基于遥感的珠江口表层盐度监测研究

丁晓英，余顺超

(珠江水利科学研究院，广州 510275)

1 引 言

咸潮是枯季影响河口地区用水安全的重要水文现象。近年来，受珠江三角洲上游持续干旱、珠江三角洲供水需求不断增加、全球气候变暖致海平面上升、河口地区大量挖砂造成河床下切以及航道疏浚等因素影响，珠江三角洲咸潮入侵呈不断加强的趋势。咸潮上溯给人们的生产、生活以及周边的水生态环境都带来了严重的危害，因此，加强对咸潮上溯的监测以便及时制定有效应对措施，对于减少咸潮危害具有重要社会、经济意义。

遥感监测技术作为新型的动态监测技术，不仅可以快速、及时地提供整个河口的水环境状况，还可以结合长时间序列的卫星影像数据分析水体泥沙和盐度的时空变化状况，从而为动态监测咸潮上溯状况提供基础数据。

目前有关盐度遥感监测的算法主要有两类：①微波遥感盐度反演算法[1]，这种方法已经被众多的研究证明了在定量遥感方面的优越性，但由于微波遥感数据空间分辨率低，目前主要应用于大洋水体，尚不满足近岸河口水域实际应用需求；②基于多光谱或高光谱数据的水色遥感反演算法，该类算法思想最初由Jerlove[2]等人提出来，主要通过利用水体盐度与水色因子之间关系建立反演模型，这类算法具有操作简单，数据获取容易的特点，但易受时空影响而导致反演精度不稳定。综合考虑各类算法特点和实际监测需求，本文以研究以前人水色遥感反演算法为基础，利用地面固定站点数据，建立基于黄色物质及测站数据协同作用的表层盐度自适应遥感优化模型，较好克服原水色遥感反演模型精度稳定性差的特点，在珠江河口区表层盐度监测中取得较好的效果。

2 研究方法

2.1 试验数据获取

2.1.1 研究区简介

珠江河口为我国南方最大河流——珠江的入海河口，分别由伶仃洋、磨刀门、鸡啼门以及黄茅海等河口湾组成。本文研究区主要集中在以潮流动力作用为主的伶仃洋喇叭型河口湾及强径流弱潮流的磨刀门河口(图1)。

2.1.2 观测数据获取

2010年1月19日观测数据：珠江口布设45个站点，采样时间为MODIS上、下午星过境前后1小时，共获52组数据，包括盐度、悬浮泥沙(采样点见图1)。

2011年12月12日观测数据：珠江口布设38个站点，采样时间为MODIS上午星过境前后1小时，获38组数据，包括盐度、黄色物质等参数数据(图1)。

图1 珠江口实测站位

另收集2003年～2004年中科院南海海洋研究所两次海上巡测数据，获2组18个站点数据，主要参数为盐度、黄色物质。

2.1.3 遥感数据获取

MODIS卫星影像数据：收集2010年春、冬季，2011年1月～2011年12月影像108景。

2.2 基于黄色物质的表层水体盐度遥感反演模型

黄色物质(CDOM)，是溶解性有机物质的重要组成部分，普遍存在于海洋、湖泊和河流中。根据国外学者研究发现黄色物质在紫外光和可见光的蓝光波段为强吸收特性[3-4]。当水体中的黄色物质含量越高，则水体在紫外光和蓝光波段的反射率就越低。在近岸水域，由于河水径流携带大量陆源黄色物质入海，造成河口区光吸收系数数值由于黄色物质浓度增加而增大，使黄色物质成为河口区影响水体反射光的重要因子。

另一方面，有学者在沿海近岸水体研究中经常观察到“在河口水域，作为淡水示踪的黄色物质与作为海水示踪的盐度呈负相关关系”(见Jerlov，1968；McKee，Cunningham，& Jones，1999[2，5])。英国人Bowers等人在对苏格兰Clyde河口的盐度遥感研究中[3，6-7]，同样也发现在近岸水体中黄色物质与盐度呈线性相关，并建立盐度与黄色物质浓度的回归关系模型，获取水体盐度分布信息。

根据Bowers等人的研究，黄色物质与表层盐度的关系模型为：

S=αg400+β

(1)

