河北海域葉綠素a濃度遙感反演業務化算法

楊 斌，田 力，徐雯佳，許志輝

河北海域葉綠素a濃度遙感反演業務化算法

楊 斌，田 力，徐雯佳，許志輝

（河北省遙感中心，河北石家莊050021）

構建了一種適用于河北海域二類水體的葉綠素a濃度遙感反演業務化模型。將MODIS 1B數據第一波段反射率與河北海域葉綠素a濃度實測數據進行相關分析，通過回歸擬合建立遙感反演模型，并選擇不同時間、不同區域的實測數據對模型精度與穩定性進行了檢驗。結果表明：模型相關系數為0.73，平均相對誤差31.4%～35.9%之間，模型適用于河北海域葉綠素a濃度業務化遙感監測，這對于監測河北海域赤潮和富營養化狀況具有重要的現實意義。

河北海域；葉綠素a濃度；遙感；MODIS；定量反演

1 引言

葉綠素a的濃度與水體中藻類的種類和數量等有密切關系，可以反映浮游植物現存量，是評價和監測海洋水質的重要參數[1]，特別是河北秦皇島海域每年暴發的微微藻褐潮，持續時間長，覆蓋范圍廣，與葉綠素a濃度具有較高的相關性[2-3]，越來越多的研究表明，利用海水中葉綠素a含量的變化可以作為監測赤潮是否發生的一個指標[4-6]，監測葉綠素a濃度對于掌握赤潮和海水富營養化狀況顯得尤為重要。

當前針對一類水體的水色遙感反演算法相對比較成熟，以波段組合為基礎的經驗統計算法具有較高的反演精度，主要算法包括分析算法[7]、半分析算法[8]、經驗算法[9]等。這些算法是建立在實測數據基礎上的水色遙感反演算法，僅適用于一類水體，對于二類水體誤差較大，大多數算法對于我國海區不完全適用，所以對于不同的海域和不同的數據源應該采用不同的反演算法，對于二類水體建立特定海域的反演模型是必要的。Brivio等應用TM影像利用輻射傳輸模型，對意大利Garda湖的葉綠素a濃度變化進行了研究[10]。Sabine Thiemann等通過分析Mecklenburg Lake區的不同時相的高光譜數據特征,建立了基于半經驗和多時相的透明度和葉綠素a濃度的遙感反演模型[11]。Carder等應用MODIS數據，以675 nm的浮游植物吸收系數和400 nm的黃色物質吸收系數為變量，建立了大洋水體葉綠素a濃度的半分析算法[12]。趙文靜等利用2004—2012年在南海獲得的9個航次的實測Chl a數據，對NASA標準業務化算法OC3算法進行修正，修正后算法精度由56%提高到38%[13]。叢丕福等指出MODIS紅光附近特征波段（667 nm和678 nm）比傳統藍綠光波段（440 nm和550 nm）更能反映遼東灣海域葉綠素特征，并利用該波段建立了具有區域特色的葉綠素a遙感反演模型[14]。張彥喆等建立了基于MODIS數據NDPI指數的渤海海域葉綠素a反演模型，反演值與建模數據相對誤差28%，但未對模型適用性做進一步討論[15]。目前，關于葉綠素a濃度遙感反演，國內學者在中國各海區已進行了大量研究，但大多數只是針對局部海區或短時期內的研究，對整個海區葉綠素a濃度時間序列的總體研究不多。針對二類水體的反演算法仍處于研究和發展之中，適用性較高的業務化算法更是少見。

本文利用2009—2015年河北海域葉綠素a濃度實測數據和MODIS遙感數據，對現有的經驗模型進行改進，并開展模型精度分析與穩定性檢驗研究，旨在建立一種適用于河北海域的葉綠素a濃度業務化反演模型，為河北海域水色環境、赤潮監測及預警、海水富營養化研究提供參考。

2 數據采集與處理

本文以河北省近海海域為研究區域。采用的遙感數據是國家衛星海洋應用中心MODIS地面接收站接收的MODIS 1B數據。根據采樣時間和衛星過境時間，篩選出與采樣日期準同步的晴空下的遙感數據。本文使用的MODIS 1B數據為1 km分辨率的MOD021KM產品數據，大氣校正采用基于直方圖的暗像元法，每個波段減去該波段反射率的最小值，以去除大氣層輻射的影響[16]。對大氣校正后的MODIS數據進行幾何校正，使用ENVI中的Georeference MODIS模塊進行幾何校正，校正后的位置精度達到0.5個像元。

