適用于多種衛(wèi)星數(shù)據(jù)的太湖水體漫衰減系數(shù)估算算法*

沈 明，段洪濤，曹志剛，薛 坤，馬榮華

(1:中國(guó)科學(xué)院南京地理與湖泊研究所中國(guó)科學(xué)院流域地理學(xué)重點(diǎn)實(shí)驗(yàn)室，南京 210008)(2:中國(guó)科學(xué)院大學(xué)，北京 100049)

適用于多種衛(wèi)星數(shù)據(jù)的太湖水體漫衰減系數(shù)估算算法*

沈 明1,2，段洪濤1**，曹志剛1,2，薛 坤1，馬榮華1

(1:中國(guó)科學(xué)院南京地理與湖泊研究所中國(guó)科學(xué)院流域地理學(xué)重點(diǎn)實(shí)驗(yàn)室，南京 210008)(2:中國(guó)科學(xué)院大學(xué)，北京 100049)

下行漫衰減系數(shù)(Kd)是描述水下光場(chǎng)的重要參數(shù)，決定水體真光層深度，影響著浮游藻類初級(jí)生產(chǎn)力及其分布特征. 基于2008-2013年太湖4次大規(guī)模野外試驗(yàn)數(shù)據(jù)，分析太湖水體漫衰減系數(shù)特征及其影響因素，建立適用于多種衛(wèi)星數(shù)據(jù)且較高精度的太湖水體490 nm處下行漫衰減系數(shù)估算模型. 結(jié)果表明：無(wú)機(jī)懸浮物是太湖水體漫衰減系數(shù)的主要影響因素；紅綠波段比值(674 nm/555 nm)最適合于太湖Kd(490)估算，模型反演精度較高(N=72，R2=0.72，RMSE=0.89 m-1，MAPE=21.58%)；利用實(shí)測(cè)光譜數(shù)據(jù)，模擬得到MODIS/EOS、OLCI/Sentinel-3、GOCI/COMS和MSI/Sentinel-2等主要傳感器波段的信號(hào)，構(gòu)建適用于多種衛(wèi)星傳感器Kd(490)估算的紅綠波段模型，建模精度較高(N=72，R2>0.7，RMSE<0.9 m-1，MAPE<22.0%)，且進(jìn)行了驗(yàn)證(N=37，R2>0.7，RMSE<0.9 m-1，MAPE<22.0%).

太湖；漫衰減系數(shù)；遙感反射率

太陽(yáng)光進(jìn)入水體后，受到水體中的懸浮顆粒物、浮游植物和有色可溶性有機(jī)物(CDOM)等水體組分吸收和散射作用的影響，下行輻照度隨深度呈接近指數(shù)式的衰減. 表征下行輻照度在水體中衰減的參數(shù)稱為下行漫衰減系數(shù)(Downwelling diffuse attenuation coefficient,Kd)(下文簡(jiǎn)稱漫衰減系數(shù)). 漫衰減系數(shù)是表觀光學(xué)量，由水體各組分吸收和后向散射、入射光場(chǎng)環(huán)境和水深等因素共同決定[1-2]；但由于環(huán)境光場(chǎng)影響通常較小，主要由水體吸收和散射等固有光學(xué)特性決定，因此，漫衰減系數(shù)也常被作為“準(zhǔn)固有光學(xué)量”[3]. 實(shí)際上，深度z處的光場(chǎng)強(qiáng)度受水體表面至深度z處光輻射傳輸?shù)木C合影響而不僅是深度z處的光束衰減，因此通常使用的漫衰減系數(shù)是一定水層內(nèi)的垂直平均值[4]. 漫衰減系數(shù)對(duì)指示水生態(tài)系統(tǒng)中生態(tài)過(guò)程和生物地球化學(xué)循環(huán)功能的潛在變化具有重要作用[5]，在水體渾濁度[6]、輸沙和底泥再懸浮[7-8]、上層水體熱量傳輸[9-10]、浮游植物光合作用[11-12]和自然水體初級(jí)凈生產(chǎn)力[13-14]等研究中發(fā)揮著重要作用.

相較于常規(guī)測(cè)量方法，衛(wèi)星遙感是大范圍獲取漫衰減系數(shù)最為省時(shí)、有效和快速的方法；實(shí)際上490 nm處下行漫衰減系數(shù)Kd(490)是最為常用的水色遙感標(biāo)準(zhǔn)產(chǎn)品之一[15]. 目前，對(duì)水體漫衰減系數(shù)遙感估算算法已有大量研究，主要集中在大洋水體，可以歸納為3類：(1)類型I：構(gòu)建漫衰減系數(shù)與葉綠素a濃度的經(jīng)驗(yàn)關(guān)系[16]，這是因?yàn)榇笱螈耦愃w漫衰減系數(shù)主要受浮游植物的影響；(2)類型Ⅱ：以輻射傳輸理論為核心的半分析算法，構(gòu)建Kd(490)與水體固有光學(xué)特性、邊界條件(如太陽(yáng)高度角和水面狀況等)之間的關(guān)系[4,17-20]；(3)類型Ⅲ：構(gòu)建Kd(490)與離水輻亮度Lw、遙感反射率(Remote Sensing Reflectance，Rrs)等表觀光學(xué)量的統(tǒng)計(jì)關(guān)系[15,21-23]. 但在中國(guó)近岸海域及內(nèi)陸湖泊水體，Kd(490)經(jīng)常在10 m-1以上[24-26]，葉綠素a、無(wú)機(jī)懸浮物、CDOM在不同水域不同季節(jié)對(duì)光衰減的貢獻(xiàn)差別很大，而且在這些水域大氣校正也存在較大的不確定性. 通過(guò)大洋一類水體建立的類型Ⅰ和類型Ⅱ應(yīng)用到這些水域時(shí)會(huì)產(chǎn)生較大誤差；而類型Ⅲ簡(jiǎn)單易于構(gòu)建，是目前在渾濁水體中應(yīng)用較多的Kd(490)遙感估算方法[27].

