鄭著彬，張潤飛，2，李建忠，2，林琳，楊虹

1.贛南師范大學(xué) 地理與環(huán)境工程學(xué)院,贛州 341000;

2.南京師范大學(xué) 地理科學(xué)學(xué)院,南京 210023

1 引 言

水是生命之源，是人類賴以生存和發(fā)展不可或缺的重要資源之一，是21 世紀(jì)可持續(xù)發(fā)展戰(zhàn)略實施的重要保障。自然界的水體按其光學(xué)特性可分為一類水體和二類水體（Morel 和Prieur，1977；Gordon 和Morel，1983）。二類水體主要包括內(nèi)陸及近岸水體，受人類活動和氣候變化的影響較為顯著，導(dǎo)致近幾十年來全球水質(zhì)持續(xù)退化（Guo等，2022；Neil 等，2019）。隨著全球工業(yè)革命與城市化進(jìn)程的不斷推進(jìn)，湖泊水體富營養(yǎng)化狀況日益嚴(yán)重，水環(huán)境遭到嚴(yán)重破壞，水體富營養(yǎng)化已成為全球共同面臨的嚴(yán)峻問題（Paerl 和Paul，2012）。水體富營養(yǎng)化使得水中的溶解氧大量減少，水生生物因缺氧而大量死亡，導(dǎo)致水生生態(tài)系統(tǒng)物種分布失衡、水華發(fā)生頻率加快、水質(zhì)下降等問題（Vincent 等，2004），嚴(yán)重威脅人類健康，不利于社會經(jīng)濟(jì)的健康可持續(xù)發(fā)展（孔繁翔和高光，2005）。

葉綠素a濃度是描述水體營養(yǎng)狀態(tài)的重要水質(zhì)參數(shù)，其含量高低與水體藻類生物量密切相關(guān)，是水體水質(zhì)狀況監(jiān)測的重要指標(biāo)（馬榮華等，2009；Beck 等，2016；王敬富等，2021）。目前，葉綠素a濃度的監(jiān)測方法主要有人工監(jiān)測的直接法和遙感監(jiān)測的間接法。直接法主要是通過對湖泊進(jìn)行實地采集水樣，并將水樣帶回實驗室進(jìn)行生物化學(xué)分析，進(jìn)而得到采樣點水體的葉綠素a 濃度。該方法雖然能夠精確分析和評價采樣點的葉綠素a濃度，但是耗時耗力、不經(jīng)濟(jì)，并且水體采樣點的數(shù)量有限，只能獲取整個湖泊離散的“點”狀信息，難以代表湖泊水體葉綠素a濃度的整體分布情況（劉閣等，2017）；而遙感技術(shù)具有監(jiān)測范圍廣和周期性觀測等優(yōu)點，通過分析水體光學(xué)特性與葉綠素a 濃度之間的關(guān)系，構(gòu)建合適的葉綠素a 濃度反演模型，并將反演模型應(yīng)用于遙感影像可得到整個湖泊葉綠素a濃度的時空格局（劉瑤等，2022）。