葉綠素a濃度數據均為現場測量數據，部分數據由秦皇島海洋環境監測中心站提供。測量時間分別為2009年8—10月、2010年5—10月、2011年5—10月、2012年5—9月、2013年10月、2014年5月和2015年6月。樣本數據共計105個，分布于整個河北海域，空間分布均勻、時間序列長、數值范圍廣。其中，選擇2009—2013年中的77個實測數據作為建立模型數據；選擇2009—2013年中的11個實測數據作為模型精度驗證數據；選擇2014—2015年的17個實測數據作為模型穩定性檢驗數據。樣點分布見圖1。

3 模型結果與應用

3.1 優化前反演模型

由于研究水體、遙感數據和建模方法各不相同，現有的反演模型大多在適用性上具有一定的局限性。尤其是二類水體（近海），由于其自身的光學特性相對復雜，現有的葉綠素a濃度遙感監測模型區域性強，普適性不高。為了建立適用于河北海域葉綠素a濃度反演模型，在分析水體光譜特征與實測葉綠素a濃度關系的基礎上，開展了基于MODIS數據的葉綠素a濃度反演模型研究。

模型所依據的基礎數據來自2010年5—10月和2011年5月河北秦皇島海域47個采樣點葉綠素a實測數據和光譜測量數據。樣本數值范圍[1.0～4.75 mg/m3]，標準差0.9 mg/m3。光譜測量結果顯示，河北海域在550～580 nm和675～695 nm處存在兩個反射峰，對應MODIS波段的中心波長為551 nm和678 nm；在425～500 nm和650～670 nm處存在兩個吸收峰，對應MODIS波段的中心波長為443 nm和667 nm。選擇不同的波段組合與實測數據進行相關分析，最終選取了lnr1作為最佳反演因子，構建了基于MODIS的葉綠素a濃度遙感監測模型（后面稱為優化前模型）[17]：

圖1 葉綠素a濃度野外采樣點位

式中：r1為MODIS的MOD021KM產品數據大氣校正后第一波段的反射率；Chl a為葉綠素a濃度，模型相關系數為0.66。

該模型反演精度與NASA（美國國家航空與航天局）發布的SeaDAS 4.7（海洋數據分析系統）軟件中的OC3標準經驗算法[18]相比，精度有了較大提高，但由于缺少后續數據的補充，模型適用性有待進一步提高。

3.2 優化后反演模型

隨著實測數據的持續積累，在已有模型基礎上，進一步對模型進行改進。本次用于構建改進型模型的葉綠素a濃度樣本數據全部為2009—2013年現場實測數據，均勻分布于河北海域，共計77個。樣本數值范圍[0.29～7.99 mg/m3]，標準差1.88 mg/m3。將實測數據與預處理后的MODIS第1波段數據進行二次多項式擬合，結果見圖2。

從圖2中可以看出，預處理后的MODIS第1波段反射率與實測的葉綠素a濃度的相關性良好，經過回歸分析，最終得到如下反演模型（后面稱為優化后模型）：

圖2 實測葉綠素a濃度與MODIS band1反射率相關分析結果

式中：r1為MODIS的MOD021KM產品數據大氣校正后第1波段的反射率；Chl a為葉綠素a濃度，模型相關系數為0.73，選擇顯著性水平α=0.05，樣本數n=77，相關系數臨界值r0.05=0.224 174，表明r1和Chl a具有較強的相關性。

3.3 精度評價與穩定性檢驗

為了驗證修正后模型的反演精度，將同步的MODIS數據分別代入式（1）和式（2），進行葉綠素a濃度反演，并與實測數據進行比較（見表1）。從表1可以看出，受樣本數值范圍小的影響，優化前模型反演值多在1.0 mg/m3左右，數值較均勻；而在增加了更多樣本數據后，優化后模型反演值更加接近實測值，平均相對誤差由優化前的53.4%提高到了35.9%，除去2號和8號采樣點，平均相對誤差更是達到了25.4%。分析原因，由于2號點和8號點當天的MODIS 1B數據存在薄云，大氣校正結果不太理想，導致反演誤差較大。

