湛江港海域葉綠素a濃度的高光譜遙感反演

蔣城飛，廖 珊，付東洋，王文芳，李 薛，劉大召，張 瑩，黃雄杰

（廣東海洋大學 海洋遙感與信息技術實驗室，廣東 湛江 524088）

湛江港海域葉綠素a濃度的高光譜遙感反演

蔣城飛，廖 珊，付東洋，王文芳，李 薛，劉大召，張 瑩，黃雄杰

（廣東海洋大學 海洋遙感與信息技術實驗室，廣東 湛江 524088）

基于表觀光學法研究冬季湛江港海域高光譜遙感葉綠素a濃度的反演模型構建，結果表明，該海域單波段遙感反射率與葉綠素a濃度相關性低，波段比值和遙感反射率的一階微分法可提高葉綠素a濃度反演精度。665 nm處的遙感反射率一階微分值與葉綠素a濃度相關性良好，相關系數(shù)可達0.84。一階微分相關系數(shù)大于0.8的波段大部分處于葉綠素a紅光強烈吸收區(qū)域，對于富營養(yǎng)化的湛江港海域采用一階微分方法構建葉綠素a濃度的遙感反演模型具有合理性。

湛江港海域，葉綠素a濃度，高光譜遙感，定量反演

湛江港位于粵西海岸大尺度灣曲處，由硇洲島、東海島和南三島所環(huán)繞，屬于亞熱帶海區(qū)[1]。湛江港及其臨近海域是中國重要的海水養(yǎng)殖基地，同時也是重要工業(yè)生產(chǎn)和港口運輸?shù)兀S著廣東省重工產(chǎn)業(yè)湛江轉移和沿岸經(jīng)濟的快速發(fā)展，每年向湛江港海域排放的污染物也快速的增長[2]。根據(jù)國家海洋環(huán)境質量公報，2013年湛江灣四類和劣四類海水面積占98%，2014年湛江港灣春季劣四類水體占70%以上，秋季占90%以上。近10年來，湛江灣營養(yǎng)狀態(tài)指數(shù)呈現(xiàn)不斷的上升趨勢。程海鷗2007年調查發(fā)現(xiàn)湛江灣海水富營養(yǎng)化異常嚴重，氮磷比失去平衡[1]。付東洋、張瑩等[3-5]對湛江海域水質評價方法進行了探究，研究結果表明湛江海域存在著比較嚴重的水體污染狀況，湛江港灣及鄰近海域具有高濃度的硝酸鹽、磷酸鹽，局部區(qū)域呈Ⅲ，ⅠⅤ類甚至劣ⅠⅤ類水質，葉綠素濃度也呈較高水平，屬于比較典型的近岸二類水體。

葉綠素a（Chla）的濃度既是浮游植物生物量的重要指標，也是海洋生態(tài)系統(tǒng)和氣候條件變化重要指標[6-10]。同時，葉綠素不僅可以反映水體中浮游植物的生物量，也是海域富營養(yǎng)化的表征[11]。葉綠素a的分布特征受光輻射、溫度、透明度和營養(yǎng)鹽等因素的綜合影響，它在一定程度上可以反映水質狀況[12]。海洋葉綠素濃度的遙感監(jiān)測研究一直是國內外海洋生態(tài)與環(huán)境研究中的重要課題。由于二類水體的物質組成與光學特性比一類水體的復雜，其水色除了受到純水的本身以及海水葉綠素a的影響外，還收到懸浮物質，黃色物質以及淺海海域海底的影響[13]。同時近海二類水體自身光學特性相對比較復雜，并且在不同海域水體光學特性存在著顯著差異，區(qū)域性水體葉綠素a濃度的遙感監(jiān)測模型局限性很強[14]。大量學者認為一類水體的葉綠素標準算法并不適用于近岸二類水體[13,15-17]。因而基于遙感手段的近海二類水體葉綠素濃度反演一直是國內外研究的熱點和難點。

