基于歐洲航天局“哨兵-2A”衛星的太湖藍藻遙感監測

李旭文，侍 昊，張 悅，牛志春，王甜甜，丁 銘，蔡 琨

江蘇省環境監測中心，江蘇 南京 210036

20世紀80年代后期以來，大量氮磷物質的匯入，加劇了太湖湖泊富營養化程度，浮游植物藍藻水華大面積頻發[1-2]，出現了明顯的水生態問題。為準確及時了解和分析藍藻水華的空間分布和變化趨勢，保護和恢復水生態環境，20世紀90年代，研究人員基于美國陸地衛星TM傳感器(Landsat TM)數據開展了衛星遙感技術對太湖藍藻水華的初步監測應用研究[3-4]，但Landsat衛星重訪周期長，離藍藻監測和預警的時效性要求還存在一定的差距[5-8]。1999年以來，美國發射的Terra和Aqua衛星具有每天上午、下午各重訪1次的能力，其搭載的中分辨率成像光譜儀(MODIS)為太湖藍藻遙感監測提供了重要的數據源[9]，在環保部門得到廣泛的業務化應用，但其250～500 m的空間分辨率組合難以清晰表達影像上藍藻水華的形狀、光譜、紋理等，在反演大氣底部反射率、準確劃定藍藻水華的分布范圍、嚴重等級等方面受到限制[10]。近10年來國產高分系列衛星具有更高的分辨率，可獲取更加清晰的空間和紋理特征，但波段設置偏少、重訪周期更長且難以覆蓋整個湖區[11-12]。從監測算法上看，主要是利用含葉綠素的植被地物類型在遙感影像上的光譜特征構建歸一化植被指數(NDVI)，再結合一定的人工經驗確定分布區的邊界來對藍藻水華信息進行提取[13-15]；而湖區云層、水生植被、圍網養殖、低透明的渾濁水體仍是影響藍藻水華信息提取精度的重要因素[16-17]。

2015年6月23日，歐洲航天局(ESA)成功發射了動態監測全球環境與安全狀況的衛星“哨兵-2A”(Sentinel-2A)，其具有多光譜、大范圍、短重訪周期等特點，為太湖藍藻水華監測提供了新的數據源[18-20]。該衛星所攜帶的光學傳感器多光譜成像儀(MSI)借鑒了SPOT、Landsat系列遙感衛星的成功經驗，在可見光(VIS)-短波紅外(SWIR)波長區間保留了與這些衛星對應的波段設置，此外還新增配了多個特征波段，可進行更為精細的葉綠素反射峰強度計算及提高大氣校正精度等[21-22]。但該數據在大型湖泊藍藻水華遙感監測的應用中鮮有報道，因此，以藍藻水華頻發的太湖為例，分析典型地物類型在“哨兵-2A”MSI影像上的光譜特征，采用歸一化植被指數(NDVI)和綠光中心波長處的葉綠素反射峰強度(ρchl)綜合閾值方法提取藍藻信息，以期發揮這一新型遙感數據源在太湖藍藻水華遙感監測中的作用。

1 數據源及研究區域

1.1 MSI傳感器技術特性

“哨兵-2A”衛星重1 140 kg，長度為3.4 m，寬度為1.8 m，運行在距離地球表面786 km的太陽同步軌道，星上搭載了具有13個光譜波段的多光譜成像儀MSI，刈幅寬度達290 km，重訪周期為10 d，與已于2017年3月7日發射的B星組網，可實現5 d重訪周期。MSI從可見光(VIS)、近紅外(NIR)到短波紅外(SWIR)，具有10、20、60 m不同的空間分辨率(表1)。值得注意的是，MSI是國際上在軌遙感衛星中唯一的具有高達20 m的地面分辨率、設計了3個專門波段(B5、B6、B7)以獲取植被在近紅外“紅邊”(Red edge,690～800 nm)區間光譜特征信息的傳感器，它們與位于紅光波長處的B4、近紅外植被類反射峰頂部的B8波段協同應用，對監測植被長勢與健康、水體葉綠素含量、浮游植物分布等水生態信息非常靈敏有效[23]。

表1 “哨兵-2A”衛星MSI技術參數Table 1 Technical specifications of Sentinel-2A MSI

1.2 研究區MSI影像質量分析

太湖是中國第三大淡水湖泊，其流域位于長江三角洲的南緣，是一個典型的碟形洼地平原，流域總面積約為36 900 km2，是全國人口最稠密、工農業生產最發達的地區之一，流域行政區劃分屬江蘇、浙江、上海、安徽三省一市[24-25]。太湖具有飲水、工農業用水、航運、旅游、流域防洪調蓄等多種功能，是長江三角洲地區社會經濟發展的重要水資源。

