基于高分六號衛(wèi)星遙感影像的太湖葉綠素a質(zhì)量濃度反演

潘 鑫，楊 子，楊英寶，孫怡璇，孫浦韜，李藤藤

(河海大學(xué)地球科學(xué)與工程學(xué)院，江蘇 南京 211100)

目前國內(nèi)外使用較多的葉綠素a濃度反演模型主要有3種：經(jīng)驗?zāi)Ｐ?、生物光學(xué)模型以及半經(jīng)驗/半分析模型，3種模型各有其優(yōu)勢及局限性。祝令亞[1]以太湖為研究區(qū)，采用MODIS數(shù)據(jù)，用波段組合算法建立了葉綠素a濃度的反演模型。溫新龍等[2]以太湖為例，基于環(huán)境一號衛(wèi)星CCD數(shù)據(jù)，利用波段組合算法，發(fā)現(xiàn)基于CCD數(shù)據(jù)第4波段與第3波段反射率比值的二次模型具有良好的葉綠素a濃度反演效果。朱利等[3]基于環(huán)境一號衛(wèi)星多光譜數(shù)據(jù)，建立了分地區(qū)季節(jié)經(jīng)驗?zāi)Ｐ头囱萑~綠素a濃度。李旭文等[4]基于Landsat TM數(shù)據(jù)和地表實測數(shù)據(jù)建立了經(jīng)驗?zāi)Ｐ?并對梅梁湖區(qū)藍(lán)藻生物量進(jìn)行了估算，證明葉綠素a濃度和DVI(差異植被指數(shù))的相關(guān)性較高。李素菊等[5]基于波段比值(the band ratio,TBR)模型及一階微分模型進(jìn)行了巢湖流域浮游植物葉綠素含量和反射率光譜特征關(guān)系的研究。李銅基等[6]基于數(shù)理統(tǒng)計方法，結(jié)合實測數(shù)據(jù)，建立了以色素質(zhì)量濃度0.7 mg/m3為分界點時地表反射率與葉綠素a濃度的關(guān)系。段洪濤等[7]以查干湖區(qū)域為研究區(qū)，基于葉綠素?zé)晒夥?700 nm)和葉綠素吸收峰(670 nm)的反射率比值與葉綠素a濃度的對數(shù)關(guān)系建立了使用高光譜數(shù)據(jù)的經(jīng)驗回歸模型。劉忠華[8]基于單波段葉綠素a濃度模型對太湖流域西部進(jìn)行了研究，表明葉綠素a濃度在712 nm波長處與地表反射率的相關(guān)性最強(qiáng)。關(guān)于單波段模型，Rundquist等[9]基于對大量實測數(shù)據(jù)的研究，認(rèn)為葉綠素a濃度在690 nm波長處與地表反射率的相關(guān)性較高。趙碧云等[10]基于不同波段反射率與葉綠素a濃度的相關(guān)性建立了針對TM遙感數(shù)據(jù)的葉綠素a水質(zhì)反演模型，并研究了滇池流域的水質(zhì)，證明TBR模型可以消除部分大氣對反演結(jié)果的影響，一定程度提高了反演精度。上述研究表明，經(jīng)驗?zāi)Ｐ途植糠囱菥容^高，且模型構(gòu)建方法簡單，但實測數(shù)據(jù)的質(zhì)量對其反演結(jié)果影響較大，在不同空間和時間尺度的適用性不強(qiáng)。

在葉綠素a濃度的生物光學(xué)模型研究中，Gordon等[11]提出了具有代表性的生物光學(xué)模型基本公式，但該模型中的各部分參數(shù)定量表征復(fù)雜；李云梅等[12]等建立了基于模擬數(shù)據(jù)的生物光學(xué)模型，并且成功進(jìn)行了太湖流域的葉綠素a濃度反演；Lee等[13]提出了QAA(quasi-analytical algorithm)，主要應(yīng)用于二類水體葉綠素a濃度的估算。Li等[14]則提出了葉綠素a濃度反演分析IIMIW模型。生物光學(xué)模型的參數(shù)受到水體組成成分的影響較大，在時間和空間尺度上的普適性同樣有待提高。

