內(nèi)陸及近岸二類水體透明度的遙感研究進(jìn)展

禹定峰, 邢前國, 施 平

(1. 中國科學(xué)院煙臺海岸帶研究所, 山東 煙臺 264003; 2. 中國科學(xué)院大學(xué), 北京 100049; 3. 中國科學(xué)院 海岸帶環(huán)境過程重點實驗室, 山東 煙臺264003; 4. 山東省海岸帶環(huán)境過程重點實驗室, 山東 煙臺264003)

自1865年, 意大利天文學(xué)家Pietro Angelo Secchi發(fā)明塞克盤(Secchi disk)以來, 使用塞克盤測量水體透明度迄今已有近150 a的歷史。透明度(Secchi disk depth)是指放入水中的塞克盤能夠看得見的最大深度[1]。它是描述水體光學(xué)性質(zhì)的基本參數(shù)之一, 也是水質(zhì)調(diào)查中的一個重要指標(biāo), 反映了水體的透光能力。在軍事上是確定潛艇潛沒深度和布設(shè)水雷的重要參數(shù)[2]。在海洋水質(zhì)監(jiān)測中, 它是一種直觀的指示參數(shù), 可以評估水體的富營養(yǎng)化程度。水體透明度的變化會嚴(yán)重影響沉水植被的生長以及依靠可見光捕食的魚類和水鳥等水生動物的生存。此外, 水體透明度可估算水體固有光學(xué)參數(shù)[3-6]、葉綠素 a濃度[7]甚至是初級生產(chǎn)力[8]。因此, 水體透明度的研究對水環(huán)境變化、水體光學(xué)參數(shù)、水生生態(tài)系統(tǒng)以及初級生產(chǎn)力的深入研究具有重要意義。然而, 盡管傳統(tǒng)透明度測量方法操作簡單, 但要實現(xiàn)監(jiān)測大面積水體透明度的時空變化, 顯然是不現(xiàn)實的。遙感技術(shù)具有快速、大面積、動態(tài)覆蓋等優(yōu)勢, 能彌補傳統(tǒng)測法耗時長且費用高的缺陷, 尤其是能監(jiān)測人員較難到達(dá)的區(qū)域, 因而逐漸成為監(jiān)測水體透明度的重要且有效的手段之一。

內(nèi)陸及近岸二類水體是與人類關(guān)系最密切、受人類活動影響最劇烈的區(qū)域, 對于該區(qū)域的葉綠素a、懸浮泥沙和黃色物質(zhì)等相關(guān)綜述較多[9-13], 而透明度遙感的相關(guān)綜述尚未見報道。本文對國內(nèi)外透明度的遙感監(jiān)測進(jìn)行了系統(tǒng)地歸納總結(jié), 為進(jìn)一步開展透明度遙感估算工作提供參考。

1 透明度遙感估算的方法

國內(nèi)外開展了很多內(nèi)陸及近岸水體透明度遙感方面的研究。研究區(qū)域包括湖泊、水庫、池塘、河流、河口和海灣及近海等海岸帶水體。大多學(xué)者利用實測的高光譜數(shù)據(jù)或衛(wèi)星影像信息與實測透明度做相關(guān)分析構(gòu)建透明度的遙感估算模型, 其中用到的衛(wèi)星數(shù)據(jù)主要有水色衛(wèi)星傳感器CZCS、SeaWiFS、MODIS、MERIS以及陸地衛(wèi)星傳感器 MSS、TM、ETM+、CBERS、Quickbird等; 不少利用葉綠素 a濃度估算水體透明度; 另外, 也有學(xué)者通過基于固有光學(xué)參數(shù)的半分析算法估測水體透明度。水體透明度的遙感估算方法主要有經(jīng)驗方法、半分析方法和分析方法[14]。

1.1 經(jīng)驗方法

經(jīng)驗方法是通過建立遙感數(shù)據(jù)與實時或準(zhǔn)實時的地面實測透明度之間的統(tǒng)計回歸模型。常用的方法有單波段算法、波段比值算法、多波段算法及光譜微分法等。該方法的優(yōu)點是簡單易用, 估算精度較高, 但二類水體的光學(xué)特性復(fù)雜多變, 具有很強的區(qū)域性和季節(jié)性特點。因此, 經(jīng)驗算法易受區(qū)域和時間的限制, 沒有普適性。

1.2 半分析方法

半分析方法以光在水下的輻射傳輸理論為基礎(chǔ),通過遙感反射率推算水體組分的吸收系數(shù)和散射系數(shù), 構(gòu)建實測透明度數(shù)據(jù)和水體固有光學(xué)參數(shù)的關(guān)系, 以估算水體透明度, 該方法具有較好的物理解釋和適用性。然而, 由于受到觀測儀器的限制, 該方法中很多參數(shù)以現(xiàn)有的設(shè)備無法獲取, 因此很難廣泛應(yīng)用。此外, 模型中某些參數(shù)常通過經(jīng)驗或半經(jīng)驗的方法計算, 從而影響模型的精度[15-16]。

1.3 分析方法

該方法是采用輻射傳輸方程來描述水體光譜與其組分含量之間的關(guān)系, 通過求解輻射傳輸方程來獲取各組分含量的一種估算方法[17]。該方法中所用的參數(shù)均有明確的物理意義, 不受時間和地域限制,且具有廣泛的適用性。然而, 分析算法主要受人們對大氣輻射傳輸、水體以及透明度影響因子等認(rèn)識的限制, 在實際應(yīng)用中很少[18]。

2 透明度遙感估算的數(shù)據(jù)源

2.1 實測高光譜數(shù)據(jù)

高光譜數(shù)據(jù)可反映地物光譜的細(xì)微變化特征,能夠精細(xì)地表征透明度的敏感波段, 在透明度遙感中有著重要的應(yīng)用價值。高光譜傳感器分為成像和非成像兩種, 搭載在地面、飛機或衛(wèi)星等不同的觀測平臺。

