（路径191/行055），选取云量低于10%的湿季（2024年3-9月）和干季（2024年11月-2025年1月）影像共16景。通过ACOLITE大气校正（Dark Spectrum Fitting算法）将数字编号（Digital Number, DN）转换为地表反射率，并利用ArcGIS进行水体掩膜提取。采用四种单波段组合算法：归一化差分盐度指数（NDSI）、盐度指数1（SI-1=√(红波段×蓝波段)）、盐度指数2（SI-2=√(绿波段×蓝波段)）和增强型水体指数（EWI）。通过线性及多项式回归模型分析卫星导出值与现场实测值的相关性，并使用留一法交叉验证（Leave-One-Out Cross-Validation, LOOCV）评估模型性能（决定系数R2）。共设8个采样站点（Iddo, Makoko, Ogudu, Ofin, Egbin, Lekki phase 1, Aja, Addo），在湿季和干季各采集16次水样（深度0.4-0.5 m），按APHA标准方法2540 C测定TDS（重量法），电导率法测定盐度。

**研究结果**

**SI-1与SI-2制图及原位数据对比**
SI-1和SI-2在干季的值普遍高于湿季，但部分采样点存在波动，表明干季盐分/TDS浓度更高。SI-1湿季范围为1.7-7.1，干季为1.1-10.6；SI-2湿季为1.4-6.6，干季为2.0-9.6。原位实测数据同样显示干季TDS（最高13.7 mg/L）和盐度（最高9.6）显著高于湿季（TDS约1.2 mg/L，盐度约0.1）。线性回归中SI-1与盐度原位值的R2仅0.3（湿季）和0.21（干季），但非线性多项式回归提升至0.61和0.60，表明非线性模型更适用于该环境。SI-2与TDS原位值的线性和非线性关系均较弱，不推荐用于本区域建模。

**NDSI与EWI制图及原位数据对比**
NDSI干季值（0.3-7.9）明显高于湿季（0.2-4.3），线性回归与TDS原位值的R2为0.44（湿季）和0.64（干季），非线性模型R2为0.52和0.69，表现优于SI-1/SI-2，表明NDSI对干季盐度空间异质性更敏感。EWI值在湿季极低（0.1-0.2），干季略高（0.2-4.2），但线性R2仅0.22，非线性R2为0.55，总体变化不显著。

**空间分布与统计分析**
干季盐度制图显示高值区集中在人类活动密集区（如Ogudu、Makoko），可能与渔业、船只作业及废水排放有关。潮汐作用下，靠近大西洋的泻湖干季盐度升高，湿季因降雨稀释盐度降低。描述性统计显示，SI-1、SI-2、NDSI和EWI干季均值均高于湿季，但配对t检验p值（0.26-0.52）未达到显著性水平（α=0.05），表明观测差异主要由空间异质性而非系统性季节驱动。箱线图进一步揭示干季各指数值分布更离散，反映蒸发、潮汐混合及人为输入导致的变异性。

**讨论与结论**
研究表明，拉各斯泻湖盐度/TDS的空间梯度受潮汐入侵、淡水稀释、浅水蒸发和局部城市输入的共同控制。Landsat 8-9单波段算法（尤其是NDSI和非线性模型）在估算地表水盐度/TDS方面具有应用潜力，但30 m空间分辨率可能限制精细尺度反射率变化的检测，且湿季云覆盖影响数据时间连续性。结论翻译：本研究考察了拉各斯泻湖盐度/TDS浓度的季节性变化，采用改进的30 m空间分辨率Landsat 8-9（OLI & TIR）传感器及NDSI、SI-1、SI-2和EWI算法。制图与原位测量均显示干季盐水浓度高于湿季，且采样点间存在显著波动。线性和非线性方程测试中，NDSI线性R2最高达0.64（干季），非线性R2最高达0.69（干季），证实了Landsat 8-9光谱波段组合算法的有效性。盐度升高的可能原因包括泻湖靠近大西洋的脆弱位置、潮汐盐水入侵及连接河道汇入，以及日益增长的城市活动。研究建议未来结合Sentinel-2 MSI数据（10-20 m分辨率）及随机森林、偏最小二乘回归等高级建模方法提高精度。