基于歸一化光譜的渾濁水體葉綠素a濃度遙感估算

程春梅(浙江水利水電學(xué)院 測繪與市政工程學(xué)院，浙江 杭州 310018)

基于歸一化光譜的渾濁水體葉綠素a濃度遙感估算

程春梅
(浙江水利水電學(xué)院 測繪與市政工程學(xué)院，浙江 杭州 310018)

光譜歸一化是將光譜統(tǒng)一到相同的尺度進(jìn)行數(shù)據(jù)分析的方法，有助于削弱環(huán)境因素對光譜的影響.本文首先討論了光譜歸一化處理對水體葉綠素a濃度反演的影響，然后基于歸一化光譜提出了一個(gè)改進(jìn)的兩波段模型.使用太湖水體2010年9～10月和2011年4～5月的實(shí)測數(shù)據(jù)，對歸一化前后建立的葉綠素a估算模型的對比分析表明，歸一化處理增加了樣點(diǎn)光譜反射率的集中程度，可以改進(jìn)用相關(guān)分析方法建立的比值模型和一階微分模型的精度及應(yīng)用精度.基于歸一化光譜建立了新的兩波段反演模型RN(λ1)-1-RN(λ2)-1,并使用2010年和2011年兩期數(shù)據(jù)建立模型并驗(yàn)證，結(jié)果表明新波段組合的模型精度優(yōu)于波段比值模型，模型應(yīng)用精度優(yōu)于三波段和四波段模型，該組合可為渾濁水體中葉綠素a濃度的遙感估算提供參考.

光譜歸一化；葉綠素a濃度；水色遙感

0 引 言

湖泊是地球上重要的淡水資源，隨著經(jīng)濟(jì)發(fā)展和工業(yè)化程度的加劇，內(nèi)陸湖泊渾濁水體的富營養(yǎng)化問題一直是人們關(guān)注的重點(diǎn).葉綠素a是反映湖泊水體營養(yǎng)化程度的重要參數(shù)，其含量能夠在一定程度上反映水質(zhì)狀況.由于遙感監(jiān)測葉綠素a具有范圍廣、速度快、成本低和便于進(jìn)行長期動(dòng)態(tài)監(jiān)測的優(yōu)勢，使用遙感數(shù)據(jù)進(jìn)行水體葉綠素a濃度(Chla)的反演研究一直是水色遙感研究的熱點(diǎn)[1-2].目前常用的水體葉綠素a濃度遙感估算模型包括一階微分[1,3]、波段比值[1]、三波段[2,4]和四波段模型[5].

水面實(shí)測光譜是水色反演模型的重要數(shù)據(jù)源，是連接室內(nèi)測量的水體組分濃度與遙感影像的橋梁[6].光譜測量過程中容易受到環(huán)境因素影響，結(jié)果具有不確定性；渾濁水體水面光譜受到多種物質(zhì)的相互影響，光譜對單一組分的指示往往受到其它物質(zhì)的干擾，水質(zhì)參數(shù)估算模型在其它數(shù)據(jù)集上的應(yīng)用精度不高[7].光譜預(yù)處理可以提高光譜反射率對水體組分信息的指示作用，從而改進(jìn)反演模型的精度及適用性.

歸一化是將數(shù)據(jù)統(tǒng)一到相同尺度來比較數(shù)據(jù)特征的數(shù)據(jù)處理方法.在實(shí)驗(yàn)室的光譜分析中，歸一化方法常用于質(zhì)譜和色譜的定量分析，使樣品的檢測結(jié)果較少受到操作條件和儀器設(shè)備的影響[8-9]，近紅外光譜處理中也常使用包括歸一化在內(nèi)的預(yù)處理方法來得到標(biāo)準(zhǔn)光譜[10].在水體光譜的表面測量中，為了便于對不同測量結(jié)果進(jìn)行比較，一般會對水體遙感反射率光譜進(jìn)行歸一化處理，該處理有利于減少不同點(diǎn)位光譜測量時(shí)環(huán)境因素變化的影響，使得不同時(shí)間、地點(diǎn)、大氣條件下的測量結(jié)果具有可比性[11].常用的光譜歸一化方法包括波段范圍內(nèi)的平均值[12-16]或者積分值[17-19].