其中，S表示表层盐度值；以g400表征黄色物质浓度，α、β分别为常量。

黄色物质的遥感反演模型为：

(2)

g400表示黄色物质浓度；RR为红光波段的反射率；RX为在另一水色波段的反射率；a和b为常量。通常式(2)中Rx选黄色物质表现强吸收特性，而水中悬浮颗粒干扰较弱的蓝光波段，即MODIS第3通道(459nm～479nm)的反射率值；RR选MODIS第1通道(620nm～670nm)作为红光波段。

依据上述原理，本次利用2003年01月15日、2004年01月05日和2011年12月12日三个测次观测数据分析，发现在珠江河口区盐度与黄色物质同样存在线性相关关系(图2)。因此，通过利用与卫星同步观测的2011年12月12日测点数据和经过辐射校正、大气校正的同期MODIS反射率影像进行分析，建立了基于黄色物质的单参数珠江口表层盐度遥感模型，如式(3)所示。

(3)

图3为建模过程中，黄色物质与MODIS影像反射率关系分析，拟合相关系数达到R2>0.8。图4为利用式(3)对同期观测的另11个验证站点数据进行精度验证结果，该结果显示模型计算相对误差最大值为25.71%，平均相对误差为14.36%。

图2 伶仃洋盐度与黄色物质(CDOM，g400)关系图

2.3 表层盐度遥感定量模型优化算法

2.3.1 单参数表层盐度遥感模型稳定性分析

式(3)为依据2011年12月实测数据建立的基于黄色物质单参数的表层盐度遥感反演模型。当以另一测次数据对该模型结果进行评估时发现，模型稳定性并不理想。图5为利用2010年1月卫星同步观测数据进行稳定性验证的结果。结果显示，盐度计算值与实测值间存在较大误差，模型计算精度起伏较大。初步分析原因，与遥感反射率扰动有关。由于成像时刻不同，外界的大气、水质等因素亦会有所差别，从而导致影像遥感反射率扰动，造成模型反演精度变动。

2.3.2 表层盐度遥感定量模型优化

为提升模型计算精度的稳定性，使模型更好的满足日常遥感监测需求，下面将对原有模型进行优化。

图3 黄色物质(g400)和R665/R469关系图

图4 模型3的盐度计算值和实测值对比图

考虑到原有模型是因“成像时刻外界条件差异”出现反射率扰动，导致计算精度起伏。因此，优化算法中考虑：发挥珠江河口少数咸情监测站点优势，在模型中引入局部测站盐度数据，对模型参数进行自适应修正，摒除成像日期变化对遥感反射率的干扰，建立基于黄色物质及测站数据协同作用的表层盐度自适应遥感优化模型。

这里基于研究目标和固定站点分布情况，选择更临近外海的大横琴咸情站作为参数修正站点。

具体推算步骤如下：

首先，根据式(1)和式(3)反推可得

(4)

这里S表示表层盐度值；Rbx为(R645/R469)的值。

假设S0为X日大横琴咸情站卫星过境时刻实测盐度值，则可由S0推算该站点在X日时的(R645/R469)计算值，即Rbx0′。将X日卫星影像在该站点对应的(R645/R469)实测值Rbx0与计算值进行比较，获取模型修正系数bx，即

bx=Rbx0′/Rbx0

(5)

注：这里x为日期，即bx表示x日的修正系数。

最后，根据式(1)、(2)、(4)、(5)，获得优化的表层盐度遥感定量模型为

S=-38.87×(0.825×Rbx·bx-0.792)+35.66

(6)

由于式(6)是基于黄色物质建立的，在河口水体中因泥沙反射影响，对黄色物质的反演存在较大干扰。因此，基于在盐度大于5的情况下悬沙干扰呈稳定下降趋势[8]的分析，模型适用的盐度范围为盐度大于5。

2.3.3 模型验证

以2010年1月19日海上观测盐度数据进行验证。由于1月19日天空多云，无法获得清晰卫星影像图，故选用与该日卫星过境时刻潮情、水情相似的1月18日MODIS影像作为模型输入的原反射率影像。验证结果见图5和表1。

由表1的模型优化前后的精度对比，发现优化前原模型盐度计算值误差波动在0%～87%之间，误差变化剧烈；优化后模型误差波动幅度减小，虽然存在个别点反演精度比优化前降低，但整体上各样点计算误差基本控制在30%以内，满足长时间序列监测基本需求。优化后模型的稳定性获得明显改善。

