長江口水質MERIS衛(wèi)星數(shù)據(jù)遙感反演研究*

謝明媚，孫德勇，丘仲鋒，王勝強，路 穎，吳晨穎，葉之翩，岳小媛

(南京信息工程大學海洋科學學院，江蘇南京 210044)

長江口水質MERIS衛(wèi)星數(shù)據(jù)遙感反演研究*

謝明媚，孫德勇**，丘仲鋒，王勝強，路 穎，吳晨穎，葉之翩，岳小媛

(南京信息工程大學海洋科學學院，江蘇南京 210044)

【目的】獲取準確的水質參數(shù)分布情況，進而對水質參數(shù)與動力作用復雜的河口水域環(huán)境進行綜合評價?！痉椒ā坷?011年5月30組長江口水域的遙感反射率數(shù)據(jù)，在嘗試多種波段組合以及不同函數(shù)形式后，針對葉綠素a濃度和總懸浮物濃度分別建立最優(yōu)經驗反演模型。【結果】對總懸浮物濃度，波段差值(634～644 nm)的二次函數(shù)形式最優(yōu)，決定系數(shù)R2為0.837，均方根誤差(RMSE)為 0.226 mg·L-1，利用獨立的驗證樣本得到平均絕對百分比誤差(MAPE)為58.2%。對葉綠素a濃度，波段比值(650 nm/644 nm)的二次函數(shù)形式最優(yōu)，R2為0.552，RMSE為0.486 mg·m-3，利用獨立的驗證樣本得到MAPE為66.2%。將模型運用于2011年5月MERIS衛(wèi)星數(shù)據(jù)，反演出長江口水域葉綠素a濃度與總懸浮物濃度空間分布圖，葉綠素a濃度呈現(xiàn)出從河口向外海逐漸減少的趨勢，最大值出現(xiàn)在舟山群島附近?？倯腋∥餄舛瘸孰A梯狀向外海減少?！窘Y論】通過評價參數(shù)可看出，總懸浮物濃度反演模型對總懸浮物濃度反演效果較為準確，而葉綠素a濃度反演模型顯示對葉綠素a的反演濃度較低。

葉綠素a濃度 總懸浮物濃度 MERIS 衛(wèi)星遙感算法

0 引言

【研究意義】長江口是我國最大的河口，每年約有4×108t泥沙及大量污染物質被徑流攜帶入海，其中作為浮游植物營養(yǎng)鹽的N、P、Si等的含量非常高[1]。長江口特殊的水文條件使其成為一個對環(huán)境污染非常敏感的水域，同時，其生態(tài)環(huán)境和生物資源的變化與人類生活和經濟發(fā)展密切相關[2]。葉綠素是各種浮游植物體內普遍含有的光合作用色素，是海洋浮游植物生物量的一個良好指標[3]。因此，海洋水體葉綠素濃度是海洋生物和海洋化學研究的重要水質參數(shù)之一[4]。懸浮物同樣也是重要的水質參數(shù)，它可直接影響光在水體中的傳播，進而影響水體透明度、真光層深度、水色等光學性質，同時限制著浮游植物對光照的利用，最終影響水體中的生物[5]。遙感技術在水質參數(shù)檢測中已有大量的應用，其提供的數(shù)據(jù)資料具有水平范圍大和瞬時近乎同步的特點，能有效地監(jiān)測海洋水色要素的海域分布和動態(tài)變化[6]。利用衛(wèi)星數(shù)據(jù)反演葉綠素a濃度和懸浮物濃度等水色要素能夠直觀有效的對水域環(huán)境情況做出評估?！厩叭搜芯窟M展】國內外學者對復雜水體中的葉綠素a濃度和懸浮物濃度的反演已經展開過許多有價值的研究。Doerffer等[7]針對MERIS數(shù)據(jù)產品開發(fā)了C2P(case 2 waters processor)算法來反演二類水體水色組分，但由于長江口為高渾濁含沙水域，葉綠素a濃度往往被高估或無效估計[8]。洪官林等[2]在對長江口水體葉綠素a濃度進行經驗模型的反演時，發(fā)現(xiàn)SCI (Synthetic chlorophyll index)模型在精度上要高于二波段比值法和三波段比值法，并得出整個長江口葉綠素a濃度分布呈“低-高-低”的分布特征。李素菊等[9]在巢湖利用反射率比值(705 nm/680 nm)和690 nm處反射率的一階微分與葉綠素a濃度之間較好的相關性，建立了較高反演精度的葉綠素a濃度反演模型。He等[10]利用GOCI(geostationary ocean color imager)衛(wèi)星數(shù)據(jù)反演了在沿岸水域的總懸浮物濃度的日動態(tài)分布狀況?！颈狙芯壳腥朦c】我國長江口水域屬于典型的二類水體，其光譜信號受多種水質參數(shù)的影響，因此對該區(qū)域的水質評價不能局限于單一的變量。【擬解決的關鍵問題】為此，本研究在分析了實測的高光譜水體遙感反射率數(shù)據(jù)的基礎上，利用長江口區(qū)域實測的葉綠素a濃度和總懸浮物濃度的數(shù)據(jù)，分別建立葉綠素a濃度和總懸浮物濃度的最佳經驗模型。并將同時段的MERIS衛(wèi)星數(shù)據(jù)應用到所建立的經驗算法中，以獲取大面積同步的水質參數(shù)分布情況，進而對長江口水環(huán)境進行綜合評價。

