王根深　王得玉

摘要以太湖為試驗區(qū)，基于MERIS遙感圖像數(shù)據(jù)以及同步實測的太湖水質(zhì)參數(shù)數(shù)據(jù)，應(yīng)用歸一化葉綠素指數(shù)算法（NDCI），對太湖水體葉綠素a濃度進行反演，得到了太湖區(qū)域的水體葉綠素a反演結(jié)果，并對反演結(jié)果進行了驗證和分析。結(jié)果表明：歸一化葉綠素指數(shù)反演算法能夠精確地反演太湖區(qū)域的葉綠素a濃度值，模型的決定系數(shù)（R2）為0.881 2，反演精度優(yōu)于傳統(tǒng)經(jīng)驗統(tǒng)計模型，可為今后更精確地反演內(nèi)陸水體的葉綠素a濃度提供參考依據(jù)。

關(guān)鍵詞MERIS遙感圖像；葉綠素a；歸一化葉綠素指數(shù)反演算法；太湖

中圖分類號X87文獻標(biāo)識碼

A文章編號0517-6611（2017）30-0071-04

AbstractA novel index，normalized difference chlorophyll index（NDCI） was introduced in this study to invert the chlorophyll a（Chl.a） concentration form MERIS remote sensing image and the data of water quality parameters of Taihu Lake，and the inversion results were verified and analyzed.The inversion results showed that normalized Difference chlorophyll Index could accurately reflect the chlorophyll a concentration in the Taihu Lake， the coefficient of decision was 0.881 2， which was better than traditional empirical model，and provided a reference for the more accurate inversion of chlorophyll a concentration in inland water.

Key wordsMERIS remote sensing image；Chlorophylla；NDCI；Taihu Lake

內(nèi)陸水體，特別是位于經(jīng)濟發(fā)達、人口密集地區(qū)的湖泊和河口，一般受到人類活動影響較大，湖泊水污染和水體富營養(yǎng)程度日益加重。葉綠素a是重要的水色參數(shù)之一，也是評價水體富營養(yǎng)化程度的重要指標(biāo)[1]。通過測定葉綠素a濃度，能夠直接反映水體的營養(yǎng)化程度，這是目前水環(huán)境監(jiān)測中常用并行之有效的方法之一。

遙感技術(shù)的出現(xiàn)和應(yīng)用為水體污染檢測和研究開辟了新的途徑。利用遙感技術(shù)監(jiān)測水體，可快速獲得較為準(zhǔn)確的大面積水體信息及空間分布特征。

目前，利用遙感技術(shù)估算葉綠素a濃度主要有3種方法：經(jīng)驗法、半分析法和分析法。經(jīng)驗方法主要對大量的地面實測數(shù)據(jù)進行統(tǒng)計分析，應(yīng)用簡便，運算快捷。楊偉等[2]驗證了TM二三四波段反演葉綠素a濃度效果較好，但經(jīng)驗方法由于缺乏一定的物理基礎(chǔ)，過多依賴于實測數(shù)據(jù)，有較大的時空限制。分析法以光在水體中的傳輸機理為理論基礎(chǔ)。李云梅等[3]利用Gordon模型對太湖的水體反射波譜進行模擬，并反演水體的葉綠素濃度。但是分析法需要大量準(zhǔn)同步的氣象和水體固有光學(xué)特性等數(shù)據(jù)，而這些數(shù)據(jù)的獲取又很困難，因此，分析法很難在實際中得到應(yīng)用。目前應(yīng)用最廣泛的是半分析法。半分析法通過分析水體組分與固有光學(xué)量、固有光學(xué)量與表觀光學(xué)量之間的關(guān)系來反演水質(zhì)參數(shù)濃度，具有很強的實用性。Gitelson等[4]利用MERIS數(shù)據(jù)和MODIS數(shù)據(jù)驗證了兩波段法、三波段法在渾濁水體中的估算精度；Le等[5]利用半分析法估算了太湖的葉綠素a濃度。

筆者以太湖為研究區(qū)域，利用MERIS遙感數(shù)據(jù)及水面實測數(shù)據(jù)，對太湖葉綠素a濃度的估算方法進一步深入研究，引入一種估算精度高、計算簡單、適用性強的葉綠素a濃度估算方法——歸一化葉綠素指數(shù)法（NDCI），并對該方法進行精度評價。

