© 2014年。出版社：Elsevier B.V.信息工程研究院负责评选和同行评议可在www.sciencedirect.com在线获取ScienceDirectIERI Procedia 9（2014）26 - 322014年环境系统科学与工程尼日利亚西南部植被光谱特征评价奥莫达尼西湖O. a*、萨拉米A. T. Ba* 空间应用环境科学实验室生态环境研究Obafemi Awolowo大学，Ile-Ife，Osun State，尼日利亚。estherdanisi@gmail.com;+2348054853454b生态环境研究所空间应用环境科学实验室主任Obafemi Awolowo大学，Ile-Ife，Osun State，尼日利亚。ayobasalami@yahoo.com;+2348033761041摘要本研究评估了尼日利亚西南部拉各斯州和奥贡州溢油对植被造成的压力。利用当地人提供的信息和精确度为± 5米的全球定位系统在现场确定了受漏油影响区域的位置，随后在2009年和2011年的5米分辨率RapidEye卫星图像上确定了这些位置。使用分析光谱设备（ASD）手持式2光谱仪收集现场光谱。结果显示，受影响的和对照的光谱测量不同。然后使用指数区分应力较小的植被和应力较大的植被，在拉各斯州的F比为4.825（p 0.01）和3.194（p 0.01），在奥贡州为4.564（p 0.01）和2.731（p 0.1），这些指数在统计学上较高。结果表明，溢油污染改变了受影响植被的光谱特征。版权所有© 2014作者.出版社：Elsevier B.V. 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。信息工程研究院负责评选和同行评议关键词：石油;污染;植被;胁迫;反射率1. 介绍2212-6678 © 2014作者出版社：Elsevier B.V. 这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/3.0/）。信息工程研究所负责的选择和同行评审E.O. Omodanisi和A.T. Salami / IERI Procedia 9（2014）2627石油泄漏对生态系统的污染令人极为关切。它有能力破坏生态系统。[1]观察到烃类渗漏影响烃类渗漏周围的土壤和植被。根据[2]，由于石油的生产和运输过程，石油可以泄漏到沿海地区和陆地上，导致水体、空气和土地受到污染。此外，[3]指出，严重的石油泄漏可能会产生毁灭性的影响，因为河流系统的多样性，从漂浮的草地到沼泽森林，从牛轭湖到沙洲，都会受到影响。红树林植被是沿海地区常见的植物物种，受溢油污染后，植被会受到多方面的压力。据[4]报道，红树林压力的明显迹象通常发生在石油泄漏事件的前两周内，这些迹象可以通过多种方式看到，如褪绿和落叶到树木死亡。澳大利亚在1992年Era泄漏事件后进行的先前研究发现了一系列一致的红树林反应，包括树叶染色、褪绿、树叶死亡和完全落叶;红树林受损程度、从泄漏损害中恢复的程度和受损程度之间存在相关性[5]。在光谱反射率测量中，反射光可以测量为整个电磁光谱上不同波长的入射光的百分比。光谱范围从宇宙，伽马，X射线，紫外线，可见光，近红外线，远红外线，微波和长无线电波长。叶片的反射率由其表面特性、内部解剖结构和生化含量决定[6]。因此，本研究的重点是评估光谱特征的光谱反射的污染和未污染的植被从溢油。2. 材料和方法本研究区（图1）位于拉各斯州的Amuwo-Odofin地方政府区和奥贡州的Obafemi- Owode地方政府区（图1），位于尼日利亚西南部，北纬6°22 '00”和6°36'00“，东经2 ° 44 ' 00”和3 ° 26 ' 00“。2012年，在拉各斯州和奥贡州的三个已确定的30 m × 30 m受影响区域进行了实地调查，并绘制了地图（图2）。每个州的控制区都建立在远离但垂直于石油泄漏源管道的未受干扰的植被区。