杜雨春子,青 松,曹萌萌,袁瑞強(qiáng),順布日,郝艷玲

(1：內(nèi)蒙古師范大學(xué)地理科學(xué)學(xué)院,呼和浩特 010022)

(2：內(nèi)蒙古大學(xué)生態(tài)與環(huán)境學(xué)院,呼和浩特 010021)

沉水植物在淺水湖泊濕地發(fā)揮著不可忽視的生態(tài)功能，如吸收氮磷等富營(yíng)養(yǎng)化物質(zhì)，抑制浮游植物生長(zhǎng)，為無脊椎動(dòng)物、魚、水禽提供棲息地，為浮游動(dòng)物提供庇護(hù)所，促進(jìn)底層沉積物的淤積等. 因此實(shí)時(shí)監(jiān)測(cè)湖泊沉水植物，對(duì)于水資源調(diào)查研究、開發(fā)保護(hù)、水環(huán)境生態(tài)修復(fù)具有重要意義[1-4].

傳統(tǒng)監(jiān)測(cè)沉水植物分布與生長(zhǎng)狀況的現(xiàn)場(chǎng)調(diào)查法和潛水測(cè)量法耗時(shí)耗力、監(jiān)測(cè)覆蓋范圍小，而且影響水體環(huán)境[4]. 遙感技術(shù)能夠大面積同步獲取地物信息，所以在水生植物時(shí)空分布監(jiān)測(cè)方面具有傳統(tǒng)方法不可比擬的優(yōu)勢(shì)[5]. 在多光譜應(yīng)用方面，許多學(xué)者利用GF，Landsat系列(包括 MSS、TM、ETM+)，SPOT和HJ-CCD等遙感數(shù)據(jù)對(duì)水生植物進(jìn)行監(jiān)測(cè)、初步分類，提取和制圖，并獲得了很好的研究結(jié)果[6-9]；其中，Dogan等[6]利用Quickbird衛(wèi)星數(shù)據(jù)繪制了淺湖沉水植物覆蓋范圍，并指出冠層水深是影響大規(guī)模遙感監(jiān)測(cè)沉水植物覆蓋度和豐度的主要因素. Rotta等[10]探討了利用SPOT-6估算內(nèi)陸水域沉水植物高度(SAV)的可行性，并指出在深度大于5 m，高度為1.5 m的情況下，沉水植物反射率的靈敏度低. 近幾年來，隨著高光譜遙感技術(shù)的應(yīng)用與發(fā)展，使遙感由定性分析向定量或半定量的轉(zhuǎn)化成為可能，高光譜遙感具有空間分辨率和光譜分辨率高的特點(diǎn)[11]. 目前，國(guó)內(nèi)外學(xué)者使用實(shí)測(cè)高光譜數(shù)據(jù)對(duì)內(nèi)陸湖泊的沉水植物進(jìn)行種類識(shí)別、分類、覆蓋度、生物量評(píng)估及沉水植物結(jié)構(gòu)特征與光譜信息關(guān)系等方面的定量研究[12-13]. Pande-Chhetri等[14]利用機(jī)載CASI高光譜傳感器，對(duì)淺水湖泊(深度<3 m)沉水植物進(jìn)行了遙感分類. Zou等[15]在富營(yíng)養(yǎng)化湖中，利用實(shí)測(cè)高光譜數(shù)據(jù)研究了覆蓋度與沉水植物光譜特征之間的關(guān)系，并指出沉水植物光譜反射率隨覆蓋度的減少而下降，水深是影響沉水植物覆蓋度的主要因素. 由此可見水深這一重要因素一直以來直接影響著沉水植物的遙感監(jiān)測(cè)[16-19]. 由于水體環(huán)境的復(fù)雜性，目前對(duì)沉水植物光譜特征及沉水植物群落冠層在水下深度(冠層水深)對(duì)沉水植物光譜影響的定量研究還需進(jìn)一步深入探討.

本文以內(nèi)蒙古巴彥淖爾市境內(nèi)烏梁素海沉水植物群落為研究對(duì)象，基于地物光譜儀測(cè)定的沉水植物光譜數(shù)據(jù)，開展如下研究：1) 分析沉水植物與其他地類光譜特征差異; 2) 探討冠層水深對(duì)沉水植物群落光譜特征的影響; 3) 建立冠層水深遙感反演模型；4)利用Landsat-8 OLI數(shù)據(jù)反演得到烏梁素海冠層水深分布圖.