1 材料與方法

1.1 研究區(qū)域與實測數(shù)據(jù)

長江全長6 300多千米，是我國最長的河流，其河口區(qū)自安徽大通向下到水下三角洲前緣長達700多千米。河口段自徐六徑(122°55′12″E，31°44′54″N)向下由崇明島分為南、北兩支水道。南支水道在吳淞口附近被長興島以及橫沙島分割為南港和北港；而南港又被九段沙分為南槽和北槽，從而形成三級分叉，四口入海的特征；長江口往外則為面積約1萬km2的水下三角洲，其前緣最東可達123°E[2]。研究區(qū)域站點分布如圖1所示。

圖1 2011年5月長江口實測站點分布

Fig.1 Distribution of sample stations in Yangtze Estuary in May 2011

本研究所利用的實測數(shù)據(jù)觀測時間為2011年5月中下旬，一共30個站點數(shù)據(jù)。測量參數(shù)包括水體高光譜遙感反射率、總懸浮物濃度和葉綠素a濃度。水體光譜數(shù)據(jù)采用美國分析光譜儀器公司( Analytical Spectral Devices) 制造的ASD Field Spec Pro便攜式光譜輻射計測量，該儀器波段范圍為350～1 050 nm，光譜分辨率為2 nm。選擇水面平靜，天空晴朗時測量。具體步驟按照唐軍武等[11]提出的關于內陸二類水體水面以上光譜測量的方法進行，并最終計算出水面遙感反射率參數(shù)。

懸浮物濃度CTSM采用濾膜法測量?；痉椒閷嶒炃皩V膜烘干6～8 h稱重獲取空白膜質量記為w1，實驗時將一定體積的水樣通過0.45 μm的濾膜，過濾后密封帶回實驗室處理，將帶回實驗室的濾膜再次烘干，稱量留在濾膜上的懸浮顆粒物的重量記為w2，運用如下公式計算出海水中懸浮顆粒物濃度:

(1)

式中CTSM為懸浮物濃度，單位為mg·L-1;w2為過濾后濾膜重量，單位為 mg;Δw為過濾前濾膜重量，單位為 mg;V為空白校正濾膜正值(應為負值)，單位為 mg；V為水樣體積，單位為 L。具體測量步驟參見GB 17378.4-2007(文獻[12])。

本研究中葉綠素a濃度的測量方法采用熱乙醇法[13]。首先利用GF/F膜過濾200 mL原水，加入熱乙醇水浴2 min，再將萃取樣品放到室溫下避光處萃取4～6 h。萃取結束后，用25 mm玻璃纖維濾膜過濾萃取液并定容至10 mL，將10 mL葉綠素樣品萃取液在UV-2550紫外分光光度計上用90%乙醇作為參比液進行比色，先后在665 nm和750 nm波長處測消光率E665和E750，然后在樣品比色皿中加一滴1 mol/L的鹽酸進行酸化，加蓋搖勻，1 min后重新在665 nm和750 nm波長處測消光率A665和A750。由E665、E750、A665、A750、萃取液定容的體積和過濾水樣的體積求得葉綠素a濃度。

