基于環(huán)境小衛(wèi)星CCD數(shù)據(jù)對太湖地區(qū)葉綠素a濃度的反演

史鵬輝　李云格　姜寒

摘 要：針對我國湖泊水體富營養(yǎng)化監(jiān)測問題，以太湖為研究對象，使用了快速、低成本、大范圍的遙感技術(shù)反演太湖水體中的葉綠素a含量。以環(huán)境小衛(wèi)星CCD數(shù)據(jù)和實(shí)測數(shù)據(jù)為研究基礎(chǔ)，使用波段比值法建立了5種葉綠素a濃度回歸模型。結(jié)果表明：多項(xiàng)式反演模型具有最佳的擬合效果，其相關(guān)系數(shù)R=0.8845;對該反演模型進(jìn)行合理性驗(yàn)證，并將其運(yùn)用在太湖地區(qū)，最終反演了該水域的葉綠素a濃度。這表明波段比值法構(gòu)建的多項(xiàng)式反演模型可以較為準(zhǔn)確地反演出太湖地區(qū)的葉綠素a濃度值。

關(guān)鍵詞：遙感;葉綠素a;反演模型;波段比值法;CCD

中圖分類號 X832;TP79? 文獻(xiàn)標(biāo)識碼 A文章編號 1007-7731（2021）17-0030-04

The Inversion of Chlorophyll a Concentration in Taihu Lake Region Based on Environment Small Satellite CCD Data

SHI Penghui et al.

（College of Water Resources and Architectural Engineering，Northwest A&F University，Yangling 712100，China）

Abstract： Aiming at the problem of eutrophication monitoring of lake water in China， this paper takes Taihu Lake as an example and uses rapid， low-cost and wide-scale remote sensing technology to retrieve chlorophyll a content in Taihu Lake water body. On the basis of the CCD data and measured data of environmental small satellites， five regression models of chlorophyll a concentration were established by band ratio method. Among them， polynomial inversion model has the best fitting effect， and its correlation coefficient R=0.8845. After that， the rationality of the inversion model is verified and applied to Taihu Lake area， and the chlorophyll a concentration in this water area is finally retrieved. As a result， the polynomial inversion model constructed by band ratio method can accurately reverse the chlorophyll a concentration in Taihu Lake area.

Key words： Remote sensing; Chlorophyll-a; Inversion modelling; Wave band ratio method;CCD

由于人口的增長和工農(nóng)業(yè)生產(chǎn)的發(fā)展，湖泊的富營養(yǎng)化問題日漸凸顯。葉綠素a作為評估湖泊富營養(yǎng)化狀況的主要物質(zhì)，通過測定其在水體中的含量，可以了解湖泊的富營養(yǎng)化情況[1]。因此，對于水體污染監(jiān)測而言，如何能夠較為準(zhǔn)確地獲得水體葉綠素a濃度值顯得至關(guān)重要。目前普遍使用的水質(zhì)監(jiān)測方法需要對水質(zhì)采樣并對其進(jìn)行化學(xué)分析。這既耗費(fèi)時(shí)間和精力，并且還受到天氣條件和水利狀況等方面的影響，因此監(jiān)測精度難以保證。同時(shí)，由于采樣點(diǎn)的選取具有一定的局限，檢測結(jié)果很難反映出全區(qū)域的水質(zhì)狀況[2]，使得其無法滿足較大面積水質(zhì)監(jiān)測的需要。遙感技術(shù)對地物監(jiān)測速度快、成本低、范圍廣，在對水體水質(zhì)監(jiān)測方面具有獨(dú)特的優(yōu)勢，因此可以運(yùn)用遙感技術(shù)，通過葉綠素a含量和水體光譜反射率間的聯(lián)系，反演水體的葉綠素a濃度。這對水體水質(zhì)的高頻次、大范圍和實(shí)時(shí)監(jiān)測具有重要的科學(xué)價(jià)值和現(xiàn)實(shí)意義。