Fraser[18]對美國內陸的22個湖的光譜分析發(fā)現(xiàn)，遙感反射率的一階微分值與葉綠素a濃度之間的相關性最好。Han Luoheng等[19]通過對美國的BranchedOak湖的實測數(shù)據(jù)研究表明，690 nm處的一階微分模型能夠比較好的反演葉綠素的濃度。李素菊等[20]在巢湖區(qū)域利用波段比值算法以及690 nm處遙感反射率的一階微分數(shù)據(jù)值，分別建立了兩個葉綠素a濃度反演模型，同時取得了比較高的反演精度。劉大召等[21]研究結果表明OC4算法可較好的應用于經(jīng)過處理的FY-3A一級產(chǎn)品，表現(xiàn)湛江港灣及其附近海域葉綠素a濃度分布狀況。

筆者采取單波段，波段比，以及一階微分值多種方法與葉綠素a濃度之間的關系建立湛江港灣葉綠素a高光譜定量遙感反演模型，為該海域的水質遙感研究提供基礎。

1 材料與方法

1.1 研究區(qū)域

調查區(qū)域及站位設置如圖1所示，采樣于2016年1月中旬完成，共采集19個站點。

圖1 實驗區(qū)域以及采樣分布Fig.1 Study area and sampling stations

1.2 葉綠素a濃度測定

葉綠素 a濃度采用加拿大 RBR公司生產(chǎn)的RBRmaestro水質儀進行現(xiàn)場測量，并以1 m以淺多組葉綠素a濃度數(shù)據(jù)的平均值作為表層葉綠素a濃度。水質儀葉綠素a濃度測量傳感器分辨率為0.02mg/m3。使用熒光法（激發(fā)波長470 nm，探測波長685 nm）測量葉綠素a濃度值。

1.3 光譜測量及預處理

本實驗使用海洋光學（Ocean Optics）公司生產(chǎn)的USB2000+用于光譜測量。USB2000+測量光譜范圍為200～1 100 nm，波長分辨率為0.3～10 nm。測量時間為上午9點至下午4點之間，并采用唐軍武等提出的水面之上法進行水體遙感反射率測量，測量時儀器觀測平面與太陽入射平面夾角為135°，儀器與水面的夾角約為 45°，這樣可以有效的避免太陽的直射的影響，同時光譜測量時還需要避免船舶陰影的影響[22]。每個站點的測量不低于3次，然后進行光譜數(shù)據(jù)預處理，去除異常數(shù)據(jù)，并對每個站點3次測量的數(shù)據(jù)進行平均，得出每個站點的光譜曲線測量平均值。

遙感反射率（Rrs(λ)）為離水輻射亮度Lw(λ) 除以海面入射輻照度Es(λ)。

Lw(λ)的計算為

其中，Lu(λ)為水體上行輻射亮度，Lsky(λ)為天空下行輻射亮度，rsky為天空光反射率。

海面入射輻照度Es的計算可以由標準板測得：

其中，Lp為標準板上行輻射亮度，ρp為標準板反射率。

本實驗使用反射率為20%的標準灰板進行海面入射輻照度測量。研究中原始光譜分辨率為0.3 nm，采用累加平均法對數(shù)據(jù)重采樣到1 nm分辨率。

2 結 果

2.1 光譜特征分析

基于上述方法，繪制湛江港灣海域冬季水體遙感反射率如圖2。

由于葉綠素a和黃色物質的強烈吸收使400～500 nm之間的光譜范圍呈現(xiàn)比較低的反射率[23]。在550～600 nm之間的出現(xiàn)了反射峰，其主要原因是葉綠素的弱吸收，以及浮游植物和懸浮泥沙的反射作用形成的[24]。675 nm左右出現(xiàn)了反射谷，這可能是由于藻類的密度比較高時，葉綠素a對于紅光強烈的吸收作用產(chǎn)生的[20]。湛江灣海域在700 nm左右葉綠素a熒光峰特征不明顯，沒有出現(xiàn)強烈的雙峰現(xiàn)象，該結果與劉大召等研究結果相似[21]。同時有研究學者指出隨著海水中葉綠素濃度的增加，將會引起藍光波段輻射量的減少的和綠光波段以及紅光波段輻射量的增加[25]。

