基于环境一号卫星的太湖叶绿素a浓度提取

旷 达,韩秀珍,刘 翔,詹雅婷,牛 铮,王李娟(.中国科学院遥感应用研究所,遥感科学国家重点实验室,北京 000；2.中国科学院研究生院,北京 0039；3.中国气象局国家卫星气象中心,北京 0008；.北京东方泰坦科技股份有限公司,北京 00083；.南京信息工程大学气象灾害省部共建教育部重点实验室,江苏 南京 200)

基于环境一号卫星的太湖叶绿素a浓度提取

旷 达1,2,韩秀珍3*,刘 翔4,詹雅婷5,牛 铮1,王李娟1,2(1.中国科学院遥感应用研究所,遥感科学国家重点实验室,北京 100101；2.中国科学院研究生院,北京 100139；3.中国气象局国家卫星气象中心,北京 100081；4.北京东方泰坦科技股份有限公司,北京 100083；5.南京信息工程大学气象灾害省部共建教育部重点实验室,江苏 南京 210044)

综合环境一号小卫星的CCD数据和同步地面水质监测数据,发现可见光红波段与近红外波段的波段组合与叶绿素a实测浓度存在较高相关性,并以此为基础建立了3个提取水体表层叶绿素a浓度的遥感信息模型.经验证分析,基于近红外波段与红波段比值的模型用于叶绿素a浓度反演提取的精度良好,RMSE达到了6.04mg/m3.将该模型应用于环境一号卫星CCD数据,生成了2009年5～12月共8幅太湖水体叶绿素a浓度分布图,并对其进行了时空分析,结果符合实际,并与以往的研究结果相一致.但模型不适用于水生植被覆盖较多区域叶绿素a浓度估算.

环境一号卫星；遥感；叶绿素a

Abstract：In this study, models estimating water chlorophyll-a concentration have been proposed and calibrated, based on the regression analysis between HJ-1 satellite CCD images and synchronous in-situ water quality monitoring data, ranging from September to December in 2008 on Taihu, Jiangsu Province. The red and near infrared bands of HJ-1A and 1B CCD data, with central wavelength at 660 nm and 830 nm respectively, have shown to be sensitive to the chlorophyll-a concentration. Three models has been built and validated. The results illustrate the high potentials of the models to estimate chlorophyll-a concentration in inland waters for operational applications from satellite HJ-1 satellite CCD data, which will be of immense value for environment monitoring. Among the three models been proposed, the one based on index R830/R660has the highest estimation precision, 6.04mg/m3. This model has been applied to eight images of HJ-1 satellite CCD, generating chlorophyll-a concentration distributions from May to December 2009.

Key words：HJ-1 satellite；remote sensing；chlorophyll-a

目前,我国内陆江河湖泊水质监测和分析主要依赖于高精度的仪器进行周期性的实地监测以及实验室分析[1].这种监测方法耗费较多人力物力,易受气候和水文条件的限制,难以长时间跟踪监测,且较少的数据点难以反映湖泊的整体分布状况[2].

从1978年美国NASA第一代水色遥感器CZCS到MODIS和MERIS,水体叶绿素a的遥感反演方法不断得到更新发展,精度逐渐提高[3].第一、二代水色卫星采用的反演方法主要是蓝绿辐亮度比值法.这种反演方法适合于悬浮泥沙和黄色物质含量较低的一类水体.但在二类水体,由于悬浮泥沙的后向散射和黄色物质的强吸收等因素,蓝绿比值法几乎不可用[4].从MODIS、MERIS开始,荧光遥感算法[5]成为二类水体叶绿素a浓度反演的重要方法,包括基线荧光高度法和归一化荧光高度法.这种方法有效地补充了蓝绿比值法的不足[6].但荧光遥感的应用也受到诸多因素的制约,如荧光遥感特征波段的选择、活体叶绿素荧光过程的复杂多变性以及荧光峰的“红移现象”等[4].

为提高反演精度,需要研究利用新型传感器数据进行遥感监测的关键技术与方法,同时加强多种遥感数据之间的融合以及遥感数据同地面同步监测数据的结合[7].本研究探索利用新型卫星传感器环境一号卫星进行水体叶绿素a遥感定量反演方法,结合地面同步观测数据,发现第4波段与第3波段的比值R830/R660与叶绿素a浓度的对数值之间存在较高的相关性,并以此为基础建立了新的遥感信息模型.经验证,该模型的反演精度达到6.04mg/m3.将该模型应用到2009年5～12月的环境一号卫星CCD影像,得到太湖水体叶绿素a浓度的时空变化分布,对变化趋势进行了分析.