本文使用太湖地區(qū)2010年9～10月和2011年4～5月的實(shí)測數(shù)據(jù)，首先討論了光譜歸一化處理對不同Chla遙感估算模型的影響，然后基于歸一化光譜提出了一個(gè)改進(jìn)的兩波段反演模型，并進(jìn)行了模型的驗(yàn)證.

1 數(shù)據(jù)和方法

1.1 研究區(qū)和數(shù)據(jù)

太湖是典型的渾濁水體，其水質(zhì)狀況與長三角區(qū)域的環(huán)境和居民生活息息相關(guān)，本文使用太湖作為研究區(qū).2010年9～10月和2011年4～5月在無錫太湖采集了水樣并進(jìn)行了水面光譜測量.采集的水樣冷藏保存并于當(dāng)天帶回實(shí)驗(yàn)室進(jìn)行分析.樣點(diǎn)的分布(見圖1).

圖1 太湖采樣點(diǎn)分布圖(圓形代表4或9月，星形代表5或10月)

野外光譜測量使用美國分析光譜儀器公司的ASD野外光譜輻射儀(ASD Field Spec)，波段范圍350～1 050 nm，波段間隔為1.5 nm,共512個(gè)波段.采用水面以上測量法進(jìn)行測量，探頭視場角為10°，參考灰板反射率為30%.測量時(shí)儀器距離水面0.5～1 m，分別測量灰板反射率、水體反射率以及天空光，每個(gè)樣點(diǎn)重復(fù)十次.在測量得到的光譜曲線中，選擇450～800 nm的數(shù)據(jù)計(jì)算遙感反射率[11].選取每個(gè)樣點(diǎn)重復(fù)測量的遙感反射率的中值作為該點(diǎn)的遙感反射率[20]，并將各樣點(diǎn)的遙感反射率數(shù)據(jù)重采樣到1 nm間隔用于計(jì)算.受陰天多云和風(fēng)速過大的影響，部分樣點(diǎn)的光譜噪聲較大無法使用.去除受噪聲影響的樣點(diǎn)和水華樣點(diǎn)后，最后選擇使用的光譜2010年9、10月共33條，2011年4、5月共23條.

室內(nèi)葉綠素a濃度的測定參照國家標(biāo)準(zhǔn)SL88—1994(分光光度計(jì)三色法)進(jìn)行，首先用GF/C濾膜過濾野外采集的水樣，將濾膜置于冰箱中低溫干燥12 h以上，取出用90%的丙酮萃取.萃取液經(jīng)過離心后靜置12 h，并取上層清液在島津UV-2550分光光度計(jì)上進(jìn)行比色測量，分別測定750 nm、663 nm、645 nm和630 nm處的吸光度，依照公式計(jì)算出葉綠素a濃度.

1.2 光譜的歸一化

水色遙感中常用的光譜歸一化方法有均值歸一化和積分值歸一化兩種，其公式如下：

(1)

(2)

式中:RN(λi)—?dú)w—化后水面遙感反射率; R(λi)—測量得到的遙感反射率； n—波段數(shù)； a和b—分別為計(jì)算開始和終止的波段，本文使用450～800 nm的波段范圍.

1.3 葉綠素a濃度建模方法

常用的Chla估算模型包括一階微分、波段比值、三波段和四波段模型.一階微分模型選擇與Chla相關(guān)性最大的一階微分光譜作為模型變量.波段比值模型選擇近紅外波段和紅波段的反射率比值作為模型變量，其波段位置的選擇方法分為：

(1)在指定的波段搜索范圍內(nèi)進(jìn)行迭代運(yùn)算，根據(jù)比值變量估算的Chla與實(shí)測Chla間的均方根誤差最小的原則，選擇最優(yōu)波段[21-23]；

(2)使用葉綠素紅波段附近的吸收峰和近紅外波段附近的反射峰位置[24-26]；

(3)使用與Chla相關(guān)性最大的波段或據(jù)此建立新的波段組合[14,27].