1 數(shù)據(jù)和方法

1.1 研究區(qū)概況

烏梁素海(40°36′～41°03′N，108°43′～108°57′E)(圖1)位于內(nèi)蒙古巴彥淖爾市境內(nèi)，是中國(guó)的八大淡水湖之一，也是河套灌區(qū)唯一的排澇湖. 湖泊呈南北長(zhǎng)、東西窄的狹長(zhǎng)形態(tài)，湖岸線長(zhǎng)130 km. 湖泊蓄水量2.5億～3億 m3，水深為0.5～3.0 m，平均水深1.5 m，水域面積273.32 km2. 所在地區(qū)的多年平均氣溫為7.3℃，多年平均降雨量為224 mm，蒸發(fā)量為1502 mm，全年無霜期為152 d，湖水于每年11月初結(jié)冰，次年4月份解凍，冰封期為5個(gè)月. 烏梁素海還是橫跨歐亞大陸鳥類棲息和遷移的重要場(chǎng)所，是黃河中上游重要的保水、蓄水和調(diào)水基地，也是全球范圍內(nèi)荒漠半荒漠化地區(qū)極為少見的具有很高生態(tài)效益的大型多功能草型湖泊，是地球上同一緯度最大的自然濕地，在中國(guó)濕地、荒漠及動(dòng)物物種3大生態(tài)系統(tǒng)保護(hù)中均居于重要地位. 由于長(zhǎng)期受農(nóng)田退水、工業(yè)廢水等的影響，湖水被嚴(yán)重污染，湖區(qū)內(nèi)挺水植物、沉水植物等大型水生植物瘋長(zhǎng)，導(dǎo)致烏梁素海成為重度富營(yíng)養(yǎng)化草型湖泊[20-23].

烏梁素海水生植被生長(zhǎng)茂盛，在全湖范圍內(nèi)廣泛分布，植被種類大致可以分為挺水植被、沉水植被和漂浮藻類3類. 其中，挺水植被主要有蘆葦、寬葉香蒲，蘆葦為優(yōu)勢(shì)種，4月開始發(fā)芽出青，9月份開始衰退枯黃，挺水植物占湖面的1/2，主要分布在湖的中部、西岸和北部，蘆葦外圍生長(zhǎng)著少量香蒲，面積不大；沉水植被有龍須眼子菜、菹草、狐尾藻、茨藻、輪藻、竹葉眼子菜等，龍須眼子菜和穗花狐尾藻為沉水植被優(yōu)勢(shì)種，5月中旬開始萌芽，10月開始逐漸衰退，主要分布在明水區(qū)，但是南部明水區(qū)分布較少. 漂浮藻類主要為黃苔，黃苔由水綿、雙星藻、轉(zhuǎn)板藻3個(gè)屬的藻類組成，其絲狀綠藻最初生長(zhǎng)于水下，纏繞在沉水植被上、或依附在底泥上生長(zhǎng)，當(dāng)聚集到一定程度后會(huì)形成團(tuán)塊，隨著光合作用產(chǎn)生的氣泡飄浮并出露水面，受到強(qiáng)光照射部分死亡而呈現(xiàn)出黃色，被稱為“黃苔”，5月初“黃苔”開始出現(xiàn)，7-8月份“黃苔”大面積暴發(fā)，主要分布在中部和東部[24-26].

圖1 烏梁素海地理位置及實(shí)測(cè)站位

1.2 野外實(shí)測(cè)

本研究分別于2018年7月16日、8月17日、9月2日、9月18日、11月5日和2019年6月17日在烏梁素海開展了6次為期2日的野外調(diào)查，且時(shí)間與Landsat-8衛(wèi)星過境時(shí)間同步，共獲得有效數(shù)據(jù)378組，包括挺水植物(30組)、沉水植物(228組)、漂浮藻類(8組)和開闊水體(112組)的遙感反射率光譜、冠層水深/水深和現(xiàn)場(chǎng)照片(圖1和圖2).