1.2 衛(wèi)星數(shù)據(jù)

MERIS是搭載于歐洲空間局(ESA)發(fā)射的迄今為止最大的綜合性環(huán)境衛(wèi)星ENVISAT-1上的主要傳感器，是目前水色傳感器中最有優(yōu)勢的傳感器之一，專門測量海洋及近岸水體水色。MERIS傳感器在可見光與近紅外(412～900 nm)設置了15個波段，帶寬為3.75～20.00 nm，在可見光波段平均帶寬為10 nm(文獻[14])。本研究選取2011年5月的月平均遙感反射率數(shù)據(jù)進行衛(wèi)星數(shù)據(jù)反演研究。

1.3 模型精度評價

本研究利用數(shù)據(jù)處理軟件(Matlab)對水質參數(shù)進行統(tǒng)計分析與建模。在30組數(shù)據(jù)中隨機選取20組數(shù)據(jù)建模，10組數(shù)據(jù)驗證，并使用平均絕對百分比誤差(MAPE)、均方根誤差(RMSE)、相關系數(shù)R、決定系數(shù)R2等參數(shù)進行精度評價，公式如下：

(2)

(3)

(4)

式中x表示實測數(shù)據(jù)，y表示反演數(shù)據(jù)，N表示樣本數(shù)據(jù)，決定系數(shù)是相關系數(shù)的平方。

2 結果與分析

2.1 水質參數(shù)與遙感反射率

圖2為實測葉綠素a濃度與總懸浮物濃度取對數(shù)后得到的頻數(shù)分布圖，實測葉綠素a濃度的變化范圍為0.07～20.09 mg·m-3， 從取對數(shù)圖中可看出對數(shù)濃度小于1 mg·m-3的站點占53%，圖2a表明葉綠素a濃度較多集中在低濃度，僅有個別站點數(shù)值較大?？倯腋∥餄舛鹊淖兓秶鸀?.2～374.7 mg·L-1，圖2b表明站點以低濃度為主。

圖2 站點頻數(shù)分布圖

Fig.2 Distribution of site number

圖3為實測光譜遙感反射率隨波長變化的曲線。從中看出隨著波長的增加，葉綠素a的吸收特征變弱，反射增強。在可見光的藍、綠波段400～500 nm內，水體的反射率較低，主要是由于葉綠素 a、類胡蘿卜素以及有色溶解有機物在藍光波段的強烈吸收作用引起的，懸浮泥沙的影響使得藍光波段葉綠素a的吸收峰變得不明顯。在560～580 nm附近存在一個反射峰，該反射峰主要是由于葉綠素a與胡蘿卜素的弱吸收和浮游植物細胞的散射作用形成的[5]，并且隨著葉綠素濃度的增加，反射輻射隨之增加。該反射峰與色素的組成有關，可以用來指示葉綠素濃度。而隨著波長增加，在 685～715 nm 附近存在一個明顯的反射峰，一般認為是由于浮游植物所含的葉綠素a的熒光效應造成的，并且該峰會隨著葉綠素a 濃度的增加向長波方向移動——“紅移”，該熒光峰可作為含藻水體最明顯的指示標志，亦可用來指示水體葉綠素 a 含量的高低[15]。在大于700 nm的波段，純水的吸收系數(shù)迅速增大，所以水體的光譜反射率降低，在850～900 nm波段，光譜的噪聲較大。在整個波段范圍內懸浮顆粒物對光都具有散射作用[16]。

圖3 長江口水體遙感反射光譜曲線圖

Fig.3 The remote sensing reflectance spectrum in Yangtze Estuary

2.2 經驗算法模型

2.2.1 總懸浮物濃度反演模型的建立

本研究選取20個站點的400～900 nm波段的遙感反射率與總懸浮物濃度進行相關性分析，結果如圖4所示:實測遙感反射率與總懸浮物濃度的相關系數(shù)在可見光范圍內隨波長的增加大致呈遞增趨勢，并在紅外光波段內達到最大，而在近紅外光波段的相關系數(shù)要低于紅外光波段。在700～820 nm波段范圍內各波長遙感反射率與總懸浮物濃度相關系數(shù)較高并在0.6以上，最大值出現(xiàn)在714 nm 波長處，相關系數(shù)達到0.746。

