劉瑤，李俊生，肖晨超，張方方，王勝蕾

1.自然資源部國土衛(wèi)星遙感應用中心,北京100048;

2.中國科學院空天信息創(chuàng)新研究院 數(shù)字地球重點實驗室,北京100094;

3.中國科學院大學 電子電氣與通信工程學院,北京100049

1 引 言

葉綠素a（Chla）是浮游植物（藻類）中最常見的色素，葉綠素a濃度則是評價水體富營養(yǎng)化程度的核心水質(zhì)參數(shù)之一（Cui 等，2020）。與傳統(tǒng)地面測量方式相比，基于衛(wèi)星遙感手段獲取水體葉綠素a濃度具有空間連續(xù)觀測和可長時序動態(tài)監(jiān)測等優(yōu)點。目前，面向大洋清潔水體的葉綠素a反演方法相對成熟，基于藍綠波段比值（O’Reilly 和Werdell，2019）或海色指數(shù)OCI（Ocean Color Index）（Hu 等，2019）即可實現(xiàn)全球大洋水體葉綠素a 的高精度反演；但對于近岸和內(nèi)陸渾濁水體，由于其光學特性復雜且隨區(qū)域和季節(jié)變化大，實現(xiàn)精確的葉綠素a 濃度反演仍有較大難度（張兵等，2021；Neil等，2019）。

用于葉綠素a濃度反演的衛(wèi)星遙感數(shù)據(jù)主要有3類：（1）波段寬度較大的多光譜數(shù)據(jù)，如Landsat TM/ETM+/OLI、Sentinel-2 MSI 等；（2）波段寬度較窄且數(shù)量較多但光譜離散的高光譜數(shù)據(jù)，如Envisat MERIS、Sentinel-3 OLCI 等；（3）波段寬度較窄、數(shù)量較多且連續(xù)的高光譜數(shù)據(jù)，如EO-1 Hyperion、GF-5 AHSI 等。然而，這3 類衛(wèi)星數(shù)據(jù)應用于內(nèi)陸水體的葉綠素a濃度監(jiān)測都有著各自的局限性。首先，波段較寬的多光譜數(shù)據(jù)難以精確捕捉內(nèi)陸水體的葉綠素a的光譜特征，反演葉綠素a 濃度的精度往往不高而且穩(wěn)定性也較差（Gholizadeh 等，2016）。其次，MERIS、OLCI等波段離散的高光譜遙感器能夠更精確地捕捉葉綠素a的光譜特征，進而提高葉綠素a的反演精度，但其空間分辨率往往較低，因此在中小型的內(nèi)陸水體監(jiān)測上能力有限（Kravitz 等，2020）。相比較而言，波段連續(xù)的高光譜數(shù)據(jù)在空間分辨率、光譜分辨率和波段數(shù)量上都具有優(yōu)勢，使其比前兩類遙感器更適宜作為內(nèi)陸水體葉綠素a 監(jiān)測的數(shù)據(jù)源，不過其有限的幅寬和重訪能力以及較低的信噪比（Giardino 等，2007）限制了其在內(nèi)陸水體的葉綠素a反演方面的廣泛應用。

2018-05，中國發(fā)射了高分五號衛(wèi)星（GF-5），其搭載的可見短波紅外高光譜相機AHSI（Advanced Hyperspectral Imager）有330 個波段，能夠在可見近紅外VN（Visible to Near-infrared）和短波紅外波段SW（Short-Wave infrared）分別獲取5 nm 和10 nm光譜分辨率的影像，且具有30 m的空間分辨率和60 km 的幅寬（Liu 等，2019）。緊接著在2019-09，中國又成功發(fā)射了資源一號02D 星（簡稱ZY-1 02D 衛(wèi)星）。該衛(wèi)星搭載了新一代AHSI 相機，具有與高分五號AHSI 相同的空間分辨率和幅寬，不同的是為了提高數(shù)據(jù)的信噪比，VN 和SW波段的光譜分辨率分別降低為10 nm 和20 nm，因此波段數(shù)也減少到166 個波段（劉銀年等，2020a）。預計2021年還將發(fā)射ZY-1 02D 的后續(xù)星，雙星組網(wǎng)將進一步提高其搭載的AHSI 的圖像獲取效率。而且，ZY-1 02D 高光譜數(shù)據(jù)的信噪比（劉銀年 等，2020b）優(yōu)于以往的EO-1 Hyperion、HJ-1 HSI 等高光譜數(shù)據(jù)，且幅寬更寬，覆蓋能力更強。因此，在內(nèi)陸水體的定量信息提取尤其是葉綠素a反演方面，ZY-1 02D高光譜數(shù)據(jù)具有很高的應用潛力，但是其具體應用效果還未見研究報道。