光譜測(cè)量采用美國(guó) ASD 公司生產(chǎn)的 ASD Field Spec 4 地物光譜儀，其測(cè)量波段范圍為350～2500 nm，光譜分辨率為3 nm，光纖視場(chǎng)為25°，350～1000 nm內(nèi)采樣間隔為1.4 nm，1001～2500 nm 內(nèi)采樣間隔為1.1 nm. 光譜測(cè)量方法采用唐軍武等提出的水面以上水體光譜測(cè)量方法[27]. 遙感反射率測(cè)量在無風(fēng)、天氣晴朗時(shí)進(jìn)行，且每個(gè)樣點(diǎn)需要測(cè)量標(biāo)準(zhǔn)灰板、水體和天空光的輻射亮度，剔除異常數(shù)據(jù)之后，取均值作為該點(diǎn)的光譜數(shù)據(jù). 為了避開水體對(duì)太陽直射反射和船體陰影等影響，需要采用一定的觀測(cè)角度，儀器觀測(cè)平面與太陽入射平面夾角為90～145°之間，且儀器與水體之間的距離為1 m. 用卷尺現(xiàn)場(chǎng)測(cè)量站點(diǎn)沉水植物群落從水面到植物冠層的深度，即冠層水深(WDC). 冠層水深呈正態(tài)分布，其平均值和標(biāo)準(zhǔn)差分別為42.73和25.00 cm. 用塞氏盤測(cè)量水體透明度，利用手持GPS定位儀記錄每個(gè)站點(diǎn)的位置.

圖2 挺水植物、沉水植物、漂浮藻類、開闊水體照片

1.3 遙感影像數(shù)據(jù)及其預(yù)處理

本文選用2018年9月2日和2019年6月17日的無云覆蓋的2景Landsat-8 OLI影像數(shù)據(jù)(http://earthexplorer.usgs.gov/). Landsat-8衛(wèi)星發(fā)射于2013年2月11日，重訪周期為16 d，搭載2個(gè)傳感器，OLI(Operational Land Image)和TIRS (Thermal Infrared Sensor). OLI有9個(gè)波段，其中全色波段的分辨率為15 m，其余8個(gè)波段的分辨率為30 m[28]，9個(gè)波段的中心波長(zhǎng)分別為443 nm(Coastal)、483 nm(Blue)，561 nm(Green)、655 nm(Red)、865 nm(NIR)、1609 nm(SWIR1)、2210 nm(SWIR2)、592 nm(Pan)和1373 nm(Cirrus). 由于烏梁素海遍布挺水植物、沉水植物、漂浮藻類，水環(huán)境復(fù)雜，精確的氣溶膠校正存在困難. 因此OLI影像只做了大氣瑞利校正，在此基礎(chǔ)上進(jìn)行WDC的遙感反演. 參考Quinten Vanhellemont & Kevin Ruddick[28-29]進(jìn)行瑞利校正，步驟如下：

首先，利用公式(1)進(jìn)行遙感影像的輻射定標(biāo)：

LTOA=ML·DN+AL

(1)

式中，LTOA為輻射亮度(W/(m2·μm·sr))，DN值為遙感影像像元亮度值，ML(multiplicative factor，gain)為增益系數(shù)(W/(m2·μm·sr))，AL(additive factor，offset)為偏移量(W/(m2·μm·sr))，分別可從OLI數(shù)據(jù)頭文件中獲取.

其次，獲取大氣層頂反射率：

(2)

式中，ρTOA為大氣層頂反射率(sr-1);d為以天文單位表示的日地距離(AU)；F0為波段平均的大氣層外太陽輻照度(W/(m2·μm))；θ0為太陽高度角(°).

大氣瑞利校正公式為：

(3)

式中，ρr是瑞利反射率(sr-1)；τr是瑞利光學(xué)厚度(無單位)；Pr是瑞利散射相位函數(shù)；θv是觀測(cè)天頂角(°)；Δφ是相對(duì)太陽和傳感器間高度角(°).

另外，本文試圖利用瑞利校正后的OLI數(shù)據(jù)進(jìn)行冠層水深的反演. 因此，利用OLI數(shù)據(jù)的波段響應(yīng)函數(shù)，將實(shí)測(cè)光譜反射率積分到OLI波段上，波段積分運(yùn)算見公式(4)：

(4)

式中，Rrs(λ)(sr-1)表示實(shí)測(cè)遙感反射率；Fi表示OLI數(shù)據(jù)的第i波段的光譜響應(yīng)函數(shù).

