基于高原鹽湖光譜特性下的溶解氧反演應用與探討

杜 程，李得林，李根軍，楊雪松

(1.青藏高原北部地質過程與礦產資源重點實驗室，西寧 810012；2.青海省遙感大數(shù)據(jù)工程技術研究中心，西寧 810012；3.青海省地質調查院，西寧 810012)

0 引言

湖泊不僅為人類提供豐富的淡水資源，還可以提供豐富的礦產資源。青藏高原有著數(shù)量眾多的鹽湖，這些鹽湖廣泛分布于柴達木盆地和可可西里地區(qū)并與當?shù)厣锛叭祟惢顒酉⑾⑾嚓P，鹽湖蘊藏的豐富礦產資源，具有極大的工業(yè)價值[1-2]，而工業(yè)價值往往帶來環(huán)境問題，因此必須加強水質的監(jiān)測和治理[3]，進行綠色礦產開發(fā)。

與常規(guī)的水質監(jiān)測方法比，遙感技術能夠及時、快速地提供大面積的湖區(qū)水質情況[4]，高光譜技術的迅猛發(fā)展可讓我們獲取更為豐富的光譜信息進行水質參數(shù)的反演和預測，尤其對于位于人煙稀少、人力較難到達的湖泊，如何利用最少的人力投入來進行大范圍監(jiān)測更是重中之重。葉綠素a、懸浮泥沙、黃色物質、溶解氧等水質參數(shù)的高光譜研究已有多年的經驗，無論是利用單波段、多波段還是機器學習來反演，多是針對低海拔淡水湖泊或是水庫[5-6]，而對于鹽湖水體，尤其是典型高原內陸鹽湖的高光譜研究較為少見。溶解氧作為衡量水質的重要指標，能在一定程度上代表水體自凈的能力，正常情況下，水溫是影響溶解氧含量的重要因素，水溫越高，溶解氧含量越低，水溫越低，溶解氧含量越高[7]。以往調查資料以及當?shù)佧}湖集團資料顯示，本次研究區(qū)內未發(fā)現(xiàn)過魚蝦或者水生植物等生物活動跡象，實地考察也未發(fā)現(xiàn)水生生物存活跡象，水體監(jiān)測無葉綠素a等水質參數(shù)，因此本研究以溶解氧為研究對象，建立高原湖泊水質監(jiān)測的溶解氧反演模型，驗證模型精度，查看鹽湖溶解氧含量分布情況。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

本次研究區(qū)為達布遜湖，研究區(qū)及采樣點具體情況可見圖1，地理坐標為E94°24′～95°18′，N36°08′～37°06′。

圖1 研究區(qū)及采樣點位置圖Fig.1 Location map of the study area and sampling points

達布遜湖是察爾汗鹽湖區(qū)最大的湖泊，位于察爾汗鹽湖區(qū)中南部，湖泊略呈NW-SE向延伸，東西長30 km，南北寬4～7.5 km。湖水面積184～334 km2，平均水深0.5～1.02 m，最大水深1.72 m，湖面海拔2 675.6 m。察爾汗鹽湖是柴達木盆地最大的鹽湖，湖面遼闊而平坦，海拔在2 678～2 683 m之間，相對高差僅為5 m，區(qū)內氣候常年干旱。降雨稀少，蒸發(fā)強烈，屬于典型的高原內陸盆地氣候。根據(jù)格爾木氣象站1958—2017年近60 a的氣象資料，平均蒸發(fā)量2 587 mm，平均溫度為5.15 ℃，平均降水量為38.27 mm，降水主要集中在7—9月，占全年降水量的70%以上，相對濕度32%。得天獨厚的自然條件使得該鹽湖成為我國重要的鉀鹽生產基地，承擔著工業(yè)使命，所以其水體情況更加需要去關注。

