近岸及内陆二类水体漫衰减系数的遥感反演研究进展

王积峰，况润元，袁 爽

(江西理工大学建筑与测绘工程学院，江西 赣州 341000)

0 引 言

漫衰减系数作为水体表观光学量的一个重要参数，能够反映出水下的光场结构，是影响水生态系统的重要因素[1]，水体漫衰减系数的变化影响着水生植被生长、鱼类生存等[2]。水体漫衰减系数常用于估算水体透明度、真光层深度以及初级生产力[3-8]，在湖泊水质监测中，可以对水体的富营养化程度进行评估[9]。因此，水体漫衰减系数的研究对水体光学性质、水下光场以及水生态环境的深入研究具有重要意义。

目前，对于水体漫衰减系数的获取常规方法是基于船载或平台的方式利用水下光谱仪进行实地测量，该方法快速、简便，但对于实现监测大面积水体漫衰减系数的时空变化，显然是不现实的。遥感技术具有大面积、动态覆盖等优势，能够弥补常规测量方法耗时耗费的缺陷，尤其是监测人员较难到达的区域，因而逐渐成为监测水体漫衰减系数的重要且有效的手段之一。

近岸及内陆二类水体是与人们生活关系最密切、受人们活动影响最剧烈的区域，对于该区域的黄色物质、悬浮泥沙和叶绿素a浓度等相关综述较多[10-13]，而漫衰减系数遥感的相关综述鲜有报道。本文对国内外漫衰减系数的遥感研究进行了系统地归纳，为进一步开展漫衰减系数遥感反演工作提供参考。

1 漫衰减系数概述

太阳光到达水面后，一部分反射空中，另一部分透射进水中，这部分透射的光辐射即为水下光能的主要源头，它决定着各类水生动植物的生存。透射海中的光能在海水及其组分悬浮物质、叶绿素的吸收、散射作用下，随着深度增加而呈指数递减[14]，即水体漫衰减系数，作为一种重要的水体光学参量，漫衰减系数Kd定义[15]

(1)

式(1)中：z为从参考水层到测量处的深度；Ed(λ,z)为深度z处的下行辐照度。

国内外学者对漫衰减系数的研究，主要始于上世纪70年代。研究区域包括海洋、海湾及近海、湖泊等。研究者通过分析水体漫衰减系数特性，建立了基于表观光学参量(辐照度、辐亮度、遥感反射率等)、固有光学参量(如吸收系数、散射系数、后向散射系数等)反演漫衰减系数的算法。

目前水体漫衰减系数获取的方法主要有两种，一是基于船载或平台的方式利用水下光谱仪实地测量的传统测量方法，该方法属于单点实测，要获取大面积，实时性的漫衰减系数时空变化是比较困难的；一是建立实测光谱数据与漫衰减系数间的关系，通过遥感技术实现漫衰减系数定量反演，它能够弥补传统漫衰减系数测量方法的不足，尤其是测量人员较难到达的区域，为继续深入开展漫衰减系数的研究指明了方向。

漫衰减系数遥感反演算法主要有经验法和半解析法，其中经验法是基于实测的生物-光学数据，建立漫衰减系数与遥感反射率之间的关系模型。半解析法是基于辐射传输模型，利用固有光学参量和表观光学参量间的关系建立算法。

2 漫衰减系数估算方法

2.1 经验法

经验法是基于漫衰减系数与遥感反射率之间的关系，利用统计方法建立模型，或者引入叶绿素浓度作为中间参数来反演漫衰减系数。比如Austin等[16]利用Rrs(443)/Rrs(555)两波段遥感反射率的比值提出了针对CZCS传感器反演清洁水体的Kd(490)算法，反演结果良好。Muller等[17]采用Lwn(490)/Lwn(555)两波段的归一化离水辐亮度比值，提出了针对SeaWiFS传感器反演一类水体Kd(490)的算法，结果表明：当Kd(490)小于0.25时，Kd(490)与Lwn(490)/Lwn(555)呈现良好的线性相关。Jamet[18]利用神经网络来搭建SeaWiFS传感器的Kd反演模型，得出Kd(490)>0.25 m时，模型精度最好；在MERIS和MODIS-AQUA传感器上也得到了较好的结果。