成像光譜技術(shù)將傳統(tǒng)的圖像與地物光譜結(jié)合起來, 實現(xiàn)圖譜合一, 在獲取地物空間圖像的同時得到其連續(xù)的光譜曲線, 在透明度遙感估算中有很大的應(yīng)用潛力。根據(jù)機載高光譜儀獲取的水體遙感反射率, 模擬衛(wèi)星傳感器通道, 通過構(gòu)建基于波段差比值的方法來估測水體透明度, 如 H?rm?等[19]利用機載高光譜成像儀 AISA(Airborne Imaging Spectrometer for Applications)獲取了芬蘭南部湖泊85個樣點和北海海岸帶水體 107個樣點的光譜反射率,運用光譜平均法分別模擬了TM、MODIS和MERIS的光譜, 研究發(fā)現(xiàn)可采用TM第1和4波段反射率的差值與3和4波段反射率差值的比值、MODIS 488 nm和748 nm反射率的差值與667 nm和748 nm反射率差值的比值、MERIS 490 nm和754 nm反射率差值與620 nm和754 nm反射率差值的比值等多波段差值比值法來估算水體透明度; Koponen等[20]通過對芬蘭 4個湖泊 1996～1998年間的透明度數(shù)據(jù)和AISA采集的高光譜遙感數(shù)據(jù)研究發(fā)現(xiàn), 521 nm和791 nm反射率的差值與700 nm和791 nm反射率差值的比值可以估測該區(qū)域水體透明度, 并按照小于1 m、1～2.5 m和大于2.5 m的標(biāo)準(zhǔn)把透明度分了3個等級,結(jié)合濁度和葉綠素 a濃度等參數(shù)分析了該水域的水質(zhì)狀況。

非成像高光譜數(shù)據(jù)主要在野外或?qū)嶒炇覂?nèi)通過地面高光譜儀測量得到, 水體的光譜反射率以圖形等非影像形式顯示。Thiemann和Kaufmann[21]在德國Mecklenburg湖區(qū)利用實測高光譜數(shù)據(jù)提出了一種基于光譜系數(shù)估算透明度的方法。將處于400 nm到750 nm波譜范圍內(nèi)的原始光譜利用光譜平均法處理成 1 nm 光譜, 把每個波譜曲線在短波可見光波段(430 nm左右)的反射谷和位于可見光或近紅外波段(一般是750 nm左右, 清水是600 nm左右)的反射谷連起來構(gòu)成一個基線, 計算基線與光譜曲線圍成的曲面面積, 再將該面積除以波段數(shù)得到的數(shù)值即波譜系數(shù), 通過波譜系數(shù)與透明度之間的相關(guān)分析,建立了基于波譜系數(shù)的透明度指數(shù)模型, 其決定系數(shù)達(dá) 0.99。并將該算法應(yīng)用到德國 CASI(Compace Airborne Spectrographic Imager)和澳大利亞 HyMap(Hyperspectral Mapper)等機載高光譜傳感器, 繪制了該區(qū)域水體透明度的時空變化分布圖。在國內(nèi), 傅克忖等[22]基于現(xiàn)場離水輻亮度提出可以分別采用443 nm與665 nm的輻亮度比值以及443 nm與665 nm輻亮度之和與490 nm的比值來估算黃海水體透明度,率先開展了利用實測水體高光譜數(shù)據(jù)對我國海水透明度估算模型的研究; 王曉梅等[23]在大量實測數(shù)據(jù)的基礎(chǔ)上, 提出了一種基于490, 555和670 nm多波段遙感反射比組合的黃東海透明度統(tǒng)計估算模式; 段洪濤等[24]通過對吉林查干湖通過分析對水體透明度與光譜特征的響應(yīng)關(guān)系, 分別建立了基于720 nm反射率的單波段估測模型以及520 nm與780 nm反射率的差值與720 nm與780 nm反射率差值之比的比值估測模型, 研究結(jié)果表明, 單波段模型估測效果優(yōu)于比值模型, 對數(shù)比值模式又好于單純的比值模式; 宋開山等[25]利用實測查干湖高光譜數(shù)據(jù), 建立了透明度的單波段估測模型、比值估測模型及神經(jīng)網(wǎng)絡(luò)高光譜估測模型, 并對模型以確定性系數(shù)和剩余殘差為指標(biāo)進(jìn)行了驗證, 結(jié)果表明, 神經(jīng)網(wǎng)絡(luò)模式是三者中最優(yōu)的; 段洪濤等[26]通過分析長春南湖透明度與其高光譜反射率之間的相關(guān)關(guān)系, 采用單波段、波段比值和一階微分法建立了透明度高光譜定量模型;叢丕福等[27]以遼東灣為研究區(qū)域, 采用現(xiàn)場實測光譜采用光譜平均法模擬MODIS波段, 通過對單波段和波段比值算法的比較, 建立了基于MODIS 667 nm反射率的三次多項式回歸模型, 該研究認(rèn)為 667 nm波段對于建立海水透明度模型要優(yōu)于傳統(tǒng)認(rèn)為的藍(lán)綠光波段; 陳蕾等[28]通過對離水光譜反射率及其負(fù)對數(shù)與水體透明度的相關(guān)分析, 發(fā)現(xiàn)利用559 nm處的離水光譜反射率負(fù)對數(shù)的乘冪回歸模型可獲得較好的估算效果, 該模型為南海近岸海水透明度的衛(wèi)星遙感提供了基礎(chǔ)支撐。

基于實測高光譜數(shù)據(jù)來估算水體透明度, 高的光譜分辨率有利于發(fā)現(xiàn)水體透明度更為精細(xì)的敏感波段; 通過實測光譜來模擬衛(wèi)星傳感器, 可以有效地消除大氣效應(yīng)的影響, 為衛(wèi)星遙感水體透明度提供參考。

2.2 衛(wèi)星遙感數(shù)據(jù)