Dall’Olmo等[15]提出了基于半經(jīng)驗/半分析模型的三波段(three band semi-analysis,TBS)模型，Le等[16]研究表明，近紅外波段吸收系數(shù)受渾濁水域懸浮物濃度的影響，須引入第4個波段以消除懸浮物濃度造成的影響，并將三波段算法發(fā)展成為四波段模型。黃昌春等[17]利用具有較大時空差異性的水體組分和光學(xué)特性數(shù)據(jù)集對現(xiàn)有葉綠素a濃度的半分析模型和生物光學(xué)模型進(jìn)行了檢驗，三、四波段模型總體反演精度高。徐祎凡等[18]以太湖為研究區(qū)，利用TBS算法構(gòu)建了基于地球靜止海洋彩色成像儀數(shù)據(jù)(GOCI)的太湖葉綠素a濃度反演模型。Zhang等[19]在研究中指出，季節(jié)變化會引起水體組分變化，導(dǎo)致算法具有局限性，提出了一種軟分類方法對常用的半分析模型進(jìn)行了實驗，通過分類來提高反演精度。

目前葉綠素a濃度遙感反演大多基于中低分辨率遙感數(shù)據(jù)，精度有待提高。本文采用我國首顆具有紅邊波段的高分六號(GF-6)衛(wèi)星遙感影像進(jìn)行了太湖流域葉綠素a質(zhì)量濃度反演研究，并進(jìn)行了不同反演模型的精度分析，以尋求基于高分六號衛(wèi)星遙感影像反演葉綠素a質(zhì)量濃度的最佳模型。

1 葉綠素a質(zhì)量濃度反演方法簡介

本文選用基于經(jīng)驗?zāi)Ｐ秃桶虢?jīng)驗/半分析模型進(jìn)行葉綠素a質(zhì)量濃度的反演。基于經(jīng)驗?zāi)Ｐ偷娜~綠素a質(zhì)量濃度反演模型有TBR模型和歸一化差異葉綠素指數(shù)(normalized differential chlorophyll index，NDCI)模型，基于半經(jīng)驗/半分析模型的葉綠素a質(zhì)量濃度反演模型有TBS模型，3種模型計算公式分別為

(1)

(2)

(3)

式中:ρ(Chl-a)——葉綠素a質(zhì)量濃度；A、B——常數(shù)；Ra、Rb、Rc、Rd、Re、Rf、Rg——參與計算的遙感反射率。

為了評價葉綠素a質(zhì)量濃度反演模型的精度，采用平均值偏差(DMC)、標(biāo)準(zhǔn)差偏差(DSD)、平均絕對誤差(AE)、平均相對誤差(MRE)、均方根誤差(RMSE)為精度評價指標(biāo)。

2 研究區(qū)概況和研究數(shù)據(jù)

2.1 研究區(qū)概況

太湖流域的地理位置為30°55′40″N～31°32′58″N、119°52′32″E～120°36′10″E，屬于亞熱帶季風(fēng)氣候區(qū)，降水充足，年平均降水量1 177 mm，多年平均天然年徑流量160.1億m3。太湖流域的地形特點為四周高、中間低、西部高、沿海的東部地區(qū)低。太湖流域河網(wǎng)密布，湖泊眾多，總面積大于0.5 km2的湖泊共計189個，其中太湖富營養(yǎng)化最嚴(yán)重的地區(qū)是梅梁灣[20]。這些湖泊可以調(diào)節(jié)河川徑流，同時具有灌溉等多種功能，豐富的湖泊資源成為太湖流域社會經(jīng)濟(jì)發(fā)展的基礎(chǔ)條件。太湖是太湖流域內(nèi)面積最大的湖泊，是我國第二大淡水湖，面積2 338 km2，多年平均蓄水量44.28億m3。

