柘林灣近岸水產(chǎn)養(yǎng)殖區(qū)水域葉綠素a 濃度反演

潘翠紅 , 夏麗華 , 吳志峰 , 王猛 解學(xué)通 王芳

1. 廣州大學(xué)地理科學(xué)學(xué)院, 廣東 廣州 510006;

2. 生態(tài)環(huán)境部華南環(huán)境科學(xué)研究所, 廣東 廣州 510006;

3. 廣東省農(nóng)村水環(huán)境面源污染綜合治理工程技術(shù)研究中心, 廣東 廣州 510006;

4. 南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室(廣州), 廣東 廣州 511485

海水養(yǎng)殖業(yè)已成為近岸海洋環(huán)境的重要污染源, 對海水養(yǎng)殖水體的監(jiān)測刻不容緩。根據(jù)《2017 年廣東省海洋環(huán)境公報》顯示, 潮州市柘林灣的海水水質(zhì)狀況一年四季均劣于第四類海水水質(zhì)標(biāo)準(zhǔn), 監(jiān)測結(jié)果表明灣區(qū)水體質(zhì)量差的主要原因是海水養(yǎng)殖區(qū)排放大量的無機(jī)氮和活性磷酸鹽, 水體中氮磷營養(yǎng)物質(zhì)的富集引起藻類及其他浮游生物的迅速繁殖(廣東省海洋與漁業(yè)廳, 2018)。已有研究表明, 水體中的葉綠素a 濃度與氮鹽、磷酸鹽濃度具有顯著相關(guān)關(guān)系(陳永川 等, 2008; 蔡玉婷, 2010; Davidson et al, 2012; 陳學(xué)民 等, 2013; 江源 等, 2013; 楊凡 等, 2019), 因此葉綠素a 濃度是評價水體富營養(yǎng)化和水體質(zhì)量的重要指標(biāo)(孫偉, 2008)。許多研究者對柘林灣海水養(yǎng)殖區(qū)的水質(zhì)及近岸水體生態(tài)環(huán)境做了研究, 如王增煥等(2004)根據(jù)漁業(yè)水域生態(tài)環(huán)境數(shù)據(jù)對葉綠素a 的含量、組成及季節(jié)變化進(jìn)行了討論, 得出柘林灣水域的葉綠素含量和季節(jié)變化受營養(yǎng)鹽等理化因子的變化影響; 朱小山等(2005)根據(jù)實(shí)測數(shù)據(jù)分析了1999 年10 月—2020 年9 月柘林灣海域氮磷的分布特征, 并對增養(yǎng)殖區(qū)的富營養(yǎng)化狀態(tài)進(jìn)行了評價, 認(rèn)為柘林灣的污染來源為陸源污染與養(yǎng)殖自身污染; 黃長江等(2005)在2001 年7 月—2002年7 月對柘林灣及其周邊水域開展了葉綠素a 濃度周年調(diào)查, 結(jié)果表明黃岡河及灣口外側(cè)的葉綠素a濃度明顯高于灣內(nèi)。對于柘林灣這種大規(guī)模海水增養(yǎng)殖區(qū)和赤潮重災(zāi)區(qū), 對水質(zhì)開展監(jiān)測是刻不容緩的, 但面對大面積的海灣或海水養(yǎng)殖區(qū), 人工定點(diǎn)監(jiān)測既耗時又耗力, 并且難以掌握復(fù)雜的養(yǎng)殖區(qū)水體整體狀況, 而遙感技術(shù)的發(fā)展則為人們進(jìn)行大面積的水質(zhì)監(jiān)測提供了契機(jī)。

在海洋遙感領(lǐng)域研究中, 海水通常被分為Ⅰ類水體和Ⅱ類水體。Ⅰ類水體主要由浮游植物及其衍生物決定水體光學(xué)性質(zhì)的變化; 而Ⅱ類水體光學(xué)性質(zhì)的變化不僅受浮游植物及其衍生物的影響, 而且還受其他物質(zhì)如懸浮泥沙和有色溶解有機(jī)物的影響。近岸海水養(yǎng)殖水域?qū)儆冖蝾愃w, 目前利用遙感手段對這類水體的葉綠素a 濃度進(jìn)行反演的方法主要有經(jīng)驗(yàn)?zāi)Ｐ?Kallio et al, 2003; 聞建光 等, 2007; 潘應(yīng)陽 等, 2017)、分析模型(吳儀 等, 2017)和半經(jīng)驗(yàn)分析模型(Magnuson et al, 2004)。