2.2.1 水色遙感數(shù)據(jù)

1978年發(fā)射的雨云-7號衛(wèi)星開創(chuàng)了水色遙感的新紀(jì)元, 其搭載的 CZCS被應(yīng)用于透明度的遙感探測, 如Binding等[29]利用CZCS的550 nm和SeaWiFS的555 nm反射率建立了針對美國伊利湖的透明度線性估算模型, 并利用建立的模式對該湖透明度多年月平均變化進(jìn)行了分析。然而, CZCS的空間分辨率、輻射分辨率和大氣校正精度均有限, 從而在水體透明度估算上存在一定誤差, 限制了該傳感器的廣泛使用。

隨著水色遙感研究理論和技術(shù)水平的不斷提高,具有較高的光譜分辨率和時間分辨率的第二代水色衛(wèi)星傳感器相繼發(fā)射升空, 其中用于透明度遙感的主要有 SeaWiFS、MODIS、MERIS。Chen等[3]采用SeaWiFS數(shù)據(jù)對美國坦帕灣 1997～2005年間的透明度進(jìn)行了估算并深入討論了透明度的影響因素;Shahraini等[30]以實測透明度數(shù)據(jù)和SesWiFS衛(wèi)星數(shù)據(jù), 深入分析了利用 SeaWiFS的處于大氣頂層的遙感反射率與大氣底部的遙感反射率估算里海海岸帶水體透明度的優(yōu)劣, 研究表明大氣底部遙感反射率優(yōu)于頂層的, 提出以681 nm和560 nm波段的大氣底部遙感反射率的比值為自變量, 以透明度倒數(shù)為因變量的透明度線性估算算法; Doron等[31]采用SeaWiFS、MODIS和MERIS的490 nm和560 nm反射率的比值(R490/R560)來估算海岸帶水體和大洋水體的透明度, 利用該模式估算了全球海水透明度。該算法的應(yīng)用前提是 R490介于 0.005～0.22 sr–1, R560介于0.006～0.3 sr–1, R560/ R490介于 0.22～3.5 sr–1; Guan 等[32]利用TM第1和3波段反射率的比值及其第3波段的反射率構(gòu)建的線性模型來估測加拿大Simcoe湖的透明度, 并利用此算法分析了該湖透明度的時空變化情況及其影響因素; Mantas等[33]在葡萄牙蒙特古河采用MODIS的469 nm和555 nm反射率的比值建立了估算透明度的線性回歸模型; Knight和 Voth[34]利用MODIS的第1和3波段反射率的線性組合構(gòu)建了透明度指數(shù)估算模型, 據(jù)此估算了美國明尼蘇達(dá)全州的湖泊透明度, 并進(jìn)一步評估了湖泊富營養(yǎng)化程度。在國內(nèi), 吳敏等[35]利用巢湖的透明度與MODIS各個波段輻亮度做回歸分析, 建立了基于MODIS第11和10波段輻亮度之比與第1波段和1、3、5波段輻亮度之和比值的透明度多元回歸估測模型; Guofeng Wu等[36]通過對TM和MODIS波段與鄱陽湖水體透明度進(jìn)行了分析, 構(gòu)建了基于透明度自然對數(shù)和藍(lán)、紅波段自然對數(shù)的線性模型, 并指出MODIS估算水體透明度優(yōu)于TM。

水色衛(wèi)星傳感器用于透明度的遙感估算, 優(yōu)勢較多: 較高的時間分辨率, 如 MODIS為 1～2 d、MERIS為2～3 d對于透明度快速、周期性監(jiān)測具有重大應(yīng)用潛力; 較高的光譜分辨率和合理的通道設(shè)置, 如SeaWiFS有8個通道、MODIS有9個水色波段、MERIS共有15個光譜通道, 除設(shè)置有監(jiān)測水色組分的通道外, 還有用于大氣校正的通道; 然而, 水色衛(wèi)星傳感器的動輒幾百米、甚至千米級的空間分辨率, 不適用于較小區(qū)域水體透明度的監(jiān)測。

2.2.2 其他衛(wèi)星數(shù)據(jù)