1.4 方法

1.4.1 光譜特征分析 基于實(shí)測(cè)遙感數(shù)據(jù)，分析沉水植物與漂浮藻類和挺水植物之間的光譜差異，辨識(shí)沉水植物與其他水生植物光譜區(qū)分特征；研究沉水植物光譜隨冠層深度的變化特征.

1.4.2 相關(guān)分析 基于沉水植物光譜特征，進(jìn)行冠層水深與沉水植物光譜之間的相關(guān)分析，確定相關(guān)性最大的單波段和波段比. 相關(guān)分析同時(shí)考慮了皮爾遜(線性)和斯皮爾曼(單調(diào)性)相關(guān)分析法.

1.4.3 回歸模型建立 在1.4.1和1.4.2工作的基礎(chǔ)上，建立單波段/波段比與冠層水深之間的回歸模型，模型分別為：

(5)

(6)

1.4.4 精度評(píng)估 采用均方根誤差(root mean square error，RMSE)，平均相對(duì)誤差(mean relative percentage error，MRPE)以及Pearson相關(guān)系數(shù)評(píng)價(jià)反演模型精度，計(jì)算公式為：

(7)

(8)

式中，xipre和ximea分別表示通過模型計(jì)算得到的冠層水深和實(shí)際測(cè)量得到的冠層水深；n為采樣點(diǎn)數(shù).

2 結(jié)果

2.1 沉水植物與挺水植物和漂浮藻類光譜差異特征

圖3為0深度沉水植物(WDC=0)、挺水植物和漂浮藻類實(shí)測(cè)光譜，由于1349～1449、1750～1979和2350～2500 nm段噪音大，因此剔除. 由圖3A可見，沉水植物(WDC=0)和挺水植物、漂浮藻類的光譜曲線表現(xiàn)出典型的植被光譜特征，在可見光部分的藍(lán)波段(480 nm為中心)和紅光波段(680 nm為中心) 附近有較強(qiáng)的吸收，形成兩個(gè)吸收谷，在540～560 nm附近形成了明顯的反射綠峰；在670～720 nm之間反射率增高最快，出現(xiàn)“紅邊”；波長(zhǎng)>700 nm時(shí)，其光譜反射率增強(qiáng)，形成了水生植物在近紅外波段的高反射區(qū).

三類植物光譜特征差異性表現(xiàn)在：挺水植物、沉水植物(WDC=0)和漂浮藻類在波段602、1272、1662和2223 nm光譜差異較大(圖3B). 圖4和表1中對(duì)比了挺水植物、沉水植物(WDC=0)和漂浮藻類在這4個(gè)特征波段處的取值范圍. 可以看出，挺水植物反射率光譜，在近紅外和短波紅外波段范圍內(nèi)的1272、1662和2223 nm附近分別有一個(gè)明顯的反射峰，這是挺水植物區(qū)別于沉水植物和漂浮藻類的重要波段. 沉水植物在近紅外高反射率的最大值都在0.099以下，而挺水植物都在0.152以上；漂浮藻類的近紅外高反射率在0.070～0.109之間，這與沉水植物的光譜波段有交叉，變化趨勢(shì)比較一致，而且沉水植物和漂浮藻類在1350 nm之后反射率逐漸減少，均趨于0. 雖然沉水植物和漂浮藻類的波譜形狀相似，但是在550～690 nm漂浮藻類的反射率值卻高于沉水植物(WDC=0)的反射率值，尤其在602 nm處漂浮藻類的反射率值最低為0.046，而沉水植物的反射率值最高不到 0.021. 所以在550～690 nm漂浮藻類和沉水植物(WDC=0)的光譜曲線具有明顯的分層現(xiàn)象，光譜特征差異明顯.

圖3 表層沉水植物、漂浮藻類、挺水植物實(shí)測(cè)光譜(a)和平均光譜(b)對(duì)比

圖4不同特征波段沉水植物(WDC=0)、漂浮藻類和挺水植物光譜反射率箱型圖：(a)為602 nm處；(b)為1272 nm處； (c)為1662 nm處；(d)為2223 nm處

表1 表層沉水植物、漂浮藻類和挺水植物實(shí)測(cè)光譜參數(shù)

