馬 蘭 劉吉平

（吉林師范大學旅游與地理科學學院 吉林 四平 136000）

水是濕地生態(tài)系統(tǒng)的基本要素，對濕地的形成、發(fā)展、演化、保護及功能發(fā)揮具有至關重要的作用[1～3]。濕地的水量、水質等狀況的穩(wěn)定對濕地生態(tài)系統(tǒng)的結構和功能有重要保障作用，因此保護濕地的水環(huán)境也是保護濕地的重要措施之一[4～5]。由于受人類活動和自然因素的雙重影響，濕地水環(huán)境日益惡化[6]。

葉綠素a是重要的水體水質參數(shù)之一，不僅可以較好地反映水中浮游生物的分布，也能衡量水體的初級生產力，其含量還能很好地反映水體富營養(yǎng)化程度[7～8]。利用遙感技術對水體中葉綠素a濃度進行監(jiān)測，克服了許多傳統(tǒng)監(jiān)測的局限，其優(yōu)點很多，監(jiān)測范圍廣、面積大、精度高、時效性強、成本低、省時省力，能夠長時序快速地監(jiān)測大面積水體水質參數(shù)的時空動態(tài)變化[9～10]。遙感技術由開始的海洋水體遙感漸漸應用到內陸水體的研究中，從簡單的水域識別逐漸發(fā)展到運用遙感技術對水體水質參數(shù)進行估測[11]。多種遙感數(shù)據已經被廣泛地應用到水質遙感研究中，如 Landsat-OLI、MODIS、Sentinel、GF-1 等[12]。水質遙感技術不斷發(fā)展，模型的構建和水質參數(shù)光譜特征研究不斷深入，遙感水質監(jiān)測方法由物理方法發(fā)展到經驗方法，再發(fā)展到半經驗方法，經驗方法和半經驗方法是最常使用的方法。

1 研究區(qū)域與研究方法

1.1 研究區(qū)域。向海國家級自然保護區(qū)坐落在吉林省白城市通榆縣的西北方向，科爾沁草原中部，地理位置為東經 122°05'～ 122°30'，北緯 44°50'～ 45°19'[13]，海拔在156～192 m，總面積約為1 055 km2，屬水域生態(tài)系統(tǒng)和內陸鹽沼濕地生態(tài)系統(tǒng)相結合的自然保護區(qū)。保護區(qū)地處溫帶季風氣候區(qū)，年平均氣溫為5.1℃，年蒸發(fā)量為1 946 mm，年降水量為408.3 mm，蒸發(fā)量遠大于年降水量，屬于半干旱地區(qū)(如圖1)。

圖1 研究區(qū)域及采樣點分布圖

1.2 數(shù)據資料的來源與獲取

1.2.1 實測水質數(shù)據。2018年6月12日、7月25日和9月11日對吉林省白城市通榆縣西北部的向海濕地水體進行采樣，采樣點分布如圖1。采用分光光度法測定葉綠素a濃度。

1.2.2 遙感影像數(shù)據。選擇與實測水質數(shù)據時間相近且云量較小的Landsat-OLI遙感影像，對影像進行預處理。運用ENVI5.3，導入采樣點經緯度的excel表格，提取各采樣點的遙感反射率。使用歸一化水體指數(shù)的方法將水體從影像中提取出來。

1.3 主要研究方法

1.3.1 水質反演方法。經驗方法是運用多光譜遙感技術來監(jiān)測水質逐漸發(fā)展形成的一種方法。現(xiàn)如今應用于葉綠素濃度的反演比較廣泛。經驗方法是應用統(tǒng)計學的方法對野外實測水質各參數(shù)數(shù)據和遙感波段數(shù)據進行分析，選取最適宜波段或波段組合數(shù)據與地面實際測量的水質參數(shù)數(shù)據進行統(tǒng)計分析，得到最適合的回歸方程，進而對所需的水質參數(shù)進行反演。經驗模型是一種相對簡單并且適用的模型，是遙感定量反演模型。