1 数据和方法

1.1研究区域

太湖是我国第三大淡水湖泊,位于长江流域下游,该区域城镇密集,城市化水平居全国之首[8].伴随着该地区高速发展的城市化进程,区域内的河流富营养化比较严重,水质属于II～V类,局部地区甚至为劣V类.

表1 环境一号卫星CCD相机的主要技术指标Table 1 Technical index of HJ-1 satellite CCD camera

1.2遥感数据

2008年9月6日,我国“环境一号卫星A、B星以一箭双星的方式在太原卫星发射中心成功发射,并在9月8日开机成像.该卫星主要用于对生态破坏、环境污染和灾害进行大范围、全天候、全天时动态监测.环境一号卫星的CCD相机共分4个谱段,表2列出其主要技术指标.

本研究所用到的环境一号卫星CCD数据是经过辐射校正、系统几何校正后的2级产品.建立回归模型所需数据以及模型验证数据涵盖从2008年9月19日月至12月15日的8个时相.用于生成2009年5～12月太湖水体叶绿素a浓度分布图的数据为8景环境一号卫星CCD数据,其影像采集时间涵盖8个月份.

图1 地面采样点分布Fig.1 Distribution of in-situ sampling cites

1.3地面实测数据

所用地面实测数据来自于2008年《湖州市蓝藻监测报告》[9],由湖州市环境保护监测中心每天对若干个固定采样点的水质参数采样获得.地面采样时间一般为上午8:00～10:00,这恰好与环境一号卫星在太湖地区的过境时间相吻合.由表2可见卫星数据与地面采样数据的获取几乎同步,相差一般在2h以内.用到的7个地面采样点均分布于太湖南部(图1).由于大面积蓝藻覆盖水域不适合于水体叶绿素a浓度遥感建模,根据《湖州市蓝藻监测报告》[9]中的蓝藻爆发分布与天气信息,结合卫星影像上的云层覆盖信息,对获得的56个地面采样数据进行了适当剔除.例如,9月19日大钱港入湖口的地面实测点因为云层覆盖被剔除,9月23日长兴夹浦、长兴合溪、长兴兴塘3个实测点因为湖面覆盖大量蓝藻被剔除.对最终得到的43个有效地面采样点数据进行随机抽样,其中30个用于建立反演水体叶绿素a浓度值的遥感信息模型,其余13个用来评定模型精度.

表2 过境卫星时间以及地面采样时间Table 2 Satellite and in-situ data sampling information

1.4遥感数据的预处理

利用环境一号卫星CCD数据提取太湖表层水体叶绿素a浓度,首先需要对卫星影像进行几何精校正和大气辐射校正.

1.4.1几何精校正 从中国资源卫星应用中心获得的环境一号卫星CCD数据是经过系统几何畸变校正后的2级产品,只需对其进行几何精校正便能实现原始影像与参考图像的空间精确配准.选用经过空间配准的1:5 万地形图为参考图像,在ENVI 4.5支持下对环境一号卫星CCD影像进行几何精校正,图像重采样采用最近邻点法,总误差控制在0.5个像元内.

1.4.2大气辐射校正 相对于陆地,水体的反射率很低,入瞳辐亮度中有超过80%以上的能量来自大气的干扰信息[8],因此精确的大气校正是进行河流表层叶绿素a浓度定量反演所必须的关键步骤.采用ENVI 4.5软件下的FLAASH大气校正模块对环境一号卫星CCD数据进行大气校正.输入相关参数,计算得到大气校正后的反射率图像.

1.5遥感信息模型的建立

1.5.1单波段方法 利用SPSS 13.0对环境一号卫星CCD的4个波段反射率与叶绿素a浓度进行皮尔逊相关性分析.结果表明,除在第1波段475nm与叶绿素a浓度的相关系数相对较高以外,其他3个波段反射率与叶绿素a浓度的相关系数普遍较低,分别为-0.194,0.253,0.359.第1波段475nm反射率与叶绿素a浓度的皮尔逊相关系数达到了0.533,但相关程度仍不高.这可能是由于太湖的悬浮物浓度较高,而悬浮物的高反射率掩盖了水体中的叶绿素信息[10].因此,利用环境一号卫星CCD的单波段建立估算水体叶绿素a浓度的模型是不适合的.

