基于地球大数据的“美丽湖泊” SDG 6.3.2综合评价体系构建
1.
2.
3.
Construction of “Beautiful Lakes” Comprehensive Assessment System based on Big Earth Data and SDG 6.3.2
1.
2.
3.
通讯作者:
收稿日期: 2019-03-05 修回日期: 2020-03-17 网络出版日期: 2020-06-18
基金资助: |
|
Received: 2019-03-05 Revised: 2020-03-17 Online: 2020-06-18
作者简介 About authors
沈明(1993-),男,江苏南京人,博士研究生,主要从事湖泊水环境遥感研究E⁃mail:
关键词:
Keywords:
本文引用格式
沈明, 丁云生, 段洪涛.
Shen Ming, Ding Yunsheng, Duan Hongtao.
1 引 言
湖泊是地球上最重要的淡水资源之一,通常作为当地主要水源地,同时具有水产、灌溉、调蓄、旅游和生态平衡等多种功能,其水质状况直接关系到人类与社会的生存和发展[1,2,3]。然而受气候变化和人类活动影响,我国湖泊水环境自20世纪80年代以来持续恶化,特别是长江中下游湖泊水环境变化剧烈,富营养化程度逐年增加,湖泊水质不断恶化[4,5,6],进而制约着人类社会的健康发展。因此,湖泊水环境监测对于我们理解气候变化对淡水生态系统的影响以及模拟未来水环境的变化具有紧迫的现实意义,湖泊水环境质量评价也是美丽中国全景评价的重要组成部分。2015年,联合国提出了2030年可持续发展目标(Sustainable Development Goals, SDGs),制定了2015~2030年人类社会发展目标[7]。国内外学者在SDGs指标本地化和指标体系构建方面已开展大量研究[8,9,10]。我国亦高度重视《2030年可持续发展议程》,于2016年制定《中国落实2030年可持续发展议程国别方案》。
联合国可持续发展目标中指标SDG 6.3.2定义为环境水质良好的水体比例,该指标重点关注各类水体水质状况,是SDG 6(为所有人提供水和环境卫生并对其进行可持续管理)的11个具体指标之一,也是涉及湖泊水环境评价的重要指标之一。目前各国在水质评价标准方面争议较少,对各类水体水质的全面监测的主要限制在于有限的监测能力[11]。与传统的船载或原位平台等实地测量方式相比,卫星遥感是获取大范围、高分辨率的水质参数最为省时、有效和快速的方法,特别是有利于监测缺少历史采样数据或野外采样受限区域水体的水质情况[2]。随着遥感技术的迅速发展,大量的卫星传感器数据(表 1)已经被用于各类水质参数变化研究[12,13,14,15]。因此,未来SDGs评价将依赖于统计数据、野外实测数据和卫星遥感数据等地球大数据的有机结合。
表 1 水质监测相关卫星传感器及其监测能力[16]
Table 1
类型 | 传感器 | 空间分辨率 | 波段数 | 时间分辨率 | 发射时间 | 叶绿素 | 藻蓝素 | 悬浮物 | CDOM | Kd | 浊度 | 浮叶植被 | 挺水植被 | 沉水植被 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
高光谱 | Hyperion | 30 m | 60 | 60 d | 2000~2017 | S | S | S | S | S | S | P | P | P |
海洋-沿岸 | MERIS | 1.2 km/300 m | 15 | 2 d | 2002~2012 | H | H | H | H | H | H | P | P | P |
MODIS-A and T | 1 km | 13 | 1 d | 1999~至今 | H | S | S | S | S | S | N | N | N | |
MODIS-A and T | 500 m | 13 | 1 d | 1999~至今 | P | N | S | P | P | P | N | P | P | |
MODIS-A and T | 250 m | 13 | 1 d | 1999~至今 | P | N | S | N | P | P | N | P | P | |
Suomi-VIIRS | 750 m | 13 | 1 d | 2011~至今 | H | S | H | H | H | H | N | N | N | |
Suomi-VIIRS | 375 m | 13 | 1 d | 2011~至今 | P | N | S | N | P | P | N | P | P | |
OLCI | 300 m | 21 | 1 d(双星) | 2016~至今 | H | H | H | H | H | H | P | P | P | |
静止卫星 | GOCI | 500 m | 8 | 30 min | 2010~至今 | H | P | H | H | H | H | P | P | P |
Himawari-8&9,GOES-R | 500 m~2 km | 4 | 10 min | 2014~至今 | P | N | H | P | P | S | N | N | N | |
