基于Landsat 8 OLI數(shù)據(jù)的鏡泊湖水體葉綠素a 濃度反演

劉 宇，朱丹瑤

（牡丹江師范學(xué)院歷史與文化學(xué)院，黑龍江 牡丹江 157012）

隨著內(nèi)陸水體污染的不斷加劇，地表水狀況已然成為影響社會經(jīng)濟可持續(xù)發(fā)展的一個重要因素。作為水質(zhì)評價的重要手段，水質(zhì)參數(shù)監(jiān)測的結(jié)果將直接影響區(qū)域生產(chǎn)活動與居民用水狀況［1，2］。近年來，由于人類活動的增加和全球氣候的改變，地表水質(zhì)狀況發(fā)生顯著變化［3］。水質(zhì)的惡化還有可能進一步危及水生生態(tài)系統(tǒng)（如魚類棲息地），從而影響人類生態(tài)與經(jīng)濟效益［4］。眾所周知，內(nèi)陸水域富營養(yǎng)化程度逐步加劇，將導(dǎo)致水質(zhì)明顯下降［5］。因此，對內(nèi)陸水體的連續(xù)監(jiān)測，特別是對水源地和保護區(qū)的監(jiān)測至關(guān)重要。同時，長時間持續(xù)的監(jiān)測也有助于更好、更快地了解水域水質(zhì)所發(fā)生的變化，以及人類活動對生態(tài)系統(tǒng)的影響［6］。

利用遙感影像水色信息可以有效地推斷出水域的水質(zhì)狀況。水色信息通常取決于水體的組成成分、類型和數(shù)量等。常用的水質(zhì)監(jiān)測指標(biāo)包括葉綠素a（Chl-a）、有色溶解有機物（CDOM）、總懸浮物（TSM）和渾濁度等。隨著遙感技術(shù)的日益成熟，遙感監(jiān)測可選擇的指標(biāo)也在逐漸增多。在眾多水質(zhì)參數(shù)中，葉綠素a 作為水域浮游植物的主要組成成分，一直是水體富營養(yǎng)化水平監(jiān)測的重要指標(biāo)［7］。

目前，內(nèi)陸水體水質(zhì)遙感的研究方法多種多樣，但無論采用哪種方法，其算法都具有一定的局限性。模型算法通常依賴于傳感器的特性和水體的環(huán)境條件［8］。因此，在不同營養(yǎng)狀況下的水域，由于水體光學(xué)特性的差異，模型通用性很難保證。對于內(nèi)陸水體，利用遙感數(shù)據(jù)反演水質(zhì)狀況主要集中在富營養(yǎng)狀態(tài)的水域，而對于中營養(yǎng)/貧營養(yǎng)狀態(tài)水域的研究，主要集中在光學(xué)特性較為簡單的大洋及近海等地。由于水體組分較為單一（主要為葉綠素），海洋水色遙感算法已經(jīng)較為成熟。如SeaWiFS的OC4算法和MODIS的Chlor MODIS 算法等［9，10］。與大洋水體相比，中國大部分內(nèi)陸湖泊光學(xué)特性較為復(fù)雜，水體組分除葉綠素外，通常還包括懸浮顆粒物和有色可溶有機物。因此，這也導(dǎo)致內(nèi)陸水體的反演算法適用性不同于大洋水體。

根據(jù)生態(tài)環(huán)境部《地表水環(huán)境質(zhì)量評價辦法（試行）》中綜合營養(yǎng)狀態(tài)指數(shù)法（TLI），以葉綠素a 作為基準(zhǔn)參數(shù)，對照單一指標(biāo)表明，鏡泊湖水體大部分處于中營養(yǎng)/貧營養(yǎng)狀態(tài)。相比于富營養(yǎng)化較為嚴重的湖泊，鏡泊湖不僅為該地區(qū)提供重要的淡水資源，而且位于國家5A 級旅游景區(qū)、世界地質(zhì)公園的核心位置。近些年，由于流域內(nèi)旅游經(jīng)濟的快速發(fā)展，人類活動對水環(huán)境的干擾顯著增加，尤其上游地區(qū)農(nóng)業(yè)活動的影響，湖區(qū)生態(tài)環(huán)境遭到了破壞，湖泊生態(tài)系統(tǒng)的平衡也受到嚴重影響［11］。因此，通過對鏡泊湖葉綠素a 遙感監(jiān)測，不僅可以實時、全面地了解水域水質(zhì)狀況，為其開展水資源保護、旅游資源開發(fā)等提供重要的數(shù)據(jù)基礎(chǔ)與理論依據(jù)［12］；同時，也為中營養(yǎng)/貧營養(yǎng)狀態(tài)水域、保護區(qū)的遙感監(jiān)測算法提供一定的參考。

