石佛寺水库叶绿素a浓度高光谱遥感反演

孙 昊，周林飞

(沈阳农业大学水利学院，沈阳 110161)

人类的生命活动离不开水，因此古文明都发源于各个大型流域内。在人类发展初期，科技较为落后，人类活动对水体的污染较小。随着科技的发展，水体的承载压力越来越大，当污染物超过了水体的自净能力时，便产生了水体污染。各类水体由于靠近人类聚集地，通常会有各类污染物流入，致使水体易趋于富营养化。藻类以及浮游生物利用这些营养物质过量繁殖生长，使得水体中的溶解氧不断减少，令水质逐渐变差。叶绿素作为藻类等水生植物关键的组成部分，其浓度的大小可以用于判断水体是否富营养化[1]。传统的监测水体叶绿素a浓度的手段存在局限性、离散性和瞬时性等缺点。而新兴的遥感技术拥有许多优点，如费用更低、效率更高、范围更广，并易于进行长时间监测等[2]。Fraser[3]测量了美国22个内陆湖的光谱反射率与叶绿素a浓度，并分析了两者之间的相关关系。得出叶绿素a浓度及其对应反射光谱的一阶微分值相关性良好的结论；Kevin[4]等通过研究认为可以用672 nm及704 nm两个波段的反射比来进行相关的分析研究；马荣华[5]利用太湖实测叶绿素a浓度及水体的光学特性进行了一系列研究，认为叶绿素a浓度估测时最关键的两个光谱波段分别是682 nm和706 nm；段洪涛[6]等实地测量了查干湖的相关数据，采用波段比和波长的一阶微分两种方式分析其与叶绿素a浓度的相关性。研究发现，R700/R670的反射比以及690 nm波长处的一阶微分值与叶绿素a浓度具有良好相关关系，并由此建立了定量估算模型，R700和R670指700 nm与670 nm处的反射率。杜鹃[7]利用模糊控制RBF神经网络模型建立了凌河叶绿素a浓度反演模型，效果较好。

利用实测水体光谱反射率来进行叶绿素a浓度的反演近年来发展很快。但是大部分国内外学者研究对象主要集中在海洋、湖泊等水体，这种技术在水库方面的应用鲜有出现，尤其是在东北地区水库缺少该方面的研究。水库是由人工改造或修建水工建筑物而形成的，与海洋、湖泊等相比具有不同的水体特征，叶绿素a浓度与水体反射率的相关性也存在着差异，需要对其进行深入研究。因此，本文以辽宁省石佛寺水库为例，对石佛寺水库实测高光谱数据及水体叶绿素a浓度数据进行统计研究，构建石佛寺水库表层水体叶绿素a浓度估测模型，并对模型精度进行对比分析，为今后东北地区水库叶绿素a浓度的遥感反演提供依据。

1 研究区概况

本文以石佛寺水库为研究对象，其为大Ⅱ型的平原区水库，坐落于辽宁省沈阳市、法库县以及铁岭市三者接壤的位置，是辽河干流上唯一的大型控制性水利工程。水库所处地区为温带大陆性气候且受季风的影响比较严重，年平均气温约8℃[8]。水库气候的季节性变化十分明显，冬季寒冷且漫长，大约持续5～6个月，春秋两季风力较大，降雨主要集中在7～9月份。大体而言，石佛寺水库的水质较好，基本属于轻度或中度富营养状态。2009年库区种植了芦苇、蒲草和荷花，随着生态环境的改善，水生植物的面积和种类在不断增加，目前荷花133.33 hm2，芦苇173.33 hm2，蒲草366.67 hm2，并自然生长出许多新的水生植物种类，总面积为25.05 km2。石佛寺水库的主要功能是防洪，兼顾生态和供水。

2 数据获取

2.1 光谱数据获取

采用美国SVC公司研发的GER1500野外便携式光谱辐射仪进行光谱数据的采集，该设备的工作区间为350～1 050 nm，光谱分辨率为3.2 nm，波长精度为±0.1 nm。采样点的光谱测量时间在北京时间11∶00-13∶00进行，采用唐军武[9]提出的水面之上测量法，测量方式如图1所示，测量时背向光照方向并进行调整使太阳入射平面和观测平面的夹角位于90°～135°之间，传感器和水面的夹角位于30°～45°之间。利用上述的设定方式可以有效地避开太阳的直射及反射情况，还能够消除光照造成的船身阴影对光谱数据的影响。由于水体易受光照影响，易产生误差，因此本研究对于同一个点进行了3次测量，计算出此点每个波段对应的反射率平均值，获得该点的光谱曲线。