圖4 單波段相關性分析

Fig.4 Correlation analysis by single bands

將總懸浮物濃度取對數(shù)使數(shù)據(jù)符合正態(tài)分布后，根據(jù)實測光譜遙感反射率與總懸浮物濃度數(shù)據(jù)，通過優(yōu)化迭代的方法，針對不同波段組合分別確定不同的敏感波長位置，波段組合有近紅外單波段模型、差值模型、比值模型和一階微分模型。之后選擇相關系數(shù)較為理想的波段組合進行建模分析，針對每種波段組合模型嘗試多種數(shù)學函數(shù)形式，包括一次函數(shù)型、二次函數(shù)型、指數(shù)函數(shù)型和冪函數(shù)型，模型結果如表1所示。

表1 各類反演模型精度分析R2和RMSE

Table 1 Calibration accuraciesR2and RMSE of multiple models

模型類型Modeltype模型數(shù)學形式Mathematicalform模型方程ModelequationR2RMSE(mg·L-1)近紅外單波段模型Nearinfraredsingleband一次函數(shù)型Linearpolynomiallg(y)=28．38x+0．8080．5570．362二次函數(shù)型Quadraticpolynomiaclg(y)=-0．402．3+55．35x+0．44010．5850．361冪函數(shù)型Powerlg(y)=9．844x0．49970．5760．354指數(shù)函數(shù)型Exponentiallg(y)=1．033e15．01x0．5180．378差值模型Banddifference一次函數(shù)型Linearpolynomiallg(y)=-1289x+2．3850．8150．234二次函數(shù)型Quadraticpolynomiaclg(y)=-537700x2-770．5x+2．3370．8370．226指數(shù)函數(shù)型Exponentiallg(y)=2．362e-685．6x0．7650．263比值模型Bandratio一次函數(shù)型Linearpolynomiallg(y)=1．193x+0．57650．7690．261二次函數(shù)型Quadraticpolynomiaclg(y)=-0．2604x2+1．671x+0．3950．7720．267冪函數(shù)型Powerlg(y)=1．802x0．62470．7720．260指數(shù)函數(shù)型Exponentiallg(y)=0．8482e0．7002x0．7500．272一階微分模型Firstorderdifferential一次函數(shù)型Linearpolynomiallg(y)=12890x+2．3850．8150．234二次函數(shù)型Quadraticpolynomiaclg(y)=-53770000x2+7705x+2．3370．8370．226指數(shù)函數(shù)型Exponentiallg(y)=2．362e6858x0．7650．263

表1顯示了各類反演模型構建結果(表2為表1中自變量的取值)。由表1可看出，差值模型和一階微分模型的R2、RMSE相同，并且比單波段模型和比值模型的精度高，其中二次函數(shù)模型的決定系數(shù)達到了0.837，擬合效果最好(圖5)。說明對長江口水域來說，差值模型和一階微分模型的二次函數(shù)型反演總懸浮物濃度的效果最好。本研究選取表達式較為簡單的差值模型的二次函數(shù)型作為總懸浮物濃度反演的最佳模型。

表2 反演模型自變量取值

Table 2 Independent variables for multiple retrieval models

模型類型Modeltype自變量取值Independentvariablevalue近紅外單波段模型NearinfraredsinglebandmodelRrs(716)差值模型DifferencemodelRrs(634)-Rrs(644)比值模型RatiomodelRrs(714)/Rrs(475)一階微分模型Firstorderdifferentialmodel(Rrs(634)-Rrs(644))/(634-644)

圖5 差值模型二次函數(shù)型擬合

Fig.5 Regression fitting of the Quadratic function model by band difference

2.2.2 葉綠素a濃度反演模型的建立

本研究選取20個站點的400～800 nm波段的遙感反射率與葉綠素a濃度進行相關性分析，結果如圖6所示:在719 nm波長附近相關系數(shù)最高且呈正相關。說明在這波段附近的光譜反射率受浮游植物濃度變化的影響較大，但總體上單波段反射率與葉綠素a濃度的相關系數(shù)較小，最大值為0.414。所以在建立葉綠素a濃度模型中不適宜選擇單波段作為自變量。