Landsat衛(wèi)星攜帶的MSS、TM和ETM+傳感器具有空間分辨率較高、數(shù)據(jù)獲取方便等優(yōu)勢, 在透明度估算及其時空變化監(jiān)測中得到廣泛應(yīng)用, 如Harrington和Schiebe[37]在美國的Lake Chicot研究發(fā)現(xiàn), MSS影像的第2和3波段對透明度較為敏感, 可用于透明度的遙感估算與動態(tài)監(jiān)測; Lathrop和Lillesand[38]在美國Green Bay和Lake Michigan利用TM綠波段估測透明度; Dekker[39]根據(jù)實測水表面以下反射率與透明度的相關(guān)分析, 建立了以706 nm和676 nm剛好在水表面以下輻照度反射率比值為參數(shù)的透明度估算指數(shù)模型; Lavery等[40]利用TM第1和3波段反射率的比值及其第3波段反射率的線性組合,通過多元線性回歸估算了澳大利亞西南地區(qū)的Harvey河口水體透明度; Dekker和 Peters[41]分析了TM 數(shù)據(jù)在荷蘭富營養(yǎng)化湖泊水質(zhì)遙感中的適用范圍和影響因素, 認(rèn)為TM第1到4波段的灰度值可用于水體透明度的遙感估算; Nellis等[42]采用TM第3波段的反射率研究了美國堪薩斯州水庫透明度分布的空間變化; Allee和 Johnson[43]針對美國阿肯色州Bull Shoals水庫開發(fā)了基于TM第2、3和5波段反射率自然對數(shù)的透明度線性估算模式; Kloiber等[44]對美國6個州近500個湖泊的透明度及3景MSS和10景TM影像研究分析, 結(jié)果表明可分別利用MSS第1和2波段反射率的比值及其第1波段的反射率、TM第1和3波段反射率的比值及其第1波段的反射率估算水體透明度, 研究發(fā)現(xiàn)盡管在 1973～1998年間研究區(qū)土地利用發(fā)生較大改變, 但只有49個湖泊的透明度發(fā)生了變化; Lillesand[45]采用TM第1和2波段反射率的比值研究了美國威斯康星州約 7 000個湖泊透明度時空變化情況, 并用搭載在TERRA衛(wèi)星上的MODIS綠/紅波段比值法估算了2001年Green Bay和Lake Michigan夏季水體透明度; Zhang等[46]提出一種綜合利用 TM 7個波段反射率的光學(xué)數(shù)據(jù)和ERS-2 SAR微波數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)算法來估算芬蘭灣的透明度, 該算法的決定系數(shù)高達(dá)0.95; Nelson等[47]采用ETM+第1和2波段反射率比值法對美國密歇根州 93個湖泊的透明度進(jìn)行了估算, 結(jié)果表明, 所建立的模型對透明度小于 1.5 m的估算精度較高;Hellweger等[48]采用TM第3波段反射率估測了美國紐約灣透明度; Giardino等[49]運用TM第1和2波段反射率比值的線性回歸模型來估算意大利Lake Iseo透明度, 并繪制了該湖透明度分布圖; Nelson等[50]研究發(fā)現(xiàn)TM第2和4波段反射率的比值可以用來估算美國密歇根州三個內(nèi)陸湖泊的水體透明度, 但應(yīng)用于本地區(qū)其他四個湖泊時, 所建立的模型精度很低, 這表明該模型并沒有通用性, 同時討論了遙感估算透明度的影響因素; Olmanson等[51]以 TM 第 1和3波段反射率的比值及其第1波段反射率為自變量, 以實測的透明度為因變量, 對美國明尼蘇達(dá)州約10 000個湖泊的透明度進(jìn)行了估算, 分析了全州湖泊透明度的空間分布特征及其影響因素; 在國內(nèi),王學(xué)軍和馬延[52]采用主成分分析的方法, 建立了基于以TM第1、2、3、5和7波段輻亮度自然對數(shù)的線性組合為因子的太湖透明度指數(shù)估算模型。趙碧云等[53]通過對滇池全湖水體透明度與 TM 不同波段輻亮度組合的關(guān)系進(jìn)行了關(guān)聯(lián)度分析, 據(jù)此建立了TM第4波段輻亮度的單波段指數(shù)模型, 該模型被成功用于滇池透明度的動態(tài)遙感監(jiān)測。王得玉等[54]利用三景TM影像, 采用TM第1和3波段輻亮度比值法分析了錢塘江入海口水體透明度的時空變化情況,并討論了引起這種變化的原因。鄔國鋒等[55]結(jié)合6景TM影像與對應(yīng)的實測透明度數(shù)據(jù), 建立了基于藍(lán)、紅波段自然對數(shù)與透明度自然對數(shù)的線性模型, 該模型能夠解釋鄱陽湖88%水體透明度變化; Duan等[56]分別對TM 1到4單波段、波段比值和波段平均值與查干湖和新廟湖的透明度回歸分析發(fā)現(xiàn), TM第3和2波段反射率的比值、第3和1波段反射率的比值、第1和4波段反射率的均值以及第3和2波段反射率的均值可以用于該區(qū)域內(nèi)陸湖泊透明度的遙感估算。Zhao等[57]以太湖及其入湖河流為研究區(qū)進(jìn)行了研究, 結(jié)果表明, ETM+第3和1波段反射率的比值與第 1波段反射率組成的線性組合可以用來估算該區(qū)域的透明度, 此外, ETM+第 8波段可用于平均寬度大于40 m的河流透明度估算。

中巴資源衛(wèi)星 CBERS, 與 Landsat系列衛(wèi)星相比, 其最高分辨率達(dá)19.5 m。也有學(xué)者運用CBERS對水體透明度的進(jìn)行遙感估算研究, 如王愛華等[58]經(jīng)灰色關(guān)聯(lián)度分析表明, CBERS第1和3波段的比值可估算農(nóng)區(qū)水體透明度。

Quickbird衛(wèi)星于2001年發(fā)射升空, 其空間分辨率高達(dá) 0.61 m, 為水體透明度的遙感估測提供了更高的空間分辨率數(shù)據(jù), 如 Yüzügüllü 和 Aksoy[59]運用神經(jīng)網(wǎng)絡(luò)的方法對Quickbird影像不同波段組合來估測土耳其Eymir湖的透明度, 取得了較好的效果。

這些衛(wèi)星傳感器與水色的相比, 普遍具有較高的空間分辨率, 如Quickbird衛(wèi)星的空間分辨率更是高達(dá)0.61 m, 這對內(nèi)陸湖泊、河流等較小區(qū)域水體透明度的遙感監(jiān)測極其有利; Landsat-1于1972年發(fā)射升空, 目前Landsat-7仍在軌運行, 這為利用Landsat衛(wèi)星長時間遙測水體透明度提供了可能; 然而, 陸地衛(wèi)星傳感器的劣勢在于: 其波譜分辨率較低, 且沒有估測水體組分和大氣校正波段; 陸地衛(wèi)星的軌道周期一般較長, 如Landsat衛(wèi)星為16 d, 如果再加上云雨對衛(wèi)星影像的影響, 顯然無法滿足快速、周期性監(jiān)測的要求。

3 透明度估算方法

3.1 基于葉綠素a質(zhì)量濃度估算透明度

很多學(xué)者研究發(fā)現(xiàn), 葉綠素 a質(zhì)量濃度與光束衰減系數(shù)之間具有很高的相關(guān)性[60-61], 而這種生物光學(xué)特性直接影響光在水下的傳播, 進(jìn)而影響水體透明度。不少學(xué)者研究表明, 透明度與葉綠素a濃度之間呈現(xiàn)負(fù)指數(shù)關(guān)系, 關(guān)系式為:

