張怡然,牛海林,馮昶瑞,謝朝陽,宋玉庭

(青海大學生態(tài)環(huán)境工程學院,青海西寧 810016)

湖泊在人類繁衍生息過程中發(fā)揮著極其重要的作用。隨著人類活動加劇及經(jīng)濟社會發(fā)展,全球范圍內湖泊水質受到極大威脅。面對日益嚴峻的生態(tài)環(huán)境問題，需要進一步去探索更加高效且精準的監(jiān)測方法。傳統(tǒng)水質監(jiān)測方法局限于實驗室分析,盡管該方法精度高,但因其工作量大、耗時長等弊端,難以實現(xiàn)對湖泊水質的連續(xù)監(jiān)測及早期預警。而遙感技術則利用不同傳感器進行電磁波信息的收集及處理,通過收集到的遙感影像進行水質監(jiān)測。較于傳統(tǒng)監(jiān)測手段,遙感監(jiān)測在應用過程中體現(xiàn)出成本低、信息量大、高效、數(shù)據(jù)的強實時性、廣覆蓋面及可同步顯示地物特征等優(yōu)越性,可在一定程度上彌補傳統(tǒng)監(jiān)測方法的缺陷。基于以上特點,遙感技術在生態(tài)環(huán)境監(jiān)測中的應用越來越廣泛。

湖泊中葉綠素在一定程度上是表征湖泊富營養(yǎng)化的重要指標,同時也可以反映湖泊中某些生物的分布情況。利用遙感數(shù)據(jù)在可見光波段和近紅外波段對葉綠素a的高吸收率和高反射率的光學性質,構建反演模型,預測水體葉綠素a濃度的分布情況,可以極大提升水質監(jiān)測效率。Kuhn等分別利用Landsat8和santinel-2影像對亞馬孫河格盧比亞河、密西西比河水體葉綠a濃度進行反演研究,結果表明，利用Landsat8影像對亞馬孫河流進行反演時所得到的反演精度最高。綜合現(xiàn)有研究來看,考慮到葉綠素在一定程度上受季節(jié)變化影響,因此在進行葉綠素反演時需考慮季節(jié)變化帶來的干擾及影響,必要時可分別建模分析。王麗艷利用MODIS遙感影像數(shù)據(jù)對呼倫湖流域水質進行了反演研究,且在時間序列上對呼倫湖流域富營養(yǎng)化狀態(tài)進行了評價。吳歡歡等利用神經(jīng)網(wǎng)絡模型和統(tǒng)計回歸模型對天津市海河下游段總磷、總氮、氨氮和電導率進行反演研究,結果表明，通過利用神經(jīng)網(wǎng)絡模型對總磷、總氮和氨氮反演時均可達到較好的反演精度。吳志杰等利用多光譜提出基于特征選擇以及機器學習的葉綠素a遙感反演方法，并將該方法運用到陽澄湖水質反演過程中，分別從時間和空間兩方面對葉綠素a含量進行分析，初步對引起葉綠素a含量變化的原因進行了研究。除此之外,遙感反演在大氣反演中的應用也十分廣泛。目前大氣中PM已成為我國主要大氣污染物之一,利用衛(wèi)星遙感反演氣溶膠厚度已成為主要監(jiān)測手段之一。近年來為了提高反演精度,相關學者不斷對反演模型進行優(yōu)化,胡占占等提出了時空XGBoost模型(STXGB)對我國區(qū)域內PM進行空間濃度反演研究,且將該模型與隨機森林(RF)、反距離加權XGBoost(XGBIDW)、BP神經(jīng)網(wǎng)絡(BPNN)、XGBoost模型結果進行對比，結果發(fā)現(xiàn),將該模型用于我國區(qū)域內PM反演研究更具有優(yōu)越性。筆者根據(jù)Landsat8數(shù)據(jù)特點及反演技術要求，利用波段比值法對青海湖BOD含量進行反演模型研究,以期為青海湖BOD含量反演提供參考依據(jù)。