圖6 單波段相關性分析

Fig.6 Correlation analysis by single bands

將葉綠素a濃度取對數(shù)使數(shù)據(jù)符合正態(tài)分布后，根據(jù)實測光譜遙感反射率與葉綠素a濃度，通過優(yōu)化迭代的方法，針對不同波段組合分別確定不同的敏感波長位置，波段組合有比值模型、一階微分模型和組合模型。之后選擇相關系數(shù)較高的波段組合進行建模分析，針對每種波段組合模型嘗試多種數(shù)學函數(shù)形式，包括一次函數(shù)型、二次函數(shù)型、指數(shù)函數(shù)型和冪函數(shù)型，目的是為了遴選出最優(yōu)反演模型，模型結果如表3所示。

表3 各類反演模型精度分析R2和RMSE

Table 3 Calibration accuraciesR2and RMSE of multiple models

模型類型Modeltype模型數(shù)學形式Mathematicalform模型方程ModelequationR2RMSE(mg·m-3)組合模型Combination一次函數(shù)型Linearpolynomiallg(y)=87．06x+0．7420．5480．474二次函數(shù)型Quadraticpolynomiaclg(y)=-1357x2+63．48x+0．68470．5520．486指數(shù)函數(shù)型Exponentiallg(y)=-0．01042e-241．1x0．1900．634比值模型Bandratio一次函數(shù)型Linearpolynomiallg(y)=44．26x-43．520．5480．474二次函數(shù)型Quadraticpolynomiaclg(y)=-382．4x2+796x-412．90．5520．486冪函數(shù)型Powerlg(y)=0．7743x132．90．2480．611一階微分模型Firstorderdifferential一次函數(shù)型Linearpolynomiallg(y)=2258x+0．56490．5240．487二次函數(shù)型Quadraticpolynomiaclg(y)=1198000x2+2860x+0．58440．5300．500指數(shù)函數(shù)型Exponentiallg(y)=0．4698e6598x0．2610．606

表3顯示了各類反演模型構建結果(表4為表3中自變量的取值)。從表3可知，所建立模型的決定系數(shù)在0.190～0.552。其中，R2最大值出現(xiàn)在比值模型的二次函數(shù)形式中，且對應的均方根誤差(RMSE)較為理想，同時從圖7可看出在反演葉綠素a濃度中，尚有個別點與線性模型不擬合，但大致圍繞在模型周圍。因此，綜合考慮選擇波段比值模型的二次函數(shù)形式作為葉綠素a濃度反演的最優(yōu)模型。

表4 反演模型自變量取值

Table 4 Independent variables for multiple retrieval models

模型類型Modeltype自變量取值Independentvariablevalue組合模型Combinationmodel(Rrs(650)-Rrs(644))/(Rrs(650)+Rrs(644))比值模型RatiomodelRrs(650)/Rrs(644)一階微分模型Firstorderdifferentialmodel(Rrs(586)-Rrs(588))/(586-588)

圖7 比值模型二次函數(shù)型擬合

Fig.7 Regression fitting of the Quadratic function model by band ratio

2.3 模型驗證

2.3.1 總懸浮物濃度反演模型驗證

將總懸浮物濃度最優(yōu)反演模型利用獨立的10個站點驗證數(shù)據(jù)進行誤差驗證，得出實測值與模型估算值的MAPE為58.20%。且圖8中散點大致沿著對角線分布，說明該模型具有較高的適用性。

2.3.2 葉綠素a濃度反演模型驗證

將葉綠素a濃度最優(yōu)反演模型利用獨立的10個站點驗證數(shù)據(jù)進行誤差驗證，得出實測值與模型估算值的MAPE為66.20%。從圖9可看出，除了極少濃度大的點，其余散點大致沿著對角線分布。說明所建立的葉綠素a濃度反演最優(yōu)模型能較好的反演低濃度的葉綠素a濃度，而對濃度較高的部分有一定的局限性。

