利用HJ—1衛星多光譜數據監測城市湖泊藍藻研究

柳晶輝 萬君

（1 武漢區域氣候中心，武漢 430070；2 江漢平原生態氣象遙感監測技術協同創新中心，荊州 434025）

0 引言

藍藻是水體富營養化的產物。在一些營養過剩的水體中，遇無風高溫晴好天氣，藍藻便大量繁殖，形成藻華色帶，在水面漂浮一層藍綠色并伴有腥臭味的泡沫，這種大規模的藻華色帶被稱為“綠湖”（和海洋發生的赤潮對應）。藍藻暴發加劇了水質惡化，嚴重影響城市供水和漁業生產，威脅湖泊生態環境安全[1]，如何大面積快速監測湖泊藍藻暴發程度及分布范圍是滿足當前生態文明建設解決的重要研究方向之一。

遙感技術可監測大范圍環境變化，具有其他手段不可替代的優越性，國內外學者針對藍藻遙感監測取得了一些研究進展。Hoge等[2-3]利用NASA機載海洋激光器對藻紅蛋白進行主動遙感探測，首次獲取了葉綠素熒光的光譜反射帶，并建立了水中藻紅蛋白的MODIS遙感監測算法；Wezemak等[4]利用遙感數據建立富營養化指數，并對磷含量和富營養化指數進行檢驗，證實多光譜遙感影像適用于城市內湖富營養評估；疏小舟等[5]在太湖實驗區，采用地物光譜儀實地測量湖水在可見光和近紅外波段反射曲線，同時采樣分析葉綠素、總懸浮固體物質濃度等水質參數，研究內陸水體反射光譜特征與藻類葉綠素濃度之間的關系，建立藻類葉綠素高光譜定量遙感模型；段洪濤等[6]使用MODIS、CBERS、 ETM+以及IRS多種遙感數據，采用單波段、波段差值及波段比值方法提取不同歷史時期太湖藍藻，結果表明上述遙感數據均可提取藍藻信息，波段比值法更穩定；徐京萍等[7]通過MODIS植被指數數據提取太湖藍藻水華信息，用多種植被識別模式確定藍藻分布范圍并分析比較其優缺點。

本文針對我國內陸城市湖泊水體特征，以武漢東湖支湖一次藍藻事件為案例，探討使用多時相HJ-1衛星遙感數據，采用比值植被指數（RVI）、歸一化植被指數（NDVI）以及增強型植被指數（EVI）三種植被指數作為判別方法，開展藍藻多光譜遙感監測方法研究，旨在為開展遙感監測城市湖泊藍藻及水質水色變化提供方法參考。

1 研究區概況

東湖位于武漢市城區，是國內最大的城市內湖，湖面面積約33 km2，從20世紀70—80年代開始，武漢東湖富營養化狀況相當嚴重，進入夏天湖內的藍藻大量繁殖形成黏稠的水華，經過多年治理，取得了較好的效果。但在2009年8月中旬，東湖支湖官橋湖再次暴發藍藻，并進入部分主湖（圖1）。

圖1 2009年8月中旬東湖支湖藍藻Fig. 1 Cyanobacteria bloom on the branch lake of the East Lake in mid-August 2009

2 藍藻遙感監測機理

藍藻暴發形成水華，會引起水體溫度、色度和透明度等一系列物理性質發生變化，從而導致水體反射波譜特性也發生變化。此外，藍藻暴發聚集易受潮流、風向的影響，其在影像上通常呈條帶延伸，并具有絮狀紋理機構，這與周圍的湖泊水面有顯著不同。

城市內湖水體遙感反射率ρw是水體中各種物質的綜合反射率的混合反映，除純水體本身外，水體中還有葉綠素a、懸浮物質和黃色物質三類，可用簡單的模型近似描述如下[8]

式中，bw、bs、bp分別是水、無機懸浮物和藻類物質的后向散射系數；aw、as、ap、ay分別為水、無機懸浮物、藻類物質和黃色物質的吸收系數。這些不同物質的散射和吸收特性最終反映到影像的不同波段的光譜特征上。