在国内，王晓梅等[19]通过分析实测数据与遥感反射率之间的关系，以490 nm、555 nm、670 nm三个波段组合建立了漫衰减系数的反演算法，讨论了光谱漫衰减系数和Kd(490)之间的经验关系。Zhang等[20]通过对NOMAD和COASTLOOC两个数据集分析得出Kd(490)与遥感反射率成指数关系，由此利用波段比值求对数的方法分别建立清水区和浊水区的Kd(490)反演模型。崔廷伟等[21]利用模拟波段组合的方式，建立实测Kd(490)和遥感反射率之间的关系模型，从而得出最适合于渤海近岸水体的漫衰减系数反演算法，即：

(2)

反演精度为R2=0.902，APD=18.4%，RMS=0.094 m-1。同时引入±5%的误差，检查该模型反演结果的误差波动情况，并分析其误差敏感性，结果表明平均误差的波动在9%左右，均方根误差的波动在0.035 m-1上下，从而得出模型对输入端的误差不敏感，是可靠稳定的。将该模型作用到MERIS传感器成像影像上，分析研究区漫衰减系数的空间分布格局。乐成峰等[22]通过实测光谱数据分析太湖水体遥感反射率光谱曲线特征及影响因子，得出与Kd(490)相关性最好的波段为(731 nm、675 nm、550 nm)。

王珊珊等[23]通过分析实测光谱数据与GOCI传感器各波段遥感反射率之间的相关性，得出遥感反射率与Kd(490)呈现正性相关；从而建立了基于GOCI传感器太湖Kd(490)反演算法，即：

Kd(490)=436.581R745+290.84R660-448.66R555+6.970

(3)

其中R2=0.737，MAPE=28.6%，RMSE=1.495 m-1,模型的普适性较好。金鑫等[24]首先分析了巢湖水体漫衰减系数的特征和影响因子，利用敏感波段590 nm、700 nm、842 nm建立Kd(490)遥感反演算法，即：

(4)

其中R2=0.911，利用相关性最大的842 nm处的Rrs与Kd(490)建立的单波段模型进行验证，得出多元回归模型对Kd进行遥感反演的效果更优。最后，根据巢湖各波段与Kd之间的关系模型，对漫衰减系数进行参数化。徐祎凡等[25]首先分析了三峡水库漫衰减系数的特性及影响因素，然后利用HJ卫星第二、三、四波段构建Kd(490)反演模型，并讨论了研究区漫衰减系数的空间分布。吴婷婷等[26]通过对野外实测数据的分析，得出漫衰减系数与光谱比值成分段线性关系，即当Rrs(555)/Rrs(490)<1时，为线性；Rrs(555)/Rrs(490)>1时,为离散；从而分别建立Kd(490)的反演模型。陈雨等[27]通过实测数据找出与Kd(490)最为敏感的三个波段510 nm、590 nm、670 nm来建立研究区漫衰减系数反演模型，利用2012年和2013年实测数据建立了长江口及其邻近海域的冬季Kd(490)反演算法，即：

(5)

模型精度为R2=0.916，APD=12.43%，RMS=0.093 m-1；而且建立了长江口邻近海域的Kd(490)与Kd(PAR)的关系。

这类直接利用遥感反射率与实测数据间的相关性反演的经验算法，优点是简便适用，且反演精度较好。但是由于此模型受到二类水体光学性质的限制，无论是在时间维度还是空间维度上，都缺少普适性，且模型构建的数据源受人为因素影响较大。

很多学者研究发现[28-36]，水体中的叶绿素a浓度与漫衰减系数具有很高的相关性，从而将叶绿素a浓度作为中间参数进行漫衰减系数遥感反演。如Morel[37]将叶绿素浓度作为中间参数，建立了漫衰减系数与叶绿素浓度间的经验模型。张运林[38]利用统计方法建立了太湖水体漫衰减系数与叶绿素a之间的多元线性方程，并分析了影响太湖水体漫衰减系数的主要因素。

