大氣校正對(duì)基于遙感指數(shù)提取藻華信息的影響

張?jiān)拢?肖彧， 常晶晶， 劉健， 王亞瓊， 賀春燕, 何冰

(吉林農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，長(zhǎng)春 130118)

大氣校正對(duì)基于遙感指數(shù)提取藻華信息的影響

張?jiān)拢?肖彧， 常晶晶， 劉健， 王亞瓊， 賀春燕, 何冰

(吉林農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，長(zhǎng)春 130118)

遙感技術(shù)使大范圍實(shí)時(shí)監(jiān)測(cè)藍(lán)藻水華成為可能，但大氣效應(yīng)與太陽(yáng)、地物及傳感器的幾何關(guān)系會(huì)影響輻射傳輸方程，從而對(duì)基于遙感指數(shù)的藍(lán)藻信息提取產(chǎn)生影響，因此，探討這些影響因子對(duì)藻華信息的提取精度有著積極意義。基于MODIS大氣校正前后2種產(chǎn)品(MOD02和MOD09)，利用單波段、比值植被指數(shù)、歸一化差值植被指數(shù)和歸一化水體指數(shù)4種遙感指數(shù)對(duì)2006年全年太湖藻華信息進(jìn)行提取，并定量分析了氣溶膠光學(xué)厚度、太陽(yáng)高度角和衛(wèi)星觀測(cè)角等因素對(duì)遙感指數(shù)的影響程度。結(jié)果表明：比值植被指數(shù)與歸一化差值植被指數(shù)受大氣影響程度較其他二者低，且比值植被指數(shù)對(duì)大氣因素的敏感性較歸一化差值植被指數(shù)低；氣溶膠的光學(xué)厚度與太陽(yáng)高度角在不同程度上對(duì)指數(shù)提取結(jié)果造成影響，因此利用遙感指數(shù)提取藻華信息時(shí)需謹(jǐn)慎，以避免誤判。

大氣校正；遙感指數(shù)；MODIS；太湖；藻華

0 引言

近年來(lái)，太湖水體污染與富營(yíng)養(yǎng)化日趨嚴(yán)重，大部分水體處于中度甚至極度富營(yíng)養(yǎng)狀態(tài)，嚴(yán)重的富營(yíng)養(yǎng)化常常誘發(fā)藍(lán)藻水華。藍(lán)藻水華暴發(fā)的同時(shí)，水體中葉綠素含量會(huì)顯著升高，導(dǎo)致水體光譜特征發(fā)生變化。利用具有多波段、實(shí)時(shí)性強(qiáng)、可大面積同步觀測(cè)等優(yōu)勢(shì)的遙感技術(shù)使大范圍快速監(jiān)測(cè)藻華動(dòng)態(tài)成為可能。但是，藻華信息的獲取常常受水文、氣象及地形等因素的影響，造成藻華提取中的多種不確定性，因此近些年很多學(xué)者一直在探索能夠快速準(zhǔn)確獲取藻華信息的方法。其中，某些學(xué)者根據(jù)光譜曲線的變化特征，利用某些波段的和、差、比值或歸一化算法，設(shè)定相應(yīng)閾值，進(jìn)行藻類信息的提取，如徐京萍等[1]分別采用比值、歸一化差值植被指數(shù)(normalized difference vegetation index,NDVI)和增強(qiáng)型植被指數(shù)(enhanced vegetation index,EVI)識(shí)別模式確定太湖藍(lán)藻的分布范圍；段洪濤等[2]基于不同遙感數(shù)據(jù)，包括MODIS/Terra，CBERS-2 CCD，ETM和IRS-P6 LISS3，采用單波段、波段差值及比值植被指數(shù)等方法，提取不同歷史時(shí)期太湖藍(lán)藻水華。這種基于遙感指數(shù)進(jìn)行信息提取的方法簡(jiǎn)單可行、易于操作，但所獲得的水質(zhì)參數(shù)與遙感數(shù)據(jù)之間相關(guān)性往往難以保證。