（一）28E.O. Omodanisi和A.T. Salami / IERI Procedia 9（2014）26（b）第（1）款图1（a）研究区域地图;（b）已确定的受影响区域这些领域的光谱反射率和相对叶绿素含量存在于植被叶片中，使用光谱分析装置（ASD）现场手持2光谱仪，波长范围为325-1075 nm，精度为±1 nm，分辨率为3 nm，在700 nm。传感器A1.5具有10°视场的100米长的光纤，保持在植物表面上方约1米处。每隔10分钟，对White SpectralonPanel进行参考测量，用于仪器的内部校准。样带中的每个光谱是10个样本的平均值，而五个样带测量值被平均为每个地块的单个测量值，以补偿由于不同的叶片角度引起的反射率差异[7]。光谱测量是在早上阳光明媚的天气。由于叶色素是可见光和近红外波长反射率的重要决定因素，因此使用了一些植被多光谱（表1）来估计其含量或健康状况。这些植被指数通过对比红色强烈的叶绿素色素反射率和近红外多重散射的高反射率来运作[8]。表1本研究植被指数参考公式归一化植被指数（NDVI）（波段4-波段3）/（波段4+波段3）波长：805/658[9]第一章RedEdge归一化植被指数（NIR-RedEdge）/（NIR+RedEdge）[10个国家](NDVIRedEdge）比率植被指数（RVI）750/705RVI= NIR/红色805/658[第十一届]土壤调整植被指数（SAVI）（（NIR-红色）/（NIR+红色+L））（1+L）[12个]L=0.5。 850/657Vogelmann红边指数1VOG1= R740/R720[13个国家]R-反射率E.O. Omodanisi和A.T. Salami / IERI Procedia 9（2014）2629图像研究涉及2009年和2011年覆盖拉各斯州和奥贡州的5米分辨率的RapidEye图像。Rapid Eye在五个不同的光谱带中采集图像数据;每个光谱带的几何像素分辨率（或地面采样距离，GSD）为6.5米（在最低点），波长为440 nm - 850 nm，光谱的可见光和近红外区域。采集并处理这些图像，以在ENVI 4.7软件中进行辐射测量。在分析RapidEye图像时，使用三种植被指数NDVI、RVI和RedEdge分别从Red、RedEdge和NIR波段的中点波长657 nm、710 nm和850 nm进行测量计算。由于地面测量是30 m × 30 m，在识别的目标内选择估计的6个像素（图2）。在每个像素中进行测量，并取平均值以获得每个图的代表性测量。 虽然获取原位和图像测量数据的条件略有不同，但可以进行科学比较。此外，为了比较图像和实地数据并确保测量标准，通过平均中间点对实地数据进行了重新采样，以匹配卫星传感器带宽。3. 结果在2012年进行的实地研究中，六个受影响地块的总面积为5，400平方米，对照地块为1，800平方米。对全部8个样地中的植被的光谱测量被提取到来自可见光的658 nm、685 nm、705 nm、720 nm、740 nm、750 nm、805 nm和850 nm的最佳波段波长内，红边和NIR被用于评估其光谱的变化（表2）。用Spearman秩相关检验分析了光谱指数与叶绿素含量的关系。结果表明，所有指数都具有某种形式的正统计相关性;然而，在拉各斯的B区和奥贡州的B区和C区，只有相关系数为0.5或更高的指数p>0.01（表3）。此外，从斯皮尔曼的相关性的结果（RedEdge和VOG1）的最高出现的光谱指数被选中，并在方差分析（ANOVA）中使用，以找出是否有任何显着差异，压力较小，健康的植被或是否能够区分相对健康的相对不健康的植被。结果返回的最佳比例，显着不同的压力较小（对照）和更多的压力（影响）的地块。RedEdge和VOG1指数的F比率为4.825，Lagos的RedEdge指数分别为3.194（p 0.01），而Ogun的RedEdge指数为4.564（p 0.01），VOG1的RedEdge指数为2.731（p 0.1）。