相對反射深度的秦皇島海域葉綠素濃度反演

安 穎，丁 靜，藺 超，劉志亮

1. 河北科技師范學(xué)院海洋科學(xué)研究中心，河北 秦皇島 066004 2. 中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所應(yīng)用光學(xué)國家重點實驗室，吉林 長春 130033 3. 國家衛(wèi)星海洋應(yīng)用中心，北京 100081 4. 河北省海洋動力過程與資源環(huán)境重點實驗室，河北 秦皇島 066004

引 言

海水中的葉綠素濃度是表征海洋初級生產(chǎn)力、衡量浮游植物豐度及生物量、評估環(huán)境承載量、分析水動力過程、監(jiān)測海洋生態(tài)環(huán)境質(zhì)量的主要參數(shù)[1]。 葉綠素濃度的反演模型主要采用理論分析法、半分析法及經(jīng)驗法來構(gòu)建[2]。 其中，理論分析法依據(jù)光在水體中的傳輸特性，建立遙感反射率與水色各要素固有光學(xué)參量之間的關(guān)系，反演模型物理意義明確、普適性強(qiáng)；半分析法通過選擇特征波段并利用經(jīng)驗信息對理論分析方法進(jìn)行簡化，可操作性強(qiáng)、反演精度較高。 但是，分析法與半分析法都需要對水色要素的固有光學(xué)參量進(jìn)行測量[3]，實時性差且不易實施。 與上述兩種方法相比，經(jīng)驗?zāi)Ｐ椭苯咏⑻卣鞑ǘ蔚倪b感反射光譜與葉綠素濃度之間的統(tǒng)計回歸關(guān)系，易于實施、運算速度快，是進(jìn)行葉綠素反演估算的重要手段[1-3]。

國內(nèi)外衛(wèi)星遙感中生成葉綠素產(chǎn)品的通用經(jīng)驗反演模型是OCx(x=2～6)算法[4]。 OCx算法基于不同波段上遙感反射光譜的強(qiáng)度比值來構(gòu)建。 其中，OC2算法是波段比方法，直接采用藍(lán)波段與綠波段遙感反射率的比值進(jìn)行葉綠素濃度反演；OC3—6算法是最大波段比方法，即通過選擇紫、藍(lán)、藍(lán)綠、綠波段與綠、紅波段之間遙感反射率比的最大值構(gòu)建反演模型[4]。 OCx算法應(yīng)用在一類水體中，全球尺度上的平均相對誤差在35%左右[1]。 但是，二類水體中，有色溶解有機(jī)物(coloured dissolved organic matter，CDOM)和非藻類顆粒(non-algal particle，NAP)含量較高，遙感反射光譜與一類水體有較大差別；同時，CDOM、NAP與葉綠素濃度也不再具有共變特征。 因此，基于光譜強(qiáng)度比的OCx算法產(chǎn)生非常大的估算誤差，甚至失效[1, 4]。 迄今為止，提高近岸二類水體葉綠素濃度的反演精度仍是一個國際難題。

葉綠素濃度反演精度主要受衛(wèi)星傳感器輻射定標(biāo)、大氣校正、白帽及耀斑剔除、數(shù)字舍入誤差及反演模型構(gòu)建方法制約。 近年來，葉綠素濃度<0.4 mg·m-3時，水色指數(shù)法(color index，CI)精度高、算法穩(wěn)健性強(qiáng)，成為OCx的替代算法[5]。 與OCx算法不同，CI法是利用圖1所示反射光譜的相對高度構(gòu)建的。 由于基線BC自藍(lán)波段連至紅波段，可有效濾除由儀器、大氣校正及遙感反射率計算過程中產(chǎn)生的各種直流及線性噪聲。 此外，與光譜絕對高度相比，相對高度對隨機(jī)噪聲的敏感度更低。