因此，本文基于ZY-1 02D 高光譜數(shù)據(jù)和同步獲取的水面光譜和葉綠素a 濃度數(shù)據(jù)，開展ZY-1 02D 數(shù)據(jù)的葉綠素a 反演能力分析。開展基于不同波段遙感反射率組合的典型內(nèi)陸水體葉綠素a濃度反演模型構建和反演精度分析，并評價ZY-1 02D數(shù)據(jù)在葉綠素a監(jiān)測上的優(yōu)勢和不足。

2 研究區(qū)試驗數(shù)據(jù)獲取

2.1 研究區(qū)介紹

本文選擇了營養(yǎng)狀態(tài)和渾濁程度不同的太湖、小浪底水庫和于橋水庫作為研究區(qū)。太湖位于江蘇省南部和浙江省北部交界處，面積約2300 km2，平均水深約2 m，屬于淺水湖泊。近幾十年，受到周圍高強度的人類活動和環(huán)境變化影響，太湖的富營養(yǎng)化問題十分突出，葉綠素a濃度常年處于較高水平。小浪底水庫位于河南省洛陽市與濟源市之間，是黃河中下游庫容量較大的峽谷型水庫，水庫面積約272 km2（武俐等，2020）。經(jīng)過近些年來的治理和保護，小浪底水庫水質(zhì)顯著好轉(zhuǎn)，水體處于中營養(yǎng)級別（生態(tài)環(huán)境部，2020）。于橋水庫位于天津市薊州區(qū)，作為天津市的重要水源地，其主要功能是城市供水以及防洪。受水庫上游及周邊經(jīng)濟活動的影響，進入輸水河道的污染物大量增加，導致于橋水庫的富營養(yǎng)化趨勢明顯（岳昂等，2020）。

2.2 水面實驗數(shù)據(jù)獲取

2020-09—2020-11 期間，在太湖、小浪底水庫和于橋水庫分別開展了與ZY-1 02D 衛(wèi)星的同步/準同步實驗，共布設了46 個地面采樣點（圖1），在現(xiàn)場完成了光譜測量、透明度測量和表層水樣的采集工作。表層水樣于試驗當天低溫保存，運回實驗室后依照熱乙醇—分光光度計法（陳宇煒等，2006）測量葉綠素a濃度。各水面實驗測量的葉綠素a濃度統(tǒng)計結(jié)果如表1所示。

圖1 與ZY-1 02D衛(wèi)星同步/準同步的研究區(qū)水面實驗采樣點分布圖Fig.1 Sampling sites of in situ experiments in study areas during the ZY-1 02D satellite overpasses

水上實驗時，按照“水面以上法”（唐軍武等，2004）采用ASD Field Spec Pro 光譜儀在采樣點進行光譜測量。采樣點的遙感反射率通過測量參考板輻亮度（Lp（λ））、天空輻亮度（Lsky（λ））和水面輻亮度（Lu（λ））后計算得到。水面輻亮度測量時的觀測天頂角為傾斜向下40°，觀測方位角與太陽方向的夾角是135°；天空輻亮度觀測天頂角為傾斜向上40°，觀測方位角與測量水面輻亮度時一致。參考板輻亮度是垂直向下對準參考板測量。水面測量的遙感反射率（）計算公式如下：