選取2016年6月13日10：49(北京時間，下同)過境太湖的“哨兵-2A”MSI影像作為研究數據，并與當日11：10過境的Terra MODIS(空間分辨率為250 m和500 m混合)、13：33過境的NPP VIIRS(空間分辨率為371 m)影像數據進行了影像質量、清晰度等對比分析(圖1)[26]。得益于最高達10 m的高空間分辨率，“哨兵-2A”MSI影像顯示了極為清晰的太湖藍藻水華分布態勢，見圖1(a)、圖1(b)和圖1(c)，很精細地展示了太湖藍藻水華的影像紋理，局部的積聚強度，積聚形態(條帶狀、網紋狀、簇團狀)和受船舶航行擾動等，也很好地顯示了高聚集水華區之間的“藻-水”混懸特征，“哨兵-2A”MSI影像可以提供精細的太湖藍藻水華提取結果，具有獨特的太湖全湖藍藻分布及暴發強度狀況“高清”觀測能力，有助于深化對太湖藍藻水華浮沉、積聚、漂流等發生與演變規律的認識，為藍藻打撈、暴發防控提供支持。其中貢湖灣作為太湖重要的飲用水源地，在MODIS和可見光紅外成像輻射儀(VIIRS)影像上顯示模糊的藍藻水華特征可在“哨兵-2A”MSI影像上清晰顯示，如圖1(a)紅框范圍的水華。

圖1 不同空間分辨率衛星遙感影像對太湖藍藻水華辨析和提取能力的比較Fig.1 Comparison of different images of the spectrum characteristics of the cyanobacteria blooms in Taihu Lake

根據太湖的水環境特征，按照“哨兵-2A”MSI遙感影像上典型地物類型類內光譜特征相對均一的原則，利用遙感數據處理軟件選擇了16個植被、藍藻水華和水體的影像樣區(圖2)。5個植被樣區(1#～5#)，以常綠闊葉林為主的林地、湖體中挺水植被和浮葉植被為主；5個藍藻水華樣區(6#～9#、11#)，主要為重、中、低片狀藍藻水華聚集區；6個水體樣區(10#，12#～16#)，包括藻-水混合水體、無藻水體、圍網養殖水體、高渾濁度水體。

2 研究方法

基于“哨兵-2A”MSI影像進行太湖藍藻水華遙感監測，主要分為影像預處理、特征變換與信息提取2個部分，具體流程見圖3。

圖2 MSI影像上太湖典型地物類型的樣區分布Fig.2 The distribution of ROIs for typical landcover types in Taihu Lake

圖3 基于“哨兵-2A”MSI影像藍藻水華提取流程Fig.3 Flow chart of the cyanobacteria blooms extraction technology based on the Sentinel-2A MSI image

2.1 影像預處理

研究主要基于SNAP軟件進行“哨兵-2A”MSI影像的預處理工作。ESA針對“哨兵”系列衛星數據的處理，專門組織開發了統一集成的軟件，更適合開展“哨兵-2A”MSI數據信息提取和分析，共完成了幾何精校正、大氣校正、影像裁切等圖像預處理工作。其中為完成“哨兵-2A”MSI影像從表觀反射率到地面反射率〔又稱作大氣底部反射率(BOA)〕的轉換，還要下載針對“哨兵-2A”MSI影像的大氣校正專用模塊SEN2COR(下載地址為http://step.esa.int/main/third-party-plugins-2/sen2cor/)，該軟件模塊用Python語言編寫，以開源的Anaconda為通用Python運行環境，作為插件在SNAP應用架構下運行，也可以單獨以命令行方式運行[27]。

2.2 特征變換與信息提取

2.2.1 歸一化植被指數

與EOS MODIS、Landsat TM/ETM+/OLI影像相比，“哨兵-2A”MSI的B2、B3、B4、B8和B8a波段對地物具有更優的輻射測量精度及地面分辨率，對水體葉綠素a、藍藻水華、富營養化監測具有更高的靈敏度[28]。NIR區間的B8和B8a波段均適用于計算最常用的提取藍藻水華分布的歸一化植被指數(NDVI)，考慮到B8(842 nm)波段空間分辨率更高，帶寬也比B8a波段寬，因此采用B8(842 nm)、B4(665 nm)波段的BOA反射率(ρ842、ρ665)計算基于MSI傳感器的NDVI指數：

