基于實測數據的北海區海水表層葉綠素a濃度遙感定量反演

孫樂成 王娟 王林

摘要：為提高我國海洋水色遙感技術和海水環境監測水平，文章根據北海區海水遙感現場監測數據，基于經驗算法和熒光基線高度法的回歸分析，開展海水表層葉綠素a濃度的遙感定量反演，并選取北黃海近岸海域樣本數據進行算法檢驗。研究結果表明：遼東灣等9個北海區典型海域具有相同或相似海水表層光學特性，適宜建立海水表層葉綠素a濃度遙感定量反演模型;典型海域海水表層葉綠素a濃度與遙感反射率之間的相關關系較強，模型均為簡單波段比值模型;二類海水研究區域海水表層葉綠素a濃度與熒光基線高度之間的相關關系不明顯;北黃海近岸海域海水表層葉綠素a濃度的最優模型遙感定量反演值的相對誤差的平均值為0.669 μg/L。

關鍵詞：水色遙感;遙感反射率;經驗算法;簡單波段比值模型;海水環境

中圖分類號：X87;P76????文獻標志碼：A????文章編號：1005-9857（2019）04-0034-05

Quantitative Retrieval of Surface Chlorophyll?a Concentration in

North China Sea Area by Remote Sensing Based on On?site Measured Data

SUN Lecheng1，WANG Juan1，WANG Lin2

（1.North China Sea Environmental Monitoring Center，SOA，Qingdao 266033，China;

2.National Marine Environmental Monitoring Center，Dalian 116023，China）

Abstract：In order to improve the ocean color remote sensing technology and the level of marine environmental monitoring in China，the quantitative retrieval of sea surface chlorophyll?a concentration was carried out based on the North China Sea on?site measured data and the regression analysis of empirical algorithm and fluorescence line height method，and validation of algorithms in North Yellow Sea coastal waters was carried out.The results showed that nine typical sea areas in North China Sea，such as Liaodong Bay，had same or similar apparent optical properties of the sea surface water，so it was suitable to establish quantitative retrieval models of chlorophyll?a concentration in the sea surface water by remote sensing; the correlation between chlorophyll?a concentration and remote sensing reflectance in the surface water of typical sea areas was strong，and the best models were all simple band ratio models.The correlation between chlorophyll?a concentration and fluorescence line height was not obvious in the case ii sea water research zone; the average relative error of the best model for quantitative inversion of surface chlorophyll?a concentration in the North Yellow Sea coastal waters was 0.669 μg/L.

Key words：Ocean color remote sensing，Remote sensing reflectance，Empirical algorithm，Simple band ratio model，Seawater environment

0?引言

葉綠素a存在于所有浮游植物種群中，因此其濃度可反映水體中浮游植物的生物量，是評價水環境質量和富營養化程度的重要參數之一，也是計算水體初級生產力及其碳通量的主要變量。葉綠素a濃度是我國海洋環境監測的重要指標，其精準監測主要依靠船舶走航式監測，但獲取的數據是離散的，時間和空間分辨率較差。水色遙感技術使海水表層葉綠素a濃度的大面積同步監測和高頻率重復監測成為可能。

在水色遙感技術數十年的發展歷程中，國內外學者提出多種定量反演水體葉綠素a濃度的算法，主要包括經驗法、半經驗法和分析法[1]。這些算法一般適用于以浮游植物為主的大洋水體，而對于物質來源復雜的海岸帶水體，受海水黃色物質吸收和泥沙散射的影響會產生很大的誤差[2]。國際海洋水色協調工作組（IOCCG）于2000年討論海岸帶和其他光學復雜水體的遙感定量反演算法[3]，后又對11種遙感固有光學量算法進行測試[4]，其中包括利用葉綠素a濃度計算的波段比值經驗算法[5]。

