田 園，王得玉

（南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210003）

葉綠素a是反映湖泊富營養(yǎng)化水平的重要指標(biāo)，是富營養(yǎng)化湖泊水體監(jiān)測的一個重要生理參數(shù)。隨著經(jīng)濟(jì)的迅猛發(fā)展，湖泊環(huán)境受到嚴(yán)重影響，湖泊水污染和富營養(yǎng)化程度加深，太湖水污染和富營養(yǎng)化問題亟待解決。傳統(tǒng)調(diào)查方法雖然技術(shù)成熟，但在人力、物力方面消耗過大，難以實現(xiàn)大范圍的實時監(jiān)測。遙感技術(shù)作為一種區(qū)域性的調(diào)查手段，以其監(jiān)測范圍廣、頻率高、成本低的優(yōu)勢，為大范圍水質(zhì)實時動態(tài)監(jiān)測提供了有力工具。

遙感技術(shù)在湖泊方面的應(yīng)用為水污染監(jiān)測和研究開辟了新途徑，一般是結(jié)合水體采樣點葉綠素a濃度和反射率之間的關(guān)系模型，從而反演葉綠素a濃度。太湖作為Ⅱ類水體的研究對象，水體反射光譜除了跟葉綠素a濃度相關(guān)外，還受到懸浮物和黃色物質(zhì)濃度的影響，使得葉綠素a濃度的反演精度較Ⅰ類水體有更大的不確定性?，F(xiàn)有的傳感器在時空分辨率方面難以滿足實際工作的要求，如：LandsatTM/ETM等空間分辨率較高，但時間分辨率偏低；而MODIS可以滿足每日獲取數(shù)據(jù)，但空間分辨率不能滿足要求。MERIS（Medium resolution imaging spectrometer）具有可變空間分辨率數(shù)據(jù)，適合不同尺度水體研究，在光譜分辨率、水色波段設(shè)置、輻射靈敏度等方面超越SeaWiFS、MODIS，可滿足帶復(fù)雜Ⅱ類水體的應(yīng)用要求。遙感數(shù)據(jù)來估算水質(zhì)參數(shù)的方法，常用有三種模型：經(jīng)驗?zāi)Ｐ?、半分析模型和分析模型。?jīng)驗?zāi)Ｐ筒僮骱唵?，運算快捷，但缺乏一定的物理基礎(chǔ)，過多的依賴于實測數(shù)據(jù)，有較大的時空局限。半分析模型通過將已知的水質(zhì)參數(shù)光譜特征與傳統(tǒng)模型相結(jié)合，選擇最佳的波段或波段組合作為相關(guān)變量估算水質(zhì)參數(shù)值。Gitelson等首次提出估算陸地植被葉綠素含量的三波段式半分析模型，周琳等利用太湖實測光譜數(shù)據(jù)構(gòu)建葉綠素a濃度反演的半分析模型，發(fā)現(xiàn)三波段模型（TBM）適用于高渾濁水體葉綠素a濃度的遙感估算，并在巢湖水體中得到了驗證。2012年El-Alem等提出了一種新的葉綠素濃度反演模型—Apple模型，結(jié)合南魁北克4個湖泊的9年實測數(shù)據(jù)和同步MODIS影像數(shù)據(jù)對葉綠素濃度進(jìn)行反演，相關(guān)系數(shù)達(dá)到0.95。

分析模型也稱理論模型，以水體內(nèi)光學(xué)傳輸?shù)臋C理為理論基礎(chǔ)，直接把水體的光學(xué)特征用于輻射傳輸方程，但分析模型的理論還不是很完善，應(yīng)用中要做很多假設(shè)，會造成較差的估算精度。

本研究采用半分析模型來構(gòu)建葉綠素a濃度的反演模型，Apple模型采用MERIS數(shù)據(jù)中的第二、第七和第九波段太湖采樣點的反射率，結(jié)合太湖實測葉綠素a濃度，建立兩者之間的關(guān)系，并分析該模型是否適用于MERIS數(shù)據(jù)。

