柳晶輝 萬君

（1 武漢區(qū)域氣候中心，武漢 430070；2 江漢平原生態(tài)氣象遙感監(jiān)測技術(shù)協(xié)同創(chuàng)新中心，荊州 434025）

0 引言

藍(lán)藻是水體富營養(yǎng)化的產(chǎn)物。在一些營養(yǎng)過剩的水體中，遇無風(fēng)高溫晴好天氣，藍(lán)藻便大量繁殖，形成藻華色帶，在水面漂浮一層藍(lán)綠色并伴有腥臭味的泡沫，這種大規(guī)模的藻華色帶被稱為“綠湖”（和海洋發(fā)生的赤潮對(duì)應(yīng)）。藍(lán)藻暴發(fā)加劇了水質(zhì)惡化，嚴(yán)重影響城市供水和漁業(yè)生產(chǎn)，威脅湖泊生態(tài)環(huán)境安全[1]，如何大面積快速監(jiān)測湖泊藍(lán)藻暴發(fā)程度及分布范圍是滿足當(dāng)前生態(tài)文明建設(shè)解決的重要研究方向之一。

遙感技術(shù)可監(jiān)測大范圍環(huán)境變化，具有其他手段不可替代的優(yōu)越性，國內(nèi)外學(xué)者針對(duì)藍(lán)藻遙感監(jiān)測取得了一些研究進(jìn)展。Hoge等[2-3]利用NASA機(jī)載海洋激光器對(duì)藻紅蛋白進(jìn)行主動(dòng)遙感探測，首次獲取了葉綠素?zé)晒獾墓庾V反射帶，并建立了水中藻紅蛋白的MODIS遙感監(jiān)測算法；Wezemak等[4]利用遙感數(shù)據(jù)建立富營養(yǎng)化指數(shù)，并對(duì)磷含量和富營養(yǎng)化指數(shù)進(jìn)行檢驗(yàn)，證實(shí)多光譜遙感影像適用于城市內(nèi)湖富營養(yǎng)評(píng)估；疏小舟等[5]在太湖實(shí)驗(yàn)區(qū)，采用地物光譜儀實(shí)地測量湖水在可見光和近紅外波段反射曲線，同時(shí)采樣分析葉綠素、總懸浮固體物質(zhì)濃度等水質(zhì)參數(shù)，研究內(nèi)陸水體反射光譜特征與藻類葉綠素濃度之間的關(guān)系，建立藻類葉綠素高光譜定量遙感模型；段洪濤等[6]使用MODIS、CBERS、 ETM+以及IRS多種遙感數(shù)據(jù)，采用單波段、波段差值及波段比值方法提取不同歷史時(shí)期太湖藍(lán)藻，結(jié)果表明上述遙感數(shù)據(jù)均可提取藍(lán)藻信息，波段比值法更穩(wěn)定；徐京萍等[7]通過MODIS植被指數(shù)數(shù)據(jù)提取太湖藍(lán)藻水華信息，用多種植被識(shí)別模式確定藍(lán)藻分布范圍并分析比較其優(yōu)缺點(diǎn)。

本文針對(duì)我國內(nèi)陸城市湖泊水體特征，以武漢東湖支湖一次藍(lán)藻事件為案例，探討使用多時(shí)相HJ-1衛(wèi)星遙感數(shù)據(jù)，采用比值植被指數(shù)（RVI）、歸一化植被指數(shù)（NDVI）以及增強(qiáng)型植被指數(shù)（EVI）三種植被指數(shù)作為判別方法，開展藍(lán)藻多光譜遙感監(jiān)測方法研究，旨在為開展遙感監(jiān)測城市湖泊藍(lán)藻及水質(zhì)水色變化提供方法參考。

1 研究區(qū)概況

東湖位于武漢市城區(qū)，是國內(nèi)最大的城市內(nèi)湖，湖面面積約33 km2，從20世紀(jì)70—80年代開始，武漢東湖富營養(yǎng)化狀況相當(dāng)嚴(yán)重，進(jìn)入夏天湖內(nèi)的藍(lán)藻大量繁殖形成黏稠的水華，經(jīng)過多年治理，取得了較好的效果。但在2009年8月中旬，東湖支湖官橋湖再次暴發(fā)藍(lán)藻，并進(jìn)入部分主湖（圖1）。

圖1 2009年8月中旬東湖支湖藍(lán)藻Fig. 1 Cyanobacteria bloom on the branch lake of the East Lake in mid-August 2009