事實(shí)上，針對(duì)近海和內(nèi)陸Ⅱ類水體光學(xué)特性，國(guó)內(nèi)外學(xué)者基于統(tǒng)計(jì)關(guān)系對(duì)Kd(490)遙感估算進(jìn)行了大量研究. 王曉梅等[28]針對(duì)黃東海Ⅱ類水體光學(xué)特性，利用Rrs(555)+Rrs(670)并結(jié)合Rrs(490)/Rrs(555)的反演模式建立了Kd(490)估算算法；崔廷偉等[22]利用渤海近岸水體生物光學(xué)數(shù)據(jù)集建立了Kd(490)估算經(jīng)驗(yàn)算法，并以ENVISAT MERIS數(shù)據(jù)為例進(jìn)行了模型的示范應(yīng)用；樂(lè)成峰等[24]以Rrs(550)、Rrs(675)、Rrs(731)作為自變量建立了秋季太湖水體的Kd(490)估算的多元回歸模型；Zhang等[25]利用MODIS數(shù)據(jù)的859 nm和745 nm通道分別構(gòu)建了太湖水體Kd(PAR)遙感估算的單波段模型. 但由于經(jīng)驗(yàn)?zāi)Ｐ途哂泻艽蟮目臻g和季節(jié)局限性，且針對(duì)不同的衛(wèi)星波段選擇差異較大，目前缺少一種適用于不同衛(wèi)星傳感器數(shù)據(jù)、具有較強(qiáng)普適性的Kd(490)估算模式.

目前MODIS/EOS(2000年至今)是全球海洋和大型內(nèi)陸水體水色遙感主要傳感器之一，空間分辨率為250～1000 m，白天之內(nèi)過(guò)境2次，數(shù)據(jù)獲取較為容易，具有較長(zhǎng)的時(shí)間跨度，可以為大型湖泊水色長(zhǎng)時(shí)間序列觀測(cè)提供數(shù)據(jù)基礎(chǔ). GOCI/CMOS為世界首次發(fā)射的靜止海洋水色傳感器，具有可見(jiàn)光到近紅外8個(gè)波段，空間分辨率為500 m，時(shí)間分辨率較高，可提供8:00-15:00每小時(shí)的遙感影像，是研究大型湖泊水體水質(zhì)參數(shù)動(dòng)態(tài)變化的一個(gè)很好的選擇. MSI/Sentinel-2(2015年12月至今)在可見(jiàn)光到近紅外之間有13個(gè)光譜波段(443～2190 nm)，具有較高的空間分辨率(10、20、60 m)，可以滿足內(nèi)陸水體的遙感探測(cè)需求，具有很好的漫衰減系數(shù)遙感反演的潛力. OLCI/Sentinel-3(2016年10月至今)作為延續(xù)MERIS/ENVISAT進(jìn)行全球海洋水色觀測(cè)的傳感器，擁有更多的光譜波段(21個(gè)，400～1020 nm)和更強(qiáng)的穩(wěn)定性，是未來(lái)水色遙感的重要數(shù)據(jù)源. 這些衛(wèi)星數(shù)據(jù)各有特點(diǎn)，能否針對(duì)這些衛(wèi)星傳感器構(gòu)建一個(gè)具有相對(duì)普適性的Kd(490)遙感算法？

本文結(jié)合2008-2013年太湖4次實(shí)測(cè)數(shù)據(jù)，參考已有的算法研究成果，嘗試構(gòu)建一種相對(duì)普適的、可以適用于多種衛(wèi)星傳感器的高精度Kd(490)遙感估算模型，為將來(lái)從不同時(shí)間和空間尺度分析太湖水體Kd(490)動(dòng)態(tài)變化規(guī)律，揭示太湖水體光生態(tài)環(huán)境特征服務(wù)，具有重要的科學(xué)研究意義和實(shí)用價(jià)值.

1 材料與方法

1.1 研究區(qū)概況

太湖(30°56′～31°34′N，119°54′～120°36′E，圖1)，面積約2338 km2，平均水深約1.9 m，是中國(guó)第三大淡水湖[29]. 近年來(lái)隨著太湖地區(qū)經(jīng)濟(jì)高速發(fā)展，太湖水體水質(zhì)逐漸惡化，富營(yíng)養(yǎng)化嚴(yán)重，藍(lán)藻水華頻繁暴發(fā)[30]. 太湖是典型的內(nèi)陸Ⅱ類水體，光學(xué)特性復(fù)雜，水體漫衰減系數(shù)存在著較大的時(shí)空差異[31-33].

圖1太湖水體實(shí)測(cè)采樣點(diǎn)分布Fig.1 Spatial distribution of sampling sites in Lake Taihu

1.2 數(shù)據(jù)采集和處理

1.2.1 水質(zhì)參數(shù)采樣與分析 2008年10月、2011年1月、2011年5月和2013年3月對(duì)太湖進(jìn)行了4次野外巡測(cè)(圖 1和表1)，采樣時(shí)間通常為9:00～16:30之間，測(cè)量時(shí)天氣晴朗，平均風(fēng)速2.5 m/s左右，現(xiàn)場(chǎng)測(cè)量遙感反射率、水下輻照度和輻亮度、后向散射系數(shù)等；并利用棕色瓶采集表層至30 cm處的水樣用于室內(nèi)化學(xué)分析. 采集得到198組有效樣點(diǎn)數(shù)據(jù)，其中43個(gè)樣點(diǎn)沒(méi)有測(cè)量水下輻照度和輻亮度.