圖1 水色指數(shù)法Fig.1 Ocean color method

光譜相對高度的另一個用途是可以進(jìn)行信息提取。 圖2所示的基線熒光高度法(fluorescence line height，F(xiàn)LH)[6]，利用紅光段葉綠素的熒光峰高度與葉綠素濃度強(qiáng)相關(guān)的光譜特性，通過構(gòu)建熒光峰中心點A相對于基線BC的相對高度FLH，提高了光譜信息中葉綠素的信噪比。 從而使FLH方法在沿岸海域葉綠素濃度高或者當(dāng)赤潮出現(xiàn)時，實現(xiàn)高精度的葉綠素估算。

雖然CI及FLH方法采用的波段、相對高度構(gòu)建方法及適用范圍具有較大差異，但其提高葉綠素信息信噪比的機(jī)理相同，且均使反演精度得到了大幅度提高。 這對于光學(xué)特性復(fù)雜、區(qū)域性強(qiáng)的二類水體中葉綠素濃度的反演，具有重要的指導(dǎo)意義。 目前，基于相對高度構(gòu)建反演模型，還存在波段單一、應(yīng)用面窄等問題，對于我國近岸復(fù)雜水體，其構(gòu)建方法及應(yīng)用效果尚需進(jìn)一步研究和驗證。

圖2 基線熒光高度法Fig.2 Fluorescence line height method

在對秦皇島近岸海域的葉綠素濃度和表觀光學(xué)參量進(jìn)行原位測量的基礎(chǔ)上，對船載高光譜數(shù)據(jù)進(jìn)行了光譜分析，提出了一種基于相對反射深度的葉綠素反演方法，并與傳統(tǒng)算法進(jìn)行了比較及數(shù)據(jù)驗證。 結(jié)果表明，相對反射深度更適用于二類水體中的模型構(gòu)建，葉綠素濃度估算精度達(dá)到國際上反演模型精度要求(<35%)；在此基礎(chǔ)上，對我國海洋衛(wèi)星HY-1C的色水溫掃描儀(China Ocean Color & Temperature Scanner，COCTS)的多光譜數(shù)據(jù)進(jìn)行了波段選擇、相對反射深度確定及反演模型構(gòu)建與數(shù)據(jù)驗證，與葉綠素產(chǎn)品相比，估算精度也有大幅提高。 這一研究對于提高水色要素的反演精度，進(jìn)而實現(xiàn)精準(zhǔn)的初級生產(chǎn)力估算、生態(tài)環(huán)境監(jiān)測、水動力環(huán)境分析等具有重要的科學(xué)意義和應(yīng)用價值。

1 實驗部分

1.1 實驗區(qū)域

2020年7到8月，在秦皇島海域119.35°—119.88°E，39.67°—39.98°N范圍內(nèi)展開了兩次、累計6天的原位測量實驗。 沿海岸線設(shè)計了8個斷面，40個站位。 調(diào)查站位分布如圖3所示。 其中，7月份原位測量站位為1-1到5-3，共獲得23組數(shù)據(jù)；8月實驗站位為40個。

圖3 原位測量站位Fig.3 In situ measurement stations

1.2 葉綠素濃度測量及標(biāo)定

利用OCT-multipara-07多參數(shù)水質(zhì)儀對圖3所示站位水體剖面的葉綠素濃度進(jìn)行了測量。 為了保證測量數(shù)據(jù)的準(zhǔn)確性，7月航次中，在3-4，3-5，4-4和4-5站位分別采集了表、中、底層水樣，經(jīng)低溫保存后移至實驗室測得了葉綠素濃度，并對多參數(shù)水質(zhì)儀的數(shù)據(jù)進(jìn)行了數(shù)據(jù)標(biāo)定。 標(biāo)定過程如下：

首先，依據(jù)NASA海洋調(diào)查規(guī)范，將采集的水樣在實驗室用孔徑0.2 μm的水系濾膜進(jìn)行抽濾、萃取后用分光光度計測量吸光度并計算葉綠素濃度；