1研究區(qū)概況

研究區(qū)選擇位于長江三角洲的太湖。太湖是我國第三大淡水湖泊，地處長江三角洲，流域范圍包括江蘇、上海、浙江、安徽等地區(qū)，水資源總量豐富，地勢平坦，土壤肥沃，氣候溫?zé)?，水陸交通方便，是著名的魚米之鄉(xiāng)、旅游勝地，太湖為當(dāng)?shù)亟?jīng)濟發(fā)展提供了良好的條件。太湖水面面積約2 338.1 km2，位于119°52′32″～120°36′10″ E，30°55′40″～31°32′58″ N，區(qū)域位置見圖1。近年來，隨著太湖地區(qū)經(jīng)濟發(fā)展，水體污染嚴(yán)重程度增加，水體富營養(yǎng)化程度日益加重。

2試驗數(shù)據(jù)及預(yù)處理

2.1水面實測數(shù)據(jù)

2004年10月20—29日，在太湖67個測點（圖2）進行了野外測量，測點均勻分布于整個太湖水域，涵蓋了從極度到中度富營養(yǎng)化水體，從渾濁到清澈水體。首先根據(jù)NASA SeaWiFS海洋光學(xué)規(guī)范，測量了水體反射率光譜和水體的后向散射系數(shù)。接著在該采樣點取水樣，帶回實驗室進行相應(yīng)水質(zhì)參數(shù)和水色組分吸收系數(shù)的測量。

2.2衛(wèi)星數(shù)據(jù)獲取

內(nèi)陸水體光學(xué)特性復(fù)雜，對傳感器提出了較高要求，需要較高光譜分辨率、空間分辨率和時間分辨率等[6]。MERIS是搭載在ENVISAT-1上的中等分辨率成像頻譜儀，是目前最具優(yōu)勢的水色傳感器之一，主要用于海洋海岸帶的水色監(jiān)測，具有高時間、高空間、高光譜分辨率及高靈敏度的優(yōu)點。MERIS傳感器在光譜分辨率、水色波段設(shè)置以及輻射靈敏度等方面優(yōu)于SeaWIFS、MODIS。其空間分辨率為300 m，波譜范圍是412～1 050 nm，波譜分辨率范圍為7.5～20.0 nm，有15個波段（390～1 040 nm），覆蓋可見光到近紅外，可以應(yīng)用于復(fù)雜二類水體的監(jiān)測。

MERIS數(shù)據(jù)產(chǎn)品分為3級：Level 1b數(shù)據(jù)（經(jīng)過輻射校正后的大氣層頂輻射亮度）；Level 2b數(shù)據(jù)（經(jīng)過大氣校正后的產(chǎn)品數(shù)據(jù)，主要包括葉綠素濃度、各波段歸一化離水輻射率、氣溶膠輻射等產(chǎn)品信息）；Level 3b數(shù)據(jù)（經(jīng)地理校正及平均后的海洋產(chǎn)品數(shù)據(jù)，分辨率降低）[7]。該研究選用的MERIS遙感數(shù)據(jù)是2004年10月20日衛(wèi)星經(jīng)過太湖境內(nèi)實時數(shù)據(jù)，可用于太湖葉綠素濃度的反演分析。

2.3數(shù)據(jù)預(yù)處理

該研究所選用的MERIS 2b遙感數(shù)據(jù)是在1b數(shù)據(jù)的基礎(chǔ)上經(jīng)過粗略幾何校正和大氣校正后的數(shù)據(jù)，帶有衛(wèi)星方位角、時間信息、經(jīng)緯度信息、太陽方位角和太陽天頂角等附屬信息，圖像較為清晰，但其精度還需要進一步校正。

BEAM軟件是一款開源集成處理遙感柵格數(shù)據(jù)的軟件，由BEAM軟件處理器和經(jīng)過可擴展預(yù)先定義的參數(shù)文件構(gòu)成，還由經(jīng)過幾何校正的二級產(chǎn)品子集處理器組成。該軟件對于MERIS、AATSR、ASAR、MODIS等數(shù)據(jù)格式的處理比其他遙感處理軟件高效。

首先利用BEAM 5.0軟件，對影像進行預(yù)處理，由于MERIS 2b產(chǎn)品已經(jīng)經(jīng)過了輻射能量轉(zhuǎn)換，即將大氣頂層輻射亮度轉(zhuǎn)換為大氣層頂?shù)姆瓷渎?，故無需進行輻射能量轉(zhuǎn)換，可以直接進行其他預(yù)處理流程，流程如下：