衛(wèi)星傳感器接收到的電磁波在大氣傳輸?shù)倪^(guò)程中與大氣相互作用，從而造成影像失真[3]；傳感器本身在發(fā)射后也會(huì)隨時(shí)間而逐漸衰減，又造成衛(wèi)星接收到的數(shù)據(jù)不一致[4-5]。雖然在數(shù)據(jù)預(yù)處理階段會(huì)進(jìn)行輻射校正，但未必會(huì)完全去除大氣等因素所帶來(lái)的影響。這些因素究竟在多大程度上影響遙感指數(shù)以及各指數(shù)受影響程度的差異會(huì)如何影響藻華信息的提取精度等方面的研究還很少。本文考慮電磁輻射在大氣中的傳輸過(guò)程，選取氣溶膠的光學(xué)厚度(aerosol optical thickness,AOT)、太陽(yáng)高度角及衛(wèi)星觀測(cè)角作為影響因子，基于藻華提取結(jié)果，并結(jié)合太湖站實(shí)測(cè)數(shù)據(jù)，對(duì)所采用的近紅外單波段(near-infrared，NIR)、比值植被指數(shù)(ratio vegetation index,RVI)、NDVI和歸一化水體指數(shù)(normalized difference water index,NDWI)4種遙感指數(shù)進(jìn)行可靠性評(píng)價(jià)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

太湖位于長(zhǎng)江三角洲南緣(E119°52′32″～120°36′10″,N30°55′44″～31°32′58″)，自東向西有東太湖、青口灣、貢湖、梅梁湖和竺山湖5個(gè)湖灣，是我國(guó)五大淡水湖之一。湖泊面積約2 338.1 km2，平均水深l.9 m，年平均溫度15.3～16℃，年降水量950～1 250 mm[6]。太湖的主要功能包括飲用水源、農(nóng)業(yè)灌溉、游覽、航運(yùn)、水產(chǎn)養(yǎng)殖及工業(yè)用水等。

1.2 數(shù)據(jù)源及其預(yù)處理

綜合考慮時(shí)間分辨率、光譜分辨率及數(shù)據(jù)可用性等因素，本文選用MODIS數(shù)據(jù)。為了分析大氣校正對(duì)提取太湖藻華信息的影響，本文利用MODIS/Terra提供的2種影像產(chǎn)品：未經(jīng)過(guò)大氣校正的大氣上界輻射值產(chǎn)品(level-1b calibrated geolocated radiances,MOD02)和已去除大氣影響的地表反射率產(chǎn)品(surface reflectance,MOD09)，作為提取藍(lán)藻信息的基礎(chǔ)數(shù)據(jù)。另外，還選用MODIS的地理定位數(shù)據(jù)產(chǎn)品(geolocation data set,MOD03)，并從中獲取太陽(yáng)高度角及衛(wèi)星觀測(cè)角數(shù)據(jù)，以及氣溶膠產(chǎn)品(MODIS collection5 level2,MOD04)作為代表大氣污染程度的參數(shù)。

為了對(duì)基于遙感指數(shù)提取藻華信息的結(jié)果進(jìn)行精度評(píng)價(jià)，本文選用2006年太湖的實(shí)時(shí)水質(zhì)觀測(cè)數(shù)據(jù)湖泊浮游植物葉綠素濃度數(shù)值。該實(shí)測(cè)水質(zhì)數(shù)據(jù)來(lái)自中國(guó)科學(xué)院太湖湖泊生態(tài)系統(tǒng)觀測(cè)研究站，該站共包括32個(gè)常規(guī)監(jiān)測(cè)點(diǎn)位，均勻分布于太湖湖區(qū)。本文所用到的葉綠素濃度為利用相關(guān)儀器對(duì)太湖上中下層水體混合樣的測(cè)定，數(shù)據(jù)質(zhì)量可靠。

為了保證所用圖像的質(zhì)量，本文對(duì)全年圖像采用人工目視識(shí)別方法篩選掉上空被云層覆蓋或存在較多霧靄的圖像，并盡量保證所選時(shí)相呈現(xiàn)出一定的梯度，最終確定太湖上空天氣狀態(tài)較好的天數(shù)為47 d，并對(duì)這47 d的圖像進(jìn)行幾何糾正、格式轉(zhuǎn)換、重采樣及圖幅裁剪等預(yù)處理。

2 原理與方法

2.1 大氣校正的影響因子

大氣作為星載傳感器與地球表層之間的介質(zhì)層，其吸收和散射作用、大氣程輻射、背景變化以及不同的觀測(cè)幾何等使成像光譜數(shù)據(jù)的信號(hào)組成非常復(fù)雜，因此消除大氣對(duì)電磁波屬性量的影響，恢復(fù)其在地球表層的本來(lái)面目，就成為定量遙感不可逃避的問(wèn)題[7-8]。