表1 驗證數據與MODIS數據葉綠素a濃度反演結果

圖3為葉綠素a濃度反演值與實測值相關分析結果。反演值與建模實測數據和驗證實測數據的相關系數分別為0.733和0.817（見圖3），二者離散程度類似，當葉綠素a濃度大于4 mg/m3時，模型反演值偏低，這可能與葉綠素a濃度的高數值樣本數據偏少有關，但總體來說，修正后模型的反演精度有了進一步提高，更加適用于河北海域的葉綠素a濃度遙感監測。

為了驗證模型對于河北海域不同時間和不同區域應用的穩定性，分別選取2014年5月8日河北滄州海域和2015年6月3日河北秦皇島海域兩期實測數據進行模型穩定性檢驗，結果見表2和表3。經檢驗，優化后模型平均相對誤差分別由優化前模型的64.5%和78.5%提高到了31.4%和33.4%，這表明，該模型經過進一步改進，反演精度具有較高的穩定性，滿足業務化要求。

3.4 葉綠素a濃度遙感反演

圖3 葉綠素a濃度反演值與實測值相關分析結果

表2 葉綠素a濃度反演相對誤差比較（2014年5月8日）

表3 葉綠素a濃度反演相對誤差比較（2015年6月3日）

圖4 秦皇島海域葉綠素a濃度MODIS數據反演結果

利用優化后反演模型和MODIS數據，對2015年5—7月秦皇島海域微微藻褐潮暴發前后的葉綠素a濃度進行遙感動態監測。如圖4所示，2015年5月上旬，秦皇島近岸海域Chl a數值開始升高；5月中下旬，在北戴河和西浴場附近海域出現Chl a高值區（Chl a≥2.5 mg/m3為高值區）；6月上旬，Chl a高值區集中在北戴河和昌黎海域；6月中旬至7月，Chl a高值區逐漸減少。經秦皇島海洋環境監測中心站實測，該時間段內的Chl a高值區內的微微藻密度達到了108個/L的量級，確定為褐潮[19]。這表明，當微微藻褐潮發生時，海水中Chl a的含量往往比正常海區高數倍乃至數十倍，通過監測葉綠素a濃度變化可以達到監測與預警赤潮的目的。

4 結論

（1）本文針對二類水體水色要素遙感監測的難題，利用2009—2015年的實測數據，建立了MODIS數據的河北海域葉綠素a濃度反演模型，經驗證，該模型平均相對誤差在31.4%～35.9%之間，反演精度和穩定性均有了一定提高，滿足業務化要求；

（2）該模型適用于河北海域葉綠素a濃度業務化遙感監測，反演結果能夠較好的表征河北海域葉綠素a濃度分布情況。利用該模型，可以獲得長時間序列的河北海域葉綠素a濃度分布情況，可以用來分析海水水質變化規律，通過監測水色異常變化達到監測與預警赤潮的目的，具有較高的實際應用價值；

（3）在今后的研究中，需要獲得更多點位的同步數據用來修正和檢驗模型，并針對不同區域、不同季節，構建更加區域化、業務化和精細化的反演算法，為河北省海洋環境保護和海洋防災減災等提供豐富、高質量的遙感監測產品。

致謝：本次研究葉綠素a濃度遙感反演得到了國家衛星海洋應用中心謝春華研究員的指導和幫助；所用野外實測數據得到了秦皇島海洋環境監測中心站楊義明的指導和幫助，在此表示衷心的感謝！

[1]段洪濤,張柏,宋開山,等.長春市南湖葉綠素a濃度高光譜估測模型研究[J].水科學進展,2006,17(3):323-329.

[2]張永豐,李欣陽,張萬磊,等.微微型藻華爆發海域硅酸鹽與葉綠素a分布特征研究[J].生態科學,2013,32(4):509-513.

[3]張勇,張永豐,張萬磊,等.秦皇島海域微微型藻華期間葉綠素a分級研究[J].生態科學,2012,31(4):357-363.

[4]張水浸,楊清良,丘輝煌,等.赤潮及其防治對策[M].北京:海洋出版社,1994.