1.5.2多波段方法 研究表明,采用多波段反射比可以部分消除水表面光滑度和微波随时间和空间变化的干扰,并在一定程度上减小其他污染物的影响[11].在以往运用遥感手段提取叶绿素a浓度的研究中,一种常用的方法是采用各种波段比值法和波段回归法扩大叶绿素a吸收峰与叶绿素a反射峰或荧光峰间的差异,以达到提取叶绿素a浓度的目的[12].雷坤[13]利用中巴地球资源1号卫星对太湖表层水体进行水质遥感监测,认为近红外波段是提取叶绿素含量的关键波段,联合红波段建立了反演叶绿素a浓度的双波段模型.吕恒等[2]分析3TM数据与准实时地面采样数据,发现TM3/(TM1+TM4)与叶绿素a浓度的相关性最好,并以此建立了太湖叶绿素a浓度的三波段线性反演模型.戴永宁等[14]以巢湖水体为例,利用624nm附近藻胆素和706nm附近叶绿素a的吸收峰建立了反演叶绿素a浓度的双波段反演模型.可见,可见光红波段和近红外波段是反演叶绿素a浓度的常用波段.

为寻找环境一号卫星CCD反演水体叶绿素a浓度的最佳波段组合,在SPSS 13.0支持下对各波段灰度值进行比值变换、指数变换和对数变换等多种非线性变化和组合,分析了15种不同波段组合及其第一主成分与叶绿素a浓度之间的相关关系.结果表明,研究区域叶绿素a浓度的对数值和第4与第3波段的组合B4/B3的相关系数最高,为0.85(图2).其余波段组合相关系数较高的有(B4-B3)/(B3+B4)和B3/(B1+B4),分别为0.8和0.78.

图2 叶绿素a浓度与波段组合B4/B3的回归曲线Fig.2 Fit curve between the chlorophyll-a concentration and the value of combined band

将各个因子作为自变量与水体叶绿素a浓度值进行回归分析,建立反演水体叶绿素a遥感信息模型.将模型计算所得结果与地面实测采样点数据进行统计分析,若合理并满足精度则将结果输出,否则重新分析,直到建立满足精度要求的模型,并对建立的若干个遥感模型进行对比分析.最终得到3个叶绿素a遥感信息模型,见式(1)～(3).从建立的遥感信息模型可以看出,环境一号卫星CCD第3和第4波段灰度值与水体叶绿素a浓度值关系密切,是反演水体叶绿素a浓度的关键波段.

基于B4/B3因子的模型(模型1):基于(B4-B3)/(B3+B4)因子的模型(模型2):

基于B3/(B1+B4)因子的模型(模型3):式中:C为叶绿素a浓度,mg/m3; RB1,RB3,RB4分别为环境一号卫星CCD第1、3和4波段反射率.

2 结果与讨论

2.1模型精度验证

将建立的3个遥感信息模型应用于环境一号卫星CCD数据,得到叶绿素a浓度模型预测值,再和地面采样实测数据进行对比分析.用于验证数据的13个地面采样数据的叶绿素a浓度实测值为2.13～82.2mg/m3,平均浓度值为18.19mg/ m3.3个模型的预测结果与实测叶绿素a浓度的误差均方根分别为6.04,19.30,16.02mg/m3.

相对于平均浓度18.19mg/m3,模型的预测值误差均较大,尤其是模型2和模型3的预测精度很低.进一步分析可知,误差主要来源于个别叶绿素a浓度值极高的采样点.例如,7号采样点的叶绿素a浓度实测值为82.2mg/m3,3个模型预测值的平均误差为40.69mg/m3.造成这种高浓度叶绿素a估算精度较低的主要原因,可能是由于地面采样数据主要在秋冬季节采集,水体叶绿素a浓度较春夏季偏低,造成建立的遥感信息模型对高浓度叶绿素a不够敏感.此外,内陆水体受人工和自然影响较多,在地理位置偏移较小的情况下可能有较大的叶绿素a浓度变化梯度,导致实测数据点并不能有效代表所在区域内的平均浓度值.叶绿素a浓度值较高的区域经常漂浮大量水生植物,这也可能在一定程度限制应用遥感数据估算水体叶绿素a浓度的精度.

