II类水体悬浮物遥感研究进展

卢世军

（广东工程职业技术学院信息工程学院，广州　510520）

II类水体悬浮物遥感研究进展

卢世军

（广东工程职业技术学院信息工程学院，广州510520）

遥感技术具有监测范围广、速度快、成本低等特点，非常适于对水质的长期动态监测，且能发现用常规监测方法通常难以揭示的污染源及其扩散状态等问题，因此遥感技术正越来越广泛地应用于水质监测研究领域中。介绍II类水体水质遥感监测的原理，对悬浮物质的遥感反演算法进行归纳总结，以期能为水质光学遥感反演的相关研究提供借鉴。

II类水体；悬浮泥沙；光学遥感反演

0　引言

水是生命之源，地球表面积的70%左右是水域，其中绝大部分是海洋，Morel等根据水体的光学特性不同，提出了I类水体和II类水体的概念（Morel A等，1977）。I类水体主要指大洋开阔水体；II类水体是指光学性质较复杂，水体的光学特性受悬浮泥沙、叶绿素、黄色物质等组分的共同影响，近岸及内陆水体通常属于II类水体。随着社会经济的不断发展，过度的开垦、开发等活动造成的水土流失等现象，对II类水体造成的污染日趋严重，给人们的生产生活带来了严重的影响。在水资源日益紧张的今天，水质的恶化引起了各国政府与科研人员的密切关注及研究。

传统的水质采样监测方法能精确的分析和评价采样点处的各种水质参数，不足之处是该方法只能获取监测断面的局部水质信息，无法准确获取大面积水域的整体水质状况及变化情况，且费时费力，成本较大。遥感技术具有监测范围广、速度快、成本低等特点（谭衢霖等，2000；谢欢等，2006；蔡丽娜等，2008），非常适于对水质的长期动态监测，且能发现用常规监测方法通常难以揭示的污染源及其扩散状态等问题，因此遥感技术正越来越广泛地应用于水质监测研究领域中。本文回顾了II类水体中悬浮物光学遥感反演研究的发展历程，对各种反演算法进行归纳总结。

1　水质遥感原理

当电磁波入射到水体中时，相互之间会发生反射、散射、吸收和透射等过程，如图1所示。最终被遥感仪器所接收到的总辐射亮度L（λ）可表示为：L（λ）=τ[LS（λ）+LV（λ）+LB（λ）+LP（λ）]（赵英时等，2013），式中，τ为大气透过率，LS（λ）为水面对入射光（包括入射到水面的天空光和太阳直射光）的反射辐亮度，LV（λ）为水中散射光的向上辐亮度，LB（λ）为水底反射光的辐亮度，LP（λ）为大气散射光的向上部分（程辐射）的辐亮度。其中LW（λ）=LV（λ）+LB（λ）称为离水反射辐亮度LW（λ），它包含了水体的相关信息，是水质遥感反演的基础。但是离水反射辐亮度LW（λ）的值通常很低，即使在晴天条件下，其在遥感器所接收到的总辐射亮度L（λ）中所占的比例也不到10%（赵英时等，2013），因此在进行水质遥感反演前必须首先进行有效的大气校正。

水质参数光学遥感反演的前提是遥感系统观测到的水体光谱特征随着各种水质参数的组分变化而变化。水体的光谱特征主要取决于水体中的各种水质参数：浮游生物含量、悬浮物含量、营养盐含量以及其他污染物、底部形态、水深、水面粗糙度等因素（蔡丽娜等，2008；赵英时等，2013）。由于水体的透明特征，使得光的反射与散射发生在一定深度的水体中，即水体的光谱特征主要表现为体散射。水体中所含成分不同，对不同波长光的吸收能力和散射能力也相应有一定的差异，最终会反映到反射率、辐照度等参数的改变。对于入水的透射光而言，水分子和溶解性物质微粒会发生瑞利散射，其峰值位于蓝光波段；而较大的悬浮物质颗粒则产生米氏散射，其峰值位于黄橙光波段；由水中物质分子吸收光后再发射而引起的拉曼反射，峰值位于橙红波段（赵英时等，2013）。水体中的水质参数可遥感指标主要有悬浮物（主要为悬浮泥沙，SS）、叶绿素a （Chlorophyll-a）、有色可溶性有机物（CDOM）、化学耗氧量（COD）、总氮（Total Nitrogen，TN）、总磷（Total Phosphorus，TP）等。其中的悬浮物（SS）、叶绿素a（Chl-a）、有色可溶性有机物（CDOM）等可以通过光谱特征直接进行遥感分析，因此在遥感监测水质参数的研究及应用中，对这三种水质参数的提取研究相对比较成熟；其他的水质参数较难找到独立的光谱特征，需要利用不同物质之间的相关关系间接进行遥感分析（蔡丽娜等，2008）。