經(jīng)驗(yàn)?zāi)Ｐ鸵话阆葘?shí)測的葉綠素a 濃度與水體光譜波段信息進(jìn)行統(tǒng)計(jì), 選出葉綠素a 的光譜敏感波段, 然后以單波段反射率或者波段組合、一階微分的值等作為因子, 利用神經(jīng)網(wǎng)絡(luò)、線性回歸以及支持向量機(jī)等方法獲得葉綠素a 濃度與光譜信息的數(shù)學(xué)關(guān)系式(潘應(yīng)陽 等, 2017), 以實(shí)現(xiàn)利用遙感技術(shù)來反演水體中葉綠素a 濃度的目的。如王金梁等(2014)利用人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)分別對Juam水庫和Yeongsan 水庫中的葉綠素a 濃度進(jìn)行了反演, 并得到水庫的葉綠素a 濃度空間分布特征。李修竹等(2019)基于支持向量機(jī)法建立了長江口及其鄰近海域葉綠素a 濃度的估算模型, 并取得了較好的結(jié)果。然而, 經(jīng)驗(yàn)?zāi)Ｐ陀捎谌狈ξ锢硪罁?jù), 其在渾濁的Ⅱ類水體中的反演精度較低, 且普適性較弱。

分析模型依據(jù)電磁波在水體中的物理傳輸原理, 借助生物光學(xué)模型分析得到遙感參數(shù)與水體中葉綠素a 固有光學(xué)特征的關(guān)系, 從而利用遙感反演水體中的葉綠素a 濃度, 因此在不同水體中模型的適用性都相對較強(qiáng)。如吳儀等(2017)構(gòu)建了新豐江水庫葉綠素a 濃度的分析模型, 經(jīng)反演得到葉綠素a 濃度的時空分布特征。但由于分析模型的機(jī)理過于復(fù)雜, 建立模型的難度較大, 因而其應(yīng)用并不廣泛(潘應(yīng)陽 等, 2017)。

半經(jīng)驗(yàn)?zāi)Ｐ褪墙Y(jié)合經(jīng)驗(yàn)?zāi)Ｐ团c傳輸模型對水體葉綠素a 濃度進(jìn)行的反演, 即把葉綠素a 的固有光學(xué)特征和水體的光譜反射率相結(jié)合, 構(gòu)建葉綠素a的敏感指數(shù), 然后通過線性統(tǒng)計(jì)建立葉綠素a 濃度的反演模型。這種方法體現(xiàn)了電磁輻射在水體中的傳輸特性, 故具有一定的物理特性。主要的半經(jīng)驗(yàn)?zāi)Ｐ陀腥ǘ文Ｐ?、歸一化葉綠素a 模型和熒光峰面積模型等。其中, 三波段模型基于光學(xué)生物模型, 在波段選擇上盡可能地減少其他水體組分的干擾, 模型具普適性(宋挺 等, 2017), 受到了研究者的青睞。如郭宇龍等(2015)構(gòu)建了適用于靜止水色衛(wèi)星(Geostationary Ocean Color Imager, GOCI)影像數(shù)據(jù)的葉綠素a 濃度三波段模型, 并用于估算三峽水庫、巢湖、洞庭湖和太湖的水體葉綠素a 濃度; Zhang 等(2011)同樣利用三波段模型對珠江口葉綠素a 濃度進(jìn)行估算, 并得到了較好的效果。歸一化葉綠素a指數(shù)模型(Normalized Difference Chlorophyll Index, NDCI)能有效地避免水中懸浮物對短波光譜的影響, 對渾濁水體中的葉綠素 a 具有敏感性(安如 等, 2013)。熒光峰面積模型由熒光峰的高度與位置決定, 而葉綠素濃度變化影響著熒光峰高度與熒光峰面積。研究者根據(jù)熒光峰面積模型做了大量研究, 如Liu 等(2011)利用熒光峰高度和位置結(jié)合的熒光包圍區(qū)面積來估算珠江口近岸海域葉綠素a 濃度。

Ⅱ類水體中葉綠素a 濃度的眾多反演模型被應(yīng)用在不同的衛(wèi)星影像中, 不同的衛(wèi)星影像具有各自的特性與優(yōu)勢。國內(nèi)外學(xué)者利用地球觀測衛(wèi)星高光譜遙感傳感器(Earth Observing-1 Hyperion) (安如 等, 2013)、環(huán)境一號衛(wèi)星(HJ-1A/B CCD)(羅建美 等, 2017; 孫小涵 等, 2018)、美國陸地衛(wèi)星4～5 號專題制圖儀(Thematic Mapper, TM) (陳楚群 等, 1996; 李苗 等, 2012)、中等分辨率成像光譜儀(Moderate Resolution Imaging spectroradiometer, MODIS) (Zhang et al, 2011; 張明慧 等, 2018; 趙文靜 等, 2018)及中分辨率成像光譜儀(Medium Resolution Imaging Spectrometer, MERIS) (安如 等, 2013)進(jìn)行了葉綠素a 濃度反演, 并且均得到了較好成果。但這些影像數(shù)據(jù)的空間分辨率低, 在小尺度區(qū)域進(jìn)行葉綠素a 濃度反演具有一定的局限性。歐洲航天局的哨兵2 號(Sentinel-2)影像是新一代多光譜影像, 共有12 個波段, 具有較高的時間和空間分辨率, 適 用于近岸水體監(jiān)測。