1 資料與方法

青海湖位于青藏高原東北緣,是我國第一大內陸高原咸水湖,屬典型的構造斷陷湖(圖1)。湖區(qū)海拔高于青海東部河湟谷地和柴達木荒漠區(qū)。青海湖是以河流補給為主、輔以降水和冰川融水補給的封閉湖泊,入湖河流共計50條,多為季節(jié)性河流,主要有布哈河、沙柳河、泉吉河、哈爾蓋河、甘子河、黑馬河和倒淌河7條,流域河網(wǎng)特點表現(xiàn)為不對稱的空間分布、西北稠密、流量大、東南稀疏、流量小等。該流域氣候類型屬于高原大陸性氣候,植被以高寒草甸、高寒灌叢為主。青海湖獨特而豐富的自然景觀、地質遺跡、湖沙風貌、生態(tài)奇觀,是青海省國家公園自然保護地體系建設的重要載體,與此同時整個青海湖流域不僅是重要的生態(tài)功能區(qū),更是生態(tài)敏感性區(qū)域。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

該研究采用2018年9月11日青海湖BOD含量,BOD含量數(shù)據(jù)來源于青海省水文資源測報中心。遙感影像采用的是Landsat8遙感影像,遙感影像數(shù)據(jù)均從地理空間數(shù)據(jù)云以及中國科學院遙感與數(shù)字地球研究所下載所得。本著遙感影像云量小以及與水質數(shù)據(jù)時間間隔盡量小等原則,所選取的遙感影像包括2019年2月26日、2018年9月29日、2018年10月7日、2018年9月28日四景遙感影像,四景影像分辨率均為30 m。

由于Landsat8影像已經(jīng)過幾何校正和地形校正,Landsat8遙感影像預處理部分只需進行輻射定標、大氣校正、鑲嵌和掩膜提取即可。將圖像的數(shù)字量化值(DN)轉化為輻射亮度值或者反射率或者表面溫度等物理量的處理過程。ENVI 5.3中的通用輻射定標工具能自動從元數(shù)據(jù)文件中讀取參數(shù)從而完成輻射定標。大氣校正目的是消除大氣中水蒸氣、氧氣、二氧化碳、甲烷和臭氧等物質對地物反射的影響,消除大氣分子和氣溶膠散射的影響。大多數(shù)情況下,大氣校正同時也是反演地物真實反射率的過程。圖像鑲嵌是將有地理坐標或者沒有地理坐標的多景相鄰遙感圖像拼接合并成一幅大范圍、無縫的合成圖像的過程。由于青海湖流域面積較大,一景影像無法覆蓋整個研究區(qū),故需將多景影像通過鑲嵌拼接合并成一幅單一合成影像。另外由于鑲嵌拼接好的數(shù)據(jù)涵蓋范圍超過研究區(qū),故需要按照研究區(qū)矢量范圍對經(jīng)過鑲嵌處理的遙感影像進行掩膜提取處理。掩膜處理以后得到一幅完整的青海湖流域Landsat8遙感影像。

該研究首先利用Landsat8遙感影像的7個波段分別與BOD含量進行反演,每次反演都會形成相應的模型以及決定系數(shù)(),通過對決定系數(shù)的比較,對于BOD含量篩選出與之擬合度較高的3個波段進行波段組合,波段組合按照B1+B2、B1+B3、B2+B3、B1×B2、B1×B3、B2×B3的策略進行。

各項水質指標與單波段反演。在對青海湖流域各點BOD含量分別與Landsat8影像的7個波段各自建立模型的過程中,以各個單波段值作為自變量,以BOD含量作為因變量,分別建立各自變量與因變量之間的相關性關系,通過比較各個相關性結果，選擇與BOD含量擬合度較高的3個波段。

各項水質指標與波段組合反演。將與BOD含量擬合度較高的波段按照反演波段組合策略進行波段組合，對各個組合波段與BOD含量分別進行對數(shù)函數(shù)、冪函數(shù)、線性函數(shù)、指數(shù)函數(shù)4種形式的建模。

