基于ZY-1 02D影像的白洋淀水域葉綠素a濃度遙感反演

封紅娥,李戰(zhàn)*,黃波

(1.河北省水文工程地質(zhì)勘查院，石家莊 050021；2.河北省遙感中心，石家莊 050021;3.河北省自然資源遙感智能監(jiān)測技術(shù)創(chuàng)新中心，石家莊 050021)

2017年設(shè)立雄安新區(qū)后，白洋淀以其獨特的地理位置成為新區(qū)的焦點。白洋淀位于雄安新區(qū)建設(shè)范圍的核心區(qū)域，是雄安新區(qū)發(fā)展的重要生態(tài)水體。近年來，由于人類頻繁活動、經(jīng)濟發(fā)展和氣候變化等因素，白洋淀水體受到一定污染，嚴(yán)重影響了周邊居民的生產(chǎn)、生活。因此，對白洋淀流域的水質(zhì)情況進行監(jiān)測尤為重要。葉綠素a濃度是水體富營養(yǎng)化的重要指標(biāo)，對葉綠素a濃度進行監(jiān)測，有助于對白洋淀水體水質(zhì)污染的發(fā)生進行預(yù)警，對水體治理進程進行監(jiān)測與評估，對白洋淀流域水生態(tài)保護治理工作具有重要的現(xiàn)實意義。

常規(guī)水質(zhì)監(jiān)測方法耗時長，成本高，局限性大，但遙感技術(shù)具有連續(xù)監(jiān)測、視角寬廣、周期性等優(yōu)點，可以有效的監(jiān)測一定時間內(nèi)流域水質(zhì)參數(shù)在空間和時間上的變化，具有監(jiān)測范圍廣、速度快、成本低的特點，便于進行大范圍的水體水質(zhì)動態(tài)監(jiān)測[1-2]。目前已有眾多學(xué)者對葉綠素a濃度的反演進行了研究，基于機載高光譜數(shù)據(jù)，根據(jù)水體固有光學(xué)特性，采用矩陣反演模型反演葉綠素a濃度，得到了較好的反演結(jié)果[3]；Ruddick等[4]學(xué)者提出自適應(yīng)的兩個波段(672 nm和704 nm)反射率比值算法反演葉綠素a濃度，可以省去后向散射因子和入射光環(huán)境因子的估算，取得較好的反演精度。

內(nèi)陸湖泊的水質(zhì)監(jiān)測是國家水質(zhì)評估和水污染防治的重要根據(jù)，大范圍、高效的水質(zhì)監(jiān)測極為重要[5-7]。朱云芳等[8]學(xué)者基于高分一號衛(wèi)星數(shù)據(jù)構(gòu)建了BP(back propagation)神經(jīng)網(wǎng)絡(luò)模型和比值模型進行葉綠素a濃度反演；胡輝輝等[9]學(xué)者基于多源數(shù)據(jù)時空融合，采用神經(jīng)網(wǎng)絡(luò)模型反演出了白洋淀葉綠素a濃度。Elalem等[10]提出了一種新的葉綠素a濃度反演半分析模型——APPEL(approach by elimination),以葉綠素在紅光波段強吸收、近紅外波段高反射的光譜特征為原理，以不同波段組合來去除懸浮物、有色可溶性有機物(colored dissolved organic matter，CDOM) 和后向散射的影響，取得了較好的反演效果。白洋淀流域內(nèi)水與蘆葦共生兼有荷花，生態(tài)植物多且水體較小，水質(zhì)較復(fù)雜，對數(shù)據(jù)質(zhì)量要求相對較高，目前對葉綠素a濃度的反演方法無法同時滿足其對空間及光譜分辨率要求，使其反演精度的提高有一定局限性。