式中, SDD表示透明度, 單位為m, a、b為經(jīng)驗系數(shù),ρChl-a表示 葉 綠 素a質(zhì) 量 濃 度, 單 位 為mg/m3。Carlson[62]在研究湖泊水體的富營養(yǎng)狀態(tài)指數(shù)時發(fā)現(xiàn),水體的葉綠素a質(zhì)量濃度與透明度呈高度相關(guān)關(guān)系,相關(guān)系數(shù)達(dá) 0.93; Sasaki等[63]在日本的Tokyo Bay和Sagami Bay研究表明秋季葉綠素a質(zhì)量濃度與透明度之間存在一定關(guān)系; 費尊樂等[64]分析東海黑潮區(qū)浮游植物與海水光化學(xué)參數(shù)之間的相關(guān)關(guān)系, 建立了基于葉綠素a質(zhì)量濃度透明度估算模型; 李寶華和傅克忖[65]在對南黃海進(jìn)行研究時, 提出該海域中懸浮物主要來自浮游植物, 海水中浮游植物的光學(xué)特性決定了該海域中海水的光學(xué)特性, 從而決定了海水的透光度, 建立了透明度與葉綠素a質(zhì)量濃度之間的關(guān)系式; Megard和Berman[66]在地中海東南海域研究藻類對透明度的影響時, 結(jié)果表明, 可以用葉綠素a質(zhì)量濃度估算透明度, 二者呈反比關(guān)系。此外, Morel等[67]通過30 531個透明度現(xiàn)場觀測數(shù)據(jù)和與其時空匹配的衛(wèi)星估算葉綠素a質(zhì)量濃度數(shù)據(jù), 建立了二者之間的經(jīng)驗?zāi)Ｐ汀；谌~綠素a質(zhì)量濃度透明度估算算法見表1。

由表1可以看出, 基于葉綠素a質(zhì)量濃度的經(jīng)驗?zāi)Ｐ? 容易受建模時觀測時間和海區(qū)的影響, 根本在于不同海域葉綠素a質(zhì)量濃度是不同的, 如費尊樂等[64]研究區(qū)葉綠素質(zhì)量濃度為 0.1～4.4 mg/m3, 而Megard和Berman[66]的僅為 0.02～0.14 mg/m3。此外,Morel等[67]是根據(jù)衛(wèi)星估算的葉綠素a質(zhì)量濃度來估算水體透明度, 顯然此算法受遙感數(shù)據(jù)精度的限制,而衛(wèi)星遙感的葉綠素a產(chǎn)品常常會出現(xiàn)高估或低估的現(xiàn)象。

需要說明的是, 以葉綠素a質(zhì)量濃度估算透明度,針對的是沒有或很少懸浮泥沙的水體。

表1 基于葉綠素a質(zhì)量濃度估算透明度的經(jīng)驗算法

3.2 利用固有光學(xué)參數(shù)估算透明度

隨著水色遙感研究的不斷深入, 不少學(xué)者嘗試采用基于生物光學(xué)模型和水下輻射傳輸理論建立透明度估算的半分析模型, 該模型具有較好的物理解釋和適用范圍。

何賢強等[18]以中國近海為研究區(qū), 根據(jù)水下輻射傳輸和對比度傳輸理論, 建立了基于 490 nm波段吸收系數(shù)和后向散射系數(shù)的透明度半分析模式, 并用該模式估算了1999年中國海的透明度。然而, 該模型中的吸收系數(shù)和后向散射系數(shù)均由葉綠素a濃度計算得到, 因此模型的應(yīng)用受葉綠素a含量反演精度的限制。此外, 對于一類水體, 采用該模式反演得到的透明度與實測透明度的相關(guān)系數(shù)為 0.84, 絕對平均誤差為4.17 m, 相對平均誤差為22.6%, 反演效果較好; 但對于二類水體, 反演效果則不理想。

Tyler[1]和 Preisendorfer[68]深入研究了透明度與水體光學(xué)參數(shù)之間的關(guān)系, 在不考慮測量環(huán)境和觀測人員的情況下, 透明度主要取決于水體的固有光學(xué)特性。在此基礎(chǔ)上, Doron等[69]建立了基于490 nm波段漫衰減系數(shù)和光束衰減系數(shù)的透明度半分析估算模式。Doron等[69]以709 nm為參考波長, 采用Lee等[70]創(chuàng)建的 QAA 算法(Quasi-Analytical Algorithm)計算490 nm波段的漫衰減系數(shù)和光束衰減系數(shù)。然而, 由于水體在長波處的強烈吸收, 采用709 nm在大部分近岸水體可能是失效的, 在最新版本的 QAA算法中, 推薦使用的參考波長為550, 555和640 nm。

魏國妹等[71]以北部灣為研究區(qū), 采用Doron等[69]算法估算了該區(qū)域的水體透明度。研究表明, 至少對于北部灣這樣的近岸水體, 海洋遙感結(jié)合固有光學(xué)量的估算, 可取得較高精度的透明度遙感估算。然而,作者未給出利用QAA算法計算490 nm波段吸收系數(shù)和散射系數(shù)時所采用的參考波長; 另外, 在利用QAA算法計算水體固有光學(xué)量時, 對某些參數(shù)的取值可能會對模型有所影響, 如顆粒物的后向散射系數(shù)與總散射系數(shù)的比值取為0.02。

林法玲[72]以臺灣海峽西部沿岸為研究區(qū), 基于SeaWiFS數(shù)據(jù)采用魏國妹等[71]算法估算了該海域1998～2010年水體透明度, 研究表明, 海峽西岸活躍的經(jīng)濟(jì)活動沒有對沿岸水質(zhì)產(chǎn)生顯著的破壞性影響。

4 存在問題與展望

盡管國內(nèi)外在二類水體透明度遙感方面做了大量研究、取得了很大進(jìn)展, 但也存在一些問題: 透明度的遙感估算主要以經(jīng)驗方法為主, 模型的可移植性差; 主要采用的是光學(xué)傳感器; 利用QAA算法估算的水體吸收系數(shù)和散射與實測值存在10%的偏差[73],影響了透明度估算的精度。