葉綠素a濃度遙感監(jiān)測是通過分析水體的光學(xué)特性，基于經(jīng)驗和統(tǒng)計方法尋找和分析葉綠素a濃度的敏感光譜波段，將遙感數(shù)據(jù)和野外現(xiàn)場實測葉綠素a濃度數(shù)據(jù)進(jìn)行數(shù)學(xué)分析，進(jìn)而構(gòu)建合適的葉綠素a 濃度反演算法（Kuchinke 等，2009；Neil等，2019）。目前國內(nèi)外學(xué)者將葉綠素a 濃度遙感反演方法主要分為經(jīng)驗方法、半經(jīng)驗/半分析方法和分析方法（Morel 和Gordon，1980；馬榮華 等，2009）。Gurlin 等（2011） 利 用MERIS （Medium Resolution Imaging Spectrometer）和MODIS（Moderate Resolution Imaging Spectroradiometer）影像數(shù)據(jù)與實測數(shù)據(jù)相結(jié)合建立了葉綠素a濃度的經(jīng)驗回歸模型；Gilerson 等（2010）基于MERIS 數(shù)據(jù)和實測數(shù)據(jù)分別測試了波段比值和三波段的葉綠素a濃度遙感估算模型；李正浩等（2021）基于現(xiàn)場實測遙感反射率和浮游植物色素濃度數(shù)據(jù)，確定浮游植物色素濃度與遙感反射率波段組合之間的統(tǒng)計關(guān)系，并利用GOCI（Geostationary Ocean Color Imager）影像數(shù)據(jù)反演了黃海、渤海和東海等近岸水體浮游植物葉綠素a 濃度；Brando 等（2009）采用物理模型方法對澳大利亞莫頓灣的水下地形和光學(xué)活性物質(zhì)進(jìn)行高光譜遙感反演；Smith 等（2018）基于葉綠素最優(yōu)化算法利用OLCI（Ocean and Land Color Instrument）和MERIS影像數(shù)據(jù)反演一類水體的葉綠素a 濃度；Liu 等（2020）結(jié)合OLCI 影像數(shù)據(jù)和半分析模型實現(xiàn)對二類渾濁水體葉綠素a濃度的遙感反演和動態(tài)監(jiān)測；李淵等（2014）利用波段比值、三波段、四波段等模型組合的基于數(shù)據(jù)同化的多模型協(xié)同反演算法對太湖水體葉綠素a濃度進(jìn)行遙感反演，取得了較好的效果；李云梅等（2006）通過分析太湖水體光學(xué)特性，利用輻射傳輸模型模擬水下反射光譜，并使用優(yōu)化函數(shù)的方法成功估算太湖水體葉綠素a濃度。

內(nèi)陸水體具有較為復(fù)雜的光學(xué)特性，以及人類活動和風(fēng)浪等不穩(wěn)定因素對高原富營養(yǎng)化湖泊葉綠素a濃度的影響，使得常規(guī)寬波段的多光譜遙感技術(shù)難以捕獲其光譜特征，因而往往導(dǎo)致寬波段多光譜遙感數(shù)據(jù)對內(nèi)陸水體水質(zhì)監(jiān)測的精度不高。而光譜分辨率達(dá)到2.5 nm 的高光譜遙感數(shù)據(jù)更容易捕捉到復(fù)雜多變的內(nèi)陸水體的光學(xué)特征，從而提高內(nèi)陸水體水質(zhì)監(jiān)測的能力（Kutser 等，2001）。因此，高光譜遙感技術(shù)對于內(nèi)陸水體水質(zhì)監(jiān)測具有重要意義。

歐比特高光譜影像是中國新一代高光譜衛(wèi)星影像，也是目前全球唯一集高光譜、高空間和高時間分辨率的在軌影像產(chǎn)品，優(yōu)于HJ?1 HSI、ZY?1 AHSI、GF?5 AHSI 等高光譜數(shù)據(jù)，在富營養(yǎng)化湖泊水質(zhì)監(jiān)測方面具有巨大潛力（Zhang 等，2021；劉瑤等，2022）。然而目前關(guān)于歐比特高光譜遙感影像應(yīng)用的研究較少（殷子瑤等，2021），尤其是對于歐比特高光譜影像能否用于高原富營養(yǎng)化湖泊的水質(zhì)監(jiān)測及其葉綠素a濃度遙感反演的適用性和可行性仍有待驗證，基于此，本研究以高原富營養(yǎng)化湖泊滇池為研究區(qū)，嘗試構(gòu)建一套適用于高原富營養(yǎng)化湖泊水體的國產(chǎn)歐比特高光譜影像的葉綠素a 濃度遙感反演模型，揭示滇池葉綠素a濃度的空間分布規(guī)律，以期為中國生態(tài)環(huán)境、自然資源與水利等部門對湖泊水質(zhì)的遙感監(jiān)測與管控提供參考和數(shù)據(jù)支持，以及在一定程度上促進(jìn)國產(chǎn)歐比特高光譜影像的推廣與應(yīng)用。

2 材料與方法

2.1 研究區(qū)概況

滇池（24°32'N—25°17'N，102°31'E—102°56'E，圖1）坐落于云貴高原，是云南省最大的淡水湖，也是西南地區(qū)最大的高原湖泊，其湖面海拔1886 m，水域面積330 km2，平均水深5 m （Mu 等，2021）。滇池屬于長江上游金沙江水系，海埂大壩將滇池分為草海和外海兩部分，其中草海面積占滇池總面積的3.6% （Huang 等，2014；Mu 等，2021）。滇池北岸緊鄰昆明主城區(qū)，東岸毗鄰昆明呈貢新城區(qū)，南岸為大規(guī)模塑料大棚花卉和蔬菜種植區(qū)，西岸倚靠西山，匯水面積較小，地勢陡峭。