图1 水面之上测量法几何示意图Fig.1 Geometric sketch of measurement method above water surface

2.2 叶绿素a浓度测定

2018年7月17日，笔者前往石佛寺水库对其水体进行了表层水样的采集以及水体高光谱数据的测量。当日天气晴朗无云，风速1～2 m/s，水面波动较小且基本保持平静。根据石佛寺水库的大致走向选取了20个测点。利用手持GPS测量采样点的地理位置，记录其经纬度，见表1。分别在20个采样点采取水样，将水样密封保存并按照顺序编号。为防止水样变质，取样当天返回并在实验室中使用水质仪测出20个测点的叶绿素a浓度，见表1。

3 结果与分析

3.1 光谱特征分析

为区分各条光谱曲线，将20个测点分为4组作图，如图2所示。

图2所示的石佛寺水库水体的高光谱反射率与波长之间的关系是十分具有代表性的，它具有内陆水体光谱的典型特点。波长400～500 nm范围属于蓝紫色光，而叶绿素a对蓝紫色光能够完全吸收，这就导致了400～500 nm波长之间反射率不高的现象。如图2所示，510～610nm之间产生了反射率的第一次峰值，其大约位于580 nm的位置。出现这种情况的原因为叶绿素a的吸收光谱包含有两次吸收峰值，包括红光(波段600～700 nm)和蓝紫光(波段400～500 nm)。类胡萝卜素主要吸收蓝紫光。而在580 nm波长左右胡萝卜素及叶绿素a的吸收能力较弱，同时还有细胞散射的干扰，以上都是出现反射峰的原因。当波长约为620 nm时藻青蛋白吸收作用最强，因此波长620～630 nm区间反射率出现降低趋势同时还在一定程度上显现出肩状特征[10]。图2在674 nm左右出现反射谷。这正因为674 nm波长在叶绿素a光谱吸收的峰值范围内，此时叶绿素a有较高的吸收作用，与此同时水体藻类密度较高时，叶绿素a对红光进行了充分吸收。在702 nm附近再次出现了显著的反射率峰值，通常称这种带状光谱中的峰值为荧光峰。随着叶绿素a的浓度升高，反射率峰值的位置会逐渐向右迁移，即向长波方向迁移。含有藻类水体的光谱图中最为鲜明的特点即为702 nm波长左右呈现反射率峰值。对于水体中是否存在藻类叶绿素的判断，其关键在于分析其光谱曲线中有没有出现荧光峰。反射峰所处波段范围及其峰值大小可作为估测叶绿素a浓度的参考[11]。因为纯水对红外光谱会产生显著的吸收，使得800～900 nm的长波波段中反射率迅速下降[12]。

表1 石佛寺水库20个采样点的位置及叶绿素a浓度Tab.1 Location and chlorophyll-a concentration of 20 sampling points in shifosi reservoir

3.2 模型建立

3.2.1 波段比值模型

水库水域面积较大，不同时间不同位置处水体表面的光滑度会有一定差别，水面波动的程度也不同。采用不同波段对应反射比的方法相当于用无量纲方式处理变量。这种方法能够降低上述因素对测量结果造成的干扰，而且能够降低某些污染物的影响[13]。在叶绿素a浓度反演中，采取波段比值法能够放大叶绿素反射峰和吸收峰两者的差距，从而获取目标数据。笔者通过对石佛寺水库水体光谱特征的研究，将702 nm及674 nm波长的反射比视为自变量，叶绿素a的浓度视为因变量对散点图做拟合，所得回归方程如式(1)：

(1)

图2 石佛寺水库水体遥感反射率随波长变化关系Fig.2 Relationship between water reflectance and wavelength variation in Shifosi reservoir