表2 2012拉各斯NDVIRVIRedEdgeNDVIVOG1OSAVI绘制0.4451842.6047990.3468241.7756870.402115B地块0.4545312.666570.3264751.8296690.413583图C0.603954.0498720.4546622.0456960.68518控制0.787928.4303830.551612.2104851.037248奥贡绘制0.85676512.963050.6771582.9520311.197078B地块0.8120489.6410190.6324672.7938481.091589图C0.82540110.454840.5963762.6908331.133354控制0.87383814.852680.695972.9494981.20386830E.O. Omodanisi和A.T. Salami / IERI Procedia 9（2014）26表3田间叶绿素含量与各指标的Spearman秩相关分析，p>0.01，相关系数ρ。指数Rho指数Rho拉各斯-图AOGUN-图ARedEdge NDVI0.31OSAVI0.37VOG1图B0.31VOG1图B0.31NDVI0.49RedEdge NDVI0.71RVI0.49NDVI0.66OSAVI0.49RV10.66图COSAVI0.6RedEdge NDVI0.43图CVOG10.43NDVI0.77RVI0.77RedEdge NDVI0.6OSAVI0.6VOG10.83注：仅列出图像光谱测量显示，2009年至2011年，拉各斯州和奥贡州的叶绿素含量普遍下降。还观察到，与奥贡相比，拉各斯从2009年图像到2011年图像的指数变化（负）的总体百分比率更高（表4）。这表明，有更多的光谱变化的植被拉各斯相比，奥贡。由于波段指数与叶绿素含量之间存在正相关关系，因此采用方差分析确定受影响地块中叶绿素含量与污染水平之间的关系。结果表明，不同污染水平与叶绿素含量有直接关系，在p0.001时达到极显著水平。表4同一波长下2009年图像到2011年图像的图像测量值和变化率LAGOS 2009LAGOS2011率变化%REDEDGEREDEDGE变化变化百分比变化百分比NDVIRVINDVINDVIRVINDVINDVIRVIRedEdge NDVI绘制0.5636683.5836640.5615070.5192393.1600750.277951-7.88201-11.82-50.499B地块0.6972745.6066350.4361150.410162.3907480.194492-41.1767-57.3586-55.4035图C0.7426226.7706670.4467240.3980072.3222960.160507-46.4052-65.7006-64.0701控制0.782178.1814810.6296570.5795163.7564260.352408-25.9092-54.0862-44.0318OGUN 2009 OGUN 2011变化率%REDEDGEREDEDGE变化变化百分比变化百分比NDVIRVINDVINDVIRVINDVINDVIRVIRedEdge NDVI绘制0.7609317.3657820.3022160.6394054.5463920.28086-15.9707-38.2769-7.06669B地块0.7961058.8089550.3880530.7256846.2908650.348621-8.84564-28.5856-10.1613图C0.780688.1191140.3734770.7074615.8366890.346928-9.37896-28.1117-7.10855控制0.8048929.2507290.5417880.7931988.6710880.46395-1.45285-6.2659-14.3669图2（a）显示了与2012年相比，2009年整个地块所有指数的百分比变化率为负。这表明，2009年至2012年，拉各斯所有三个指数的植被叶绿素含量都有所减少。而图2（b）显示，只有在奥贡州，A区和对照区的NDVI和RVI指数有正的变化率。E.O. Omodanisi和A.T. Salami / IERI Procedia 9（2014）2631（一）（b）第（1）款图2（a）拉各斯2009年至2012年的变化率;（b）奥贡2009年至2012年的变化率4. 