AOT是表示氣溶膠總含量的參數(shù)，可作為不斷變化的大氣狀態(tài)中影響藻華信息提取的重要因素；在電磁信號(hào)的傳輸過(guò)程中，太陽(yáng)、地物及傳感器三者的幾何關(guān)系不斷地發(fā)生變化，這種幾何關(guān)系的改變必然會(huì)使傳感器接收到的信號(hào)由于角度的影響而失真。因此，本文選擇AOT、太陽(yáng)高度角和衛(wèi)星觀測(cè)角作為電磁輻射在大氣傳輸過(guò)程中所受到的影響因素，對(duì)遙感指數(shù)提取藻華信息進(jìn)行可靠性評(píng)價(jià)。

2.2 藻類水體的光譜特征

藻類的光譜特征是色素吸收與其細(xì)胞表面散射相互作用的結(jié)果，其波譜曲線的形態(tài)基本相似(圖1)。不同藻類因細(xì)胞形狀和色素含量組成的不同，其反射峰的具體位置和數(shù)值也有所變化[9]，集中表現(xiàn)出2個(gè)特征吸收峰和1個(gè)特征反射峰，因此可以利用相應(yīng)波段上的這些特征關(guān)系進(jìn)行藻華信息的提取。

圖1 不同藻類濃度的水體反射光譜[10]Fig.1 Reflectance spectra of water bodies with different algae densities[10]

2.3 藻華信息的提取

根據(jù)藻類水體的光譜特征，本文選取NIR,RVI,NDVI及NDWI 4種遙感指數(shù)用于提取藻華信息。

1)近紅外單波段(NIR)，植被的光譜曲線在近紅外波段會(huì)出現(xiàn)“陡坡效應(yīng)”，之后在近紅外波段形成反射高臺(tái)[11-13]，因此相關(guān)研究表明，近紅外波段是區(qū)分藍(lán)藻水華與渾濁、清潔水體的最佳波段。

2)比值植被指數(shù)(RVI)，定義為近紅外波段和可見(jiàn)光波段的反射率之比，通過(guò)比值運(yùn)算擴(kuò)大強(qiáng)、弱反射率波段的差距，達(dá)到突出感興趣地物的目的[14]。

3)歸一化差值植被指數(shù)(NDVI)，定義為[15-16]

NDVI=(ρNIR-ρRed)/(ρNIR+ρRed) ,

(1)

式中:ρNIR代表近紅外波段反射率；ρRed代表紅光波段反射率。

4)歸一化水體指數(shù)(NDWI)，定義為[17]

NDWI=(ρGreen-ρNIR)/(ρGreen+ρNIR) ,

(2)

式中ρGreen代表綠光波段反射率。

本研究利用上述4種遙感指數(shù)，借助太湖藻華的指數(shù)直方圖，采用自選閾值法，分別對(duì)2006年太湖無(wú)云狀態(tài)的MOD02和MOD09圖像(大氣校正前后)的藻華信息進(jìn)行提取。在自選閾值法中，根據(jù)各指數(shù)直方圖的具體變化趨勢(shì)，由實(shí)驗(yàn)人員自行設(shè)定閾值。對(duì)于NIR，RVI和NDVI法，閾值通常選在直方圖主峰的右下端，位于閾值右側(cè)的像元為藻華像元；對(duì)于NDWI法，閾值常選在直方圖主峰的左下端，位于閾值左側(cè)的像元為藻華像元。

由于利用遙感指數(shù)提取藻華信息的精度與閾值有關(guān)，而閾值與直方圖的形狀和位置存在直接關(guān)系，直方圖的形態(tài)又主要受大氣因素的影響，因此為了判定大氣等因素對(duì)遙感指數(shù)提取藻華信息結(jié)果的影響，本文利用大氣校正前后設(shè)定的閾值與影響因子的相關(guān)性來(lái)判斷遙感指數(shù)受大氣校正的影響程度。首先，分別探討3個(gè)影響因子與大氣校正前后設(shè)定閾值的相關(guān)性，得到每個(gè)因子對(duì)藻華信息提取結(jié)果的影響程度；然后，綜合討論3個(gè)因子與設(shè)定閾值的相關(guān)性，得到3個(gè)因子對(duì)藻華信息提取結(jié)果的總體影響，從這2個(gè)方面來(lái)獲得大氣校正對(duì)4種遙感指數(shù)提取藻華信息結(jié)果的影響程度。