其次，利用線性擬合的方法[7]及水樣化學(xué)分析實測數(shù)值對多參數(shù)水質(zhì)儀的葉綠素濃度進(jìn)行標(biāo)定。

受測量環(huán)境及儀器精度影響，多參數(shù)水質(zhì)儀的測量值約為水樣化學(xué)分析實測值的2倍。 標(biāo)定后，多參數(shù)水質(zhì)儀的標(biāo)定值與實驗室實測值之間的關(guān)系如圖4所示。 顯著性水平0.01時，兩者之間的相關(guān)系數(shù)(related coefficient，R)為0.966 8，標(biāo)定值的均方根誤差(root mean square error，RMSE)為0.082 9 mg·m-3，平均相對誤差(mean relative error，MRE)為4.26%。

圖4 葉綠素濃度標(biāo)定Fig.4 Calibration of chlorophyll concentration

1.3 船載高光譜數(shù)據(jù)測量

利用荷蘭AVANTES公司的AvaField-1地物光譜儀(300～1 100 nm)對實驗海域的海水輻照度反射率進(jìn)行了測量。 測量過程嚴(yán)格依據(jù)GB12763.1～7—1991《海洋調(diào)查規(guī)范》、GB17378—2007《海洋監(jiān)測規(guī)范》和《海洋光學(xué)調(diào)查技術(shù)規(guī)程》進(jìn)行。

海水水體表面的輻照度比，也稱海表輻照度反射率為[8]

(1)

式(1)中，Eu(λ, 0+)為光在海表面的上行輻照度，Ed(λ, 0+)為光在海表面的總?cè)肷漭椪斩?，而Lu(λ, 0+)和Ld(λ, 0+)分別是光在海表面上行與入射的輻亮度。 只考慮海面以上，式(1)可簡寫為

(2)

將海面入射光分為太陽光和天空散射光兩部分，水面以上的上行輻亮度為

Lu(λ)=Lw(λ)+ρLsky(λ)+Δ

(3)

式(3)中，Lw(λ)是離水輻亮度，產(chǎn)生于太陽光與海水相互作用時的后向散射，包含了水色要素的光學(xué)信息；ρLsky(λ)是天空散射光在海面反射回光譜儀的天空光輻亮度，ρ是水氣界面的菲涅爾反射率；Δ是耀斑、白帽等外界干擾，處理中用數(shù)據(jù)多次平均可使其忽略不計。

因此，忽略外界干擾的船載光譜儀接收到的離水輻照度反射率為

(4)

式(4)中，r(λ)是海水的總輻照度反射率，rsky(λ)是天空散射光的輻照度反射率。 考慮觀測幾何(40°，135°)、晴天、平均風(fēng)速(<5 m·s-1)等因素，ρ取0.028[8]；r(λ)依據(jù)海洋光學(xué)調(diào)查規(guī)范中的觀測幾何進(jìn)行測量，測量時避開了船的陰影，并在同一位置進(jìn)行了20次重復(fù)測量以降低外界信號干擾；rsky(λ)采用遮蔽太陽直射光的方法測量。 將標(biāo)定后的標(biāo)準(zhǔn)白板放在船上空曠處，架高水平放置，避開周邊環(huán)境的反射、散射光，遮住白板上方的太陽光，重復(fù)測量白板反射光20次并取平均值。

1.4 方法

1.4.1 高光譜數(shù)據(jù)特征及其規(guī)范化處理

依據(jù)式(4)，得到離水輻照度反射率共計63組。 實測離水輻照度反射率如圖5所示，最大反射峰出現(xiàn)在570 nm，是典型的二類水體反射光譜。

圖5 實測離水輻照度反射率光譜Fig.5 Measured water-leaving reflectance spectra

與葉綠素相對應(yīng)的波段特征[2-4]，主要有在440和670 nm處出現(xiàn)的反射谷及570和700 nm處出現(xiàn)的反射峰。 一類水體中，葉綠素濃度與離水輻照度反射率在上述幾個特征波段的光譜強(qiáng)度顯著相關(guān)。 但二類水體中含量較高的CDOM和NAP、較淺的水深使得水體光學(xué)特性極其復(fù)雜，實測的葉綠素濃度與光譜強(qiáng)度及其比值均不具有相關(guān)性。