圖8 總懸浮物濃度精度檢驗

圖9 葉綠素濃度精度檢驗

Fig.9 Accuracy test of chlorophyll-a concentration

3 MERIS衛(wèi)星數(shù)據(jù)應用

圖10a為從ocean color網站下載得到 2011年5月L3衛(wèi)星遙感數(shù)據(jù)在665波段處的遙感反射率，在建立實測的650 nm和644 nm處遙感反射率的線性模型后，將665波段衛(wèi)星數(shù)據(jù)近似代替650 nm處的遙感反射率代入線性模型，以求得衛(wèi)星數(shù)據(jù)在644 nm處的遙感反射率。之后將所求得波段衛(wèi)星數(shù)據(jù)經過Matlab軟件代入本研究建立的葉綠素a最優(yōu)模型中，從而反演出長江口區(qū)域葉綠素a濃度空間分布圖。圖10b為下載得到2011年5月L3衛(wèi)星遙感數(shù)據(jù)在620波段處的遙感反射率，在建立實測634 nm和644 nm處遙感反射率的線性模型后，將620波段衛(wèi)星數(shù)據(jù)近似代替634 nm處的遙感反射率代入線性模型以求得近似的衛(wèi)星數(shù)據(jù)在644 nm處的遙感反射率，同樣將所求得波段數(shù)據(jù)代入本研究建立的總懸浮物最優(yōu)模型中，進而反演出長江口區(qū)域總懸浮物濃度空間分布圖。

圖10 葉綠素a濃度(a)與總懸浮物濃度(b)衛(wèi)星反演產品

Fig.10 Distribution map of chlorophyll-a (a) and total suspended matter (b) by satellite data

圖10中白色部分為缺測值。由于長江口水域含有高濃度的泥沙，用標準方法進行大氣校正會過高的估算氣溶膠在可見光部分的反射率，使得大氣校正失效即在沿岸區(qū)域出現(xiàn)缺測值[17]。后續(xù)工作將針對高渾濁入海口水體的衛(wèi)星數(shù)據(jù)進行大氣校正研究，以獲取較為全面的衛(wèi)星遙感數(shù)據(jù)。

從圖10a可看出葉綠素a濃度在舟山群島附近達到了最大值，之后往東逐漸減少，主要是由于舟山群島附近海域在長江沖淡水以及臺灣暖流的共同作用下，攜帶大量營養(yǎng)物質的上升流造成這部分海域葉綠素a濃度較高。

由圖10b看出長江口入海泥沙主要向東南方向擴散，渾水的舌端主要位于122°E以東，懸浮物濃度呈階梯狀從河口向外海遞減，并且在122°30′E往外急劇減少。長江口水域高濃度懸浮泥沙的含量主要由于長江流域徑流量巨大，每年隨徑流入海的泥沙可達幾億噸，造成長江水域屬于高渾濁水體。

4 結論

本研究基于實測的長江口水域的遙感反射率、葉綠素a濃度和總懸浮物濃度，在嘗試多種波段組合后選擇相關系數(shù)最大的波段進行函數(shù)擬合。結果表明對于葉綠素a來說最優(yōu)反演模型是比值模型(650 nm/644 nm)的二次函數(shù)形式，對總懸浮物來說最優(yōu)反演模型是差值模型(634～644 nm)的二次函數(shù)形式。在對模型進行檢驗時發(fā)現(xiàn)葉綠素a濃度最優(yōu)模型能較好的反演低濃度的葉綠素a濃度，而對較大的濃度會有偏差，主要是由于所獲取的實測數(shù)據(jù)大部分聚集于低濃度導致的。將建立的葉綠素a濃度反演模型和總懸浮物濃度反演模型應用到MERIS衛(wèi)星數(shù)據(jù)上，得到了同時間段長江口水域的水質參數(shù)分布圖，可以看出總體上葉綠素a反演濃度較低，而總懸浮物反演濃度較為準確。這是由于在高濃度泥沙的水體中葉綠素a信號較弱難以反演所致。從產品分布圖可以看出長江口水域葉綠素a濃度最大值在舟山群島附近，總懸浮物濃度呈階梯狀從河口向外海減少。由于在高渾濁水體中葉綠素a濃度難以反演，所以下一步需要研究如何較為精準地反演河口區(qū)的葉綠素a濃度，進而對河口水域的生態(tài)環(huán)境做出全面有效的評估。

致謝：

感謝鄭鷺飛、沈曉晶和肖聰在數(shù)據(jù)分析以及成文上給予的幫助。

[1] 吳玉霖,傅月娜,張永山,等.長江口海域浮游植物分布及其與徑流的關系[J].海洋與湖沼,2004,35(3):246-251. WU Y L,FU Y N,ZHANG Y S,et al.Phytoplankton distribution and its relation to the runoff in the Changjiang (Yangzte) Estuary[J].Oceanologia et Limnologia Sinica,2004,35(3):246-251.