三波段模型根據(jù)Zimba[28]的方法進(jìn)行最優(yōu)波段的選取，設(shè)定三個(gè)波段在所有波段范圍內(nèi)(400～800 nm)取值，λ1和λ3的初始迭代位置為675 nm和750 nm.四波段模型依據(jù)Le[5]的方法進(jìn)行構(gòu)建.

基于近紅外波段與紅波段的比值模型雖然能有效地去除幾何測量和大氣的影響[29]，模型結(jié)果仍然受到水體組分的散射影響[23].一般認(rèn)為紅波段λ1到近紅外波段λ2范圍內(nèi)后向散射系數(shù)是與波長無關(guān)的常量[23]，且水體光譜反射率的變化主要來自顆粒物的散射貢獻(xiàn)[18]，因此可以近似認(rèn)為光譜反射率的整體抬升與各樣點(diǎn)的散射有關(guān)，可使用平均光譜反射率來降低各樣點(diǎn)的散射影響.近紅外(λ2)與紅波段(λ1)的波段比值模型建立的假設(shè)條件是[23]:①a(λ1)=aw1+aph1;②a(λ2)=aw2;③bb(λ1)=bb(λ2)，其中a,aw,aph,bb分別代表總吸收、純水吸收、浮游植物吸收和后向散射.由于歸一化處理能夠去除背景的影響，可以建立一種基于紅波段λ1和近紅外波段λ2的兩波段組合：

(3)

1.4 模型精度評估

使用均方根誤差(RMSE)和平均相對誤差(ARE)來進(jìn)行模型精度評估.

(4)

(5)

式中:y—實(shí)測的Chla，mg/m3； y′—模型估算的Chla，mg/m3； n—樣點(diǎn)數(shù)目； RMSE的單位是mg/m3，ARE的單位是%.

2 結(jié)果與討論

2.1 光譜及光譜歸一化

2010年9～10月和2011年4～5月的水面光譜曲線(圖2(a)(c))呈現(xiàn)出渾濁水體的典型特征：550～580 nm波長附近由于葉綠素和胡蘿卜素弱吸收以及細(xì)胞散射作用而出現(xiàn)反射峰；650 nm附近由于藻藍(lán)蛋白的吸收而呈現(xiàn)出反射率谷值或肩狀特征；675 nm附近由于葉綠素強(qiáng)烈的吸收作用出現(xiàn)反射谷；710 nm附近呈現(xiàn)反射波峰.由圖2看出，由于夏季藻含量較多，2010年9～10月光譜反射率在670 nm處的反射谷和700 nm處的熒光峰較明顯；2011年春季藻含量較少，峰谷特征不明顯.室內(nèi)水樣分析結(jié)果(見表1)也表明Chla存在類似的季節(jié)變化.

圖2 歸一化處理前后的光譜反射率

DatasetSamplenumberChla(mg/m3)MaxMinMedian2010年9月1976.8116.6051.972010年10月1475.745.1925.882011年4月1262.5624.5041.902011年5月1126.166.7717.19

2010年和2011年光譜反射率數(shù)據(jù)進(jìn)行均值歸一化處理后(圖2(b)和(d))表明，歸一化處理后對原始光譜的形態(tài)保存較好，處理后光譜曲線更為集中，光譜曲線的波峰和波谷更加明顯和突出.對單個(gè)樣點(diǎn)而言，歸一化處理相當(dāng)于光譜反射率曲線的反射率值除以一個(gè)常數(shù)，得到的光譜反射率與原始值呈線性關(guān)系，因此，歸一化相當(dāng)于整體上“抬升”或“降低”了單個(gè)樣點(diǎn)的光譜曲線.歸一化前后的光譜反射率值發(fā)生了數(shù)量級的改變，但光譜形態(tài)維持不變，歸一化前后光譜反射率對應(yīng)的峰谷位置也不變.但對特定波長而言，由于各樣點(diǎn)的光譜反射率值均發(fā)生了改變，該波長處的所有樣點(diǎn)反射率的總體特征也發(fā)生了變化.

