基于四波段模型的巢湖水體藻藍素濃度反演

徐 升，顧長梅，錢貞兵，張 運

(1.安徽省環境監測中心站，安徽 合肥 230000；2.安徽師范大學 國土資源與旅游學院，安徽 蕪湖 241000；3.安徽省自然災害過程與防控研究重點實驗室，安徽 蕪湖 241000)

?

基于四波段模型的巢湖水體藻藍素濃度反演

徐 升1，顧長梅2,3，錢貞兵1，張 運2,3

(1.安徽省環境監測中心站，安徽 合肥 230000；2.安徽師范大學 國土資源與旅游學院，安徽 蕪湖 241000；3.安徽省自然災害過程與防控研究重點實驗室，安徽 蕪湖 241000)

指出了近些年安徽巢湖大部分湖區表現出中度及以上的富營養化水平，尤其是在夏季更為嚴重，這一嚴重問題受到廣泛關注。以巢湖為實驗區，借助野外實測高光譜數據和試驗室分析數據，分析了浮游植物光譜吸收特性、水體反射光譜特征和水質參數濃度之間的相互關系，系統地比較了浮游植物光譜吸收aph(665)的四波段模型和Simis的 aph(665)模型，將最優的aph(665)模型對Simis藻藍素模型進行了優化改進，結果表明：①aph(665)的四波段模型的精度和穩定性要明顯好于Simis的 aph(665)模型，其R2為0.8402，RMSE為0.394m-1，MRE為8.05%；②驗證優化后的藻藍素模型在巢湖水域反演藻藍素的精度：相關系數R2達0.8703，反演取得較好的結果。該模型可為巢湖的藍藻暴發遙感監測及保護管理提供一定的理論基礎和技術支撐。

四波段模型；巢湖；藻藍素；浮游植物光譜吸收

1　引言

現今在研究水體藍藻遙感監測的領域范圍內，眾學者常以葉綠素a作為浮游植物物質的一個參數，偏向針對葉綠素a濃度的估算方法、反演模型的建立和改進[1～3]。但是，相關學者已指出藻藍素才是藍藻的最標志性的色素，而葉綠素a是一切真核藻類的共同色素，不具有特殊性[4，5]。水質參數的估算常用半經驗/半分析方法，周琳等[6]對太湖葉綠素a濃度反演模型研究中，分別比較了兩波段、三波段、改進三波段和四波段模型，結果表明四波段模型反演效果最好；Simis[7，8](2005,2007)基于MERIS數據，重點分析了水體在620 nm處的光譜信息，結合該波段的吸收系數和散射系數，建立適用于高渾濁內陸湖泊藻藍素的估測算法，對荷蘭湖泊的藍藻分布進行了分析，并提出了藻藍素的反演模型，這個模型顯示藻藍素的遙感測量主要是依靠aph(665)的估測精度；馮龍慶[9]在2011年比較三波段模型和Simis藻藍素模型對太湖藻藍素反演估測的結果表明：Simis藻藍素模型的反演結果更優越，同時對Simis(2007)藻藍素模型進行了優化改進，達到提高藻藍素估算精度的目的。

筆者將長江中下游藍藻暴發頻繁且湖泊水體比較渾濁的巢湖作為研究區，借助實地采樣觀測，重點分析水質參數濃度與對應波段的浮游植物光譜吸收系數之間的關系，之后構建浮游植物光譜吸收反演模型；經過精度比較，獲取高精度的浮游植物光譜吸收系數aph(665)四波段模型，結合水體反射光譜特征對Simis藻藍素模型進行優化，進而反演巢湖藻藍素濃度，并對反演結果進行驗證。

2　實驗數據

2015年10月在巢湖湖面上總共進行了兩次采樣，設置9個采樣點，采集時間在上午 10：00～14：30，天氣狀況良好、無云且風力小，整個湖面相對較平靜，見圖1(其中十五里河和南淝河兩個采樣點距離靠得較近，圖中顯示不明顯)。進行水面光譜測量的儀器是ASD便攜式地物光譜儀 FieldSpec3(光譜范圍為350～2500 nm)，使用Garmin GPS map 62s測定水樣點經緯度，exo2多參數水質測量儀和xylem分析儀器測量藍藻細胞和水體環境。試驗采用標準采樣器來同步采集巢湖水體，將水樣保存在標準箱內，為防止水樣變質需及時進行實驗室處理分析，使用室內分光光度計測量吸收系數，葉綠素a濃度采用熱乙醇萃取分光光度法，藻藍素濃度采用反復凍融法使細胞壁破裂，用Tris-HCL緩沖液提取藻藍素，用可見分光光分度計測量吸光度，懸浮物濃度采用GBII901-89烘干稱重的方法測定，表1是統計得到的實驗室結果。