關(guān)于二類水體的透明度遙感, 今后的工作應(yīng)重點關(guān)注: (1) 內(nèi)陸和近岸二類水體光學(xué)性質(zhì)是比較復(fù)雜的, 不同區(qū)域的水體, 其光學(xué)特性差異很大, 且季節(jié)性變化很大。因此, 開發(fā)適用于特定區(qū)域算法是有必要的, 且區(qū)域模型研究有助于全球二類水體透明度遙感的進(jìn)一步發(fā)展。(2) 深化對已有傳感器在透明度遙感中的研究, 不斷將新的數(shù)據(jù)源應(yīng)用于透明度的遙感估測, 新的傳感器往往有較高的光譜分辨率和空間分辨率, 如搭載在我國環(huán)境一號衛(wèi)星上的HSI(Hyper-Spectral Imager)超光譜傳感器和 CCD相機(Charge-Coupled Device), 以及美國的HICO (Hyperspectral Imager for the Coastal Imager)高光譜傳感器等。(3) 多種遙感數(shù)據(jù)結(jié)合, 以提高透明度估算的精度。(4) 基于現(xiàn)有的遙感數(shù)據(jù), 開展水體透明度長時間遙感估測, 以研究在全球氣候變化和人類活動對透明度的影響。(5) 加強對二類水體大氣校正算法的研究。大氣校正是利用機載或衛(wèi)星傳感器估測水體透明度研究中的難點, 其準(zhǔn)確與否直接決定透明度遙感估算模型的精度。需根據(jù)二類水體的特點, 建立實用的大氣校正算法。(6)更加深入地研究透明度的影響因素及水體光學(xué)性質(zhì), 結(jié)合輻射傳輸理論,開發(fā)物理意義明確的算法。

[1] Tyler J E. The Secchi disc[J]. Limnology and Oceanography, 1968, 13(1): 1-6.

[2] 何賢強, 潘德爐, 黃二輝, 等. 中國海透明度衛(wèi)星遙感監(jiān)測[J]. 中國工程科學(xué), 2004, 6(9): 33-37.

[3] Chen Z Q, Muller-Karger F E, Hu C M. Remote sensing of water clarity in Tampa Bay[J]. Remote Sensing of Environment, 2007, 109(2): 249-259.

[4] Kratzer S, H?kansson B, Sahlin C. Assessing Secchi and photic zone depth in the Baltic Sea from satellite data[J]. AMBIO: A Journal of the Human Environment,2003, 32(8): 577-585.

[5] Son S, Campbell J, Dowell M, et al. Primary production in the Yellow Sea determined by ocean color remote sensing[J]. Maine Ecology Progress Series, 2005, 303:91-103.

[6] Levin I, Radomyslskaya T. Estimate of water inherent optical properties from Secchi depth[J]. Atmospheric and Oceanic Physics, 2012, 48(2): 214-221.

[7] Kosten S, Vernooij M, Vannes E H, et al. Bimodal transparency as an indicator for alternative states in South American lakes[J]. Freshwater Biology, 2012, 57:1191-1201.

[8] Falkowski P G, Wilson C. Phytoplankton productivity in the North Pacific ocean since 1900 and implications for absorption of anthropogenic CO2[J]. Nature, 1992,358(6389): 741-743.

[9] 邢小罡, 趙冬至, 劉玉光, 等. 葉綠素 a熒光遙感研究進(jìn)展[J]. 遙感學(xué)報, 2007, 11(1): 137-143.

[10] 劉大召, 付東洋, 沈春燕, 等. 河口及近岸二類水體懸浮泥沙遙感研究進(jìn)展[J]. 海洋環(huán)境科學(xué), 2010,29(4): 611-616.

[11] 劉志國, 周云軒, 蔣雪中, 等. 近岸 Ⅱ 類水體表層懸浮泥沙濃度遙感模式研究進(jìn)展[J]. 地球物理學(xué)進(jìn)展, 2006, 21(1): 321-326.

[12] 沈紅, 趙冬至, 付云娜, 等. 黃色物質(zhì)光學(xué)特性及遙感研究進(jìn)展[J]. 遙感學(xué)報, 2007, 10(6): 949-954.

[13] Odermatt D, Gitelson A, Brando V E, et al. Review of constituent retrieval in optically deep and complex waters from satellite imagery[J]. Remote Sensing of Environment, 2012, 118: 116-126.

[14] Sathyendranath S. Remote sensing of ocean colour in coastal, and other optically-complex, waters[R].Dartmouth: the International Ocean-Colour Coordinating Group, 2000.

[15] Qing S, Tang J W, Cui T W, et al. Retrieval of inherent optical properties of the Yellow Sea and East China Sea using a quasi-analytical algorithm[J]. Chinese Journal of Oceanology and Limnology, 2011, 29(1): 33-45.

[16] 崔廷偉, 張杰, 唐軍武, 等. 黃東海渾濁水體固有光學(xué)參數(shù)的衛(wèi)星反演[J]. 中國光學(xué)快報, 2010, 8(8):721.

[17] 王皓, 趙冬至, 王林, 等. 水質(zhì)遙感研究進(jìn)展[J]. 海洋環(huán)境科學(xué), 2012, 31(2): 285-288.

[18] 何賢強, 潘德爐, 毛志華, 等. 利用 SeaWiFS反演海水透明度的模式研究[J]. 海洋學(xué)報, 2004, 26(5):55-62.

[19] H?rm? P, Veps?l?inen J, Hannonen T, et al. Detection of water quality using simulated satellite data and semi-empirical algorithms in Finland[J]. The Science of the Total Environment, 2001, 268(1-3): 107-121.

[20] Koponen S, Pulliainen J, Kallio K, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data[J]. Remote Sensing of Environment, 2002, 79(1): 51-59.