圖5 不同冠層水深沉水植物群落的實(shí)測(cè)光譜曲線

2.2 不同冠層水深的沉水植物光譜特征

圖6 810 nm處不同冠層水深沉水植物和開闊水體光譜反射率箱型圖

圖5為不同冠層水深的沉水植物實(shí)測(cè)光譜曲線. 可以看出，光譜反射率隨冠層水深增加而下降，在近紅外區(qū)域700～900 nm尤為突出，這是因?yàn)樗w通過吸收和散射造成的強(qiáng)烈光衰減對(duì)沉水植物光譜產(chǎn)生明顯干擾[16]. 隨著冠層水深的增加，沉水植物光譜在700～900 nm波段范圍內(nèi)出現(xiàn)以714 nm和810 nm為中心的2個(gè)反射峰，這主要是由于這2個(gè)波段之間正好是一個(gè)明顯的水吸收帶[31]. 當(dāng)冠層離水面的距離為50 cm時(shí)水體與沉水植物群落光譜反射率非常接近，但在810 nm處存在細(xì)微的差異. 圖6對(duì)比了810 nm處不同冠層水深沉水植物和開闊水體的光譜范圍. 可以看出，隨著冠層水深的增加，沉水植物反射率的集中區(qū)域逐漸降低變窄，并且逐步趨于0，而且51～160 cm深度范圍的沉水植物光譜反射率與開闊水體的光譜反射率區(qū)域非常接近(圖5e和圖5f)，這表明冠層水深會(huì)影響沉水植物的光譜反射率.

2.3 冠層水深反演模型

2.3.1 冠層水深與沉水植物光譜反射率的相關(guān)分析 通過對(duì)不同冠層水深的沉水植物光譜特征分析，可以發(fā)現(xiàn)沉水植物群落的光譜反射率隨冠層水深的增加而降低，在700～900 nm 波段范圍內(nèi)差異最為明顯. 由于烏梁素海各月沉水植物物候特征隨季節(jié)變化明顯，所以分別對(duì)2018年7月、8月、9月、11月和2019年6月沉水植物群落的光譜反射率與冠層水深進(jìn)行相關(guān)性分析(圖7). 在700～735 nm波段附近，沉水植物群落光譜反射率與冠層水深呈顯著負(fù)相關(guān)，是光譜反射率對(duì)冠層水深變化最敏感的波段. 這與Han等[32]的研究結(jié)果一致. 其中7月沉水植物群落的光譜反射率與冠層水深皮爾遜最高的相關(guān)系數(shù)位于715 nm處，r=-0.77，斯皮爾曼相關(guān)系數(shù)為 -0.91. 8月皮爾遜最高的相關(guān)系數(shù)位于707 nm處，r= -0.75，在760 nm處斯皮爾曼相關(guān)系數(shù)最高，ρ=-0.88. 9月皮爾遜最高的相關(guān)系數(shù)位于719 nm處，r= -0.64，在819 nm處斯皮爾曼相關(guān)系數(shù)最高，ρ=-0.75. 11月皮爾遜最高的相關(guān)系數(shù)位于967 nm處,r=-0.91，在954 nm處斯皮爾曼相關(guān)系數(shù)最高，ρ=-0.98. 2019年6月皮爾遜最高的相關(guān)系數(shù)位于715 nm處，r=-0.64，在733 nm處斯皮爾曼相關(guān)系數(shù)最高，ρ=-0.96. 所有月份的皮爾遜最高的相關(guān)系數(shù)位于720 nm處，r=-0.64，在733 nm處斯皮爾曼相關(guān)系數(shù)最高，ρ=-0.84. 從8月以后的相關(guān)性可以看出皮爾遜相關(guān)系數(shù)與斯皮爾曼相關(guān)系數(shù)所對(duì)應(yīng)的特征波段差異很大，這是因?yàn)樵?07 nm之后沉水植物光譜反射率與冠層深度可能存在非線性關(guān)系. 而且6、7、8、9月為沉水植物群落生長(zhǎng)旺季，沉水植物群落全部呈綠色，植株距水面近，近紅外光譜反射率最高. 11月為沉水植物群落衰退期，沉水植物群落“失綠”呈黃褐色，植株距水面遠(yuǎn)，沉水植物群落近紅外光譜反射率較低. 而在700～900 nm波段附近，是光譜反射率對(duì)冠層水深變化最敏感的波段，這可能也是影響沉水植物群落與冠層水深相關(guān)性的因素[33]. 通過迭代算法對(duì)400～1350 nm(5 nm間隔)波段區(qū)間的實(shí)測(cè)反射率逐一兩兩比值，與沉水植物群落冠層水深進(jìn)行相關(guān)性計(jì)算，發(fā)現(xiàn)在表2波段比處r和ρ最高.