水體遙感反射率使用ASD公司生產(chǎn)的FieldSpec Pro FR便攜式分光輻射光譜儀(波段為350～1050 nm)，采用“水表面以上測(cè)量法”進(jìn)行水面光譜測(cè)量，測(cè)量時(shí)遵守NASA測(cè)量規(guī)范[34-35]. 水面以下光譜數(shù)據(jù)用德國(guó)Trios水下光譜儀采集，該儀器具有3個(gè)探頭，位于同一深度，可同時(shí)測(cè)量上行輻亮度Lu(λ,z)、上行輻照度Eu(λ,z)和下行輻照度Ed(λ,z)，波段測(cè)量范圍為318～950 nm，光譜分辨率3.3 nm，測(cè)量深度取0.3、0.6、0.9、1.2、1.5 m. 為了盡量減少船體陰影帶來(lái)的測(cè)量誤差，測(cè)量時(shí)用撐桿將儀器伸出船沿1.5 m左右，并選擇在船向陽(yáng)一側(cè)采集數(shù)據(jù). 總顆粒物的光譜吸收系數(shù)ap(λ)、非色素顆粒物的吸收系數(shù)ad(λ)和色素顆粒物的吸收系數(shù)aph(λ)、有色可溶性有機(jī)物(CDOM)吸收系數(shù)ag(λ)等采用島津UV 2600測(cè)量[34]. 顆粒物的后向散射系數(shù)bbp(λ)采用美國(guó)Hobilabs公司6通道(420、442、470、510、590、700 nm)后向散射系數(shù)測(cè)量?jī)xHS-6P現(xiàn)場(chǎng)測(cè)量得到，在進(jìn)行Sigma光路補(bǔ)償后，以510 nm為參考波長(zhǎng)，通過(guò)冪函數(shù)擬合得到400～700 nm處顆粒物的后向散射系數(shù)[34]. 葉綠素a(Chl.a)濃度使用丙酮萃取法和分光光度計(jì)法測(cè)定[30]. 總懸浮物(SPM)濃度、無(wú)機(jī)懸浮物(SPIM)濃度和有機(jī)懸浮物(SPOM)濃度采用稱重法測(cè)定[30].

1.2.2 漫衰減系數(shù)的計(jì)算 水下輻照度在光學(xué)性質(zhì)均一的水體中遵從指數(shù)規(guī)律衰減[5]，通過(guò)對(duì)不同深度處的下行輻照度進(jìn)行指數(shù)回歸得到[4,17]：

Kd(λ)=-[lnEd(λ,z)-lnEd(λ,zc)]/(z-zc)

(1)

式中，Kd(λ)為水深zc～z處的光譜下行平面輻照度平均光譜漫衰減系數(shù)(m-1)，zc為參考水深，z為水深(m)，Ed(λ,z)和Ed(λ,zc)分別為z和zc處的光譜下行平面輻照度(W/(m2·nm). 本文中zc選擇0.3 m，并且只有當(dāng)回歸方程決定系數(shù)R2≥0.97時(shí)認(rèn)為測(cè)量有效，否則認(rèn)為測(cè)量無(wú)效[34].

1.2.3 衛(wèi)星波段遙感反射率重采樣 為構(gòu)建和評(píng)價(jià)適用于不同衛(wèi)星傳感器的Kd(490)反演算法，本文基于MODIS/EOS、OLCI/Sentinel-3、GOCI/COMS和MSI/Sentinel-2等傳感器波段設(shè)置，結(jié)合實(shí)測(cè)遙感反射率(Rrs)和衛(wèi)星光譜響應(yīng)函數(shù)(Spectral response function，SRF)模擬各衛(wèi)星波段遙感反射率[36]：

表1 太湖主要水色參數(shù)濃度與水體光學(xué)特性統(tǒng)計(jì)*

*Ⅰ、Ⅱ、Ⅲ和Ⅳ分別指2008年10月(N=106)、2011年1月(N=17)、2011年5月(N=49)和2013年3月(N=26).

(2)

式中，Rrs,satellite(λ)為以中心波長(zhǎng)表示的模擬的衛(wèi)星波段遙感反射率，Rrs(λ)為波長(zhǎng)λ處實(shí)測(cè)光譜遙感反射率，SRFsatellite(λ)為波長(zhǎng)λ處衛(wèi)星光譜響應(yīng)函數(shù)值(圖2).

圖2 不同Kd(490)值下水體遙感反射率平均光譜及MODIS、OLCI、GOCI、MSI衛(wèi)星光譜響應(yīng)函數(shù)Fig.2 Average remote sensing reflectance spectrum in different ranges of Kd(490) and the SRF of MODIS, OLCI, GOCI and MSI

1.3 模型精度評(píng)價(jià)

在對(duì)模型估算值和實(shí)測(cè)值進(jìn)行驗(yàn)證和比較時(shí)，采用3個(gè)指標(biāo)評(píng)價(jià)模型性能，主要包括模型擬合決定系數(shù)R2、平均絕對(duì)誤差百分比(mean absolute percentage error，MAPE)和均方根誤差(root mean square error，RMSE). 其中：

(3)

(4)

式中，N為樣點(diǎn)數(shù)，Kd(490)m為實(shí)測(cè)Kd(490)值，Kd(490)e為估算Kd(490)值.

2 結(jié)果與分析

2.1 太湖水體漫衰減系數(shù)特性分析

2.1.1 太湖水體Kd(λ)光譜特征 太湖水體漫衰減系數(shù)光譜Kd(λ)呈現(xiàn)出明顯的Ⅱ類水體光譜特征，從藍(lán)光波段到紅光波段數(shù)值逐漸減小，700 nm波段后數(shù)值增加，750 nm左右最高，隨后下降，810 nm出現(xiàn)低值，之后再次增加(圖 3a). 在藍(lán)光波段440 nm處，水體Kd(λ)范圍在1.13～9.68 m-1之間，平均值為5.83±2.08 m-1；在綠光波段555 nm處，水體Kd(λ)范圍在0.53～5.82 m-1之間，平均值為3.07±1.28 m-1；在紅光波段675 nm處，水體Kd(λ)范圍在0.90～5.31 m-1之間，平均值為3.09±1.02 m-1. 400～550 nm波段，由于受顆粒物吸收系數(shù)控制，Kd(λ)隨波長(zhǎng)增加呈現(xiàn)指數(shù)式衰減；但其中部分樣點(diǎn)在440 nm處由于受浮游植物色素吸收的影響形成一個(gè)峰值(圖3b)；之后直到700 nm左右水體Kd(λ)變化不大，只是在675 nm附近受浮游植物色素的吸收影響形成一個(gè)較小的峰值(圖3b). 在700～900 nm范圍內(nèi)，由于水體各組分吸收系數(shù)和后向散射系數(shù)都遠(yuǎn)小于純水的吸收系數(shù)，水體光束衰減主要由純水吸收導(dǎo)致，水體Kd(λ)呈現(xiàn)與純水吸收系數(shù)相似的光譜特征[24].