為了得到大氣校正對(duì)遙感指數(shù)影響的可靠評(píng)價(jià)，本文利用2006年太湖站的實(shí)測(cè)水質(zhì)數(shù)據(jù)，對(duì)4種遙感指數(shù)大氣校正前后的藻華信息提取結(jié)果進(jìn)行驗(yàn)證。具體驗(yàn)證方法為：在47 d的提取結(jié)果中，選取具有實(shí)測(cè)數(shù)據(jù)的天數(shù)；判斷在32個(gè)實(shí)測(cè)點(diǎn)位上這些天數(shù)的提取結(jié)果是否正確，并統(tǒng)計(jì)出提取結(jié)果的正確率；得到4種遙感指數(shù)對(duì)大氣校正前后圖像提取藻華信息結(jié)果的精度，以獲得較為可靠的遙感指數(shù)。

3 結(jié)果與分析

3.1 大氣因素對(duì)遙感指數(shù)的影響

由于本文選用的4種遙感指數(shù)形式各不相同，加之受到大氣因素的影響，其直方圖的位置與形態(tài)各異，這樣所設(shè)定的閾值對(duì)于每一景影像或是大氣校正前后的同一景圖像都是不同的，那么根據(jù)直方圖的走勢(shì)所設(shè)定的閾值即可作為判定大氣校正對(duì)提取藻華信息的遙感指數(shù)影響的一種指示性因子。因此，本文對(duì)比了4種指數(shù)方法中大氣校正前后閾值的均值和標(biāo)準(zhǔn)差(表1)。

表1 4種遙感指數(shù)中大氣校正前后所設(shè)閾值的均值與標(biāo)準(zhǔn)差*MOD02為大氣校正前的數(shù)據(jù)；MOD09為大氣校正后的數(shù)據(jù)。Tab.1 Mean values and standard deviations of the thresholds before and after atmospheric correction for four indices

從表1可以看出，MOD02和MOD09閾值的均值都存在不同程度的差異，這種差別主要是由大氣等因素的影響而導(dǎo)致直方圖的位置發(fā)生變化而造成的。因此，在利用遙感指數(shù)提取藻華信息的過(guò)程中，大氣因素是很重要的一方面。

為了檢驗(yàn)大氣校正在多大程度上對(duì)遙感指數(shù)提取藻華信息的結(jié)果產(chǎn)生影響，本文分別統(tǒng)計(jì)了AOT、太陽(yáng)高度角、衛(wèi)星觀測(cè)角及4種指數(shù)中所設(shè)閾值的相關(guān)性。經(jīng)計(jì)算發(fā)現(xiàn)，閾值與AOT和太陽(yáng)高度角存在一定的相關(guān)性，但與衛(wèi)星觀測(cè)角卻無(wú)明顯的相關(guān)關(guān)系。后經(jīng)查閱MODIS相關(guān)的數(shù)據(jù)資料發(fā)現(xiàn)MOD02和MOD09產(chǎn)品均已對(duì)衛(wèi)星觀測(cè)角做了粗校正，所以衛(wèi)星觀測(cè)角這一因素將不作為本文后續(xù)研究的對(duì)象。

本文分別統(tǒng)計(jì)了AOT和太陽(yáng)高度角與閾值的相關(guān)性，如表2所示。

表2 4種遙感指數(shù)中大氣校正前后所設(shè)閾值與AOT和太陽(yáng)高度角的相關(guān)性*MOD02為大氣校正前的數(shù)據(jù)；MOD09為大氣校正后的數(shù)據(jù)。Tab.2 Relationships between the thresholds before and after atmospheric correction and AOT,solar zenith angle for four indices

考慮到影響因子之間并不相互獨(dú)立，為得到相對(duì)全面的統(tǒng)計(jì)結(jié)果，又探討了AOT和太陽(yáng)高度角對(duì)遙感指數(shù)的綜合影響，如圖2所示。