因此本文將結(jié)合Sentinel-2 影像與實(shí)測葉綠素a濃度數(shù)據(jù), 構(gòu)建近岸海水養(yǎng)殖水體中的葉綠素a 濃度反演模型, 通過對比分析后以精度高的反演模型估算葉綠素a 濃度, 并分析其空間分布特征。本文旨在探討遙感技術(shù)在養(yǎng)殖水體水質(zhì)監(jiān)測中的應(yīng)用, 降低監(jiān)測成本, 響應(yīng)國家提倡的水產(chǎn)養(yǎng)殖業(yè)綠色發(fā)展, 為生態(tài)養(yǎng)殖模式的實(shí)施提供技術(shù)參考。

1 研究區(qū)概況

研究區(qū)位于廣東省潮州市饒平縣黃岡河出海口 南 側(cè) 的 柘 林 灣 (116°57′0″—117°6′0″E, 23°32′24″—23°40′12″N)。柘林灣是饒平縣最大的港灣, 灣外有南澳島阻擋風(fēng)浪, 灣內(nèi)有水深條件相對較好的潮汐水道(三百門水道)以及大范圍的淺灘(歐素英 等, 2016), 為海水養(yǎng)殖提供了得天獨(dú)厚的自然條件, 成為廣東省最大的水產(chǎn)養(yǎng)殖基地。柘林灣作為廣東省沿海八大灣區(qū)之一, 2017年《廣東省海岸帶綜合保護(hù)與利用總體規(guī)劃的通知》(粵府〔2017〕120 號)明確指出, 對該灣區(qū)進(jìn)行陸海污染物排放, 強(qiáng)化海洋空間資源管控和景觀整治, 加強(qiáng)海洋生態(tài)保護(hù)與修復(fù), 防范海洋災(zāi)害風(fēng)險, 因此以柘林灣海水養(yǎng)殖區(qū)為研究對象將具有重要意義。浮筏養(yǎng)殖是在淺海海區(qū)利用繩索、浮桶、竹竿、玻璃或塑料浮子等器材制成平臺式的筏架, 進(jìn)行大型藻類、貝類及其他海產(chǎn)動物的養(yǎng)殖。灘涂養(yǎng)殖是對海產(chǎn)動植物在潮間帶灘涂特定條件下進(jìn)行的養(yǎng)殖。根據(jù)實(shí)地調(diào)查與網(wǎng)上資料查閱, 柘林灣主要的海水養(yǎng)殖方式有池塘養(yǎng)殖、灘涂插養(yǎng)、浮筏養(yǎng)殖以及網(wǎng)箱養(yǎng)殖等(圖1), 其中灘涂養(yǎng)殖以牡蠣養(yǎng)殖為主, 浮筏養(yǎng)殖以貝類為主。

2 研究數(shù)據(jù)

2.1 葉綠素a 濃度

2018 年9 月4 日—9 日對柘林灣近岸海水養(yǎng)殖水體進(jìn)行采樣測量, 共采集47 個樣本, 并記錄樣本坐標(biāo)。按照《中華人民共和國國家環(huán)境保護(hù)標(biāo)準(zhǔn)(HJ 897-2017)》中的葉綠素a 測定方法——丙酮分光光度法(魏復(fù)盛, 2002), 利用美國哈希公司的Hydrolab DS5 對海水養(yǎng)殖水體樣本中的葉綠素a 濃度進(jìn)行測定。根據(jù)哈希水質(zhì)分析儀(Hydrolab DS5)中葉綠素a探頭的光學(xué)信息(電壓值)與葉綠素a 實(shí)際濃度呈線性關(guān)系的原理, 本文利用哈希葉綠素a 探頭的電壓 值與丙酮分光光度法所測的葉綠素a 實(shí)際濃度值做線性回歸模型(圖2), 當(dāng)樣本出現(xiàn)異常值或缺失值(A13, A17, A30)時以擬合值代替, 其他則用實(shí)際測量值, 兩種方法相結(jié)合以保證水質(zhì)中葉綠素a 濃度的準(zhǔn)確性。樣本的葉綠素a 濃度最高達(dá)115.78μg·L–1, 最小為3.18μg·L–1, 其中池塘養(yǎng)殖區(qū)的樣本濃度高于其他養(yǎng)殖區(qū), 平均值達(dá)到77.67μg·L–1(表1)。