通過ASD FieldSpec3手持地物光譜儀對湖泊藍藻進行多次光譜特征采樣并制作了典型地物光譜特征曲線（圖2）。可以看出，藍藻和水體的光譜曲線有明顯差異，在400～700 nm波段，藍藻和典型植被的反射率變化區別不明顯，但是水體呈現下降趨勢，在700～900 nm波段，藍藻的反射率快速上升，形成一個反射峰頂，反映葉綠素a含量在藍藻光譜特征中具有主導因素，其呈現植被光譜效應。

圖2 典型地物光譜特征曲線Fig. 2 Typical surface spectrum characteristic curve

從多種典型地物在HJ-1衛星多光譜波段數據中光譜特征折線圖（圖3）中可以看出，藍藻反射率在近紅外波段呈現峰值，利用這一重要光譜特征可將水體與藍藻判別，可提取藍藻信息。

圖3 HJ-1影像典型地物多光譜反射率特征值Fig. 3 HJ-1 image special surface multi-spectral reflectance value

3 數據與方法

3.1 遙感數據來源

HJ-1a/b號衛星于2008年9月發射升空，是我國首個環境與災害監測衛星，用于對災害、生態環境污染進行全天動態監測。HJ-1a搭載了CCD相機和超光譜成像儀（HIS），HJ-1b則搭載CCD相機和紅外相機（IRS），其中CCD相機重訪周期為2 d，星下像元分辨率為30 m。為了對湖泊藍藻暴發的全過程進行動態監測，本文收集了三個不同時間段的衛星遙感數據，分別是藍藻暴發前2009年6月27日HJ-1b CCD、藍藻暴發時2009年8月19日HJ-1b CCD、藍藻結束時2009年9月6日HJ-1b CCD數據，數據來源于中國資源環境衛星中心，數據級別為2級，進行了系統的輻射校正，以湖北省1∶5萬地形圖為基準，利用二次多項式和雙線性內插法對圖像進行幾何校正并掩模裁剪，經重新選點檢驗，誤差在一個像元內。

3.2 大氣校正處理

水質遙感關鍵在于消除大氣和光照等因素的影響，因此要真實反演藍藻和其他地物反射率須對獲取的遙感影像進行大氣校正，從而剔除大氣分子和氣溶膠散射對地物反射率干擾。特別是對那些湖泊處于PM10等大氣顆粒物居高不下污染嚴重的城市而言，大氣校正更是必不可少[9]。

本研究使用ENVI軟件大氣校正模塊FLAASH對HJ-1b遙感影像數據進行大氣校正處理，FLAASH模型是基于MORTRAN4+輻射傳輸模型，其通過影像像素光譜上的特征來估測大氣屬性，不依賴遙感成像時同步測量的大氣參數數據。

輻射定標是首先需要對遙感影像表觀輻射亮度轉化，式（2）即是表觀輻射亮度的測算，表1是HJ-1的輻射定標系數

式中，DN為亮度值，Gain為增益，Bias為偏移。

針對HJ-1b衛星需要對FLAASH模型中傳感器參數進行設置，主要涉及傳感器類型、成像中心點經緯度、成像時間、高度信息、像元分辨率、數據獲取日期和衛星過境時間等，這些數據可從數據自帶的元文件中獲取。

表1 HJ-1b CCD傳感器波段輻射定標系數Table 1 Radiance calibration coefficients of HJ-lb satellite CCD Band1-4

在地球大氣模式方面，模塊提供熱帶、中緯度夏季、中緯度冬季、極地夏季、極地冬季和美國標準大氣模型，本研究選擇中緯度夏季的大氣模型，區域對應為9月40°N的MLS大氣模型，氣溶膠模式設置為城市氣溶膠模式與之對應。設置區域特征參數后經FLAASH處理得到大氣校正后的研究區反射率圖像。本文選取了藍藻與水體校正前的表觀反射率和校正后地表反射率進行對比分析（圖4）。分析發現，校正后變化最大的是藍波段，其他波段影響依次減小，這也是大氣散射的原理，對短波的影響較長波的大，大氣校正可消除大氣散射在可見光波段的增加效應。

