气溶胶光学厚度对蓝藻水华信息提取的影响

夏 双，阮仁宗，张 月，颜梅春

(河海大学地球科学与工程学院，南京 210098)

0 引言

湖泊是地球上最重要的淡水资源之一，是湖泊流域地区经济可持续发展和人们赖以生存的重要基础[1]。因此，湖泊的水质情况及其发展演变与人类的生产生活密切相关。目前，利用遥感技术进行水质参数的提取已经有了很多较为成熟的方法，如物理方法、经验方法和半经验方法等[2-5]。但是，要取得定量化的水质提取结果，还要考虑一些不确定性因素(如大气条件变化等)对提取结果的影响。近年来，国内外学者在利用遥感技术提取水质信息方面做了很多相关的研究。Schiebe等[6]用MSS数据对Chicot湖悬浮物的研究表明，悬浮物的浓度与外大气层反射率有着指数曲线的关系;Dekker等[7]选取SPOT，TM以及航空照片研究过荷兰Loosdrecht湖多种水质参数的空间分布规律;Fraser[8]对Nebraska的21个湖泊的混浊度与TM各波段图像反射率间的相关性进行过研究;段洪涛等[9]基于不同遥感数据(包括 MODIS/Terra，CBERS-2 CCD，ETM和IRS-P6 LISS3)，结合蓝藻水华光谱特征，采用单波段、波段差值及比值植被指数等方法，提取不同历史时期太湖蓝藻水华信息。由于目前的研究中还缺乏对大气影响、太阳高度角及传感器观测角等不确定性因素影响的定量分析，而这些不确定性因素如何影响信息提取结果、其影响程度如何，恰恰是目前比较关注的诸多问题之一。为此，本文采用不同方法(单波段法和比值植被指数法)、不同MODIS产品(MOD 02和MOD 09)对蓝藻信息的提取结果进行了对比分析，探讨了气溶胶光学厚度(AOT)对太湖蓝藻信息提取的影响程度，得出AOT与信息提取阈值和结果间的定量关系。

1 研究区概况和数据源

1.1 研究区概况

太湖是我国第三大淡水湖，介于N 30°55′42"～31°33′50"，E 119°53′45" ～ 120°36′15"之间。太湖是一个典型的浅水湖泊，是太湖流域最重要的供水源地和天然调蓄水库;湖泊面积约为2 338.1 km2，南北长68.5 km，东西平均宽24 km，最宽处56 km;湖泊平均水深为1.9 m;湖区年均温度为15.3～16℃，年均降水量为950～1 250 mm，年日照时数为2 000～2 200 h。太湖自东向西有东太湖、青口湾、贡湖、梅梁湖和竺山湖5个湖湾。目前这几个湖湾大都因为水流缓慢，水深较浅及盛行风向的作用而成为太湖受污染或富营养化较为严重的地方[10-11]，致使太湖流域生态与环境急剧恶化，特别是水体污染与富营养化程度日趋严重，大部分水体处于中度甚至极度富营养状态，严重的常常诱发蓝藻水华。如太湖北部的梅梁湾湖区，几乎每年都会发生蓝藻水华[12]。蓝藻水华的发生造成周边地区的饮用水安全缺乏保障，给居民的生活和经济造成重大损失。因此，太湖的生态与环境问题是不容忽视的，急需找到行之有效的解决办法。

1.2 数据源

本研究采用的数据为MODIS两种图像产品(经过辐射校正和地理定位的MOD 02、经过大气校正的MOD 09)和气溶胶产品(MOD 04)。图像产品的空间分辨率为250 m或500 m。为了使后续的波段叠加工作便于操作，利用最邻近像元法将500 m分辨率的绿光波段数据重采样成250 m分辨率，以保证数据空间分辩率的一致性。

