馮天時， 龐治國*， 江 威

1. 流域水循環(huán)模擬與調(diào)控國家重點實驗室， 北京 100038

2. 中國水利水電科學(xué)研究院， 北京 100038

3. 水利部防洪抗旱工程技術(shù)研究中心， 北京 100038

引 言

近年來， 經(jīng)濟的發(fā)展與人類活動頻繁使得湖泊生態(tài)環(huán)境惡化愈發(fā)嚴重， 給居民的日常生活以及經(jīng)濟的可持續(xù)發(fā)展帶來阻礙。 以湖泊水質(zhì)監(jiān)測為基礎(chǔ)， 實時獲得湖泊的水環(huán)境狀況是科學(xué)評價與治理湖泊的依據(jù)[1]。 遙感技術(shù)憑借快速、 大范圍、 多時相等優(yōu)勢， 現(xiàn)已被廣泛地應(yīng)用于湖泊水環(huán)境情況的調(diào)查與監(jiān)測中。 葉綠素a是重要的水質(zhì)參數(shù)， 是藻類植物的重要色素[2]， 可以反映不同藻類植物的生物總量以及分布情況， 衡量水體的富營養(yǎng)化程度。

內(nèi)陸湖泊的水環(huán)境極為復(fù)雜， 光譜特征同時受到浮游植物、 懸浮物、 有色可溶性有機物等物質(zhì)的影響， 這為獲取葉綠素a的光譜特征帶來阻礙。 現(xiàn)階段內(nèi)陸水體水色遙感理論尚未成熟， 還未有專門針對內(nèi)陸水體而設(shè)計的衛(wèi)星傳感器[3]， 水質(zhì)遙感仍以寬波段的多光譜遙感數(shù)據(jù)為主， 難以獲取較為精細的光譜特征， 反演精度有待提高。 人們在對湖泊遙感進行理論創(chuàng)新， 改進反演模型的同時也在積極找尋適合內(nèi)陸湖泊水質(zhì)參數(shù)遙感反演的數(shù)據(jù)源。 高光譜遙感在近年來取得了極大的發(fā)展， 其核心技術(shù)成像光譜儀具有“圖譜合一”的優(yōu)勢， 可在空間、 光譜等維度上獲取三維圖像立方體， 影像光譜分辨率較高， 從而能夠捕捉連續(xù)且精細的地物光譜信息[4]。

珠海一號高光譜小衛(wèi)星星座由8顆高光譜衛(wèi)星(orbita hyper spectral, OHS)組成， 衛(wèi)星的輻射性能穩(wěn)定， 信噪比低， 空間、 時間分辨率等參數(shù)優(yōu)越， 為遙感的定量分析與信息挖掘提供了優(yōu)質(zhì)的數(shù)據(jù)源。 洪韜[5]基于珠海一號OHS影像， 通過構(gòu)建經(jīng)驗?zāi)Ｐ瞳@取了洞庭湖葉綠素a濃度的分布， 并對太湖的水華與水草進行識別。 李愛民等[6]對天德湖的可溶性有機物進行反演， 指出OHS影像的11波段與CDOM在440 nm處的遙感反射率具有最大相關(guān)性。 殷子瑤等[7]基于珠海一號OHS數(shù)據(jù)， 通過經(jīng)驗回歸的方法提取了天津于橋水庫的懸浮法與透明度， 相對誤差分別為8.6%和11.7%。

多光譜遙感影像中所提取的反射率曲線含有的拐點極少， 幾乎就是一條折線， 因此以往的反演建模必須依靠光譜儀所采集的光譜曲線來確定敏感波段， 然而光譜儀價格昂貴， 易受到天氣、 水文、 地域等因素的干擾， 采集樣本有限。 OHS影像所獲取的遙感反射率曲線近乎平滑， 可以精準地提取每個像元的光譜特征， 這一龐大的數(shù)據(jù)為反演建模、 機器學(xué)習(xí)訓(xùn)練樣本等工作提供了強有力的支撐， 然而珠海一號衛(wèi)星投入使用時間較短， 這些工作的具體方法有待進一步探索。 鑒于此， 以巢湖為例， 對OHS-2A星獲取的巢湖地區(qū)影像進行處理， 從影像中提取遙感反射率曲線， 進而得到水體的光譜特征， 并由此篩選出用于建模的敏感波段， 獲取與葉綠素a濃度相關(guān)性最大的波段組合。 OIF指數(shù)是選取最佳波段組合的方法之一， OIF指數(shù)越大， 則波段間的相關(guān)性越小， 波段的標準差越大， 波段組合所含的信息量越多。 OHS影像共有32個波段， 相鄰較近的波段間往往存在一定的相關(guān)性， 因此借助OIF指數(shù)對波段組合所含有的信息量進行對比。 最終構(gòu)建三波段模型對巢湖的葉綠素a濃度進行反演， 給出巢湖2019年5月10日的葉綠素a濃度分布， 較好地反映了巢湖不同湖區(qū)的葉綠素a濃度情況。