式中，ρsky為天空光在氣水界面的反射率，可以根據(jù)查找表確定（Mobley，1999），ρp為參考板反射率，由實驗室內(nèi)定標得到。3 個研究區(qū)水面測量的采樣點遙感反射率，重采樣到ZY-1 02D波段。

2.3 ZY-1 02D圖像數(shù)據(jù)獲取

太湖、小浪底水庫和于橋水庫的ZY-1 02D 高光譜數(shù)據(jù)獲取日期分別為2020-09-06，2020-10-21 和2020-11-08。與表1 的試驗時間比較可知，太湖和于橋水庫的衛(wèi)星影像和水面試驗為同一天獲取，小浪底水庫開展水面試驗比衛(wèi)星影像獲取早1 d?？紤]到小浪底水庫是深水水庫，短期氣象條件的改變對水質(zhì)影響較小，可認為水面試驗和影像獲取時的水體光學特性基本不變。3個研究區(qū)的ZY-1 02D 衛(wèi)星影像假彩色圖像如圖2 所示，其中，單景ZY-1 02D影像覆蓋了太湖的大部分區(qū)域（圖2（a））。影像的拍攝時間均為當?shù)貢r上午11 點左右，影像質(zhì)量良好，研究區(qū)水體上方無云。

表1 與ZY-1 02D衛(wèi)星同步/準同步獲取的典型研究區(qū)水面葉綠素a濃度數(shù)據(jù)統(tǒng)計Table 1 Minimum，maximum，and average values of measured Chla concentrations in study areas during the ZY-1 02D satellite overpasses

圖2 與地面試驗同步/準同步獲取的ZY-1 02D高光譜影像假彩色合成圖（紅：860 nm，綠：654 nm，藍：550 nm）Fig.2 False-color composite of concurrent ZY-1 02D hyperspectral images（Red：860 nm，Green：654 nm，Blue：550 nm）

3 方 法

3.1 ZY-1 02D水體圖像大氣校正及精度評價

（1）ZY-1 02D 圖像預處理方法。ZY-1 02D 高光譜數(shù)據(jù)的預處理主要包括大氣校正和水體范圍提取。由于ZY-1 02D 的高光譜相機在VN 和SW 波段是分別成像，首先需要將VN 和SW 波段的影像數(shù)據(jù)進行合并，并通過頭文件數(shù)據(jù)為合并后影像添加中心波長、半波寬和輻射定標參數(shù)信息。然后，基于輻射定標參數(shù)將DN 值轉(zhuǎn)換為輻亮度圖像，并轉(zhuǎn)換為BIL（Band-interleaved-by-line）或BIP（Band-interleaved-by-pixel）的存儲格式。最后，采用ENVI 的FLAASH 模塊實施大氣糾正。FLAASH 模塊中，大部分參數(shù)參照官方文檔進行設置；除此之外，對于ZY-1 02D 衛(wèi)星數(shù)據(jù)，傳感器高度設置為778 km，水汽反演選擇940 nm 波段，spectral polishing的波段數(shù)設為3。

水體范圍的提取采用光譜指數(shù)法。具體是基于FLAASH處理后的地表反射率圖像進行歸一化水體指數(shù)NDWI（Normalized Difference Water Index）計算，然后基于NDWI圖像的直方圖，設定閾值完成（Liu 和Xiao，2020）。其中，針對太湖所在的影像，還采用了基于浮游藻類指數(shù)FAI（Floating Algae Index）閾值法（Hu 等，2010）去除水華和水草區(qū)域，即，把FAI＞-0.004 的區(qū)域認為是水華或水草并去除。

（2）水面遙感反射率估算方法。FLAASH 處理后的地表反射率圖像，需要去除天空光的影響，才能獲得遙感反射率。面向ZY-1 02D 數(shù)據(jù)，本文采用了一種基于圖像的遙感反射率近似估計方法（Wang等，2016），計算公式如下：