圖2 湛江港灣海域冬季水體遙感反射率隨波長變化關系Fig.2 Relationship between spectal reflectance of light and wavelength change of Zhanjiang Bay in winte

2.2 相關性分析

在測量的19組數(shù)據(jù)中任選14組數(shù)據(jù)進行建模的研究，其余的5組光譜數(shù)據(jù)及其對應的葉綠素a濃度數(shù)據(jù)進行模型的驗證工作。

2.2.1 單波段法 使用各個站點葉綠素a濃度與其測量的光譜曲線進行單波段相關系數(shù)計算，計算結果如圖3所示。

圖3 遙感反射率與葉綠素a濃度相關系數(shù)Fig.3 Correlation between reflectance and concentration of chlorophyll-a

各個波段的反射率與葉綠素a濃度相關系數(shù)低（圖3），最大值不超過0.15?？梢?，就本次觀測數(shù)據(jù)表明，不適合基于簡單的單波段法建立該海域冬季遙感反射率（Rrs）和葉綠素a濃度值之間的關系模型。

2.2.2 波段比值法 Pullianinen等[26]的研究結果表明，對水體光譜輻亮度的不同波段做比值處理可以部分消除大氣影響，也可以消除空間和時間上水面粗糙度變化的干擾。本實驗使用枚舉法，全局搜索

353～900 nm之間的所有波段比組合，波段比與實測濃度間相關性統(tǒng)計結果如圖4所示。波段比相關系數(shù)最大值前5波段值見表1。

圖4 波段比值與葉綠素a濃度相關系數(shù)統(tǒng)計Fig.4 Chart of correlation between band ratio and chlorophyll a concentration

可見，波段比值法顯著提高了與葉綠素a濃度之間的關系，但大部分的相關性仍處于- 0.6～0.6之間。波段比值的最高相關性集中在850 nm左右，基于波段比值法構建的線性、二次多項式及指數(shù)模型分別如圖5—7。

2.2.3 一階微分法 葉綠素a濃度與各個波長的一階微分數(shù)據(jù)之間的相關性（圖8）。結果表明，550 nm左右存在一個負的相關系數(shù)峰值，在670 nm附近有一個正向相關系數(shù)峰值，該兩處峰值與諸多學者關于葉綠素濃度在550 nm左右存在反射峰和680 nm附近存在的次高峰研究結果一致[14,27-30]。從700 nm往900 nm相關系數(shù)值存在逐漸減小的趨勢。680 nm左右葉綠素a吸收峰強度隨葉綠素a濃度升高而變大，其與700 nm左右的葉綠素熒光峰值之間的差值變大。670 nm左右葉綠素a吸收谷與700 nm左右葉綠素熒光峰之間的差值變大導致該峰谷之間的光譜變化率增大，因而呈現(xiàn)出高的相關系數(shù)值。

表 1 波段比相關系數(shù)最大值（前5波段）Table 1 The first five-band maximum of the band ratio spectral reflextance correlation coefficient

圖6 葉綠素a二次多項式估測模型Fig.6 Quadratic polynomial estimation models between chlorophyll a concentrations and band ratio spectrum

圖7 葉綠素a指數(shù)估測模型Fig.7 Ⅰndex estimation models between chlorophyll a concentrations and band ratio spectrum

圖8 光譜反射率一階微分與葉綠素a濃度相關系數(shù)示意Fig.8 Correlation between chlorophyll-a concentration and first-derivative spectral reflextance

統(tǒng)計分析表明（圖9），光譜一階微分值與葉綠素a濃度之間相關系數(shù)值在0.8～1之間共有8組。大部分的一階微分值與葉綠素a濃度之間存在比較高的相關性，相關系數(shù)絕對值達到0.6～1之間存在134組。相關研究表明，水體光譜的一階微分可以有效消除水體反射光的影響，提高反演精度[18-19,31]。

圖9 一階微分法相關系數(shù)值統(tǒng)計Fig.9 Chart of correlation between chlorophyll a concentration and first-derivative spectral reflextance