1 材料與方法

1.1 研究區(qū)概況

選擇鏡泊湖為研究區(qū)，其地理范圍為E 128°30′—E 129°30′，N 43°46′—N 44°18′。由于距離亞洲大陸東岸較近，鏡泊湖地區(qū)屬于典型的溫帶季風(fēng)氣候，群山環(huán)抱、森林密布，該地區(qū)也具有一些湖區(qū)獨特的小氣候。區(qū)內(nèi)年降水量為500 mm 左右，夏季降水占到全年降水量70%以上，年平均氣溫為3.6 ℃，氣溫年較差大。湖區(qū)呈西南—東北走向，蜿蜒曲折，呈“S”型，平均水位約350 m，湖面面積約為91 km2（圖1）。除牡丹江干流外，仍有30 多條山間河流入湖。鏡泊湖不僅為該地區(qū)提供重要的淡水資源，而且位于旅游景區(qū)的核心位置。

圖1 鏡泊湖采樣點分布

1.2 遙感影像數(shù)據(jù)

Landsat 8 影像（重訪周期為16 d）攜帶OLI（Operational Land Imager，陸地成像儀）和TIRS（Thermal Infrared Sensor，熱紅外傳感器）2 個傳感器。其中OLI 傳感器包括9 個波段，1～7 波段和第9 波段空間分辨率為30 m，第8 波段（全色波段）空間分辨率為15 m。TIRS 包括2 個單獨的熱紅外波段（10、11 波段），空間分辨率為100 m。本研究選取了近紅外波段（NIR）和所有可見光波段。具體波段如下：B1（海岸波段0.435～0.451 μm）；B2（藍波段0.452～0.512 μm）；B3（綠波段0.533～0.590 μm）；B4（紅波段0.636～0.673 μm）；以及B5（近紅外波段0.851～0.879 μm）。

本研究衛(wèi)星過境時間為2015 年9 月22 日，軌道號116-29（云量顯示為4.85%）。如圖2 所示，經(jīng)過輻射定標(biāo)和FLAASH 大氣校正后，研究區(qū)Landsat 8 OLI 光譜曲線較為接近水體的真實反射光譜。即在350～600 nm，水體的反射率很低，吸收量也很少，大部分電磁波通過透射進入更深的水層；在近紅外、中紅外波段，由于水體的吸收率很強，水體吸收了大部分電磁波能量，因此該波段范圍的反射率很低；另外，本研究區(qū)的光譜曲線在700 nm 附近，有明顯的反射鋒區(qū)，通常認為是由植物色素的熒光效應(yīng)引起的，也稱為熒光峰，并且該反射峰位置會隨著水體葉綠素a 濃度變化而變化。因此，該反射峰的位置和數(shù)值也常用來估算葉綠素a的濃度值。

圖2 鏡泊湖水體光譜曲線

1.3 野外采樣及數(shù)據(jù)選取

采樣時間為2015 年9 月22 日10—14 時，日期與遙感影像同步，共采集鏡泊湖地表水水樣32 個，其中有效采樣點30 個。采樣時通過GPS 記錄每個采樣點經(jīng)緯度信息，為了有較好的代表性，本次采樣點盡可能均勻分布整個湖區(qū)。分布如圖1 所示。葉綠素a 濃度測量方法采用熱乙醇萃取的分光光度法，每個樣本測量3 次，取平均值。通過數(shù)據(jù)顯示，所采樣本葉綠素濃度為0.506～3.275 μg/L，平均濃度為1.406 4 μg/L。

