基于高光譜數據的水體溶解氧反演研究

劉元藝 田正航 唐曉燕

（南陽理工學院信息工程學院，河南 南陽 473004）

0 引言

隨著社會的不斷發展，我國工業和城市用水量也越來越大，水資源供需日趨緊張。另外，由于很多城鎮生活污水和工業廢水是排放到海洋中的，因此會對海洋生態造成污染，這已經成為工業發展乃至社會發展的障礙。

水質參數中溶解氧（DO）的含量是海洋各類生物生存的必要物質條件，其可以作為一個判斷污染程度的重要衡量標準。目前，國內外已經逐漸開始使用高光譜遙感技術進行關于水質監測的研究。該技術使用的衛星傳感器不僅具有回訪周期性，而且還具有數據獲取容易（與人工檢測相比）、水質反演覆蓋面積較大的優點，不需要消耗大量人力、財力。呂航等人采用高光譜遙感數據并結合該地區水面同步觀測數據找出了水質參數與單波段反射率、不同波段反射率比以及不同波段反射率差值的相關性，得出溶解氧的敏感波段組合為B（636 nm）/B（669 nm）和B（636 nm）/B（674 nm）。該文選取香港近海區域的水體作為研究區，使用HJ-1A衛星HSI數據對香港近海區域DO濃度進行反演研究，根據高光譜反射率數據與研究區水體DO濃度的相關性分析，使用線性回歸方法建立高光譜遙感反射率與水體DO濃度的反演模型。

1 數據獲取及預處理

1.1 獲取實測數據與衛星遙感數據

研究區地處北緯22°26′，東經114°12′。該文所用實測DO數據來自香港特別行政區76個水質監測站，香港環保署每月收集海水各項水質參數樣本1次。根據高光譜圖像經、緯度范圍的限制，取其中MM區、SM區以及VM區共計42個監測站為主要數據源。

所需遙感影像的基本要求如下：1） 圖像分辨率高。2）條帶噪聲少。3）云覆蓋量低于5%或對水體區域無遮擋。4） 盡可能地保證衛星圖像拍攝日期與水源數據日期一致，以保證地面監測站數據和衛星高光譜數據可以在允許的誤差內達到同步。因此，該文使用中國資源衛星應用中心下載2014年1月HJ-1A衛星HSI傳感器的2級高光譜影像產品數據。HJ-1A高光譜數據由HJ-1A衛星搭載的高光譜成像光譜儀（HSI）獲取。HSI傳感器的2級產品是經光譜修復、輻射校正和系統幾何校正的，并通過ArcGIS將校正后的圖像映射到衛星圖像拍攝地點的地圖投影坐標下的產品數據中。

1.2 衛星遙感數據處理

衛星數據的前期處理主要包括以下3個步驟：1） 光譜曲線輻射亮度值轉換。該步驟主要實現了從遙感影像像元亮度值（值）到絕對輻射亮度的轉化，這一過程對高光譜數據處理來說是比較簡單的。由于衛星拍攝時通常與地面的距離至少為500 km，拍攝時得到的真實地物輻射亮度值通常很低，因此衛星數據處理中心為了方便對輻射亮度數據進行處理、保存，在預處理前使用放大因子系數來放大地物輻射率的數值。該步驟將光譜曲線所顯示的值除以衛星處理時所放大的系數就可以得到絕對輻射亮度值，也就是真實地物輻射亮度值。2） 高光譜數據的存儲格式轉換。HJ-1A衛星原存儲格式為H5文件，經ENVI打開后，系統默認為BSQ格式存儲，而在進行FLAASH大氣校正過程中要求數據以BIL或BIP格式存儲，因此原始高光譜數據的存儲格式應使用Convert Interleave工具進行轉換（由BSQ格式轉換為BIL格式）。3） 波段去除。高光譜影像在衛星拍攝時，由于大氣吸收等因素在光譜圖上會出現條帶噪聲，從而導致影像在某一波段的質量較差，因此該文根據高光譜圖像各個波段的圖像質量，去除了HJ-1A高光譜影像中的前30個和后5個包括條帶噪聲的波段，剩余80個波段為數據保存較為良好的波段。