1.2 數(shù)據(jù)源

本次研究采用資源一號02D衛(wèi)星搭載的高光譜遙感影像，獲取時間為2020年4月8日，空間分辨率達到30 m，幅寬60 km；可見光近紅外光譜分辨率為10 nm、短波紅外光譜分辨率為20 nm，光譜范圍為0.40～2.50 μm，共166個波段。資源一號02D衛(wèi)星是我國自主建造并成功運行的首顆民用高光譜業(yè)務衛(wèi)星，該衛(wèi)星將進一步拓展我國自然資源調查監(jiān)測技術手段，大幅度提高山水林田湖草等自然資源定量化調查監(jiān)測能力，支撐及時掌控自然資源數(shù)量、質量、生態(tài)狀況及變化趨勢。野外實測數(shù)據(jù)采集使用便攜式ASD光譜儀，數(shù)據(jù)采集區(qū)間為350～2 500 nm，完全符合本次水質監(jiān)測需要的400～1 000 nm區(qū)間范圍，可實時測量并觀察反射、透射以及輻射度，提供更為精確的實時有效數(shù)據(jù)，同時野外實測光譜數(shù)據(jù)也是本次衛(wèi)星影像預處理結果的標準與校正模板，提升建立的反演模型精度。

1.3 數(shù)據(jù)預處理

高光譜遙感影像預處理主要包括條帶噪聲去除、傳感器定標、波段融合、輻射定標、大氣校正等。

1.3.1 條帶噪聲去除

原始高光譜數(shù)據(jù)中因儀器等原因造成了影像“條帶噪聲”，其主要分布在短波紅外影像中。為了在后續(xù)反演過程中保證產品質量，有必要對其進行去除，提升影像數(shù)據(jù)質量。本次采用的是針對AHSI傳感器的條帶去除法，通過該方法能有效去除大部分噪聲，提升影像質量，噪聲去除效果可見圖2。

(a)去除條帶前 (b)去除條帶后

1.3.2 傳感器定標及波段融合

由于外界因素影響及傳感器自身原因，傳感器定標是必不可少的一步，本次針對02D星的傳感器定標主要是添加各影像波長、波段寬度、波段增移量和偏移量。02D影像水汽影響波段主要為1 357～1 408 nm和1 828～1 912 nm附近，重疊部分在1 005～1 040 nm附近，通過波段融合可以去除這些譜段。

1.3.3 輻射定標和大氣校正

傳感器本身的因素、太陽高度、地形及大氣條件等都會使傳感器接收的信號與地物實際信號間存在差異，隨著遙感技術的發(fā)展，輻射定標可將圖像的數(shù)字量化值(DN值)轉化為輻射亮度值，再轉化為地表真實反射率，滿足之后的信息提取和影像分析的需要。太陽輻射通過大氣入射到地物表面然后再反射回傳感器，但由于大氣氣溶膠等影響因素，原始影像包含物體表面、大氣以及太陽的信息，為了提取分析我們所需求的地物，必須將其從綜合信息中提取出來，就需要進行大氣校正，圖3為大氣校正前后鹽湖水體光譜反射率變化，大氣校正為擴大10 000倍結果。

(a)水體泥沙較少處大氣校正前 (b)水體泥沙較少處大氣校正后

正常水體反射率較低，純水在可見藍波段反射率最高，之后隨波長增加反射率降低，在近紅外波段反射率逐漸降為0；對鹽湖水體光譜曲線的分析可以看出：鹽湖光譜曲線在可見黃紅波段附近有最高的反射率，符合自然水體特性，曲線在670 nm和760 nm處有明顯吸收谷，690 nm和800 nm附近有明顯反射峰，尤其是渾濁區(qū)更為明顯，其高反射率和紅移現(xiàn)象具有鮮明的鹽湖水體特性。

1.3.4 實測數(shù)據(jù)處理

本次野外采樣點共設置30個，每個采樣點測10次光譜，最終光譜曲線為平均曲線，同時在采樣點位置進行溶解氧含量測定，測量多次取平均值。以20組實測溶解氧數(shù)據(jù)為建模依據(jù)，10組為模型精度驗證依據(jù)，鹽湖集團實測數(shù)據(jù)為后續(xù)溝通獲取，共5組。