圖1 滇池地理位置與采樣點分布Fig.1 Geographical location and distribution of sampling sites of Dianchi Lake

受人類活動和風(fēng)浪的影響，具有封閉?半封閉特征的滇池易發(fā)生營養(yǎng)物質(zhì)堆積現(xiàn)象，現(xiàn)已成為中國典型的高原富營養(yǎng)化湖泊，為國家重點治理的“三湖”之一。然而，作為西南地區(qū)居民重要的飲用水源地，滇池也服務(wù)于工農(nóng)業(yè)用水、防洪、航運、旅游、水產(chǎn)養(yǎng)殖、水力發(fā)電和氣象觀測，對昆明及周邊地區(qū)的社會經(jīng)濟(jì)發(fā)展起著至關(guān)重要的作用。近幾十年來，隨著滇池周圍工業(yè)的興起，社會經(jīng)濟(jì)的快速發(fā)展和人口的持續(xù)增長，越來越多的污染物從河道輸入滇池，導(dǎo)致富營養(yǎng)化程度日趨嚴(yán)重，水環(huán)境和水生生態(tài)系統(tǒng)遭到嚴(yán)重破壞。

2.2 野外實驗與數(shù)據(jù)獲取

2.2.1野外實驗

2017 年4 月和11 月對滇池進(jìn)行了兩次野外實地采樣，測量并收集了遙感反射率（Rrs）和水樣數(shù)據(jù)。在整個滇池湖區(qū)共布設(shè)了72 個采樣站點，在每個站點使用全球定位系統(tǒng)GPS 接收器記錄經(jīng)度和緯度坐標(biāo)，并從50 cm 水深處收集約1000—1500 mL 的地表水樣品進(jìn)行實驗室測量和分析（Liu 等，2015；Liu 等，2014）；此外，本研究還從滇池管理局獲取了與歐比特高光譜影像同步（采樣日期為2019 年4 月2 日）的10 個野外實測葉綠素a濃度數(shù)據(jù)（圖1），以便用于驗證歐比特高光譜影像葉綠素a濃度的遙感反演結(jié)果。2017年兩次野外巡測實驗樣點（N=72）和滇池管理局于2019年4 月2 日現(xiàn)場實測的10 個樣點（N=10）分布如圖1所示。

水體遙感反射率的測量采用美國ASD 公司生產(chǎn)的ASD Field Spec 便攜式野外光譜儀，該儀器具有512個光譜通道，光譜范圍為350—1050 nm，光譜分辨率為2 nm。為了更好提取水體離水輻亮度信息，減少水體鏡面反射和船體自身陰影對測量結(jié)果的影響，測量時采用水面以上測量法分別測量參考板、水和天空光的輻射光譜（唐軍武等，2004），以觀測方位角與太陽入射方向的夾角為135°、觀測天頂角為40°的觀測幾何避免陽光直接反射到水面（Mobley，1999）。每個樣點獲取10 條光譜，從中消除因偶然因素引起的異常光譜，并通過取平均值的方法獲得有效光譜。水面測量的遙感反射率計算公式如下：

式中，Rrs為實測樣點的光譜遙感反射率，Lsw是從水體表面測得的總輻亮度；ρsky是氣—水界面對天空光的反射率，對于平靜水面可取值為2.2%，風(fēng)速為5 m/s時ρsky取值為2.5%，風(fēng)速在10 m/s時可取值為2.6%—2.8%（唐軍武等，2004）；Lsky是天空光輻亮度；Lp是參考板測量的輻亮度；ρp是參考板的反射率，其值為30%。

