基于哨兵-3A卫星OLCI数据的最大叶绿素指数在太湖蓝藻水华监测中的应用
2019-06-21李旭文王甜甜
李旭文，张 悦，侍 昊，姜 晟，王甜甜，丁 铭，蔡 琨
江苏省环境监测中心, 江苏 南京 210036
2016年2月16日，根据欧洲航天局(ESA)哥白尼计划哨兵-3A(Sentinel-3A)成功发射[1]。为保持对地观测能力的技术延续性，哨兵-3A卫星设计了新的传感器，可动态监测全球环境与安全状况，获得海洋、陆地、冰雪、大气的关键性遥感监测信息[2-4]。哨兵-3A卫星高度814.5 km，携带水色遥感仪器(OLCI)、海洋与陆地表面温度探测器(SLSTR)、合成孔径雷达(SRAL)、成像微波传感器(MWR)等4台仪器。OLCI是哨兵-3A的主要传感器之一，继承了中等分辨率成像频谱仪(MERIS)成功的水色光学遥感技术，在悬浮物、浮游植物、叶绿素浓度等水色/水生态遥感方面有很大的应用潜力。但该数据在大型湖泊蓝藻水华遥感监测的应用中几乎鲜有报道，因此，以蓝藻水华频发的太湖为例，采用最大叶绿素指数(MCI)算法提取蓝藻信息，以期发挥这一新型遥感数据源在太湖蓝藻水华遥感监测中的作用。
1 传感器性能原理
OLCI是哨兵-3A卫星的主要传感器之一，星下点分辨率300 m，通过扇形并排的5个相机以推扫模式对地成像，每个相机视场角为14.2°，相邻相机0.6°重叠，总的观测视场角为68.6°，5台相机得到1 270 km的刈幅，为了减少太阳在水面等形成的反射耀斑影响，总观测视场的主轴略朝西侧偏约12.6°[5-6]，其成像几何图见图1。
图1 哨兵-3A卫星OLCI的成像几何图Fig.1 Basicimaging geometry of Sentinel-3A OLCI
OLCI为公益性卫星遥感数据，在ESA的Copernicus Open Access Hub网站(https://scihub.
copernicus.eu)提供免费下载，产品为已完成地形校正的L1b级别的大气顶部辐亮度数据[7]。
哨兵-3A卫星OLCI传感器在400～1 020 nm可见光至近红外波长范围有21个波段，提供了很好的海洋和内陆水体生态指标遥感反演能力，尤其是在悬浮物、浮游植物、叶绿素浓度等水色/水生态遥感方面有很大的应用潜力[8]，各波段的水色/水生态遥感应用功能见表1。近年来，基于红光至近红外反射峰值的遥感叶绿素算法，如峰值反射率与670 nm处反射率的比值、峰值位置、反射率导数分析、反射峰面积的计算等[9-12]，在各类浮游植物的遥感监测研究中得到应用。其中，针对MERIS数据提取蓝藻优势水体叶绿素浓度、蓝藻水华强度、空间分布遥感信息的MCI算法，在全球典型的富营养、光学特性复杂的内陆水体如北美伊利湖、伍兹湖中的蓝藻水华遥感监测研究[13-16]中得到成功应用。
表1 哨兵-3A卫星OLCI的波段特性和主要水色/水生态遥感应用功能Table 1 Band characteristics ofSentinel-3A OLCI and the main water color-ecosystem remote sensing application functions
注“*”表示OLCI比MERIS新增的波段。
2 研究区概况
太湖是我国第三大淡水湖泊，其流域位于长江三角洲的南缘，是一个典型的碟形洼地平原，流域总面积约36 900 km2，是全国人口最稠密、工农业生产最发达的地区之一，流域行政区划分属江苏、浙江、上海、安徽3省1市[17-18]。太湖具有饮水、工农业用水、航运、旅游、流域防洪调蓄等多种功能，是长江三角洲地区社会经济发展的重要水资源[19-21]。