表2 各月波段比與冠層水深相關(guān)系數(shù)

圖7 不同月份沉水植物光譜反射率與冠層水深之間的單波段相關(guān)系數(shù)(其中圓點(diǎn)和三角形分別代表皮爾遜和斯皮爾曼相關(guān)系數(shù)最優(yōu)的波段位置)

表3 單波段/波段比冠層水深反演模型

圖8 各月冠層水深實(shí)測(cè)值與反演值對(duì)比

圖8為各月單波段/波段比冠層水深反演模型的實(shí)測(cè)冠層水深與反演冠層水深對(duì)比圖，從圖可以看出，波段比的反演精度要高于單波段，這是因?yàn)椴ǘ伪戎悼稍谝欢ǔ潭壬舷煌瑫r(shí)間和空間上水表面光滑度和大氣對(duì)電磁波的影響，并部分地減少其他物質(zhì)的干擾[34]，而單波段卻不能. 在單波段的情況下，冪函數(shù)的反演精度要比線性函數(shù)高，冪函數(shù)的決定系數(shù)R2>0.5，均方根誤差<16.18 cm，而線性函數(shù)的決定系數(shù)R2>0.4，均方根誤差<18.87 cm，這是因?yàn)樵?00～735 nm波段附近，沉水植物群落光譜反射率與冠層水深呈顯著負(fù)相關(guān)，而且在707 nm之前兩者之間的線性關(guān)系較好，在707 nm之后的近紅外波段反射率與冠層水深存在很好的非線性關(guān)系. 在波段比的情況下，冪函數(shù)與線性函數(shù)的決定系數(shù)R2非常接近，而且R2>0.70，均方根誤差<13.70 cm. 7月波段比反演模型的線性函數(shù)和冪函數(shù)的決定系數(shù)分別為0.87和0.84，均方根誤差分別為10.39和12.70 cm，平均相對(duì)誤差分別為22.06%和22.41%；8月波段比的線性函數(shù)和冪函數(shù)的決定系數(shù)分別為0.79和0.76，均方根誤差分別為9.23和10.07 cm，平均相對(duì)誤差分別為36.99%和36.43%；9月波段比的線性函數(shù)和冪函數(shù)決定系數(shù)分別為0.72和0.70，均方根誤差分別為13.36和13.33 cm，平均相對(duì)誤差分別為28.75%和27.06%；11月波段比的線性函數(shù)和冪函數(shù)的決定系數(shù)分別為0.91和0.80，均方根誤差分別為4.05和5.11 cm，平均相對(duì)誤差分別為13.55%和14.75%；6月波段比的線性函數(shù)和冪函數(shù)的決定系數(shù)分別為0.95和0.81，均方根誤差分別為6.59和12.40 cm，平均相對(duì)誤差分別為15.59%和14.66%；以上所有月份波段比的的線性函數(shù)和冪函數(shù)的決定系數(shù)分別為 0.70 和0.71，均方根誤差分別為13.58和13.70 cm，平均相對(duì)誤差分別為31.42%和27.57%. 通過各月的RMSE、MRPE和散點(diǎn)圖可以看出大部分反演值位于1∶1線附近，與實(shí)測(cè)值有較好的一致性，反演精度較高，單波段模型最好的冠層水深反演精度集中在10～30 cm，而波段比模型最好的冠層水深反演精度集中在10～60 cm.

沉水植物具有凈化和改善水質(zhì)的作用[17]，通過現(xiàn)場(chǎng)調(diào)查發(fā)現(xiàn)，在烏梁素海沉水植物分布區(qū)域水體透明度高，懸浮物濃度和葉綠素濃度低，對(duì)沉水植物光譜的影響小，而水面到植物冠層的深度對(duì)沉水植物光譜影響較大，所以本文重點(diǎn)探討冠層水深對(duì)沉水植物光譜的影響.