1.3.2 相關分析。相關分析是研究2個或者多個地位相同的隨機變量元素之間的相關關系的一種統(tǒng)計分析方法。隨機變量之間需要有一定的聯(lián)系才可以進行相關性分析。相關分析是回歸分析的前提和基礎。本文使用SPSS軟件對波段進行相關分析，根據Pearson系數(shù)可以看出相關的程度和正負相關，系數(shù)的絕對值越大，相關性越強，再看是否通過檢驗(F檢驗、P值等)，從而尋找出敏感波段。

1.3.3 回歸分析?；貧w分析是指確定2種或者多種變量之間相互依賴的定量關系，也是一種統(tǒng)計分析方法?；貧w分析的運用非常廣泛?；貧w分析可以揭示自變量對因變量影響的大小，還可以進行數(shù)量上的預測和控制，是建立模型和數(shù)據分析的重要技術。本文根據向海濕地水體實測水質數(shù)據和遙感影像波段反射率，建立模型時使用回歸分析方法。

1.3.4 模型精度檢驗方法。檢驗模型的可用性與模型好壞的重要標準是精度評價。本文選取的驗證水質模型精度的參數(shù)有擬合系數(shù)R2、相對誤差ARE(AbsolutionRelativeError)和均方根誤差 RMSE(root-mean-square-error)。擬合系數(shù)越接近1，其效果越好?；贚andsat-OLI遙感影像水體水質建立最終的模型，其原則為擬合指數(shù)R2越大，均方根誤差(RMSE)和相對誤差(ARE)兩者較小，對三者進行綜合分析。其中式中，表示第 i個反演值，xi表示第i個實測值，n是驗證點的總數(shù)。

2 結果與分析

本文隨機選取18組葉綠素a濃度及其對應的遙感反射率數(shù)據進行建模，剩下8組實測數(shù)據進行模型驗證與精度評價。

2.1 水體遙感反射率與葉綠素a濃度的相關性分析。利用SPSS軟件，對Landsat-OLI遙感影像的7個波段與葉綠素a濃度的相關性進行分析，與葉綠素a濃度相關性比較大的波段有b1、b2、b3和b4，其Pearson系數(shù)分別為0.718、0.76、0.761、0.825，其余波段的系數(shù)偏小，相關性低。其中，葉綠素a濃度與波段1～4的反射率都呈現(xiàn)顯著正相關(p＜0.001)，與第4波段反射率的相關系數(shù)最大。

2.2 反演模型建立。用b1、b2、b3和b4這四個波段構建單波段模型，將波段的遙感反射率作為自變量，實測的葉綠素a濃度作為因變量(p＜0.001)，比較模型擬合系數(shù)和均方根誤差，由表1可以看出，擬合系數(shù)都大于0.55，相關性較高。其中b4建立的多項式模型擬合系數(shù)最大，均方根誤差也相對較小，因此用b4建立的線性模型為最佳模型。

表1 葉綠素a濃度回歸預測模型

2.3 反演模型驗證。利用建立的葉綠素a濃度反演模型，采用8組驗證點數(shù)據對模型進行驗證，反演出8組驗證采樣點的葉綠素a濃度，繪制實測值與預測值散點圖。由圖2可知，8組驗證樣本采樣點葉綠素a濃度的實測值與預測值分布于1∶1直線兩側，其擬合系數(shù)R2為0.7419，均方根誤差RMSE為23.3248 μg/L，Sig.=0.000，達到顯著水平。從葉綠素a濃度驗證的結果可以看出(表2)，相對誤差最大值為42.36%，最小值為10.49%，預測值與實測值相對誤差的平均值為24.73%。

圖2 葉綠素a濃度實測值和預測值擬合圖

表2 葉綠素a回歸方程模型的預測值與實測值的誤差表

3 結論

本文以向海濕地水體為研究對象，結合Landsat-OLI遙感影像數(shù)據與野外實地采集的水樣數(shù)據，用Pearson相關分析方法對水質參數(shù)濃度與遙感影像波段的相關性進行分析，選擇相關性大的波段建立回歸模型，并對模型進行了驗證。結論如下：Landsat-OLI遙感影像波段1至波段4的遙感反射率與葉綠素a濃度呈顯著正相關，其中波段4的Pearson系數(shù)為0.825，與葉綠素a濃度的相關性最強。以波段4的遙感反射率為自變量，實測的葉綠素a濃度作為因變量，建立的葉綠素a反演模型(y=336.78x-1.4663)為最佳模型。