式中，(λ)代表圖像上近似估計的遙感反射率，ρ表示地表反射率，min(ρNIR，ρSWIR)表示近紅外和短波紅外地表反射率的較小值。考慮到高光譜數(shù)據(jù)受噪聲影響較大，ρNIR和ρSWIR分別取730—760 nm和1530—1630 nm 范圍內(nèi)ZY-1 02D 各波段反射率的平均值。

（3）水面遙感反射率精度評價方法。由于ZY-1 02D數(shù)據(jù)波段數(shù)量多，本文選取了葉綠素a濃度反演模型中使用的波段進行精度評價，具體評價結(jié)果見4.1節(jié)。精度評價方法是以地表實測的為真值，將圖像估算的與其進行比較；采用的精度評價指標包括平均無偏相對誤差AURE（Average Unbiased Relative Error），平均反射率比值和決定系數(shù)R2。其中，AURE和的計算公式為式中，N表示采樣點的數(shù)量。AURE的計算中，考慮到圖像和地表存在空間尺度和時間上存在差異，分母采用來減輕這種不一致性對誤差的影響（Hu等，2012；Li等，2019）。

3.2 葉綠素a反演建模及其精度評價

（1）葉綠素a反演建模策略。目前，內(nèi)陸水體的葉綠素a濃度反演主要有半經(jīng)驗模型、半分析模型、機器學習等方法。半經(jīng)驗模型在生物光學理論模型（Gordon 和Morel，1983）的基礎上，基于特定假設提出與葉綠素a濃度相關的光譜指數(shù)，并建立統(tǒng)計關系實現(xiàn)葉綠素a 濃度反演（Gitelson 等，2007；Le 等，2013；Salem 等，2017）。半分析方法是從反射率信號中獲取固有光學量，然后在輻射傳輸方程求解過程中實現(xiàn)葉綠素a 濃度估算（Liu 等，2020a）。機器學習模型則是將反射率和葉綠素a濃度數(shù)據(jù)輸入網(wǎng)絡訓練，由網(wǎng)絡自主學習二者之間的非線性關系，實現(xiàn)葉綠素a 濃度預測（Doerffer 和Schiller，2007；Pahlevan 等，2020）。其中，半分析模型的構建需要實測的吸收系數(shù)等固有光學量參數(shù)，而神經(jīng)網(wǎng)絡模型的有效訓練又需要大量配套的反射率和葉綠素a濃度數(shù)據(jù)。相對地，半經(jīng)驗模型采用的光譜指數(shù)物理意義明確，且對實測數(shù)據(jù)的要求相對簡單。因此，本文選擇半經(jīng)驗模型進行ZY-1 02D 數(shù)據(jù)的葉綠素a 濃度反演模型構建。

建模數(shù)據(jù)采用實測葉綠素a 濃度和對應ZY-1 02D 像元的遙感反射率。匹配采樣點的對應像元時，除了保證像元與地面點的位置保持一致，還需要保證像元具有較好的均一性：以像元周圍3×3 鄰域像元值的標準差與均值的比值不超過0.4為準。此外，鑒于星地同步的點位數(shù)有限，如果將全部同步點分為建模和驗證數(shù)據(jù)集，建模樣本可能會缺乏代表性。因此，本文采用留一點法交叉驗證LOOCV （Leave-One-Out Cross Validation）完成建模和精度評價（Feng 等，2015；Li 等，2019），即把N個樣本中的1 個樣本作為單獨驗證集，其余N-1個樣本用于建模，然后循環(huán)N次。