為了比較光譜特征，將離水輻照度反射率進(jìn)行了規(guī)范化處理。 即先將實測數(shù)值減去300 nm處的反射率值后，再將光譜進(jìn)行歸一化。 規(guī)范化的離水輻照度反射率如圖6所示。

由圖6可知，實測數(shù)據(jù)的葉綠素特征波段的中心波長及寬度基本相同，一致性較好。 將特征波段劃分為反射谷波段B435(421～458 nm)和B664(646～679 nm)、反射峰波段B573(526～609 nm)和B706(695～713 nm)。

圖6 規(guī)范化的離水輻照度反射率光譜Fig.6 Normalized water-leaving reflectance spectra

1.4.2 基于絕對高度的反演模型構(gòu)建機(jī)理

OCx(x=2～6)算法利用遙感反射率的強(qiáng)度，即絕對高度進(jìn)行反演，葉綠素濃度反演值cCHL為

cCHL=10x

(5)

其中

(6)

式(6)中，ai為擬合系數(shù)，不同衛(wèi)星采用不同的擬合系數(shù)。

當(dāng)

(7)

時，為OC6算法。 其中，

(8)

為遙感反射率。 將海面視為朗伯體時，遙感反射率與輻照度反射率的關(guān)系為

Rrs(λ)=rst(λ)/π

(9)

OCx算法選擇不同的波段進(jìn)行葉綠素濃度反演。 除OC6外，OC3～5算法均不采用λ6波段。 其中，OC4算法中

(10)

而OC5算法則取

(11)

雖然不同衛(wèi)星上傳感器采用的波段不同，但λ1～4通常取自紫、藍(lán)、藍(lán)綠及綠波段，典型值為412，443，490及510 nm；λ5和λ6通常取綠波段的555 nm及紅波段的670 nm[4]。

1.4.3 基于相對高度的反演模型構(gòu)建機(jī)理

由圖1及圖2可知，水色指數(shù)CI及熒光高度FHL均為A點到基線的垂直距離，即線段AD的長度。 因此，相對高度

(12)

式(12)中，HA，HB，HC及λA，λB和λC分別為A，B，C點的光譜強(qiáng)度值及波長。

1.4.4 基于相對反射深度的高光譜數(shù)據(jù)反演機(jī)理

海面之上的輻照度反射率與海水中的固有光學(xué)量之間的關(guān)系為[9-10]

rst(λ)=Q{g1u(λ)+g2[u(λ)]2}

(13)

其中，

(14)

是水體中固有光學(xué)參量吸收系數(shù)a(λ)與后向散射系數(shù)bb(λ)的函數(shù)。 式(14)中，bb(λ)為水、色素顆粒及NAP的后向反射系數(shù)之和；a(λ)為水、CDOM、色素顆粒及NAP的吸收系數(shù)之和；輻照度轉(zhuǎn)換因子Q是與光照條件、體散射函數(shù)、光場余弦、海面特性有關(guān)的系數(shù)；g1和g2取經(jīng)驗常數(shù)。

由式(13)和式(14)可知，輻照度反射率在每個波長上的強(qiáng)度值是水、色素顆粒、NAP、CDOM等水色要素在該波長上的輻照度反射率之和。 一類水體中，NAP及CDOM濃度低，葉綠素濃度與輻照度反射率相關(guān)系數(shù)高，依據(jù)反射譜絕對高度構(gòu)建的反演模型擁有較高的精度；而二類水體中，絕對高度易受其他水色要素影響，反演算法精度低、穩(wěn)健性差。