從圖2(a)可以看出，單波段法大氣校正前AOT與太陽(yáng)高度角對(duì)MOD02產(chǎn)品閾值的選取影響較大，綜合相關(guān)系數(shù)為0.82；大氣校正后2個(gè)因素與MOD09產(chǎn)品的閾值相關(guān)性減小，綜合相關(guān)系數(shù)為0.53，這說(shuō)明對(duì)于近紅外波段而言，MOD09產(chǎn)品在一定程度上去除了AOT與太陽(yáng)高度角的影響，但并沒(méi)有完全消除其影響。另外，大氣校正前后閾值與AOT都呈正相關(guān)趨勢(shì)，相關(guān)系數(shù)分別為0.56和0.40，即閾值隨著AOT的增大而增大，但兩者都未通過(guò)95%的置信度驗(yàn)證。這是由于AOT的值越大，其對(duì)太陽(yáng)輻射的散射作用也越強(qiáng)，導(dǎo)致影像的DN值偏大，直方圖右移，所以閾值也會(huì)相應(yīng)增加。而大氣校正前后閾值與太陽(yáng)高度角呈負(fù)相關(guān)趨勢(shì)，相關(guān)系數(shù)分別為-0.80和-0.50，即太陽(yáng)高度角越大，閾值反而越小，且兩者均通過(guò)97%的置信度驗(yàn)證。因?yàn)樘?yáng)高度角越大，太陽(yáng)輻射到達(dá)地面所經(jīng)過(guò)的路徑就越短，受大氣程輻射的影響就越小，所以直方圖右移的距離也越小，閾值也會(huì)相應(yīng)地減小?？梢?jiàn)，只憑借近紅外波段并不能消除大氣等因素的影響，所以利用此方法提取的藻華信息并不可靠。

(a) NIR法(b) RVI法

(c) NDVI法 (d) NDWI法

圖2 大氣校正前后AOT與太陽(yáng)高度角和閾值的相關(guān)性

Fig.2 Relationships between AOT and solar zenith angle, thresholds before and after atmospheric correction

從圖2(b)可以看出，RVI法的AOT與太陽(yáng)高度角對(duì)大氣校正前后閾值的選取影響程度相近，綜合相關(guān)系數(shù)分別為0.45和0.44。大氣校正前AOT與閾值均呈正相關(guān)，相關(guān)系數(shù)分別為0.27和0.04，但兩者均未通過(guò)95%的置信度驗(yàn)證。而大氣校正前后太陽(yáng)高度角與閾值仍呈負(fù)相關(guān)，相關(guān)系數(shù)分別為-0.45和-0.40，且兩者均通過(guò)97%的置信度驗(yàn)證，這與單波段法所表現(xiàn)的趨勢(shì)相一致。不過(guò)，RVI法中閾值與2個(gè)因子的相關(guān)性明顯較單波段法中降低了很多，說(shuō)明這種比值形式可以消除部分大氣等因素造成的影響。但大氣校正前后閾值與2個(gè)因子的相關(guān)性并沒(méi)有明顯變化，也說(shuō)明該方法對(duì)大氣和太陽(yáng)高度角的變化不十分敏感。

從圖2(c)可以看出，NDVI法的大氣校正前AOT和太陽(yáng)高度角對(duì)閾值選取影響較大，兩者與閾值的綜合相關(guān)系數(shù)為0.42，而大氣校正后的相關(guān)系數(shù)降低到0.34。另外，大氣校正前后閾值與AOT均呈正相關(guān)，相關(guān)系數(shù)分別為0.18和0.11，但兩者均未通過(guò)95%置信度驗(yàn)證；大氣校正前后閾值與太陽(yáng)高度角都呈負(fù)相關(guān)，相關(guān)系數(shù)分別為-0.42和-0.33，校正前通過(guò)97%置信度驗(yàn)證，而校正后未通過(guò)95%置信度驗(yàn)證?？梢钥闯?，NDVI法中可以部分去除大氣等因素的影響，而且大氣校正后閾值與2個(gè)因子的相關(guān)性最小，這說(shuō)明NDVI對(duì)AOT和太陽(yáng)高度角的變化較為敏感。