2.2.2 綠光中心波長處的葉綠素反射峰強度

與其他地物相比，植物體一般具有進行光合作用的細胞結構且含有葉綠素，葉綠素a在VIS區間的光譜反射特性為綠光中心波長與相鄰的兩側藍光波長、紅光波長相比光譜反射率相對較高，形成典型的綠光中心波長處的葉綠素反射峰，其強度與葉綠素含量呈正相關[29-30]。因此，采用“哨兵-2A”MSI的L2A級產品中B2(490nm)、B3(560nm)、B4(665nm)波段的BOA反射率計算綠光反射峰強度，可以指示水體中浮游植物豐度狀況：

最后，利用“哨兵-2A”影像的光譜特征結合特征變換指數，采用綜合閾值方法，對太湖藍藻、水華水藻區的信息進行提取。

3 結果與分析

3.1 典型地物光譜反射率特征分析

對16個太湖植被、藍藻水華和水體地物樣區的光譜反射率特征統計結果見圖4。

由圖4可見，植被、藍藻水華的光譜反射率曲線特征總體相近，主要表現為可見光(490～665 nm)有1個位于560 nm附近的小反射峰，兩側490、665 nm為2個吸收帶，705～740 nm有1個“紅邊反射陡坡”，至近紅外783～842 nm附近有1個峰值；從1 610 nm開始，吸收率大增，反射率明顯下降。水體則表現為在490～705 nm有弱的反射峰，其他則表現為較強的吸收。

圖4 太湖典型樣區的MSI波段BOA反射率曲線Fig.4 BOA reflectance curves of different landcover types in Taihu Lake

從圖4(a)植被樣區上看，1#、2#、3#林地的可見光反射率較低(在0.1以下)，490～665 nm間呈現綠光波長弱反射峰特征，在近紅外840、865 nm 附近反射率明顯抬升；4#挺水植被則以705 nm為界，在近紅外區間783、842、865 nm處躍升明顯，長波方向“懸”在林地型植被曲線的上方；5#浮葉植被除表現出綠光波長的弱反射峰的特點外，在可見光490～665 nm區間的反射率整體略高于林地和挺水植被，在705 nm之后的長波方向的反射率與陸域植被相近。

從圖4(b)藍藻水華樣區上看，藍藻水華區(6#、7#、9#)在可見光區間反射率整體高于陸域植被，綠光560 nm處的反射率均在0.1以上，甚至超過0.2，這也是湖面實況觀察藍藻水華呈鮮綠色的原因。藍藻水華在可見光490～665 nm、近紅外705～2 190 nm區間均表現出隨著聚集程度的增加，反射率隨之升高，重度藍藻水華區在783 nm甚至可高達0.7。此外，高聚集的藍藻水華在綠光560 nm、近紅外740～865 nm的反射率明顯高于一般植被，如圖4(a)和圖4(b)虛線所示。

從圖4(c)水體樣區上看，太湖水體受懸浮物影響，可見光490～665 nm區間反射率比純水高，介于0.08～0.18之間；由于水體在近紅外區間的強吸收特性，740～865 nm反射率在0.06以下，明顯低于植被和藍藻水華。受懸浮物散射影響，16#的高渾濁度水體在705 nm的反射率可達0.18，740～865 nm反射率也達0.06～0.1之間。

3.2 典型地物特征變量分析

太湖植被、藍藻水華和水體樣區的NDVI、ρchl統計結果見表2。從NDVI指數上看，植被、藍藻水華、水體的NDVI值動態范圍分別為[0.56，0.81][-0.01，0.76]和[-0.46，-0.13]，因此，通過NDVI信號很容易把一般水體(藻類的光譜貢獻小于10%)與水生植被、藍藻集聚區分離。藍藻水華NDVI取值范圍與水生植被、一般水體有一定的重疊，主要表現為①近紅外波段高反射率值帶來“飽和”效應導致中-高藍藻聚集區NDVI與水生植被相近(0.66～0.76)；②輕度藍藻積聚時，藻類顆粒在近表層水體中，湖面處于“藻-水”混懸狀態，水體在近紅外區域的光學吸收作用對光譜反射率有影響，此時NDVI往往為0甚至小幅負值，與圍網養殖水體的NDVI特征相近，不易區分。多年來基于MODIS的太湖藍藻水華分布提取經驗表明，僅憑NDVI信號只能提取積聚程度中-高的藍藻分布，對“藻-水”混懸狀態的輕微水華區(淺水華區)不夠有效。與NDVI相比，植被、藍藻水華、水體的ρchl的動態范圍分別為[0.04，0.05][0.04，0.11]和[0.01，0.03]；ρchl對水生植被與中-高藍藻聚集區、混合水體(“藻-水”混懸區和圍網養殖水體)與輕度藍藻聚集區具有較好的分離能力。