（2）半經(jīng)驗模型中采用的光譜指數(shù)。本文選擇了5 種典型的光譜指數(shù)（表2），開展基于ZY-1 02D 數(shù)據(jù)的葉綠素a 反演半經(jīng)驗模型構建。首先，通過循環(huán)優(yōu)化（Le 等，2013；宋挺等，2017）確定各光譜指數(shù)經(jīng)計算所用的ZY-1 02D 波段：即針對每種光譜指數(shù)進行反演模型構建和驗證，建模時只改變模型中1個波段的波長，其他波段保持不變，選擇驗證時葉綠素a反演誤差最小的模型所采用的波長，作為模型的最終波長。對于包含多個波段的模型，依次采用這種方式確定各波段的最佳波長?；诖朔椒ǎ_定計算這5種光譜指數(shù)的λ1-λ4分別是中心波長為671 nm，705 nm，731 nm和748 nm 的ZY-1 02D 波段。表2 中前4 個模型與ZY-1 02D 的波長差異主要是由于傳感器波段設置差異造成的，而Wynne 等（2013）與本文使用的波長差異是因為計算的基高位置不同。

表2 葉綠素a半經(jīng)驗模型采用的光譜指數(shù)Table 2 Spectral indices used in semi-empirical models of Chla retrieval

（3）葉綠素a 反演精度評價指標。為篩選在ZY-1 02D 數(shù)據(jù)上應用效果最佳的葉綠素a 反演模型，將基于ZY-1 02D 圖像遙感反射率優(yōu)化后的上述模型，進行葉綠素a濃度反演精度評價。對驗證集進行精度評價的指標有3項，包括R2，AURE和均方根誤差RMSE（Root Mean Square Error），AURE 和RMSE的計算公式如下：

式中，N為樣本數(shù)量，Xi和Yi分別表示葉綠素a 濃度的實測值和反演值。

4 結(jié) 果

4.1 ZY-1 02D大氣校正精度評價

按照3.2 的匹配標準，46 個采樣點都符合建模對數(shù)據(jù)的要求，因此全部用于葉綠素a 模型構建?；?.1中的方法，估算得到的46個采樣點在圖像中的水面遙感反射率光譜如圖3所示。

圖3 ZY-1 02D圖像大氣校正的采樣點遙感反射率光譜Fig.3 Atmospherically corrected ZY-1 02D image remote sensing reflectance of in situ sampling sites

對建模使用的4 個波段開展46 個同步采樣點所在圖像遙感反射率的精度評價，各項精度評價指標數(shù)據(jù)見表3，各波段的散點圖如圖4所示。

從表3中各波段的精度指標可以看到，671 nm和705 nm波段的圖像遙感反射率精度較高，AURE分別為22.1%和25.8%，都在0.8左右，與的R2也很高，說明這2個波段圖像估算的遙感反射率與地表實測值一致性較高；731 nm 和748 nm波段的精度相對低一些，AURE 超過36%，為0.67 和0.74，R2也相對低一些。這主要是由于，671 nm 和705 nm 波段反射率相對高一些，而731 nm 和748 nm 波段的反射率相對比較低，因此731 nm 和748 nm 波段相對于671 nm 和705 nm波段更易受到數(shù)據(jù)噪聲的影響，因而731 nm 和748 nm 波段圖像大氣校正得到的遙感反射率的相對誤差比671 nm和705 nm波段更大，也就是671 nm和705 nm 波段的大氣校正精度更高。從圖4 也可以看到，671 nm 和705 nm 波段的圖像遙感反射率與水面實測數(shù)據(jù)一致性更高。

表3 ZY-1 02D圖像大氣校正的遙感反射率精度Table 3 Accuracies of atmospherically corrected ZY-1 02D image remote sensing reflectance

圖4 同步采樣點（N=46）在ZY-1 02D圖像校正的遙感反射率與水面實測遙感反射率散點圖Fig.4 Scatterplots of ZY-1 02D image-corrected Rrs versus in situ measured Rrs at sampling sites（N=46）

4.2 葉綠素a反演模型精度評價

基于地面測量的Chla 濃度和對應像元的，分別采用3.2 節(jié)中介紹的5 種模型進行反演模型構建和精度驗證，獲得的模型公式、R2和驗證集上的誤差指標如表4 所示。由表4 的建模R2可知，BR、NDCI、TBI、ETBI 與實測Chla 濃度均具有較好的相關性；BH 與實測Chla 濃度的相關性較差。但是，基于ETBI 的模型在應用時不穩(wěn)定，出現(xiàn)少數(shù)采樣點的Chla濃度反演值為負。