2.2 研究數(shù)據(jù)

2.2.1 高分六號衛(wèi)星遙感影像

高分六號衛(wèi)星是我國高分專項系列中發(fā)射的第一顆具有紅邊波段的國產(chǎn)衛(wèi)星[21]，于2018年6月2日在酒泉衛(wèi)星發(fā)射中心成功發(fā)射并入軌運(yùn)行，屬于太陽同步衛(wèi)星，其軌道高度為645 km。高分六號衛(wèi)星搭載了2臺全色多光譜相機(jī)、4臺多光譜相機(jī)，有8個波段，空間分辨率為16 m。相對于高分系列的其他衛(wèi)星，高分六號衛(wèi)星新增了4個波段，其中有2個紅邊波段、1個紫光波段和1個黃光波段。紅邊波段更有利于利用植物的“陡坡效應(yīng)”，可以有效地監(jiān)測植被信息，適合于環(huán)境監(jiān)測以及植被監(jiān)測，在水體富營養(yǎng)程度方面的監(jiān)測還有待研究。

本文采用的遙感數(shù)據(jù)是高分六號衛(wèi)星寬幅傳感器獲取的太湖地區(qū)2018年10月28日、2019年4月6日和2019年6月3日的3幅影像，圖像像素大小為16 m×16 m，為經(jīng)過預(yù)處理的L1A級數(shù)據(jù)。高分六號衛(wèi)星遙感影像的預(yù)處理主要包括傳感器校正和大氣校正兩個過程。傳感器校正又被稱作輻射定標(biāo)過程，其目的主要是消除傳感器自身在遙感影像中造成的誤差，這一步只是得到比較準(zhǔn)確的大氣頂層的輻射亮度，因為地表反射的太陽輻射在經(jīng)過大氣傳輸后仍然會有所改變，因此還需要進(jìn)行大氣校正。經(jīng)過大氣校正后的反射率誤差很小，可用于葉綠素a質(zhì)量濃度的反演。

2.2.2 實測數(shù)據(jù)

實測數(shù)據(jù)包括1期24個采樣點的葉綠素a質(zhì)量濃度和實測水面光譜反射率，以及5個自動監(jiān)測站的3期葉綠素a質(zhì)量濃度數(shù)據(jù)。24個采樣點的采樣日期為2018年4月25—26日；3期自動監(jiān)測站的采樣日期分別為2018年10月28日、2019年4月6日和2019年6月3日，監(jiān)測站分別為大雷山、漫山、西山西、焦山和漾西崗。

實測的樣點數(shù)據(jù)被分成兩個部分：第一部分使用具有實測水面光譜反射率以及葉綠素a質(zhì)量濃度的采樣點數(shù)據(jù)，用來建立葉綠素a質(zhì)量濃度計算模型，稱為建模數(shù)據(jù)，共計24個；第二部分使用不具備實測水面光譜反射率，只包含葉綠素a質(zhì)量濃度的樣點數(shù)據(jù)，用來檢驗?zāi)Ｐ偷姆囱菥龋Q為檢驗數(shù)據(jù)，共計15個。

a.葉綠素a質(zhì)量濃度測定。采用分光光度法在實驗室中測定,對采集的水樣使用GF/C濾膜過濾，將抽濾水樣的體積記為V1。然后將濾膜放到冰箱中冷凍，48 h后取出，再用熱乙醇萃取，后在島津UV2401分光光度計上測定665 nm和750 nm處吸光度，并計算2個吸光度的差A(yù)1,再加入稀鹽酸酸化測定酸化后的提取液在665 nm和750 nm處的吸光度差A(yù)2，提取液的最終定容體積記為V2，根據(jù)下式換算得到葉綠素a質(zhì)量濃度：