2.2.2水樣分析

本研究將采集的表層水樣保存在低溫條件下，當(dāng)日運回實驗室測定葉綠素a 濃度、總懸浮物濃度、有機(jī)懸浮物濃度和無機(jī)懸浮物濃度等水質(zhì)參數(shù)。葉綠素a 濃度采用熱乙醇?分光光度計法進(jìn)行測量（陳宇煒 等，2006），即用80°C 的90%熱乙醇萃取葉綠素a，用1%的稀鹽酸酸化萃取液，并利用UV2550 分光光度計測量665 nm 和750 nm 處的吸光度，進(jìn)而確定水樣的葉綠素a 濃度（表1）。此外，采用常規(guī)的煅燒法測量總懸浮物、有機(jī)懸浮物和無機(jī)懸浮物的濃度（孫德勇等，2008）。將水樣在Whatman GF/F 濾膜上過濾，并將水樣的過濾產(chǎn)物進(jìn)行稱重，利用過濾產(chǎn)物的質(zhì)量除以水樣的體積即可得到總懸浮物的濃度，然后繼續(xù)將濾膜在550 °C 下再灼燒4 h 以去除有機(jī)懸浮物成分，并再次稱重確定無機(jī)懸浮物濃度，將總懸浮物減去無機(jī)懸浮物質(zhì)量則可以得到有機(jī)懸浮物濃度。

表1 滇池水體葉綠素a濃度統(tǒng)計Table 1 Statistics of Chla concentration in Dianchi Lake

2.3 遙感數(shù)據(jù)與數(shù)據(jù)預(yù)處理

本研究使用的遙感數(shù)據(jù)為珠海一號歐比特高光譜影像數(shù)據(jù)，該數(shù)據(jù)來源于珠海歐比特宇航科技股份有限公司，具有2.5 nm 的高光譜分辨率和10 m 的高空間分辨率，波段范圍400—1000 nm，共有32個光譜通道，輻射量化級為10 bit，輻射動態(tài)范圍具有1024 級，成像日期為2019 年4 月2 日，具體波段參數(shù)信息如表2所示。為了從歐比特高光譜影像中反演得到葉綠素a濃度信息，需要對遙感影像進(jìn)行定量化預(yù)處理，先對歐比特高光譜影像執(zhí)行輻射定標(biāo)，將DN值轉(zhuǎn)化為TOA 輻亮度；再進(jìn)行FLAASH 大氣校正，將TOA 輻亮度轉(zhuǎn)換為地面反射率信息；為了考慮傳感器觀測幾何的影響，對大氣校正后的影像再執(zhí)行正射校正。

表2 歐比特高光譜影像波譜基本信息Table 2 Basic spectral information of Orbita hyperspectral imagery

2.4 基于實測遙感反射率的歐比特高光譜影像模擬

為了使用歐比特高光譜影像估算葉綠素a 濃度，利用野外現(xiàn)場測量的光譜遙感反射率數(shù)據(jù)，結(jié)合歐比特高光譜影像的光譜響應(yīng)函數(shù)來模擬歐比特高光譜影像的光譜特性（Zhang 等，2021；Li等，2015），模擬結(jié)果可以通過以下公式推導(dǎo)（Zheng 等，2015）：

式中，Rrs（Bi）表示現(xiàn)場實測遙感反射率對歐比特高光譜影像第i波段從λmin到λmax積分的模擬光譜通道。

2.5 模型精度評價

為了評價模型的反演效果，本研究選用3個指標(biāo)評價模型性能，包括決定系數(shù)（R2）、均方根誤差RMSE（Root Mean Square Error）和平均絕對誤差百分比MAPE（Mean Absolute Percentage Error）。其中， RMSE 和MAPE 的計算公式為（Liu 等，2018）：

式中，n是指樣本數(shù)量，Chlai和Chlai'分別是Chla濃度的實測值和估算值。

3 結(jié)果與分析

3.1 基于實測光譜的葉綠素a濃度估算模型

為構(gòu)建適用于滇池水體的葉綠素a濃度高光譜遙感估算模型，本研究利用兩次野外實驗獲得的72組現(xiàn)場測量的原位樣點光譜特性數(shù)據(jù)和葉綠素a濃度數(shù)據(jù)進(jìn)行相關(guān)分析，計算每個光譜波段和葉綠素a 濃度的相關(guān)系數(shù)，以找到葉綠素a 濃度的敏感光譜波段和葉綠素a 濃度遙感反演的最優(yōu)波段組合。