在將遙感技術(shù)應(yīng)用于葉綠素a濃度的監(jiān)測等方面，國內(nèi)外學(xué)者作了很多研究。朱冰川等[3]基于GOCI數(shù)據(jù)建立了太湖葉綠素a濃度的三波段反演模型，使用歸一化植被覆蓋指數(shù)（NDVI）對水體的藍(lán)藻水華進(jìn)行監(jiān)測，并評估了水體的富營養(yǎng)化程度;張明慧等[4]利用MODIS時(shí)間序列影像數(shù)據(jù)，反演了福建海岸附近不同時(shí)期的葉綠素a含量，并對反演結(jié)果進(jìn)行了分析;Teng Zhang等[5]比較了葉綠素a和多個(gè)波段反射率間的相關(guān)性，確定了葉綠素a的反演波段，并將其輸入到支持向量機(jī)（SVM）模型中，建立了一個(gè)良好的評價(jià)模型;Ryan McEliece等[6]基于UAV多光譜影像，通過2個(gè)不同波段計(jì)算的反射比和指數(shù)估算葉綠素a濃度和濁度的可能性;董丹丹等[7]以巢湖為研究對象，通過擬合MODIS數(shù)據(jù)和實(shí)地監(jiān)測數(shù)據(jù)，反演了水體葉綠素a信息;馬蘭等[8]以向海濕地水體為研究對象，利用Landsat-OLI數(shù)據(jù)，采用回歸分析的方法，建立并篩選出了葉綠素a含量最佳反演模型。筆者以太湖為研究對象，利用環(huán)境小衛(wèi)星CCD數(shù)據(jù)與水質(zhì)實(shí)測資料，反演太湖水體中的葉綠素a濃度，以期為太湖富營養(yǎng)化問題的進(jìn)一步治理、預(yù)警水華暴發(fā)以及水質(zhì)監(jiān)測提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況 太湖地處我國江蘇省南部，跨江蘇、浙江2省，位于無錫、湖州、宜興與蘇州之間（119°52′32″～120°36′10″E、30°55′40″～31°32′58″N），面積約為2300km2，是中國第三大淡水湖泊，入湖河流較多，湖區(qū)水深較淺[9]。其西及西南多為丘陵和山地，其東多平原、水網(wǎng)。近年來，隨著沿岸人口的增長和產(chǎn)業(yè)的發(fā)展，湖泊所受污染增加，湖水的富營養(yǎng)化問題越來越嚴(yán)重[10]，經(jīng)常發(fā)生綠色“水華”。

1.2 數(shù)據(jù)來源 作為中國首顆專門用于環(huán)境及災(zāi)害監(jiān)測預(yù)報(bào)的小型衛(wèi)星，環(huán)境小衛(wèi)星上載有多光譜相機(jī)，具有寬覆蓋、短周期、全天候等優(yōu)點(diǎn)，能夠提供多波段光學(xué)遙感信息，具有大范圍、高光譜遙感能力。它能夠監(jiān)測出水體的細(xì)微變化，提高了反演精度，也可以對水體進(jìn)行大范圍、全天候、實(shí)時(shí)動態(tài)監(jiān)測[11]?；诃h(huán)境小衛(wèi)星CCD數(shù)據(jù)，通過遙感技術(shù)對太湖區(qū)域葉綠素a濃度進(jìn)行反演可以較大程度上提高水質(zhì)監(jiān)測的效率[12]，同時(shí)也滿足大面積水質(zhì)檢測的需求。本研究以該衛(wèi)星的CCD數(shù)據(jù)作為研究基礎(chǔ)，所選用的數(shù)據(jù)來源于環(huán)保部衛(wèi)星環(huán)境應(yīng)用中心。由于湖泊中葉綠素a濃度會隨季節(jié)發(fā)生變化，并且與其他季節(jié)相比，其在夏秋2季即6—11月間偏高，因此選擇這一時(shí)間段內(nèi)天氣狀況良好的數(shù)據(jù)作為數(shù)據(jù)源，其影像質(zhì)量受其他因素影響較小。