1 材料和方法

1.1 試驗區(qū)域與數(shù)據(jù)

太湖（31°615′N，119°997 W，30°824′S，120°54′E）是我國第三大淡水湖泊，地處于長江三角洲，湖泊面積2 427.8 km2，水域面積為2 338.1 km2（圖1）。近年來，太湖出現(xiàn)藍(lán)藻水華暴發(fā)，水污染和富營養(yǎng)化現(xiàn)象非常嚴(yán)重。

為獲取實地葉綠素a濃度和采樣點MERIS數(shù)據(jù)。選取2004年10月太湖的67個野外實地采樣點數(shù)據(jù)（圖2），獲取實時葉綠素a濃度。同時收集2004年10月的MERIS影像，云層覆蓋影響較夏季較輕，通過影像來得到水體反射率。

圖1 太湖位置示意圖

1.2 數(shù)據(jù)獲取與預(yù)處理

1.2.1 實測數(shù)據(jù) 采樣點均勻分布于整個太湖水域，覆蓋范圍全面，水體富營養(yǎng)化程度也均不同，從清澈到渾濁水體。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)。在太湖的67個采樣點取樣，帶回實驗室進(jìn)行相應(yīng)的水質(zhì)參數(shù)和水色組分吸收系數(shù)的測量。

圖2 太湖有效樣點分布

太湖屬Ⅱ類水體區(qū)域，具有復(fù)雜的光學(xué)特性，這也要求了傳感器要在分辨率方面要有較高的標(biāo)準(zhǔn)。SeaWiFS、MODIS由于在時空分辨率等方面的局限，不適用于內(nèi)陸Ⅱ類水體，MERIS傳感器有可變空間分辨率數(shù)據(jù)，有較高的光譜分辨率、空間分辨率和時間分辨率，設(shè)計了等效噪聲輻射率（NEIL）值，使之能適應(yīng)Ⅰ、Ⅱ類水體。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300 m，波譜范圍412～1 050 nm，波譜分辨率范圍7.5～20.0 nm，有15個波段（390～1 040 nm），覆蓋可見光到近紅外，適用于復(fù)雜的Ⅱ類水體的水質(zhì)監(jiān)測。

MERIS數(shù)據(jù)產(chǎn)品分為3級： Level 1B——是在一個面向路徑坐標(biāo)上重新采樣的圖像，包含經(jīng)過校正來匹配大氣層頂輻射的像素信息；Level 2B——是從Level 1B產(chǎn)品里提取的圖像，包含經(jīng)過處理得到的地理數(shù)據(jù)的像素信息；Level 3B——是不止一種MERIS產(chǎn)品的集合體（可能的外部數(shù)據(jù)），用來展示一段時間的地理數(shù)據(jù)。

1.2.2 數(shù)據(jù)預(yù)處理 本次研究選用的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)準(zhǔn)實時MER_RR_2P（Reduced resolution geopolitical)數(shù)據(jù)，分辨率為1 040 m ×1 160 m，可用于海洋、陸地或者大氣區(qū)域的研究應(yīng)用。MER_RR_2P為離水輻射率（反射率）數(shù)據(jù)，同時帶有地物標(biāo)志掩模、時間信息、經(jīng)緯度信息、DEM、太陽天頂角、太陽方位角、衛(wèi)星天頂角、衛(wèi)星方位角等附屬信息。同時本次是采用MER_RR_2P數(shù)據(jù)的Level 2B產(chǎn)品，Level 2B產(chǎn)品是在1B的基礎(chǔ)上經(jīng)過粗略的幾何校正和大氣校正后的數(shù)據(jù)圖像較為清楚，要獲取采樣點反射率，還需要進(jìn)一步的處理。

ENVISAT、AASTR和MERIS的 基 本 工 具 箱BEAM是一個執(zhí)行工具集合，一個應(yīng)用型項目界面，能幫助ESA MERIS、(A)ATSR和ASAR數(shù)據(jù)的利用、觀測和處理。BEAM軟件的目的不僅僅是使用現(xiàn)有的商業(yè)包，而是旨在完善它們處理ENVISAT MERIS和AATSR產(chǎn)品的功能。