中-高空间分辨率 | MSI | 10 m~60 m | 10 | 10 d(双星5 d) | 2015~至今 | S | S | S | S | S | S | S | S | S |
中空间分辨率 | Landsat 1-7 | 30 m | 4 | 16 d | 1972~至今 | P | P | S | P | S | S | S | S | P |
Landsat-8 | 30 m | 5 | 16 d | 2013~至今 | P | S | S | P | S | S | P | P | P |
本文在总结现有湖泊水环境质量评价指标体系的基础上,面向指标SDG 6.3.2,综合统计数据、野外测量数据与卫星遥感数据等地球大数据构建了“美丽湖泊”综合评价体系。以期在联合国2030年可持续发展议程框架下,开展我国“美丽湖泊”综合评价,分析在不同人类活动和气候变化情境下,未来湖泊水环境质量变化趋势,为美丽中国评价特别是水环境质量评价部分提供可靠的技术参考,同时可以为国家和地方科学管理和决策服务。
2 水环境质量综合评价指标与体系研究进展
表 2 水环境质量评价指标
Table 2
来源 | 指标 |
---|---|
中华人民共和国生态环境部[24,26] | pH值、溶解氧、高猛酸盐指数、化学需氧量、五日生化需氧量、氨氮、总磷、铜、锌、氟化物、硒、砷、汞、镉、铬、铅、氰化物、挥发酚、石油类、阴离子表面活性剂、硫化物 |
欧盟[23] | 浮游植物组成、丰度和生物量、其他水生植物组成和丰度、底栖无脊椎动物组成和丰度、鱼类动物组成、丰度和年龄结构、流量与流速、换水周期、地下水连通性、水深变化、护窗数量、结构和基质、透明度、热状况、溶解氧、盐度、pH值、营养条件、重要污染物、其他污染物 |
美国环境保护局[22,28] | 生物群落状况、溶解氧、温度、电导率、pH值、栖息地评价、流、营养盐、土地利用情况、富营养状况、病原体指标、滋扰植物生长情况、叶绿素、透明度、硝酸盐、盐度、悬浮物、汞、DDT、多氯联苯 |
联合国水机制[11,29] | 溶解氧、电导率、总氧化氮、总磷和pH值 |
水利部太湖流域管理局[30,31] | 最低旬平均水位满足状况、湖泊水位变幅程度、河湖连通状况、湖泊萎缩状况、湖滨带状况、溶解氧水质状况、耗氧有机污染状况、富营养状况、浮游植物数量、浮游动物生物损失指数、大型水生植物覆盖度、大型底栖无脊椎动物、生物完整性指数、鱼类生物损失指数、水功能区达标指标、水资源开发利用指标、防洪指标、公众满意度指标、岸线开发利用率 |
巢湖管理局[32] | 水资源开发利用率、最低生态水位满足程度、植被覆盖度指标、人工干扰程度、湖泊面积萎缩比例、水质污染指数、水华程度、水华规模、鱼类保有指数、浮游植物香浓-威纳指数、浮游植物数量、浮游动物香浓-威纳指数、浮游动物生物损失指数、底栖动物香浓-威纳指数、底栖动物耐污指数、大型水生植物覆盖度变化比例、防洪达标率、综合供水保证率、水功能区达标率、通航水深保证率 |
对于水环境质量评价指标的选取,我国生态环境保护部选取了pH值、溶解氧、化学需氧量、总磷和硫化物等21个水质指标作为我国地表水水质评价基本指标,并选取叶绿素a、总磷、总氮、透明度和高锰酸盐指数等5项指标评价湖泊营养状态[24,26];欧盟水框架指令针对湖泊综合考虑物理、化学和生物因素选取了浮游植物、其他水生植物、底栖无脊椎动物和鱼类动物组成与丰度、换水周期、水深变化、透明度、溶解氧、盐度、酸化状态等18项评价指标[23];美国环境保护局推荐选取生物群落状况、电导率、pH值、营养盐、叶绿素a浓度和透明度等作为湖泊水环境评价指标[22,28];联合国水机制在评价指标SDG 6.3.2(环境水质良好的水体比例)时针对湖泊选取了溶解氧、电导率、总氧化氮、正磷酸盐和pH值等5个核心水质参数作为评价指标[11,29]。此外,相关湖泊、流域管理部门针对具体湖泊也选取了更为符合实际情况的评价指标,例如我国水利部太湖流域管理局综合考虑生态完整性和社会服务功能选取了湖泊水位变化幅度、溶解氧水质状况、耗氧量有机污染物状况、富营养状况、浮游植物数量、大型水生植被覆盖度和水资源开发利用率等18项指标[30,31];巢湖管理局综合考虑水文水资源、水质、水华状况以及生物要素,选取了水资源开发利用率、湖岸植被覆盖度、湖泊面积萎缩比例、综合营养状态指数、水华程度和规模等22项指标[32]。
综上所述,对于水环境质量评价指标选取及评价体系构建研究较多且已有很多成熟的评价体系,然而这些评价指标与评价体系严重依赖于统计数据和野外实测数据。因此,在统计数据与野外测量数据缺失的情况下已有评价体系难以继续评估水环境质量。
3 遥感大数据与SDGs支撑的“美丽湖泊”综合评价体系
3.1 评价指标选取
本文以我国《河湖健康评估技术导则(征求意见稿)》[27]、《地表水环境质量评价办法(试行)》[26]和国外相关方法与标准[11,21,22,28]为基础,遵循指标选取的科学性、客观性、适用性、合理性、针对性和数据可得性等原则,综合考虑人类活动、水质、生物和水文等方面,在结合统计数据、野外实测数据和遥感数据等地球大数据的基础上提出了面向SDGs的“美丽湖泊”综合评价指标体系(表3和图1),该指标体系包括采砂等级、综合营养状态指数、水体透明度、叶绿素a浓度、藻蓝素浓度、悬浮物浓度、有色可溶性有机物(CDOM)、总氮、总磷、蓝藻水华面积、蓝藻水华风险性、蓝藻水华持续时间、水生植被面积、藻草湖区比例、湖泊面积和换水周期等16个评价指标。