我國已建立區域海洋水色水溫遙感模型，并利用遙感技術監測赤潮和污染物以及開展漁場環境和水質的分類速報等，關于水體表層葉綠素a濃度的遙感定量反演研究已涵蓋我國內陸水體[6-10]和近岸海域[11-16]、北太平洋漁場[17]以及南極普里茲灣[18]等，但多數模型對于單次實驗數據的依賴度過高，不可避免地具有一定的局限性。本研究根據海水表層葉綠素a濃度和遙感反射率的實測數據，采用回歸分析的方法，開展北海區海水表層葉綠素a濃度遙感定量反演，總結海水表層葉綠素a濃度與遙感反射率的相關關系，并對北黃海近岸海域海水表層葉綠素a濃度的遙感定量反演算法進行檢驗。

1?數據和方法

1.1?數據

本研究采用2015—2017年原國家海洋局北海分局獲取的海水遙感現場監測數據。為確保數據準確性，最大限度地剔除云、霧和氣等對數據的影響，選取9—15時的監測數據作為樣本數據。其中，2015—2016年的數據用于海水表層葉綠素a濃度遙感定量反演，2017年的數據用于算法檢驗。

根據《海洋調查規范》（GB/T 12763-2007）的要求采集和分析數據：對海水表層葉綠素a濃度采用CTD以及萃取熒光法和分光光度法，對海水表層遙感反射率采用ASD FS3和HH2地物光譜儀以及水面以上測量法。

1.2?方法

根據《海洋監測技術規程》（HY/T 147-2013），分別研究一類和二類海水表層葉綠素a濃度遙感定量反演。針對一類海水表層葉綠素a濃度，采用經驗算法進行遙感定量反演，選取簡單波段比值模型和最大波段比值模型，在擬合過程中選取決定系數最高的模型作為最佳算法，并確定相應的經驗系數;針對二類海水表層葉綠素a濃度，采用熒光基線高度法進行遙感定量反演，選取線性模型和非線性模型，同樣在擬合過程中選取決定系數最高的模型作為最佳算法，并確定相應的經驗系數。

1.2.1?經驗算法

簡單波段比值模型為：

ρ=10（a0+a1×r+a2×r2+a3×r3）+a4（1）

式中：ρ為海水表層葉綠素a濃度;a0～a4為簡單波段比值模型的經驗系數;r為2個波段遙感反射率比值的對數值。

最大波段比值模型為：

ρ=10（a5+a6×R+a7×R2+a8×R3+a9×R4）（2）

式中：a5～a9為最大波段比值模型的經驗系數;R為2個波段遙感反射率最大比值的對數值。

1.2.2?熒光基線高度法

熒光基線高度的計算公式為：

FLH=LF-LR+R-FR-L（LL-LR）（3）

式中：R、F和L分別為熒光峰右側基線波段、熒光峰波段和熒光峰左側基線波段;LR、LF和LL分別為上述波段的歸一化離水輻亮度。

當葉綠素a濃度較低時，采用線性函數模擬熒光基線高度與葉綠素a濃度的關系，線性模型為：

FLH=a10+a11ρ（4）

式中：a10和a11為線性模型的經驗系數。

隨著葉綠素a濃度的逐漸增大，熒光基線高度的增加逐漸變緩，采用指數函數模擬熒光基線高度與葉綠素a濃度的關系，非線性模型為：

FLH=a12+a13exp ρa14（5）

式中：a12～a14為非線性模型的經驗系數。

本研究在數據處理過程中采用MODIS傳感器的光譜響應函數;在經驗算法中，采用412 nm、443 nm、488 nm、531 nm和551 nm波段;在熒光基線高度法中，R、F和L分別采用667 nm、678 nm和748 nm波段。