常用的水體葉綠素a濃度遙感反演算法有經(jīng)驗方法、半經(jīng)驗/半分析方法和分析方法，本研究主要是檢驗歐比特高光譜影像在內(nèi)陸水體葉綠素a濃度的反演能力，因此選用較為簡單的經(jīng)驗方法。為確定最優(yōu)波段組合，分別計算各波段比值因子與野外原位樣點實測的葉綠素a濃度之間的相關(guān)系數(shù)。如圖2 所示，Rrs（716）/Rrs（595）與葉綠素a 濃度的相關(guān)性最高（R2=0.819，p<0.05），是葉綠素a濃度估算的最優(yōu)波段組合。因此，本研究選用716 nm 和595 nm 處的遙感反射率作為葉綠素a 濃度遙感估算的基準(zhǔn)因子，以Rrs（716）/Rrs（595）的比值為自變量，實測葉綠素a濃度為因變量，建立相應(yīng)的滇池水體葉綠素a濃度估算模型為

圖2 基于實測光譜的葉綠素a濃度估算模型構(gòu)建Fig.2 Development of Chla concentration estimation model based on in?situ spectra

式中，Chla 為滇池水體葉綠素a 濃度，Rrs（716）和Rrs（595）分別為716 nm 和595 nm 處的野外實測遙感反射率。

3.2 基于模擬OHS影像的葉綠素a濃度反演模型

上述基于實測光譜的葉綠素a濃度估算模型的研究結(jié)果表明，近紅外與紅光波段比值（Rrs（716）/Rrs（595））對于滇池水體的葉綠素a 濃度估算精度較高且簡單易行，因此將其作為衛(wèi)星遙感影像反演的基礎(chǔ)。但是實測光譜與歐比特高光譜影像的波段設(shè)置和光譜響應(yīng)存在差異，實測光譜數(shù)據(jù)無法直接反映歐比特高光譜影像的真實情況，需結(jié)合實測光譜數(shù)據(jù)和光譜響應(yīng)函數(shù)獲得基于模擬歐比特高光譜影像的等效波段反射率信息（Zhang等，2021）。根據(jù)歐比特高光譜影像的波段設(shè)置（表2），Rrs（716）和Rrs（595）分別對應(yīng)于歐比特高光譜影像的B17 和B9，因此利用歐比特高光譜影像模擬的B17 和B9 波段等效遙感反射率進(jìn)行葉綠素a濃度遙感反演模型的構(gòu)建。為了評價所構(gòu)建模型的魯棒性，將兩次野外現(xiàn)場采集的72 個樣點數(shù)據(jù)隨機(jī)分為兩組，其中2/3 樣點（N= 48）用于模型建立，其余1/3 樣點（N= 24）用于模型驗證（沈明等，2017），所構(gòu)建的葉綠素a濃度遙感反演模型為：

式中，Chla 表示滇池水體葉綠素a 濃度，B17 和B9分別表示歐比特高光譜影像的第17 和第9 波段的等效遙感反射率。

圖3結(jié)果表明，本研究提出的波段比值模型在訓(xùn)練和驗證數(shù)據(jù)集中表現(xiàn)良好，波段比值因子B17/B9與野外實測葉綠素a濃度之間存在顯著相關(guān)性（R2=0.804，p<0.05）。將使用波段比值模型估算得到的葉綠素a 濃度與實測葉綠素a 濃度進(jìn)行對比，實測值與估算值具有較好的一致性，其散點較均勻分布在1∶1 線兩側(cè)，反演模型的RMSE 為6.99 μg/L，MAPE 為6.32%，估算精度在可允許的誤差范圍之內(nèi)。由此說明本研究構(gòu)建的波段比值模型能夠用于滇池水體葉綠素a 濃度的遙感反演，并取得了較好的反演效果，同時也表明歐比特高光譜影像能夠有效反演高原富營養(yǎng)化湖泊水體的葉綠素a 濃度，為內(nèi)陸湖泊水體葉綠素a 濃度的遙感監(jiān)測提供了一種新的策略。

圖3 基于模擬歐比特高光譜影像的葉綠素a濃度估算模型構(gòu)建與驗證Fig.3 Development and validation of Chla concentration estimation model based on simulated OHS imagery