表2中記錄光譜一階微分值與葉綠素a濃度之大于0.8的波段，大部分波段處于葉綠素a對紅光間相關系數(shù)絕對值從大到小排序相關系數(shù)絕對值強烈吸收的670 nm敏感波段附近。665 nm波段的一階微分值與葉綠素a濃度值相關系數(shù)達0.84。以該波段一階微分值作為自變量，進行線性，二次多項式，指數(shù)形式回歸分析。結果如圖10—12所示。

通過一階微分反演模型比較，指數(shù)模型優(yōu)于二次多項式模型，線性模型決定系數(shù)最低。

圖10 葉綠素a線性估測模型Fig.10 Linear estimation models between chlorophyll a concentrations and first-derivative spectrum

表 2 一階微分值相關系數(shù)大于0.8的波段Table 2 The value of bands that whose the first-derivative spectral reflextance correlation coefficient greater than 0.8

圖11 葉綠素a二次多項式估測模型Fig.11 Quadratic polynomial estimation models between chlorophyll a concentrations and first-derivative spectrum

圖12 葉綠素a指數(shù)估測模型Fig.12 Ⅰndex estimation models between chlorophyll a concentrations and first-derivative spectrum

3 分析與討論

筆者使用剩余的5組的實測數(shù)據(jù)對建立的一階微分以及波段比值模型進行驗證。波段比值的反演結果與實測葉綠素a濃度結果的相對誤差的最大值為39.18%，最小值為0，均方根誤差為0.58。一階微分模型的反演結果與實測葉綠素a濃度結果之間的相對誤差最大值為23.65%，最小值為1.3%，均方根誤差為0.4。

根據(jù)上述模型的研究結果，結合相關學者[21]基于OC4算法，對于湛江海域葉綠素a濃度遙感反演的研究成果，進行了比較驗證，比較結果如表3。

比較結果表明：

1）相比波段比值，一階微分模型在相對誤差的最大值，平均值以及均方根誤差均優(yōu)于波段比值模型。而經(jīng)典OC4算法以及基于OC4算法優(yōu)化的湛江灣海域葉綠素 a濃度的反演結果整體上值均偏大，其相對誤差值均大于本文建立的一階微分以及波段比值模型。

2）實驗結果表明，就該研究海域的冬季期間，基于一階微分模型反演葉綠素a濃度，明顯優(yōu)于波段比值模型以及經(jīng)典的OC4算法，該研究結果與其他研究學者的研究結果具有一致性[13,15]。

3）出現(xiàn)上述研究結果的主要原因可能是由于季節(jié)以及站位分布差異所致，劉大召等[21]的研究站點主要為9月份湛江灣外清澈海水區(qū)域，而本文中所采用的湛江灣采樣點主要位于湛江灣內附近區(qū)域，且本次采樣時間為冬季1月份，冬季平均風速大，極易引起水體強烈的混合，水體中重要組分濃度發(fā)生變化時，必將引起水體光學性質的變化[16]，從而引起葉綠素a濃度等水色要素以及其遙感反演模型上的較大差異。

通過反演數(shù)據(jù)的對比結果可見，本研究中建立的葉綠素a濃度的反演模型更加的適用于冬季湛江灣近岸區(qū)域。

表 3 各站位葉綠素a質量濃度的實測值與反演值及其誤差Table 3 measured and inversion values of chlorophyll-a concentration and errors in each station

4 結 論

通過上述比較研究，可以得出以下結論：

1）湛江港海域冬季葉綠素a濃度較高，各站位均超過1mg/m3，平均達2.20mg/m3，最高達2.77mg/m3，呈高葉綠素a濃度水平。

2）基于波段比和一階線性微分法均適合用于構建湛江港海域冬季葉綠素a濃度遙感模型，而就本次觀測來看，OC4葉綠素a濃度反演模型以及單波段法不適宜。

3）綜合比較波段比指數(shù)模型和一階微分指數(shù)模型，在665 nm處的遙感反射率一階微分值可以很好的反演湛江灣海域的葉綠素a濃度。

[1]程海鷗，馬啟敏，楊鋒.湛江灣海水富營養(yǎng)化水平和浮游植物多樣性分析[J].海洋湖沼通報,2009（3）：121-126.