2 研究方法

本文數(shù)據(jù)處理與研究過程如圖4所示。

圖4 數(shù)據(jù)處理與研究過程Fig.4 Data processing and research process

本次研究在分析總結國內外湖泊、水庫等水體的高光譜遙感監(jiān)測方法與技術的基礎上，通過鹽湖實測采樣，尋找鹽湖水體波譜與溶解氧含量之間的相關關系，建立能夠反演鹽湖溶解氧含量的高光譜模型，并利用實測數(shù)據(jù)進行模型的精度驗證，最后利用當?shù)佧}湖集團2019年11月份對達布遜湖區(qū)水質進行的溶解氧監(jiān)測資料來對比驗證本次建立的模型是否具有在鹽湖這一特殊水體未有大變化的情況下的長效性。通過對鹽湖溶解氧含量的分析，發(fā)現(xiàn)常規(guī)的高光譜水質分析反演方式在鹽湖水體不能適用，鹽湖水體礦化程度極高，一階微分等處理無法凸顯鹽湖水體水質參數(shù)信息，反而增強鹽湖礦化信息，對于水質檢測起抑制作用。因此本次鹽湖水質溶解氧反演從原始光譜信息入手，最終通過波段比值模型來增強鹽湖溶解氧信息，實現(xiàn)鹽湖溶解氧含量的高光譜反演。

本次高光譜遙感影像為2019年11月份和2020年4月份2期，鹽湖集團實測數(shù)據(jù)采集時間為2019年11月22日，高光譜遙感影像為11月18日，雖未能同步，但時間較為接近。野外實測時間為2020年4月份，以2020年4月份影像為底版，利用野外實測光譜曲線和溶解氧數(shù)據(jù)，建立鹽湖高光譜溶解氧反演模型并利用實測數(shù)據(jù)進行模型精度驗證，之后使用2019年11月份鹽湖集團實測數(shù)據(jù)來驗證模型能夠在鹽湖未有大變化的情況下進行一個長期的有效監(jiān)測能力。

從研究區(qū)影像可以看出周邊為戈壁灘、鹽堿地，大量鹽田分布在鹽湖南部，屬典型內陸鹽湖。影像無明顯云雪覆蓋，地物清晰可見，數(shù)據(jù)質量良好，而且一景影像即可覆蓋整個研究區(qū)域，可減少影像鑲嵌的誤差影響，提高模型反演精度。本次實測點位的選擇以實地條件為基礎，均勻分布在整個湖區(qū)確保模型建立的精度，但因為條件有限以及自然因素的影響，無法深入湖泊中心位置。

水體相關研究表明光譜反射率在近紅外波段后逐漸趨近于0，即只要400～1 000 nm波段范圍即可，利用20組實測數(shù)據(jù)建立的相關性分析如下圖所示(圖5)，從實測數(shù)據(jù)的相關性分析可以看出鹽湖原始水體光譜特性與溶解氧含量相關性不是很高，最高處為490 nm處，負相關最大，為-0.28，相關性極差。

圖5 鹽湖原始光譜反射率與溶解氧含量的相關性Fig.5 Correlation between original spectral reflectance of salt lake and dissolved oxygen content

一階導數(shù)光譜反射率、二階導數(shù)光譜反射率建立的溶解氧數(shù)據(jù)相關性也不高，一階導數(shù)變換會凸顯鹽湖礦化信息，對于具有復雜光學特性的鹽湖水體水質監(jiān)測無益。對數(shù)、倒數(shù)等幾類模型經過對比，決定系數(shù)都不高，不具有參考意義。

從實測數(shù)據(jù)以及影像光譜曲線來看，水體光譜在670 nm和760 nm附近有明顯吸收谷，690 nm和800 nm附近有反射峰，以此為入手點建立具有鹽湖特性的溶解氧模型具有實際意義。利用這兩處吸收谷與反射峰，進行多波段測試，尋找最高相關系數(shù)的波段組合。將679 nm，696 nm，765 nm和808 nm為組合元，進行反射峰與吸收谷的波段相除、反射峰相加除以吸收谷等組合方式，最終獲得以下3個相關系數(shù)圖(圖6)，可以看出679 nm和696 nm兩波段組合下的溶解氧相關性最高，達到了0.75，比四波段組合相關性還要高。

圖6 鹽湖光譜多波段組合反射率與溶解氧含量的相關性Fig.6 Correlation between multi-band combined reflectivity of salt lake spectrum and dissolved oxygen content

基于以上兩波段組合的最高相關性，建立針對鹽湖光譜特性的溶解氧反演模型：y=346.07x2-684.24x+345.39，通過計算也可得出模型決定系數(shù)R2為0.948 6，建立的溶解氧多項式模型吻合度非常高(圖7)。