反射比R702/R674及叶绿素a浓度的对应数据以及拟合曲线由图3可见，由图3可见两者具有良好的相关性，基本符合线性关系，r2为0.724 4。波长为702 nm时反射率值比较大，其信噪比也很高。波长为674 nm处叶绿素a的吸收特征更有代表性。此外这两个波长值相距较近，黄色物质和非色素悬浮物对二者的影响程度大致相同，因而能够利用此模型来估测石佛寺水库表层水体的叶绿素a浓度，这一结果与马荣华[5]采用R706/R684取得的线性模型有一定的差别，其原因可能为石佛寺水库水体中叶绿素a的浓度相比太湖较小，而且太湖与东北地区河流水质有一定的差异。

图3 石佛寺水库叶绿素a浓度与其反射比R702/R674的关系Fig 3 Relationship between chlorophyll-a concentration and reflectance ratio R702/R674 in ShifoSi reservoir

3.2.2 一阶微分模型

利用光谱微分值的方法分析反射光谱，能够精准而快速的确定光谱曲线的凹凸点，同时可以得出反射率最大和最小时的波长位置。浦瑞良等[14]通过研究发现，对光谱反射率求一阶微分后能够有效降低部分线性及类似线性的背景噪声光谱对目标光谱(非线性)的干扰。对于光谱仪采集的离散型数据的微分处理，为提高精确度，采用中心差分的形式，即利用式(2)进行计算：

(2)

式中：R(λi)′为波长λi的一阶微分反射光谱；λi+1，λi，λi-1为相邻波长。

对得到的一阶微分值与叶绿素a浓度进行数据处理，获取两者的相关系数，之后截取450～850 nm范围内波长，其相关系数图如图4所示。

图4 光谱反射率一阶微分与叶绿素a浓度相关系数示意图Fig.4 Schematic diagram of correlation coefficient between first order differential of spectral reflectance and concentration of chlorophyll-a

截取450～850 nm范围内的波长来展示。对光谱反射率一阶微分值和叶绿素a浓度相关系数进行统计分析，发现有12组数据的r绝对值在0.8～1范围内，有148组数据的相关系数r绝对值处于0.6～1范围内。这些统计数据显示水体叶绿素a浓度与光谱反射率一阶微分两者存在明显的相关性，波长为595 nm处相关性最好，r值达到了0.863 1。将595 nm波长时反射率的一阶微分视为自变量X，叶绿素a的浓度(μg/L)视为因变量Y，做线性拟合，结果如图5。

图5 595 nm处的一阶微分与叶绿素a浓度的关系Fig 5 Relationship between the first-order differential at 595 nm and the concentration of chlorophyll-a

得到回归方程Y=461 486X+225.251 96，r2为0.745 0。波长595 nm处光谱反射率一阶微分值和叶绿素a浓度呈明显正相关关系。此反演模型的准确度略高于通过反射比所建立的模型，这一结论与宋玲玲等[15]的研究结果相同，可以使用该模型估计石佛寺水库表层水体中叶绿素a浓度。

3.3 方法对比

通过两种模型得到的线性回归方程都是y=ax+b的形式，但是各变量具体的含义则各不相同。波段比值模型能够消除不同位置不同时间水面差异的影响，并且能够降低水体污染物的影响，而一阶微分模型则可以降低部分线性及非线性噪音对光谱曲线的影响，两者的估测值与实测值都有一定的误差，但是一阶微分模型的精确度更高，r2达到了0.745 0。

4 结 语

笔者对石佛寺水库实测高光谱数据及水体叶绿素a浓度数据进行了统计研究，构建了石佛寺水库表层水体叶绿素a浓度估测模型，其整体精确度较高，可以将此模型当作理论基础，进行石佛寺水库叶绿素a浓度的全范围遥感检测。本文分别使用了波段比值模型以及光谱一阶微分模型，研究发现，两种方法都具有较高的准确度，R702/R674的反射比与水体叶绿素a浓度之间存在良好的相关性，r2≈0.724 4；而595 nm波段处反射率的一阶微分值与水体叶绿素a浓度之间相关性更好，其r2≈0.745 0。因此，利用实测高光谱数据构建的两种石佛寺水库叶绿素a浓度估测模型中，光谱一阶微分值模型拟合更好。但是由于获取采样点数量和采样时间的限制，对于石佛寺水库而言，还需要更多的监测数据来确定模型的精确度。