[21] Thiemann S, Kaufmann H. Lake water quality monitoring using hyperspectral airborne data—a semiempirical multisensor and multitemporal approach for the Mecklenburg Lake District, Germany[J].Remote Sensing of Environment, 2002, 81(2): 228-237.

[22] 傅克忖, 曾憲模, 任敬萍, 等. 由現(xiàn)場離水輻亮度估算黃海透明度幾種方法的比較[J]. 黃渤海海洋, 1999,17(2): 19-24.

[23] 王曉梅, 唐軍武, 丁靜, 等. 黃海、東海二類水體漫衰減系數(shù)與透明度反演模式研究[J]. 海洋學(xué)報, 2005,27(5): 38-45.

[24] 段洪濤, 張柏, 宋開山, 等. 查干湖透明度高光譜估測模型研究[J]. 干旱區(qū)資源與環(huán)境, 2006, 20(1):156-160.

[25] 宋開山, 張柏, 王宗明, 等. 半干旱區(qū)內(nèi)陸湖泊透明度高光譜估測模型研究——以松嫩平原查干湖為例[J]. 水科學(xué)進(jìn)展, 2006, 17(6): 790-796.

[26] 段洪濤, 張柏, 宋開山, 等. 長春南湖水體透明度高光譜定量模型研究[J]. 中國科學(xué)院研究生院學(xué)報,2006, 23(5): 633-639.

[27] 叢丕福, 曲麗梅, 韓庚辰, 等. 遼東灣海水透明度的遙感估算模型[J]. 地球科學(xué)進(jìn)展, 2011, 26(3):295-299.

[28] 陳蕾, 謝健, 彭曉鵑, 等. 珠江口海水透明度與光譜相關(guān)關(guān)系研究[J]. 國土資源遙感, 2011, 3: 151-155.

[29] Binding C E, Jerome J H, Bukata R P, et al. Trends in water clarity of the lower Great Lakes from remotely sensed aquatic color[J]. Journal of Great Lakes Research, 2007, 33(4): 828-841.

[30] Shahraini H T, Sharifi H, Sanaeifar M. Development of clarity model for Caspian Sea using MERIS data[C]//Charles R. International Society for Optics and Photonics. Miguel Velez-Reyes Prague: Czech Republic, 2011: 817516-1.

[31] Doron M, Babin M, Hembise O, et al. Ocean transparency from space: Validation of algorithms estimating Secchi depth using MERIS, MODIS and SeaWiFS data[J]. Remote Sensing of Environment,2011, 115(12): 2986-3011.

[32] Guan X, Li J, Booty W G. Monitoring Lake Simcoe Water Clarity Using Landsat-5 TM Images[J]. Water Resources Management, 2011, 25(8): 2015-2033.

[33] Mantas V, Pereira A, Neto J, et al. Monitoring estuarine water quality using satellite imagery. The Mondego river estuary (Portugal) as a case study[J]. Ocean &Coastal Management, 2013, 72: 1-9.

[34] Knight J F, Voth M L. Application of MODIS Imagery for Intra-Annual Water Clarity Assessment of Minnesota Lakes[J]. Remote Sensing, 2012, 4(7):2181-2198.

[35] 吳敏, 王學(xué)軍. 應(yīng)用 MODIS遙感數(shù)據(jù)監(jiān)測巢湖水質(zhì)[J]. 湖泊科學(xué), 2005, 17(2): 110-113.

[36] Wu G F, De Leeuw J, Skidmore A K, et al. Comparison of MODIS and Landsat TM5 images for mapping tempo–spatial dynamics of Secchi disk depths in Poyang Lake National Nature Reserve, China[J].International Journal of Remote Sensing, 2008, 29(8):2183-2198.

[37] Harrington Jr J A, Schiebe F R, Nix J F. Remote sensing of Lake Chicot, Arkansas: monitoring suspended sediments, turbidity, and secchi depth with Landsat MSS data[J]. Remote Sensing of Environment,1992, 39(1): 15-27.

[38] Lathrop R G, Lillesand T M. Use of Thematic Mapper data to assess water quality in Green Bay and central Lake Michigan[J]. Photogrammetric Engineering and Remote Sensing, 1986, 52: 671-680.

[39] Dekker A G. Detection of optical water quality parameters for entrophic waters by high resolution remote sensing[D]. Amsterdam: University of Amsterdam,1993.

[40] Lavery P, Pattiaratchi C, Wyllie A, et al. Water quality monitoring in estuarine waters using the Landsat Thematic Mapper[J]. Remote Sensing of Environment,1993, 46(3): 268-280.

[41] Dekker A, Peters S. The use of the Thematic Mapper for the analysis of eutrophic lakes: a case study in the Netherlands[J]. International Journal of Remote Sensing, 1993, 14(5): 799-821.

[42] Duane Nellis M, Harrington J A, Wu J. Remote sensing of temporal and spatial variations in pool size,suspended sediment, turbidity, and Secchi depth in Tuttle Creek Reservoir, Kansas: 1993[J].Geomorphology, 1998, 21(3): 281-293.

[43] Allee R, Johnson J. Use of satellite imagery to estimate surface chlorophyll a and Secchi disc depth of Bull Shoals Reservoir, Arkansas, USA[J]. International Journal of Remote Sensing, 1999, 20(6): 1057-1072.

[44] Kloiber S M, Brezonik P L, Bauer M E. Application of Landsat imagery to regional-scale assessments of lake clarity[J]. Water Research, 2002, 36(17): 4330-4340.

[45] Lillesand T M. Combining satellite remote sensing and volunteer Secchi disk measurement for lake transparency monitoring[J/OL]. [2013-02-28]. http://acwi.gov/monitoring/conference/2002/Papers-Alphabetical%20by%20First%20Name/Thomas%20Lillesand-Satellite.pdf.