Level 2B產(chǎn)品是從Level 1B產(chǎn)品里提取的圖像，包含經(jīng)過處理得到的地理數(shù)據(jù)的像素信息。但要獲得構(gòu)建模型的參數(shù)，還需要進(jìn)行進(jìn)一步的處理。本文利用BEAM 5.0軟件，對影像進(jìn)行校正和裁剪，具體方法如下：

第一：輻射校正。輻射校正是將遙感圖像上的灰度值轉(zhuǎn)化為入瞳幅亮度。本次研究采用直方圖最小值法對遙感圖像進(jìn)行輻射校正。

第二：幾何校正。幾何校正是利用地面控制點和幾何校正數(shù)學(xué)模型來矯正非系統(tǒng)因素產(chǎn)生的誤差，校正過程會將坐標(biāo)系統(tǒng)賦予圖像數(shù)據(jù)。輻射定位后的像元在原圖像中分布是不均勻的，即輸出圖像像元點在輸入圖像的行列號不是或不全是正數(shù)關(guān)系。因此，需要根據(jù)輸出圖像上的各像元在輸入圖像中的位置，對原始圖像按一定規(guī)則重新采樣，進(jìn)行亮度值的插值計算，建立新的圖像矩陣。本次研究采用最近鄰法，輸出圖像仍然保持原來的像元值。

第三：大氣校正。大氣中的O3、O2、水蒸氣和氣溶膠對獲取MERIS圖像數(shù)據(jù)的精確度方面有很大的影響，其中氣溶膠的計算尤為關(guān)鍵。氣溶膠是大氣中的懸浮顆粒，在空間域及時間域上變化較大，沒有固定的模型可以來借鑒，準(zhǔn)確計算其散射比較困難。本次研究是基于氣溶膠在小范圍（50～100 km）基本不變?yōu)榍疤?，借用鄰近較結(jié)晶水體的大氣條件來計算渾濁Ⅱ類水體的氣溶膠輻射率，實現(xiàn)對Ⅱ類水體的大氣校正。

第四：圖像剪裁。本研究的圖像從MERIS遙感圖像中得到，按照經(jīng)緯度：31°615′ N，119°997′ W，30°824′ S，120°54′ E進(jìn)行圖像裁剪。在裁剪后的區(qū)域進(jìn)行區(qū)域選擇和掩模處理，可以將太湖影像裁剪出來，進(jìn)行保存，方便后期對圖像上的采樣點進(jìn)行處理。

2 結(jié)果與分析

2.1 葉綠素a濃度反演模型建立與驗證

2.1.1 模型構(gòu)建 Apple模型是一種新的半分析模型，以MODIS傳感器波段數(shù)據(jù)為參數(shù)，以葉綠素在紅波段強吸收、近紅外波段高反射的光譜特征為原理，以不同波段組合來去除懸浮物、CDOM和后向散射的影響，最終構(gòu)建而成的葉綠素濃度反演模型。

Apple模型使用MERIS數(shù)據(jù)的第二、七和九波段的組合來構(gòu)建葉綠素反演模型：波長400～500 nm、605～620 nm、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；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(xì)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；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。其他詳細(xì)波段信息可以參考MERIS波段設(shè)計，見表1。

綜上，最終得到Apple模型：

其 中，CChI-a表 示 葉 綠 素 a濃 度，Rrs(λ2)、Rrs(λ7)和Rrs(λ9)分別代表λ2、λ7和λ9處的反射率。由于近紅外波段葉綠素光譜特征表現(xiàn)出高反射，而水體在此波段強吸收，因此可以用來獲取最大的葉綠素信息量。在此波段仍有懸浮物、CDOM和后向散射的影響。因此，選用CDOM反射最強的藍(lán)波段來去除CDOM的影響，同時選取近紅外波段作為葉綠素的敏感波段來去除CDOM敏感波段中的葉綠素信息，近紅外波段由于水體強吸收也用來去除藍(lán)波段后向散射的影響。紅波段可以作為懸浮物敏感波段的研究，來最小化懸浮物的影響，并用近紅外波段去除紅波段葉綠素信息，在紅、近紅外波段，水體表現(xiàn)為強吸收特征，因此后向散射可以忽略。