圖3 太湖水體漫衰減系數(shù)光譜曲線(a), 太湖水體不同組分吸收系數(shù)和后向散射系數(shù)均值光譜曲線(b)Fig.3 Spectral curves of diffuse attenuation coefficient in Lake Taihu(a);The mean curves of absorption coefficients and backscattering coefficients for different components(b)

2.1.2 太湖水色組分與Kd(490)的關(guān)系 漫衰減系數(shù)大小主要由純水、水中顆粒物和溶解物質(zhì)濃度共同決定，其中純水影響水體漫衰減系數(shù)的本底值，而其變化主要來(lái)源于SPIM、SPOM、Chl.a和CDOM等的影響[37]. 分析Kd(490)與主要水色參數(shù)相關(guān)關(guān)系(圖4)，結(jié)果顯示除了黃色物質(zhì)ag(440)之外(P>0.1)，均存在顯著的統(tǒng)計(jì)相關(guān)性(P<0.001)；需要注意的是，Kd(490)與SPIM相關(guān)系數(shù)在四者中最高(r=0.84)，這表明太湖水體Kd(490)主要由無(wú)機(jī)懸浮物控制，這是由于太湖水體懸浮物以無(wú)機(jī)懸浮物為主，對(duì)光的衰減占主導(dǎo)地位；Kd(490)與SPOM的相關(guān)系數(shù)(r=0.46)略高于其與Chl.a的相關(guān)系數(shù)(r=0.44)，這表明有機(jī)懸浮物與浮游植物色素不是影響水下光照衰減和分布的首要因子，但有機(jī)懸浮物對(duì)水下光照衰減的影響略大于浮游植物色素的影響，這是因?yàn)橐环矫嬗袡C(jī)懸浮物本身就包括浮游植物及其色素，另一方面Chl.a對(duì)光的衰減主要集中在其吸收峰光譜波段而在490 nm處對(duì)光衰減影響較小. 進(jìn)一步分析發(fā)現(xiàn)(圖5)，Kd(490)與ad(490)和bbp(490)同樣存在顯著的統(tǒng)計(jì)相關(guān)性(r均為0.93，P<0.001)，而ad(490)和bbp(490)主要受SPIM影響(r分別為0.82、0.80，P<0.001)，這表明無(wú)機(jī)懸浮物的吸收和散射是Kd(490)的主要影響因子. 綜上所述，自然光在太湖水體中的衰減主要是水體無(wú)機(jī)懸浮物的吸收和散射所致，其次是有機(jī)懸浮物、浮游植物色素的影響，CDOM的影響較小.

圖4 Kd(490)與SPIM(a)、SPOM(b)、Chl.a(c)和CDOM(d)關(guān)系的散點(diǎn)圖Fig.4 The relationships between Kd(490) and four bio-optical parameters of the water:SPIM(a), SPOM(b), Chl.a(c) and CDOM(d)

2.2 基于實(shí)測(cè)光譜的Kd(490)估算算法探究

2008-2013年期間4次野外巡測(cè)共采集得到198組樣點(diǎn)數(shù)據(jù)，其中43個(gè)樣點(diǎn)沒(méi)有測(cè)量水下輻照度和輻亮度，剔除Kd測(cè)量無(wú)效樣點(diǎn)后(R2<0.97)，剩余109個(gè)樣點(diǎn)可以用于漫衰減系數(shù)模型分析. 將這些數(shù)據(jù)隨機(jī)分為兩組，其中2/3樣點(diǎn)(N=72)用于模型建立，其余1/3(N=37)用于模型驗(yàn)證.

結(jié)合實(shí)測(cè)光譜數(shù)據(jù)，參考現(xiàn)有的常用Kd(490)估算算法，綜合考慮MODIS/EOS、OLCI/Sentinel-3、GOCI/COMS和MSI/Sentinel-2等傳感器波段設(shè)置，利用72組測(cè)試數(shù)據(jù)率定了12個(gè)Kd(490)估算算法模型系數(shù)并對(duì)反演結(jié)果進(jìn)行了比較(9個(gè)經(jīng)驗(yàn)算法、3個(gè)半分析算法，表2)，用于確定適用于太湖水體Kd(490)的遙感估算算法.

經(jīng)驗(yàn)算法包括單波段、波段比值和波段組合模型. 由于太湖水體Kd(490)受無(wú)機(jī)懸浮物影響較大，而隨著波長(zhǎng)向紅光、近紅外波段的增加Rrs更能突出懸浮物特征信息[38]. 單波段模型(模型1～2)利用近紅外波段(745、859 nm波段)Rrs分別構(gòu)建Kd(490)遙感估算模型[25]，結(jié)果2個(gè)單波段模型精度都較低(R2<0.6，RMSE>1.1 m-1，MAPE>27%). 波段比值模型(模型3～5)[20,23]將大洋一類水體常用藍(lán)綠波段比值模型擴(kuò)展到藍(lán)紅(490 nm/620 nm)、紅藍(lán)(674 nm/490 nm)、紅綠(674 nm/555 nm)等波段比值，紅藍(lán)、紅綠波段比值相比單波段模型效果有明顯提升，特別是紅綠波段比值(R2=0.72，RMSE=0.89 m-1，MAPE=21.58%)，這是因?yàn)闊o(wú)機(jī)懸浮物是太湖水體漫衰減系數(shù)的主要影響因素，555、674 nm波段Rrs足以反映水體總懸浮信息[39-40]，