2 原理与方法

2.1 气溶胶光学厚度

气溶胶是指悬浮在气体中的固体和(或)液体微粒与气体载体共同组成的多相体系。气溶胶通过散射和吸收作用干扰太阳辐射，造成直接辐射强迫和间接辐射强迫影响气候系统;气溶胶同样可以通过改变云的属性来影响降雨，造成对气候系统的间接影响[14-15]。可见，气溶胶对地球的辐射平衡改变起着重要的作用。由于气溶胶的变化势必会影响到遥感图像的提取精度，若想得到真实的地表反射率信息，一定要对信号传输过程中的气溶胶光学厚度(AOT)加以校正，使其影响程度降至最低。

2.2 内陆水体和藻类的光谱特征

内陆水体中叶绿素和黄色物质对蓝光的强吸收使水体蓝光反射率较低，但蓝光波段的瑞利散射和气溶胶散射强烈，水体信号所占比例非常小，大气校正细微的误差都会对校正后的水体反射率产生较大影响。然而，内陆水体在绿光至近红外波段的反射率较高，而且大气瑞利散射和气溶胶散射随波长的增加逐渐减小，水体信号所占比例增大，因而大气校正精度也相对较高。因此，绿光至近红外波段是内陆水体遥感主要使用的波段。水体中藻类的光谱反射率是色素吸收与细胞表面散射相互作用的结果。由于藻类中都含有叶绿素，所以反射光谱曲线的大致形态基本相似，但如果水体中所含藻类密度不同，其光谱反射峰的具体位置和数值也会有所变化[16]，如图1所示。

图1 不同藻类密度的内陆水体反射光谱特征Fig.1 Reflectance spectrum characteristics of inland water bodies with different algae densities

从图1可以看出，尽管水体中藻类密度存在差别，但在主要由颗粒散射所形成的反射光谱曲线上，均明显表现出2个特征吸收谷(分别在440 nm和670 nm附近)和2个特征反射峰(分别在570 nm和710 nm附近)[17-20]。当藻类密度较高时，水体光谱反射率曲线在440 nm和670 nm附近出现了吸收谷，但受散射作用的影响，不同藻类密度的水体反射率在上述2处谷值的差异并不明显。因此通常将570 nm和710 nm附近反射峰的是否存在被认为是判定水体是否含有藻类叶绿素的依据[21-22]，即绿光波段和近红外波段是准确提取蓝藻信息的重要波段。

2.3 太湖蓝藻水华信息提取方法

蓝藻水华信息的提取通常采用2种方法:①构建遥感图像合成方案，通过比较合成图像上蓝藻水华发生区域与周围水体区域的颜色差异来提取蓝藻水华信息[23-24];②通过设定植被指数(如比值植被指数、归一化差值植被指数等)阈值和构建决策树来实现对蓝藻水华的识别[25]。依据不同藻类密度水体的反射光谱特征，本文利用MODIS绿光波段和近红外波段数据构建大气校正前(MOD 02)后(MOD 09)蓝藻水华信息的提取方法，并阐述单波段法和比值植被指数法的原理、特征以及阈值的选取方法。阈值的设定采用了固定阈值法和自选阈值法。

2.3.1 单波段法

从图1可以看出，在710 nm波长附近，水体存在一个反射峰。经研究发现，近红外波段是区分蓝藻水华与浑浊、清洁水体的最好波段。因此，本文利用MODIS数据的近红外波段数据，通过确定蓝藻信息的提取阈值，提取蓝藻水华信息。固定阈值法中的阈值设定为0.1，当图像亮度值DNNIR＞0.1时，提取出的信息即为蓝藻水华信息;自选阈值法中的阈值设定则根据近红外波段数据直方图来确定，阈值基本都选直方图主峰的右下端数值，大于该阈值的像元则为蓝藻水华信息。

2.3.2 比值植被指数法

由于部分浑浊水体在近红外波段反射率相对较高，使得蓝藻水华信息与高浑浊水体信息易混淆，因此，仅使用上述单波段方法容易夸大或者减弱蓝藻信息，而植被指数的提出则可以对单波段法加以改进。

