基于高分遙感技術(shù)的湖泊葉綠素a濃度反演分析

涂 明 章李樂

(1.南昌市水利規(guī)劃服務(wù)中心，江西 南昌 330009；2.南昌市水利規(guī)劃設(shè)計院，江西 南昌 330009)

南昌市瑤湖是紅旗聯(lián)圩內(nèi)最大的湖泊。它既是紅旗聯(lián)圩區(qū)域最大澇水調(diào)蓄區(qū)，又是區(qū)內(nèi)16萬余畝農(nóng)田的蓄水灌溉水源?，幒闹馨毒€長約37km，集水面積為47km2，湖面面積為18km2。水質(zhì)監(jiān)測評價是水資源管理的一項重要的工作[1]。相較于水資源的實地調(diào)研、稽查成本過高，水生態(tài)環(huán)境遙感監(jiān)測技術(shù)[2]具有覆蓋面廣、分析速度快、監(jiān)測結(jié)果準(zhǔn)確可靠和信息量大的優(yōu)勢，可顯著提高全市水生態(tài)環(huán)境監(jiān)測水平。本文采用水生態(tài)環(huán)境遙感監(jiān)測技術(shù)，基于國產(chǎn)高分一號影像數(shù)據(jù)，根據(jù)污染水的光譜效應(yīng)，建立河湖參數(shù)遙感反演模型，通過對河湖葉綠素濃度a(CHIa)濃度分布監(jiān)測成果進(jìn)行濃度分布及變化情況分析。

1 數(shù)據(jù)選取與預(yù)處理

1.1 數(shù)據(jù)選取

選取表1中葉綠素a濃度采樣點(diǎn)實測數(shù)據(jù)作為本次研究的樣點(diǎn)數(shù)據(jù)。

表1 南昌市瑤湖葉綠素a濃度采樣實測值[3]

根據(jù)研究和實驗需要，獲取到10處景數(shù)的影像用于分析與研究，見表2。

表2 遙感影像數(shù)據(jù)獲取與覆蓋情況統(tǒng)計表

1.2 數(shù)據(jù)預(yù)處理

根據(jù)影像查詢獲取結(jié)果，本次實驗以高分一號遙感影像為主，補(bǔ)充GF1B遙感數(shù)據(jù)，輔以Landsat影像數(shù)據(jù)。高分一號(GF-1)衛(wèi)星是我國自主研發(fā)的第一顆高分辨率衛(wèi)星，該衛(wèi)星搭載了一臺2m分辨率全色相機(jī)(PMS)、一臺8m分辨率多光譜相機(jī)(MMS)和4臺16m分辨率多光譜相機(jī)(WFV)，具有高、中空間分辨率對地觀測和大幅寬成像結(jié)合的特點(diǎn)，2m分辨率全色和8m分辨率多光譜圖像組合幅寬優(yōu)于60km，16m分辨率多光譜圖像組合幅寬優(yōu)于800km，為國際同類衛(wèi)星觀測幅寬的最高水平，大幅提升觀測能力，并對大尺度地表觀測和環(huán)境監(jiān)測具有獨(dú)特優(yōu)勢。其特點(diǎn)是增加了高分辨率多光譜相機(jī)，該相機(jī)的性能在國內(nèi)投入運(yùn)行的對地觀測衛(wèi)星中最強(qiáng)。

(1)輻射定標(biāo)

輻射定標(biāo)是將傳感器記錄的電壓或數(shù)字量化值(DN)轉(zhuǎn)換成絕對輻射亮度值(輻射率)的過程，或者轉(zhuǎn)換成與地表(表現(xiàn))反射率、表面溫度等物理量有關(guān)的相對值的處理過程。本文采用ENVI5.3提供的Landsat Calibration模塊輻射定標(biāo)模塊和我司自主研發(fā)的PIE-Basic軟件的輻射定標(biāo)模塊，分別對Landsat和高分系列影像數(shù)據(jù)進(jìn)行輻射定標(biāo)處理。

(2)大氣校正

本文采用ENVI5.3軟件中的QUAC快速大氣校正模型和我司自主研發(fā)的PIE-Basic軟件的大氣校正模塊分別對Landsat和高分系列影像數(shù)據(jù)進(jìn)行大氣校正，高保真地恢復(fù)地物波譜信息，獲得地物比較準(zhǔn)確的地表溫度、反射率以及輻射率等真實物理模型參數(shù)?；谙裨M(jìn)行校正，首先進(jìn)行輻射亮度位的轉(zhuǎn)換；然后再進(jìn)行儲存順序調(diào)整，將其調(diào)整為BIL格式；最后進(jìn)行參數(shù)的輸入。同時可以校正漫反射引起的鄰域效應(yīng)。