圖5 Kd(490)與bbp(490)(a)、ad(490)(b)關(guān)系；SPIM與bbp(490)(c)、ad(490)(d)關(guān)系Fig.5 The relationships between Kd(490) and bbp(490)(a) or ad(490)(b)；The relationships between SPIM and bbp(490)(c) or ad(490)(d)

并且，比值形式可以減小水體中非懸浮物(主要為CDOM)的影響. 波段組合模型(模型6～9)[22,24,28,41]中，模型6主要是將與Kd(490)相關(guān)性較好的波段(745、555、674 nm)作為自變量建立Kd(490)的遙感估算模型；模型7～9在大洋一類水體常用藍(lán)綠波段比值基礎(chǔ)上引入了能夠反映渾濁水體信號(hào)變化信息的波段和、比值、差等波段組合形式；最終結(jié)果模型6和8估算精度較高(R2>0.70，RMSE<0.90 m-1，MAPE<23.0%).

半分析算法是在數(shù)值求解輻射傳輸模型的基礎(chǔ)上，通過(guò)求解a和bb，建立漫衰減系數(shù)的半分析模型[4,17-20]. 模型10利用準(zhǔn)分析算法(multiband quasi-analytical algorithm，QAA) 反演水體吸收和后向散射系數(shù)，結(jié)合半分析模型得到Kd(490)；模型11在模型10的基礎(chǔ)上進(jìn)行簡(jiǎn)化，利用bb(490)和709 nm處輻照度比R(709)良好的線性關(guān)系得到490 nm處總吸收系數(shù)和總后向散射系數(shù)；模型12以bb(490)和670 nm處輻照度比R(670)的線性關(guān)系為基礎(chǔ)反演了490 nm處的吸收和后向散射系數(shù). 結(jié)果表明3個(gè)半分析模型精度都不高(R2<0.65，RMSE>1.1 m-1，MAPE>25.0%)，這主要是由于這些算法中的經(jīng)驗(yàn)步驟不適用于光學(xué)特性復(fù)雜的內(nèi)陸II類水體，使得固有光學(xué)量的反演出現(xiàn)了較大的誤差(a(490)估算R2<0.6，RMSE>0.6 m-1，MAPE>25.0%；bb(490)估算R2<0.7，RMSE>0.2 m-1，MAPE>25.0%)，該誤差最終傳遞給要反演的Kd(490)，導(dǎo)致估算結(jié)果精度低于經(jīng)驗(yàn)?zāi)Ｐ?

綜上所述，紅綠波段比值(模型5)、波段組合模型6、8等3種模型均適用于太湖水體Kd(490)遙感估算. 考慮衛(wèi)星實(shí)際應(yīng)用時(shí)，波段組合模型形式較為復(fù)雜，而且模型8中引入了內(nèi)陸水體大氣校正精度存在較大的不確定性的藍(lán)光波段(490 nm)，因此，不推薦用于內(nèi)陸湖泊水體Kd(490)衛(wèi)星遙感估算. 紅綠波段比值(674 nm/555 nm)模型相對(duì)輸入波段更少，模型復(fù)雜度更低，簡(jiǎn)單易行，因此，推薦紅綠波段比值(674 nm/555 nm)模型作為太湖水體Kd(490)的遙感估算模型. 此外，波段比值形式在一定程度上可以消除環(huán)境因素的干擾[34,42-43]，還可以減少大氣校正的影響[44].

2.3 衛(wèi)星傳感器的估算模型系數(shù)率定與算法驗(yàn)證

基于實(shí)測(cè)光譜的模型探究結(jié)果表明，紅綠波段比值(674 nm/555 nm)對(duì)于太湖水體的Kd(490)估算精度較高且簡(jiǎn)單易行，因此被采用作為衛(wèi)星估算的基礎(chǔ). 但是，由于波段設(shè)置和光譜響應(yīng)函數(shù)的差異，不同傳感器在紅綠波段處的遙感反射率有所差異；因此，需要針對(duì)不同傳感器波段設(shè)置選擇Kd(490)估算模型建模波段，并重新率定模型系數(shù). 在建模波段選擇時(shí)，綜合考慮模型波段需求與傳感器波段設(shè)置，分別選擇MODIS/EOS中心波長(zhǎng)678、551 nm波段，GOCI/COMS中心波長(zhǎng)680、555 nm波段，OLCI/ Sentinel-3中心波長(zhǎng)673.75、560 nm波段，以及MSI/Sentinel-2中心波長(zhǎng)665、560波段作為Kd(490)估算模型建模波段，基于模擬的各衛(wèi)星波段遙感反射率Rrs,satellite重新率定了模型系數(shù)(表3). 可以看出，不同衛(wèi)星傳感器Kd(490)遙感估算模型精度均較高(圖6a，N=72，R2>0.7，RMSE<0.9 m-1，MAPE<22.0%)，并且驗(yàn)證結(jié)果較好(圖6b，N=37，R2>0.7，RMSE<0.9 m-1，MAPE<22.0%). 模型估算值與實(shí)測(cè)值基本都分布在1∶1線附近(圖6)，整體都沒(méi)有明顯的高估或者低估現(xiàn)象，結(jié)果表明該模型可以用于多種衛(wèi)星傳感器數(shù)據(jù)的太湖水體Kd(490)遙感估算.