1.3 數(shù)據(jù)預(yù)處理 在反演葉綠素a濃度之前，依據(jù)該衛(wèi)星數(shù)據(jù)的特點(diǎn)以及葉綠素a含量反演的條件，要進(jìn)行數(shù)據(jù)的預(yù)處理，以便之后構(gòu)建反演模型。預(yù)處理的內(nèi)容包括數(shù)據(jù)讀取、輻射定標(biāo)、幾何校正、大氣校正、太湖區(qū)域裁剪，具體操作流程見圖2。

2 結(jié)果與分析

2.1 反演模型構(gòu)建 當(dāng)前使用遙感手段對水體葉綠素a濃度進(jìn)行反演有很多模型，但總體上看主要有經(jīng)驗(yàn)?zāi)Ｐ头?、半?jīng)驗(yàn)?zāi)Ｐ头ê头治瞿Ｐ头?種。若使用波段比值分析，則可以在一定程度上降低大氣狀況、水面反射以及水體中污染物質(zhì)的干擾，能大大提高模型反演的精度。此外，選擇多波段比值，能夠增加吸收谷和反射峰間的差別，從而更好地獲取葉綠素a濃度數(shù)據(jù)，因此采用經(jīng)驗(yàn)?zāi)Ｐ椭械牟ǘ伪戎捣ㄟM(jìn)行模型構(gòu)建。對各個(gè)波段進(jìn)行組合，以期篩選出進(jìn)行葉綠素a濃度反演的最佳波段比值。通過比較發(fā)現(xiàn)，大部分的波段組合與葉綠素a濃度值的相關(guān)性不是很理想，但與第3、4波段的比值有較好的相關(guān)性，故選擇第3、4波段進(jìn)行組合，得到對應(yīng)點(diǎn)的反射率因子R4/R3。結(jié)合實(shí)測數(shù)據(jù)，隨機(jī)選取25個(gè)采樣點(diǎn)用于模型構(gòu)建，并建立采樣點(diǎn)與葉綠素a濃度實(shí)測值間一對一關(guān)系。實(shí)測數(shù)據(jù)包含采樣點(diǎn)的經(jīng)度、緯度以及該點(diǎn)處的葉綠素a濃度（表1）。

將R4/R3作為模型的自變量，模型的因變量為實(shí)測的葉綠素a濃度，分別對兩者建立線性、指數(shù)、對數(shù)、多項(xiàng)式、冪5種回歸模型。作散點(diǎn)圖進(jìn)行回歸分析，得到各個(gè)模型反射率因子與其相對應(yīng)的葉綠素a濃度之間的回歸模型（圖3）。

比較5種回歸模型可知，多項(xiàng)式回歸模型的R2系數(shù)最大，其葉綠素a的濃度與反射率因子R4/R3之間的相關(guān)系數(shù)R=0.8845（表2）。同時(shí)，由圖3可知，在多項(xiàng)式回歸模型中，數(shù)據(jù)點(diǎn)在線兩側(cè)分布較均勻，表明該反演模型與葉綠素a濃度實(shí)測值的相關(guān)性較好。因此，多項(xiàng)式回歸模型的擬合效果最好，選其作為太湖葉綠素a濃度的反演模型，建立的反演模型為：

[Cchl-a=-0.0185x2+0.0737x+0.005] （1）

式中，[Cchl-a]為葉綠素a的濃度值，[x]為波段4、3的比值，即R4/R3。

2.2 反演模型驗(yàn)證 為驗(yàn)證波段比值法多項(xiàng)式模型的反演精度，隨機(jī)挑選10個(gè)樣點(diǎn)，通過葉綠素a濃度的預(yù)測值和實(shí)測值的對比，對該模型進(jìn)行驗(yàn)證。由表3可知，此次反演結(jié)果的相對誤差最小為1.11%，最大為17.93%，平均相對誤差為6.35%。由圖4可知，預(yù)測值和實(shí)際值的走勢基本一致（為便于觀察，樣點(diǎn)由1至10，實(shí)測值按由小到大排列），未出現(xiàn)太大偏差。

反演結(jié)果驗(yàn)證表明：經(jīng)驗(yàn)?zāi)Ｐ筒ǘ伪戎捣ǚ囱莸玫降奶w葉綠素a濃度值與對應(yīng)的實(shí)測值大體一致，相對誤差較小，均未超過20%，反演的誤差未超過允許范圍，估算結(jié)果較為準(zhǔn)確，可以滿足當(dāng)前葉綠素a濃度反演的精度要求。根據(jù)所建立的模型，對整個(gè)太湖區(qū)域進(jìn)行葉綠素a濃度的反演，反演結(jié)果如圖5所示。