統(tǒng)計(jì)特征波長處樣點(diǎn)歸一化前后的光譜反射率的最大最小值、均值和變異系數(shù)，結(jié)果(見表2).

表2 歸一化前后特定波長處的光譜反射率R特征

WavelengthRmaxRminRaverageVc580(Origin)0.050.020.030.29580(average)1.401.131.270.06580(integral)0.000.000.000.06675(Origin)0.040.010.020.32675(average)1.030.770.930.08675(integral)0.000.000.000.08710(Origin)0.040.020.030.23710(average)1.630.791.110.18710(integral)0.000.000.000.18

注：Origin—原始光譜；average—均值歸一化；integral—積分值歸一化；vc—variation coefficient,變異系數(shù)

表2表明，經(jīng)過歸一化處理之后，各特征波長處樣點(diǎn)光譜反射率的變異系數(shù)都比原始光譜低，說明歸一化處理提高了數(shù)據(jù)分布的集中程度.

2.2 光譜歸一化對波段位置的影響

首先利用RMSE最小準(zhǔn)則，使用波段位置搜索方法建立波段比值、三波段和四波段模型.采用相同的區(qū)間范圍進(jìn)行均值或積分值歸一化時(shí)，二者光譜反射率僅相差一個(gè)常數(shù)系數(shù)，因此將兩種歸一化方法并作一起討論.假定波段范圍內(nèi)的均值/積分值為常數(shù)m，則歸一化處理后反射率為：

(6)

葉綠素a濃度反演的比值、三波段和四波段模型的模型形式分別為R(λ1)/R(λ2),[R(λ1)-1-R(λ2)-1]R(λ3),[R(λ1)-1-R(λ2)-1][R(λ4)-1-R(λ3)-1]-1.使用歸一化處理后的光譜反射率建立波段比值和三波段組合，結(jié)果為：

(7)

(8)

[RN(λ1)-1-RN(λ2)-1]·
[RN(λ4)-1-RN(λ3)-1]-1=
[m(R(λ1)-1-R(λ2)-1)]/
[m(R(λ4)-1-R(λ3)-1)]=
[R(λ1)-1-R(λ2)-1]·
[R(λ4)-1-R(λ3)-1]-1

(9)

上述分析表明，使用歸一化處理后的光譜數(shù)據(jù)建立波段比值、三波段和四波段模型，模型變量經(jīng)化簡后與使用歸一化處理前的光譜數(shù)據(jù)建立的模型變量的形式一致.用波段搜索法建立比值/三波段/四波段模型的原理是通過迭代計(jì)算尋找最優(yōu)波段，使得比值/三波段/四波段模型變量與Chla之間的相關(guān)性最大，二者回歸模型的RMSE最小.由于歸一化處理前后比值/三波段/四波段模型變量值不變，通過該方法選擇出的波段位置也相同.因此，對于波段位置搜索法建立的比值、三波段或四波段模型，歸一化處理前后的光譜數(shù)據(jù)建立的模型形式和精度不會有變化.

對于光譜數(shù)據(jù)峰谷位置的選擇，一般選擇為所有樣點(diǎn)的光譜曲線在葉綠素紅波段的吸收峰附近的谷值和近紅外波段附近的峰值的平均位置.由于歸一化前后的光譜峰谷位置的平均值不會發(fā)生變化，歸一化前后選擇出的峰谷值位置相同，用峰谷位置法建立的模型的變量和精度也不會發(fā)生變化.

2.3 光譜歸一化對相關(guān)分析模型的影響

GITESON AA, et al.[30]研究表明，歸一化處理可以提高單波段反射率與Chla的相關(guān)性.基于2010年9月的數(shù)據(jù)，將歸一化前后的原始光譜及一階微分光譜與Chla進(jìn)行相關(guān)分析，結(jié)果(見圖3).