(3)正射融合

將大氣校正后的數(shù)據(jù)在我司自主研發(fā)的PIE-ortho軟件里進(jìn)行流程化正射融合，獲取研究所需的正射融合影像。其中全色影像選擇輻射定標(biāo)后數(shù)據(jù)，多光譜影像選擇大氣校正后數(shù)據(jù)，基準(zhǔn)影像選擇用戶認(rèn)可的基準(zhǔn)2m影像，DEM使用的是ASTER 30m數(shù)據(jù)。并對正射融合后的數(shù)據(jù)進(jìn)行質(zhì)檢，對不滿足精度要求的數(shù)據(jù)進(jìn)行幾何校正。

(4)幾何校正

以提供的2020-04-28南昌影像作為基準(zhǔn)影像數(shù)據(jù)，利用ARCGIS中的地理配準(zhǔn)模塊或我司自主研發(fā)的PIE-ortho完成幾何校正。圖像重采樣采用最鄰近點(diǎn)法，這種方法可以避免光譜信息的丟失。影像的投影選擇和基準(zhǔn)影像一致，使樣點(diǎn)數(shù)據(jù)定位坐標(biāo)和遙感影像投影坐標(biāo)精確匹配。在確定投影參數(shù)后進(jìn)行控制點(diǎn)GCP采集，控制總誤差RMS在0.5～1像元內(nèi)，確保幾何校正效果理想。

2 反演模型的構(gòu)建與評價

2.1 反演模型的構(gòu)建

查詢有關(guān)基于Landsat和GF-1影像對葉綠素a濃度遙感反演研究的模型經(jīng)驗公式。利用Landsat影像進(jìn)行經(jīng)驗公式反演與驗證，結(jié)合對照實驗數(shù)據(jù)，對比GF-1衛(wèi)星影像經(jīng)驗公式反演值采用半經(jīng)驗、半分析的方法對研究區(qū)創(chuàng)建河湖參數(shù)遙感反演模型，并對葉綠素a(CHIa)濃度等河湖特性參數(shù)指標(biāo)進(jìn)行模型反演監(jiān)測。

2.2 反演模型的評價

基于控制組Y值和實驗組X值的回歸分析可以對兩組數(shù)據(jù)進(jìn)行相關(guān)性分析與驗證，使用皮爾遜相關(guān)系數(shù)R和可決定系數(shù)R2來評價回歸模型的擬合度和相關(guān)性。其計算方法如下：

表3 葉綠素a濃度遙感反演模型研究成果

(1)

對于模型的精度和穩(wěn)健性評價，使用均方根誤差(RMSE)、平均相對誤差(MRE)和平均絕對誤差(MAE)，均方根誤差可表明N組實驗結(jié)果中控制組Y值和實驗組X值的離散程度，平均相對誤差和平均絕對誤差則反映了偏差程度。其計算方法如下：

(2)

(3)

(4)

3 兩種反演模型的構(gòu)建與驗證分析

3.1 Landsat反演模型確定與驗證

以查詢到的瑤湖2008年6月實測葉綠素a濃度為控制組數(shù)據(jù)，對2008年6月時相前后的Landsat影像覆蓋數(shù)據(jù)進(jìn)行L1—L4經(jīng)驗公式反演計算值作為實驗組數(shù)據(jù)。提取樣點(diǎn)坐標(biāo)對應(yīng)單點(diǎn)像元值和半徑45m像元均值(半徑45m是根據(jù)Landsat影像分辨率結(jié)合九宮格方法來確定的，可以有效消除偶然性誤差帶來的影響)的葉綠素a濃度模型反演值進(jìn)行相關(guān)性分析和模型反演精度驗證，統(tǒng)計結(jié)果見表4。

表4 Landsat反演模型相關(guān)性分析與精度驗證表

由統(tǒng)計表結(jié)果可以看出L1—L3經(jīng)驗公式反演葉綠素a濃度單點(diǎn)像元值相關(guān)性擬合度R2值均小于0.5，認(rèn)為模型的模擬效果很差，L4擬合度R2值為0.8555，模型表現(xiàn)很好；反演葉綠素a濃度半徑45m像元均值相關(guān)性L1、L2擬合度R2值在0.66～0.81之間模型是近似模擬，L3、L4擬合度R2值大于0.91，模型的擬合效果精確，且模型L4擬合度R2值最高。