分析各水色要素的光譜特征可知，各要素特征波段位置、譜線形狀、譜線寬度有較大的差異。 如，純水的反射峰在400～450 nm，峰值高且寬度較窄；CDOM和NAP的反射峰在550～670 nm[11]，是高度較低的寬峰；而葉綠素存在443 nm反射谷、683 nm熒光峰等鐘形譜線。 這些先驗知識，為光譜信息的分解與提取提供了理論依據(jù)。

以紫、藍(lán)波段在400～460 nm內(nèi)的光譜為例，反射光譜主要由CDOM吸收、葉綠素與水的吸收及后向散射產(chǎn)生。 受懸浮顆粒后向散射影響，二類水體中，此波段海水的反射光譜呈緩慢上升趨勢[12]；而CDOM的吸收峰在410 nm附近，隨后呈指數(shù)衰減[13]；葉綠素則是在440 nm附近有吸收峰、寬度約為70 nm左右。 因此，如圖6中B435所示，反射光譜在此波段出現(xiàn)傾斜的凹陷，而凹陷在435 nm處的深度值與葉綠素濃度之間具有較強(qiáng)的相關(guān)性。 此時，若取435 nm處的相對深度代表葉綠素信息，不但可以抑制海水及CDOM產(chǎn)生的干擾，提高信噪比及反演精度；同時，當(dāng)CDOM濃度發(fā)生變化時，還可降低算法對光譜變化的敏感性，使模型穩(wěn)健性增強(qiáng)。 因此，對于二類復(fù)雜水體，構(gòu)建基于相對高度的反演模型是能夠直接提高反演精度的有力手段。

為此，提出一種基于相對反射深度(relative reflection depth，RRD)的反演模型構(gòu)建方法。 將相對反射深度定義為輻照度反射率在特征波段B435(421～458 nm)、B664(646～679 nm)、B573(526～609 nm)和B706(695～713 nm)中的相對高度。 其中，反射谷波段的相對高度稱為相對反射谷深度，反射峰處的相對高度稱為相對反射峰深度。 RRD的計算公式為式(12)；基線定義為特征波段左右兩個端點的連接線。 據(jù)此，得到相對反射谷深度RRD435, RRD664和相對反射峰深度RRD573, RRD706，如圖7所示。

圖7 相對反射深度Fig.7 Relative reflection depths

將相對反射深度及其比值與實測葉綠素濃度值進(jìn)行了相關(guān)性分析，顯著性水平0.01時，葉綠素濃度對數(shù)值與RRD706，RRD435，RRD573/RRD664有較高的相關(guān)系數(shù)，分別為0.456 9，0.391 9和0.384 5，可作為基于RRD構(gòu)建反演模型的主要參量。

2 結(jié)果與討論

2.1 秦皇島海域夏季葉綠素的時空分布

圖8 7月葉綠素濃度分布(a)： 橫剖面圖；(b)： 垂向剖面圖Fig.8 Chlorophyll concentration distributions in July(a)： Cross sections；(b)： Vertical sections

將標(biāo)定后的葉綠素濃度在站位分布范圍內(nèi)進(jìn)行了三維線性插值，得到了7月和8月海面下的橫剖面分布如圖8(a)、圖9(a)所示、垂向剖面分布如圖8(b)、圖9(b)所示。

圖9 8月葉綠素濃度分布(a)： 橫剖面圖；(b)： 垂向剖面圖Fig.9 Chlorophyll concentration distributions in August(a)： Cross sections；(b)： Vertical sections