（1）輻射校正。輻射校正就是將遙感圖像上的灰度值轉(zhuǎn)化為入瞳輻亮度。該研究采用輻射傳輸模型對數(shù)據(jù)進行輻射校正。

（2）幾何校正。幾何校正是指消除或改正遙感影像幾何誤差的過程。MERIS遙感數(shù)據(jù)的經(jīng)緯度信息存儲在Tie Point Grid中。宋瑜等[8]通過對比使用BEAM軟件中的幾何校正模塊和ENVI軟件中的Georeference MERIS對MERIS數(shù)據(jù)進行幾何校正的結(jié)果，發(fā)現(xiàn)前者的校正精度更好。因此，該研究采用BEAM軟件進行幾何校正，選擇一幅影像作為基準(zhǔn)圖像，將其他影像與基準(zhǔn)圖像進行幾何配準(zhǔn)，幾何校正的同時進行投影轉(zhuǎn)換，所選擇的控制點應(yīng)該盡可能均勻地分布在校正區(qū)域內(nèi)，且數(shù)量要合理，使相同地標(biāo)出現(xiàn)在校正后的圖像相同位置[9]。幾何校正的同時進行重投影轉(zhuǎn)換，坐標(biāo)系為WGS84，經(jīng)緯度投影，采用最近鄰方法重采樣，選擇3次多項式進行校正，目的是提高幾何校正精度。

（3）圖像裁剪。裁剪的目的是將研究區(qū)域之外的圖像去除，按照太湖所在的經(jīng)緯度范圍進行裁剪，使裁剪成的太湖圖像的邊界范圍變成一個矩形。按照太湖所在的經(jīng)緯度范圍進行裁剪，設(shè)置數(shù)據(jù)格式：North latitude bound：31.615；West longitude bound：119.997；South latitude bound：30.824；East longitude bound：120.541。

（4）掩膜處理。裁剪完成后還需進行一定的掩膜處理，掩膜（mask）掉陸地和云信息，主要剔除被標(biāo)識為云層（cloud）和陸地（land）的像元、含有耀斑的像元（bright）、雜散光污染的像元（glint）、大氣校正算法失效的像元（invalid）、產(chǎn)品值溢出或明顯異常的像元等（duplicated），但是云層邊緣和薄云部分難以去除[10]。

3歸一化葉綠素指數(shù)法

3.1葉綠素的光譜特征分析

在內(nèi)陸水體葉綠素的遙感反演中，葉綠素a的光譜特征相對較為復(fù)雜，在藍、綠、紅、近紅外波段都存在能反映其濃度高低的特征區(qū)間。對于野外實測水體光譜反射率值，利用Matlab軟件繪制出水體的反射率光譜，以便找出指示葉綠素含量的重要敏感性波段。圖3給出了部分采樣點的反射率光譜曲線，實測的水體反射率光譜中，剔除數(shù)據(jù)異常的17#、48#和57#樣點，有效數(shù)據(jù)樣點為64個。

在可見光范圍內(nèi)，一般水體的反射率總體上比較低，不超過10%，一般為4%～5%[11]，且隨著波長的增大逐漸降低，到600 nm處為2%～3%，超過800 nm，水體幾乎為全吸收體，因此在近紅外的遙感影像上，清澈的水體呈現(xiàn)黑色[12]。但是在富營養(yǎng)化水體中，水體葉綠素濃度增加，藍光波段的反射率下降，綠光波段的反射率增高，水體反射率光譜特征其結(jié)論并不完全相同，近紅外波段仍存在一定的反射率，該波段水體影像不呈現(xiàn)黑色，而是呈現(xiàn)灰色，甚至是淺灰色[13]。圖3葉綠素光譜曲線呈現(xiàn)明顯的“峰和谷特征”，特有的峰谷特征為其在遙感影像上提供了有效的信息，具體葉綠素光譜特征：①波長540～557、697～703、666～693 nm處光譜反射率的大小受葉綠素濃度變化的影響較大，對探測葉綠素具有重要作用。②波長400～500、605～620、690～700 nm處，由于葉綠素吸收作用明顯，反射率低，對葉綠素含量的變化最敏感。③波長675 nm附近的吸收谷，葉綠素在紅波波段吸收最強，葉綠素吸收和細胞壁散射均衡，對藻類密度和葉綠素濃度的反射敏感度最低[14]。④波長700 nm附近的反射峰是由于浮游植物分子吸收光能后，受到太陽激發(fā)進行光合作用，激發(fā)出的能量產(chǎn)生熒光化的結(jié)果，它是判斷湖泊水體是否含有葉綠素的重要光譜特征，反射峰的位置和數(shù)值是葉綠素濃度的指示，熒光反射峰近似滿足高斯正態(tài)分布[15]。⑤在波長706 nm附近，反射曲線的斜率開始發(fā)生變化，近紅外波段處水體強烈吸收，反射率逐步下降，該處的反射依賴于有機和無機懸浮物的濃度，對藻類色素的反應(yīng)最不敏感[16]。