[46] Zhang Y Z, Pulliainen J, Koponen S, et al. Application of an empirical neural network to surface water quality estimation in the Gulf of Finland using combined optical data and microwave data[J]. Remote Sensing of Environment, 2002, 81(2): 327-336.

[47] Nelson S A C, Soranno P A, Cheruvelil K S, et al.Regional assessment of lake water clarity using satellite remote sensing[J]. Journal of Limnology, 2003,62(Suppl.1): 27-32.

[48] Hellweger F, Schlosser P, Lall U, et al. Use of satellite imagery for water quality studies in New York Harbor[J]. Estuarine, Coastal and Shelf Science, 2004,61(3): 437-448.

[49] Giardino C, Pepe M, Brivio P A, et al. Detecting chlorophyll, Secchi disk depth and surface temperature in a sub-alpine lake using Landsat imagery[J]. Science of the Total Environment, 2001, 268(1): 19-29.

[50] Nelson S A C, Cheruvelil K S, Soranno P A. Satellite remote sensing of freshwater macrophytes and the influence of water clarity[J]. Aquatic Botany, 2006,85(4): 289-298.

[51] Olmanson L G, Bauer M E, Brezonik P L. A 20-year Landsat water clarity census of Minnesota's 10 000 lakes[J]. Remote Sensing of Environment, 2008,112(11): 4086-4097.

[52] 王學(xué)軍, 馬延. 應(yīng)用遙感技術(shù)監(jiān)測和評價太湖水質(zhì)狀況[J]. 環(huán)境科學(xué), 2000, 21(6): 65-68.

[53] 趙碧云, 賀彬, 朱云燕, 等. 滇池水體中透明度的遙感定量模型研究[J]. 環(huán)境科學(xué)與技術(shù), 2003, 26(2):16-17.

[54] 王得玉, 馮學(xué)智. 基于TM影像的錢塘江入?？谒w透明度的時空變化分析[J]. 江西師范大學(xué)學(xué)報(自然科學(xué)版), 2005, 29(2): 185-189.

[55] 鄔國鋒, 劉耀林, 紀(jì)偉濤. 基于 TM 影像的水體透明度反演模型——以鄱陽湖國家自然保護(hù)區(qū)為例[J]. 湖泊科學(xué), 2007, 19(3): 235-240.

[56] Duan H T, Ma R H, Zhang Y Z, et al. Remote-sensing assessment of regional inland lake water clarity in northeast China[J]. Limnology, 2009, 10(2): 135-141.

[57] Zhao D H, Cai Y, Jiang H, et al. Estimation of water clarity in Taihu Lake and surrounding rivers using Landsat imagery[J]. Advances in Water Resources,2011, 34(2): 165-173.

[58] 王愛華, 史學(xué)軍, 楊春和, 等. 基于CBERS數(shù)據(jù)的農(nóng)區(qū)水體透明度遙感模型研究[J]. 遙感技術(shù)與應(yīng)用,2009, 24(2): 172-179.

[59] Yüzügüllü O, Aksoy A. Determination of Secchi Disc depths in Lake Eymir using remotely sensed data[J].Procedia-Social and Behavioral Sciences, 2011, 19:586-592.

[60] Morel A, Maritorena S. Bio-optical properties of oceanic waters-A reappraisal[J]. Journal of Geophysical Research, 2001, 106(C4): 7163-7180.

[61] Morel A, Gentili B. Radiation transport within oceanic(case 1) water[J]. Journal of Geophysical Research,2004, 109(C6): C06008.

[62] Carlson R E. A trophic state index for lakes[J].Limnology and Oceanography, 1977, 22(2): 361-369.

[63] Y S, K M. Optical environmental research of areas from the mouth of Tokyo Bay to Sagami Nada in Autumn[J]. Jamstectr, 1981, 7: 101-112.

[64] 費尊樂, 李寶華, 夏濱. 浮游植物與海水光化學(xué)參數(shù)之間的相關(guān)關(guān)系的研究[C]//國家海洋局科技司. 黑潮調(diào)查研究論文集 (三). 北京: 海洋出版社, 1991:143-149.

[65] 李寶華, 傅克忖. 南黃海浮游植物與水色透明度之間相關(guān)關(guān)系的研究[J]. 黃渤海海洋, 1999, 17(3): 73-79.

[66] Megard R O, Berman T. Effects of algae on the Secchi transparency of the southeastern Mediterranean Sea[J].Limnology and Oceanography, 1989, 34(8): 1640-1655.

[67] Morel A, Huot Y, Gentili B, et al. Examining the consistency of products derived from various ocean color sensors in open ocean (Case 1) waters in the perspective of a multi-sensor approach[J]. Remote Sensing of Environment, 2007, 111(1): 69-88.

[68] Preisendorfer R W. Secchi disk science: Visual optics of natural waters[J]. Limnology and Oceanography,1986, 31(5): 909-926.

[69] Doron M, Babin M, Mangin A, et al. Estimation of light penetration, and horizontal and vertical visibility in oceanic and coastal waters from surface reflectance [J].Journal of Geophysical Research, 2007, 112: C06003.

[70] Lee Z, Carder K L, Arnone R A. Deriving inherent optical properties from water color: a multiband quasi-analytical algorithm for optically deep waters[J].Applied Optics, 2002, 41(27): 5755-5772.

[71] 魏國妹, 商少凌, 李忠平, 等. 基于固有光學(xué)特性的北部灣透明度遙感反演及其檢驗[J]. 高技術(shù)通訊,2009, 19(9): 977-982.

[72] 林法玲. 1998～2010 年夏季臺灣海峽西部沿岸海水遙感透明度的年際變化[J]. 臺灣海峽, 2012, 31(3): 301-306.

[73] Lee Z P, Arnone R, Hu C M, et al. Quantification of uncertainties in remotely derived optical properties of coastal and oceanic waters[C]// Hou W L. Ocean Sensing and Monitoring II(7678). Arnone Orlando,Florida: SPIE, 2010: 1-8.