表3 不同傳感器Kd(490)遙感估算建模波段與模型系數(shù)

圖6 Kd(490)反演結(jié)果與驗(yàn)證：建模數(shù)據(jù)集(a)；驗(yàn)證數(shù)據(jù)集(b)Fig.6 Red-green ratio algorithm for estimating Kd(490) using simulated satellite sensors using in-situ Rrs in Lake Taihu: calibration(a)； validation(b)

3 結(jié)論

以太湖實(shí)測(cè)數(shù)據(jù)為基礎(chǔ)，通過(guò)分析發(fā)現(xiàn)太湖水體漫衰減系數(shù)光譜Kd(λ)受純水、水中顆粒物和溶解物質(zhì)濃度影響呈現(xiàn)出明顯的二類水體光譜特征，并且太湖水體水下光照衰減和分布主要受無(wú)機(jī)懸浮物的吸收和散射控制，其次是有機(jī)懸浮物、浮游植物色素的影響，CDOM的影響較小. 基于實(shí)測(cè)光譜的Kd(490)估算算法探究發(fā)現(xiàn)紅綠波段的波段比值精度較高，適用性強(qiáng)，且其在一定程度上可以減少大氣校正的影響和環(huán)境因素的干擾；因此，推薦紅綠波段比值模型作為Kd(490)遙感估算模型(具體參數(shù)見(jiàn)表3)：

Kd(490)=a[Rrs(Red)/Rrs(Green)]+b

(5)

該模型反演精度較高，驗(yàn)證結(jié)果表明模型適用性較強(qiáng)，可應(yīng)用到水色衛(wèi)星上實(shí)現(xiàn)太湖水體Kd(490)的衛(wèi)星遙感監(jiān)測(cè)與研究，為太湖水體水質(zhì)評(píng)價(jià)與生態(tài)修復(fù)提供基礎(chǔ)資料. 另外，未來(lái)工作將Kd(490)估算模型實(shí)際應(yīng)用到水色衛(wèi)星數(shù)據(jù)上(MODIS/EOS、GOCI/COMS、OLCI/Sentinel 3和MSI/Sentinel 2等)，并揭示其時(shí)空分布.

致謝：感謝國(guó)家科技基礎(chǔ)條件平臺(tái)——國(guó)家地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺(tái)——湖泊—流域科學(xué)數(shù)據(jù)中心(http://lake.geodata.cn)提供數(shù)據(jù)支撐；感謝王點(diǎn)、梁其椿、張壹萱、房旭等在野外數(shù)據(jù)采集中的辛勤工作.

[1] Gordon HR, Brown OB, Jacobs MM. Computed relationships between the inherent and apparent optical properties of a flat homogeneous ocean.AppliedOptics, 1975,14(2): 417-427. DOI:10.1364/AO.14.000417.

[2] Gordon HR. Dependence of the diffuse reflectance of natural waters on the sun angle.LimnologyandOceanography, 1989,34(8): 1484-1489. DOI:10.4319/lo.1989.34.8.1484.

[3] Baker KS, Smith RC. Quasi-inherent characteristics of the diffuse attenuation coefficient for irradiance.ProceedingsofSPIE, 1980,2: 60-63. DOI:10.1117/12.958264.

[4] Lee ZP, Du KP, Arnone R. A model for the diffuse attenuation coefficient of downwelling irradiance.JournalofGeophysicalResearch:Oceans, 2005,110(C2): 93-106. DOI:10.1029/2004JC002275.

[5] Mobely CD. Light and water: radiative transfer in natural waters. New York: Academic Press, 1994.

[6] Kirk J. Monte Carlo study of the nature of the underwater light field in, and the relationships between optical properties of, turbid yellow waters.MarineandFreshwaterResearch, 1981,32(4): 517-532. DOI:10.1071/MF9810517.

[7] Majozi NP, Salama MS, Bernard Setal. Remote sensing of euphotic depth in shallow tropical inland waters of Lake Naivasha using MERIS data.RemoteSensingofEnvironment, 2014,148(148): 178-189. DOI:10.1016/j.rse.2014.03.025.

[8] Ma R, Tang J, Dai Jetal. Absorption and scattering properties of water body in Taihu Lake, China: absorption.InternationalJournalofRemoteSensing, 2006,27(19): 4277-4304. DOI:10.1080/01431160600851835.

[9] Stramska M, Zuzewicz A. Influence of the parametrization of water optical properties on the modelled sea surface temperature in the Baltic Sea.Oceanologia, 2013,55(1): 53-76. DOI:10.5697/oc.55-1.053.

[10] Wu Y, Tang CC, Sathyendranath Setal. The impact of bio-optical heating on the properties of the upper ocean: A sensitivity study using a 3-D circulation model for the Labrador Sea.DeepSeaResearchPartII:TopicalStudiesinOceanography, 2007,54(23): 2630-2642. DOI:10.1016/j.dsr2.2007.08.019.

[11] Loiselle SA, Bracchini L, Cózar Aetal. Variability in photobleaching yields and their related impacts on optical conditions in subtropical lakes.JournalofPhotochemistryandPhotobiologyB:Biology, 2009,95(2): 129-137. DOI:10.1016/j.jphotobiol.2009.02.002.

[12] Mcclain CR, Arrigo K, Tai KSetal. Observations and simulations of physical and biological processes at ocean weather station P, 1951-1980.JournalofGeophysicalResearch:Oceans, 1996,101(C2): 3697-3713. DOI:10.1029/95JC03052.

[13] Bergamino N, Horion S, Stenuite Setal. Spatio-temporal dynamics of phytoplankton and primary production in Lake Tanganyika using a MODIS based bio-optical time series.RemoteSensingofEnvironment, 2010,114(4): 772-780. DOI:10.1016/j.rse.2009.11.013.

[14] Lee Z, Lance VP, Shang Setal. An assessment of optical properties and primary production derived from remote sensing in the Southern Ocean (SO GasEx).JournalofGeophysicalResearch:Oceans, 2011,116(C4): 111-121. DOI:10.1029/2010JC006747.

[15] Austin R, Petzold TJ. The determination of the diffuse attenuation coefficient of sea water using the Coastal Zone Color Scanner//Oceanography from space. Boston: Springer, 1981: 239-256. DOI:10.1007/978-1-4613-3315-9_29.

[16] Morel A, Huot Y, Gentili Betal. Examining the consistency of products derived from various ocean color sensors in open ocean (Case 1) waters in the perspective of a multi-sensor approach.RemoteSensingofEnvironment, 2007,111(1): 69-88. DOI:10.1016/j.rse.2007.03.012.