從圖2(d)可以看出， NDWI法與前面2種植被指數(shù)法相比，在大氣校正前后閾值受AOT與太陽(yáng)高度角的影響都明顯增大，綜合相關(guān)系數(shù)分別為0.57和0.46?？梢钥闯觯琋DWI受上述因子的影響較大，對(duì)大氣等因素的變化較為敏感。另外，該方法中大氣校正前后閾值與AOT均呈負(fù)相關(guān)，相關(guān)系數(shù)分別為-0.34和-0.23，但兩者均未通過(guò)95%的置信度驗(yàn)證；大氣校正前后閾值與太陽(yáng)高度角都呈正相關(guān)，相關(guān)系數(shù)分別為0.58和0.46，而且均已通過(guò)98%的置信度驗(yàn)證?？梢钥闯?，NDWI方法中閾值與2個(gè)因子的相關(guān)趨勢(shì)與前面3種方法相反，這點(diǎn)是由于其公式本身的結(jié)構(gòu)所致。

綜上所述，AOT和太陽(yáng)高度角對(duì)這4種遙感指數(shù)都會(huì)造成不同程度的影響。其中，RVI與NDVI法受大氣因素的影響較小，但NDVI較RVI來(lái)說(shuō)，對(duì)上述因素更加敏感，而RVI表現(xiàn)得較為穩(wěn)定，大氣校正前后的區(qū)別并不大；單波段與NDWI法受大氣因素的影響較大，且大氣校正前后的結(jié)果差異較大，對(duì)大氣因素十分敏感。

3.2 遙感指數(shù)的可靠性評(píng)價(jià)

利用2006年太湖站葉綠素a濃度實(shí)測(cè)數(shù)據(jù)對(duì)遙感指數(shù)提取藻華信息的結(jié)果進(jìn)行可靠性分析。在本文選取的47 d數(shù)據(jù)中，與太湖站實(shí)測(cè)數(shù)據(jù)相重合的天數(shù)有41 d。根據(jù)湖泊營(yíng)養(yǎng)等級(jí)劃分標(biāo)準(zhǔn)，葉綠素a濃度≤3 μg/L定義為貧營(yíng)養(yǎng)化，葉綠素a濃度在3～11 μg/L之間的定義為中營(yíng)養(yǎng)化，葉綠素a濃度為11 μg/L及11～78 μg/L之間的定義為富營(yíng)養(yǎng)化，葉綠素a濃度≥78 μg/L定義為超富營(yíng)養(yǎng)化[18]。據(jù)此標(biāo)準(zhǔn)對(duì)4種指數(shù)大氣校正前后的藻華信息提取結(jié)果進(jìn)行精度驗(yàn)證。

在32個(gè)實(shí)測(cè)點(diǎn)位中，對(duì)于NIR法，大氣校正前后結(jié)果與實(shí)測(cè)值的符合率分別為14%和21%；對(duì)于RVI法，大氣校正前后結(jié)果與實(shí)測(cè)值的符合率分別為68%和71%；對(duì)于NDVI法，大氣校正前后結(jié)果與實(shí)測(cè)值的符合率分別為50%和57%；對(duì)于NDWI法，大氣校正前后結(jié)果與實(shí)測(cè)值的符合率分別為21%和29%。可見(jiàn)，利用4種指數(shù)提取的藻華信息結(jié)果中，RVI法所得結(jié)果的精度較高，其次是NDVI的提取結(jié)果，兩者都可以大體反映出湖泊的富營(yíng)養(yǎng)化狀況，而且RVI法在大氣校正前后提取結(jié)果的精度差別不大，表明該方法對(duì)大氣因素的影響相對(duì)不敏感；NDWI的提取結(jié)果精度較低，利用NIR法獲得的結(jié)果精度最差，甚至于對(duì)于湖中有些達(dá)到超富營(yíng)養(yǎng)化指標(biāo)的點(diǎn)都沒(méi)被檢測(cè)出。這些利用實(shí)測(cè)水質(zhì)數(shù)據(jù)進(jìn)行驗(yàn)證的結(jié)果與大氣因素對(duì)遙感指數(shù)影響的討論結(jié)果是一致的。

4 結(jié)論

1)NIR法與NDWI法所設(shè)閾值和AOT及太陽(yáng)高度角的相關(guān)性較高，而RVI和NDVI法所設(shè)閾值與兩者相關(guān)性較低，說(shuō)明RVI和NDVI法可以部分去除大氣因素的影響，用其提取藻華信息的精度較高。