2 藍(lán)藻遙感監(jiān)測機(jī)理

藍(lán)藻暴發(fā)形成水華，會(huì)引起水體溫度、色度和透明度等一系列物理性質(zhì)發(fā)生變化，從而導(dǎo)致水體反射波譜特性也發(fā)生變化。此外，藍(lán)藻暴發(fā)聚集易受潮流、風(fēng)向的影響，其在影像上通常呈條帶延伸，并具有絮狀紋理機(jī)構(gòu)，這與周圍的湖泊水面有顯著不同。

城市內(nèi)湖水體遙感反射率ρw是水體中各種物質(zhì)的綜合反射率的混合反映，除純水體本身外，水體中還有葉綠素a、懸浮物質(zhì)和黃色物質(zhì)三類，可用簡單的模型近似描述如下[8]

式中，bw、bs、bp分別是水、無機(jī)懸浮物和藻類物質(zhì)的后向散射系數(shù)；aw、as、ap、ay分別為水、無機(jī)懸浮物、藻類物質(zhì)和黃色物質(zhì)的吸收系數(shù)。這些不同物質(zhì)的散射和吸收特性最終反映到影像的不同波段的光譜特征上。

通過ASD FieldSpec3手持地物光譜儀對(duì)湖泊藍(lán)藻進(jìn)行多次光譜特征采樣并制作了典型地物光譜特征曲線（圖2）。可以看出，藍(lán)藻和水體的光譜曲線有明顯差異，在400～700 nm波段，藍(lán)藻和典型植被的反射率變化區(qū)別不明顯，但是水體呈現(xiàn)下降趨勢，在700～900 nm波段，藍(lán)藻的反射率快速上升，形成一個(gè)反射峰頂，反映葉綠素a含量在藍(lán)藻光譜特征中具有主導(dǎo)因素，其呈現(xiàn)植被光譜效應(yīng)。

圖2 典型地物光譜特征曲線Fig. 2 Typical surface spectrum characteristic curve

從多種典型地物在HJ-1衛(wèi)星多光譜波段數(shù)據(jù)中光譜特征折線圖（圖3）中可以看出，藍(lán)藻反射率在近紅外波段呈現(xiàn)峰值，利用這一重要光譜特征可將水體與藍(lán)藻判別，可提取藍(lán)藻信息。

圖3 HJ-1影像典型地物多光譜反射率特征值Fig. 3 HJ-1 image special surface multi-spectral reflectance value

3 數(shù)據(jù)與方法

3.1 遙感數(shù)據(jù)來源

HJ-1a/b號(hào)衛(wèi)星于2008年9月發(fā)射升空，是我國首個(gè)環(huán)境與災(zāi)害監(jiān)測衛(wèi)星，用于對(duì)災(zāi)害、生態(tài)環(huán)境污染進(jìn)行全天動(dòng)態(tài)監(jiān)測。HJ-1a搭載了CCD相機(jī)和超光譜成像儀（HIS），HJ-1b則搭載CCD相機(jī)和紅外相機(jī)（IRS），其中CCD相機(jī)重訪周期為2 d，星下像元分辨率為30 m。為了對(duì)湖泊藍(lán)藻暴發(fā)的全過程進(jìn)行動(dòng)態(tài)監(jiān)測，本文收集了三個(gè)不同時(shí)間段的衛(wèi)星遙感數(shù)據(jù)，分別是藍(lán)藻暴發(fā)前2009年6月27日HJ-1b CCD、藍(lán)藻暴發(fā)時(shí)2009年8月19日HJ-1b CCD、藍(lán)藻結(jié)束時(shí)2009年9月6日HJ-1b CCD數(shù)據(jù)，數(shù)據(jù)來源于中國資源環(huán)境衛(wèi)星中心，數(shù)據(jù)級(jí)別為2級(jí)，進(jìn)行了系統(tǒng)的輻射校正，以湖北省1∶5萬地形圖為基準(zhǔn)，利用二次多項(xiàng)式和雙線性內(nèi)插法對(duì)圖像進(jìn)行幾何校正并掩模裁剪，經(jīng)重新選點(diǎn)檢驗(yàn)，誤差在一個(gè)像元內(nèi)。