由于HJ-1A光譜數據只是經過了初步的幾何校正，為了使采樣點經緯度與高光譜衛星圖像完全匹配，并提高后續建模的精確度和準確性，因此需要對圖像進行幾何精校正，該文采用在地理空間數據云（https：//www.gscloud.cn/）網站上下載的同時期、同地區Landsat-8的衛星影像，由于Landsat-8影像產品級別較高，且已經經過幾何精校正，因此可以通過Landsat-8來定標校正HJ-1A所拍攝的高光譜影像的經、緯度。通過ENVI國產衛星匯總工具包讀取數據，使用Image Registration工具均勻選取校正點，通過系統自動添加的矯正點去除誤差較大的點，使誤差控制在0.77即可完成幾何精校正工作。

在完成數據前期處理工作后，由于HJ-1A高光譜衛星所攜帶的傳感器不可避免地受大氣的吸收和散射作用，地表反射數據和實際測量值之間有一定的差異，因此使用高光譜圖像反演地物的反射光譜信息，需要對其進行大氣校正。該文選用FLAASH大氣校正方法，該方法對校正參數的要求比較嚴格，稍有差錯都會對最終的結果造成很大的影響，在進行大氣校正前應該對衛星數據進行處理，使其符合以下要求：經過輻射定標之后的輻射率數據的頭文件中包括中心波長（）值和波段寬度（）值；要求是ENVI標準格式文件；以格式BIL存儲，以便FLAASH讀取處理。在ENVI的FLAASH大氣校正模塊中輸入從頭文件中讀取的各項定標參數， ENVI就可以根據各項信息完成大氣校正處理工作。由于衛星拍攝地點與時間的差別，因此氣溶膠模型的大小以及環境模型的類別都會對最終大氣校正的結果造成影響，應在中國資源衛星中心仔細查詢環境一號衛星的不同模型參數，以便縮小后續處理的誤差。大氣校正前后光譜曲線如圖1所示。

圖1 大氣校正前后光譜曲線

經過大氣校正后的光譜圖像數據不能準確反映水體物質的本質特征，尤其對高光譜數據源來說，其波段較多，且光譜曲線的波動范圍具有相似性，會使后續分析出現一定的誤差，且不便于直接從中提取易于計算的光譜曲線特征，因此需要在大氣校正之后通過包絡線去除操作對光譜曲線進行再次處理，以突出光譜曲線的特征。

該文通過使用ENVI中的Continuum Removal模塊工具讀取經大氣校正操作后的高光譜影像頭文件并進行包絡線去除操作，得到去除包絡線后的高光譜影像，最終得到歸一化的水體反射率。

2 半經驗線性回歸建模

2.1 皮爾遜相關性分析

采用衛星高光譜傳感器進行水域水質參數的光譜測量，并使用皮爾遜相關性分析法尋找水質參數的光譜特征，選擇具有最佳相關性的波段或波段組合，使用線性回歸等方法對該地區高光譜遙感數據和水質參數進行反演研究的方法被稱為半經驗法。該文使用半經驗線性回歸方法，通過水體表面反射率與水質參數濃度之間的關系構建水質參數反演模型。當建立水質參數反演模型時，先從高光譜圖像的光譜曲線中尋找水質參數的光譜特性，并對水質參數濃度和水體反射率進行皮爾遜相關性分析，尋找其中相關性絕對值最大的波段，并借此建立相應的反演模型。對2個變量、來說，它們之間的相關性可以用相關系數模型來計算。該文正是基于此關系，使用皮爾遜相關系數計算光譜波段的大小與歸一化反射率之間的相關性，皮爾遜相關性系數是用來衡量2組數據與之間線性關系的強度。且當皮爾遜相關性的絕對值在不同區間時，所代表的相關性也各不相同，應使相關性絕對值的大小盡可能地接近1，計算方法如下。