3.3 葉綠素a濃度反演結(jié)果驗證

為了進(jìn)一步驗證波段比值模型對歐比特高光譜影像的有效性和可行性，利用2019年4月2日滇池管理局采集的、與歐比特高光譜影像同步的、均勻分布在滇池的10 個觀測樣點葉綠素a 濃度數(shù)據(jù)用于模型評價。如圖4所示，基于波段比值模型反演得到的葉綠素a 濃度與現(xiàn)場實測的葉綠素a 濃度較均勻分布在1∶1線兩側(cè)，RMSE和MAPE分別為12.47 μg/L 和22.53%，誤差在可接受的范圍之內(nèi)。據(jù)此，本研究提出的波段比值模型可以用于滇池水體葉綠素a濃度的遙感反演，表明OHS影像適用于內(nèi)陸湖泊水體葉綠素a濃度遙感反演。

圖4 葉綠素a濃度反演結(jié)果驗證Fig.4 Validation of Chla concentration derived from Orbita hyperspectral imagery

3.4 滇池葉綠素a濃度空間格局

將波段比值模型應(yīng)用于滇池歐比特高光譜影像，以獲得滇池葉綠素a濃度空間格局（圖5（a）），并在反演結(jié)果中隨機(jī)選擇3條橫斷線以定量分析滇池葉綠素a濃度的空間分布規(guī)律。從圖5（b）可以看出，以離湖岸的距離即像元距離為橫坐標(biāo)，葉綠素a 濃度為縱坐標(biāo)，3 條橫斷線均顯示出隨著像元距離的增大，葉綠素a濃度逐漸減小，揭示了滇池葉綠素a濃度整體呈現(xiàn)出從湖岸向湖泊中心遞減的趨勢。但對于不同的橫斷線，其遞減的趨勢也不盡相同，橫斷線1（即東北部）與橫斷線2（即東南部）位于昆明主城區(qū)附近，嚴(yán)重受人為活動的影響，葉綠素a 濃度呈冪函數(shù)型遞減，前3 個像元的遞減趨勢較快，隨后遞減趨勢較為平緩，而橫斷線3（即西北部）依靠西山，人為活動較少，葉綠素a濃度呈線性遞減，在整個像元距離范圍內(nèi)遞減趨勢較均勻。滇池中心的葉綠素a 濃度最低，為20—40 μg/L，而湖泊沿岸的葉綠素a 濃度最高，達(dá)到100—160 μg/L，2019年4月2日整個滇池湖泊水體的平均葉綠素a濃度估算為54.28±19.30 μg/L。

圖5 2019年4月2日滇池水體葉綠素a濃度空間格局Fig.5 Spatial pattern of chlorophyll?a concentration in Dianchi Lake on April 2，2019

4 討 論

4.1 陸地鄰近效應(yīng)對反演結(jié)果的影響

陸地鄰近效應(yīng)是指遙感影像中的近岸水體像元反射率受到附近地表的影響而高于正常水體反射率的現(xiàn)象（畢順等，2018），在一定程度上影響葉綠素a濃度的空間格局，因此該效應(yīng)的消除對于滇池葉綠素a濃度的準(zhǔn)確估算具有重要意義。為了確定陸地鄰近效應(yīng)對反演結(jié)果的影響，分別在歐比特高光譜的B9 和B17 波段影像中選取圖5a 中的橫斷線1，計算相對偏差，即當(dāng)前像元與下一像元之間反射率的相對差異。如圖6所示，B9和B17波段受到不同程度的鄰近效應(yīng)影響，當(dāng)距岸邊為4個以內(nèi)的像元時，B9 的相對偏差超過10%，受鄰近效應(yīng)的影響較為嚴(yán)重，當(dāng)像元距離超過4時，B9的相對偏差低于5%，而B17 的相對偏差隨像元距離變化不大，幾乎不受鄰近效應(yīng)的影響，因此滇池葉綠素a 濃度反演結(jié)果的近岸4 個像元受到鄰近效應(yīng)的影響，與馮煉（2021）的研究結(jié)果一致。本研究將反演結(jié)果的近岸4個水體像元進(jìn)行掩膜前后的對比（圖7），以更直觀地表達(dá)鄰近效應(yīng)對滇池葉綠素a 濃度反演結(jié)果的影響。從圖6 和圖7 可以看出，滇池水體的近岸4個像元易受到陸地鄰近效應(yīng)的干擾，因此在對滇池水質(zhì)參數(shù)進(jìn)行定量反演時，應(yīng)對近岸4個像元進(jìn)行掩膜處理以剔除鄰近效應(yīng)的影響。