[17] Lee ZP, Darecki M, Carder KLetal. Diffuse attenuation coefficient of downwelling irradiance: An evaluation of remote sensing methods.JournalofGeophysicalResearch:Oceans, 2005,110(C2): 93-106. DOI:10.1029/2004JC002573.

[18] Lee Z, Hu C, Shang Setal. Penetration of UV-visible solar radiation in the global oceans: Insights from ocean color remote sensing.JournalofGeophysicalResearch:Oceans, 2013,118(9): 4241-4255. DOI:10.1002/jgrc.20308.

[19] Doron M, Babin M, Mangin Aetal. Estimation of light penetration, and horizontal and vertical visibility in oceanic and coastal waters from surface reflectance.JournalofGeophysicalResearch:Oceans, 2007,112(C6): 137-154. DOI:10.1029/2006JC004007.

[20] Wang M, Son S, Hardinf LW. Retrieval of diffuse attenuation coefficient in the Chesapeake Bay and turbid ocean regions for satellite ocean color applications.JournalofGeophysicalResearch:Oceans, 2009,114(C10): 244-254. DOI:10.1029/2009JC005286.

[21] Mueller JL. SeaWiFS algorithm for the diffuse attenuation coefficient, K(490), using water-leaving radiances at 490 and 555 nm,Chapter 3 of SeaWiFS Postlaunch Calibration and Validation Analyses, Part 3. NASA TM-2000-206892, Vol. 11. Greenbelt M D: NASA GSFC, 24-27.

[22] Cui Tingwei, Zhang Jie, Ma Yietal. Remote sensing retrieval model for the diffuse attenuation coefficientKd(490) of Bohai Sea.JournalofRemoteSensing, 2009,13(3): 411-422. [崔廷偉, 張杰, 馬毅等. 渤海近岸水體漫衰減系數(shù)Kd(490)遙感反演模型. 遙感學(xué)報(bào), 2009,13(3): 411-422.]

[23] Krater S, Brockmann C, Moore G. Using MERIS full resolution data to monitor coastal waters—A case study from Himmerfj?rden, a fjord-like bay in the northwestern Baltic Sea.RemoteSensingofEnvironment, 2008,112(5): 2284-2300. DOI:10.1016/j.rse.2007.10.006.

[24] Le Chengfeng, Lee Yunmei, Zha Yongetal. Optical properties and rem ote sensing retrieval model of diffuse attenuation coefficient of Taihu Lake water body.ChineseJournalofAppliedEcology, 2009,20(2): 337-343. [樂(lè)成峰, 李云梅, 查勇等. 太湖水體漫射衰減系數(shù)的光學(xué)特性及其遙感反演模型. 應(yīng)用生態(tài)學(xué)報(bào), 2009,20(2): 337-343.]

[25] Zhang Y, Liu X, Yin Yetal. A simple optical model to estimate diffuse attenuation coefficient of photosynthetically active radiation in an extremely turbid lake from surface reflectance.OpticsExpress, 2012,20(18): 20482-20493. DOI:10.1364/OE.20.020482.

[26] Qiu Z, Wu T, Su Y. Retrieval of diffuse attenuation coefficient in the China seas from surface reflectance.OpticsExpress, 2013,21(13): 15287-15297. DOI:10.1364/OE.21.015287.

[27] Xi H, Zhang Y. Total suspended matter observation in the Pearl River estuary from in situ and MERIS data.EnvironmentalMonitoring&Assessment, 2011,177(1-4): 563-574. DOI:10.1007/s10661-010-1657-3.

[28] Wang Xiaomei, Tang Junwu, Ding Jingetal. The retrieval algorithms of diffuse attenuation and transparency for the Case-Ⅱ waters of the Huanghai Sea and the East China Sea.ActaOceanologicaSinica, 2005,27(5): 38-45. [王曉梅, 唐軍武, 丁靜等. 黃海, 東海二類水體漫衰減系數(shù)與透明度反演模式研究. 海洋學(xué)報(bào), 2005,27(5): 38-45.]

[29] Wang Sumin, Dou Hongshen eds. Chinese lakes. Beijing: Science Press, 1998. [王蘇民, 竇鴻身. 中國(guó)湖泊志. 北京: 科學(xué)出版社, 1998.]

[30] Duan H, Feng L, Ma Retal. Variability of particulate organic carbon in inland waters observed from MODIS Aqua imagery.EnvironmentalResearchLetters, 2014,9(8): 084011. DOI:10.1088/1748-9326/9/8/084011.

[31] Ma R, Jiang G, Duan Hetal. Effective upwelling irradiance depths in turbid waters: A spectral analysis of origins and fate.OpticsExpress, 2011,19(8): 7127-7138. DOI:10.1364/OE.19.007127.

[32] Ma R, Duan H, Lv Cetal. Unusual links between inherent and apparent optical properties in shallow lakes, the case of Taihu Lake.Hydrobiologia, 2011,667(1): 149-158. DOI:10.1007/s10750-011-0646-z.

[33] Shi K, Zhang Y, Liu Xetal. Remote sensing of diffuse attenuation coefficient of photosynthetically active radiation in Lake Taihu using MERIS data.RemoteSensingofEnvironment, 2014,140(44): 365-377. DOI:10.1016/j.rse.2013.09.013.

[34] Ma Ronghua, Duan Hongtao, Tang Junwuetaleds. Remote sensing of lake environment. Beijing: Science Press, 2010. [馬榮華, 段洪濤, 唐軍武等. 湖泊水環(huán)境遙感. 北京: 科學(xué)出版, 2010.]

[35] Tang Junwu, Tian Guoliang, Wang Xiaoyongetal. The methods of water spectra measurement and analysis Ⅰ: Above-Water Method.JournalofRemoteSensing, 2004,8(1): 37-44. [唐軍武, 田國(guó)良, 汪小勇等. 水體光譜測(cè)量與分析Ⅰ: 水面以上測(cè)量法. 遙感學(xué)報(bào), 2004,8(1): 37-44.]