[5]王其茂,馬超飛,唐軍武,等.EOS/MODIS遙感資料探測海洋赤潮信息方法[J].遙感技術與應用,2006,21(1):6-10.

[6]薛存金,董慶.多海洋參數赤潮MODIS綜合監測[J].應用科學學報,2010,28(2):147-151.

[7]Gordon H R,Morel A Y.Remote Assessment of Ocean Color for Interpretation of Satellite Visible Imagery:A Review[M].New York:Springer-Verlag,1983.

[8]Carder K L,Chen F R,Cannizzaro J P,et al.Performance of the MODIS Semi-Analytical Ocean Color Algorithm for Chlorophyll-a [J].Advances in Space Research,2004,33(7):1152-1159.

[9]劉良明.衛星海洋遙感導論[M].武漢:武漢大學出版社,2005: 206-207,215-216.

[10]Brivio P A,Giardino C,Zilioli E.Determination of Chlorophyll Concentration Changes in Lake Garda using an Image-Based Radiative Transfer Code for Landsat TM Images[J].International Journal of Remote Sensing,2001,22(2-3):487-502.

[11]Thiemann S,Kaufmann H.Lake Water Quality Monitoring Using Hyperspectral Airborne Data—A Semiempirical Multisensor and Multitemporal Approach for the Mecklenburg Lake District, Germany[J].Remote Sensing of Environment,2002,81(2-3):228-237.

[12]Carder K L,Chen F R,Lee Z P,et al.Semianalytic Moderate-Resolution Imaging Spectrometer Algorithms For Chlorophyll a and Absorption with Bio-Optical Domains Based on Nitrate-Depletion Temperatures[J].Journal of Geophysical Research, 1999,104(C3):5403-5421.

[13]趙文靜,曹文熙,王桂芬,等.南海海域MODIS-Aqua葉綠素濃度產品的精度對比和區域性算法修正[J].光學精密工程,2014, 22(11):3081-3090.

[14]叢丕福,曲麗梅,王臣立,等.基于MODIS模擬的遼東灣葉綠素a的遙感反演模型[J].生態環境學報,2009,18(6):2057-2060.

[15]張彥喆,鄭小慎,張波.渤海海域葉綠素濃度的遙感反演研究[J].天津科技大學學報,2010,25(1):51-53.

[16]祝令亞,王世新,周藝,等.應用MODIS監測太湖水體葉綠素a濃度的研究[J].遙感信息,2006,(2):25-28.

[17]徐雯佳,楊斌,田力,等.應用MODIS數據反演河北省海域葉綠素a濃度[J].國土資源遙感,2012,24(4):152-156.

[18]張春桂,曾銀東,張星,等.海洋葉綠素a濃度反演及其在赤潮監測中的應用[J].應用氣象學報,2007,18(6):821-831.

[19]河北省海洋局.2015年河北省海洋環境狀況公報[R].石家莊:河北省海洋局,2016.

An operational chlorophyll-a retrieval algorithm by remote sensing in Hebei coastal sea

YANG Bin，TIAN Li，XU Wen-jia，XU Zhi-hui

（Center of Hebei Remote Sensing,Shijiazhuang 050021 China）

An operational remote sensing retrieval model of chlorophyll-a concentration in Hebei coastal sea was established.A correlation analysis was calculated between the reflectance of MODIS 1B band 1 and actualmeasured value of chlorophyll-a concentration,and an inversion model of remote sensing was established by regression.The modeled data was compared with the observed chlorophyll-a concentration in different time and regions to verify the accuracy and stability of the model.The results showed that the correlation coefficient between the modeled data and observed data was 0.73,and the average relative error was between 31.4%and 35.9%.The model can be effectively applied to retrieve chlorophyll-a concentration of surface water in Hebei coastal sea by using MODIS data.It has great realistic significance on red tide and eutrophication monitoring in Hebei coastal sea.

Hebei coastal sea;chlorophyll-a concentration;remote sensing;MODIS;quantitative retrieval

P734；TP79

A

1003-0239（2017）02-0060-07

10.11737/j.issn.1003-0239.2017.02.008

2016-07-01；

2016-07-22。

河北省海洋局基礎類項目（2012995548，2014045570）。

楊斌（1984-），男，工程師，碩士，現從事海洋遙感的理論和應用研究。E-mail:yangbin_hbrs@163.com