由于蓝藻水华在近红外波段具有高反射、在可见光波段具有低反射的光谱特征(水体恰好相反)，因此，采用MODIS数据产品(MOD 02和MOD 09)的近红外波段和绿光波段亮度值之比，即比值植被指数，便可迅速确定蓝藻水华范围。本文利用比值植被指数法分别获得2006年的MOD 02和MOD 09太湖蓝藻水华信息。其公式为

式中:DNNIR为近红外波段像元亮度值;DNG为绿光波段像元亮度值。固定阈值法中将阈值设定为1，当RVI＞1时，提取出蓝藻水华信息;自选阈值法中的阈值则是根据RVI直方图的趋势确定。

2.3.3 精度验证方法

利用2006年太湖站提供的14个样点的叶绿素a浓度(Ca)实测数据，对上述提取结果进行评价。根据湖泊营养等级划分标准:Ca＜3 μg/L定义为贫营养化;3≤Ca＜11 μg/L 为中营养化;11≤Ca＜78 μg/L为富营养化;Ca≥78 μg/L 为超富营养化[13]。实测数据采样点的分布情况如图2所示。

图2 太湖站采样点分布图Fig.2 Distribution of sampling sites in Taihu Lake

根据上述划分标准，利用实测数据对上述2种方法提取的大气校正前(MOD 02)后(MOD 09)蓝藻水华信息的精度分别进行验证。

对于单波段法，不论采用的是MOD 02数据还是MOD 09数据，提取的蓝藻信息均有11个点与实测情况相符，而有3个样点未被检测出;对于比值植被指数法，采用MOD 02和MOD 09数据均有12个点反映出了蓝藻分布的真实情况。可见，比值植被指数法的提取精度较单波段法高，其提取结果基本上可以反映湖泊的富营养化状况。

3 研究结果及分析

图3给出了在固定阈值与自选阈值情况下，运用单波段和比值植被指数2种方法提取太湖蓝藻水华面积的多变化值与AOT的相关性。

图3 蓝藻水华提取面积的净变化值与AOT的相关性Fig.3 Relations between the net changes in value of cyanobacterial bloom area and AOT

固定阈值时，单波段法与比值植被指数法提取的面积净变化值与AOT的相关系数r分别是0.46和0.34;自选阈值时，单波段与比值植被指数法提取的面积净变化值与AOT的相关系数r分别为0.02和0.16。可以看出，在固定阈值情况下，应用单波段法与比值植被指数法提取的蓝藻水华面积净变化值与AOT的相关系数高于自选阈值的对应值，这是由于大气校正前后MODIS图像的直方图发生了位置平移，而形状变化并不大，因而，当阈值一定时，阈值一侧的直方图面积之差主要是受大气因素的影响;而当阈值为变值时，面积的差值中几乎已经不包含受大气因素影响而产生的分面积的变化。因此，阈值固定时提取蓝藻水华面积的净变化值与AOT的相关性较高。

图4给出了2种方法在大气校正前(MOD 02)后(MOD 09)设定的阈值与 AOT的相关性统计结果。

图4 2种方法选取的阈值与AOT的相关性Fig.4 Relations between selected threshold values and AOT

单波段法(图4(a))的大气校正前后阈值与AOT的相关系数分别为0.56和0.40;比值植被指数法(图4(b))的大气校正前后两者的相关系数分别为0.27和0.04。可以看出，不论哪种方法，大气校正前所设定的阈值与AOT的相关性都高于大气校正后的相关性，这反映出大气会对阈值的设定产生一定的影响，进而影响蓝藻信息的提取精度。由此可见，气溶胶光学厚度是一个不能忽略的因素。气溶胶光学厚度虽然对2种方法都有影响，但影响程度是不同的，单波段阈值选取的影响程度高于比值法的，这是因为比值计算法通过波段之间的数值相除，能消除部分气溶胶光学厚度因素的干扰，从而降低了两者的相关性。

本文进一步分析了气溶胶光学厚度对太湖蓝藻水华信息的影响，对大气校正前后阈值的变化值与AOT的相关关系进行了统计。从图像的直方图来考虑，推断出阈值的变化值反映的是大气校正前后直方图整体平移的距离，即校正前后直方图的变化程度。本文对大气校正前后阈值变化的绝对值与AOT的相关性进行了统计，其结果如图5所示。