表 3 “美丽湖泊”综合评价指标体系
Table 3
要素层 | 指标层 | 数据源 | 更新频率与方法 | 阈值确定方法 |
---|---|---|---|---|
人类活动要素 | 采砂等级 | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 |
综合营养状态指数 | 各省、市环境监测部门水质监测数据/ 野外实测数据 | 逐月更新 | 规范标准类比法 | |
水质要素 | 透明度 | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 |
叶绿素a浓度 | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 | |
藻蓝素浓度 | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 | |
悬浮物浓度 | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 | |
CDOM | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 | |
总磷 | 各省、市环境监测部门水质监测数据/ 野外实测数据 | 逐月更新 | 规范标准类比法 | |
总氮 | 各省、市环境监测部门水质监测数据/ 野外实测数据 | 逐月更新 | 规范标准类比法 | |
生物要素 | 蓝藻水华面积 | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 |
蓝藻水华风险性 | 遥感数据 | 晴好天气逐日更新 | 参照状态法、频度分析法 | |
蓝藻水华持续时间 | 遥感数据 | 每年更新 | 参照状态法、频度分析法 | |
水生植被面积 | 遥感数据 | 逐月更新 | 参照状态法、频度分析法 | |
草、藻湖区比例 | 遥感数据 | 逐月更新 | 参照状态法、频度分析法 | |
水文要素 | 湖泊面积 | 遥感数据 | 逐月更新 | 参照状态法、频度分析法 |
换水周期 | 统计数据 | 每年更新 | 规范标准类比法 |
图 1
3.2 综合评价体系
3.2.1 指标阈值确定
阈值是生态系统的特性、功能多个稳态之间存在的临界值[41],通常有“上限”、“下限”和“范围”3种类型[29]。阈值确定通常有参照状态法、频度分析法、规范标准类比法等[42]:通常受人类活动干扰较小的历史时期通常水环境质量较好,可作为水环境质量评价的参照状态,参照状态法即将对应历史时期指标测量值作为该评价指标阈值;频度分析法基于统计分析,运用小概率事件思想,借助两倍标准差的范围等具有统计学意义值来划定指标阈值;规范标准类比法是参考或者借鉴已有的标准、规范和研究成果等确定指标阈值,如《地表水环境质量标准》[24]等。在指标阈值确定时不一定使用单一的某种方法,可综合参照状态法、规范标准类比法和频度分析法等多种方式共同确定评价指标阈值(表3)。
3.2.2 水环境质量分类
在指标阈值确定的基础上,计算评价指标达标率(cwq),计算方法如下[29]:
其中:cwq为评价指标达标率,即达标的评价指标数量占所有评价指标数量的比例,cwq在0(最差)到100 %(最好)之间;nc为达标的评价指标数量;nm为所有评价指标总数。联合国水机制定义评价指标达标率(cwq)在80%以上的水体为水环境质量良好的水体[29],即当某一水体cwq≥ 80 %时,则该水体为水环境质量良好的水体,否则水环境质量为差。
3.2.3 水环境质量良好比例计算
最后,基于水环境质量分类结果计算区域水环境质量良好水体数量占所有水体数量的比例(WBGQ),计算方法如下[29]:
其中:WBGQ为水环境质量良好的水体比例,WBGQ在0(最差)到100 %(最好)之间;ng为水环境质量良好的水体数量;nt为水体总数。
综上,本文从人类活动、水质、生物和水文等方面选取了“美丽湖泊”水环境质量评价指标,并给出了评价指标阈值确定的可用方法,最终构建了“美丽湖泊”水环境质量综合评价体系。该评价体系有机地集成了统计数据、野外实测数据和遥感数据等地球大数据,简单易行,可从不同时间和空间尺度评价区域水环境质量,为美丽中国评价特别是水环境质量评价部分提供可靠的技术参考,有助于支持国家和地方政府知情决策以改进水质管理措施。
4 结 语
本文以联合国可持续发展目标SDG 6.3.2为导向,在充分利用统计数据、野外实测数据和卫星遥感数据等地球大数据的基础上,构建了“美丽湖泊”综合评价体系。该评价体系相比于传统评价体系更为经济、快捷,可以实现大区域、高时空分辨率的湖泊水环境质量评价,有助于提高我国在联合国2030年可持续发展议程框架下对水环境质量评价认识,推进美丽中国全景评价。未来,本研究将面向“美丽湖泊”综合评价指标体系需要,充分利用数据挖掘、人工智能和机器学习等相关技术方法,综合统计数据、野外实测数据和卫星遥感数据等地球大数据,产出适用于不同时空尺度“美丽湖泊”评价的大数据产品。
参考文献
Remote Sensing of Inland Waters: Challenges, Progress and Future Directions
[J]. ,
中国水资源现状评价和供需发展趋势分析
[M].