圖7 鹽湖溶解氧多項式模型Fig.7 Salt lake dissolved oxygen polynomial model

利用建立的模型將剩余的10組數(shù)據(jù)拿來進行模型精度驗證。表1是本次野外實測的10組數(shù)據(jù)以及利用模型進行的預測數(shù)據(jù)。

表1 10組溶解氧含量實測與預測數(shù)據(jù)對比驗證表Tab.1 Comparison and verification of 10 sets of measured data and predicted data of dissolved oxygen (mg/L)

對兩組數(shù)據(jù)進行線性回歸分析可以看實測值與預測值性擬合程度極高，R2指數(shù)達到0.999 4，說明本次研究建立的模型精度達到可以進行鹽湖反演的要求，能夠在一定程度上代表鹽湖水體現(xiàn)階段溶解氧含量的多少。

3 結果與分析

3.1 反演結果

利用建立的溶解氧反演模型，對四月份影像進行的高光譜反演結果如圖8所示。

圖8 鹽湖水體溶解氧反演結果Fig.8 Retrieval results of dissolved oxygen in salt lake water

利用當?shù)佧}湖集團2019年11月份的實測數(shù)據(jù)進行本次建立的模型具有一定的長效性的驗證。表2為鹽湖集團實測鹽湖實測點坐標、溶解氧含量以及根據(jù)模型計算得到的預測值；圖9為鹽湖集團實測數(shù)據(jù)與預測數(shù)據(jù)線性回歸分析。

表2 鹽湖集團實測數(shù)據(jù)與模型預測數(shù)據(jù)對比Tab.2 Comparison of the measured data and model forecast data of Salt Lake Group

圖9 鹽湖水體溶解氧含量實測值與預測值分析Fig.9 Analysis of measured and predicted values of dissolved oxygen in salt lake water

上述研究表明，鹽湖具有鮮明的光譜特性，與淡水湖甚至淡咸水湖都有所不同，而其鮮明的特性也是針對鹽湖高光譜反演的重點。普通淡水湖可以通過單波段來尋找水質參數(shù)的相關性，甚至在相關性不明顯的情況下對光譜曲線進行一階、二階導數(shù)來尋找部分水質參數(shù)的相關性，但鹽湖因其水體富含各種礦物離子，水體關系復雜，常規(guī)性的關系無法尋找到一個良好的相關性支撐點，而本次研究針對鹽湖水體光譜特征，反而可以建立一個相對準確，甚至是具有長效性的反演模型，為后續(xù)針對鹽湖的高光譜反演開創(chuàng)了思路。

隨著現(xiàn)在機器學習的蓬勃發(fā)展，BP神經網絡模型、支持向量機、隨機樹等預測方法在高光譜反演中越來越適用，針對鹽湖水體的復雜情況，也許深度學習預測可以提供一種新的反演方法，能夠在這種高原密閉性水體中發(fā)揮不可忽略的作用[8]。

3.2 結果分析

從鹽湖溶解氧含量濃度以及空間分布特征來看，四月份鹽湖水體溶解氧含量大部分在7.17～7.76 mg/L之間，少部分含量在7～13 mg/L之間，整體含量較11月份數(shù)據(jù)偏低；分布情況與入湖水體流向等因素關系密切。結合實際以及反演結果，分析主要受以下原因影響：

1)水位面積變化對水質參數(shù)的影響。有學者根據(jù)常年監(jiān)測資料研究表明，水位變化對水體理化因子有較大的影響；還有學者發(fā)現(xiàn)在洪水期水體理化因子含量顯著增大，枯水期則相反。因此可以知道水位與水質有著密切的關系，水位變化是影響湖泊水質參數(shù)變化的重要因素。以往調查資料顯示，察爾汗鹽湖動態(tài)變化比較穩(wěn)定。一般水位變化幅度0.1～0.4 m，每年1月底至4月初出現(xiàn)最低水位，8—9月中旬出現(xiàn)最高水位。地表鹵水及地下水位變幅較大，主要受補給的地表水徑流控制。本次對2020年察爾汗鹽湖地區(qū)進行的遙感動態(tài)變化解譯工作表明，達布遜湖3月份面積為317.525 km2，7月份面積為340.617 km2，10月份面積為323.863 km2，與歷史調查資料吻合，具有明顯的動態(tài)變化特征。從4月份開始地表水徑流量逐漸增大，鹽湖水位面積逐漸增加。因此與11月份相比，4月份溶解氧含量相對較低，與國內外水位變化對水質參數(shù)的影響研究結果一致。