2?北海區海水表層葉綠素a濃度與遙感反射率的回歸分析

本研究共獲取用于海水表層葉綠素a濃度遙感定量反演的樣本數據160組，站位分布如圖1所示。

由圖1可以看出，不同葉綠素a濃度區間在北海區的空間分布范圍較廣。

2.1?基于經驗算法的回歸分析

分別以北海區、渤海和北黃海為研究區域進行回歸分析（表1）。

由表1可以看出，由于決定系數較低，很難用1個模型在3個研究區域內實現海水表層葉綠素a濃度遙感定量反演，表明在整體上3個研究區域海水表層葉綠素a濃度與遙感反射率之間的相關關系不強。

根據圖1，（0.5，1.0]μg/L的葉綠素a濃度區間在北海區大部分海域均有分布，但分布海域的海水表層光學特性卻明顯不同。由于海水表層光學特性不同的海域分布有相同的葉綠素a濃度區間，建立決定系數較高的北海區海水表層葉綠素a濃度遙感定量反演模型應聚焦具有相同或相似海水表層光學特性的典型海域。

根據多年對海水表層光學特性的現場調查和經驗判斷，本研究將北海區劃分遼東灣、渤海中部和河北省近岸、渤海灣、渤海灣與萊州灣之間、萊州灣、萊州灣北部、渤海海峽、北黃海大部分以及北黃海近岸9個典型海域，開展海水表層葉綠素a濃度遙感定量反演，其中決定系數最高的模型均為簡單波段比值模型（表2）。

由表2可以看出，北海區典型海域海水表層葉綠素a濃度與遙感反射率之間的相關關系較強，相關關系較強的模型均為簡單波段比值模型。

2.2?基于熒光基線高度法的回歸分析

由于熒光基線高度法適用于二類或赤潮海水的海水表層葉綠素a濃度的遙感監測，本研究根據2015—2016年北海區現場監測數據，選取二類海水面積覆蓋較多的遼東灣、渤海灣和萊州灣作為研究區域（表3）。

由表3可以看出，在3個研究區域內未發現海水表層葉綠素a濃度與熒光基線高度之間有明顯的相關關系。

3?算法檢驗

以2017年北海區海水遙感現場監測數據為數據源，共獲取樣本數據142組。將樣本數據按照北海區典型海域的劃分進行區域屬性賦值，得到可用于算法檢驗的樣本數據124組（表4）。

根據《海洋監測技術規程》（HY/T 147—2013），在算法建立過程中，最優模型決定系數不應低于0.800，可用于算法檢驗的樣本數據不應低于15組。因此，本研究選取滿足要求的北黃海近岸海域的樣本數據。

根據回歸分析結果，在參與回歸分析的樣本數據范圍內，北黃海近岸海域海水表層葉綠素a濃度的最優反演模型為531 nm波段和551 nm波段遙感反射率比值的對數值的簡單波段比值模型：

ρ=10（-5.521+510.741r+9 967.462r2+1 232 709.269r3）+0.538（6）

利用該模型計算得到15組樣本數據的海水表層葉綠素a濃度遙感定量反演值（表5）。

計算遙感定量反演值的相對誤差的平均值：

Δρ=∑ni=1ρri-ρmiρmin（7）

式中：n為檢驗站位總數;ρri和ρmi分別為第i個檢驗站位海水表層葉綠素a濃度的遙感定量反演值和實測值。

經計算，北黃海近岸海域海水表層葉綠素a濃度的最優模型遙感定量反演值的相對誤差的平均值Δρ=0.669 μg/L。

4?結語

本研究根據北海區歷年海水遙感現場監測中對海水表層光學特性的直觀理解劃分9個典型海域，存在一定的隨機性，回歸分析結果不能完全代表北海區所有海域，今后可根據實際業務需要選取目標海域進行回歸分析，以確定特定海域內海水表層葉綠素a濃度遙感定量反演的最優模型。此外，每個典型海域內參與計算的樣本數據可能不足以完全代表該海域的海水表層光學特性，今后可在海水遙感現場監測中繼續補充典型海域的樣本數據，不斷完善最優模型，以提高定量反演算法的準確性。

