安 穎，丁 靜，藺 超，劉志亮

1. 河北科技師范學(xué)院海洋科學(xué)研究中心，河北 秦皇島 066004 2. 中國科學(xué)院長春光學(xué)精密機械與物理研究所應(yīng)用光學(xué)國家重點實驗室，吉林 長春 130033 3. 國家衛(wèi)星海洋應(yīng)用中心，北京 100081 4. 河北省海洋動力過程與資源環(huán)境重點實驗室，河北 秦皇島 066004

引 言

海水中的葉綠素濃度是表征海洋初級生產(chǎn)力、衡量浮游植物豐度及生物量、評估環(huán)境承載量、分析水動力過程、監(jiān)測海洋生態(tài)環(huán)境質(zhì)量的主要參數(shù)[1]。 葉綠素濃度的反演模型主要采用理論分析法、半分析法及經(jīng)驗法來構(gòu)建[2]。 其中，理論分析法依據(jù)光在水體中的傳輸特性，建立遙感反射率與水色各要素固有光學(xué)參量之間的關(guān)系，反演模型物理意義明確、普適性強；半分析法通過選擇特征波段并利用經(jīng)驗信息對理論分析方法進行簡化，可操作性強、反演精度較高。 但是，分析法與半分析法都需要對水色要素的固有光學(xué)參量進行測量[3]，實時性差且不易實施。 與上述兩種方法相比，經(jīng)驗?zāi)Ｐ椭苯咏⑻卣鞑ǘ蔚倪b感反射光譜與葉綠素濃度之間的統(tǒng)計回歸關(guān)系，易于實施、運算速度快，是進行葉綠素反演估算的重要手段[1-3]。

國內(nèi)外衛(wèi)星遙感中生成葉綠素產(chǎn)品的通用經(jīng)驗反演模型是OCx(x=2～6)算法[4]。 OCx算法基于不同波段上遙感反射光譜的強度比值來構(gòu)建。 其中，OC2算法是波段比方法，直接采用藍波段與綠波段遙感反射率的比值進行葉綠素濃度反演；OC3—6算法是最大波段比方法，即通過選擇紫、藍、藍綠、綠波段與綠、紅波段之間遙感反射率比的最大值構(gòu)建反演模型[4]。 OCx算法應(yīng)用在一類水體中，全球尺度上的平均相對誤差在35%左右[1]。 但是，二類水體中，有色溶解有機物(coloured dissolved organic matter，CDOM)和非藻類顆粒(non-algal particle，NAP)含量較高，遙感反射光譜與一類水體有較大差別；同時，CDOM、NAP與葉綠素濃度也不再具有共變特征。 因此，基于光譜強度比的OCx算法產(chǎn)生非常大的估算誤差，甚至失效[1, 4]。 迄今為止，提高近岸二類水體葉綠素濃度的反演精度仍是一個國際難題。

葉綠素濃度反演精度主要受衛(wèi)星傳感器輻射定標、大氣校正、白帽及耀斑剔除、數(shù)字舍入誤差及反演模型構(gòu)建方法制約。 近年來，葉綠素濃度<0.4 mg·m-3時，水色指數(shù)法(color index，CI)精度高、算法穩(wěn)健性強，成為OCx的替代算法[5]。 與OCx算法不同，CI法是利用圖1所示反射光譜的相對高度構(gòu)建的。 由于基線BC自藍波段連至紅波段，可有效濾除由儀器、大氣校正及遙感反射率計算過程中產(chǎn)生的各種直流及線性噪聲。 此外，與光譜絕對高度相比，相對高度對隨機噪聲的敏感度更低。

圖1 水色指數(shù)法Fig.1 Ocean color method

光譜相對高度的另一個用途是可以進行信息提取。 圖2所示的基線熒光高度法(fluorescence line height，F(xiàn)LH)[6]，利用紅光段葉綠素的熒光峰高度與葉綠素濃度強相關(guān)的光譜特性，通過構(gòu)建熒光峰中心點A相對于基線BC的相對高度FLH，提高了光譜信息中葉綠素的信噪比。 從而使FLH方法在沿岸海域葉綠素濃度高或者當赤潮出現(xiàn)時，實現(xiàn)高精度的葉綠素估算。