[2] 洪官林.長江口及鄰近海域葉綠素的光學特性及其遙感應用[D].上海:華東師范大學,2011. HONG G L.Optical Properties of Chlorophyll and Remote Sensing Application in Yangtze Estuary and Adjacent Sea[D].Shanghai:East China Normal University,2011.

[3] 王作華.黃東海葉綠素a和溶解有機碳分布特征及固碳強度初探[D].青島:中國海洋大學,2008. WANG Z H.The Primary Study of Distribution of Chlorophyll a,Dissolved Organic Carbon in Yellow-East China Sea and the Carbon Fixed Production of Phytoplankton[D].Qingdao:Ocean University of China,2008.

[4] 高爽.北黃海葉綠素和初級生產力的時空變化特征及其影響因素[D].青島:中國海洋大學,2009. GAO S.Spatial and Seasonal Variation of Chlorophyll and Primary Productivity and Their Controlling Factors in the Northern Yellow Sea[D].Qingdao:Ocean University of China,2009.

[5] 孫德勇,周曉宇,李云梅,等.基于光學分類的太湖水體葉綠素a濃度高光譜遙感[J].環(huán)境科學,2013,34(8):3002-3009. SUN D Y,ZHOU X Y,LI Y M,et al.Hyperspectral remote sensing of chlorophyll a concentrations in the Lake Taihu,based on water optical classification[J].Environmental Science,2013,34(8):3002-3009.

[6] 叢丕福.海洋葉綠素遙感反演及海洋初級生產力估算研究[D].北京:中國科學院研究生院(遙感應用研究所),2006. CONG P F.Oceanic Chlorophyll Retrieval by Remote Sensing and Ocean Primary Production Estimate[D].Beijing:Chinese Academy of Sciences (Institute of Remote Sensing Applications),2006.

[7] DOERFFER R,SCHILLER H.The MERIS case 2 water algorithm[J].International Journal of Remote Sensing,2007,28(3/4):517-535.

[8] SHEN F,ZHOU Y X,LI D J,et al.Medium resolution imaging spectrometer (MERIS) estimation of chlorophyll-a concentration in the turbid sediment-laden waters of the Changjiang (Yangtze) Estuary[J].International Journal of Remote Sensing,2010,31(17/18):4635-4650.

[9] 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. LI S J,WU Q,WANG X J,et al.Correlations between reflectance spectra and contents of chlorophyll-a in Chaohu Lake[J].Journal of Lake Sciences,2002,14(3):228-234.

[10] HE X Q,BAI Y,PAN D L,et al.Using geostationary satellite ocean color data to map the diurnal dynamics of suspended particulate matter in coastal waters[J].Remote Sensing of Environment,2013,133:225-239.

[11] 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. TANG J W,TIAN G L,WANG X Y,et al.The methods of water spectra measurement and analysis Ⅰ:Above-water method[J].Journal of Remote Sensing,2004,8(1):37-44.

[12] 中華人民共和國國家質量監(jiān)督檢驗檢疫總局,中國國家標準化管理委員會.海洋監(jiān)測規(guī)范 第4部分:海水分析:GB 17378.4-2007[S].北京:中國標準出版社,2008. China National Standardization Administration of the State Administration of Quality Supervision,Inspection and Quarantine of the People’s Republic of China.The Specification for Marine Monitoring-Part 4:Seawater Analysis:GB 17378.4-2007[S].Beijing:China Standard Press,2008.

[13] 田國良,倪曉東,宋福,等.用光譜數(shù)據(jù)估算水體葉綠素濃度[J].環(huán)境遙感,1988,3(1):71-80. TIAN G L,NI X D,SONG F,et al.Estimation of chlorophyll concentration in water bodies using spectral data[J].Remote Sensing of Environment China,1988,3(1):71-80.