中國于2019年9月成功發(fā)射了資源一號02D星(ZY-102D衛(wèi)星)，該衛(wèi)星搭載了新一代AHSI(advanced hyperspectral imager)高光譜及VNIC(visible near-infrared camera)多光譜相機，可有效獲取大幅寬高光譜及多光譜數(shù)據(jù)，較以往數(shù)據(jù)幅寬更寬，覆蓋能力更強，在內(nèi)陸水體的葉綠素a濃度反演方面，具有很高的應(yīng)用潛力[11-12]。現(xiàn)基于ZY-1 02D高光譜及多光譜數(shù)據(jù)和同步獲取的葉綠素a濃度實測數(shù)據(jù)，充分發(fā)揮高光譜及多光譜數(shù)據(jù)的光譜分辨率及空間分辨率優(yōu)勢，進行葉綠素a濃度反演模型構(gòu)建及反演精度分析，為白洋淀流域葉綠素a濃度反演提供一種適用性較高的方法。

1 研究區(qū)概況

白洋淀屬海河流域大清河南支水系湖泊，被譽為“華北明珠”，是華北平原最大的淡水湖泊和濕地生態(tài)系統(tǒng)[9]，由白洋淀、藻苲淀、馬棚淀、腰葫蘆淀等140多個大小不等的淀泊組成。由于數(shù)據(jù)獲取制約且白洋淀南部區(qū)域污染較重，現(xiàn)以雄安新區(qū)內(nèi)白洋淀圈頭淀區(qū)為研究區(qū)域，位于38°47′9.554″N～38°52′39.348″N和115°51′6.119″E～116°3′53.853″E之間(圖1)。白洋淀地面景觀以水體、蘆葦沼澤為主。白洋淀資源豐富，以大面積蘆葦蕩和千畝連片的荷花淀而聞名。

圖1 研究區(qū)范圍Fig.1 Research area

2 數(shù)據(jù)獲取

2.1 實測數(shù)據(jù)獲取

2021年5月24日開展了與ZY1E-02D衛(wèi)星的同步試驗。由于白洋淀區(qū)域水與蘆葦共生，且荷花較多，因此在水樣采集過程中選取距離植被較遠(yuǎn)，且水質(zhì)均一的水域樣點，并根據(jù)現(xiàn)場情況盡可能的使樣點在水面均勻分布，共布設(shè)30個采樣點，其中有效站點為28個(圖2)。水樣采集后避光低溫保存，當(dāng)天運送至實驗室后采用熱乙醇-分光光度計法進行葉綠素a濃度測量[13-14]。水面光譜利用ASD(analytical spectral devices)光譜儀選擇“水面以上法”進行測量[15]。測量水體時，取觀測天頂角為傾斜向下40°，相對于太陽入射平面的觀測方位角為135°；天空光譜值觀測天頂角為傾斜向上40°，觀測方位角與測量水面光譜值時一致，參考板測量時角度為垂直向下。實驗中共獲取28個樣點的光譜數(shù)據(jù)，其光譜反射率計算公式為

圖2 白洋淀研究區(qū)水面實驗采樣點分布Fig.2 Distribution of water surface experiment sampling points in Baiyangdian research area

(1)

式(1)中：λ為波長；Rrs為水面遙感光譜反射率；Lt(λ)、Lsky(λ)和LP(λ)分別為測得的水面、天空光及參考板的光譜值;ρP(λ)為實驗室內(nèi)標(biāo)定的參考板反射率；ρsky(λ)為天空光在氣水界面的反射率，可以根據(jù)文獻[16]確定。