图5 阈值变化绝对值与AOT的相关性Fig.5 Relations between the changes in threshold values and AOT

可以看出，单波段法中的阈值变化绝对值与AOT相关性较高，该结果与前面的统计结果基本一致，即单波段方法受气溶胶光学厚度的影响程度较比值植被指数法的影响程度高。

通过上述分析发现，经过大气校正的MOD 09产品的蓝藻水华信息提取阈值与AOT仍具有一定的相关关系，只是略小于AOT与MOD 02的相关关系而已，说明MOD 09虽然已经去除了部分大气因素的影响，但对AOT的校正并不完全。

4 结论

本文通过单波段和比值植被指数2种方法探讨了气溶胶光学厚度(AOT)对太湖蓝藻水华信息提取结果的影响。

1)通过对比分析在固定阈值与自选阈值情况下大气校正前后蓝藻信息的提取结果，得出AOT与蓝藻信息提取结果和选定阈值的定量关系，证明了设定提取阈值的重要性。

2)在分析AOT对蓝藻信息提取结果的影响时发现，大气校正后的MOD 09产品与AOT仍存在着明显的相关关系，因此本文认为MOD 09产品的大气校正并不充分。

3)今后应采用更加合适的大气校正算法对数据进行校正，并分析校正后的数据与AOT的关系，以期得到对MOD 09数据质量问题的合理解释。

[1]Duan H，Zhang Y，Zhang B，et al.Estimation of chlorophylla concentration and trophic states for inland lakes in northeast China from landsat TM data and field spectral measurements[J].International Journal of Remote Sensing，2008，29(3):767-786.

[2]齐 峰，王学军.内陆水体水质监测与评价中的遥感应用[J].环境科学进展，1999，7(3):90-99.Qi F，Wang X J.Application of remote sensing techniques in monitoring and asscessing inland water quality[J].Advances in Environmental Science，1999，7(3):90-97.

[3]Forget P，Ouillon S，Lahet F，et al.Inversion of reflectance spectra of nonchlorophyllous turbid coastal waters[J].Remote Sensing of Environment，1999，68:261-272.

[4]Dekker A G，Peters S W M.The use of the thematic mapper for the analysis of Eutrophic lakes:A case study in the netherlands[J].International Journal of Remote Sensing，1993，14(5):799-822.

[5]Kloiber S M，Brezonik P L，Olmanson L G，et al.A procedure for regional lake water clarity assessment using Landsat multispectral data[J].Remote Sensing of Environment，2002，82(1):38-47.

[6]Schiebe F R，Harringington J R，Ritchie J C.Remote sensing of suspended sediments:The lake Chicot，Arkansas project[J].Internatinal Journal of Remote Sensing，1992，13(8):1487-1509.

[7]Dekker A G.The remote sensing Loosdrecht lakes project[J].International Journal of Remote Sensing，1988，9(10/11):1761-1773.

[8]Fraster R N.Hyperspectral remote sensing of turbidity and chlorophyll-a among nebrska sand hills lakes[J].International Journal of Remote Sensing，1998，19(8):1579-1589.

[9]段洪涛，张寿选，张渊智.太湖蓝藻水华遥感监测方法[J].湖泊科学，2008，20(2):145-152.Duan H T，Zhang S X，Zhang Y Z.Cyanobacteria bloom monitoring with remote sensing in lake Taihu[J].Journal of Lake Science，2008，20(2):145-152.

[10]中国科学院南京地理与湖泊研究所.太湖梅梁湾年蓝藻水华形成及取水口污水团成因分析与应急措施建议[J].湖泊科学，2007，19(4):357-358.Nanjing institute of geography and limnology，Chinese academy of Sciences.On the cause of cyanobacterial bloom and pollution in water intake area and emergency measures in Meiliang bay，lake Taihu in 2007[J].Journal of Lake Sciences，2007，19(4):357-358.