7月到8月間，葉綠素濃度變化范圍為0.191 5～5.347 mg·m-3，總平均值為2.036 mg·m-3，表面平均濃度分別為1.601和1.363 mg·m-3，與近年來年秦皇島海域外海調(diào)查結(jié)果[14]基本一致。 葉綠素濃度近岸高、遠(yuǎn)海低，在近岸河口處出現(xiàn)了河水徑流造成的濃度擴(kuò)散的特征；在金山嘴東北方向的中下層，出現(xiàn)了高濃度水體，與該海域內(nèi)風(fēng)生流、潮流及密度流等水動力環(huán)境的研究結(jié)果[15]一致。

2.2 船載高光譜數(shù)據(jù)的葉綠素濃度RRD反演模型構(gòu)建

7月和8月份站位總數(shù)是63個，剔除由船體晃動、光線不足等外部環(huán)境造成的無效數(shù)據(jù)，剩余葉綠素濃度與光譜數(shù)據(jù)57組。 利用其中38組數(shù)據(jù)進(jìn)行基于相對反射深度的RRD模型構(gòu)建，并與OC4，OC5，OC6和FLH算法進(jìn)行比較；余下的19組數(shù)據(jù)用于驗證。

RRD模型的葉綠素濃度反演值為cCHL=10x。 其中

(15)

反演值與實測值比較的結(jié)果如圖10所示。 顯著性水平0.01時，兩者之間的相關(guān)系數(shù)為0.883 58，均方根誤差為0.479 24 mg·m-3，平均相對誤差為28.33%。

圖10 葉綠素濃度高光譜數(shù)據(jù)反演結(jié)果Fig.10 Inversion results of chlorophyll concentrationusing hyperspectral data

利用式(9)將輻照度反射率轉(zhuǎn)換為遙感反射率，并分別選取412，443，490，510，555及670 nm為λ1～λ6，以其為中心值取±5 nm波段范圍內(nèi)光譜均值后，依式(10)，式(11)和式(7)分別進(jìn)行了OC4，OC5和OC6算法反演；同時取FLH=RRD706/π確定了基于FLH的反演算法。 各算法與RRD模型的反演結(jié)果如圖11所示。

圖11 葉綠素濃度反演算法比較Fig.11 Comparison of inversion algorithmsfor chlorophyll concentration

在置信水平0.05時，各算法反演值與實測值的相關(guān)系數(shù)、均方根誤差及平均相對誤差如表1所示。

表1 反演算法比較Table 1 Comparison of inversion algorithms

由圖11及表1可知，秦皇島海域中，OCx算法反演值與實測值相關(guān)系數(shù)較小，均方根誤差>1、平均相對誤差約為77%～81%，反演精度較低；FLH算法誤差雖低于OCx算法，但比RRD模型高出27%。

FLH算法及OCx算法在葉綠素濃度<0.9 mg·m-3時，均出現(xiàn)高估現(xiàn)象，說明模型在葉綠素濃度較低時易受高濃度CDOM的影響；而在葉綠素濃度>1.8 mg·m-3時則出現(xiàn)了低估且數(shù)值基本恒定，說明模型對葉綠素濃度變化不敏感，處于失效狀態(tài)。 二類水體中，黃、綠波段的遙感反射率高于藍(lán)波段，與一類水體的光譜有較大差異性，同時水色要素混疊，葉綠素信息的信噪比低，導(dǎo)致依據(jù)光譜絕對高度的OCx算法誤差較大甚至失效；而當(dāng)濃度較低時，熒光效應(yīng)不明顯，F(xiàn)LH算法難以達(dá)到較高精度。 葉綠素反演算法比較的結(jié)果表明，RRD模型對于二類水體中水色要素分離、提高葉綠素濃度信噪比的效果極為顯著。

用剩余的19組數(shù)據(jù)對RRD反演模型式(15)進(jìn)行了驗證。 結(jié)果如圖12所示。 顯著性水平0.01時，估算值與實測值之間的相關(guān)系數(shù)為0.582 97，均方根誤差為0.930 39 mg·m-3，平均相對誤差為31.17%。 此結(jié)果符合國際上葉綠素濃度反演誤差<35%的模型構(gòu)建標(biāo)準(zhǔn)，進(jìn)一步證明了RRD算法的可行性。 因此，對于二類水體，依據(jù)相對反射深度構(gòu)建反演模型不但可以使葉綠素濃度的反演精度大幅提高，也有望成為其他水色要素反演的重要手段，對于復(fù)雜水體光學(xué)特性研究具有重要意義。