圖1 研究區(qū)養(yǎng)殖類型分布示意圖 底圖來源于天地圖在線地圖(https://map.tianditu.gov.cn/) Fig.1 Overview of the study area and the distribution of aquaculture type areas

圖2 哈希葉綠素a 探頭電壓值與實(shí)測葉綠素a 濃度的相關(guān)關(guān)系 Fig.2 Linear relationship between voltage value of chlorophyll-a probe and measured chlorophyll-a concentration

此外, 2019 年8 月15 日在柘林灣采集了8 個樣本(圖3), 用于對研究區(qū)不同時相的葉綠素a 濃度估算進(jìn)行有效性驗(yàn)證, 這 8 個樣本數(shù)據(jù)不參與模型的構(gòu)建。

2.2 衛(wèi)星數(shù)據(jù)

哨兵2 號衛(wèi)星擁有可見光-近紅外以及短波紅外共13 個波段(表2), 空間分辨率有10m、20m 和60m三種。與應(yīng)用較廣泛的Landsat8 衛(wèi)星相比, Sentinel-2衛(wèi)星傳感器擁有較高的空間分辨率以及3 個額外波段, 一般用于林業(yè)監(jiān)測、地表覆蓋變化、內(nèi)陸河流及沿海區(qū)域的自然環(huán)境監(jiān)測等方面。

本文從ESA( European Space Agency)官網(wǎng)獲取了2018 年9 月4 日與地面測量同步及云量為8.644%的Sentinel-2 影像1c 級產(chǎn)品, 用于葉綠素a 濃度反演模型建立; 其他時相的5 景Sentinel-2 影像用于估算海水養(yǎng)殖區(qū)的水體中葉綠素a 濃度, 影像詳細(xì)信息如表3 所示。利用Brookman Consult 開發(fā)的SNAP軟件對Sentinel-2 數(shù)據(jù)進(jìn)行輻射定標(biāo)和大氣校正, 得到水體的真實(shí)反射率(Gitelson et al, 2003)。通過前人研究發(fā)現(xiàn), Sentinel-2 衛(wèi)星數(shù)據(jù)的波段1(中心波長443nm)～波段7(中心波長783nm)是水體信息提取的主要波段, 如李亭亭(2018)利用Sentinel-2 影像的波段3(中心波長556nm)與波段4(中心波長665nm)開展了效果較好的鄱陽湖水體葉綠素a 濃度反演; 蔣丹丹等(2019)利用Sentinel-2 影像的波段3(中心波長556nm)～波段7(中心波長783 nm)實(shí)現(xiàn)了較高精度的城市水體提取, 因此Sentinel-2 影像可應(yīng)用在本文的研究中。

表1 各樣本葉綠素a 濃度統(tǒng)計(jì)結(jié)果 Tab. 1 Statistical results of chlorophyll-a concentration of the samples

圖3 樣本點(diǎn)分布 底圖來源于OpenStreet 在線地圖(https://osm-boundaries.com/ Map) Fig.3 Distribution of sampling sites (background image from OpenStreet online map: https://osm-boundaries.com/ Map)

表2 Sentinel-2 影像波段介紹 Tab. 2 Introduction to sentinel-2 image bands

表3 用于本次研究的柘林灣Sentinel-2 影像信息 Tab. 3 Sentinel-2 image information in the study of Zhelin Bay

2.3 近岸水產(chǎn)養(yǎng)殖水域

為了避免其他地物對水質(zhì)反演的影響, 本文對海水養(yǎng)殖區(qū)水體之外的區(qū)域進(jìn)行掩膜, 以提高工作效率。目前基于遙感技術(shù)提取水體邊界的方法眾多, 主要有波段閾值法、多波段譜間關(guān)系法(楊樹文 等, 2010)、指數(shù)法(駱劍承 等, 2009; Rokni et al, 2014)、圖像變換(周小莉 等, 2016)及基于知識的自動判別方法(Lv et al, 2010)等。由于近岸海水養(yǎng)殖中, 池塘養(yǎng)殖的圍基與建筑物相對較小, 單獨(dú)利用光譜信息進(jìn)行養(yǎng)殖區(qū)域水體提取時可能出現(xiàn)“同譜異物”和“同物異譜”現(xiàn)象。因此, 本文根據(jù)海水養(yǎng)殖的空間分布特征, 利用面向?qū)ο蠖喑叨确指罘椒? 結(jié)合影像對象的光譜、幾何及紋理特征對養(yǎng)殖水體進(jìn)行提取, 從而得到水域分布圖。