圖3 歸一化前后的原始光譜和一階微分與Chla的相關(guān)系數(shù)

由圖3(a)看出，原始光譜反射率與Chla之間的相關(guān)性不大，相關(guān)系數(shù)曲線趨勢較平緩.造成這種低相關(guān)性的原因有：可溶性有機(jī)物的空間分布、懸浮物的濃度和組分，以及水面條件的變異性等[31].歸一化處理后光譜反射率與Chla的相關(guān)性總體較高，在500 nm和670 nm附近呈現(xiàn)出較高的負(fù)相關(guān)性，在700 nm以后呈現(xiàn)出較高的正相關(guān)性.光譜歸一化處理提高了部分波段的光譜反射率與Chla間的相關(guān)性，壓抑了水面條件變化、懸浮物濃度和以及其它因子的影響，該結(jié)論與已有的研究結(jié)果一致[32].

圖3(b)表明，光譜一階微分與Chla在680～720 nm范圍內(nèi)存在高相關(guān)，該特征與已有的結(jié)論一致[1].歸一化處理后，提高了光譜一階微分與Chla在500～550 nm范圍內(nèi)的正相關(guān)以及670 nm附近的負(fù)相關(guān).

歸一化處理提高了原始光譜和一階微分光譜與Chla的相關(guān)性，因此可以提高基于相關(guān)分析方法建立的一階微分和波段比值模型的精度.基于2010年9月數(shù)據(jù)，分別使用歸一化前后光譜的建立一階微分和波段比值模型，使用10月數(shù)據(jù)進(jìn)行驗(yàn)證；使用2011年4月數(shù)據(jù)建立模型并使用5月數(shù)據(jù)進(jìn)行驗(yàn)證，結(jié)果(見表3).

表3 歸一化處理前后一階微分和波段比值模型及模型驗(yàn)證

2010年9月波段變量9月模型精度R2RMSE10月驗(yàn)證精度RMSEARE2011年4月波段變量4月模型精度RMSERMSE5月驗(yàn)證精度RMSEARER698'0.359.6330.08195.1R699’0.952.2615.1082.5RN698'0.488.5718.3975.3RN689'0.971.7510.9277.5R730/R6760.3011.2624.88169.1R730/R6730.765.0724.90151.8RN703/RN6650.429.0716.2651.1RN703/RN6730.952.4314.45102.3

注：R和Rxxx′代表xxx波段位置處的光譜反射率及其一階微分值；RN和Rxxx′代表歸一化光譜反射率及歸一化一階微分

由表3看出，歸一化處理改進(jìn)了一階微分和波段比值模型的精度和驗(yàn)證精度.這是由于光譜歸一化處理降低了光譜可變性，關(guān)注光譜反射率的形態(tài)而非量值，處理后的光譜信號對單一組分的指示作用更好,從而提高了光譜與Chla的相關(guān)性及估算模型精度；歸一化處理剝離了其它因素對光譜的影響，使得不同期的數(shù)據(jù)可以相互比較，從而改進(jìn)了模型的應(yīng)用精度.很多研究使用歸一化后的光譜建立了波段比值模型，并取得了較好的結(jié)果[32-34].光譜歸一化處理有助于水體組分的遙感信息提取.

2.4 改進(jìn)的兩波段組合模型

由于歸一化處理可以改進(jìn)波段比值模型的精度和驗(yàn)證精度，且結(jié)果優(yōu)于一階微分模型(見表3)，因此將歸一化處理后建立的相關(guān)分析比值模型與改進(jìn)的兩波段模型結(jié)果進(jìn)行對比.使用2010年9月和2011年4月數(shù)據(jù)分別建立波段比值模型和新組合模型，結(jié)果(見圖4).

圖4 波段比值和新組合模型結(jié)果

由圖4看出，使用兩期數(shù)據(jù)分別建立模型時(shí)，新組合模型的精度均優(yōu)于波段比值模型.這是因?yàn)榛跉w一化光譜建立的新組合模型降低了樣點(diǎn)的散射影響，提高了與Chla的敏感性.使用相鄰月的數(shù)據(jù)對模型進(jìn)行驗(yàn)證時(shí)，兩期數(shù)據(jù)新組合模型驗(yàn)證的RMSE比波段比值模型分別降低了1.2 mg/m3和2.3 mg/m3.新組合的模型形式設(shè)置合理，模型精度和模型在其它數(shù)據(jù)集上的應(yīng)用精度均較高.