圖6 歐比特高光譜影像中近岸水體像元反射率的相對偏差變化Fig.6 Variation of the relative difference of the pixel reflectance of the nearshore water in the OHS imagery

圖7 陸地鄰近效應(yīng)去除前后Chla濃度空間格局對比Fig.7 Comparison of the spatial pattern of Chla concentration before and after the land adjacency effect removed

4.2 葉綠素a濃度估算模型對比

與前人構(gòu)建的葉綠素a 濃度遙感估算模型相比，本研究提出的波段比值模型的性能又如何呢？為了回答這一問題，將本研究構(gòu)建的波段比值模型與常用的葉綠素a 濃度遙感反演算法進(jìn)行對比。如表3 所示，與前人的葉綠素a 濃度遙感反演算法相比，本研究構(gòu)建的波段比值模型的R2最高，RMSE和MAPE均最低，估算精度和效果最好（R2=0.804，RMSE=6.99 μg/L，MAPE=6.32%），表明該模型是滇池水體葉綠素a 濃度遙感反演的最佳模型，歐比特高光譜影像能夠適用于滇池葉綠素a濃度的遙感反演。

表3 與現(xiàn)有的葉綠素a濃度遙感反演模型對比Table 3 Comparison with the existing remote sensing retrieval model of chlorophyll-a concentration

5 結(jié) 論

本研究以高原富營養(yǎng)化湖泊滇池為研究區(qū)，利用野外實測光譜數(shù)據(jù)和葉綠素a濃度數(shù)據(jù)，構(gòu)建了適用于歐比特高光譜影像的滇池葉綠素a濃度遙感反演最佳模型，獲得了滇池葉綠素a濃度的空間格局，驗證了歐比特高光譜影像對于內(nèi)陸富營養(yǎng)化水體水質(zhì)監(jiān)測的有效性和可行性。主要得出以下結(jié)論：

（1）基于實測光譜的Rrs（716）/Rrs（595）波段組合是滇池水體葉綠素a濃度遙感估算的最優(yōu)波段比值模型，模型的R2為0.819。

（2）B17/B9 波段比值模型適用于基于歐比特高光譜影像的滇池水體葉綠素a 濃度遙感反演，模型的R2為0.804，RMSE 為6.99 μg/L，MAPE 為6.32%。

（3）2019 年4 月2 日滇池水體葉綠素a 濃度呈現(xiàn)出周邊沿岸地區(qū)高、湖泊中心低的特點，并且滇池近岸水體4 個像元易受到陸地鄰近效應(yīng)的影響，為消除該影響，在進(jìn)行水質(zhì)參數(shù)遙感反演時需要對其進(jìn)行掩膜處理。

（4）與前人提出的葉綠素a濃度遙感反演算法相比，基于歐比特高光譜影像的波段比值模型（B17/B9）估算效果最佳，提高了葉綠素a 濃度的反演精度，為內(nèi)陸水體葉綠素a濃度的遙感估算提供了一種新的思路與方法。

綜上，基于星地同步實驗，驗證了歐比特高光譜影像在高原富營養(yǎng)化湖泊水體葉綠素a濃度遙感反演的適用性，表明其在內(nèi)陸水體水質(zhì)參數(shù)定量反演方面具有重要潛力。此外，由于本研究提出的葉綠素a濃度遙感反演算法屬于經(jīng)驗?zāi)Ｐ?，其在不同類型湖泊水體的適用性有待進(jìn)一步驗證。

志 謝本研究野外實測數(shù)據(jù)集來源于南京師范大學(xué)虛擬地理環(huán)境教育部重點實驗室水環(huán)境課題組，感謝李云梅教授的幫助和相關(guān)實驗人員的辛苦付出；本研究所使用的歐比特高光譜影像數(shù)據(jù)來源于珠海歐比特宇航科技股份有限公司，感謝珠海歐比特宇航科技股份有限公司對本研究提供的數(shù)據(jù)支持。