2.3.3 模型推廣 本文試圖利用瑞利校正后的OLI數(shù)據(jù)進(jìn)行冠層水深的反演. 首先，基于波段響應(yīng)函數(shù)，將實(shí)測(cè)光譜反射率積分到Landsat-8 OLI波段上，見公式(4)；然后，進(jìn)行了OLI單波段反射率/波段比值與實(shí)測(cè)冠層水深之間的相關(guān)性分析，見圖9. OLI第5波段(中心波段為865 nm)的沉水植物光譜反射率與冠層水深的相關(guān)性最大，其皮爾遜相關(guān)系數(shù)為r=0.54，斯皮爾曼相關(guān)系數(shù)為ρ=0.73. 在波段比Rrs(Costal)/Rrs(NIR)處沉水植物光譜反射率與冠層水深的皮爾遜相關(guān)系數(shù)最大，r=0.67. 在波段比Rrs(Blue)/Rrs(NIR)處斯皮爾曼相關(guān)系數(shù)最大，ρ=0.76. 這是因?yàn)橹参锏娜~綠素對(duì)藍(lán)光的強(qiáng)吸收和對(duì)近紅外波段(850～880 nm)高反射導(dǎo)致的[35-37]. 因此，將Rrs(Costal)/Rrs(NIR)和Rrs(Blue)/Rrs(NIR)作為自變量，利用LOOCV方法建立OLI波段比的冠層水深反演模型，其中以Rrs(Costal)/Rrs(NIR)為自變量的波段比線性函數(shù)模型為y=14.295x+17.534，R2=0.44，以Rrs(Blue)/Rrs(NIR)作為自變量的波段比冪函數(shù)模型為y=23.845x0.716，R2=0.49.

圖9 Landsat-8 OLI單波段、波段比沉水植物光譜反射率與冠層水深的相關(guān)系數(shù):(a)為單波段,(b)為波段比(其中圓點(diǎn)和三角形分別代表皮爾遜和斯皮爾曼相關(guān)系數(shù)最優(yōu)的波段位置)

圖10為OLI冠層水深反演值與實(shí)測(cè)值對(duì)比圖. 由圖10可知，OLI冠層水深反演結(jié)果與實(shí)測(cè)值之間有良好的一致性，其中波段比的冪函數(shù)反演結(jié)果最好. 波段比的線性反演模型的決定系數(shù)R2為0.44，均方根誤差為18.60 cm，平均相對(duì)誤差為63.67%，冪函數(shù)反演模型的決定系數(shù)R2為0.49，均方根誤差為18.17 cm，平均相對(duì)誤差為40.05%. 通過135個(gè)RMSE、MRPE和散點(diǎn)圖10可以看出大部分反演的冠層水深位于1∶1線附近，表明本文使用的Landsat-8 OLI冪函數(shù)反演模型獲得了較好的結(jié)果.

圖10 Landsat-8 OLI冠層水深反演值與實(shí)測(cè)值對(duì)比

2.3.4 Landsat-8 OLI波段比模型反演烏梁素海冠層水深 將OLI波段比冪函數(shù)模型應(yīng)用于瑞利校正后的OLI影像(2018年9月2日和2019年6月17日)，圖11對(duì)比了OLI反演的冠層水深和實(shí)測(cè)值. 從散點(diǎn)圖可以看出，反演冠層水深和實(shí)測(cè)冠層水深具有較好的一致性，R2為0.67. 然而，OLI數(shù)據(jù)只做了瑞利校正，未做氣溶膠校正，因此反演冠層水深與實(shí)測(cè)值之間存在一定的偏差.

因此，以瑞利校正后Landsat-8 OLI的Band2/Band5反射率為自變量建立了冠層水深反演模型，模型為y=57.68x0.98，R2=0.70. 圖12 中對(duì)比了大氣瑞利校正后Landsat-8 OLI影像數(shù)據(jù)波段比模型反演得到的冠層水深和實(shí)測(cè)值. 由圖12 可以看出冠層水深散點(diǎn)大部分都位于1∶1線附近，R2為0.70，RMSE為22.34 cm，MRPE為38.66%. 因此利用此模型得到了2018年9月2日和2019年6月17日烏梁素海沉水植物冠層水深分布圖，見圖13. 由圖13可以看出，6月與9月沉水植物冠層水深差異明顯，從整體來看，9月中部和東部的沉水植物冠層水深較小，而6月較大，這是因?yàn)?月沉水植物仍為生長(zhǎng)旺季，植株距水面近，而6月沉水植物剛剛進(jìn)入生長(zhǎng)旺季，植株距水面較遠(yuǎn). 從局部來看，9月北部沉水植物冠層水深較大，而6月卻較?。恢胁?月沉水植物平均冠層水深較小，而6月平均冠層水深較大；東部9月沉水植物冠層水深較小，而6月冠層水深較大. 這種冠層水深空間分布特征與現(xiàn)場(chǎng)船舶走航觀測(cè)結(jié)果大體一致.