一般認(rèn)為，三波段和四波段模型對Chla的估算結(jié)果較好.由于歸一化處理對這兩種模型沒有影響，使用2010年9月和2011年4月歸一化后的光譜建立新組合模型、三波段和四波段模型并進(jìn)行對比分析.結(jié)果表明，三波段和四波段模型的模型精度(2010年9月R2分別為0.66和0.69，RMSE分別為6.92和6.67；2011年4月R2分別為0.98和0.99，RMSE分別為1.49和1.15)優(yōu)于新組合的模型結(jié)果(見圖4).

將2010年9月建立的新組合、三波段和四波段模型用于10月數(shù)據(jù)，并將2011年4月建立的新組合、三波段和四波段模型用于5月數(shù)據(jù)，模型驗(yàn)證結(jié)果(見表4).

表4 新組合與三波段/四波段模型應(yīng)用結(jié)果比較

2010年9月模型變量2010年10月驗(yàn)證RMSEARE2011年4月模型變量2011年5月驗(yàn)證RMSEARERN686-1-RN676-118.4149.8RN694-1-RN690-112.1584.1(1/R675-1/R685)×R76619.1751.9(1/R690-1/R695)×R74113.1689.2(1/R663-1/R690)/(1/R757-1/R692)20.6559.0(1/R693-1/R694)/(1/R734-1/R733)13.6888.9

由表4看出，新波段組合的模型應(yīng)用精度優(yōu)于三波段和四波段模型.與三波段和四波段模型相比，新組合模型精度較低，但模型的驗(yàn)證精度較高，可能是由于:

(1)三波段和四波段模型使用了較多的波段信息，模型對Chla指示作用更好；

(2)含有較多變量的模型對數(shù)據(jù)的擬合精度高，但易產(chǎn)生更大的不確定性，當(dāng)減少模型變量時(shí)，可以提高模型在不同數(shù)據(jù)集上的應(yīng)用精度[35].

新組合模型的應(yīng)用精度較高，說明模型的穩(wěn)健性更好，可以應(yīng)用于多個(gè)不同的數(shù)據(jù)集.

三波段和四波段模型往往需要使用750 nm以后波段的實(shí)測光譜數(shù)據(jù)，但已有的渾濁水體大氣校正方法對這些波段位置處遙感反射率的估算結(jié)果可信度低.本文建立的改進(jìn)的兩波段組合的模型精度和驗(yàn)證精度優(yōu)于波段比值模型，且對遙感數(shù)據(jù)的波段信息要求較低，處理簡單，對內(nèi)陸水體的葉綠素a濃度的反演具有一定和參考和應(yīng)用價(jià)值.

3 結(jié) 論

光譜數(shù)據(jù)進(jìn)行均值/積分值歸一化處理之后，用波段位置搜索法建立的波段比值、三波段和四波段模型模型變量，光譜的峰谷位置等沒有影響.歸一化處理提高了光譜反射率與一階微分光譜與Chla的相關(guān)性，歸一化處理可以改進(jìn)基于相關(guān)分析法建立的波段比值模型和一階微分模型的模型精度和模型應(yīng)用精度.

基于歸一化光譜的新波段組合RN(λ1)-1-RN(λ2)-1的模型及應(yīng)用結(jié)果優(yōu)于波段比值模型，且應(yīng)用精度優(yōu)于三波段和四波段組合，表明這種組合在渾濁水體中葉綠素a濃度反演中的可用性.歸一化處理可以增加光譜反射率對單一組分信息的表達(dá)，對渾濁水體中葉綠素a濃度反演研究具有一定參考.

[1] HAN L, RUNDQUIST DC.Comparison of NIR/ RED ratio and first derivative of reflectance in estimating algal chlorophyll concentration:a case study in a tubid reservoir [J] . Remote Sensing of Environment, 1997(62):253-261.