(4)

b.水體光譜采集。采用ASDHandHeld2便攜式地物光譜儀采集太湖清潔水體和藍(lán)藻水華水面光譜。光譜范圍為350～1 075 nm，光譜分辨率為1 nm。光譜采集過程中儀器距離水面約1 m，采用傾斜測量的方式進(jìn)行[22]，獲得的實測水面反射率光譜曲線見圖1。

圖1 太湖水體實測反射率光譜曲線Fig.1 Measured reflectance spectral curve of Taihu Lake water

3 反演模型的構(gòu)建與精度評價

3.1 高分六號衛(wèi)星的波段模擬

實測反射率采樣當(dāng)天沒有高分六號衛(wèi)星過境，所以只能進(jìn)行波段模擬，通過模擬波段反射率來建立衛(wèi)星反射率和葉綠素a質(zhì)量濃度之間的相關(guān)關(guān)系。高分六號衛(wèi)星傳感器有8個波段，波段范圍為450～890 nm，在對高分六號衛(wèi)星進(jìn)行葉綠素a敏感波段分析的過程中，無法直接用實測遙感反射率(Rrs)與高分六號衛(wèi)星遙感反射率(RGF-6)進(jìn)行替換。因此，需要根據(jù)高分六號衛(wèi)星的光譜響應(yīng)函數(shù)，先對實測遙感反射率做波段等效，波段等效計算公式為

(5)

式中：λ——波長；Rrsλ——波長λ處的遙感反射率；fλ——波長λ處的高分六號衛(wèi)星的光譜響應(yīng)函數(shù)；450 nm、910 nm——高分六號衛(wèi)星最短、最長波長。高分六號衛(wèi)星的光譜響應(yīng)函數(shù)如圖2所示(圖中B1～B8分別表示高分六號衛(wèi)星的8個波段)。根據(jù)高分六號衛(wèi)星的光譜響應(yīng)函數(shù)建立的實測數(shù)據(jù)等效波段反射率如3所示。

圖2 高分六號衛(wèi)星光譜響應(yīng)函數(shù)曲線Fig.2 Spectral response function curve of GF-6 satellite

圖3 高分六號衛(wèi)星模擬波段反射率Fig.3 Simulated band reflectance of GF-6 satellite

與圖1太湖水體的實測反射率光譜曲線進(jìn)行比較，高分六號衛(wèi)星在550 nm與700 nm附近出現(xiàn)反射率的峰值，其對應(yīng)的波段為B2與B5，實測反射率的峰值出現(xiàn)在560 nm以及710 nm附近，分別處于B2波段和B5波段的范圍內(nèi)。高分六號衛(wèi)星在660 nm處出現(xiàn)反射率吸收峰，對應(yīng)的波段為B3波段，實測反射率的吸收峰出現(xiàn)在670 nm附近，處于B3波段范圍內(nèi)，可見，高分六號衛(wèi)星模擬波段的反射率特征和實測波段的反射率特征一致，可以替代實測數(shù)據(jù)反射率進(jìn)行敏感波段的選擇。

3.2 反演模型構(gòu)建

3.2.1 TBR模型

采用24組實測葉綠素a質(zhì)量濃度數(shù)據(jù)和對應(yīng)采樣點的光譜數(shù)據(jù)來選擇TBR模型最佳波段，將衛(wèi)星波段范圍內(nèi)每個等效波段的反射率分別除以其余所有等效波段的反射率，用得到的比值與葉綠素a質(zhì)量濃度計算相關(guān)系數(shù)，取相關(guān)性最大的2個波段作為最佳波段，求得高分六號衛(wèi)星的最佳波段為B2(波段1)和B5(波段2)。高分六號衛(wèi)星的TBR指數(shù)與葉綠素a質(zhì)量濃度的關(guān)系見圖4(圖中TBR指數(shù)表示高分六號衛(wèi)星第2波段和第5波段反射率的比值)。