雖然CI及FLH方法采用的波段、相對高度構(gòu)建方法及適用范圍具有較大差異，但其提高葉綠素信息信噪比的機理相同，且均使反演精度得到了大幅度提高。 這對于光學(xué)特性復(fù)雜、區(qū)域性強的二類水體中葉綠素濃度的反演，具有重要的指導(dǎo)意義。 目前，基于相對高度構(gòu)建反演模型，還存在波段單一、應(yīng)用面窄等問題，對于我國近岸復(fù)雜水體，其構(gòu)建方法及應(yīng)用效果尚需進一步研究和驗證。

圖2 基線熒光高度法Fig.2 Fluorescence line height method

在對秦皇島近岸海域的葉綠素濃度和表觀光學(xué)參量進行原位測量的基礎(chǔ)上，對船載高光譜數(shù)據(jù)進行了光譜分析，提出了一種基于相對反射深度的葉綠素反演方法，并與傳統(tǒng)算法進行了比較及數(shù)據(jù)驗證。 結(jié)果表明，相對反射深度更適用于二類水體中的模型構(gòu)建，葉綠素濃度估算精度達到國際上反演模型精度要求(<35%)；在此基礎(chǔ)上，對我國海洋衛(wèi)星HY-1C的色水溫掃描儀(China Ocean Color & Temperature Scanner，COCTS)的多光譜數(shù)據(jù)進行了波段選擇、相對反射深度確定及反演模型構(gòu)建與數(shù)據(jù)驗證，與葉綠素產(chǎn)品相比，估算精度也有大幅提高。 這一研究對于提高水色要素的反演精度，進而實現(xiàn)精準的初級生產(chǎn)力估算、生態(tài)環(huán)境監(jiān)測、水動力環(huán)境分析等具有重要的科學(xué)意義和應(yīng)用價值。

1 實驗部分

1.1 實驗區(qū)域

2020年7到8月，在秦皇島海域119.35°—119.88°E，39.67°—39.98°N范圍內(nèi)展開了兩次、累計6天的原位測量實驗。 沿海岸線設(shè)計了8個斷面，40個站位。 調(diào)查站位分布如圖3所示。 其中，7月份原位測量站位為1-1到5-3，共獲得23組數(shù)據(jù)；8月實驗站位為40個。

圖3 原位測量站位Fig.3 In situ measurement stations

1.2 葉綠素濃度測量及標定

利用OCT-multipara-07多參數(shù)水質(zhì)儀對圖3所示站位水體剖面的葉綠素濃度進行了測量。 為了保證測量數(shù)據(jù)的準確性，7月航次中，在3-4，3-5，4-4和4-5站位分別采集了表、中、底層水樣，經(jīng)低溫保存后移至實驗室測得了葉綠素濃度，并對多參數(shù)水質(zhì)儀的數(shù)據(jù)進行了數(shù)據(jù)標定。 標定過程如下：

首先，依據(jù)NASA海洋調(diào)查規(guī)范，將采集的水樣在實驗室用孔徑0.2 μm的水系濾膜進行抽濾、萃取后用分光光度計測量吸光度并計算葉綠素濃度；

其次，利用線性擬合的方法[7]及水樣化學(xué)分析實測數(shù)值對多參數(shù)水質(zhì)儀的葉綠素濃度進行標定。

受測量環(huán)境及儀器精度影響，多參數(shù)水質(zhì)儀的測量值約為水樣化學(xué)分析實測值的2倍。 標定后，多參數(shù)水質(zhì)儀的標定值與實驗室實測值之間的關(guān)系如圖4所示。 顯著性水平0.01時，兩者之間的相關(guān)系數(shù)(related coefficient，R)為0.966 8，標定值的均方根誤差(root mean square error，RMSE)為0.082 9 mg·m-3，平均相對誤差(mean relative error，MRE)為4.26%。

圖4 葉綠素濃度標定Fig.4 Calibration of chlorophyll concentration

1.3 船載高光譜數(shù)據(jù)測量

利用荷蘭AVANTES公司的AvaField-1地物光譜儀(300～1 100 nm)對實驗海域的海水輻照度反射率進行了測量。 測量過程嚴格依據(jù)GB12763.1～7—1991《海洋調(diào)查規(guī)范》、GB17378—2007《海洋監(jiān)測規(guī)范》和《海洋光學(xué)調(diào)查技術(shù)規(guī)程》進行。