圖12 高光譜相對反射深度反演模型驗證Fig.12 Validation results of relative reflection depthsinversion model for hyperspectral data

2.3 葉綠素濃度的衛(wèi)星數(shù)據(jù)RRD反演模型構(gòu)建及驗證

我國海洋衛(wèi)星HY-1C/D采用上、下午雙星組網(wǎng)，其上搭載的COCTS可獲取西北太平洋，即渤海、黃海、東海、南海和日本海區(qū)域的海水光學(xué)特性、葉綠素濃度、懸浮泥沙含量、CDOM、海表溫度等數(shù)據(jù)，覆蓋周期為0.5 d，星下點地面像元分辨率≤1 100 m。 在我國國家海洋衛(wèi)星應(yīng)用中心7月20日—25、8月30日—9月2日COCTS數(shù)據(jù)中，共得到覆蓋了調(diào)查海域的L2A及L2B產(chǎn)品各5組。 其中，L2A產(chǎn)品包括412，443，490，520，565，670及750 nm的遙感反射率，L2B產(chǎn)品包含依據(jù)上述波段遙感反射率反演的葉綠素濃度值。

將L2B產(chǎn)品中的8月30日的葉綠素濃度在圖3所示外海調(diào)查區(qū)域進(jìn)行了線性插值，葉綠素濃度分布如圖13(a)所示，同一天實測的表層葉綠素濃度分布則如圖13(b)所示。 圖13中紅色點分別表示像元覆蓋點及站位信息。 由圖13可知，衛(wèi)星覆蓋的像元點多且密集，覆蓋面積遠(yuǎn)大于船載測量，充分體現(xiàn)了衛(wèi)星遙感范圍大、實時快速、成本低的特點。

圖13 8月30日葉綠素濃度分布(a)： 衛(wèi)星數(shù)據(jù)；(b)： 實測數(shù)據(jù)Fig.13 Chlorophyll concentration distributions on 30 August(a)： Satellite data；(b)： Measured data

在7月和8月原位調(diào)查海域內(nèi)，像元點對應(yīng)的衛(wèi)星遙感反射率及插值后的葉綠素濃度數(shù)據(jù)共91組。 將各波段的遙感反射率及任意兩波段的比值與葉綠素濃度進(jìn)行了相關(guān)分析。 顯著性水平為0.05時，葉綠素濃度的對數(shù)值只與520 nm處的遙感反射率R520及反射率比值R443具有相關(guān)性，相關(guān)系數(shù)分別為0.575 2和0.292 0。

與高光譜數(shù)據(jù)相比，多光譜數(shù)據(jù)攜帶的葉綠素特征信息較少。 為了提高信噪比，構(gòu)建相對反射深度。 利用443，412，490 nm及520，412，750 nm依式(12)確定了相對反射深度RRD443及RRD520，如圖14所示。 其中RRD443與葉綠素在443 nm處的特征反射谷相關(guān)，而RRD520則可通過長基線濾除線性及直流噪聲。

顯著性水平為0.01時，RRD與葉綠素濃度對數(shù)值之間的相關(guān)系數(shù)較高的是RRD520(0.513 5)及RRD443/R520(0.216 4)。 取91組數(shù)據(jù)中的62組數(shù)據(jù)，用相關(guān)系數(shù)最高的參量R520，RRD520，R443及RRD443/R520進(jìn)行了反演模型構(gòu)建。 葉綠素濃度為cCHL=10x，而

x=-1.263 6+46.802 5R520-98.767 9RRD520+

(16)