3 研究方法

在2018 年9 月4 日—9 日共采集47 個樣本(圖3), 利用其中的40 個樣本進(jìn)行葉綠素a 濃度估算模型的構(gòu)建, 剩余的7 個樣本用于模型的誤差分析。

3.1 經(jīng)驗(yàn)?zāi)Ｐ?/h3>

在構(gòu)建經(jīng)驗(yàn)?zāi)Ｐ颓? 首先通過SPSS 軟件對無量綱化處理后的樣本點(diǎn)所在 2018 年 9 月 4 日Sentinel-2 影像像元的光譜值與葉綠素a 濃度進(jìn)行相關(guān)性分析。從Sentinel-2 影像各波段光譜值與葉綠素a 濃度的相關(guān)性(圖4)中可以看出, 在波段2(中心波長490nm)處兩者呈負(fù)相關(guān), 皮爾森相關(guān)系數(shù)為0.73, 這可能是由于柘林灣近岸水質(zhì)渾濁, 水體中葉綠素a 和黃色物質(zhì)在400～500nm 波段范圍的光強(qiáng)吸收作用導(dǎo)致的。在波段3(中心波長556nm)處, 光譜值與葉綠素a 濃度也呈負(fù)相關(guān)關(guān)系, 皮爾森相關(guān)系數(shù)為0.66; 樣本在此波段范圍內(nèi)有個小反射峰, 根據(jù)葉綠素a 的光譜特性, 此反射峰可作為葉綠素a 濃度的定量標(biāo)識。在波段9(中心波長945nm)處, 光譜值與葉綠素a 濃度呈正相關(guān)關(guān)系, 皮爾森相關(guān)系數(shù)為0.75; 在近紅外波段處, 由于水體的強(qiáng)吸收作用, 光譜值相對較低, 但隨著水體中葉綠素a 濃度的增加, 此波段范圍內(nèi)的光譜值增加, 因此也可作為葉綠素a 濃度的判斷因子。在各個波段與葉綠素a 濃度的相關(guān)性中, 波段2(中心波長490nm)與波段9(中心波長945nm)的皮爾森相關(guān)系數(shù)最高, 波段2 與波段9的比值能消除一定的噪聲影響。因此, 本文以波段9(中心波長945nm)處的光譜值, 以及波段2(中心波長490nm)與波段9(波長945nm)的光譜比值作為因子, 與40 個實(shí)測樣本點(diǎn)進(jìn)行統(tǒng)計(jì)分析, 并對比反演精度, 構(gòu)建研究區(qū)水體中葉綠素a 濃度的經(jīng)驗(yàn)?zāi)Ｐ汀?/p>

圖4 各波段因子與葉綠素a 濃度的相關(guān)性 Fig.4 Correlation between the factor of each band and chlorophyll-a concentration

3.1.1 單波段

本文通過相關(guān)性分析, 選出關(guān)聯(lián)度最高的波段9(波長945nm)作為自變量因子與葉綠素a 濃度進(jìn)行線性回歸分析, 并建立相應(yīng)模型。

3.1.2 波段比值

波段比值法通常以近紅外波段范圍內(nèi)光譜極大值波段的光譜反射率與紅波段范圍內(nèi)極小值波段的光譜反射率進(jìn)行比值運(yùn)算, 然后以比值作為自變量因子, 與葉綠素a 濃度進(jìn)行回歸分析, 并建立估算模型。也有研究者通過相關(guān)性分析, 得到相關(guān)性高的波段進(jìn)行比值運(yùn)算, 然后利用比值與葉綠素a 濃度進(jìn)行回歸分析并建立模型, 如陳楚群等(1996)通過關(guān)聯(lián)度分析得到葉綠素a 濃度的敏感波段, 以波段組合建立了廣東大亞灣葉綠素a 濃度估算模型。本文通過波段分析, 選取波段9 與波段2 的比值作為自變量因子, 與葉綠素a 濃度進(jìn)行回歸分析, 得到葉綠素a 濃度估算模型。

3.2 半經(jīng)驗(yàn)分析模型

本文利用半經(jīng)驗(yàn)分析模型中的三波段模型與歸一化葉綠素a(NDCI)模型對水體中的葉綠素a 濃度進(jìn)行反演。

3.2.1 三波段模型

早在2003 年Gitelson 等(2003)提出了三波段遙感反射率模型, 用于陸地植被色素含量估算。隨著研究的深入, 這種模型在水域中的應(yīng)用已經(jīng)得到了驗(yàn)證。三波段模型在波段選擇上盡可能地減少了其他水體組分的干擾, 具有一定的物理特性, 因此模型在一定程度上具有較好的適用性(宋挺 等, 2017)。許多研究者運(yùn)用該模型對葉綠素a 濃度進(jìn)行反演, 并獲得了較高精度的反演結(jié)果。三波段模型可用以下公式表示:

模型中,1()λR 為波段λi的光譜反射率, Cchl-a為葉綠素a 濃度。其中, λ1應(yīng)選擇葉綠素a 處于極大值的紅光吸收峰附近; λ2目的在于去除部分可溶性黃色物質(zhì)和懸浮物對水體吸收系數(shù)的影響, 應(yīng)選擇與λ1相鄰的熒光峰波段; λ3所在波段區(qū)域, 其受水體的吸收應(yīng)主要由純水主導(dǎo)(宋挺 等, 2017)。根據(jù)Dall' Olmo 等( 2005)的研究, 認(rèn)為λ1、λ2和λ3的取值范圍分別是660～690nm、700～750nm 和≥730nm。因此, 本文的λ1、λ2和λ3分別取665nm、705nm、740nm 波段, 即本文的三波段模型為:

3.2.2 歸一化葉綠素指數(shù)模型(NDCI 模型)

Mishra 等(2012)提出了一種葉綠素估算指數(shù)NDCI 模型, 這個指數(shù)模型根據(jù)665～675nm 附近的吸收峰和700～710nm 附近的反射峰是由水體中葉綠素a 濃度造成的原理而產(chǎn)生的, 能有效地避免水中懸浮物對短波光譜的影響, 因而對渾濁水體中的葉綠素a 具有敏感性。模型表達(dá)式如下:

模型中,1()λR 為波段λ1處的反射率,2()λR 為波段λ2處的反射率。本文的λ1取665nm 波段, λ2取705nm 波段, 即本文的NDCI 模型為:

3.3 模型精度誤差分析方法

本文利用未參與建模的7 個樣本點(diǎn)對上述反演模型進(jìn)行精度驗(yàn)證, 引入均方根誤差(Root Mean Square Error, RMSE)、平均絕對百分比誤差(Mean Absolute Percentage Error, MAPE), 以及平均絕對誤差(Mean Absolute Error, MAE)作為標(biāo)準(zhǔn), 對所求反演模型的精度進(jìn)行評價, 值越大, 表示估算誤差越大, 模型的精度越低。計(jì)算公式分別為:

以上各式中, Ci估算為模型預(yù)測的葉綠素a 濃度, Ci實(shí)測為實(shí)際測量的葉綠素a 濃度, n 為樣本數(shù)。

4 結(jié)果與分析

4.1 估算模型的建立與精度對比

隨機(jī)選取40 個樣本點(diǎn)進(jìn)行建模, 將單波段模型、比值模型、三波段模型及NDCI 模型確定最優(yōu)波段后的光譜信息因子作為自變量x, 與實(shí)測的樣本點(diǎn)進(jìn)行回歸分析, 得到與葉綠素 a 濃度的線性關(guān)系(圖5)。從圖5 中可以看出, 比值模型與NDCI模型的決定系數(shù)R2較高, 分別為0.77 與0.8。各模型用7 個樣本點(diǎn)進(jìn)行誤差驗(yàn)證, 引用RMSE、MAPE及MAE 作為標(biāo)準(zhǔn)進(jìn)行精度評價, 評價結(jié)果見表4。從表中的數(shù)據(jù)可看出, NDCI 模型的估算精度是所有模型中最高的, 其RMSE、MAPE 及MAE 均較小, 基本滿足反演的精度要求, 因此本文利用此模型對水產(chǎn)養(yǎng)殖水體中的葉綠素a 濃度進(jìn)行估算。

表4 不同葉綠素a 濃度反演模型的精度對比 Tab. 4 Accuracy comparison of different chlorophyll-a inversion models

4.2 NDCI 模型的普適性評價

葉綠素a 濃度遙感反演方法的普適性是遙感技術(shù)在水體葉綠素a 濃度反演中具實(shí)用性的重要前提, 其普適性主要表現(xiàn)為相同方法在不同時間、區(qū)域及遙感數(shù)據(jù)源間的可移植性。為了驗(yàn)證本文NDCI 模型對近岸水產(chǎn)養(yǎng)殖區(qū)水域葉綠素a 濃度反演的有效性, 將上述所建估算模型運(yùn)用在2019 年8 月15 日的Sentinel-2影像中, 并利用2019 年8 月15 日所測的8 個樣本點(diǎn)進(jìn)行精度評價。根據(jù)評價結(jié)果(表5), NDCI 模型估算2019年8月15日樣本點(diǎn)葉綠素a濃度的RMSE為3.29, MAPE 為 0.52, MAE 為 2.19, 標(biāo)準(zhǔn)差(Standard Deviation, SD)為4.85, 為各模型中精度最佳。由此可見, NDCI 模型在不同時序影像的水體葉綠素a 濃度估算中具有穩(wěn)定性, 即該模型具有較好的普適性, 故本文將其運(yùn)用于研究區(qū)水域長時序的葉綠素a 濃度估算中。