图1　电磁波与水体的相互作用（图片引自于赵英时等，2013）

目前常用的遥感数据源包括有：美国Terra/Aqua卫星的MODIS数据、美国Obview-2卫星的SeaWiFS数据、欧空局ENVISAT卫星的MERIS数据、美国Landsat系列卫星的TM/ETM+数据、法国SPOT卫星的HRV/VI数据、印度的IRS-1卫星数据、EO-1卫星的ALI数据、NOAA气象卫星的AVHRR数据以及我国的环境卫星（HJ）数据、资源卫星（ZY）数据、美国EO-1卫星上的Hyperion高光谱数据等。

2　II类水体中的悬浮物遥感研究进展

悬浮物是指悬浮于水体中的不溶性颗粒物，除悬浮泥沙（无机悬浮颗粒物）外，还包括有浮游生物（主要是浮游藻类）、腐殖质、浮游生物死亡后的有机碎屑等。水体中的悬浮物浓度是最重要的水质参数之一，其含量直接影响到水体的透明度、浑浊度、水色等光学性质，不同的水域中水体的反射率光谱特性会因其悬浮物的成分、粒径分布及浓度等特征的变化而变化。在水质遥感中，浮游植物因具有明确的叶绿素光谱特征而通常被视为水质参数中的一个独立要素被反演研究，另外对大多数II类水体而言，悬浮物中的主要成份是悬浮泥沙，当前对悬浮物含量的研究也主要是针对悬浮泥沙进行的，因此本文中接下来关于悬浮物的讨论均指的是悬浮泥沙。

图2　不同悬浮泥沙浓度的反射率实测曲线（图片引自于陈本清等，2009）

已有的研究证明：清洁水体和浑浊水体的反射光谱响应曲线有着明显的差异，同时随着悬浮泥沙浓度的增加，水体在可见光及近红外波段范围内的反射率也相应增大，反射峰会向长波方向移动，反射峰值波段逐渐变宽，如图2所示。从图中可看到，含悬浮泥沙水体在各波长的反射率随悬浮泥沙浓度增加均有所增加，且存在两个明显的反射峰（陈本清等，2009）。第一个反射峰出现在560～720nm波段内，当水体中的悬浮泥沙浓度较低时，反射峰在波长560～590nm范围内；而当悬浮泥沙浓度较大时，该反射峰则扩展到波长560～ 720nm；对可见光遥感而言，这个反射峰波段对水中悬浮泥沙的反映最敏感，常被气象卫星和海洋卫星选择为遥感监测水体浑浊度的波段。第二个反射峰出现在波长800nm附近，随着悬浮泥沙浓度增加,该反射峰会明显增强且向长波方向移动，对于近红外遥感而言，700～900nm波段的反射率对悬浮物浓度变化的反映敏感，是遥感估算悬浮物浓度的最佳波段（Gitelson等，1991；Han等，1994）。

悬浮物是水质遥感中最先被遥感反演的水质参数，早在1973年，Williams就对Chesepeake海湾进行了悬浮泥沙的定量遥感研究，发现了悬浮泥沙含量与遥感数据之间的线性关系；1974年Klemas等将遥感数据应用于Delaware海湾，发现悬浮泥沙含量与陆地卫星影像亮度值之间呈对数关系（黎夏，1992）。应用遥感方法反演水体悬浮物浓度的关键是建立水体反射率与悬浮物浓度之间的定量关系，为此国内外学者在对水体悬浮物的定量遥感研究中提出了一系列的反演模型，包括基于辐射传输机理的理论模型及基于统计分析的经验模型、半分析模型等（唐君武等，1997）。另外学者们也发展了基于神经网络、主成分分析、支持向量机等理论基础上的反演模型。

2.1经验模型

经验模型是在实测数据集的基础上，通过相关统计分析建立起悬浮泥沙浓度和水体光学性质（通常是反射率）之间的定量关系式。模型的一般形式为：TSS= A+B*f（R），式中的TSS为水体的悬浮泥沙浓度；R表示某一波段处的离水反射率或者某几个波段的离水反射率组合的某种函数关系（如差值、比值等组合）；f为离水反射率的函数，A、B为通过拟合得到的常系数项，对于不同的实测数据集及不同区域或季节的水体，它们的取值各不相同。经验模型由于建模算法简单，适用于任何便于获取实测数据的水域，因而得到了较广泛的应用。表1中列出了近年来不同研究者所提出的一些经验模型。