讨论和结论本研究调查了光谱的变化，从波长的反射率测量选择的波段在可见光，红色，RedEdge和近红外线的污染和未污染的植被叶绿素含量的估计。研究结果表明，污染样地和对照样地的植被光谱反射率测量值存在变化。受溢油污染的地块价值较低，可能是因为植物叶片中的色素决定了植物的反射率，因此不同色素的浓度与其生理有直接关系。这与[14]和[15]的发现一致，他们报告说，色素含量可以与反射率数据统计相关，并用于自动和客观的植物监测、植物状况、生物量和色素。从现场和图像数据分析的结果，有变化的光谱指标最敏感的叶绿素含量之间的地块和控制在拉各斯和奥贡州。此外，据观察，拉各斯的植被（更多的红树林）比奥贡的污染更严重。这可能是由于位置。拉各斯位于沿海地区，与内陆的奥贡州相比，水可以很容易地将污染物输送到植被中。这一发现与[16]一致，他指出每个沿海生态系统对污染的敏感性不同。总之，这项研究表明，溢油污染改变了植被的光谱，可靠地测量反射光谱在沿海和内陆地区。32E.O. Omodanisi和A.T. Salami / IERI Procedia 9（2014）26确认对空间应用环境科学实验室（SPAEL）和生态基金办公室购买仪器和使用的图像深表感谢。引用[1] M.，Noomen，F. van der Meer和A.斯基德莫尔高光谱遥感探测三种烃类气体对玉米反射率的影响。第31届环境遥感国际研讨会论文集：可持续性和安全的全球监测，俄罗斯圣彼得堡。2005.[2] I.格雷热带雨林动物网（2011年11月2日查阅）。[3] R. A.管家石油开采：对雨林石油生产的影响。http://rainforests.mongabay.com/0806.htm的网站。（2011年11月2日查阅）。[4] Geo-Marine公司波多黎各罗斯福路海军基地JP-5燃料泄漏的自然资源损害评估。最后报告草稿。诺福克：海军设施工程司令部大西洋分部司令。2000年，第58页。[5] J.A.，沃德罗普湾Wagstaff，P. Pfennig，J. Leeder，and R.康纳利受“时代”号漏油影响的红树林中石油碳氢化合物的分布、持久性和影响（1992年9月）：第一阶段最后报告。阿德莱德：南澳大利亚环境和自然资源部环境保护局办公室。1996[6] J. A Gamon和J. S.用反射仪测定叶片色素含量和活性。新植物学家1999，143：105-117.[7] 圣，Sandmeier和D. W.迪林使用ASAS航空高光谱BRDF数据对北方森林的结构分析和分类。环境遥感。1999年，69，281[8] C. D. Elvidge和Z.尘宽波段与窄波段红、近红外植被指数的比较。环境遥感。（1995），54，（1）38-48.[9] R.D. Jackson. n空间光谱指数，环境遥感。1983年，第13页。409-421[10] D. Haboudan，J.R.，米勒，N.，Tremblay，P.J. Zarco-Tejada和L.，Dextraze。精确农业中作物叶绿素含量预测的综合窄带植被指数。环境遥感。2002，81（2），pp. 416-426.[11] P.J.塞勒斯。冠层反射率、光合作用和蒸腾作用。国际遥感杂志6：1335-1372。[12] A. R. Huete。土壤调整植被指数（SAVI）。环境遥感。1988，25，（3）295-309.[13] J. E.福格尔曼湾N. Rock和D. M.莫斯糖枫叶红边光谱测量。国际遥感杂志。1993，14，1563-1575。[14] P. J. Zarco-Tejada，J. C.，从冠层导数反射和双峰红边效应进行荧光检测的稳态叶绿素。环境遥感。2003，84，（2）283-294.[15] A. Jarocinska和B. Zagaski，用于分析广泛使用的农业地区植被状况的遥感工具。华沙大学，KKrakowskie Przedmiescie 2006，30，00-927华沙，波兰。[16] P. R. Epstein，and J. Selber.石油，其健康和环境影响的生命周期分析。哈佛医学院健康与全球环境中心。波士顿，2002年。
我的内容管理
展开