1.4 統(tǒng)計模型

結(jié)合鏡泊湖水體Landsat 8 OLI 光譜曲線特征，選取了11 個波段中的前5 個波段建立波段特征值與葉綠素a 濃度的線性回歸模型（LR）。LR 模型可以由單個自變量或多個自變量組成，當(dāng)自變量只有1個時，將其命名為簡單線性回歸模型（SLR）。當(dāng)使用2 個或多個自變量時，稱之為多元回歸模型（MLR）?；谙嚓P(guān)文獻研究表明，葉綠素a 濃度與Landsat 8 OLI 波段之間的線性關(guān)系明顯，尤其使用1～5 波段的簡單排列組合（加、減、乘、除、二次方等）效果最優(yōu)［1，13，14］。因此，本研究同樣選1～5 波段建立SLR 模型與MLR 模型，共測試了幾十種不同的組合。模型公式可表示為：

式中，yi表示預(yù)測葉綠素a 濃度，μg/L；α為截距；βi為自變量Xi（由波段1～5 組合而成）的系數(shù)。

1.5 模型擬合度與驗證方法

本研究預(yù)測模型的擬合度用決定系數(shù)R2和調(diào)整后R2來評定。它們的大小表示離差平方和中可以由回歸平方和解釋的比例，代表了自變量與因變量相關(guān)的密切程度。當(dāng)值越接近1 時，表示反演模型的參考價值越高；相反，越接近0 時，表示模型的參考價值越低。R2和調(diào)整后R2的區(qū)別在于后者同時考慮了樣本量回歸中自變量個數(shù)的影響，這使得調(diào)整后R2永遠小于R2。而且調(diào)整后R2的值不會由于回歸中自變量個數(shù)的增加而越來越接近1。也就是說，當(dāng)向模型中添加新的預(yù)測變量時，R2總是增加，進而導(dǎo)致模型過度參數(shù)化。因此，對于具有2 個或多個預(yù)測變量的模型，通常使用調(diào)整后R2來評價擬合效果。

對于模型的反演效果，本研究采用了均方根誤差（RMSE）和平均相對誤差（MRE）來評價，RMSE是預(yù)測值與實測值偏差的平方與觀測次數(shù)n比值的平方根，是用來衡量觀測值同真值之間的偏差。其公式可表示為：

平均相對誤差是指預(yù)測值與實測值的絕對誤差與實測值比值的平均值，常以百分比表示。一般來說，平均相對誤差更能反映反演的可信程度。其公式可表示為：

2 結(jié)果與分析

2.1 最佳模型的選擇

利用建模數(shù)據(jù)庫（22 組采樣點數(shù)據(jù)，平均分布），本研究共構(gòu)建了56 個葉綠素濃度反演模型，其中SLR 模 型40 個，調(diào)整 后R2值 位于0.031～0.808；MLR 模型16 個，調(diào)整后R2值位于0.403～0.843。表1顯示了擬合度最優(yōu)的3 個SLR 模型和MLR 模型。由表1 可以看出，具有最高R2值和調(diào)整后R2值的SLR模型是波段B3與B22的比值，它可以解釋80.8%的總樣本變異。R2值和調(diào)整后R2值最高的MLR 包含了4個光譜波段（B2、B3、B4和B5），它可以解釋84.3%的總樣本變異。

表1 擬合度最優(yōu)的3 個SLR 模型和MLR 模型

2.2 模型驗證

利用驗證數(shù)據(jù)庫（剩余8 組采樣點數(shù)據(jù)），采用均方根誤差（RMSE）和平均相對誤差（MRE）來評價以上模型的預(yù)測效果。如表2 所示，RMSE和MRE最低的SLR 模型是波段B3與B22比值模型，均方根誤差與平均相對誤差分別為0.210 μg/L 和16.6%；RMSE和MRE最低的MLR 模型包含了4 個光譜波段（B2、B3、B4和B5），該模型均方根誤差與平均相對誤差分別為0.189 μg/L 和14.6%，兩種方法都可以較高精度預(yù)測葉綠素a濃度。