[2] GITELSON AA, GRITZ U, MERZLYAK MN. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for nondestructive chlorophyll assessment in higher plant leaves[J]. Journal of Plant Physiology, 2003(160):271-282.

[3] FRATER RN. Hyperspectral Remote Sensing of Turbidity and Chlorophyll-a Among Nebraska Sand Hills Lakes [J]. International Journal of Remote Sensing, 1998,19(8):1579-1589.

[4] DALL’OLMO G, GITELSON AA, RUNDQUIST DC. Towards a unified approach for remote estimation of chlorophyll-a in both terrestrial vegetation and turbid productive waters[J].Geophysical Research Letters, 2003(30):1038.

[5] LE C, LI Y, ZHA Y, et al. A four-band semi-analytical model for estimating chlorophyll a in highly turbid lakes: The case of Taihu Lake, China[J]. Remote Sensing of Environment, 2009,113(6):1175-1182.

[6] MILTON EJ. Principles of field spectroscopy[J]. Int.J.Remote Sens, 1987(12):1807-1827.

[7] 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.

[8] SAUVE AC, SPEED TP. Normalization, baseline correction and alignment of high-throughput mass spectrometry data[J]. Proceedings of the Genomic Signal Processing and Statistics workshop, Baltimore, MO, USA,2004.

[9] 汪正范.色譜定性與定量[M].北京：化學(xué)工業(yè)出版社，2007：162.

[10] 包 鑫,戴連奎.一種簡便的近紅外光譜標(biāo)準(zhǔn)化方法[J].光譜學(xué)與光譜分析，2008，28(4)：829-833.

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

[12] 疏小舟,尹 球,匡定波.內(nèi)陸水體藻類葉綠素濃度與反射光譜特征的關(guān)系[J].遙感學(xué)報(bào),2000,4(1):41-45.

[13] 李素菊,吳 倩,王學(xué)軍，等.巢湖浮游植物葉綠素含量與反射光譜特征的關(guān)系[J].湖泊科學(xué),2002,14(3)：228-234.

[14] 焦紅波,查 勇,李云梅，等.基于高光譜遙感反射比的太湖水體葉綠素a含量估算模型[J].遙感學(xué)報(bào)，2006,10(2):242-248.

[15] 段洪濤,張 柏,宋開山，等.查干湖葉綠素a濃度高光譜定量模型研究[J].環(huán)境科學(xué)，2006，27(3)：503-507.

[16] 宋開山,張 柏,王宗明，等.吉林查干湖水體葉綠素a含量高光譜模型研究[J].湖泊科學(xué),2007,19(3):275-282.

[17] MELACK JM, GASTIL M. Comparison of spectral feature algorithms for remote sensing of chlorophyll in eutrophic lakes[J]. International Geosciences Remote Sensing Symposium, 1994(IV): 2363-2365.

[18] LUABC B, LOISEL H. Variability and classification of remote sensing reflectance spectra in the eastern English Channel and southern North Sea[J]. Remote Sensing of Environment,2007(110)：45-58.

[19] LE C, LI Y, ZHA Y. et al.Remote estimation of chlorophyll a in optically complex waters based on optical classification[J].Remote Sensing of Environment,2011,115(2):725-737.

[20] Analytical Spectral Devices Inc. FieldSpec Pro User’s Guide[M]. Boulder:Analytical Spectral Devices Inc,2002：29．

[21] GITESON AA, KEYDAN G, SHISHKIN V.Inland waters quality assessment from satellite data in visible range of the spectrum[J]. Soviet Remote Sensing,1985(6)：28-36.

[22] Dall’Olmo G, Giteson AA.Effect of bio-optical parameter variability on the remote estimation of chlorophyll-a concentration in turbid productive waters: Experimental results[J]. Applied Optics, 2005(44)：412-422.

[23] Ruddick KG, Gons HJ, Rijkeboer M, et al. Optical remote sensing of chlorophyll a in case 2 waters by use of an adaptive two-band algorithm with optimal error properties[J]. Applied optics,2001,40:3575-3585.