如果2組數據： {，，， …，X} 和： {，，，…，Y} 具有線性關系，那么皮爾遜相關系數如公式（1）、公式（2） 所示。

式中：P、P分別為數據集、的標準差；P為標準差的數學符號；Сov為協方差的數學符號；為、中數據的總個數；X、Y為數據集、中的數據；、分別為數據集、的平均值。

皮爾遜相關系數即2個數據集協方差與標準差的比值，取值為-1～1，其絕對值越接近1，說明相關性越顯著。當建立水質參數反演模型時，先從高光譜圖像的光譜曲線中尋找水質參數的光譜特性，并對水質參數濃度和水體反射率進行皮爾遜相關性分析，尋找其中相關性絕對值最大的波段，并建立相應的反演模型。如果效果不好，則對光譜曲線進行一階導數和二階導數或包絡線去除等處理，尋找具有明顯的特征波段，并對其進行相關性分析，該文最終選擇了包絡線去除的方法。該文使用SPSS 25軟件分析了HJ-1A遙感衛星的單波段反射率和DO濃度之間的相關關系，在SPSS軟件中輸入DO濃度作為一個變量，將HJ-1A高光譜80個波段的反射率作為另一個變量，建立雙變量皮爾遜相關關系，再建立實測數據與遙感反射率的相關關系，去除異常值之后的皮爾遜相關系數如圖2所示。

對去除包絡線后的實測溶解氧數據與HJ-1A影像光譜曲線建立的相關性圖像進行分析發現，在598 nm和656 nm處出現明顯的反射峰，在609 nm和669 nm處出現明顯的吸收谷。對這兩處的反射峰波段和吸收谷波段進行多次組合測試，尋找相關系數高的波段組合。分別對609 nm、669 nm、598 nm和656 nm進行反射峰與吸收谷的相加減、相乘除或其他的組合方式，最終獲得了以下的相關關系，波段組合相關系數如圖3所示。

圖3 波段組合皮爾遜的相關性系數

2.2 DO反演模型建立

該文選擇相關系數最高的A+A/B波段，并以該組合波段與溶解氧的關系建立線性回歸方程，為了保證模型的準確性，盡可能地減少隨機誤差，該文隨機抽取了29 個監測點數據，其中20個監測點數據為訓練集，其余9個監測點數據為預測集，取平均結果建立散點圖，并擬合回歸方程，最終得到的反演模型為= 39.68- 290.83+787.52-931.03+ 409.6，并通過計算得出擬合系數=0.639，反演效果較好，建立的模型圖如圖4所示。

圖4 線性回歸模型

利用模型預測剩下的9個監測站的溶解氧濃度對溶解氧模型的精度進行驗證，由實測值與預測值之間的擬合曲線可以看出模型的適用性，DO濃度的實測值和預測值的擬合曲線如圖5所示。根據實測值與預測值的線性回歸曲線分析可以看出模型的擬合程度較好，預測擬合系數指數也達到了0.669 8，說明運用數學模型建立溶解氧含量與遙感圖之間的關系的效果較好。

圖5 DO 實測值與預測值擬合曲線

3 結語

綜上所述，基于遙感的水質監測已經隨著水體污染的問題變得越來越重要，而基于常規水質監測的方法有許多缺點，會受各種因素的制約和限制，很難滿足較大水域范圍、實時空間動態以及便利快速的監測要求，該文通過查閱國內外基于遙感進行水質監測的理論、方法和技術，充分發揮了高光譜遙感的優勢，以香港近海區域為研究對象，利用實地監測數據、環境與災害監測預報HJ-1A衛星HSI高光譜數據影像，通過建立線性回歸方程的方法對香港近海區域溶解氧濃度進行監測。

此外，該文還總結了國內外有關溶解氧反演技術的最新進展，水質反演理論由分析法向半經驗方法發展，對遙感數據也提出了更高的要求。對HJ-1A高光譜遙感數據進行數據處理、大氣校正、幾何精校正及包絡線去除等預處理。以香港近海區域為研究，結合環境保護署的實測數據、HJ-1A影像數據對DO進行遙感分析。使用線性回歸方法對DO實測值和光譜數據進行建模，指數達到0.669 8。