綜合可以得出L3模型離散程度和偏差程度值較小，反映的精度較好，消除單點(diǎn)像元值偶然誤差影響，L3模型可以表現(xiàn)出較精確的擬合效果；L4模型的擬合效果是精確的，但模型的離散程度和偏差程度值較高，反映的精度較差，這是由于模型參數(shù)常量值不合理。通過逆推運(yùn)算，對L4模型進(jìn)行參數(shù)常量調(diào)整得到模型經(jīng)驗公式L5如下式(5)。

CHIa=00088×(B3+B4)+31507

(5)

以查詢到的瑤湖2008年6月實測葉綠素a濃度為控制組數(shù)據(jù)，對2008年6月時相前后的Landsat影像覆蓋數(shù)據(jù)進(jìn)行L5型模反演計算值作為實驗組數(shù)據(jù)。同樣提取樣點(diǎn)坐標(biāo)對應(yīng)單點(diǎn)像元值和半徑45m像元均值的模型反演葉綠素a濃度值進(jìn)行相關(guān)性分析和模型反演精度驗證。根據(jù)表6，L5模型反演葉綠素a濃度值結(jié)果分析可以看出擬合度R2大于0.82，模型擬合效果很好，且離散程度和偏差程度值均較小，反映的精度較好。

表5 模型L4(B3+B4)逆推值表

表6 L5模型反演值相關(guān)性分析與精度驗證表

圖1 L4(B3+B4)逆推值的葉綠素a濃度參數(shù)常量調(diào)整模型

3.2 高分一號反演模型確定與驗證

河湖特性參數(shù)指標(biāo)葉綠素a(CHIa)濃度年度時空趨勢變化需要綜合考慮以下三點(diǎn)：①河湖水體污染物氮磷等含量變化(誘因包括工業(yè)、生活和畜牧養(yǎng)殖的污水排放、農(nóng)業(yè)和水產(chǎn)養(yǎng)殖施肥灌溉、豐水期和枯水期等)；②季節(jié)氣候變化(雨熱條件等)；③區(qū)域地理位置(距離岸邊與工業(yè)生活區(qū)的遠(yuǎn)近等)。

根據(jù)盧龍等[11]的研究，贛江水體總氮含量較高，總磷含量較低，且中下游整體高于上游，上游至下游氮磷營養(yǎng)鹽濃度為上升趨勢，主要來源為城鎮(zhèn)生活污水和采礦及工業(yè)廢水，以及來自農(nóng)業(yè)面源的污染影響，距離工業(yè)生活區(qū)越近，受到的影響越大。贛江7月份為豐水期，1月份為枯水期，枯水期氮磷營養(yǎng)鹽平均濃度顯著高于豐水期，贛江水體豐水期的自凈能力強(qiáng)于枯水期，贛江水體的自凈能力和贛江水量呈正相關(guān)。水庫和水利工程對贛江水體有一定的攔截和滯留作用，在微生物的分解作用下，水體的凈化能力也有一定的增強(qiáng)。

根據(jù)查詢獲取到的2020年3—10月覆蓋瑤湖的高分系列影像進(jìn)行模型反演分析時空變化趨勢(如圖2所示)，結(jié)合研究區(qū)氣候水文條件可知，模型L3反映的葉綠素a(CHIa)濃度年度時空趨勢最符合。10月份反演結(jié)果表明點(diǎn)位yah3明顯高于其它時期和 yah1、yah2兩點(diǎn)，這是由于yah3更靠近生活區(qū)和水產(chǎn)養(yǎng)殖場地，受到人為因素影響較大導(dǎo)致。

圖2 高分一號模型L3葉綠素a(CHIa)濃度反演值時空趨勢變化

3.3 Landsat與高分一號模型反演值對比分析

模型L3對Landsat影像葉綠素a濃度反演結(jié)果擬合效果是準(zhǔn)確的，且精度的反映也最好。以Landsat8-20200415模型L3反演葉綠素a濃度值為控制組數(shù)據(jù)；由查詢的Landsat和高分系列影像波普信息對照表可以看出各影像源在藍(lán)、綠、紅、近紅外四個波段具有相近的波譜范圍值，對GF1-20200428運(yùn)用G1—G3、L3和L5模型反演得到的葉綠素a濃度值作為實驗組數(shù)據(jù)，設(shè)置對比試驗，進(jìn)行相關(guān)性分析和模型反演精度驗證，統(tǒng)計結(jié)果見表7。