表2 3 個最佳SLR 模型和MLR 模型的預(yù)測效果

圖3 顯示2 種最佳模型標(biāo)準(zhǔn)化殘差的直方圖和散點圖，結(jié)果表明，2 種模型的殘差均呈正態(tài)分布，殘差與擬合值無異常值。在最后的反演模型中，選取了反演精度較高、穩(wěn)定性較好、包含了4 個光譜波段（B2、B3、B4和B5）的MLR 模型。

圖3 最佳SLR 模型和MLR 模型殘差分析

2.3 鏡泊湖葉綠素a 濃度反演及分析

圖4 顯示2015 年9 月鏡泊湖葉綠素a 預(yù)測濃度的空間分布狀況。結(jié)果顯示，鏡泊湖葉綠素a 濃度在空間分布上存在顯著的差異性。其中，湖中心地帶為研究區(qū)的低值區(qū)。一方面，湖中心地帶受沿岸的農(nóng)業(yè)生產(chǎn)活動影響較小，另一方面，湖中心地帶水體深度較大，營養(yǎng)鹽由于沉積作用，多穩(wěn)定在湖泊底部。研究區(qū)的高值區(qū)主要分布在鏡泊鄉(xiāng)、小姜窯溝等地。其中鏡泊鄉(xiāng)是研究區(qū)主要河流匯入?yún)^(qū)，且支流兩岸多分布農(nóng)業(yè)用地，使用化肥產(chǎn)生的N、P 等營養(yǎng)元素將通過支流集聚到湖口地帶。小姜窯溝葉綠素a 濃度較高，一方面是由于淺水區(qū)營養(yǎng)鹽難深入湖底，另一方面，岸邊酒店、山莊產(chǎn)生的生活污水也為藻類的生產(chǎn)提供了豐富的有機養(yǎng)料。

圖4 鏡泊湖葉綠素a 濃度分布

3 討論

本研究以可見光與近紅外波段光譜反射率為自變量，同步實測葉綠素a 濃度為因變量，使用簡單線性模型和多元線性模型評價了Landsat 8 OLI 數(shù)據(jù)在鏡泊湖水體葉綠素a 濃度的估算方法。結(jié)果表明，利用波段B1（海岸波段）、B2（藍波段）、B3（綠波段）、B4（紅波段）及B5（近紅外波段）可以有效估算葉綠素a濃度。

截至目前，已有文獻表明利用Landsat 8 OLI 影像與實測采樣數(shù)據(jù)，可以建立簡單或多元線性回歸模型來估算葉綠素a 濃度。但是，波段的選擇差異較大，一些學(xué)者使用了單一波段來建立估算模型［15，16］；也有一些學(xué)者認為，2 個敏感波段的比值建立模型的效果更好［17，18］；最后，一些學(xué)者提出，通過建立不同波段組合的多元線性回歸模型可以更好地估算內(nèi)陸水體中的葉綠素a 濃度［19，20］。因此，這些方法的差異也使得內(nèi)陸水體遙感反演的最優(yōu)模型產(chǎn)生了一定的不確定性。據(jù)文獻研究表明，葉綠素a在400～500 nm（藍波段）和680 nm（紅波段）具有較高的吸收率。最大反射波長分別為550 nm（綠波段）和700 nm（近紅外波段）。因此，葉綠素a 濃度應(yīng)該與藍波段呈負相關(guān)，即葉綠素a 濃度越高，該波段反射率越低。而葉綠素a 濃度應(yīng)該與綠波段和近紅外波段呈正相關(guān)，即葉綠素a 濃度越高，該波段反射率越高［21，22］。