2)RVI法在校正前后與影響因子的相關(guān)性差異并不明顯，可見(jiàn)該指數(shù)對(duì)大氣因素的影響不敏感。

3)本文選用的全年47 d圖像數(shù)據(jù)雖有限，卻可在一定程度上支持本文的統(tǒng)計(jì)分析，但為了進(jìn)一步得出較為可靠的結(jié)論，后續(xù)研究擬選用更長(zhǎng)時(shí)間序列的圖像作為數(shù)據(jù)源。

4)對(duì)于這4種遙感指數(shù)，大氣校正后提取藻華信息時(shí)所設(shè)定的閾值與大氣因素間仍存在相關(guān)性，這其中的原因還需繼續(xù)探索。

[1] 徐京萍,張柏,李方,等.基于MODIS數(shù)據(jù)的太湖藻華水體識(shí)別模式[J].湖泊科學(xué),2008,20(2):191-195. Xu J P,Zhang B,Li F,et al.Detecting modes of cyanobacteria bloom using MODIS data in Lake Taihu[J].Journal of Lake Sciences,2008,20(2):191-195.

[2] 段洪濤,張壽選,張淵智.太湖藍(lán)藻水華遙感監(jiān)測(cè)方法[J].湖泊科學(xué),2008,20(2):145-152. Duan H T,Zhang S X,Zhang Y Z.Cyanobacteria bloom monitoring with remote sensing in Lake Taihu[J].Journal of Lake Sciences,2008,20(2):145-152.

[3] 梅安新,彭望琭,秦其明,等.遙感導(dǎo)論[M].北京:高等教育出版社,2001:28-33. Mei A X,Peng W L,Qin Q M,et al.An Introduction to Remote Sensing[M].Beijing:Higher Education Press,2001:28-33.

[4] Staylor W F.Degradation rates of the AVHRR visible channel for the NOAA 6,7,and 9 spacecraft[J].Journal of Atmospheric and Oceanic Technology,1990,7(3):411-423.

[5] Chander G,Markham B.Revised Landsat-5 TM radiometric calibration procedures and post calibration dynamic ranges[J].IEEE Transactions on Geoscience and Remote Sensing,2003,41(11):2674-2677.

[6] 秦伯強(qiáng),胡維平,陳偉民,等.太湖水環(huán)境演化過(guò)程與機(jī)理[M].北京:科學(xué)出版社,2004:1-8. Qin B Q,Hu W P,Chen W M,et al.The Process and Mechanism of Water Environment Evolution in Lake Taihu[M].Beijing:Science Press,2004:1-8.

[7] 徐希孺.遙感物理[M].北京:北京大學(xué)出版社,2005:292-297. Xu X R.Remote Sensing Physics[M].Beijing:Peking University Press,2005:292-297.

[8] Richer R.Geo-atmospheric processing of airborne imaging spectrometry data[J].International Journal of Remote Sensing,2002,23(13):2631-2649.

[9] Dekker A G.The use of the thematic mapper for the analysis of eutrophic lakes:A case study in the Netherlands[J].International Journal of Remote Sensing,1993,14(5):799-822.

[10]Thiemann S,Kaufmann H.Determination of chlorophyll content and trophic state of lakes using field spectrometer and IRS-1C satellite data in the Mecklenburg Lake district,Germany[J].Remote Sensing of Environment,2000,73(2):227-235.

[11]Dall’Olmo G,Gitelson A A,Rundquist D C,et al.Assessing the potential of SeaWIFS and MODIS for estimating chlorophyll concentration in turbid productive waters using red and near-infrared bands[J].Remote Sensing and Environment,2005,96(2):176-187.

[12]Reinart A,Kutser T.Comparison of different satellite sensors in detecting cyanobacterial bloom events in the Baltic Sea[J].Remote Sensing and Environment,2006,102(1/2):74-85.

[13]Koponen S,Pulliainen J,Kallio K,et al.Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data[J].Remote Sensing of Environment,2002,79(1):51-59.

[14]顧亮,張玉超,錢(qián)新,等.遙感指數(shù)在湖泊葉綠素a反演研究中的應(yīng)用[J].環(huán)境保護(hù)科學(xué),2008,34(2):53-56. Gu L,Zhang Y C,Qian X,et al.Application of remote sensing index in retrieving chlorophyll-a concentration of lakes[J].Environmental Protection Science,2008,34(2):53-56.