2.2 遙感數(shù)據(jù)源及預(yù)處理

選用ZY-1 02D的2021年5月24日一景AHSI高光譜影像及一景VNIC多光譜影像為遙感影像數(shù)據(jù)源。其中高光譜影像數(shù)據(jù)空間分辨率為30 m，衛(wèi)星數(shù)據(jù)波長范圍為395～2 500 nm，共計166個波段，其中可見光波段76個，近紅外波段90個。多光譜影像數(shù)據(jù)空間分辨率為10 m，衛(wèi)星數(shù)據(jù)波長范圍為452～1 047 nm，共計9個波段。本研究對獲取的兩景影像進行了預(yù)處理主要包括輻射定標(biāo)、大氣校正、正射校正等[17-18]。ZY-1 02D AHSI大氣校正后的采樣點反射率曲線[圖3(a)]、ZY-1 02D VNIC大氣校正后采樣點反射率曲線[圖3(b)]及實測反射率曲線[圖3(c)]的如圖3所示。觀察[圖3(a)、圖3(b)]兩幅大氣校正后的反射率曲線圖可知，葉綠素a在560、700 nm有兩處明顯的反射峰，與相同譜段內(nèi)地面實測高光譜遙感反射率數(shù)據(jù)的光譜特征呈現(xiàn)一致性。ZY-1 02D VNIC大氣校正后的反射率曲線[圖3(b)]在840 nm左右呈現(xiàn)一明顯的吸收峰，與地面實測反射率曲線變化一致，而ZY-1 02D AHSI校正后的反射率曲線在750 nm后出現(xiàn)了多個波峰、波谷，與實測反射率曲線相比具有較大的不同，因此大氣校正未消除750 nm后的的誤差，本研究將使用750 nm前的波段數(shù)據(jù)進行水色要素光譜特征信息的提取。由于白洋淀流域內(nèi)地物類型復(fù)雜，因此選用歸一化水指數(shù)(normalized difference water index，NDWI)及人工目視解譯結(jié)合的方法，提取了較精準(zhǔn)的水體范圍，如圖2所示。

3 葉綠素a濃度反演模型構(gòu)建

3.1 模型構(gòu)建原理

半分析模型通過水體組成成分的光譜特征與統(tǒng)計分析相結(jié)合，具有一定的物理依據(jù)，模型精度較高，在內(nèi)陸水質(zhì)監(jiān)測中適宜性較好，因此選取Elalem等[10]提出的APPEL模型進行葉綠素a濃度反演的研究，這是一種針對葉綠素a濃度提取的新型半分析模型，其反演公式為

APPEL=R(nir)-{[R(blue)-R(nir)]R(nir)+

[R(red)-R(nir)]}

(2)

式(2)中：R(red)、R(blue)、R(nir)分別為紅光、藍(lán)光和近紅外波段的反射率值。

在APPEL模型中紅光波段用于去除懸浮物的影響，藍(lán)光波段可用于去除CDOM影響，近紅外波段是葉綠素的敏感波段，葉綠素a強反射，水體強吸收，此波段不僅可以用來獲取最大的葉綠素a信息量，同時可以去除藍(lán)光和紅光波段中葉綠素a信息以及水體后向散射影響[19-20]。基于APPEL模型充分發(fā)揮ZY-1 02D AHSI高光譜影像光譜分辨率的優(yōu)勢、ZY-1 02D VNIC多光譜影像空間分辨率的優(yōu)勢，通過3種不同的反演方式對葉綠素a濃度進行反演，分析ZY-1 02D AHSI和ZY-1 02D VNIC兩種影像的反演特征，從而進一步提高葉綠素a濃度的反演精度。

3.2 葉綠素a濃度模型構(gòu)建

根據(jù)模型構(gòu)建原理，分別基于ZY-1 02D AHSI影像、ZY-1 02D VNIC影像構(gòu)建葉綠素a濃度反演模型。由于700 nm附近的反射峰是葉綠素a濃度最主要的光譜特征，這段光譜中的很多光譜特征都與葉綠素a具有顯著相關(guān)性[21]，在內(nèi)陸水體水質(zhì)的遙感監(jiān)測中影像近紅外波段的光譜分辨率比空間分辨率影響更大，藍(lán)光波段與紅光波段的空間分辨率對葉綠素a濃度反演精度的影響大于光譜分辨率[22]。本研究將ZY-1 02D AHSI影像中心波長最接近700 nm的第36波段(696 nm)的空間分辨率重采樣至10 m并替代ZY-1 02D VNIC的近紅外波段構(gòu)建葉綠素a濃度反演模型，構(gòu)建的三種葉綠素a濃度反演模型為