海水水體表面的輻照度比，也稱海表輻照度反射率為[8]

(1)

式(1)中，Eu(λ, 0+)為光在海表面的上行輻照度，Ed(λ, 0+)為光在海表面的總?cè)肷漭椪斩?，而Lu(λ, 0+)和Ld(λ, 0+)分別是光在海表面上行與入射的輻亮度。 只考慮海面以上，式(1)可簡寫為

(2)

將海面入射光分為太陽光和天空散射光兩部分，水面以上的上行輻亮度為

Lu(λ)=Lw(λ)+ρLsky(λ)+Δ

(3)

式(3)中，Lw(λ)是離水輻亮度，產(chǎn)生于太陽光與海水相互作用時的后向散射，包含了水色要素的光學(xué)信息；ρLsky(λ)是天空散射光在海面反射回光譜儀的天空光輻亮度，ρ是水氣界面的菲涅爾反射率；Δ是耀斑、白帽等外界干擾，處理中用數(shù)據(jù)多次平均可使其忽略不計。

因此，忽略外界干擾的船載光譜儀接收到的離水輻照度反射率為

(4)

式(4)中，r(λ)是海水的總輻照度反射率，rsky(λ)是天空散射光的輻照度反射率。 考慮觀測幾何(40°，135°)、晴天、平均風速(<5 m·s-1)等因素，ρ取0.028[8]；r(λ)依據(jù)海洋光學(xué)調(diào)查規(guī)范中的觀測幾何進行測量，測量時避開了船的陰影，并在同一位置進行了20次重復(fù)測量以降低外界信號干擾；rsky(λ)采用遮蔽太陽直射光的方法測量。 將標定后的標準白板放在船上空曠處，架高水平放置，避開周邊環(huán)境的反射、散射光，遮住白板上方的太陽光，重復(fù)測量白板反射光20次并取平均值。

1.4 方法

1.4.1 高光譜數(shù)據(jù)特征及其規(guī)范化處理

依據(jù)式(4)，得到離水輻照度反射率共計63組。 實測離水輻照度反射率如圖5所示，最大反射峰出現(xiàn)在570 nm，是典型的二類水體反射光譜。

圖5 實測離水輻照度反射率光譜Fig.5 Measured water-leaving reflectance spectra

與葉綠素相對應(yīng)的波段特征[2-4]，主要有在440和670 nm處出現(xiàn)的反射谷及570和700 nm處出現(xiàn)的反射峰。 一類水體中，葉綠素濃度與離水輻照度反射率在上述幾個特征波段的光譜強度顯著相關(guān)。 但二類水體中含量較高的CDOM和NAP、較淺的水深使得水體光學(xué)特性極其復(fù)雜，實測的葉綠素濃度與光譜強度及其比值均不具有相關(guān)性。

為了比較光譜特征，將離水輻照度反射率進行了規(guī)范化處理。 即先將實測數(shù)值減去300 nm處的反射率值后，再將光譜進行歸一化。 規(guī)范化的離水輻照度反射率如圖6所示。

由圖6可知，實測數(shù)據(jù)的葉綠素特征波段的中心波長及寬度基本相同，一致性較好。 將特征波段劃分為反射谷波段B435(421～458 nm)和B664(646～679 nm)、反射峰波段B573(526～609 nm)和B706(695～713 nm)。

圖6 規(guī)范化的離水輻照度反射率光譜Fig.6 Normalized water-leaving reflectance spectra

1.4.2 基于絕對高度的反演模型構(gòu)建機理

OCx(x=2～6)算法利用遙感反射率的強度，即絕對高度進行反演，葉綠素濃度反演值cCHL為

cCHL=10x

(5)

其中

(6)

式(6)中，ai為擬合系數(shù)，不同衛(wèi)星采用不同的擬合系數(shù)。

當

(7)

時，為OC6算法。 其中，

(8)

為遙感反射率。 將海面視為朗伯體時，遙感反射率與輻照度反射率的關(guān)系為

Rrs(λ)=rst(λ)/π

(9)

OCx算法選擇不同的波段進行葉綠素濃度反演。 除OC6外，OC3～5算法均不采用λ6波段。 其中，OC4算法中

(10)