1 實驗部分

1.1 研究區(qū)概括

巢湖( 31°25′28″—31°43′28″N， 117°16′54″—117°51′46″E)位于安徽省巢湖市， 是我國五大淡水湖之一， 處于長江中下游流域， 湖泊面積約為760 km2， 東西長55 km， 沿湖共有河流35條， 其中較大的河流有杭埠河、 白石山河、 派河、 南淝河、 烔煬河、 柘皋河、 兆河等， 巢湖具體地理位置如圖1所示。 在過去的30多年間， 隨著巢湖周邊地區(qū)城市化的加快， 工業(yè)的發(fā)展與人口的增長， 過量的工業(yè)、 生活污水排放以及無節(jié)制地消耗湖水資源導(dǎo)致巢湖的生態(tài)問題日益突出， 每年均會出現(xiàn)大面積的水華暴發(fā)， 水體富營養(yǎng)化程度較高的狀況[8]。

1.2 水面采樣

水華暴發(fā)時， 水體絕大部分區(qū)域的葉綠素濃度一般都超過了100 mg·m-3， 此時葉綠素a濃度已難以作為水華的預(yù)警[9]， 在水華暴發(fā)前夕或初期， 對水體的葉綠素a濃度進行監(jiān)測可以得到水體藻類的生物量以及水質(zhì)狀況， 對于水華預(yù)警以及有針對性的預(yù)防具有重要意義。

巢湖藍藻水華主要發(fā)生在每年的5月—11月之間， 因此在掌握了衛(wèi)星的過境日期與重訪周期后， 確定實地采樣日期為2019年5月10日。 該日天氣晴朗， 云量較少， 氣溶膠對水體反射的影響較小。 野外工作通過手持GPS定位測量儀獲取經(jīng)緯度， 利用DSC有機玻璃采水器采集水面下深度10 cm處的水樣， 送至實驗室采用分光光度法測量葉綠素a的濃度值， 最終獲得有效樣本12個， 其位置如圖2所示， 樣本葉綠素a濃度的均值為76.96 mg·m-3， 標準差為44.53， 表1給出了具體的葉綠素a濃度值。

圖1 巢湖地理位置示意圖

圖2 巢湖采樣點地理位置示意圖

表1 采樣點葉綠素a濃度

2 數(shù)據(jù)處理與建模

2.1 遙感數(shù)據(jù)預(yù)處理

珠海一號系列衛(wèi)星星座包含8顆OHS高光譜衛(wèi)星， 均采用掃推式成像方式， 其主要性能參數(shù)與常用的遙感數(shù)據(jù)源對比如表2所示。

使用ENVI5.3影像處理軟件， 在安裝“中國國產(chǎn)衛(wèi)星支持工具V5.3”后可以對珠海一號OHS影像數(shù)據(jù)進行打開與預(yù)處理。 對影像進行幾何粗校正與輻射定標， 得到較為準確的大氣頂層輻射亮度。 水體輻射信息屬于弱信號， 因此需要通過大氣校正消除大氣對水體輻射傳輸所造成的影響， 增強水體輻射信號[10]。 選用FLAASH方法對影像進行大氣校正， 充分考慮獲取影像所處的季節(jié)以及研究區(qū)的位置， 選取MLW大氣模型， 選擇820 nm標準進行水汽反演， 并利用ENVI5.3自帶的DEM數(shù)據(jù)計算影像地區(qū)平均高程作為輸入?yún)?shù)。 最后進行幾何精校正、 研究區(qū)裁剪并導(dǎo)入實測點的經(jīng)緯度， 提取相應(yīng)的光譜特征。