APPELa=R(nira)-{[R(bluea)-R(nira)]R(nira)+[R(reda)-R(nira)]}

(3)

APPELv=R(nirv)-{[R(bluev)-R(nirv)]R(nirv)+[R(redv)-R(nirv)]}

(4)

APPELt=R(nira)-{[R(bluev)-R(nira)]R(nira)+[R(redv)-R(nira)]}

(5)

式中：R(bluea)、R(reda)、R(nira)分別表示ZY-1 02D AHSI的藍(lán)光(band 6)、紅光(band 35)、近紅外波段(band 36)的反射率值；R(bluev)、R(redv)、R(nirv)分別表示ZY-1 02D VNIC的藍(lán)光(band 5)、紅光(band 3)、近紅外波段(band 7)的反射率值。

3.3 模型反演結(jié)果與精度評價

基于所構(gòu)建的3種反演模型，在獲取的28個采樣點中隨機選取14個采樣點構(gòu)建反演模型，其余點進行精度驗證。基于ZY-1 02D AHSI影像與ZY-102D VNIC兩種影像，利用葉綠素a濃度實測值與APPEL值進行葉綠素a濃度反演，擬合公式如表1所示。

表1 葉綠素a濃度反演模型公式Table 1 Inversion model formula of chlorophyll a concentration

對構(gòu)建的葉綠素a濃度反演模型進行精度評價的指標(biāo)共有3項，分別為擬合度R2、平均無偏相對誤差(average unbiased relative error，AURE)、均方根誤差(root mean square error，RMSE)，其中AURE和RMSE的計算公式為

(6)

(7)

式中：n為采樣點數(shù)量，Yi和Xi分別代表葉綠素a濃度的反演值和實測值。利用剩余的14組實測數(shù)據(jù)對以上三種反演模型的反演結(jié)果與實測數(shù)據(jù)進行比對如圖4所示，反演結(jié)果的精度評價如表2所示。

圖4 葉綠素a濃度反演結(jié)果與實測數(shù)據(jù)對比Fig.4 Comparison between inversion results of chlorophyll a concentration and measured data

由表1及表2結(jié)果可知，以VNIC、AHSI 2種傳感器聯(lián)合構(gòu)建的葉綠素a濃度反演模型的R2為0.897 0高于其他兩種模型，AURE、RMSE分別為38.30%、1.30 μg/L高于基于VNIC傳感器的反演模型，低于基于AHSI傳感器的反演模型，基于 VNIC 傳感器的葉綠素a濃度反演模型中反演效果最佳。

表2 基于ZY-1 02D影像的葉綠素a濃度反演模型和精度評價Table 2 Inversion model and accuracy evaluation of chlorophyll a concentration based on ZY-102D image

單獨基于VNIC影像與AHSI影像的反演模型，R2分別為0.830 0、0.840 6，相差較小，基于AHSI傳感器的模型AURE為40.82%高于基于VNIC傳感器模型的AURE(35.65%)，且AHSI模型的RMSE(1.60 μg/L)高于VNIC反演模型的RMSE(1.24 μg/L)。由以上研究結(jié)果可知，基于VNIC傳感器的反演模型在白洋淀水域葉綠素a濃度反演中適用性較好，基于VNIC與AHSI兩種傳感器的聯(lián)合反演模型較基于AHSI傳感器的反演模型精度有一定提高，說明在白洋淀區(qū)域葉綠素a濃度反演中，由于白洋淀淀區(qū)內(nèi)水草共生，水體面積較小，因而對空間分辨率有較高的要求，為進一步優(yōu)化反演模型，本文在此研究結(jié)果的基礎(chǔ)上提高AHSI近紅外波段(696 nm)的空間分辨率進行下一步的模型建立與驗證。