圖4 高分六號衛(wèi)星TBR指數(shù)與葉綠素a質(zhì)量濃度的關(guān)系Fig.4 Relation between TBR index and chlorophyll a mass concentration of GF-6 satellite

3.2.2 NDCI模型

NDCI模型最佳波段選擇方法同TBR模型，得到高分六號衛(wèi)星的最佳波段為B2(波段1)和B5(波段2)。高分六號衛(wèi)星的NDCI指數(shù)與葉綠素a質(zhì)量濃度的關(guān)系見圖5(圖中NDCI指數(shù)表示高分六號衛(wèi)星第2波段和第5波段反射率之差除以二者之和)。

圖5 高分六號衛(wèi)星NDCI指數(shù)與葉綠素a質(zhì)量濃度的關(guān)系Fig.5 Relation diagram of NDCI index and chlorophyll a mass concentration of GF-6 satellite

3.2.3 TBS模型

采用24組實測的葉綠素a質(zhì)量濃度數(shù)據(jù)和對應(yīng)采樣點的光譜數(shù)據(jù)來選擇TBS模型最佳波段，按照最優(yōu)波段選擇的方法，將實測的水面光譜反射率替換成高分六號衛(wèi)星的模擬波段,求得高分六號衛(wèi)星的最佳波段為B3(波段1)、B6(波段2)和B2(波段3)。高分六號衛(wèi)星TBS指數(shù)與葉綠素a質(zhì)量濃度的關(guān)系如圖6所示。

圖6 高分六號衛(wèi)星TBS指數(shù)與葉綠素a質(zhì)量濃度的關(guān)系Fig.6 Relation diagram of TBS index and chlorophyll a concentration of GF-6 satellite

TBS指數(shù)計算公式為

(6)

式中：ITBS——TBS指數(shù)值；εB2、εB3、εB6——高分六號衛(wèi)星第2、3、6波段的反射率。

3.3 反演結(jié)果的定性比較

選取2019年4月6日高分六號衛(wèi)星遙感影像，采用3種模型來進(jìn)行太湖葉綠素a質(zhì)量濃度的反演，影像的假彩色合成和3種模型提取的葉綠素a質(zhì)量濃度分布如圖7所示。

從圖7可以看出，太湖中葉綠素a質(zhì)量濃度較高的區(qū)域一般分布在南部沿岸區(qū)、竺山湖與西部沿岸區(qū)的交界處和東太湖。其中NDCI模型和TBR模型葉綠素a質(zhì)量濃度反演的結(jié)果比較相似，而在南部沿海岸區(qū)TBS模型反演的高質(zhì)量濃度葉綠素a的量要比NDCI模型和TBR模型多。

圖7 太湖葉綠素a質(zhì)量濃度的分布(單位：mg/m3)Fig.7 Distribution of chlorophyll a mass concentration in Taihu Lake (units:mg/m3)

3.4 高分六號衛(wèi)星和MODIS遙感影像反演結(jié)果對比

基于MODIS的2019年4月6日的遙感影像，采用TBR、NDCI模型進(jìn)行太湖葉綠素a質(zhì)量濃度的反演，繼而與高分六號衛(wèi)星的反演結(jié)果進(jìn)行對比，結(jié)果見表1和圖8。從圖8可以看出，MODIS遙感影像反演的葉綠素a質(zhì)量濃度整體偏低。從表1可以看出，MODIS遙感影像反演的葉綠素a質(zhì)量濃度的DMC、DSD、AE、MRE、RMSE均要大于高分六號衛(wèi)星遙感影像的反演值，因此采用高分六號衛(wèi)星遙感影像反演葉綠素a質(zhì)量濃度是可靠的。

表1 高分六號衛(wèi)星與MODIS遙感影像反演精度對比Table 1 Inversion precision comparison between GF-6 satellite and MODIS data