圖1　巢湖采樣點布設

aph(665)/mChla/(μg/L)PC/(μg/L)TSM/(mg/L)max6.127432.45183.04110min1.20435.834.460mean3.571158.2379.6976.3sd1.28101.1451.8915.36

3　浮游植物光譜吸收系數aph(665)的反演建模

3.1浮游植物光譜特征

圖2為巢湖兩次野外實驗獲得的浮游植物光譜曲線，在440 nm的時候出現一個明顯的色素特征峰，此處吸收峰的出現是受葉綠素a濃度影響，且峰值隨葉綠素a濃度增大而增大。在波長620 nm 處因受藻藍素的吸收作用，有一個相對而言較小的吸收峰，該吸收值隨藻類密度增大而增大，這是由藍藻水華特有的藻藍素吸收引起，是藍藻的最顯著特征。在藻類密度大的區域，吸收系數值慢慢減小直至在650 nm附近出現了第二個極小值，之后受葉綠素a在紅光波段的強烈吸收作用，在波長為675 nm附近出現另一個明顯的色素特征吸收峰，該峰值隨葉綠素a濃度增大而增大。在波段675 nm之后的吸收系數迅速減小，甚至接近于0。

圖2　巢湖兩次實驗的浮游植物光譜曲線

3.2aph(665)反演模型選擇

在浮游植物光譜吸收系數反演過程中，選擇了665 nm處的aph(665)值是綜合兩方面的原因：一是為了配合Simis等(2007)建立的藻藍素反演模型中，改進aph(665)的反演精度；二是經實驗證明，aph(665)與aph(675)存在極高的相關性，可以代替aph(675)，葉綠素a在波長675nm是處于極大值的紅光吸收峰附近。

3.2.1四波段模型

(1)aph(665)的四波段模型。當葉綠素a含量較少時，懸浮物質的吸收量與葉綠素a的吸收量是可比較的，所以懸浮顆粒物在紅光波段的吸收就會對葉綠素a的吸收造成較大干擾，此時懸浮物質的吸收作用就不能忽略；其次，在應用于內陸富營養化水體的時候，近紅外波段葉綠素a的吸收系數并不是理論上的完全接近于0，而且渾濁水體較高的后向散射也將使得吸收遠大于后向散射的假設不完全成立。因此，Le等[10]在三波段模型的基礎上進行了改進，在四波段模型中引入位于近紅外波段的波段四，去除了懸浮顆粒物吸收的影響，以及部分抑制了純水吸收率的影響，達到提高反演葉綠素a濃度精度的目的。

四波段模型的具體形式為：

根據建模原理，式中對于四個波段選擇是： ①λ1選擇對葉綠素濃度最敏感的波段，選擇的取值范圍是660～690 nm； ②λ2應該選擇在λ1附近且對葉綠素a的吸收較小處，同時對總懸浮物吸收和黃質的吸收之和與λ1相似的波段，選擇取值范圍690～710 nm； ③λ3處總吸收系數應遠大于后向散射系數，同時受到的所有顆粒物質的后向散射影響最小，即不受葉綠素、非色素顆粒物和黃質吸收的影響，最大程度消除后向散射的影響，選擇取值范圍710～750 nm； ④λ4位于近紅外波段，目的在于減弱純水和無機顆粒物吸收對色素濃度的影響，選擇取值范圍730～780 nm。

可見，aph(665)的四波段模型可以表示為：

其中，A和B是常量，兩者是由水體固有光學特性決定。λ1、λ2、λ3和λ44個最優波段的選擇是利用在各個特征波段范圍內進行迭代的方法確定，Rrs是遙感反射率。

綜上，得到4個最優波段分別是：λ1=673 nm，λ2=691 nm，λ3=727 nm，λ4=730 nm。

圖3　四波段模型迭代過程

圖4　aph(665)的四波段模型及精度驗證

(1)

對于aph(665)的四波段模型，決定系數R2為0.8402；在精度評價中，均方根誤差(RMSE)為0.394m-1，平均相對誤差(MRE)為8.05%(圖4(b))。