图5 实测值与表层盐度遥感定量模型计算值关系图

图6 MODIS数据估算珠江口表层盐度分布图

表1优化遥感模型与原遥感模型精度对比

站点序号实测值优化模型计算值优化模型误差(%)原模型计算值原模型误差(%)A3-115.881813.35 23.7849.75 A4-11317.6535.77 24.3587.31 A5-4-113.3117.8934.41 24.4283.47 b221.2921.16-0.61 23.8211.88 b323.7221.17-10.75 23.71-0.04 b626.3723.08-12.48 24.2-8.23 b725.1520.99-16.54 23.81-5.33 C117.5316-8.73 21.7724.19 C222.7620.97-7.86 22.980.97 C427.8623.53-15.54 24.1-13.50 C530.3728.38-6.55 26.38-13.14 D229.1527.298-6.35 23.16-20.55 D332.0522.84-28.74 24.16-24.62 D528.8826.16-9.42 25.43-11.95 e727.4521.86-20.36 24.27-11.58

此外，还将优化模型式(6)应用于2010年至2012年间不同时相MODIS数据分析，都能获得比较合理的表层盐度信息，其中图6为依据优化模型获得的珠江河口枯季涨、落潮典型时段的表层盐度分布图，其空间分布反映了珠江河口盐度的日变化是随潮位的变化而变化，涨潮时盐度增高，落潮时降低，盐度变化周期与潮位基本一致。

3 结束语

本文通过对2010年～2011年及2003年～2004年测次盐度、黄色物质、光谱变量等信息的分析，引入局部测站数据，建立了基于黄色物质及测站数据协同作用的珠江河口表层盐度自适应遥感优化模型。结果表明：

①在珠江河口地区，黄色物质与盐度呈线性负相关的关系，建立基于黄色物质的表层盐度遥感定量模型可行。

②利用基于黄色物质的单参数表层盐度遥感定量模型受时相限制，稳定性较差，而在原有模型基础上结合局部控制站点数据进行自修正的优化模型，较好地解决了原来模型稳定性差的问题，适用于长时间序列的表层盐度监测。模型验证结果显示，优化模型对河口近海区的监测误差在30%以内，基本满足珠江河口水体盐度监测需求。

③由于本模型是基于黄色物质的水色遥感原理建立的，受水体特性影响，在对口门及口门以上河道区域水体盐度反演时受黄色物质反演累计误差影响和悬沙干扰明显。同时，鉴于目前本模型仅利用单个固定站点数据进行协同修正，因此未来希望开展遥感数据与多站点数联动修正研究，以进一步完善盐度遥感监测模型，争取在下一步研究中解决上述问题。

致谢：中国科学院南海海洋研究所陈楚群研究员对本文的指导与数据支持。

参考文献：

[1] 史久新，朱大勇，赵进平，等.海水盐度遥感反演精度的理论分析[J].高技术通讯，2004，14(7)：101-105.

[2] JERLOV N G.Optical oceanography[M].Amsterdam：Elsevier，1968：194.

[3] MOREL A，PRIEUR L.Analysis of variations in ocean color[J].Limnol Oceanogr，1977，22(4)：709-722.

[4] WITTE W G，WHITLOCK C H，HARRISS R C，et al.Influence of dissolved organic materials on turbid water optical properties and remote-sensing reflectance[J].Journal of Geophysical Research，1982，87(C1)：441-446.

[5] MCKEE D，CUNNINGHAM A，JONES K.Simultaneous measurements of fluorescence and beam attenuation：Instrument characterization and interpretation of signals from stratified coastal waters[J].Estuarine，Coastal and Shelf Science，1999，48(1)：51-58.

[6] BINDING C E，BOWERS D G.Measuring the salinity of the Clyde Sea from remotely sensed ocean colour[J].Estuarine，Coastal and Shelf Science，2003，57(4)：605-611.

[7] BOWERS D G，HARKER G E L，SMITH P S D，et al.Optical properties of a region of freshwater influence (the Clyde Sea)[J].Estuarine，Coastal and Shelf Science，2000，50(5)：717-726.

[8] GALLEGOS C L.Optical water quality of a blackwater river estuary：The lower St.johns river，Florida，USA[J].Estuarine，Coastal and Shelf Science，2005，63(1-2)：57-72.