[24] Gons HJ. Optical teledetection of chlorophyll a in turbid inland waters[J].Environ Sci Technol,1999,3:1127-1132.

[25] HAN L, RUNDQUIST DC, LIU L, et al.The spectral responses of algal chlorophyll in water with varying levels of suspended sediment[J].International Journal of Remote Sensing,1994,15(18):3707-3718.

[26] 馬榮華,戴錦芳.應(yīng)用實(shí)測光譜估測太湖梅梁灣附近水體葉綠素濃度[J].遙感學(xué)報(bào)，2005,9(1)：78-86.

[27] 樂成峰,李云梅,孫德勇，等.基于季節(jié)分異的太湖葉綠素濃度反演模型研究[J].遙感學(xué)報(bào)，2007，11(4)：473-480.

[28] ZIMBA PV, GITELSON AA.Remote estimation of chlorophyll concentration in hyper-eutrophic aquatic systems: model tuning and accuracy optimization[J]. Aquaculture, 2006(256):272-286.

[29] KOPONEN S, PULLIAINEN J, SERVOMAA H, et al. Analysis on the feasibility of multisource remote sensing observations for Chl-a monitoring in Finish lakes[J]. The Science of the Total Environment, 2001(268):95-106.

[30] GITESON AA, GARBUZOY G, SZILAGYI F.Quantitative remote sensing methods for realtime monitoring of inland waters quality[J].International Journal of Remote Sensing,1993,14(7):1269-1295.

[31] GITESON AA, KEYDAN GP. Remotc Sensing of Inland Surface Water Quality-Measurements in the Visible Spectrum[J]. Acta Hydrophysica,1990(34):5-27.

[32] 展建敏.實(shí)測高光譜數(shù)據(jù)歸一化區(qū)間變化對太湖葉綠素a含量估算的影響[D].南京：南京師范大學(xué)，2009：31.

[33] 何 磊.基于實(shí)測光譜的昆承湖水質(zhì)遙感模型及反演[D].成都：成都理工大學(xué)，2010.

[34] 楊 婷，張 慧，王 橋，等.基于HJ-1A衛(wèi)星超光譜數(shù)據(jù)的太湖葉綠素a濃度及懸浮物濃度反演[J].環(huán)境科學(xué),2011，32(11):3207-3214.

[35] DUDA RO, HART PE, STORK DG. Pattern Classification[M]. 2nd ed. Wiley-Interscience: New York, NY, USA,2000:376.

Remote Sensing Estimation of Chlorophyll-a Concentration in Turbidity Water Based on Spectral Normalization

CHENG Chun-mei

(College of Geomatics and Municipal Engineering, Zhejiang University of Water Resources and Electric Power, Hangzhou 310018, China)

Spectral normalization is the method that unifies spectra to the same scale before data analysis, and this processing can weaken the impact of environmental factors on the spectrum. This study first discussed the impact of spectral normalization on the remote sensing inversion of chlorophyll-a concentration in water, and then proposed an improved two-band model based on the normalized spectra. Based on the in situ spectrum data in September-October, 2010 and April-May, 2010, Taihu Lake , China, this study compared the performance of the Chla estimation models built by the data before and after normalization, and the results show that spectral normalization increased spectral centralization of different samples at each wavelength, and the spectral normalization increased the model precision and validation precision of band ratio and first derivative model built by correlation analysis. A new two-band inversion modelRN(λ1)-1-RN(λ2)-1 was established based on the normalized spectra and was validated by the data in 2010 and 2011. Results show that the model and validation precision of the new combination were better than the band ratio model and the validation precision was better than the three-band and four-band models, indicating that the new combination can be a reference for the remote sensing estimation of chlorophyll-a concentration in turbidity water.

spectral normalization; chlorophyll-a concentration; water color remote sensing

2016-03-20

浙江省教育廳科研基金資助項(xiàng)目(Y201534666)

程春梅(1987-)，女，湖北武漢人，講師，研究方向：水環(huán)境遙感與地理信息系統(tǒng).

X131.2

A

1008-536X(2016)08-0058-08