表2 珠海一號OHS數(shù)據(jù)源與其他遙感數(shù)據(jù)的衛(wèi)星典型參數(shù)比較

2.2 大氣校正結(jié)果驗證與光譜特征曲線的提取

光譜儀實地采集的光譜特征曲線最為精準， 但是光譜儀價格昂貴， 實際測量工作耗費人力物力且獲取的曲線數(shù)量有限。 從遙感影像可提取任意像元的地表反射率， 可以極好地反映地物的光譜特征， 高光譜遙感影像的波段數(shù)較多， 可從中提取較為精準的地物光譜特征曲線。

圖3給出了不同遙感數(shù)據(jù)源在不同內(nèi)陸湖泊所獲得的大氣校正之后的光譜曲線圖對比， 可以看出， 寬波段遙感影像幾乎無法獲取精細的光譜特征曲線， 必須依靠實測的地物光譜曲線才能獲取建模所需的敏感波段。 珠海一號所獲取的光譜特征曲線峰谷位置明顯， 在一定程度上能反應(yīng)水體組分的光譜特征， 波段范圍涵蓋了可見光至近紅外波段， 為葉綠素a、 懸浮物等具有明顯光譜特征的水質(zhì)參數(shù)的建模反演提供了更多的選擇。

圖3 不同遙感數(shù)據(jù)源所獲取的典型湖區(qū)光譜特征曲線對比

對大氣校正前后的巢湖12個實測點處的光譜曲線進行提取， 如圖4(a)所示， 對特征波段進行提取得到圖4(b)， 可以看到大氣校正在675 nm出現(xiàn)吸收峰， 在705 nm處出現(xiàn)熒光峰， 近紅外波段處的反射率明顯升高， 與以往巢湖水體的光譜特征研究[11]對比， 可認為本實驗大氣校正較為精確。 尋找光譜特征時應(yīng)盡量做到同一垂直方向上， 不同點光譜特征的情況盡可能的相同， 由圖4(b)可得， 600 nm前波譜曲線均呈現(xiàn)出“先升后降”的趨勢， 但大部分曲線的波峰所處波長不同， 差距在2～3個波段以上， 因此難以確定出具體的波峰位置， 而在一些波段附近出現(xiàn)了較明顯的“峰谷”， 如表3所示。

圖4 珠海一號OHS影像提取的巢湖實測點光譜特征曲線

表3 巢湖水體光譜特征波段

2.3 模型建立

波段組合指將若干個波段進行微分， 加減乘除等一系列數(shù)學(xué)運算組合而成的有理式， 該方法可以提高波段反映地表信息的能力， 增強地波波段特征間的微小差異， 消除地形、 陰影和其他參數(shù)所帶來的影響， 常見的波段組合有單波段、 波段比值、 三波段等。

單波段模型通常使用特定波長處遙感反射率光譜的一階微分值， 或者反射峰的波長建模， 波段比值則是使用反演參數(shù)光譜曲線吸收峰與吸收谷處的遙感反射率比值建模。 以上方法是基于多光譜遙感數(shù)據(jù)波段數(shù)較少的條件下， 使用1～2個波段盡可能的體現(xiàn)出目標反演參數(shù)對光譜特征的影響， 對于水體中其他組分的影響未能消除。 高光譜遙感數(shù)據(jù)波段數(shù)較多， 為葉綠素a濃度的反演建模提供了更多選擇， 選取多個波段的組合不僅可以突出葉綠素a的光譜特征， 也弱化了水體重其他組分的影響。 三波段模型是目前反演葉綠素a濃度精度較高的經(jīng)驗?zāi)Ｐ停?其一般形式為

chla∝(Rrs(λ1)-1-Rrs(λ2)-1)×Rrs(λ3)

(1)

式(1)中， chla為葉綠素a濃度反演值，Rrs為遙感反射率。

模型中波段波段的選取原則： (1)λ1要求處于葉綠素a紅光波段的吸收峰處。 (2)λ2應(yīng)位于λ1附近， 對于葉綠素a的吸收較小。 (3)λ3位于水體中各組分吸收系數(shù)最小的波段附近。 OHS影像經(jīng)大氣校正后， 光譜的吸收峰谷往往會發(fā)生偏移， 且不同地區(qū)、 不同季節(jié)的湖泊水體組分光譜特征不同， 因此根據(jù)表4中的備選波段， 按序號與波段一一對應(yīng)的原則分別代入[Rrs(λ1)-1-Rrs(λ2)-1]×Rrs(λ3)-1， 驗證不同組合與葉綠素a濃度的相關(guān)系數(shù)R2數(shù)， 依次迭代至選出現(xiàn)相關(guān)度最高的組合， 將其作為建模的反演因子。