圖4 HJ-1影像校正前后地物反射率曲線Fig. 4 HJ-1 image surface reflectance curve before and after atmospheric correction

4 結果

由于藍藻體內含的葉綠素a對可見光和近紅外具有特殊的“陡坡效應”，使得那些浮游生物含量大的水體兼有水體和植物的反射光譜特征[10]。隨浮游植物的含量增高，其光譜曲線與綠色植物的反射光譜越接近，即在可見光波段反射率低，而在近紅外波段反射率急劇上升，此特征可作為采用植被指數遙感監測藍藻的可靠依據。

本文采用了RVI、NDVI和EVI三種植被指數判別方法，利用水華暴發前后三期遙感影像（圖5），通過ENVI軟件分類采樣工具選取90個樣本點，范圍主要分布在輕度水華、重度水華、正常水體以及植被等4類地物上，又隨機選擇了30個樣本點作為補充，共計150個樣本，其中100個樣本作為訓練數據，50個樣本作為檢驗數據，這些樣本點數據都通過人工目視解譯和實地調查進行分析，驗證樣本點的分類正確性。通過反復試驗調整RVI、NDVI以及EVI閾值設定使得已驗證樣本點總體精度在80%以上的樣本數據處理后符合判別后的分類。

4.1 RVI閾值監測

由于藍藻的類植被光譜特征和水體形成強烈反差，因此通過紅波段（R）與近紅外波段（NIR）兩者數值比反映兩反射率之間的差異。比值植被指數（RVI）可表達為

圖5 藍藻水華暴發前后三個時相的HJ-1b遙感影像Fig. 5 Three phases of HJ-1b remote sensing images showing a cyanobacteria bloom

依據滿足81%的訓練分類樣本正確率條件，基于RVI的閾值判別設定為：

條件1：RVINOW－RVIBefore＞0.35

條件2：0.97＞RVI＞0.92

條件3：RVI＞0.97

滿足此條件1判別為水華；在條件1的基礎上滿足條件2的為輕度水華，滿足條件3的為重度水華，其他則為正常水體（表2）。

表2 RVI分類精度評價結果Table 2 RVI classification accuracy evaluation result

分類圖（圖6a）顯示藍藻分布范圍擴散，湖泊中的一些前后變化大的較渾濁水體近紅外反射率差異大，易被混分。

圖6 基于三種指數的藍藻水華分類結果：（a）RVI；（b）NDVI；（c）EVIFig. 6 The classified results based on RVI (a), NDVI (b) and EVI (c), respectively

4.2 NDVI閾值監測

對于藍藻水華特別嚴重的水域，其紅光反射特別微小，RVI值將會無限增加，會影響到對藍藻水華污染強度分級閾值確定，因此選用差值植被指數NDVI可以消除此缺點，其算式如下依據滿足82%的訓練分類樣本正確率條件，NDVI指數的閾值判別設定為：

條件1：NDVINow－NDVIBefore＞0.22

條件2：0.39＞NDVI＞0.31

條件3：NDVI＞0.39

滿足此條件1判別為水華；在條件1的基礎上滿足條件2的為輕度水華，滿足條件3的為重度水華，其他則為正常水體（表3）。

表3 NDVI分類精度評價結果Table 3 NDVI classification accuracy evaluation result

依據NDVI分類的結果（圖6b），顯示出的藍藻范圍相對圖6a有所減小，湖泊中藍藻密度大的地方，對應的指數并沒有得到較好反映。

4.3 EVI閾值監測

發生藍藻水華水域一般都是受人類活動影響較嚴重的地區，周邊水體中存在大量水下植被或者泥沙等渾濁懸浮物，其反射特征趨近于土壤，而EVI通過加入藍色波段以增強植被信號，可校正土壤背景干擾信息。同時EVI能改進NDVI的某些缺陷，比如大氣噪聲、土壤背景以及飽和度問題。其算式如下