2)入湖水體流量變化對水質參數(shù)的影響。根據(jù)學者對鄱陽湖水體流量的變化監(jiān)測顯示，到了湖水豐水期，水體入湖流量增大，提高了湖水對水質參數(shù)的遷移轉化作用，減少了水質參數(shù)的堆積。豐水期流量大，到湖區(qū)擴散，流速減慢，總磷、總氮等含量相應減少，而枯水期水體流量減少，流速加快，總磷、總氮含量相應地增加。歷史調查資料顯示，察爾汗鹽湖共有流域面積13.2×104km2，約為柴達木盆地總內陸流域面積25.5×104km2的一半。北部的埃姆尼克山和錫鐵山，由于海拔較低，沒有超過區(qū)域雪線高度，因而沒有冰雪融水補給的常年性河流，雨水貧乏，水分不足。區(qū)內達布遜湖注入湖區(qū)的常年性河流格爾木河的補給水量占75%以上。鹽湖周邊的主要河流，除北部的全集河外，其余全部發(fā)源于南部的昆倉山區(qū)，由天然降水和冰雪融水補給。根據(jù)歷史調查資料顯示，三四月份高山冰雪逐漸開始融化，格爾木河的補給量增大，注入鹽湖的水流量增大，這也是導致鹽湖水位面積上漲的主要原因。本次反演的溶解氧濃度分布從結果上看具有明顯的水體流動特征，入湖水從鹽湖西側以及南側幾處注入，在湖區(qū)碰撞形成水體迂回區(qū)，該部分為鹽湖溶解氧含量較高處，隨后部分流向轉變?yōu)樽晕飨驏|，該部分溶解氧含量也相對較高，而受水流影響較小處溶解氧含量穩(wěn)定，無太大變化，與實際情況符合。

3)含沙量對水質參數(shù)的影響。河流徑流向湖泊帶來大量的泥沙，泥沙含量的變化將對湖泊水質產生影響。根據(jù)前人學者對各個湖泊的變化監(jiān)測結果顯示，懸浮泥沙在含量增大時，總固體懸浮物增大，與之相反的湖泊透明度減小，其他吸附在懸浮物的水質參數(shù)也會相應地增大，當含沙量減小時，總固體懸浮也減少，湖泊透明度增加，其他吸附在懸浮物的水質參數(shù)也會相應地減少。從反演結果來看，河流入湖處溶解氧含量較高，與前人學者研究結果一致，說明溶解氧在河流攜帶的泥沙上存在部分吸附，隨水流進入湖區(qū)中，導致湖區(qū)河流入湖處含量偏高，與實際情況相符。

4 結論

1)本次針對高原鹽湖的高光譜溶解氧反演模型建立研究，既是對國產ZY1-02D衛(wèi)星在水體高光譜應用方面的一次應用驗證，也為高原鹽湖水體高光譜反演奠定了一定的基礎，就反演結果來看，符合實際情況，具有一定的適用性。

2)針對具有鮮明特性光譜曲線的鹽湖水體，從其特性建立反演模型更為便捷準確，在面對復雜光學特性的水體時從其光譜特點出發(fā)可以更為有效地建立模型，而且這種特性正是高光譜遙感所追求的將不同物質分開的根本所在，利用這種物質特性，采用不同的數(shù)學方法，甚至于深度學習，可能會是一種更為有效的高光譜反演手段。

3)青藏高原作為中華水塔，有著不可忽略的重要地位，如今淡水領域的高光譜研究日益豐滿，但針對高原鹽湖的高光譜研究極為稀少，本次研究作為建立高原鹽湖監(jiān)測體系的開端，將大力推進該體系的建設，做到利用現(xiàn)代衛(wèi)星遙感技術進行全方面的生態(tài)環(huán)境保護。