圖11 Landsat-8 OLI影像數(shù)據(jù)波段比冪函數(shù)模型 反演冠層水深的反演值與實(shí)測(cè)值對(duì)比

圖12 大氣瑞利校正后Landsat-8 OLI影像數(shù)據(jù)波段 比模型反演冠層水深的反演值與實(shí)測(cè)值對(duì)比

圖13 烏梁素海沉水植物冠層水深分布(手動(dòng)提取了挺水植物)

3 討論與結(jié)論

本文利用實(shí)測(cè)水生植物遙感光譜數(shù)據(jù)，分析了沉水植物與挺水植物和漂浮藻類光譜特征差異及沉水植物光譜隨冠層水深的變化特征，得出以下結(jié)論：

1)沉水植物和漂浮藻類在可見光和近紅外的光譜反射率明顯低于挺水植物；挺水植物在短波紅外1662 nm和2223 nm附近分別有一個(gè)反射峰，這是挺水植物區(qū)別于沉水植物和漂浮藻類的重要波段. 0深度沉水植物(WDC=0)與漂浮藻類的光譜反射率非常接近，但是在550～690 nm有明顯差異，漂浮藻類的反射綠峰要高于沉水植物，并具有明顯分層現(xiàn)象. 因此，可以利用綠波段和短波紅外波段的光譜特征來區(qū)分挺水植物、沉水植物和漂浮藻類.

2)沉水植物群落的光譜反射率隨冠層水深的增加而降低，在700～900 nm 波段范圍內(nèi)變化最為明顯，且在700～735 nm波段附近，沉水植物群落光譜反射率與冠層水深呈顯著負(fù)相關(guān). 8月以后的r與ρ所對(duì)應(yīng)的特征波段差異很大，在707 nm之前沉水植物群落光譜反射率與冠層水深的線性關(guān)系較好，在707 nm之后兩者存在很好的非線性關(guān)系.

3)利用LOOCV方法，以單波段/波段比為自變量建立了沉水植物群落冠層水深反演模型，其中波段比反演模型要優(yōu)于單波段反演模型，波段比反演模型的決定系數(shù)R2>0.70，均方根誤差<13.70 cm，平均相對(duì)誤差<28%. 反演精度較好，適用于10～60 cm沉水植物冠層水深的反演. 利用冠層水深與湖水深度，可以繪制沉水植物高度圖，與覆蓋度相結(jié)合可以估算沉水植物生物量，該模型可以有效地推導(dǎo)出冠層水深，這可以為遙感研究沉水植物提供有效依的科學(xué)依據(jù).

4)利用波段積分運(yùn)算將實(shí)測(cè)光譜反射率擴(kuò)展應(yīng)用到Landsat-8 OLI波段上，建立了OLI單波段/波段比冠層水深反演模型，其中波段比冪函數(shù)反演模型效果最好，其決定系數(shù)R2為0.49，均方根誤差為18.17 cm，平均相對(duì)誤差為40.05%. 利用大氣瑞利校正后Landsat-8 OLI影像數(shù)據(jù)波段比模型得到了2018年9月2日和2019年6月17日烏梁素海沉水植物冠層水深分布圖. OLI遙感反演的冠層水深具有一定的不確定性，原因主要為：1)實(shí)測(cè)點(diǎn)位與遙感數(shù)據(jù)空間尺度不一致. 現(xiàn)場(chǎng)實(shí)測(cè)為點(diǎn)位數(shù)據(jù)，而OLI為面數(shù)據(jù)(空間分辨率30 m×30 m)，在900 m2內(nèi)烏梁素海沉水植物水深不均一，這是造成反演結(jié)果存在誤差的重要原因. 2)由于烏梁素海水環(huán)境復(fù)雜，精確的大氣校正實(shí)現(xiàn)困難，本文所用的OLI數(shù)據(jù)只做了瑞利校正，未做氣溶膠校正，這也是導(dǎo)致反演誤差的重要因素之一. 因此，在以后的研究中可以結(jié)合無人機(jī)高光譜對(duì)烏梁素海沉水植物冠層水深的遙感反演模型進(jìn)行驗(yàn)證.