4 模型優(yōu)化與分析

Gram-Schmidt融合方法既可以較好地保留原始影像的光譜信息，又能最大程度的保留影像的空間紋理信息[23]，它是利用數(shù)學(xué)上的Gram-Schmidt(GS)變換進行正交變換的，在任意可內(nèi)積空間，任一組相互獨立的向量都可通過GS變換找到該向量的一組正交基。設(shè){u1,u2,…，un}的方式如下。

假設(shè)v1=u1,依次計算第i+1個正交向量，即

vi+1=ui+1-projwiui+1

(8)

(9)

式中：wi為已經(jīng)計算的前i個正交向量跨越的空間;projwiui+1為ui+1在wi的正交投影。

利用Gram-Schmidt方法將AHSI影像的36波段與VNIC影像的7波段進行影像融合，融合后的波段影像空間分辨率由30 m提高至10 m，構(gòu)建的葉綠素a濃度反演模型公式為

APPELu=R(nira,v)-{[R(bluev)-R(nira,v)]

R(nira,v)+[R(redv)-R(nira,v)]}

(10)

式(10)中：R(nira,v)為AHSI影像36波段與VNIC影像7波段融合后的反射率。

從圖5(a)中可以看出，優(yōu)化后的模型R2提高至0.951，高于直接進行近紅外波段替代模型的反演結(jié)果。利用剩余14個點進行精度驗證的結(jié)果如圖5(b)所示，由圖5(b)所示，實測值與模型反演值之間呈現(xiàn)較小的差距，一致性較好，AURE與RMSE分別降低到13.62%、0.52 μg/L。通過對AHSI、VNIC兩種影像葉綠素a濃度聯(lián)合反演特征的研究，結(jié)合白洋淀淀區(qū)實際水體狀況，構(gòu)建的模型顯著提高了葉綠素a濃度的反演精度，對ZY-1 02D衛(wèi)星影像在白洋淀區(qū)域的研究與應(yīng)用具有重要的參考價值。

圖5 模型優(yōu)化后的APPEL值反演與驗證Fig.5 Inversion and verification of Appel value after model optimization

5 結(jié)論

(1)在本文的研究中發(fā)現(xiàn)ZY-1 02D衛(wèi)星中的多光譜影像優(yōu)于高光譜影像的葉綠素a濃度反演結(jié)果，造成這種結(jié)果的原因一方面由于ZY-1 02D 的多光譜影像不僅擁有較高的空間分辨率，也具有較豐富的波譜信息；另一方面則是對白洋淀這種水體面積較小、水草難以區(qū)分、水體組分復(fù)雜的水體進行葉綠素a濃度提取時，對空間分辨率具有較高的要求，相較于其他區(qū)域水體空間分辨率具有更大的影響。

(2)為進一步優(yōu)化模型，選取對葉綠素a濃度提取最敏感的近紅外波段進行波段融合,將近紅外波段的空間分辨率由30 m提高至10 m，替代多光譜影像中的近紅外波段，使葉綠素a濃度反演模型的R2達(dá)到0.951，AURE與RMSE分別降低到13.62%、0.52 μg/L，優(yōu)于模型優(yōu)化之前的葉綠素a濃度反演結(jié)果，此研究成果對于ZY-1 02D影像在白洋淀水域的葉綠素a濃度提取具有重要意義，同時也對類似內(nèi)陸水體的葉綠素a濃度提取具有重要參考價值。

(3)遙感技術(shù)在水質(zhì)參數(shù)反演領(lǐng)域應(yīng)用廣泛，但易受到數(shù)據(jù)時相、影像質(zhì)量等多方面因素的制約，且ZY-1 02D AHSI星的重訪周期長，高光譜影像數(shù)據(jù)較少，同步實測數(shù)據(jù)獲取不易，使得多頻次和大范圍的監(jiān)測需求難以滿足。由于時間與經(jīng)費問題，本文只針對白洋淀南淀區(qū)進行了監(jiān)測，下一步將獲取更多影像與實測數(shù)據(jù)，進一步修正已有模型，完成白洋淀全域的葉綠素a濃度監(jiān)測研究。