表 1 MERIS波段設(shè)計

2.1.2 模型驗證 模型構(gòu)建中選用的數(shù)據(jù)是經(jīng)過輻射校正、大氣校正和幾何校正后，且經(jīng)過BEAM軟件選取處理過的第二、七和九波段的MERIS數(shù)據(jù)，獲得太湖64個采樣點的反射率，且剔除了異常的17、48和57樣點數(shù)據(jù)。為了更加精確分析太湖的樣點數(shù)據(jù)，從太湖61個采樣數(shù)據(jù)中選取懸浮物濃度大于3 mg/m3的35個采樣點，并從35個采樣點中隨機選取15個采樣點的數(shù)據(jù)構(gòu)建模型，見表2。

圖3中，Apple模型下得出的采樣點反射率作為自變量，實測的葉綠素濃度作為因變量，在Matlab中分析，得到采樣點反射率和各點葉綠素a濃度之間的關(guān)系：

Y = 0.012 9X + 36.89

從式中可以看出，各點反射率和葉綠素a濃度之間是線性關(guān)系，具有較好的相關(guān)性，r2=0.788 2。

為了驗證模型的可行性，從余下的20個采樣點中隨機選取10個采樣點來驗證該模型的適用性，最大相對誤差25.18%，最小誤差11.4%，可以得出：在太湖

表2 太湖水體采樣信息

懸浮物濃度大于35 mg/m3的35個樣點數(shù)據(jù)中，各樣點的相對誤差都比較平均，都能較好的反演該模型的葉綠素a濃度，由此可以推測該模型可以適用于Ⅱ類水體葉綠素a濃度的反演。

圖3 實測葉綠素a濃度與Apple下的反射率關(guān)系

3 結(jié)論與討論

從反演結(jié)果來看（表3），Apple模型對太湖葉綠素a濃度的反演結(jié)果穩(wěn)定，控制在一定的誤差范圍內(nèi)，但還是不夠完善，原因可能有以下幾點：

表3 葉綠素a反演結(jié)果驗證

Apple模型是一種新的半分析模型，目前并未用于內(nèi)陸水體的葉綠素濃度反演研究，所以其穩(wěn)定性和精度還需要進(jìn)一步的驗證。

本次研究只是選取了太湖中懸浮物含量高于35 mg/m3的樣點，針對局部區(qū)域進(jìn)行建模，對整個太湖還需要進(jìn)行進(jìn)一步驗證。

太湖中葉綠素a濃度會受到當(dāng)?shù)貧夂?、環(huán)境和居民活動等外部條件的影響，且Ⅱ類水體光學(xué)特性復(fù)雜，還一定程度上還受到黃色物質(zhì)和懸浮物的影響。

在對MERIS圖像獲取的數(shù)據(jù)方面，大氣校正并沒有去除臭氧、水蒸氣和氣溶膠的影響，數(shù)據(jù)預(yù)處理方面仍不完善。

綜上，本次研究利用MERIS遙感圖像，結(jié)合Apple模型，對太湖中葉綠素a濃度進(jìn)行監(jiān)測和反演。新型半分析模型Apple模型，其性能優(yōu)于傳統(tǒng)的二、三波段模型，相關(guān)系數(shù)r2達(dá)到0.788 2，且反演葉綠素a濃度方面穩(wěn)定性較好，誤差都在一定的范圍之內(nèi)。對太湖Ⅱ類水體的應(yīng)用于葉綠素濃度反演和水質(zhì)監(jiān)測有良好的應(yīng)用前景，并對以后監(jiān)控Ⅱ類水體葉綠素濃度提供了可供參考的依據(jù)。