表4 基于同步ZY-1 02D圖像遙感反射率和實測葉綠素a數(shù)據(jù)建立的葉綠素a反演模型和精度評價結(jié)果Table 4 Chla retrieval models calibrated using ZY-1 02 image and in situ measured Chla concentrations and accuracy analyses for these models

表4 基于同步ZY-1 02D圖像遙感反射率和實測葉綠素a數(shù)據(jù)建立的葉綠素a反演模型和精度評價結(jié)果Table 4 Chla retrieval models calibrated using ZY-1 02 image and in situ measured Chla concentrations and accuracy analyses for these models

序號1 2 3 4 5模型簡稱BR NDCI TBI ETBI BH模型參數(shù)x Rrs(705)Rrs(671)Rrs(705) - Rrs(671)Rrs(705) + Rrs(671)(1 Rrs(671) -1 Rrs(705) )·Rrs(731)(1 Rrs(671) -1 Rrs(705) )/(1 Rrs(748) -1 Rrs(705) )Rrs(705) - Rrs(671) -705- 671 731- 671 (Rrs(731) - Rrs(671))建模模型y y=45.34x-32.04 y=87.06x2+92.77x+13.35 y=55.25x2+108.9x+13.36 y=80.03x+14.63 y=124.54x0.35 R2 0.78 0.78 0.77 0.72 0.50檢驗R2 0.76 0.75 0.75 0.00 0.35 AURE/%13.5 13.7 15.9—22.5 RMSE/（mg/m3）4.5 4.7 4.7—9.0

其中，基于BR 的經(jīng)驗模型在驗證集取得了最小的AURE 和RMSE 誤差，其建模的散點圖和在3 個研究區(qū)各自的反演結(jié)果和精度如圖5 所示。從圖5 中的反演結(jié)果和反演精度可以看到，BR 模型在3個區(qū)域都具有較好的適用性，反演結(jié)果與實測值一致性較好。

圖5 基于波段比值的葉綠素a濃度反演模型和反演結(jié)果散點圖Fig.5 Chla retrieval model based on the band ratio and the scatterplot of estimated Chla concentrations

4.3 研究區(qū)葉綠素a反演結(jié)果圖像

通過上述對不同模型建模后的精度分析可以看到，BR模型在ZY-1 02D高光譜數(shù)據(jù)上具有最佳的葉綠素a 反演效果。因此，基于該模型，對太湖、小浪底水庫和于橋水庫的ZY-1 02D 圖像進行葉綠素a濃度反演，得到的葉綠素a濃度分布如圖6所示。

圖6（a）中，西太湖的紅色區(qū)域為水華，而東太湖主要是水草。從圖6（a）可以看到，基于ZY-1 02D圖像反演的太湖葉綠素a結(jié)果空間分布狀況與已有研究（Liu 等，2020b；Zhang 等，2019；Shi等，2017；宋挺等，2017）一致性很高：西太湖區(qū)域藻華嚴重，靠近藻華的區(qū)域葉綠素a濃度也比較高，這是由于太湖西部是入湖河流集中的地方，隨河流匯入帶來了大量營養(yǎng)鹽，導致藻類生長旺盛，從而引發(fā)藍藻水華和葉綠素a 濃度升高；湖心和東太湖區(qū)域受到的影響相對小一些，因此水質(zhì)狀況好于西太湖（Li等，2019），東部有水草生長，且葉綠素a濃度較低。圖6（b）的反演結(jié)果顯示小浪底水庫主要區(qū)域葉綠素a 濃度都在10 mg/m3以下，與小浪底水庫處于中營養(yǎng)狀態(tài)的相關研究一致（黃新瑩等，2020；琚會艷和李琳，2017）。圖6（c）中于橋水庫的西北岸葉綠素a 濃度最高，這與岳昂等（2019）發(fā)現(xiàn)的西北岸水質(zhì)較差且經(jīng)常發(fā)生藻華的情況相符，也與透明度北高南低（殷子瑤等，2021）的空間分布情況一致。上述對比分析表明，基于ZY-1 02D 高光譜數(shù)據(jù)反演的研究區(qū)葉綠素a濃度空間分布比較合理。