若剔除7号点,剩余的12个采样点的叶绿素a浓度平均值为12.86mg/m3,3个模型的预测值误差均方将分别降低至5.02,8.99,9.78mg/m3.由此可以得出,在对叶绿素a浓度偏低和中等的水体进行估算时,模型1相对模型2和模型3具有更高的精度.

2.2太湖水体叶绿素a浓度变化分析

利用遥感图像处理软件ENVI 4.5与ArcGIS 9.1,将建立的模型1应用于2009年5～12月的8景环境一号卫星CCD影像,得到该时期太湖表层水体的叶绿素a浓度分布图(图3).

从时间上分析,该区域水体的叶绿素a浓度从6月份开始上升,在9～10月达到浓度峰值,12月份恢复较低水平.从地理上分析,7～8月的高叶绿素a浓度水域主要分布在沙塘港附近以及新塘北部水域.9～10月,在太湖西北部的沙塘港水域叶绿素a浓度进一步增高,并呈现往东部的焦山和拖山区域转移的趋势.同一时期,太湖东南部水域出现了极高的叶绿素a浓度分布.11月份,整个太湖水体叶绿素a开始下降,高浓度水域主要分布于西北部沙塘港和东南部水域.叶绿素a浓度在12月份进一步降低,平均浓度低于10mg/m3.总体上,太湖水体叶绿素a浓度呈现北部和东部较高、西南部和湖心较低的分布,这与以往的研究结果相一致[13].太湖的主要污染物来自西北部的常州市与北部无锡市的城市河道以及排污口,造成对应区域的富营养化与叶绿素a浓度偏高.

图3 2009年5～12月太湖水体叶绿素a浓度分布Fig.3 Chlorophyll-a concentration in Taihu from May to Dec, 2009

值得注意的一点是,东太湖是典型的草型湖泊,平均水深仅1.2m,是太湖的主要出水通道,淤积较为严重,在夏秋季节水生植被覆盖率达96%[15].从2009年5～12月的叶绿素a浓度分布图(图3)上看,与太湖其他区域相比,东太湖的叶绿素a浓度始终呈现相对较高的水平.这种现象很可能是受该区域丰富的水生植物所致,并不能准确表征该区域水体的叶绿素a浓度信息.由此可见,建立的遥感信息模型对于覆盖有大量水生植被的水体是不适用的.此外,湖流、水深、水温等也会影响蓝藻的生长[16],从而影响水体的叶绿素a浓度分布.

2.3与其他卫星传感器的对比分析

除了环境一号卫星以外,已经有一些卫星传感器用于相关研究,并得到较好的结果.宋瑜等[3]采用MERIS数据对太湖叶绿素a进行反演研究,利用归一化荧光高度与叶绿素a浓度线性回归建立模型,结果基本上反映出太湖北部水体的叶绿素a浓度分布格局.然而,在太湖南部水陆过渡带,MERIS产品数据出现异常值,限制了其在内陆大型湖泊水质状况反演研究中的应用.马荣华等[17]结合Landsat ETM与实测光谱估测太湖叶绿素,利用ETM3/ETM1与叶绿素浓度值之间的函数关系建立了反演模型,均方根误差为12.34mg/m3.张玉超等[18]将支持向量机的方法应用于MODIS数据太湖叶绿素a非线性反演中,发现其对低值和高值均有较好的预测精度,平均相对误差仅为15.91%.与这些卫星传感器相比,本研究利用环境一号卫星数据用于叶绿素a浓度反演的精度略微偏低.究其原因,可能包含多个方面,如特征波段的选择,反演算法的设计,地面实测数据,国内自主研制的传感器硬件参数,都可能对反演结果产生影响.随着环境一号卫星的研究应用逐渐推开,其在水质遥感方面的反演方法和模型将进一步完善.此外,相对其他卫星传感器,由于环境一号卫星是我国自主设计生产,数据订购和获取较为方便,利于研究和应用工作的开展.

3 结论

3.1利用我国自主研制的环境一号卫星CCD数据进行水体表层叶绿素a浓度提取,可以获得较高的反演精度.

3.2环境一号卫星CCD数据的各个波段中,第3和第4波段与叶绿素a浓度值具有最高的相关性,是反演水体叶绿素a浓度的最佳波段.

3.2对于覆盖有大量水生植被的水体,不适合采用遥感信息模型反演水体叶绿素a浓度.