圖5　使用驗證數據驗證aph(665)的四波段模型

(3)四波段模型驗證。 利用6個驗證數據，驗證aph(665)的四波段模型在估測巢湖浮游植物光吸收值中的適應性。將驗證數據的光譜數據代入建立好的aph(665)的四波段模型，得出對應點位的aph(665)估算值，最后對aph(665)實測值和估算值進行比較(圖5)，均方根誤差為1.33 m-1，平均相對誤差為62.01%。

3.2.2Simis的aph(665)反演模型

經過推算，詳細的Simis的aph(665)反演模型如下：

aph(665)=[R(709)/R(665)×(0.727+bb)-bb-0.401]×γ-1

其中，修正因子γ由aph(665)的估算值和實測值的比值得到，γ=0.0777。圖6(a)、(b)分別是使用建模數據、驗證數據對Simis的aph(665)模型進行估算時，aph(665)的實測值和估算值的均方根誤差和平均相對誤差。

由表2中不難發現，Simis的aph(665) 反演模型的精度都不如aph(665)的四波段模型。結合與圖4、5的分析對比，發現Simis的aph(665)模型明顯過高或過低地估算了巢湖中大部分采樣點的aph(665)值。產生這種過高現象的原因可能是Simis的aph(665)模型中使用波段779 nm消除后向散射造成的，這里產生的噪聲很大。綜合上述分析，很明顯Simis的aph(665)反演模型并不適用于巢湖，而aph(665)的四波段模型在巢湖的適用性更強。

圖6　使用Simis的aph(665)模型的實測值和估算值的對比

模型精度評價驗證模型RMSE/m-1MRE/%RMSE/m-1MRE/%四波段模型0.3948.051.3362.01Simis的aph(665)模型2.00346.251.73374

4　藻藍素反演建模

4.1水體反射光譜特征

考慮到研究中所需的波段在可見光至近紅外范圍，以及在1000 nm之后的水體反射信號微弱，最后選擇350～1000 nm的光譜數據進行處理和分析。圖7為巢湖兩次實驗9個采樣點的18條遙感反射率光譜曲線，對比分析光譜曲線得出：巢湖水體的總體反射率變化較大，但各采樣點的遙感反射率具有較為一致的光譜特征；其次，藻藍素的主要特征波段處于625 nm附近，葉綠素a的主要特征波段處于560 nm、675 nm和700 nm附近。

4.2Simis藻藍素反演模型

一般認為水體在620 nm和665 nm處的吸收主要是由純水和浮游植物色素占據主導地位，620 nm處主要是藻藍素(PC)和葉綠素a(Chla)的吸收影響，665 nm處的吸收是由葉綠素a單獨影響的，也就是aph(665)=achl(665)；而在波段709 nm和779 nm處的吸收則主要來自于純水的吸收。光譜的后向散射系數來自于779 nm，因此可以利用水體固有光學特性和反射率之間的聯系推算出，具體描述為下面公式Gons等[11]：

bb(779)=1.61×Rrs(779)/[0.082-0.6×Rrs(779)];

Simis藻藍素反演模型的具體計算公式：

圖7巢湖9個采樣點的遙感反射率光譜曲線

aph(665)=[R(709)//R(665)×(aw(709)+bb)-bb-aw(665)]×γ-1

(2);

apc(620)=[R(709)/R(620)×(aw(709)+bb)-bb-aw(620)]×δ-1-(ε×aph(665))

(3);

其中，aph(665)為浮游植物在665nm處的吸收系數，Rrs(709)、Rrs(665)依次是709 nm和665 nm處的遙感反射率；PC是藻藍素濃度(μg/L)；bb是后向散射系數，也就是bb(779)。γ和δ是修正因子，ε是轉換系數。(2)式與(3)式顯示出藻藍素的遙感估算精度是由aph(665)的遙感估算精度所決定的。那么，高精度的浮游植物光譜吸收系數aph(665)的獲取是藻藍素反演模型和藍藻水華監測的關鍵。

4.3Simis藻藍素模型的優化

將適用于巢湖的aph(665)的最優反演模型，即四波段模型((1)式)和Simis藻藍素模型結合起來，得到改良后的藻藍素反演模型，將為巢湖水體中由于藍藻造成的破壞性水華現象提供更精確的數據。

(3)式中apc(620)估算公式里的修正因子δ是由aph(620)的估算值和實測值的比值得到，轉換系數ε是由葉綠素a在620 nm處和665 nm處吸收系數實測值的比值得到，經過計算：δ=0.3493，ε=0.1886。