3.2歸一化葉綠素指數(shù)法

水中葉綠素a濃度影響到水的光譜響應(yīng)。葉綠素濃度上升時，藍光波段的響應(yīng)下降，綠光、紅光波段的響應(yīng)上升。并且當(dāng)葉綠素a的濃度增加到一定值時，葉綠素a的診斷波段向長波段方向移動，因此在進行水質(zhì)葉綠素a濃度檢測時，核心問題在于建立水體反射率和葉綠素a濃度之間的定量關(guān)系。因此，在進行葉綠素a濃度反演時，常用方法是對葉綠素a的有效響應(yīng)波段建立最佳比值或各種組合模型。

Mishra[17]在對比了兩波段、三波段等模型的優(yōu)缺點之后，提出一種估算葉綠素濃度的新指數(shù)——歸一化葉綠素指數(shù)，并且驗證了該方法在渾濁 Ⅱ 類水體中的適用性。其模型公式為

CChl.a∞[Rrs（λ2）-Rrs（λ1）]

[Rrs（λ2）+Rrs（λ1）] （1）

式中，CChl.a是葉綠素a濃度，Rrs（λ1）、Rrs（λ2）分別為波段λ1、λ2處的反射率。NDCI指數(shù)的構(gòu)建采用歸一化的形式，部分消除由于太陽高度角的變化、大氣輻射等因素所帶來的影響。

λ1和λ2的選擇有所限定：λ1選在665～675 nm附近的吸收峰處，該處的吸收峰主要是葉綠素吸收所致；

λ2位于700 nm附近的反射峰，該反射峰對水體中葉綠素a濃度含量變化敏感。假定CDOM和TSS在這兩波段處吸收近似相等，因此在選擇λ1和λ2的波段時距離不宜過遠。λ1、λ2均選擇光學(xué)特性由葉綠素a主導(dǎo)的特征光譜處，也在一定程度上減少了其他水體組分的影響。

4建模與分析

4.1模型構(gòu)建實測數(shù)據(jù)隨機選取15個采樣點（表1），用于模型構(gòu)建。

首先在BEAM軟件中選擇第7、9波段，對應(yīng)的中心波長分別為665和708 nm。然后在MERIS影像中得到對應(yīng)點的反射率因子，再將[R（708）-R（665）]/[R（708）+R（665）]作為自變量，實測的樣本點的葉綠素a濃度作為因變量，在Matlab中作圖進行回歸分析，得到每個遙感反射率因子與葉綠素a濃度之間的回歸關(guān)系以及反演模型（圖4）。

根據(jù)圖4，建立的反演模型如下：

y=27 084 x2+1 440.3x+20.636 （2）

從圖4可以看出，葉綠素a濃度與水體反射率因子之間的關(guān)系是非線性的，數(shù)據(jù)樣點基本均勻分布在曲線兩側(cè)，NDCI與葉綠素a濃度實測值的相關(guān)性較好，R2=0.881 2。

4.2模型驗證

為了驗證歸一化葉綠素指數(shù)法的反演精度，隨機挑選9個樣點對該模型進行驗證。由表2可知，反演結(jié)果最小相對誤差為0.63%，最大相對誤差為52.33%，平均相對誤差為14.40%。

結(jié)果表明：歸一化葉綠素指數(shù)法反演得到的太湖水域葉綠素a濃度值與對應(yīng)的葉綠素a濃度實測值大致相同，估算結(jié)果較為準(zhǔn)確，相對誤差較小，基本可滿足目前水質(zhì)參數(shù)估算的精度要求。

4.3反演結(jié)果誤差分析部分樣點葉綠素a濃度與實測值相差較大，可能由以下原因引起。

（1）湖泊水體存在較長的時間、空間差異性，不同環(huán)境、氣候、測量條件的數(shù)據(jù)之間很難保持在統(tǒng)一的影響因子水平，使得利用簡單的相關(guān)分析方法得到的結(jié)果往往具有一定的不確定性。