3 結(jié)論

在分析國內(nèi)外學(xué)者對葉綠素a濃度遙感監(jiān)測已有研究的基礎(chǔ)上，以江蘇省太湖地區(qū)作為研究對象，基于環(huán)境小衛(wèi)星CCD數(shù)據(jù)和野外實(shí)測數(shù)據(jù)，采用經(jīng)驗(yàn)?zāi)Ｐ筒ǘ伪戎捣ü步⒘?種反演模型。通過比較，其中多項(xiàng)式回歸模型的相關(guān)系數(shù)最大，為0.8845，因此選其作為太湖葉綠素a濃度反演的最終模型，并對其進(jìn)行了驗(yàn)證。結(jié)果表明，建立的多項(xiàng)式模型有較好的準(zhǔn)確度，并利用該模型反演出了太湖地區(qū)的葉綠素a濃度。

作者簡介：史鵬輝（1999—），男，河南三門峽人，在讀本科，研究方向：水文與水資源。? 收稿日期：2021-07-01

參考文獻(xiàn)

[1]Gitelson A A，Schalles J F，Hladik C M.Remote chlorophyll-a retrieval in turbid， productive estuaries： Chesapeake Bay case study[J]. Remote Sensing of Environment， 2015， 109（4）：464-472.

[2]胡耀躲，竇同宇，楊波.基于GOCI影像反演湖泊懸浮物和葉綠素a含量的研究述評[J].水資源與水工程學(xué)報(bào)，2017，28（02）：26-32，39.

[3]朱冰川，尤凱，石浚哲，等.基于GOCI數(shù)據(jù)的太湖葉綠素a濃度反演和藍(lán)藻水華遙感監(jiān)測[J].環(huán)境污染與防治，2020，42（08）：1021-1025，1032.

[4]張明慧，蘇華，季博文.MODIS時(shí)序影像的福建近岸葉綠素a濃度反演[J].環(huán)境科學(xué)學(xué)報(bào)，2018，38（12）：4831-4839.

[5]Zhang T . Estimation of Chlorophyll-a Concentration of Lakes Based on SVM Algorithm and Landsat 8 OLI Images[J]. Environmental Science and Pollution Research， 2020， 27（3）：14977-14990.

[6]Mc Eliece R，Hinz S，Guarini J M， et al. Evaluation of Nearshore and Offshore Water Quality Assessment Using UAV Multispectral Imagery[J]. Remote Sensing， 2020， 12（14）：2258.

[7]董丹丹，孫金彥，張曦.應(yīng)用MODIS數(shù)據(jù)監(jiān)測湖泊葉綠素a空間分布[J].安徽農(nóng)學(xué)通報(bào)，2020，26（24）：150-151.

[8]馬蘭，劉吉平.基于Landsat-OLI影像數(shù)據(jù)的向海濕地水體葉綠素a反演模型研究[J].現(xiàn)代農(nóng)村科技，2019（06）：60-62.

[9]陳瑜，李繼影，高昕，等.太湖東部水域浮游硅藻群落特征及其與環(huán)境因子關(guān)系[J].環(huán)境監(jiān)控與預(yù)警，2021，13（02）：44-50.

[10]王根深，王得玉.基于MERIS遙感圖像的太湖葉綠素濃度反演[J].安徽農(nóng)業(yè)科學(xué)，2017，45（30）：71-74.

[11]戴芳筠，聶運(yùn)菊.基于HJ1B-CCD1的太湖葉綠素a含量反演[J].湖北民族學(xué)院學(xué)報(bào)（自然科學(xué)版），2017，35（04）：383-386.

[12]王偉軒，吉長東.基于環(huán)境小衛(wèi)星數(shù)據(jù)反演太湖葉綠素含量[J].測繪與空間地理信息，2018，41（04）：192-195.

（責(zé)編：徐世紅）