隨著陸源污染綜合治理和渤海專項整治的持續實施，在北海區海洋生態環境持續向好的遞進效應影響下，已完成回歸分析的9個典型海域的海洋水色環境可能發生變化，相同葉綠素a濃度海水表層的光學特性也會隨之變化，因此須相應調整典型海域最優模型的經驗系數和參與比值計算的衛星波段。

在距岸較近海域（如渤海灣和遼東灣）海水遙感現場監測過程中，由于水深較淺，船舶的擾動會帶起大量泥沙，導致監測點海水水色突變，由此得到的現場監測數據在回歸分析中會極大地降低模型的準確性。因此，在海水遙感現場監測過程中，應詳細記錄監測環境，對于監測環境異常的站位或海水表層光學監測點與葉綠素a濃度采樣點水色環境不一致的站位，應從樣本數據中剔除。

參考文獻

[1]?陳曉玲，趙紅梅，田禮喬.環境遙感模型與應用[M].武漢：武漢大學出版社，2008.

[2]?潘德爐，毛志華.海洋水色遙感機理及反演[M].北京：海洋出版社，2012.

[3]?International Ocean Color Coordinating Group.IOCCG Report 3：remote sensing of ocean colour in coastal and other optically?complex waters[R/OL].（2015-02-24）[2018-09-29].http：//www.ioccg.org/reports/reports3.pdf.

[4]?International Ocean Color Coordinating Group.IOCCG Report 5：remote sensing of inherent optical properties：fundamental，tests of algorithms，and applications[R/OL].（2015-02-24）[2018-09-29].http：//www.ioccg.org/reports/reports5.pdf.

[5]?MOREL A，MARITORENA S.Bio?optical properties of oceanic waters：a reappraisal[J].Journal of Geophysical Research Oceans，2002（106）：7163-7180.

[6]?楊碩，王世新，周藝，等.基于光譜匹配的內陸水體反演算法[J].光譜學與光譜分析，2010，30（11）：3056-3060.

[7]?韓秀珍，鄭偉，劉翔.基于實測光譜的太湖水體表面離水反射率研究[J].國土資源遙感，2010（3）：54-57.

[8]?張運，馮學智，馬榮華.內陸水體葉綠素a遙感信息提取的研究現狀與進展[J].生態經濟，2009（5）：139-143.

[9]?馬榮華，戴錦芳.太湖水色遙感中葉綠素和懸浮物的高光譜分析[A].2005遙感科技論壇暨中國遙感應用協會2005年年會論文集[C].北京：中國宇航出版社，2009.

[10]?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渾濁太湖水體葉綠素a[J].湖泊科學，2008，20（2）：153-159.

[11]?黃海清，何賢強，王迪峰，等.神經網絡法反演海水葉綠素濃度的分析[J].地球信息科學，2004，6（2）：31-36.

[12]?楊斌，田力，徐雯佳，等.河北海域葉綠素紀濃度遙感反演業務化算法[J].海洋預報，2017，34（2）：60-66.

[13]?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.

[14]?陳曉玲，李毓湘，李志林.香港海域葉綠素a濃度的時空分布規律[J].地理學報，2002，57（4）：422-428.

[15]?王林，楊建洪，趙冬至.大連灣及鄰近海域水體葉綠素濃度熒光遙感算法研究[J].應用海洋學學報，2014，33（1）：111-117.

[16]?向先全，路文海，許艷，等.基于空間自相關分析方法的渤海灣赤潮遙感葉綠素濃度研究[J].海洋通報，2015，34（3）：344-352.

[17]?毛志華，朱乾坤，龔芳.衛星遙感北太平洋漁場葉綠素a濃度[J].水產學報，2005，29（2）：270-274.

[18]?金思韻，潘建明，韓正兵.南極夏季普里茲灣葉綠素a的時空變化研究[J].極地研究，2012，24（4）：361-370.