2.2 半解析法

半解析法是以光在水下的辐射传输理论为基础，构建固有光学参数和表观光学参数之间的关系，以估算水体漫衰减系数。该方法具有很好的物理解释。

针对经验算法在普适性和区域性上的局限，许多学者将研究重点放在了以物理和数学公式为基础，结合遥感反射率与水体表观参量、固有参量等之间的关系，构建水体漫衰减系数的反演模型。如Smith and Baker[39]基于辐射传输理论，利用纯水的吸收系数和后向散射系数之和，从而获得纯水的漫衰减系数。Morel and Loisel[40]利用辐射传输方程对水体的固有光学参数和表观光学参数之间的关系进行了改进，得到水下真光层的漫衰减系数与固有光学参数之间的关系。Kirk[41]利用Monte Carlo数值方程，分析了真光层的漫衰减系数与吸收系数、散射系数之间的关系，并依据辐射传输理论探讨了在不同b/a比值下，水体组分对漫衰减系数的贡献。

Lee[42]以辐射传输理论，基于Kd与太阳天顶角、水体吸收系数和后向散射系数之间的关系，构建了Kd反演算法，即：

Kd(λ)=(1+0.005θ0)α(λ)+4.18{1-0.52exp[-10.8 α(λ)]}bb(λ)

(6)

Doron[43]假定709 nm处后向散射系数与辐照度呈现线性相关，从而利用波段490 nm和709 nm处辐照度估算出a(490)和bb(490)，再利用Lee半分析算法来估算Kd(490)。Wang[44]在Lee半分析算法中引入了权重，对使得该算法同时适用于大洋清洁水体和沿岸的浑浊水体。戴红亮等[45]根据太湖水体组分光学参量之间的相关性，结合QAA算法[46]和光学闭合原理，求解水体的漫衰减系数反演模型，其实测值与反演值误差为31.3%，研究证明该模型具有较好的精度和稳定性。刘忠华等[47]基于光学闭合原理，利用野外测量数据求出总的吸收系数a(490)和后向散射系数bb(490),结合模拟HJ卫星上多光谱波段的遥感反射率，构建了太湖春季水体漫衰减系数反演模型。

然而，该方法受到观测仪器的限制，以及算法中很多参数以现有的设备无法获取，因此很难广泛应用。此外，模型中某些参数常通过经验或半经验的方法计算，从而影响了其精度。

3 展 望

尽管国内外众多学者在二类水体漫衰减系数遥感方面做了大量工作、取得了很大进展，但也存在一些问题：漫衰减系数的遥感反演主要以经验方法为主，模型的普适性差；以辐射传输理论为基础的半分析算法，引入的固有参量和表观参量[48]受到区域和人为因素等限制，影响了漫衰减系数的反演精度。

关于二类水体的漫衰减系数遥感反演，今后的研究应重点关注：① 近岸及内陆二类水体光学性质是比较复杂的，不同区域的水体，其光学特性差异明显，且季节性变化很大。因此，构建适用于特定区域反演算法是有必要的，且区域模型研究有助于全球二类水体漫衰减系数遥感的进一步发展；② 深化对已有传感器在漫衰减系数遥感中的研究，不断将新的数据源应用于漫衰减系数的遥感反演，新的传感器往往具有较高的空间分辨率和时间分辨率，如我国高分系列卫星和资源卫星等；③ 将多种遥感数据融合，以提高漫衰减系数反演的精度，并且研究水生态环境和水资源利用对漫衰减系数的影响；④ 优化野外数据采集方法。尽可能多的选取最具代表的特征点，适宜的采集时间，从而减少影响因子和提高反演精度；⑤ 针对二类水体大气校正算法的研究。光在大气中的传输是遥感成像质量最为关键的因素之一，而漫衰减系数作为水下光学的一种参数，大气校正的准确与否直接决定漫衰减系数遥感反演模型的精度。因而建立适用于二类水体的大气校正算法是有必要的；⑥ 深入研究漫衰减系数在水体光学中的性质及影响因素，确定其关系的物理意义，结合辐射传输理论，建立具有普适性的反演算法。