那么，經過改進優化后的藻藍素模型具體如下：

bb(779)=1.61×Rrs(779)/[0.082-0.6×Rrs(779)];

apc(620)=2.863×[R(709)/R(620)×0.727+bb)-bb-0.276]-(0.1886×aph(665));

PC=170×apc(620)。

4.4驗證藻藍素模型在巢湖的適用性

通過改進優化后的藻藍素模型對采樣的數據進行計算得到藻藍素估算濃度，并將結果與實驗室分析獲得的藻藍素實測濃度值進行相關性分析，以此來驗證該優化后的藻藍素模型在巢湖水域反演藻藍素的精度。從圖8可以看出，經過改進優化后的藻藍素模型估算出來的藻藍素與實測的藻藍素表現出較好的相關性，相關系數R2達0.8703，由此表明，通過改進優化后的藻藍素模型在精度上適用于巢湖藻藍素的定量反演。

圖8　藻藍素實測值和估算值的關系

5　結論與展望

通過引進國外常用的Simis建立的藻藍素反演模型，將筆者建立的浮游植物光譜吸收aph(665)的四段模型替換其原有的aph(665)模型，使改進后的Simis藻藍素模型更加適用于像巢湖這樣的大型、渾濁富營養化湖泊中。經過精度評價和模型驗證，證明該方法具有一定的準確性和可靠性，但仍然存在一些問題，為此也提出后期研究中可能采取的措施：在后期研究中可增加分季節性進行采樣，加大密度在巢湖均勻布點，以增加點位的代表性和多樣性，提高aph(665)估算的精度，進而提高藻藍素模型在整個巢湖湖泊的適用性；此研究以實測的ASD高光譜遙感數據作為數據源，改進后的Simis藻藍素模型對其他數據源是否有更好的效果，還需進一步深入的研究。

[1]宋玉芝,張亞冬,鄭建偉,等.淡水湖泊附著藻類生態學研究進展[J].生態學雜志,2016,35(2):534～541.

[2]周冠華,柳欽火,馬榮華,等.基于半分析模型的波段最優化組合反演混濁太湖水體葉綠素a[J]. 湖泊科學,2008,20(2):153～159.

[3]劉朝相,宮兆寧,趙文吉,等.基于光譜基線校正的季節性渾濁Ⅱ類水體葉綠素a濃度遙感反演[J]. 湖泊科學,2014,26(6):897～906.

[4]金經緯,段洪濤,趙晨露,等.湖泊藻類水體浮游植物色素遙感反演模型[J]. 紅外與毫米波學報,2012,31(2):132～136.

[5]Chawira M, Dube T, Gumindoga W. Remote sensing based water quality monitoring in Chivero and Manyame lakes of Zimbabwe[J]. Physics and Chemistry of the Earth,2013,(66):38～44.

[6]周琳,馬榮華,段洪濤,等.渾濁Ⅱ類水體葉綠素 a 濃度遙感反演(I):模型的選擇[J].紅外與毫米波學報,2011,30(6):531～536 .

[7] Simis G H, Peters S W, Gons H J. Remote sensing of the cyanobacteria Pigment Phycocyanin in turbid inland water[J].Limnology and Oceanography， 2005,50(1):237-245.

[8] Simis G H, Ruiz V A,Pena M R， et al. Influence of Phytoplankton Pigment composition on remote sensing of cyanobacterial biomass[J].Remote Sensing of Environment,2007,106(4):414～427.

[9]馮龍慶.基于高光譜遙感的太湖水體藻藍素和CDOM濃度估算模型研究[D].南京：南京農業大學,2011.

[10] Le C F, Li Y M, Zha Y, et al. A four-band semi-analytical model for estimating chlorophyll a in highly turbid lakes: The case of Taihu Lake, China[J]. Remote Sensing of Environment,2009,113(6):1175～1182.

[11] Gons H J, Rikeboer M, Ruddick K G. Effect of a waveband shift on chlorophyll retrieval from MERIS imagery of inland and coastal waters[J]. Journal of Plankton Research,2005,27(2)：125～127.

2016-06-20

安徽省環境保護廳科研項目(編號：2012-008)

徐升(1980—)，男，工程師，碩士，主要從事生態環境遙感監測與評價工作。

X824

A

1674-9944(2016)16-0018-06