（2）由于內(nèi)陸湖泊水體的葉綠素光譜特征受懸浮顆粒物、黃色物質(zhì)的影響，其光譜特征明顯高于一類水體葉綠素

光譜特征。葉綠素通常會被懸浮顆粒物、黃色物質(zhì)所掩蓋。

（3）實測葉綠素a濃度之間相差不大，影響光譜特征的光學(xué)物質(zhì)含量相似，導(dǎo)致水體光譜具有相似特征。

5結(jié)語

該研究基于太湖實測葉綠素濃度數(shù)據(jù)和MERIS遙感數(shù)據(jù)，應(yīng)用歸一化葉綠素指數(shù)法，反演出太湖葉綠素濃度，并利用太湖實測數(shù)據(jù)進行驗證，結(jié)果顯示，歸一化葉綠素指數(shù)法是一種精度高、計算簡單、適用性強的葉綠素a濃度估算方法，為內(nèi)陸渾濁水體葉綠素a濃度遙感監(jiān)測的業(yè)務(wù)運行提供了有力例證。

參考文獻

[1]

尹球，疏小舟，徐兆安，等.湖泊水環(huán)境指標(biāo)的超光譜響應(yīng)特征分析[J].紅外與毫米波學(xué)報， 2004， 23（6）：427-430， 435.

[2] 楊偉， 陳晉， 松下文經(jīng).基于生物光學(xué)模型的水體葉綠素濃度反演算法[J].光譜學(xué)與光譜分析， 2009， 29（1）： 38-42.

[3] 李云梅， 黃家柱， 韋玉春，等.用分析模型方法反演水體葉綠素的濃度[J].遙感學(xué)報， 2006， 10（2）：169-175.

[4] GITELSON A A，DALLOLMO G，MOSES W， et al.A simple semianalytical model for remote estimation of chlorophylla in turbid waters： Validation[J].Remote sensing of environment， 2008， 112（9）： 3582-3593.

[5] LE C F， LI Y M， ZHA Y， et al.A fourband semianalytical model for estimating chlorophyll a in highly turbid lakes：The case of Taihu Lake， China[J].Remote sensing of environment， 2009， 113（6）：1175-1182.

[6] 姜廣甲， 周琳， 馬榮華，等.渾濁 Ⅱ 類水體葉綠素a濃度遙感反演（Ⅱ）：MERIS遙感數(shù)據(jù)的應(yīng)用[J].紅外與毫米波學(xué)報， 2013， 32（4）： 372-378.

[7] 王云飛.東海赤潮監(jiān)測衛(wèi)星遙感方法研究[D].青島：中國海洋大學(xué)， 2009.

[8] 宋瑜， 宋曉東， 郭照冰，等.利用MERIS產(chǎn)品數(shù)據(jù)反演太湖葉綠素a濃度研究[J].遙感信息， 2009（4）： 19-24.

[9] 馮登超， 陳剛， 肖楷樂，等.遙感圖像的幾何精校正研究[J].國外電子測量技術(shù)， 2012， 31（5）： 41-43.

[10] 李莉， 尹球， 鞏彩蘭，等.太湖不同葉綠素a濃度水體熒光特征分析[J].光譜學(xué)與光譜分析，2011，31（1）：36-40.

[11] 王志輝， 易善楨.不同指數(shù)模型法在水體遙感提取中的比較研究[J].科學(xué)技術(shù)與工程， 2007， 7（4）： 534-537.

[12] 韓麗君.遙感在資源環(huán)境調(diào)查中的應(yīng)用[J].太原理工大學(xué)學(xué)報（社會科學(xué)版）， 2005， 23（S1）： 69-71.

[13] 熊旭平.基于遙感的公路域生態(tài)環(huán)境質(zhì)量評價[D].長沙：長沙理工大學(xué)， 2008.

[14] 吳傳慶， 楊志峰， 王橋，等.葉綠素a濃度的動態(tài)峰反演方法[J].湖泊科學(xué)， 2009， 21（2）： 223-227.

[15] 劉英.千島湖水體水質(zhì)參數(shù)遙感及其估測模型研究[D].杭州：浙江大學(xué)， 2003.

[16] 展建敏.實測高光譜數(shù)據(jù)歸一化區(qū)間變化對太湖葉綠素a含量估算的影響[D].南京：南京師范大學(xué)， 2009.

[17] MISHRA S，MISHRA D R.Normalized difference chlorophyll index： A novel model for remote estimation of chlorophylla， concentration in turbid productive waters[J].Remote sensing of environment， 2012， 117（2）： 394-406.