[1] 王孝武,孙水裕.基于TM数据和ANN的河流水质参数监测研究 [J]. 环境工程学报, 2009,3(8):1532-1536.

[2] 吕 恒,江 南,罗潋葱.基于TM数据的太湖叶绿素A浓度定量反演 [J]. 地理科学, 2006,26(4):473-476.

[3] 宋 瑜,宋晓东,郭照冰,等.利用MERIS产品数据反演太湖叶绿素a浓度研究 [J]. 遥感信息, 2009,(8):19-24.

[4] 邢天罡,赵冬至,刘玉光,等.叶绿素a荧光遥感研究进展 [J]. 遥感学报, 2007,11(1):137-145.

[5] Neville R A, Gower J F R．Passive remote sensing of phytoplankton via chlorophyll fluorescence [J]．Journal of Geophysical Research, 1977,82:3487-3493.

[6] Gordon H R. Diffuse reflectance of the ocean: The theory of its augmentation by chlorophyll-a fluorescence at 685nm [J]. Applied Optics, 1979,18:1161-1166.

[7] 宋 瑜,宋晓东,江 洪.太湖藻类的遥感监测研究 [J]. 遥感信息, 2008,(4):102-109.

[8] 杨一鹏,王 桥,肖 青,等.基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究 [J]. 地理与地理信息科学, 2006,22(2): 5-8.

[9] 湖州市环境保护监测中心.2008年《湖州市蓝藻监测报告》 [R]. 2008.

[10] Bhargava D S, Mariam D W. Light penetration depth, turbidity and reflectance related relationship and models [J]. ISPRS Journal of Photogrammetry and Remote Sensing, 1991,46(4):217-230.

[11] Koponen S, Pulliainen J, Kallio K, et al. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data [J]. Remote Sensing of Environment, 2002,79:51-59.

[12] 段洪涛,张 柏,宋开山,等.查干湖叶绿素a浓度高光谱定量模型研究 [J]. 环境科学, 2006,27(3):503-507.

[13] 雷 坤,郑丙辉,王 桥.基于中巴地球资源1号卫星的太湖表层水体水质遥感 [J]. 环境科学学报, 2004,24(3):376-380.

[14] 戴永宁,李素菊,王学军.巢湖水体的表观光学特性测量与分析[J]. 中国环境科学, 2008,28(11):979-983.

[15] 李文朝,陈开宁,吴庆龙,等.东太湖水生植物生物质腐烂分解实验 [J]. 湖泊科学, 2001, 13(4):331-335.

[16] 杜 聪,王世新,周 艺,等.应用遥感数据评价蓝藻水华对太湖取水口的影响. [J]. 中国环境科学, 2009,29(10):1041-1046.

[17] 马荣华,戴锦芳.结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物含量. [J]. 湖泊科学, 2005,17(2):97-103.

[18] 张玉超,钱 新, 钱 瑜,等.支持向量机在太湖叶绿素a非线性反演中的应用. [J]. 中国环境科学, 2009,29(1):78-83.

致谢：本文的地面采样数据由湖州市环境保护监测中心提供,在此表示感谢.

Quantitative estimation of Taihu chlorophyll-a concentration using HJ-1A and 1B CCD imagery.

KUANG Da1,2, HAN Xiu-zhen3*, LIU Xiang4, ZHAN Ya-ting5, NIU Zheng1, WANG Li-juan1,2(1.State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China；2.Graduate University of Chinese Academy of Science, Beijing 100049, China；3.National Satellite Meteorological Center, China Meteorological Administration, Beijing 110008, China；4.Beijing Oriental Titan Technology Corporation, Beijing 100083, China; 5. Key Laboratory of Meteorological Disaster, Ministry of Education, Nanjing University of Information Science and Technology, Nanjing 210044, China). China Environmental Science, 2010,30(9)：1268～1273

X87

A

1000-6923(2010)09-1268-06

旷 达(1986-),男,湖南攸县人,中国科学院遥感应用研究所硕士研究生,主要从事遥感与地理信息系统方面的研究.

2009-12-21

国家“973”项目(2007CB714406);国家“863”项目(2006AA-120107);“十一五”国家科技支撑计划(2008BAC34B03);国家自然科学基金资助项目(40971202)

* 责任作者, 高级工程师, hanxz@cma.gov.cn