而OC5算法則取

(11)

雖然不同衛(wèi)星上傳感器采用的波段不同，但λ1～4通常取自紫、藍、藍綠及綠波段，典型值為412，443，490及510 nm；λ5和λ6通常取綠波段的555 nm及紅波段的670 nm[4]。

1.4.3 基于相對高度的反演模型構(gòu)建機理

由圖1及圖2可知，水色指數(shù)CI及熒光高度FHL均為A點到基線的垂直距離，即線段AD的長度。 因此，相對高度

(12)

式(12)中，HA，HB，HC及λA，λB和λC分別為A，B，C點的光譜強度值及波長。

1.4.4 基于相對反射深度的高光譜數(shù)據(jù)反演機理

海面之上的輻照度反射率與海水中的固有光學(xué)量之間的關(guān)系為[9-10]

rst(λ)=Q{g1u(λ)+g2[u(λ)]2}

(13)

其中，

(14)

是水體中固有光學(xué)參量吸收系數(shù)a(λ)與后向散射系數(shù)bb(λ)的函數(shù)。 式(14)中，bb(λ)為水、色素顆粒及NAP的后向反射系數(shù)之和；a(λ)為水、CDOM、色素顆粒及NAP的吸收系數(shù)之和；輻照度轉(zhuǎn)換因子Q是與光照條件、體散射函數(shù)、光場余弦、海面特性有關(guān)的系數(shù)；g1和g2取經(jīng)驗常數(shù)。

由式(13)和式(14)可知，輻照度反射率在每個波長上的強度值是水、色素顆粒、NAP、CDOM等水色要素在該波長上的輻照度反射率之和。 一類水體中，NAP及CDOM濃度低，葉綠素濃度與輻照度反射率相關(guān)系數(shù)高，依據(jù)反射譜絕對高度構(gòu)建的反演模型擁有較高的精度；而二類水體中，絕對高度易受其他水色要素影響，反演算法精度低、穩(wěn)健性差。

分析各水色要素的光譜特征可知，各要素特征波段位置、譜線形狀、譜線寬度有較大的差異。 如，純水的反射峰在400～450 nm，峰值高且寬度較窄；CDOM和NAP的反射峰在550～670 nm[11]，是高度較低的寬峰；而葉綠素存在443 nm反射谷、683 nm熒光峰等鐘形譜線。 這些先驗知識，為光譜信息的分解與提取提供了理論依據(jù)。

以紫、藍波段在400～460 nm內(nèi)的光譜為例，反射光譜主要由CDOM吸收、葉綠素與水的吸收及后向散射產(chǎn)生。 受懸浮顆粒后向散射影響，二類水體中，此波段海水的反射光譜呈緩慢上升趨勢[12]；而CDOM的吸收峰在410 nm附近，隨后呈指數(shù)衰減[13]；葉綠素則是在440 nm附近有吸收峰、寬度約為70 nm左右。 因此，如圖6中B435所示，反射光譜在此波段出現(xiàn)傾斜的凹陷，而凹陷在435 nm處的深度值與葉綠素濃度之間具有較強的相關(guān)性。 此時，若取435 nm處的相對深度代表葉綠素信息，不但可以抑制海水及CDOM產(chǎn)生的干擾，提高信噪比及反演精度；同時，當CDOM濃度發(fā)生變化時，還可降低算法對光譜變化的敏感性，使模型穩(wěn)健性增強。 因此，對于二類復(fù)雜水體，構(gòu)建基于相對高度的反演模型是能夠直接提高反演精度的有力手段。

為此，提出一種基于相對反射深度(relative reflection depth，RRD)的反演模型構(gòu)建方法。 將相對反射深度定義為輻照度反射率在特征波段B435(421～458 nm)、B664(646～679 nm)、B573(526～609 nm)和B706(695～713 nm)中的相對高度。 其中，反射谷波段的相對高度稱為相對反射谷深度，反射峰處的相對高度稱為相對反射峰深度。 RRD的計算公式為式(12)；基線定義為特征波段左右兩個端點的連接線。 據(jù)此，得到相對反射谷深度RRD435, RRD664和相對反射峰深度RRD573, RRD706，如圖7所示。