式中，C1、C2分別為大氣修正紅光修正和藍光修正參數，經驗參數為6和7.5，L為土壤調節參數，經驗值為1[11]。

依據滿足總體精度85%的訓練分類樣本正確率條件，NDVI指數的閾值判別設定為：

條件1：EVINow－EVIBefore＞0.26

條件2： 0.38＞EVI＞0.33

條件3：EVI＞0.38

滿足此條件1判別為水華；在條件1的基礎上滿足條件2的為輕度水華，滿足條件3的為重度水華，其他則為正常水體（表4）。

表4 EVI分類精度評價結果Table 4 EVI classification accuracy evaluation result

分類結果（圖6c）顯示了藍藻分布，其和圖6b差異不大，但在湖泊沿岸藍藻高密度地區和湖中藍藻低濃度地區的差異較NDVI有一些拉升，更有層次感。

4.4 檢驗及分析

分類結果在使用前須進行客觀可靠的精度驗證和分析，以保證遙感分類結果可靠性，通過對保留50個樣本點作為檢驗數據，對分類結果進行驗證分析，得到了三種植被指數分類精度（表5）。

從表5中可以發現EVI監測方法的總體分類精度在檢驗樣本中仍然處于優勢，而RVI相對NDVI在KAPPA系數上精度較弱。

表5 三種方法分類精度比較Table 5 Comparison of classification accuracy of three methods

通過三種植被指數判別方法對HJ-1b遙感影像進行計算，利用樣本點確定的判別閾值，對東湖湖面的藍藻水華面積進行分類提取，結果見表6。

表6 藍藻水華三種指數判別閾值及提取結果Table 6 Cyanobacteria blooms identification thresholds and extraction results based on three index models

從表6可以看出，利用RVI提取的水華面積最大，EVI和NDVI較為接近，NDVI稍小，表明RVI用單純的比值容易擴大水華范圍，效果較后兩者差；EVI提取的重度水華面積較NDVI提取得略大，表明EVI對湖泊沿岸一些重度藍藻提取較為準確。

根據武漢湖泊監管部門的公開數據顯示，與實際東湖藍藻情況相比，遙感監測數據偏大，分析其主要原因可能是部分輕度藍藻水華面積沒統計在內。

5 結論與討論

通過以上對武漢東湖藍藻案例研究表明，HJ-1 CCD數據完全可以應用到城市內湖的藍藻水華監測中，其相對EOS-MODIS等中尺度衛星遙感數據具有高空間分辨率優勢，同時HJ-1a/b CCD兩天的重返周期也使得數據開展動態湖泊生態環境監測的及時可靠性得到保障。

對于城市湖泊水質遙感研究，為剔除城市上空中大氣氣溶膠散射干擾，大氣校正工作必不可少，通用大氣參數設置，利用MORTRAN4+輻射傳輸模型對HJ-1衛星快速大氣基礎校正，可以增強藍藻水體和其他地物的光譜差異，有利于城市內湖藍藻水華信息提取。

藍藻的類植被光譜特征決定了遙感監測方法，通過RVI、NDVI和EVI三種指數方法對湖泊藍藻監測發現，前期的樣本選擇和分類訓練參數設定都會影響到植被指數的判別公式閾值率定，從而影響到分類精度和指數方法的判斷。從實驗分類結果看，RVI和其他兩種指數檢測結果較實際情況差異稍大，對渾濁水體和藍藻容易混分，而EVI和NDVI的檢測效果相近，EVI對于高濃度的藍藻分類相對NDVI有一定優勢。

運用多時相HJ-1遙感影像數據快速監測城市內湖局部的藍藻技術方法可行，結果與實際情況相吻合，精度較高。但以下問題需進一步研究：1）湖泊中存在著多種藻類和其他污染，具有不同的光譜特征，需利用高光譜波段數據進一步區分；2）藍藻的衛星遙感與地面光譜儀測量得到的光譜特征需要進一步擬合分析；3）水質數據應用和實地測量驗證需要進一步完善。