[2]張立柱，余雷，唐謀生.湛江港灣水域富營養(yǎng)化與赤潮淺析[J].水資源保護,2009,25（2）：50-54.

[3]張瑩，付東洋，潘德爐，等.逐步判別分析法在海洋水質評價中的應用[J].海洋學報,2013，35（6）：204-209.

[4]付東洋，張瑩，劉大召，等.基于主成分分析的近海水質評價模型及其應用研究——以雷州半島海域為例[J].海洋學研究,2015,33（1）：45-50.

[5]付東洋，楊鋒，梁曉軍，等.雷州半島近海水質環(huán)境關鍵因子時空變化與評價[J].廣東海洋大學學報,2014，34（6）：58-64.

[6]TANG D，KESTER D R，NⅠⅠ-H，et al.Upwelling in theTaiwan Strait during the summer monsoon detected by satellite and shipboard measurements[J].Remote sensing of environment,2002,83（3）：457-471.

[7]TANG D，NⅠⅠ，Mü ller-Karger F，et al.Analysis of annual and spatial patterns of CZCS-derived pigment concentration on the continental shelf of China[J].Continental shelf research,1998,18（12）：1 493-1 515.

[8]TANG D L，KAWAMURA H，DOAN-NHU H，et al.Remote sensing oceanography of a harmful algal bloom off the coast of southeastern vietnam[J].Journal of geophysical research:oceans,2004,109(C3)：doi:10.1029/2003JC 002045.

[9]TANG D L，NⅠⅠ H，Mü ller-Karger F E，et al.Monthly variation of pigment concentrations and seasonal winds in china's marginal Seas[J].Hydrobiologia,2004,511（1）：1-15.

[10]TASSAN S，F(xiàn)ERRARⅠ G M.Ⅴariability of light absorption by aquatic particles in the near-infrared spectral region[J].Applied optics,2003,42（24）：4 802-4 810.

[11]蔣榮根，賀青，鄺偉明，等.廈門海域水體富營養(yǎng)化狀況綜合評價[J].海洋與湖沼,2014,45（4）：710-718.

[12]潘友聯(lián).葉綠素與海洋初級生產(chǎn)力[J].海洋科學,1987，11（1）：63-65.

[13]沈春燕，陳楚群，詹海剛.人工神經(jīng)網(wǎng)絡反演珠江口海域葉綠素濃度[J].熱帶海洋學報,2005,24(6):38-43.

[14]徐雯佳，楊斌，田力，等.應用MODⅠS數(shù)據(jù)反演河北省海域葉綠素a濃度[J].國土資源遙感,2012，24（4）：152-156.

[15]馬金峰，詹海剛，陳楚群，等.珠江河口混濁高產(chǎn)水域葉綠素a濃度的遙感估算模型[J].熱帶海洋學報,2009，28（01）：15-20.

[16]盧聰景.海洋水色衛(wèi)星遙感二類水體反演算法綜述[J].能源與環(huán)境,2011（5）：64-66.

[17]鞏彩蘭，樊偉.海洋水色衛(wèi)星遙感二類水體反演算法的國際研究進展[J].海洋通報,2002,21（2）：77-83.

[18]FRASER R.Hyperspectral remote sensing of turbidity and chlorophyll a among nebraska sand hills lakes[J].Ⅰnternational journal of remote sensing,1998,19（8）：1 579-1 589.

[19]HAN L，RUNDQUⅠST D C.Comparison of NⅠR/RED ratio and first derivative of reflectance in estimating algal-chlorophyll concentration:A case study in a turbid reservoir[J].Remote sensing of environment,1997,62（3）：253-261

[20]李素菊，吳倩，王學軍，等.巢湖浮游植物葉綠素含量與反射光譜特征的關系[J].湖泊科學,2002,14（3）：228-234.

[21]劉大召，付東洋，丁又專，等.基于FY-3A的湛江灣及其鄰近海域葉綠素a遙感監(jiān)測研究[J].海洋學研究,2013,31（4）：32-36.