4.3 葉綠素a 濃度的時空分布特征

在對2018 年9 月4 日的葉綠素a 濃度反演結(jié)果中, 葉綠素a 由近岸向?yàn)惩庵饾u降低, 養(yǎng)殖區(qū)集中分布區(qū)域的葉綠素a 濃度高于無養(yǎng)殖區(qū)(圖6)。在各養(yǎng)殖類型區(qū)的葉綠素a 濃度對比中, 池塘養(yǎng)殖水體的葉綠素a 濃度高于灘涂插養(yǎng)區(qū)、網(wǎng)箱養(yǎng)殖區(qū)和浮筏養(yǎng)殖區(qū)。池塘養(yǎng)殖水體的葉綠素a 濃度基本在48μg·L–1以上, 而黃岡河西側(cè)池塘水體的葉綠素a濃度又高于東側(cè)。根據(jù)野外調(diào)查發(fā)現(xiàn), 黃岡河西側(cè)養(yǎng)殖區(qū)(碧州村)陸域與海域的水體交換管道是由養(yǎng)殖戶自行鋪設(shè)的, 導(dǎo)致養(yǎng)殖的餌食殘留物、代謝物和廢水等污染物不容易擴(kuò)散, 因此西側(cè)池塘水體中的葉綠素a 濃度高于東側(cè)池塘。此外灘涂插養(yǎng)區(qū)、網(wǎng)箱養(yǎng)殖區(qū)與浮筏養(yǎng)殖區(qū)水體中的葉綠素a 濃度高于無養(yǎng)殖區(qū)水體, 濃度均大于17μg·L–1。

圖5 葉綠素a 濃度反演模型 a. 單波段模型; b. 比值模型; c. 三波段模型; d. NDCI 模型 Fig.5 Various chlorophyll-a inversion models: (a) single band model, (b) the ratio of the model, (c) three-band model, and (d) NDCI model

表5 各模型反演2019 年8 月15 日葉綠素a 濃度的精度對比 Tab. 5 Accuracy comparison of chlorophyll-a concentration on August 15, 2019 estimated by various models

為了探究柘林灣海水養(yǎng)殖區(qū)葉綠素a 濃度的時空分布規(guī)律, 本文選取2018 年4 月、6 月、9 月、12 月及2019 年2 月圖像質(zhì)量較好的5 景Sentinel-2影像, 對柘林灣海水養(yǎng)殖區(qū)水體的葉綠素a 濃度進(jìn)行了時間序列的反演, 反演結(jié)果如圖7 所示。同時, 按養(yǎng)殖類型對葉綠素a 濃度的反演結(jié)果進(jìn)行統(tǒng)計(jì)(表6), 結(jié)果顯示柘林灣養(yǎng)殖區(qū)葉綠素a 濃度的總體趨勢為: 池塘養(yǎng)殖區(qū)＞灘涂插養(yǎng)區(qū)＞網(wǎng)箱養(yǎng)殖區(qū)＞浮筏養(yǎng)殖區(qū)。由于近岸海域水體交換開放, 因此網(wǎng)箱養(yǎng)殖區(qū)水體中的葉綠素a 濃度相對較低, 但網(wǎng)箱附近水體的葉綠素a 濃度仍比非養(yǎng)殖區(qū)和浮筏養(yǎng)殖區(qū)高, 這是由于浮筏與網(wǎng)箱的存在導(dǎo)致潮流動力受到影響, 造成養(yǎng)殖產(chǎn)生的污染物難以擴(kuò)散。

1—2 月為柘林灣近岸水產(chǎn)養(yǎng)殖周期中的空窗期, 3—6 月為養(yǎng)殖初期, 8—12 月為養(yǎng)殖收成期。根據(jù)各養(yǎng)殖類型區(qū)不同月份的平均濃度(表5), 從養(yǎng)殖周期上看, 柘林灣養(yǎng)殖區(qū)葉綠素a 濃度的總體趨勢為: 養(yǎng)殖空窗期＜養(yǎng)殖初期＜養(yǎng)殖收成期, 其中9 月與12 月池塘養(yǎng)殖區(qū)的葉綠素a 濃度相對較高, 平均濃度分別為65μg·L–1、75.54μg·L–1。