[11]陈宇炜，秦伯强，高锡云.太湖梅梁湾藻类及相关环境因子逐步回归统计和蓝藻水华的初步预测[J].湖泊科学，2001，13(1):63-71.Chen Y W，Qin B Q，Gao X Y.Prediction of blue-green algae bloom using stepwise multiple regression between algae＆related environmental factors in Meiliang gulf，lake Taihu[J].Journal of Lake Science，2001，13(1):63-71.

[12]祝令亚.湖泊水质遥感监侧与评价方法研究[D].北京:中国科学院遥感应用研究，2006.Zhu L Y.Remote sensing monitoring and assessment of water quality for lakes[D].Beijing:Institute of Remote Sensing Application，Chinese Academy of Sciences，2006.

[13]金相灿，刘明亮，中国湖泊富营养化[M].北京:中国环境科学出版社，1990.Jin X C，Liu X L.Eutrophication of Chinese lakes[M].Beijing:Chinese Environmental Science Press，1990.

[14]Kaufman Y J，Tanre D，Olivier B.A satellite view of aerosols in the climate system[J].Nature，2002，419:215-223.

[15]Kaufman Y J，Tanre D.Aerosol optical thickness and atmospheric path radiance[J].Journal of Geophysical Research，1993，98(D2):2677-2692.

[16]Thiemann S，Kaufmann H.Determination of chlorophyll content and trophic state of Lakes using field spectrometer and IRS-1C satellite data in the Mecklenburg Lake district，Germany[J].Remote Sensing of Environment，2000，73(2):227-235.

[17]赵冬至.AVHRR遥感数据在海表赤潮细胞数探测中的应用[J].海洋环境科学，2003，22(1):10-14.Zhao D Z.Application of AVHRR data for detection of surface cell concentration during algal bloom[J].Marine Environmental Science，2003，22(1):10-14.

[18]黄韦艮，毛显谋，张鸿翔，等.赤潮卫星遥感监测与实时预报[J].海洋预报，1998，15(3):111-115.Huang W G，Mao X M，Zhang H X，et al.Red tide in satellite remote sensing monitoring and real-time forecasting[J].Marine Forecasts，1998，15(3):111-115.

[19]Gower J F R.Observation of in situ fluorescence of chlorophyll in Seanich inlet[J].Boundary-layer Meteorology，1980，18(3):235-245.

[20]Gower J F R，Borstad G.Use of the in vivo fluorescence line at 685 nm for remote sensing surveys of surface chlorophyll-a[M]//Gower J F R.Oceanography from Space，New York:Plenum，1981，329-338.

[21]Gitelson A A，Schalles J F，Rundquist D C，et al.Comparative reflectance properties of algal cultures with manipulated densities[J].Journal of Applied Phycology，1999，11(4):345-354.

[22]Richardson L L.Remote sensing of algal bloom dynamics:New research fused remote sensing of aquatic ecosystems with algal accessory pigment analysis[J].BioScience，1996，46(7):492-501.

[23]王海君，李云梅.用ASTER数据监测梅梁湖湖区蓝藻分布的方法[J].南京师大学报:自然科学版，2005，28(1):103-106.Wang H J，Li Y M.The method of monitoring the spatial distributions of blue algae in Meiliang bay using ASTER data[J].Journal of Nanjing Nornal University:Natural Science Edition，2005，28(1):103-106.

[24]徐京萍，张 柏，李 方，等.基于MODIS数据的太湖藻华水体识别模式[J].湖泊科学，2008，20(2):191-195.Xu J P，Zhang B，Li F，et al.Detecting modes of cyanobacteria bloom using MODIS data in lake Taihu[J].Journal of Lake Science，2008，20(2):191-195.

[25]陈 云，戴锦芳.基于遥感数据的太湖蓝藻水华信息识别方法[J].湖泊科学，2008，20(2):179-183.Chen Y，Dai J F.Extraction methods of cyanobacteria bloom in lake Taihu based on RS data[J].Journal of Lake Science，2008，20(2):179-183.