[14] 高中靈.臺灣海峽MERIS數(shù)據(jù)懸浮泥沙與葉綠素濃度遙感分析[D].福州:福州大學,2006. GAO Z L.Quantitative Analysis of Suspended Sediment and Chlorophyll Concentration using MERIS Data in Taiwan Strait[D].Fuzhou:Fuzhou University,2006.

[15] 楊曦光.黃海葉綠素及初級生產力的遙感估算[D].青島:中國科學院研究生院(海洋研究所),2013. YANG X G.Chlorophyll and Primary Productivity Estimation based on Remote Sensing in Yellow Sea[D].Qingdao:The University of Chinese Academy of Sciences (Institute of Oceanology),2013.

[16] 李素菊,王學軍.巢湖水體懸浮物含量與光譜反射率的關系[J].城市環(huán)境與城市生態(tài),2003,16(6):66-68. LI S J,WANG X J.Relationship between suspended matter concentration and spectral reflectance of Chao Lake[J].Urban Environment & Urban Ecology,2003,16(6):66-68.

[17] HE X Q,PAN D L,MAO Z H.Atmospheric correction of SeaWiFS imagery for turbid coastal and inland waters[J].Acta Oceanologica Sinica,2004,23(4):609-615.

(責任編輯：陸 雁)

Water Quality Retrievals from MERIS Satellite Data in Yangtze Estuary

XIE Mingmei，SUN Deyong，QIU Zhongfeng，WANG Shengqiang，LU Ying， WU Chenying，YE Zhipian，YUE Xiaoyuan

(School of Marine Science,Nanjing University of Information Science & Technolgy,Nanjing,Jiangsu,210044,China)

【Objective】In order to grasp the distribution map of water quality parameters more accurately,we evaluate the estuary which has complex dynamical system.【Methods】After using 30 in situ remote sensing reflectance data collected in May 2011 and trying many kinds of band combinations and function forms,the optimal empirical models for chlorophyll-a concentration and total suspended matter concentration were established.【Results】For total suspended matter concentration,Quadratic function model by band difference(634～644 nm) performs best,of which coefficient of determination (R2) is 0.837 and root mean square error(RMSE) is 0.226 mg·L-1.In the model validation,the mean absolute percentage error(MAPE) by using the independent dataset shows a value of 58.2%.For chlorophyll-a concentration,quadratic function model by band ratio (650 nm/644 nm) performs best,of which coefficient of determination (R2) is 0.552 and root mean square error(RMSE) is 0.486 mg·m-3.In the model validation,the mean absolute percentage error(MAPE) by using the independent dataset shows a value of 66.2%.The MERIS satellite data in May 2011 were evaluated by the models,and the distribution map was obtained for spatial concentration of chlorophyll-a and total suspended matter of the Changjiang Estuary through simulation.There was a trend that the concentration of chlorophyll-a decreased gradually from the estuary to the sea,and the maximum value appeared in the Zhoushan Islands.The concentration of total suspended matter reduced stepwisely to the sea.【Conclusion】As is shown in the evaluation parameters,the total suspended matter concentration model has accurate effect in retrieve water quality while the chlorophyll-a concentration model has lower effect.

chlorophyll-a concentration,total suspended matter concentration,MERIS,remote sensing algorithm

2016-09-26

謝明媚(1995-)，女，本科生，主要從事海洋水色遙感方面研究。

*國家自然科學基金項目(41276186,41576172,41506200)，江蘇省自然科學基金項目(BK20151526,BK20150914),江蘇省高校自然科學基金項目(15KJB170015)，“全球變化與海氣相互作用”專項(GASI03030101)，江蘇省“青藍工程”優(yōu)秀青年骨干教師項目和南京信息工程大學大學生實踐創(chuàng)新訓練計劃項目(201510300256,201510300073,201610300035,201610300064)資助。

http://www.cnki.net/kcms/detail/45.1206.G3.20161230.0934.004.html

P731.14

A

1005-9164(2016)06-0520-08

**通信作者：孫德勇(1984-)，男，博士，副教授，主要從事水光學、水環(huán)境遙感等方面的研究，E-mail:sundeyong1984@163.com。

廣西科學Guangxi Sciences 2016,23(6):520～527

網絡優(yōu)先數(shù)字出版時間：2016-12-30 【DOI】10.13656/j.cnki.gxkx.20161230.002