3.3 藍藻水華遙感信息提取

2016年6月13日貢湖灣藍藻水華強度分布信息提取結果見圖5。

表2 太湖典型樣區特征變量參數統計Table 2 The value of characteristic variables of different landcover types in Taihu Lake

圖5 2016年6月13日貢湖灣藍藻水華強度分布信息提取結果Fig.5 The extraction results of cyanobacteria blooms intensity distribution in Gonghu bay on June 13,2016

分析太湖植被、藍藻水華、水體的NDVI、ρchl特征發現，基于紅光-近紅外信號的NDVI藍藻水華提取算法對中-高聚集區十分有效，但對低藍藻聚集區(以“藻-水”混懸體為主)與混合水體(如無錫沙渚含顆粒狀藻類水體)水華不夠靈敏。針對該問題，協同運用基于可見光區間信號構建的ρchl指數，提出藍藻水華提取綜合閾值算法：①判斷利用了近紅外、紅光波長反射率信息的NDVI值正負性：NDVI>0劃為植被類像元，再結合ρchl指數進行藍藻水華和水生植物的分離，ρchl>0.06判為水華像元，ρchl≤0.06判為水生植物或陸域植被像元；②NDVI≤0：補充利用可見光區間的葉綠素反射峰信息進行判斷，NDVI>-0.15且ρchl>0.03，判為“藻-水”混懸體，劃入水華分布區；其余情況則歸入一般水體區。在建立改進算法的基礎上，對2016年6月13日太湖貢湖灣區域“哨兵-2A”MSI影像進行藍藻水華遙感信息提取實驗(圖5)。可見，貢湖灣區域的NDVI和ρchl的取值范圍分別為[-0.53，0.78][-0.04，0.20]，NDVI和ρchl較好地反映了藍藻水華積聚程度，清晰揭示了貢湖灣湖面復雜水面、藻層(帶)交織格局。中-高藍藻聚集區面積為60.37 km2，占貢湖灣面積的24.5%，主要分布在貢湖北部沿岸、湖心。“藻-水”混懸體面積為79.49 km2，占貢湖灣面積的42.9%，主要在中-高藍藻集聚區之間呈過渡分布，貢湖灣東部藍藻水華相對較輕。

4 結語

以新一代歐洲航天局“哨兵-2A” MSI影像為主要數據源，在分析太湖典型地物類型影像光譜特征的基礎上，采用NDVI結合ρchl構建了綜合閾值法，并對貢湖灣藍藻水華信息進行提取實驗。研究結果表明，與目前常用的EOS MODIS、Landsat TM/ETM+/OLI等遙感數據相比，“哨兵-2A” MSI影像不僅能夠顯示藍藻水華的空間分布和強度，而且可對“藻-水”混懸水體進行精細辨識和準確提取。該衛星豐富的可見光至近紅外間光譜波段設置，可在湖泊藻類豐度監測、葉綠素濃度反演、生物量估算、水生植被識別、富營養化評價等方面提供豐富的信息，同時隨著2017年“哨兵-2B”星發射成功，重訪時間縮短為5 d，將進一步提升“哨兵2”系列較高分辨率、公益性衛星遙感數據在太湖藍藻水華遙感監測中的應用潛力。以上研究表明，在進行藍藻水華分布、級別等信息精確提取時，除了采用浮游植物在近紅外強反射率抬升這一最典型的光譜特性外，還要輔助應用可見光區間藍、綠、紅光波段反射率信息才能得到更為精準的藍藻水華強度和空間分布提取結果，克服單一指標NDVI對輕微水華、“藻-水”混懸體不夠靈敏的局限性。今后，基于“哨兵2”系列的遙感數據，還應加強對無藻水體→“藻-水”混懸體→輕度積聚→中度積聚→重度積聚不同狀態的水藻復合光譜演化特征的實驗，以及利用“紅邊”區間的波段組合提取浮游植物藍藻葉綠素強度信號(MCI指數)等特征信息的研究，為太湖藍藻防控提供更為客觀定量的遙感監測預警支持。