表7 Landsat與高分系列影像波普信息對照表

根據(jù)表8，對比分析結(jié)果可以看出，模型L3整體上擬合效果是很好的；排除單點(diǎn)像元值偶然誤差影響，模型G2、G3和L3擬合表現(xiàn)也是精確的；模型G1整體擬合效果很差。

表8 Landsat與高分一號影像對比相關(guān)性分析表

根據(jù)表9，模型G3的離散程度和偏差程度值最高，反映的精度最差；模型L3的離散程度和偏差程度值較高，反映的精度較差；模型G2和L5離散程度和偏差程度值較小，反映的精度較高，且L5精度最高。

表9 Landsat與高分一號影像對比精度分析表

3.4 反演結(jié)果與分析

通過對實驗區(qū)瑤湖進(jìn)行的模型反演驗證，并設(shè)置對照實驗及對比實驗。綜合分析可以得出模型L3對于研究區(qū)的擬合效果是精確的，離散程度和偏差程度反映的精度誤差也是可接受的。基于L3模型對研究區(qū)南昌市贛江流域2020-04-28高分一號遙感影像數(shù)據(jù)河湖特性參數(shù)葉綠素a濃度反演結(jié)果如圖3所示，綜合分析得出：

圖3 南昌市贛江流域2020-04-28高分一號遙感影像葉綠素a濃度反演結(jié)果圖

(1)實驗區(qū)瑤湖葉綠素a濃度由東北向西南呈遞增趨勢，與獲取的實測樣點(diǎn)的大小變化相符，這是由于瑤湖是一個半封閉湖，僅有東支引撫河之水入瑤湖，經(jīng)北支流入贛江南支河道，瑤湖水體流動活性和水量則為東北向西南遞減，相關(guān)資料顯示葉綠素a濃度與水體污染物氮磷含量強(qiáng)弱和藻類密度呈現(xiàn)正相關(guān)，而水體流動活性和水量越多，水體的凈化能力越強(qiáng)，水體污染物氮磷含量和藻類密度越低。東部上瑤湖水體較封閉，與其它區(qū)域相比差異明顯，很好的印證上述觀點(diǎn)的正確性。

(2)瑤湖兩側(cè)靠近生活區(qū)和周邊水產(chǎn)養(yǎng)殖區(qū)，葉綠素a濃度值較高，體現(xiàn)了城鎮(zhèn)生活污水的排放和水產(chǎn)養(yǎng)殖飼喂導(dǎo)致這種上升趨勢。

(3)研究區(qū)南昌市贛江流域由西南向東北流經(jīng)南昌市后分三支向下游匯入鄱陽湖，葉綠素a濃度沿水流方向呈升高趨勢。這與王毛蘭等[12]研究相符合。

(4)贛江流經(jīng)南昌市后主干流繼續(xù)向北流去，與分出的贛江中支和南支相比，葉綠素a濃度在贛江中支和南支含量值更高。這是由于贛江主干流比中支和南支水量更豐沛，而且贛江中支流經(jīng)蔣巷鎮(zhèn)為南昌農(nóng)副產(chǎn)品基地，南支流經(jīng)南昌下游和工業(yè)園區(qū)南昌縣，因此受城市工業(yè)和城鎮(zhèn)生活污水的排放，以及農(nóng)業(yè)面源的污染導(dǎo)致贛江中支和南支的氨氮和總磷含量明顯高于贛江主干流。

4 結(jié)論

采用高分遙感技術(shù)對葉綠素a(CHIa)濃度等河湖特性參數(shù)指標(biāo)進(jìn)行監(jiān)測，結(jié)果能夠科學(xué)精確的表征湖泊生態(tài)特性。高分遙感技術(shù)覆蓋面廣、分析速度快、監(jiān)測結(jié)果準(zhǔn)確可靠和信息量大的特點(diǎn)對提高水生態(tài)環(huán)境監(jiān)測水平具有重要的實際意義，為今后在水域污染監(jiān)測提供新的解決方案。當(dāng)然，后續(xù)在數(shù)據(jù)預(yù)處理和反演過程的自動化和實時性兩個方面有待進(jìn)一步研究，以實現(xiàn)水生態(tài)環(huán)境監(jiān)測實時分析。