圖7 相對反射深度Fig.7 Relative reflection depths

將相對反射深度及其比值與實測葉綠素濃度值進行了相關(guān)性分析，顯著性水平0.01時，葉綠素濃度對數(shù)值與RRD706，RRD435，RRD573/RRD664有較高的相關(guān)系數(shù)，分別為0.456 9，0.391 9和0.384 5，可作為基于RRD構(gòu)建反演模型的主要參量。

2 結(jié)果與討論

2.1 秦皇島海域夏季葉綠素的時空分布

圖8 7月葉綠素濃度分布(a)： 橫剖面圖；(b)： 垂向剖面圖Fig.8 Chlorophyll concentration distributions in July(a)： Cross sections；(b)： Vertical sections

將標定后的葉綠素濃度在站位分布范圍內(nèi)進行了三維線性插值，得到了7月和8月海面下的橫剖面分布如圖8(a)、圖9(a)所示、垂向剖面分布如圖8(b)、圖9(b)所示。

圖9 8月葉綠素濃度分布(a)： 橫剖面圖；(b)： 垂向剖面圖Fig.9 Chlorophyll concentration distributions in August(a)： Cross sections；(b)： Vertical sections

7月到8月間，葉綠素濃度變化范圍為0.191 5～5.347 mg·m-3，總平均值為2.036 mg·m-3，表面平均濃度分別為1.601和1.363 mg·m-3，與近年來年秦皇島海域外海調(diào)查結(jié)果[14]基本一致。 葉綠素濃度近岸高、遠海低，在近岸河口處出現(xiàn)了河水徑流造成的濃度擴散的特征；在金山嘴東北方向的中下層，出現(xiàn)了高濃度水體，與該海域內(nèi)風生流、潮流及密度流等水動力環(huán)境的研究結(jié)果[15]一致。

2.2 船載高光譜數(shù)據(jù)的葉綠素濃度RRD反演模型構(gòu)建

7月和8月份站位總數(shù)是63個，剔除由船體晃動、光線不足等外部環(huán)境造成的無效數(shù)據(jù)，剩余葉綠素濃度與光譜數(shù)據(jù)57組。 利用其中38組數(shù)據(jù)進行基于相對反射深度的RRD模型構(gòu)建，并與OC4，OC5，OC6和FLH算法進行比較；余下的19組數(shù)據(jù)用于驗證。

RRD模型的葉綠素濃度反演值為cCHL=10x。 其中

(15)

反演值與實測值比較的結(jié)果如圖10所示。 顯著性水平0.01時，兩者之間的相關(guān)系數(shù)為0.883 58，均方根誤差為0.479 24 mg·m-3，平均相對誤差為28.33%。

圖10 葉綠素濃度高光譜數(shù)據(jù)反演結(jié)果Fig.10 Inversion results of chlorophyll concentrationusing hyperspectral data

利用式(9)將輻照度反射率轉(zhuǎn)換為遙感反射率，并分別選取412，443，490，510，555及670 nm為λ1～λ6，以其為中心值取±5 nm波段范圍內(nèi)光譜均值后，依式(10)，式(11)和式(7)分別進行了OC4，OC5和OC6算法反演；同時取FLH=RRD706/π確定了基于FLH的反演算法。 各算法與RRD模型的反演結(jié)果如圖11所示。

圖11 葉綠素濃度反演算法比較Fig.11 Comparison of inversion algorithmsfor chlorophyll concentration

在置信水平0.05時，各算法反演值與實測值的相關(guān)系數(shù)、均方根誤差及平均相對誤差如表1所示。

表1 反演算法比較Table 1 Comparison of inversion algorithms

由圖11及表1可知，秦皇島海域中，OCx算法反演值與實測值相關(guān)系數(shù)較小，均方根誤差>1、平均相對誤差約為77%～81%，反演精度較低；FLH算法誤差雖低于OCx算法，但比RRD模型高出27%。