经验模型的优点在于建模简单，只要有充分的实测数据便可快速构建反演模型，并且也能达到较高的反演精度。它的缺点在于需要同步（或准同步）的实测数据来构建模型，且模型的可移植性太差，从表1所列出的模型可发现，针对不同水体、不同遥感数据源建立的模型之间差异很大，在某一水体上建立的模型通常不能直接应用到其它水体，即使是同一水体，根据不同季节的实测数据建立出来的模型也不尽相同。另外对于悬浮泥沙浓度变化范围很大的水体，用一个通用的经验模型往往不能得到满意的反演效果，为此一些研究者提出了不同的分段反演模型，按悬浮泥沙浓度的不同分别采用不同的分段反演算法（A.I.Dogliotti等，2015；曹通等，2013；刘良明等，2006）。

表1　近年来提出的一些悬浮泥沙浓度的经验反演模型

表2　近年提出的一些悬浮泥沙浓度半分析模型

2.2半分析模型

半分析模型从辐射传输模型、生物光学模型出发，综合考虑光辐射传输的物理机制及水体各要素的吸收系数和散射系数等因素，结合实测的光谱数据来建立模型，然后按具体情况进行简化求解。表2中列举的是一些研究者提出的半分析模型。

半分析模型建立在对光的辐射传输物理机制分析的基础上，它的物理意义清晰，理论上只要精确测定出水体中各要素的单位吸收系数和单位后向散射系数，便可将模型应用于任何水体的反演。由于在实际应用中，通常会对模型做适当的简化，例如在浅水区时忽略水底反射光的影响、忽略多次散射因素的影响均会造成对水体离水反射率的高估现象，另外大气校正效果、镜面反射影响的消除以及对吸收系数、后向散射系数的测量误差等都会影响到模型的最终反演精度。由于半分析模型具有清晰的物理意义及适用性强等优点，得到了人们的广泛研究及应用。

2.3其他

在悬浮泥沙的反演研究中，学者们还运用人工神经网络、支持向量机等人工智能算法建立了一系列反演模型。人工神经网络（Artificial Neural Network，ANN）是一种具有较强非线性函数逼近能力的人工智能算法，因其强大的学习和推广能力而被研究者们应用到水质遥感反演中：何报寅构建了一个广义回归神经网络，利用HJ1B卫星的CCD2数据来反演长江中游城陵矶段水体的悬浮物浓度分布（何报寅等，2014）；Chen建立神经网络模型利用MODIS数据来反演中国东部沿海水域的总悬浮物浓度（Jun Chen等，2015）；Ioannis Ioannou在已有的研究基础上，利用Hydrolight5模拟数据集构建了一个神经网络算法，用于求取悬浮物质及可溶解性物质的吸收系数（Ioannis Ioannou等，2013）；Motoaki利用ASTER数据基于神经网络模型同时反演东京湾水色三要素的浓度（Motoaki Kishino等，2005）。神经网络算法的特点是将各波段的遥感反射率作为算法输入，则算法的输出就是所需反演的水色要素浓度，整个算法的运算是自动执行的。但是它需要一定数量的实测数据对模型进行训练，当训练集的样本数太少时，模型的反演精度将难以保证。因模型的构建要依赖于实测的数据集及传递函数的选取，因此它的可移植性不高。建立在结构风险最小化原则与VC维（Vapnik-Chervonenkis Dimension）理论基础上的支持向量机（Support Vector Machine，SVM）算法，在小样本情况下的性能表现良好。何报寅在反演长江中游岳阳段水体悬浮物浓度时，建立了FOA-SVM算法，利用SVM在小样本下的良好性能及果蝇优化算法（FOA）对模型参数的优化来提高模型的精度及稳定性（何报寅等，2015）。另外，Chih-Hua Chang、陶菲等分别利用遗传算法（GA）和主成分分析（PCA）等算法实现了对II类水体中的悬浮泥沙含量的遥感反演研究（Chih-Hua Chang等，2007；陶菲等，2007）等。