3.2 大氣校正處理

水質(zhì)遙感關(guān)鍵在于消除大氣和光照等因素的影響，因此要真實(shí)反演藍(lán)藻和其他地物反射率須對(duì)獲取的遙感影像進(jìn)行大氣校正，從而剔除大氣分子和氣溶膠散射對(duì)地物反射率干擾。特別是對(duì)那些湖泊處于PM10等大氣顆粒物居高不下污染嚴(yán)重的城市而言，大氣校正更是必不可少[9]。

本研究使用ENVI軟件大氣校正模塊FLAASH對(duì)HJ-1b遙感影像數(shù)據(jù)進(jìn)行大氣校正處理，F(xiàn)LAASH模型是基于MORTRAN4+輻射傳輸模型，其通過影像像素光譜上的特征來估測大氣屬性，不依賴遙感成像時(shí)同步測量的大氣參數(shù)數(shù)據(jù)。

輻射定標(biāo)是首先需要對(duì)遙感影像表觀輻射亮度轉(zhuǎn)化，式（2）即是表觀輻射亮度的測算，表1是HJ-1的輻射定標(biāo)系數(shù)

式中，DN為亮度值，Gain為增益，Bias為偏移。

針對(duì)HJ-1b衛(wèi)星需要對(duì)FLAASH模型中傳感器參數(shù)進(jìn)行設(shè)置，主要涉及傳感器類型、成像中心點(diǎn)經(jīng)緯度、成像時(shí)間、高度信息、像元分辨率、數(shù)據(jù)獲取日期和衛(wèi)星過境時(shí)間等，這些數(shù)據(jù)可從數(shù)據(jù)自帶的元文件中獲取。

表1 HJ-1b CCD傳感器波段輻射定標(biāo)系數(shù)Table 1 Radiance calibration coefficients of HJ-lb satellite CCD Band1-4

在地球大氣模式方面，模塊提供熱帶、中緯度夏季、中緯度冬季、極地夏季、極地冬季和美國標(biāo)準(zhǔn)大氣模型，本研究選擇中緯度夏季的大氣模型，區(qū)域?qū)?yīng)為9月40°N的MLS大氣模型，氣溶膠模式設(shè)置為城市氣溶膠模式與之對(duì)應(yīng)。設(shè)置區(qū)域特征參數(shù)后經(jīng)FLAASH處理得到大氣校正后的研究區(qū)反射率圖像。本文選取了藍(lán)藻與水體校正前的表觀反射率和校正后地表反射率進(jìn)行對(duì)比分析（圖4）。分析發(fā)現(xiàn)，校正后變化最大的是藍(lán)波段，其他波段影響依次減小，這也是大氣散射的原理，對(duì)短波的影響較長波的大，大氣校正可消除大氣散射在可見光波段的增加效應(yīng)。

圖4 HJ-1影像校正前后地物反射率曲線Fig. 4 HJ-1 image surface reflectance curve before and after atmospheric correction

4 結(jié)果

由于藍(lán)藻體內(nèi)含的葉綠素a對(duì)可見光和近紅外具有特殊的“陡坡效應(yīng)”，使得那些浮游生物含量大的水體兼有水體和植物的反射光譜特征[10]。隨浮游植物的含量增高，其光譜曲線與綠色植物的反射光譜越接近，即在可見光波段反射率低，而在近紅外波段反射率急劇上升，此特征可作為采用植被指數(shù)遙感監(jiān)測藍(lán)藻的可靠依據(jù)。

本文采用了RVI、NDVI和EVI三種植被指數(shù)判別方法，利用水華暴發(fā)前后三期遙感影像（圖5），通過ENVI軟件分類采樣工具選取90個(gè)樣本點(diǎn)，范圍主要分布在輕度水華、重度水華、正常水體以及植被等4類地物上，又隨機(jī)選擇了30個(gè)樣本點(diǎn)作為補(bǔ)充，共計(jì)150個(gè)樣本，其中100個(gè)樣本作為訓(xùn)練數(shù)據(jù)，50個(gè)樣本作為檢驗(yàn)數(shù)據(jù)，這些樣本點(diǎn)數(shù)據(jù)都通過人工目視解譯和實(shí)地調(diào)查進(jìn)行分析，驗(yàn)證樣本點(diǎn)的分類正確性。通過反復(fù)試驗(yàn)調(diào)整RVI、NDVI以及EVI閾值設(shè)定使得已驗(yàn)證樣本點(diǎn)總體精度在80%以上的樣本數(shù)據(jù)處理后符合判別后的分類。

4.1 RVI閾值監(jiān)測

由于藍(lán)藻的類植被光譜特征和水體形成強(qiáng)烈反差，因此通過紅波段（R）與近紅外波段（NIR）兩者數(shù)值比反映兩反射率之間的差異。比值植被指數(shù)（RVI）可表達(dá)為