根據(jù)潮州市2018 年4 月、6 月、12 月及2019年2 月的日均降雨量(圖8)與葉綠素a 濃度對比情況來看, 當(dāng)日均降雨量較小時, 該月份遙感影像所反演的水體葉綠素a 濃度較高。其中, 池塘養(yǎng)殖區(qū)域受降雨量影響最明顯, 2018 年12 月的日均降雨量僅為0.33mm, 池塘養(yǎng)殖區(qū)中水體的葉綠素a 濃度平均高達(dá)75.54μg·L–1。

5 結(jié)論

本文利用2018 年9 月4—9 日的實(shí)測葉綠素a濃度及Sentinel-2 衛(wèi)星影像, 使用單波段模型、比值模型、三波段模型與NDCI 模型對柘林灣海水養(yǎng)殖水體中的葉綠素a 濃度進(jìn)行了反演, 并根據(jù)各模型的精度對比與評估, 利用精度較高的NDCI 模型估算了2018 年多個月份的葉綠素a 濃度, 進(jìn)而分析了柘林灣近岸養(yǎng)殖區(qū)水體中葉綠素a 濃度的時空分布規(guī)律。主要研究結(jié)論如下:

圖6 2018 年9 月4 日葉綠素a 濃度的NDCI 模型估算結(jié)果 Fig.6 NDCI model-estimated results of chlorophyll-a concentration on September 4, 2018

圖7 2018 年4 月(a)、6 月(b)、12 月(c)與2019 年2 月(d)葉綠素a 濃度的NDCI 模型估算結(jié)果 Fig.7 NDCI model-estimated the results of chlorophyll-a concentration in April (a), June (b), and December (c) of 2018 and February 2019 (d)

表6 不同時間各養(yǎng)殖類型區(qū)的葉綠素a 平均濃度 Tab. 6 Average chlorophyll-a concentration of each culture type at different times

圖8 2018 年4 月、6 月、9 月、12 月與2019 年2 月潮州市日均降雨量 Fig.8 Average daily rainfall of Chaozhou in April, June, and December of 2018 and in February 2019

1) 根據(jù)誤差評價結(jié)果, 所建的4 個估算模型中, 比值模型、NDCI 模型與三波段模型效果較好, 其中NDCI 模型的精度最高, R2達(dá)到了0.8。在樣本的光譜特征分析中, 波段4(中心波長665nm)為吸收峰, 波段5(中心波長705nm)為葉綠素a 的熒光反射峰, 兩個波段對葉綠素a 濃度變化敏感。NDCI 模型在波段選擇上選用波段4 與波段5, 在一定程度上減少了其他水體組分的影響, 所以模型的精度相對較高。通過對NDCI 模型的時間適用性評價, NDCI 法 也表現(xiàn)出較好的穩(wěn)定性。

2) 在NDCI 模型估算2018 年9 月4 日的葉綠素a 濃度結(jié)果中, 池塘養(yǎng)殖水體的葉綠素a 平均濃度高達(dá)65.52μg·L–1, 總體上近岸海域水體的葉綠素a 濃度大于14μg·L–1, 表明水質(zhì)狀態(tài)較差。

3) 利用NDCI 模型對2018 年4 月、6 月、12月以及2019 年2 月柘林灣近岸養(yǎng)殖區(qū)水體中的葉綠素a 濃度進(jìn)行反演, 結(jié)果顯示養(yǎng)殖集中分布區(qū)水體中的葉綠素a 濃度高于非養(yǎng)殖區(qū), 且不同養(yǎng)殖周期或養(yǎng)殖方式, 其產(chǎn)生的污染量也有所不同, 因而反演得到的葉綠素a 濃度也不同。因受降雨量的影響大及水體交換條件限制, 池塘養(yǎng)殖區(qū)的葉綠素a 濃度常年較高。

本研究對近岸海水養(yǎng)殖水體的水質(zhì)狀況監(jiān)測具有一定的借鑒意義, 這種方法將在未來更高頻率的海水養(yǎng)殖水體葉綠素濃度遙感監(jiān)測中發(fā)揮更大的作用。但海水養(yǎng)殖水體監(jiān)測研究仍存在需要深入解決的問題, 如水質(zhì)污染監(jiān)測過程存在衛(wèi)星數(shù)據(jù)不完全同步的現(xiàn)象。同時, 廣東省為多云多雨地區(qū), 衛(wèi)星影像質(zhì)量較差, 如何降低影像質(zhì)量對估算模型精度的影響, 也是往后需要進(jìn)一步要探討的。