Two-Decade Reconstruction of Algal Blooms in China’s Lake Taihu
[J]. ,
Climate-and Human-induced Changes in Suspended Particulate Matter over Lake Hongze on Short and Long Timescales
[J]. ,
Integration Framework and Key Technology of Big Earth Data for SDGs and Beautiful China Evaluation
[J].
面向SDGs和美丽中国评价的地球大数据集成框架与关键技术
[J].,
Progresson Sustainable City Assessment Index System for SDGs
[J].
面向SDGs的城市可持续发展评价指标体系进展研究
[J]. ,
Physical Water Scarcity Metrics for Monitoring Progress Towards SDG Target 6.4 : An Evaluation of Indicator 6.4.2 “Level of Water Stress”
[J]. ,
Progress on Ambient Water Quality 2018 Piloting the Monitoring Methodology and Initial Fndings for SDG Indicator 6.3.2
[R],
A Current Review of Empirical Procedures of Remote Sensing in Inland and Near-coastal Transitional Saters
[J]. ,
Mapping Lake CDOM by Satellite Remote Sensing
[J]. ,
Trophic State Assessment of Global Inland Waters Using a MODIS-derived Forel-Ule Index
[J]. ,
Variability of Particulate Organic Carbon in Inland Waters Observed from MODIS Aqua imagery
[J]. ,
IOCCG Report Number 17, 2018 Earth Observations in Support of Global Water Quality Monitoring
[R].
A Water Quality Index-Do We Dare?
[J]. ,
Application of GWQI to Assess Effect of Land Use Change on Groundwater Quality in Lower Shiwaliks of Punjab: Remote Sensing and GIS based Approach
[J]. ,
Evaluation of Water Quality Using Water Quality Index(WQI) Method and GIS in Aksu River (SW-Turkey)
[J]. ,
Application and Testing of the Water Quality Index of the Canadian Council of Ministers of the Environment in Selected Water Bodies in Atlantic Canada
[R].
U.S. Environmental Protection Agency (USEPA). Water Quality Standards [S]. Washington, D.C.: EPA Office of Water, Office of Science and Technology, 2013
.
Guidelines for Drinking-Water Quality[S]. Geneva, Switzerland, World Health Organization, 2008
.
Guidance for 2006 Assessment, Listing and Reporting Requirements Pursuant to Sections 303(d), 305(b) and 314 of the Clean Water Act [S]. Washington, D.C.: EPA Office of Wetlands, Oceans and Watersheds, 2005
.
The Health Status Report of Taihu Lake(2017)
[R].
太湖健康状况报告(2017)
[R].
Water Paper of Chaohu Lake Health Signs(2017)
[R].
巢湖健康体征白皮书(2017)
[R]. ,
Use of the Water Quality Index and Dissolved Oxygen Deficit as Simple Indicators of Watersheds Pollution
[J]. ,
Oregon Water Quality Index: A Tool for Evaluating Water Quality Management Effectiveness
[J]. ,
Use of Water Quality Indices to Verify the Impact of Cordoba City (Argentina) on Suquia River
[J]. ,
Using Fuzzy Theory and Variable Weights for Water Quality Evaluation in Poyang Lake, China
[J]. ,
Water Quality Evaluation based on Improved Fuzzy Matter-element Method
[J]. ,
Assessment of Water Quality of Polluted Lake Using Multivariate Statistical Techniques: A Case Study
[J].,
Multivariate Statistical Analysis of Temporal-spatial Variations in Water Quality of a Constructed Wetland Purification System in a Typical Park in Beijing,China
[J]. ,
Assessment of Reservoir Water Auality Using Multivariate Statistical Techniques: A Case Study of Qiandao Lake, China
[J]. ,
Thresholds and Breakpoints in Ecosystems with a Multiplicity of Stable States
[J]. ,
/
〈 | 〉 |