圖6 基于ZY-1 02D圖像反演的研究區(qū)葉綠素a濃度分布圖Fig.6 Chla maps retrieved based on ZY-1 02D images in study areas

5 討 論

綜合試驗結(jié)果與分析可以看到，ZY-1 02D 高光譜數(shù)據(jù)波段豐富，能夠比多光譜數(shù)據(jù)提供更佳的葉綠素a反演波段，且空間分辨率較高，可用于中小型湖庫的葉綠素a監(jiān)測。然而，由于ZY-1 02D單星的重訪周期長（大約55 d），大范圍和多頻次的水體監(jiān)測需求難以得到滿足?？紤]到后續(xù)還將發(fā)射高光譜衛(wèi)星，未來有望通過多星組網(wǎng)提升監(jiān)測能力。另外，從反演結(jié)果中發(fā)現(xiàn)，ZY-1 02D 數(shù)據(jù)的葉綠素a反演結(jié)果會受到影像噪聲和遙感反射率精度的影響。圖6 中，小浪底水庫的葉綠素a 反演結(jié)果中有明顯噪聲；這是由于小浪底水庫的水體相對清潔，反射信號低，受到的高光譜數(shù)據(jù)噪聲影響比較突出，因此需要發(fā)展針對于ZY-1 02D水體圖像的降噪方法。此外，盡管本文中采用基于圖像的水面遙感反射率估算方法取得了不錯的效果，但更準確的遙感反射率獲取，能進一步提高葉綠素a濃度反演的精度。因此，還需要進一步發(fā)展針對于ZY-1 02D 水體圖像的高精度大氣校正方法，比如檢驗和優(yōu)化適用于清潔水體的近紅外暗目標法和適用于渾濁水體的短波紅外暗目標法等。

6 結(jié) 論

本文基于地面實測數(shù)據(jù)和同步獲取的ZY-1 02D衛(wèi)星高光譜圖像，開展了面向ZY-1 02D 數(shù)據(jù)的內(nèi)陸湖庫葉綠素a濃度反演試驗，分析了典型葉綠素a反演模型在ZY-1 02D 圖像上的適用性和反演精度，并評價了ZY-1 02D 在葉綠素a 反演的優(yōu)勢和局限性，主要結(jié)論如下：

（1）基于ZY-1 02D 圖像估算的遙感反射率可進行葉綠素a 濃度反演。構建的葉綠素a 反演模型中，波段比值模型（Rrs（705）/Rrs（671））的反演效果最佳。

（2）ZY-1 02D 高光譜數(shù)據(jù)波段豐富，能夠比多光譜數(shù)據(jù)提供更佳的葉綠素a反演波段，且空間分辨率較高，可用于中小型湖庫的葉綠素a 監(jiān)測。但ZY-1 02D 的重返周期較長，未來需要通過多星組網(wǎng)提升監(jiān)測能力。未來還需要發(fā)展針對于ZY-1 02D水體圖像的降噪和大氣校正方法。

（3）考慮到ZY-1 02D 衛(wèi)星運行時間較短，積累的地面同步數(shù)據(jù)相對有限，且大氣校正精度也有待提升，ZY-1 02D 高光譜數(shù)據(jù)譜段豐富這一優(yōu)勢尚未完全展現(xiàn)。下一步的研究計劃是積累更多不同光學特性的內(nèi)陸水體地面試驗數(shù)據(jù)，通過這些水體進行分別建模和驗證，或者發(fā)展基于軟分類的葉綠素a 反演模型，進一步提高ZY-1 02D 高光譜數(shù)據(jù)應用于葉綠素a濃度監(jiān)測的能力。