FLH算法及OCx算法在葉綠素濃度<0.9 mg·m-3時，均出現(xiàn)高估現(xiàn)象，說明模型在葉綠素濃度較低時易受高濃度CDOM的影響；而在葉綠素濃度>1.8 mg·m-3時則出現(xiàn)了低估且數(shù)值基本恒定，說明模型對葉綠素濃度變化不敏感，處于失效狀態(tài)。 二類水體中，黃、綠波段的遙感反射率高于藍波段，與一類水體的光譜有較大差異性，同時水色要素混疊，葉綠素信息的信噪比低，導(dǎo)致依據(jù)光譜絕對高度的OCx算法誤差較大甚至失效；而當濃度較低時，熒光效應(yīng)不明顯，F(xiàn)LH算法難以達到較高精度。 葉綠素反演算法比較的結(jié)果表明，RRD模型對于二類水體中水色要素分離、提高葉綠素濃度信噪比的效果極為顯著。

用剩余的19組數(shù)據(jù)對RRD反演模型式(15)進行了驗證。 結(jié)果如圖12所示。 顯著性水平0.01時，估算值與實測值之間的相關(guān)系數(shù)為0.582 97，均方根誤差為0.930 39 mg·m-3，平均相對誤差為31.17%。 此結(jié)果符合國際上葉綠素濃度反演誤差<35%的模型構(gòu)建標準，進一步證明了RRD算法的可行性。 因此，對于二類水體，依據(jù)相對反射深度構(gòu)建反演模型不但可以使葉綠素濃度的反演精度大幅提高，也有望成為其他水色要素反演的重要手段，對于復(fù)雜水體光學(xué)特性研究具有重要意義。

圖12 高光譜相對反射深度反演模型驗證Fig.12 Validation results of relative reflection depthsinversion model for hyperspectral data

2.3 葉綠素濃度的衛(wèi)星數(shù)據(jù)RRD反演模型構(gòu)建及驗證

我國海洋衛(wèi)星HY-1C/D采用上、下午雙星組網(wǎng)，其上搭載的COCTS可獲取西北太平洋，即渤海、黃海、東海、南海和日本海區(qū)域的海水光學(xué)特性、葉綠素濃度、懸浮泥沙含量、CDOM、海表溫度等數(shù)據(jù)，覆蓋周期為0.5 d，星下點地面像元分辨率≤1 100 m。 在我國國家海洋衛(wèi)星應(yīng)用中心7月20日—25、8月30日—9月2日COCTS數(shù)據(jù)中，共得到覆蓋了調(diào)查海域的L2A及L2B產(chǎn)品各5組。 其中，L2A產(chǎn)品包括412，443，490，520，565，670及750 nm的遙感反射率，L2B產(chǎn)品包含依據(jù)上述波段遙感反射率反演的葉綠素濃度值。

將L2B產(chǎn)品中的8月30日的葉綠素濃度在圖3所示外海調(diào)查區(qū)域進行了線性插值，葉綠素濃度分布如圖13(a)所示，同一天實測的表層葉綠素濃度分布則如圖13(b)所示。 圖13中紅色點分別表示像元覆蓋點及站位信息。 由圖13可知，衛(wèi)星覆蓋的像元點多且密集，覆蓋面積遠大于船載測量，充分體現(xiàn)了衛(wèi)星遙感范圍大、實時快速、成本低的特點。

圖13 8月30日葉綠素濃度分布(a)： 衛(wèi)星數(shù)據(jù)；(b)： 實測數(shù)據(jù)Fig.13 Chlorophyll concentration distributions on 30 August(a)： Satellite data；(b)： Measured data

在7月和8月原位調(diào)查海域內(nèi)，像元點對應(yīng)的衛(wèi)星遙感反射率及插值后的葉綠素濃度數(shù)據(jù)共91組。 將各波段的遙感反射率及任意兩波段的比值與葉綠素濃度進行了相關(guān)分析。 顯著性水平為0.05時，葉綠素濃度的對數(shù)值只與520 nm處的遙感反射率R520及反射率比值R443具有相關(guān)性，相關(guān)系數(shù)分別為0.575 2和0.292 0。

與高光譜數(shù)據(jù)相比，多光譜數(shù)據(jù)攜帶的葉綠素特征信息較少。 為了提高信噪比，構(gòu)建相對反射深度。 利用443，412，490 nm及520，412，750 nm依式(12)確定了相對反射深度RRD443及RRD520，如圖14所示。 其中RRD443與葉綠素在443 nm處的特征反射谷相關(guān)，而RRD520則可通過長基線濾除線性及直流噪聲。