4　结语

通过遥感技术反演水质参数，进行水质监测的研究工作已经开展了较长时间，目前对II类水体中悬浮泥沙的研究已经较为深入，得到了一些反演效果较好的模型。但是总体来说目前模型的通用性仍然不够，这也成为了遥感方法成功应用于II类水体水质监测工作中的瓶颈问题。另外，目前常用的遥感数据源的空间分辨率仍然较低，体现在当前的研究区域多集中于河口、近岸海域及一些较大面积的湖泊水体中，这对于利用遥感技术进行内陆水体的水质遥感研究带来了极大的限制。随着卫星技术与传感器技术的迅速发展，多类别、高分辨率、高光谱的遥感数据将会越来越多的应用到II类水体的水质遥感反演中，它们将使内陆小面积水体的成为可遥感监测的目标，在结合多个卫星遥感数据源的基础上，将使连续、定量的水质遥感监测成为可能。

[1]蔡丽娜，刘平波，智长贵.水质遥感监测方法的探讨[J].测绘与空间地理信息，2008，34（4）:68-73.

[2]赵英时等，编著.遥感应用分析原理与方法（第二版）[M].北京:科学出版社，2013.

[3]陈本清，杨燕明.基于光谱混合模型的河口表层悬浮泥沙浓度卫星遥感反演研究[J].遥感技术与应用，2009，24（4）:469-477.

[4]黎夏.悬浮泥沙遥感定量的统一模式及其在珠江口中的应用[J].环境遥感，1992，7（2）:106-114.

[5]朱樊，欧素英，张铄涵，等.基于MODIS影像的珠江口表层悬沙浓度反演及时空变化分析[J].泥沙研究，2015，2:67-73.

[6]Minwei Zhang，Qing Dong，Qing Dong，et al.Suspended Sediment Monitoring and Assessment for Yellow River Estuary from Landsat TM and ETM+imagery[J].Remote Sensing of Environment，2014，146：136-147.

[7]林承达，周斌，马琪，姜萌薪.基于遥感反演长江中游地区悬浮泥沙研究[J].长江流域资源与环境，2014，23（8）:1119-1124.

[8]Isabel Caballero，Edward P.Morris，Javier Ruiz，et al.Assessment of Suspended Solids in the Guadalquivir Estuary Using New DEIMOS-1 Medium Spatial Resolution Imagery[J].Remote Sensing of Environment，2014，146:148-158.

[9]Jong-Kuk Choi，Young Park，Bo Ram Lee，et al.Application of the Geostationary Ocean Color Imager（GOCI）to Mapping the Temporal Dynamics of Coastal Water Turbidity[J].Remote Sensing of Environment，2014，146:24-35.

[10]A.I.Dogliotti，K.G.Ruddick，B.Nechad，et al.A Single Algorithm to Retrieve Turbidity from Remotely-Sensed Data in all Coastal and Estuarine Waters[J].Remote Sensing of Environment，2015，156:157-168.

[11]邓孺孺，何执兼，陈晓翔.基于二次散射的水污染遥感模型及其在珠江口水域的应用[J].海洋学报，2003，25（6）:69-78.

[12]Jun Chen，Wenting Quan，Tingwei Cui，et al.Estimation of Total Suspended Matter Concentration from MODIS Data Using a Neural Network Model in the China Eastern Coastal Zone[J].Estuarine,Coastal and Shelf Science，2015，155:104-113.

[13]何报寅，张文等.基于FOA-SVM方法的长江中游悬浮物浓度遥感反演研究[J].长江流域资源与环境，2015,24（4）:647-652.

Case II Water;Suspended Sediment;Remote Sensing Inversion

Research Progress on the Retrieval of Suspended Sediment from II Water

LU Shi-jun

（College of Information Engineering,Guangdong Engineering Polytechnic,Guangzhou510520）

Remote sensing technique has wide monitoring range,fast speed,low cost,very suitable for long-term dynamic monitoring of water quality,and can find problems with conventional monitoring methods are often difficult to reveal the source of pollution and its diffusion state, so remote sensing technology is widely applied in the field of water quality monitoring.Briefly introduces the principle of II water quality remote sensing monitoring,and summarizes the remote sensing retrieval algorithm of Suspended Sediment in water,so as to provide reference for the relevant research of water quality optical remote sensing retrieval.

1007-1423（2016）32-0034-06

10.3969/j.issn.1007-1423.2016.32.008

卢世军（1975-），男，湖南永州人，高级工程师，硕士，研究方向为水质遥感

2016-09-13

2016-11-10