[36] Xue K, Zhang Y, Duan Hetal. A remote sensing approach to estimate vertical profile classes of phytoplankton in a eutrophic lake.RemoteSensing, 2015,7(11): 14403-14427. DOI:10.3390/rs71114403.

[37] Zhang Yunlin, Qin Boqiang, Chen Minweietal. Regression analysis of beam attenuation coefficient under water in Lake Taihu.OceanologiaetLimnologiaSinica, 2004,35(3): 209-213. [張運(yùn)林, 秦伯強(qiáng), 陳偉民等. 太湖水體光學(xué)衰減系數(shù)的特征及參數(shù)化. 海洋與湖沼, 2004,35(3): 209-213.]

[38] Sun Deyong, Lee Yunmei, Wang Qiaoetal. Study on remote sensing estimation of suspended matter concentration based on in situ hyperspectral data in Lake Tai waters.JournalofInfraredandMillimeterWaves, 2009,28(2): 124-128. [孫德勇, 李云梅, 王橋等. 基于實(shí)測(cè)高光譜的太湖水體懸浮物濃度遙感估算研究. 紅外與毫米波學(xué)報(bào), 2009,28(2): 124-128.]

[39] Tang Junwu, Ding Jing, Tian Jiweietal. Neural network models for the retrieval of chlorophyll, total suspended matter, and gelbstoff concentrations of case-II waters in Yellow Sea and East China Sea.ChineseHighTechnologyLetters, 2005,15(3): 83-88. [唐軍武, 丁靜, 田紀(jì)偉等. 黃東海二類水體三要素濃度反演的神經(jīng)網(wǎng)絡(luò)模型.高技術(shù)通訊, 2005,15(3): 83-88.]

[40] Cao Zhigang, Duan Hongtao, Cui Haishanetal. Remote estimation of suspended matters concentrations using VIIRS in Lake Hongze, China.InfraredandMillimeterWaves, 2016,35(4): 462-469. [曹志剛, 段洪濤, 崔海山等. 基于VIIRS數(shù)據(jù)洪澤湖懸浮物濃度估算算法研究. 紅外與毫米波學(xué)報(bào), 2016,35(4): 462-469.]

[41] Hu Lianbo, Zhang Tinglu. A method to derive the diffuse attenuation coefficientKd(490) in the East China Sea.OceanTechnology, 2012,31(4): 60-63. [胡連波, 張亭祿. 一種東中國(guó)海水體漫衰減系數(shù)Kd(490)的反演方法. 海洋技術(shù), 2012,31(4): 60-63.]

[42] Lee Suju, Wu Qian, Wang Xuejunetal. Correlations between reflectance spectra and contents of chlorophyll-a in Chaohu Lake.JLakeSci,14(3): 228-234. DOI:10.18307/2002.0306. [李素菊, 吳倩, 王學(xué)軍等. 巢湖浮游植物葉綠素含量與反射光譜特征的關(guān)系. 湖泊科學(xué), 2002,14(3): 228-234.]

[43] Koponen S, Pulliainen J, Kallio Ketal. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data.RemoteSensingofEnvironment, 2002,79(1): 51-59. DOI:10.1016/S0034-4257(01)00238-3.

[44] Stramska M, Stramski D. Variability of particulate organic carbon concentration in the north polar Atlantic based on ocean color observations with Sea-viewing Wide Field-of-view Sensor (SeaWiFS).JournalofGeophysicalResearch:Oceans, 2005,110(C10): 423-436. DOI:10.1029/2004JC002762.

RemotesensingestimationalgorithmofdiffuseattenuationcoefficientapplicabletodifferentsatellitedatainLakeTaihu,China

SHEN Ming1,2, DUAN Hongtao1**, CAO Zhigang1,2, XUE Kun1& MA Ronghua1

(1:KeyLaboratoryofWatershedGeographicSciences,NanjingInstituteofGeographyandLimnology,ChineseAcademyofSciences,Nanjing210008,P.R.China)(2:UniversityofChineseAcademyofSciences,Beijing100049,P.R.China)

The downwelling diffuse attenuation coefficient (Kd) plays a critical role in underwater light field. It determines the euphotic depth, and affects the distribution characteristics of phytoplankton and primary productivity. Based oninsitudata collected from 4 cruise surveys in Lake Taihu during 2008-2013, both the variations and driving factors ofKdwere analyzed, and an algorithm to estimate downwelling diffuse attenuation coefficient at 490 nm for a variety of satellites’ data was developed and validated. The results show that: (1) suspended particular inorganic matter is the decisive factor ofKdin Lake Taihu；(2) the algorithm of red-green band ratio is the most suitable for estimatingKd(490) in Lake Taihu (N=72,R2=0.72,RMSE=0.89 m-1,MAPE=21.58%)；(3) with the simulated remote sensing reflectance of the main sensor bands such as MODIS/EOS, OLCI/Sentinel-3, GOCI/COMS and MSI/Sentinel-2, the red-green ratio algorithm to estimateKd(490) was established for a variety of remote sensing sensors(N=72，R2>0.7，RMSE<0.9 m-1，MAPE<22.0%), and the validation was good as well(N=37，R2>0.7，RMSE<0.9 m-1，MAPE<22.0%).

Lake Taihu； diffuse attenuation coefficient； remote sensing reflectance

*江蘇省杰出青年基金項(xiàng)目(BK20160049)、國(guó)家自然科學(xué)基金項(xiàng)目(41671358，41431176)和中國(guó)科學(xué)院青年創(chuàng)新促進(jìn)會(huì)項(xiàng)目(2012238)聯(lián)合資助. 2017-01-25收稿； 2017-03-20收修改稿. 沈明(1993～)，男，碩士研究生；E-mail： shm9306@163.com.

**通信作者；E-mail： htduan@niglas.ac.cn.