高光譜影像必然存在著數(shù)據(jù)冗余以及波段間相關(guān)大等問題， 因此借助最佳指數(shù)OIF來衡量波段組合所含有信息量。 OIF指數(shù)計算原理如下： 波段的標準差越大， 蘊含的地表信息量越豐富， 波段間的相關(guān)系數(shù)越小， 表明波段間的信息冗余度小， 所含信息的獨立性高[12]， 計算式(2)所示。

(2)

式(2)中，si為第i個波段的標準差，Rij為i和j兩個波段的相關(guān)系數(shù)。

OIF指數(shù)越大說明波段組合的信息量包含越大， 蘊含的水體信息越多， 證明了波段組合與葉綠素a相關(guān)性較高的可信度。

2.4 模型評價

留一交叉驗證法是每次從n個樣本中取一點進行作為驗證點， 剩下n-1個樣本用于建模， 以此迭代n次， 將n次檢驗的誤差均值作為模型的誤差， 可以弱化潛在異常值帶來的誤差， 比較適合樣本點較少的模型評價[13]。 本研究在使用留一交叉驗證法的基礎(chǔ)上， 借助平均相對誤差(mean relative error, MRE)和均方根誤差(root mean square error, RMSE)等統(tǒng)計參數(shù)對葉綠素a濃度的反演精度進行驗證， 計算公式如式(3)和式(4)所示。

(3)

(4)

式(3)和式(4)中，X為Y分別為葉綠素濃度的實測值和反演值。

3 結(jié)果與討論

3.1 模型構(gòu)建結(jié)果

將12個實測點全部用于建模， 最終選取效果較好的波段組合， 其OIF指數(shù)以及與葉綠素a濃度的相關(guān)性R2如表4所示。

表4 不同波段組合的OIF和R2對比

由R2可知， 可用于建模的組合序號為2， 5和6， 且他們的OIF指數(shù)較高， 且大小順序與R2一致， 這可以認為這些波段組合與葉綠素a濃度具有較高的相關(guān)性并非偶然。 值得注意的是， OIF和R2不一定存在嚴格正相關(guān)關(guān)系， OIF是用來衡量波段組合中信息冗余量與所含地表信息量的參數(shù)， 越大則證明波段組合蘊含更多地物信息， 對于任何一種待反演參數(shù)來說， 波段組合的OIF較高是該波段組合與目標反演參數(shù)相關(guān)性較高的必要不充分條件。 基于以上分析， 最終選取組合6作為構(gòu)建模型的波段組合， 根據(jù)實測樣本點進行擬合， 采用線性擬合的方式， 擬合度為0.721 5， 模型構(gòu)建如圖5所示。

圖5 模型構(gòu)建示意圖

3.2 模型精度評價

根據(jù)留一交叉驗證法對模型精度進行驗證， 最終驗證結(jié)果得出巢湖傭綠素a濃度反演三波段模型的平均相對誤差和均方根誤差分別為19.97%和10.85 mg·m-3。 反演值與實測值的散點大致評價分布在1∶1曲線兩側(cè)， 如圖6所示。 12個樣本點中結(jié)果誤差在20%以內(nèi)占有67%， 最小誤差為9.20%， 最大誤差發(fā)生在8號點， 為43.96%。 該點位于西巢湖的北部， 靠近入湖河流， 該地區(qū)水質(zhì)情況較差， 采樣當天附近有漂浮藻類植物， 水流及風(fēng)力作用可能導(dǎo)致采集水樣中含有一定的懸浮物與藻類雜質(zhì)， 此外， 遙感影像混合像元等因素導(dǎo)致了反演值偏低。