圖5 藍(lán)藻水華暴發(fā)前后三個(gè)時(shí)相的HJ-1b遙感影像Fig. 5 Three phases of HJ-1b remote sensing images showing a cyanobacteria bloom

依據(jù)滿足81%的訓(xùn)練分類樣本正確率條件，基于RVI的閾值判別設(shè)定為：

條件1：RVINOW－RVIBefore＞0.35

條件2：0.97＞RVI＞0.92

條件3：RVI＞0.97

滿足此條件1判別為水華；在條件1的基礎(chǔ)上滿足條件2的為輕度水華，滿足條件3的為重度水華，其他則為正常水體（表2）。

表2 RVI分類精度評(píng)價(jià)結(jié)果Table 2 RVI classification accuracy evaluation result

分類圖（圖6a）顯示藍(lán)藻分布范圍擴(kuò)散，湖泊中的一些前后變化大的較渾濁水體近紅外反射率差異大，易被混分。

圖6 基于三種指數(shù)的藍(lán)藻水華分類結(jié)果：（a）RVI；（b）NDVI；（c）EVIFig. 6 The classified results based on RVI (a), NDVI (b) and EVI (c), respectively

4.2 NDVI閾值監(jiān)測

對(duì)于藍(lán)藻水華特別嚴(yán)重的水域，其紅光反射特別微小，RVI值將會(huì)無限增加，會(huì)影響到對(duì)藍(lán)藻水華污染強(qiáng)度分級(jí)閾值確定，因此選用差值植被指數(shù)NDVI可以消除此缺點(diǎn)，其算式如下依據(jù)滿足82%的訓(xùn)練分類樣本正確率條件，NDVI指數(shù)的閾值判別設(shè)定為：

條件1：NDVINow－NDVIBefore＞0.22

條件2：0.39＞NDVI＞0.31

條件3：NDVI＞0.39

滿足此條件1判別為水華；在條件1的基礎(chǔ)上滿足條件2的為輕度水華，滿足條件3的為重度水華，其他則為正常水體（表3）。

表3 NDVI分類精度評(píng)價(jià)結(jié)果Table 3 NDVI classification accuracy evaluation result

依據(jù)NDVI分類的結(jié)果（圖6b），顯示出的藍(lán)藻范圍相對(duì)圖6a有所減小，湖泊中藍(lán)藻密度大的地方，對(duì)應(yīng)的指數(shù)并沒有得到較好反映。

4.3 EVI閾值監(jiān)測

發(fā)生藍(lán)藻水華水域一般都是受人類活動(dòng)影響較嚴(yán)重的地區(qū)，周邊水體中存在大量水下植被或者泥沙等渾濁懸浮物，其反射特征趨近于土壤，而EVI通過加入藍(lán)色波段以增強(qiáng)植被信號(hào)，可校正土壤背景干擾信息。同時(shí)EVI能改進(jìn)NDVI的某些缺陷，比如大氣噪聲、土壤背景以及飽和度問題。其算式如下

式中，C1、C2分別為大氣修正紅光修正和藍(lán)光修正參數(shù)，經(jīng)驗(yàn)參數(shù)為6和7.5，L為土壤調(diào)節(jié)參數(shù)，經(jīng)驗(yàn)值為1[11]。

依據(jù)滿足總體精度85%的訓(xùn)練分類樣本正確率條件，NDVI指數(shù)的閾值判別設(shè)定為：

條件1：EVINow－EVIBefore＞0.26

條件2： 0.38＞EVI＞0.33

條件3：EVI＞0.38

滿足此條件1判別為水華；在條件1的基礎(chǔ)上滿足條件2的為輕度水華，滿足條件3的為重度水華，其他則為正常水體（表4）。

表4 EVI分類精度評(píng)價(jià)結(jié)果Table 4 EVI classification accuracy evaluation result

分類結(jié)果（圖6c）顯示了藍(lán)藻分布，其和圖6b差異不大，但在湖泊沿岸藍(lán)藻高密度地區(qū)和湖中藍(lán)藻低濃度地區(qū)的差異較NDVI有一些拉升，更有層次感。