本研究首先利用Pearson 相關(guān)系數(shù)評價了葉綠素a 濃度與前5 個波段（B1～B5）光譜反射率之間的相關(guān)關(guān)系，但得到的結(jié)果中有兩點值得注意：①葉綠素a 濃度與單波段B1～B5光譜反射率之間具有一定相關(guān)性，其中B4波段相關(guān)性最高，達到0.69。②葉綠素a 濃度與B1、B3、B4、B5波段相關(guān)性均為正相關(guān)，與B2波段相關(guān)性為負相關(guān)。而在這方面，Lim 等［19］發(fā)現(xiàn)藍、綠、紅及近紅外波段和和葉綠素a 濃度之間的相關(guān)系數(shù)大于0.6，并且相關(guān)值為負值。另一方面，Patra 等［20］發(fā)現(xiàn)藍色、綠色、紅色和近紅外波段與葉綠素a 濃度之間的相關(guān)性小于0.5，且呈正相關(guān)。趙文宇等［1］也具有類似的觀點，葉綠素a 濃度與B1～B5波段相關(guān)系數(shù)為正，且B5相關(guān)系數(shù)最高，其中葉綠素a濃度與B1～B4相關(guān)系數(shù)位于0.4～0.5，與B5波段相關(guān)系數(shù)高達0.98。上述估算葉綠素a 濃度所在研究區(qū)均為內(nèi)陸淡水區(qū)域，在湖泊、河流等淡水水體中，水體渾濁度不同（由顆粒有機物引起）通常會引起不同波段的適用性不同［23，24］。

也有學(xué)者指出，近紅外波段與可見光波段比值與葉綠素a 濃度有較高的相關(guān)性［15，20］。本研究通過對比發(fā)現(xiàn)葉綠素a 濃度與綠波段和藍波段平方的比值（B3/B22）具有較高的相關(guān)性。不僅如此，在所選波段中，B2波段作為波段比值的分母加入，會在一定程度提高波段比值模型的擬合度。

綜上所述，研究選擇使用多元線性回歸模型（MLR）來評估葉綠素a 濃度與光譜率之間的線性關(guān)系。結(jié)果表明，模型結(jié)果與預(yù)期的（chl-a的吸收/反射特性）結(jié)果高度一致，特別是與葉綠素a 濃度具有負相關(guān)的藍波段（B2）和具有正相關(guān)的綠波段（B3）、近紅外波段（B5）。在這方面，Lim 等［19］與Brivio 等［22］利用Landsat OLI 影像，通過多元線性回歸模型來估算葉綠素a 濃度，得到的最佳模型系數(shù)顯示出相反的結(jié)果。例如，與藍波段（B2）的正相關(guān)性和綠波段（B3）的負相關(guān)性。而Matus-Hernández 等［17］則得出與本研究相似的結(jié)論。

截至目前，基于遙感影像反演葉綠素a 濃度已經(jīng)取得了不錯的結(jié)果。但在比較其方法和結(jié)果時，卻有很大差異［25-30］。一方面可能是由于模型本身的局限性所致；另一方面，不同研究區(qū)的環(huán)境類型也會對水體遙感產(chǎn)生一定的影響。因此，在一個特定的環(huán)境中應(yīng)用的方法很難在另一個不同的環(huán)境中得到復(fù)制。這也表明內(nèi)陸水體遙感仍然需要大量工作去完成，長時間（不同年份、不同季節(jié)）、大尺度的監(jiān)測數(shù)據(jù)或許會給內(nèi)陸水體反演模型標(biāo)準(zhǔn)化帶來一定的幫助，這也是本研究今后改進的主要方向。

4 小結(jié)

本研究結(jié)合2015 年9 月鏡泊湖實測葉綠素a 濃度與同步Landsat 8 OLI 影像前5 個波段建立了簡單線性模型（SLR）與多元線性模型（MLR）。結(jié)果表明，模型結(jié)果與預(yù)期的（chl-a的吸收/反射特性）結(jié)果高度一致，該方法可以為同類型內(nèi)陸水體葉綠素a 遙感反演提供可靠的依據(jù)。從模型的預(yù)測效果來看，多元線性模型（MLR）和簡單線性模型（SLR）都可以較高精度預(yù)測葉綠素a 濃度。其中，最優(yōu)MLR模型均方根誤差（RMSE）與平均相對誤差（MRE）分別為0.189 μg/L 和14.6%。鏡泊湖葉綠素a 濃度在空間分布上存在一定差異，湖邊淺水區(qū)高于湖心區(qū)，支流匯入?yún)^(qū)高于其他地區(qū)。