顯著性水平為0.01時，RRD與葉綠素濃度對數(shù)值之間的相關(guān)系數(shù)較高的是RRD520(0.513 5)及RRD443/R520(0.216 4)。 取91組數(shù)據(jù)中的62組數(shù)據(jù)，用相關(guān)系數(shù)最高的參量R520，RRD520，R443及RRD443/R520進行了反演模型構(gòu)建。 葉綠素濃度為cCHL=10x，而

x=-1.263 6+46.802 5R520-98.767 9RRD520+

(16)

反演結(jié)果如圖15所示。 顯著性水平0.01時，反演值與實測值的相關(guān)系數(shù)為0.703 4，均方根誤差為0.425 27 mg·m-3，平均相對誤差為24.56%。

圖14 衛(wèi)星遙感反射率的相對反射深度Fig.14 Relative reflection depths of satelliteremote sensing reflectance

圖15 葉綠素濃度的衛(wèi)星數(shù)據(jù)反演Fig.15 Inversion results of chlorophyll concentrationbased on satellite data

利用剩余31組數(shù)據(jù)對反演模型進行了驗證，并與同期衛(wèi)星遙感L2B產(chǎn)品中的葉綠素濃度進行了比較。 比較和驗證的結(jié)果如圖16所示。 顯著性水平0.01時，實測葉綠素濃度數(shù)值與模型反演數(shù)值之間的相關(guān)系數(shù)為0.674 49，均方根誤差為0.675 02 mg·m-3，平均相對誤差為25.53%；而L2B產(chǎn)品的葉綠素濃度值與實測值的之間的相關(guān)系數(shù)僅為0.046 5，均方根誤差為2.839 6 mg·m-3，平均相對誤差高達78.97%。

依據(jù)RRD確定的反演模型，使葉綠素濃度的平均相對誤差降低了53.44%，大幅提高了葉綠素濃度估算值的準確性。 對于近岸二類水體，受紅外波段離水反射率不為零影響，大氣校正時在每個波段都會引入線性噪聲；同時近岸海域復(fù)雜的氣溶膠時空分布、儀器噪聲、舍入誤差、白帽及耀斑剔除等因素也使遙感反射率的精度受到較大限制。 而相對反射深度對線性、直流及斑點噪聲都有較強的抑制作用[5]，可提高光譜利用率及信噪比，是一種極具應(yīng)用價值的衛(wèi)星遙感葉綠素反演算法。

圖16 多光譜相對反射深度反演模型驗證Fig.16 Validation results of relative reflection depthsinversion model with multispectral data

3 結(jié) 論

二類水體葉綠素濃度的反演精度還有很大的提升空間。 通過在秦皇島海域進行葉綠素濃度及表觀光學(xué)參量的原位測量及數(shù)據(jù)分析，提出了一種基于相對反射深度的高光譜葉綠素濃度經(jīng)驗?zāi)Ｐ蜆?gòu)建方法并與OCx等算法進行了比較及數(shù)據(jù)驗證。 研究結(jié)果表明，RRD反演模型可以充分利用葉綠素特征波段信息，降低了模型對光譜強度變化的敏感性，極大程度地降低了NAP和CDOM產(chǎn)生的干擾。 與光譜絕對高度相比，相對反射深度更適用于二類水體葉綠素濃度的反演。 在此基礎(chǔ)上，建立了衛(wèi)星多光譜數(shù)據(jù)的RRD反演模型，并進行了驗證。 高光譜與多光譜RRD模型均使葉綠素濃度反演精度得到了大幅提高。 RRD模型簡便易行，是一種基于譜線形狀的高精度、快速反演算法。 不但適用于船載光譜儀的高光譜數(shù)據(jù)及衛(wèi)星遙感多光譜數(shù)據(jù)，對于水體剖面光學(xué)測量數(shù)據(jù)的反演及其他水色要素反演估算也具有較強的應(yīng)用價值，對于衛(wèi)星遙感生態(tài)環(huán)境監(jiān)測、水體光學(xué)參量測量等具有重要的科學(xué)意義。

致謝：所采用的HY-1C衛(wèi)星數(shù)據(jù)獲取自網(wǎng)站： https: //osdds.nsoas.org.cn，感謝國家衛(wèi)星海洋應(yīng)用中心提供的數(shù)據(jù)支持。