4.4 檢驗(yàn)及分析

分類結(jié)果在使用前須進(jìn)行客觀可靠的精度驗(yàn)證和分析，以保證遙感分類結(jié)果可靠性，通過對(duì)保留50個(gè)樣本點(diǎn)作為檢驗(yàn)數(shù)據(jù)，對(duì)分類結(jié)果進(jìn)行驗(yàn)證分析，得到了三種植被指數(shù)分類精度（表5）。

從表5中可以發(fā)現(xiàn)EVI監(jiān)測方法的總體分類精度在檢驗(yàn)樣本中仍然處于優(yōu)勢，而RVI相對(duì)NDVI在KAPPA系數(shù)上精度較弱。

表5 三種方法分類精度比較Table 5 Comparison of classification accuracy of three methods

通過三種植被指數(shù)判別方法對(duì)HJ-1b遙感影像進(jìn)行計(jì)算，利用樣本點(diǎn)確定的判別閾值，對(duì)東湖湖面的藍(lán)藻水華面積進(jìn)行分類提取，結(jié)果見表6。

表6 藍(lán)藻水華三種指數(shù)判別閾值及提取結(jié)果Table 6 Cyanobacteria blooms identification thresholds and extraction results based on three index models

從表6可以看出，利用RVI提取的水華面積最大，EVI和NDVI較為接近，NDVI稍小，表明RVI用單純的比值容易擴(kuò)大水華范圍，效果較后兩者差；EVI提取的重度水華面積較NDVI提取得略大，表明EVI對(duì)湖泊沿岸一些重度藍(lán)藻提取較為準(zhǔn)確。

根據(jù)武漢湖泊監(jiān)管部門的公開數(shù)據(jù)顯示，與實(shí)際東湖藍(lán)藻情況相比，遙感監(jiān)測數(shù)據(jù)偏大，分析其主要原因可能是部分輕度藍(lán)藻水華面積沒統(tǒng)計(jì)在內(nèi)。

5 結(jié)論與討論

通過以上對(duì)武漢東湖藍(lán)藻案例研究表明，HJ-1 CCD數(shù)據(jù)完全可以應(yīng)用到城市內(nèi)湖的藍(lán)藻水華監(jiān)測中，其相對(duì)EOS-MODIS等中尺度衛(wèi)星遙感數(shù)據(jù)具有高空間分辨率優(yōu)勢，同時(shí)HJ-1a/b CCD兩天的重返周期也使得數(shù)據(jù)開展動(dòng)態(tài)湖泊生態(tài)環(huán)境監(jiān)測的及時(shí)可靠性得到保障。

對(duì)于城市湖泊水質(zhì)遙感研究，為剔除城市上空中大氣氣溶膠散射干擾，大氣校正工作必不可少，通用大氣參數(shù)設(shè)置，利用MORTRAN4+輻射傳輸模型對(duì)HJ-1衛(wèi)星快速大氣基礎(chǔ)校正，可以增強(qiáng)藍(lán)藻水體和其他地物的光譜差異，有利于城市內(nèi)湖藍(lán)藻水華信息提取。

藍(lán)藻的類植被光譜特征決定了遙感監(jiān)測方法，通過RVI、NDVI和EVI三種指數(shù)方法對(duì)湖泊藍(lán)藻監(jiān)測發(fā)現(xiàn)，前期的樣本選擇和分類訓(xùn)練參數(shù)設(shè)定都會(huì)影響到植被指數(shù)的判別公式閾值率定，從而影響到分類精度和指數(shù)方法的判斷。從實(shí)驗(yàn)分類結(jié)果看，RVI和其他兩種指數(shù)檢測結(jié)果較實(shí)際情況差異稍大，對(duì)渾濁水體和藍(lán)藻容易混分，而EVI和NDVI的檢測效果相近，EVI對(duì)于高濃度的藍(lán)藻分類相對(duì)NDVI有一定優(yōu)勢。

運(yùn)用多時(shí)相HJ-1遙感影像數(shù)據(jù)快速監(jiān)測城市內(nèi)湖局部的藍(lán)藻技術(shù)方法可行，結(jié)果與實(shí)際情況相吻合，精度較高。但以下問題需進(jìn)一步研究：1）湖泊中存在著多種藻類和其他污染，具有不同的光譜特征，需利用高光譜波段數(shù)據(jù)進(jìn)一步區(qū)分；2）藍(lán)藻的衛(wèi)星遙感與地面光譜儀測量得到的光譜特征需要進(jìn)一步擬合分析；3）水質(zhì)數(shù)據(jù)應(yīng)用和實(shí)地測量驗(yàn)證需要進(jìn)一步完善。