[22]唐軍武，田國良，汪小勇，等.水體光譜測量與分析Ⅰ:水面以上測量法[J].遙感學報,2004,8（1）：37-44.

[23]GⅠTELSON A，GARBUZOⅤ G，SZⅠLAGYⅠ F，et al.Quantitative remote sensing methods for real-time monitoring of inland waters quality[J].Ⅰnternational Journal of remote sensing,1993,14（7）：1269-1295.

[24]劉堂友，匡定波，尹球.湖泊藻類葉綠素-a和懸浮物濃度的高光譜定量遙感模型研究[J].紅外與毫米波學報,2004,23（1）：11-15.

[25]陳楚群，施平，毛慶文.應用TM數(shù)據(jù)估算沿岸海水表層時綠素濃度模型研究[J].遙感學報,1996（3）：168-176

[26]PULLⅠAⅠNEN J，KALLⅠO K，ELOHEⅠMO K，et al.A semi-operative approach to lake water quality retrieval from remote sensing data[J].Science of the total environment,2001,268（1）：79-93.

[27]韓秀珍，鄭偉，劉誠，等.基于MERSⅠ和MODⅠS的太湖水體葉綠素a含量反演[J].地理研究,2011,30（2）：291-300.

[28]楊煜，李云梅，王橋，等.富營養(yǎng)化的太湖水體葉綠素a濃度模型反演[J].地球信息科學學報,2009,11（5）：597-603.

[29]楊煜，李云梅，王橋，等.基于環(huán)境一號衛(wèi)星高光譜遙感數(shù)據(jù)的巢湖水體葉綠素a濃度反演[J].湖泊科學,2010,22（4）495-503.

[30]張兵，申茜，李俊生，等.太湖水體3種典型水質參數(shù)的高光譜遙感反演[J].湖泊科學,2009,21（2）：182-192.

[31]程春梅，韋玉春，張靜，等.基于光譜平滑的渾濁水體葉綠素a濃度一階微分估算模型[J].地理與地理信息科學,2013,29（3）：30-34，81.

（責任編輯：任萬森）

Retrieval of Chlorophyll a Concentration in the Waters of Zhanjiang Bay by Hyperspectral Technology

JⅠANG Cheng-fei,LⅠAO Shan,FU Dong-yang,WANG Wen-fang,LⅠ Xue,LⅠU Da-zhao,ZHANG Ying,HUANG Xiong-jie
(Lab of Ocean Remote Sensing & Information and Technology,Guangdong Ocean University,Zhanjiang 524088,China)

An inversion model for estimation of chlorophyll-a concentration in Zhanjiang Bay has been developed by using the apparent optical data collected in winter.As shown by the results,there is low correlation between single-band remote sensing reflectance and chlorophyll a concentration in the sea area.Moreover,it can improve the inversion accuracy utilizing the first order differential of reflectance and the band ratio.The first derivative value of the remote sensing reflectance at 665nm has a good correlation with the chlorophyll a concentration,and its correlation coefficient can be equal to 0.84.Additionally,the bands of the first order differential correlation coefficient greater than 0.8 is mostly in red light strong absorption region of Chlorophyll a.Thus,it is reasonable to construct the remote sensing inversion model of the chlorophyll a concentration based on the first order differential in the Zhanjiang bay area.

Zhanjiang bay; chlorophyll a concentration; hyperspectral remote sensing; quantitative inversion

TP79

A

1673-9159（2016）06-0107-07

10.3969/j.issn.1673-9159.2016.06.017

2016-06-07

國家海洋公益專項(201305019)；廣東省自然科學基金（2014A030313603）；廣東省科技計劃項目（2013B030200002）；廣東省科技計劃項目（2016A020222016）；廣東海洋大學創(chuàng)新強校項目（GDOU2014050226）；廣東省攀登計劃項目（pdjh2015b0249）

蔣城飛（1990—），男，碩士研究生，從事海洋水色遙感研究。 chengfeirs@163.com

付東洋，男，教授，從事海洋水色遙感研究。fdy163@163.com