[15]Rouse J W,Haas D W.Monitoring the Vernal Advancement and Retrogradation(Greenwave Effect)of Natural Vegetation[R].Greenbelt,Md:NASA Goddard Space Flight Cent,1974:11-13.

[16]Tucker C J.Red and photographic infrared linear combinations for monitoring vegetation[J].Remote Sensing of Environment,1979,8(2):127-150.

[17]趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社,2003:121-124. Zhao Y S.The Principle and Method of Analysis of Remote Sensing Application[M].Beijing:Science Press,2003:121-124.

[18]金相燦,劉明亮.中國(guó)湖泊富營(yíng)養(yǎng)化[M].北京:中國(guó)環(huán)境科學(xué)出版社,1990:51-54. Jin X C,Liu M L.Lake Eutrophication in China[M].Beijing:China Environment Science Press,1990:51-54.

(責(zé)任編輯：邢宇)

Effects of atmospheric correction on extracting cyanobacteria bloom information based on remote sensing indices

ZHANG Yue， XIAO Yu, CHANG Jingjing, LIU Jian, WANG Yaqiong, HE Chunyan， HE Bing

(CollegeofResourcesandEnvironment,JilinAgriculturalUniversity,Changchun130118,China)

Accurate maps of the spatial and temporal dynamics of cyanobacteria blooms are urgently needed in the Taihu Lake, which is a drinking water resource for cities around the lake. Satellite imagery can be used as a cost-effective method for remotely monitor trends in cyanobacteria blooms. However, atmospheric effects and sun-target-satellite geometry can make multi-temporal images of blooms inconsistent with each other and cause uncertainties in bloom data extraction. In this paper, four remote sensing approaches were applied to retrieve cyanobacteria bloom information in the Taihu Lake during the whole year of 2006. These approaches included the near infrared (NIR) single band data, the ratio vegetation index (RVI), the normalized difference vegetation index (NDVI), and the normalized difference water index(NDWI). Two kinds of MODIS (moderate-resolution imaging spectroradiometer) products, i.e., the top-of-atmosphere (TOA) radiance images without atmospheric correction (MOD02) and the surface reflectance images with atmospheric correction (MOD09), were selected as the data source. Furthermore, three factors comprising the aerosol optical thickness (AOT), the solar zenith angle, and the sensor zenith angle were chosen as indicators of radiation transfer processes to evaluate their influence on the remote sensing indices during the extraction of cyanobacteria bloom information. Specifically, the relationships between retrieval threshold values and the three indicators were analyzed to evaluate the temporal influences quantitatively. The results showed that: ① these three factors had more impact on NIR single band data and the NDWI, and less impact on the RVI and NDVI (RVI was less sensitive than NDVI in regard to the atmospheric factors); ② both AOT and the solar zenith angle were positively correlated with the threshold values. Whether or not these relationships hold water for other cases needs to be further examined. It is thus held that these four remote sensing approaches should be used carefully for monitoring cyanobacteria blooms when atmospheric correction is not applied.

atmospheric correction; remote sensing indices; MODIS; Taihu Lake; cyanobacteria bloom

2014-04-01；

2014-08-04

吉林農(nóng)業(yè)大學(xué)國(guó)家級(jí)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃項(xiàng)目“基于遙感指數(shù)的藻華時(shí)空變化研究”(編號(hào)：201310193007 )和吉林農(nóng)業(yè)大學(xué)科研啟動(dòng)基金項(xiàng)目“藍(lán)藻水華信息提取中遙感指數(shù)的可靠性研究”(編號(hào)：201240)共同資助。

10.6046/gtzyyg.2015.03.02

張?jiān)?肖彧,常晶晶，等.大氣校正對(duì)基于遙感指數(shù)提取藻華信息的影響[J].國(guó)土資源遙感,2015,27(3):7-12.(Zhang Y,Xiao Y,Chang J J,et al.Effects of atmospheric correction on extracting cyanobacteria bloom information based on remote sensing indices[J].Remote Sensing for Land and Resources,2015,27(3):7-12.)

TP 79

A

1001-070X(2015)03-0007-06

張?jiān)?1985-)，女，碩士，講師，主要從事遙感技術(shù)應(yīng)用研究。Email: lisa_ling7892002@163.com。