圖8 高分六號衛(wèi)星與MODIS遙感影像反演結(jié)果對比(單位：mg/m3)Fig.8 Comparison of inversion results between GF-6 satellite and MODIS Data (units:mg/m3)

3.5 反演模型精度評價

未參與建模的樣點數(shù)(檢驗數(shù)據(jù))有15個，去除影像因薄云影響的5個數(shù)據(jù)，實際參與檢驗的數(shù)據(jù)為10個。采用3幅高分六號衛(wèi)星遙感影像對3種反演模型進(jìn)行精度評價，結(jié)果見表2。

表2 高分六號衛(wèi)星遙感影像反演葉綠素a質(zhì)量濃度的精度Table 2 Inversion accuracy of chlorophyll a mass concentration from GF-6 satellite image

由表2可見，TBS模型的DMC為4.27%，效果最好，NDCI模型的DMC為5.19%，略低于TBS模型，TBR模型的DMC為14.18%，說明TBR模型反演的葉綠素a質(zhì)量濃度的平均值與實測的葉綠素a質(zhì)量濃度的平均值誤差較大。DSD則是TBR模型較好，TBS模型次之，NDCI模型最差，3種模型的DSD均在43%～44%范圍內(nèi)，相差不到1%，說明3種模型反演結(jié)果的分布較為接近。TBR、NDCI、TBS模型的MRE分別為38.16%、35.28%和67.99%，說明TBR模型和NDCI模型的反演結(jié)果較好，TBS模型反演效果較差。

表3為高分六號衛(wèi)星3幅驗證遙感影像反演結(jié)果的AE和MRE平均絕對誤差統(tǒng)計表。可以看出，在3種模型中，驗證樣點最大MRE為86.76%，出現(xiàn)在TBS模型采用2019年6月3日衛(wèi)星遙感影像的反演結(jié)果中；最小MRE為22.27%，出現(xiàn)在NDCI模型采用2019年4月6日衛(wèi)星遙感影像的反演結(jié)果中。

表3 3幅高分六號衛(wèi)星遙感影像反演結(jié)果的AE和MRETable 3 Statistical table of AE and MRE of three GF-6 satellite images

綜合3幅遙感影像反演的平均結(jié)果來看，最大MRE和最大AE均出現(xiàn)在TBS模型中，最小MRE和最小AE出現(xiàn)在NDCI模型中。TBS模型的MRE均超過了50%，反演結(jié)果較差。TBS模型對太湖地區(qū)的葉綠素a質(zhì)量濃度預(yù)測值偏高，可能是太湖地區(qū)復(fù)雜的水質(zhì)情況導(dǎo)致TBS模型的精度較差。對2019年6月3日的衛(wèi)星遙感影像反演結(jié)果進(jìn)行分析，3種模型的MRE均超過了40%，AE均超過5 mg/m3，NDCI模型的結(jié)果比其他兩個模型效果稍好，但也較為一般。這可能因為實測葉綠素a質(zhì)量濃度數(shù)據(jù)都低于15 mg/m3的限制，所以本文建立的模型可能更適用于葉綠素a低質(zhì)量濃度的反演。對于2018年10月28的衛(wèi)星遙感影像，TBR和NDCI模型的MRE小于TBS模型。對2019年4月6日的衛(wèi)星遙感影像，TBR與NDCI模型反演結(jié)果的MRE接近，反演結(jié)果較為可靠。

4 結(jié) 論

a.TBR模型與NDCI模型的最佳波段為第2波段和第5波段，TBS模型的最佳波段為第2波段、第3波段和第6波段。

b.3種模型中，NDCI模型的MRE、AE和RMSE均最小，基于高分六號衛(wèi)星第2波段和第5波段構(gòu)建的NDCI模型比其他模型具有更好的精度和穩(wěn)定性，更適用于高分六號衛(wèi)星遙感影像在太湖葉綠素a質(zhì)量濃度反演方面的應(yīng)用。