3.3 巢湖葉綠素a濃度反演結(jié)果

通過圖5中的反演模型， 基于珠海一號遙感影像繪制出2019年5月10日巢湖葉綠素a濃度分布圖， 如圖7所示。

西巢湖的葉綠素a濃度是三個湖區(qū)中最高， 其北部沿岸地區(qū)葉綠素a濃度最高， 水質(zhì)情況較差， 間接可以說明該地區(qū)富營養(yǎng)化較為嚴重， 出現(xiàn)了一定面積的水華， 南部水域葉綠素a維持在50 mg·m-3以內(nèi)， 中部水域葉綠素a含量較低。 中巢湖地區(qū)靠近中西巢湖分界線地區(qū)有少部分水域葉綠素a濃度超過了100 mg·m-3， 并由北向南呈現(xiàn)帶分布， 整體來看， 葉綠素a濃度從西北向東南逐漸降低。 東巢湖的其葉綠素a濃度均值控制在了60 mg·m-3以下， 僅在中西巢湖分界線以東出現(xiàn)了部分湖區(qū)葉綠素a濃度高于60 mg·m-3， 東北部地區(qū)的葉綠素a濃度最低。 巢湖葉綠素a濃度均值最高的水域位于西巢湖北部， 該地區(qū)緊鄰合肥市包河區(qū)， 有著南淝河與派河兩條入湖河流， 受生活污水、 工業(yè)廢水大量排放以及人類活動的影響導(dǎo)致該區(qū)域的水環(huán)境情況較差， 葉綠素a濃度較高。

圖6 模型驗證示意圖

圖7 2019.5.10巢湖葉綠素a濃度分布

近年來， 國內(nèi)學(xué)者開展了一系列的巢湖水質(zhì)監(jiān)測工作的研究。 汪順麗等[14]指出巢湖整體富營養(yǎng)化程度東半湖低于西部半湖。 張民等[15]分析了2012年—2018年巢湖水質(zhì)的變化趨勢， 指出巢湖富營養(yǎng)化由西向東逐步降低， 西巢湖的南淝河、 十五里河、 派河等入湖河流是主要污染河流。 從光譜特征曲線的角度來看， 當湖泊中出現(xiàn)藍藻水華時， 湖泊葉綠素a的濃度升高， 水體的光譜特征不同于以往， 近紅外波段會出現(xiàn)顯著的植被特征， 反射率升高， 同時， 紅， 藍波段的反射率降低[16]， 圖3(b)中光譜曲線與以上描述較為貼近。 綜合上述分析， 可認為本實驗結(jié)果可以較為精確的反映巢湖的葉綠素a濃度分布狀況。

4 結(jié) 論

基于珠海一號高光譜衛(wèi)星數(shù)據(jù)， 通過提取光譜特征， 進行波段相關(guān)性分析等構(gòu)建經(jīng)驗?zāi)Ｐ蛯Τ埠~綠素a濃度進行反演， 得出以下結(jié)論：

(1)珠海一號b14， b16， b19波段所組成的三波段模型可以較好地反演巢湖的葉綠素a濃度， 模型擬合度R2為0.721 5， 平均相對誤差為19.97%， 均方根誤差為10.85 mg·m-3。 反演結(jié)果說明巢湖2019年5月10日的葉綠素a濃度由東向西逐漸升高， 這與巢湖周邊人口城市密度以及人類活動強弱有極大的關(guān)系。

(2)珠海一號衛(wèi)星憑借其極高的光譜分辨率獲得了更精細的水體光譜特征， OHS影像波段數(shù)多， 為模型的構(gòu)建提供了更多選擇， 其在光譜特征復(fù)雜的內(nèi)陸湖泊遙感監(jiān)測中具有一定的優(yōu)勢。 但高光譜遙感信息量巨大， 數(shù)據(jù)維度高， 影像處理困難， 從而為高光譜遙感在水質(zhì)監(jiān)測領(lǐng)域的應(yīng)用帶來一定阻礙。

(3)現(xiàn)階段高光譜遙感相關(guān)理論、 影像處理方法還未成熟， 在未來仍需借助珠海一號數(shù)據(jù)開展更多的內(nèi)陸水體遙感監(jiān)測工作， 逐漸實現(xiàn)高光譜遙感內(nèi)陸水體監(jiān)測的業(yè)務(wù)化發(fā)展， 推出更多內(nèi)陸湖泊水質(zhì)參數(shù)產(chǎn)品。

致謝：珠海歐比特宇航科技股份有限公司提供了遙感影像數(shù)據(jù)， 巢湖地面實驗數(shù)據(jù)出自“第一屆歐比特杯高光譜大賽”論文集中, 在此向歐比特公司對本實驗的支持表示衷心的感謝。