反演結(jié)果如圖15所示。 顯著性水平0.01時，反演值與實測值的相關(guān)系數(shù)為0.703 4，均方根誤差為0.425 27 mg·m-3，平均相對誤差為24.56%。

圖14 衛(wèi)星遙感反射率的相對反射深度Fig.14 Relative reflection depths of satelliteremote sensing reflectance

圖15 葉綠素濃度的衛(wèi)星數(shù)據(jù)反演Fig.15 Inversion results of chlorophyll concentrationbased on satellite data

利用剩余31組數(shù)據(jù)對反演模型進(jìn)行了驗證，并與同期衛(wèi)星遙感L2B產(chǎn)品中的葉綠素濃度進(jìn)行了比較。 比較和驗證的結(jié)果如圖16所示。 顯著性水平0.01時，實測葉綠素濃度數(shù)值與模型反演數(shù)值之間的相關(guān)系數(shù)為0.674 49，均方根誤差為0.675 02 mg·m-3，平均相對誤差為25.53%；而L2B產(chǎn)品的葉綠素濃度值與實測值的之間的相關(guān)系數(shù)僅為0.046 5，均方根誤差為2.839 6 mg·m-3，平均相對誤差高達(dá)78.97%。

依據(jù)RRD確定的反演模型，使葉綠素濃度的平均相對誤差降低了53.44%，大幅提高了葉綠素濃度估算值的準(zhǔn)確性。 對于近岸二類水體，受紅外波段離水反射率不為零影響，大氣校正時在每個波段都會引入線性噪聲；同時近岸海域復(fù)雜的氣溶膠時空分布、儀器噪聲、舍入誤差、白帽及耀斑剔除等因素也使遙感反射率的精度受到較大限制。 而相對反射深度對線性、直流及斑點噪聲都有較強(qiáng)的抑制作用[5]，可提高光譜利用率及信噪比，是一種極具應(yīng)用價值的衛(wèi)星遙感葉綠素反演算法。

圖16 多光譜相對反射深度反演模型驗證Fig.16 Validation results of relative reflection depthsinversion model with multispectral data

3 結(jié) 論

二類水體葉綠素濃度的反演精度還有很大的提升空間。 通過在秦皇島海域進(jìn)行葉綠素濃度及表觀光學(xué)參量的原位測量及數(shù)據(jù)分析，提出了一種基于相對反射深度的高光譜葉綠素濃度經(jīng)驗?zāi)Ｐ蜆?gòu)建方法并與OCx等算法進(jìn)行了比較及數(shù)據(jù)驗證。 研究結(jié)果表明，RRD反演模型可以充分利用葉綠素特征波段信息，降低了模型對光譜強(qiáng)度變化的敏感性，極大程度地降低了NAP和CDOM產(chǎn)生的干擾。 與光譜絕對高度相比，相對反射深度更適用于二類水體葉綠素濃度的反演。 在此基礎(chǔ)上，建立了衛(wèi)星多光譜數(shù)據(jù)的RRD反演模型，并進(jìn)行了驗證。 高光譜與多光譜RRD模型均使葉綠素濃度反演精度得到了大幅提高。 RRD模型簡便易行，是一種基于譜線形狀的高精度、快速反演算法。 不但適用于船載光譜儀的高光譜數(shù)據(jù)及衛(wèi)星遙感多光譜數(shù)據(jù)，對于水體剖面光學(xué)測量數(shù)據(jù)的反演及其他水色要素反演估算也具有較強(qiáng)的應(yīng)用價值，對于衛(wèi)星遙感生態(tài)環(huán)境監(jiān)測、水體光學(xué)參量測量等具有重要的科學(xué)意義。

致謝：所采用的HY-1C衛(wèi)星數(shù)據(jù)獲取自網(wǎng)站： https: //osdds.nsoas.org.cn，感謝國家衛(wèi)星海洋應(yīng)用中心提供的數(shù)據(jù)支持。