2 結果與分析

在青海湖流域BOD含量反演單波段回歸模型建立過程中,以Landsat8影像的7個波段分別作為自變量,以BOD含量實測值作為因變量,分別建立指數(shù)函數(shù)、線性函數(shù)、冪函數(shù)和對數(shù)函數(shù)4種類型的回歸模型。根據(jù)相關性分析可知(表1),與BOD含量擬合度較高的3個波段分別是B5、B6、B7。

在青海湖流域水質指標BOD含量波段組合反演回歸模型建立過程中,利用單波段反演時BOD含量與Landsat8影像各個波段中擬合度較高的B5、B6、B7波段,按照B5+B6、B5+B7、B6+B7、B5+B6+B7、B5×B6、B5×B7、B6×B7、B5×B6×B7的反演策略進行反演。在對青海湖流域各點BOD含量分別與各個波段組合建立模型時,以各組合波段作為自變量,BOD實測值作為因變量,分別建立自變量與因變量之間的相關性關系。表2是建立的BOD含量組合波段反演回歸模型及其決定系數(shù)()。

表1 BOD單波段反演回歸模型決定系數(shù)(R2)

表2 BOD波段組合反演回歸模型相關分析

將擬合度最高的模型運用于經(jīng)過處理的遙感影像中即可獲得青海湖流域BOD含量預測值,由表2可知擬合度最高的模型是=0.743 3e0.000 2(=0.636 7)。隨后通過對各個點的實測值和預測值進行相對誤差分析即可對模型進行驗證，結果如表3所示。

通常認為反演結果和實測結果的代數(shù)差占實測值的百分比的±30%,即認為反演的誤差在允許范圍之內。通過對各個點的實測結果和預測值的相對誤差求平均值,相對誤差平均值為27.51%。此次反演誤差小于30%,在誤差允許范圍之內,故此次反演成立。

從表3、圖2～3可以看出利用Landsat8波段組合建立的模型反演青海湖流域BOD含量預測值與實測值之間的誤差。整體來看相對誤差小于30%的驗證點有6個,占驗證點總數(shù)的75%。其中,BOD含量預測值與實測值相對誤差最小的是7號點,相對誤差為15.19%,而相對誤差最大的點是4號點,其相對誤差是56.70%。另外,從圖2可以看出，通過反演得到的預測值與實測值的決定系數(shù)()為0.574 1。由此可以認為= 0.743 3e0.000 2用于反演BOD含量是可行的。

表3 波段組合反演模型精度分析

圖2 BOD含量實測值與預測值相關關系Fig.2 The correlation between the measured value and the predicted value

圖3 BOD含量實測值與預測值對比Fig.3 Comparison of measured value and predicted value of BOD content

3 結論與討論

利用Landsat8影像結合青海湖BOD含量實測值進行了嘗試性反演模型研究。通過結果綜合來看,篩選出的模型的反演結果較為理想。利用試驗分析篩選出最佳波段和最佳組合波段,發(fā)現(xiàn)青海湖BOD含量反演擬合度較高的3個波段是B5、B6、B7,而擬合度最高的模型則是由B5+B6進行波段組合構建的指數(shù)模型=0.743 3e0.000 2(=0.636 7)。

梁永春等在Landsat8影像的基礎上運用建模集數(shù)據(jù)構建偏最小二乘回歸模型的方法，對生化需氧量含量進行預測，并對生化需氧量的空間分布進行了相關分析,結果表明反演效果較為理想,該研究僅對生化需氧量含量進行了預測并進行了驗證,在之后的學習過程中也可嘗試對生化需氧量含量的空間分布進行預測分析。另外,對于反演研究不僅局限于Landsat8,包括高分影像在內的其他影像在反演過程中也都較為理想。馬方凱等利用高分遙感影像通過半經(jīng)驗模型法對湯遜湖化學需氧量、總磷和氨氮進行反演分析時也得到了理想的反演結果。