由于冬季至春季太湖氮磷营养物质浓度较高，到了春末至夏初一段时期往往是太湖蓝藻水华容易大面积暴发的时段，为了解太湖蓝藻在春、夏季的发生和分布特征，选取太湖跨度从冬季直至盛夏的且云量较少的哨兵-3A卫星OLCI影像进行分析，时间分别为2017年1月26日、2月26日、3月26日、4月29日、5月26日、7月27日(下载网址https://scihub.copernicus.eu)。如图2所示，2017年1—7月OLCI遥感影像可以较好地显示太湖蓝藻水华的影像纹理、局部水域蓝藻的积聚强度、积聚形态的变化过程，具有太湖全湖蓝藻分布及暴发强度状况快速观测能力，有助于深化对太湖蓝藻水华浮沉、积聚、漂流等发生与演变规律的认识，为蓝藻打捞、暴发防控提供支持。
图2 2017年1—7月太湖OLCI真彩色合成影像Fig.2 OLCI natural color composite images of Lake Taihu for six typical dates from January to July,2017
3 研究方法
3.1 最大叶绿素指数
MCI是指征蓝藻优势型水体叶绿素浓度的重要水色遥感指标，是内陆水体蓝藻水华遥感监测的首选方法[22]。针对含蓝藻水体在650～750 nm的反射光谱等特征，利用2个端点波段的辐亮度或遥感反射率,构建一条跨2个端点波长区间的光谱基线，含叶绿素水体在信号波段具有光谱反射峰，其遥感测量值与基线波长处的内插值之差，即为MCI，与蓝藻优势型水体的叶绿素浓度有很好的正相关[23]。常见的微囊藻、鱼腥藻等原核细胞浮游植物水华，藻细胞在708～710 nm波长一带有很强的后向散射光谱特性，其MCI遥感信号为正值，因此MCI是监测水体蓝藻十分灵敏的遥感指数，在国际上主要湖泊应用效果较好[14-15]。全球各典型湖泊应用经验也表明,MCI对于叶绿素浓度为10～300 mg/m3的中到富营养湖泊蓝藻水华十分有效，但对叶绿素浓度低(<10 mg/m3)的贫到中营养湖泊有一定局限[24-26]，太湖近40年来长期处于中到重度富营养水平，适宜用MCI开展蓝藻水华遥感监测与评价。MCI计算式如下：
(1)
式中：MCI指最大叶绿素指数；L1、L2、L3分别指中心波长为λ1、λ2、λ3的辐亮度，其中，λ1=680.5 nm，λ2=708 nm，λ3=753 nm。
ESA提供了处理和分析哨兵系列卫星遥感数据的软件SNAP(Sentinel Application Platform)，其中已经实现了基于MERIS、OLCI数据计算MCI的算法，软件中为了校正大气中薄云带来的光谱辐亮度影响，根据实际经验略做了系数修正：
(2)
式中：MCI、L1、L2、L3、λ1、λ2、λ3所代表的意义，同公式(1)中所指。
目前，ESA发布L1b级的OLCI数据为大气顶部辐亮度产品，因此，基于辐亮度计算得到的MCI具有物理单位(w·m-2·sr-1·μm-1)。图像处理软件(SNAP)提供了针对OLCI辐亮度与表观反射率转换和投影转换等数据预处理功能，通过下式把太湖各像元的OLCI辐亮度转换为表观反射率：
(3)
式中：rTOA(λ)为表观反射率，LTOA(λ)为该波段的辐亮度，E0(λ)为太阳在该波段的光谱辐照度，θ为像元处的太阳天顶角。
为比较MCI对太湖水体蓝藻的灵敏程度，将OLCI影像辐亮度转换为统一的表观反射率后计算。MCI计算公式如下：
MCI=rTOA(Oa11)-1.005*
(rTOA(Oa10)+(rTOA(Oa12)-rTOA(Oa10))×
(4)
式中：rTOA(Oa10)、rTOA(Oa11)、rTOA(Oa12)分别为Oa10、Oa11、、Oa12波段的表现反射率。
由于公式(4)中3个波段的中心波长均位于红光至近红外的红边区间，受到大气分子及气溶胶吸收、散射等的影响程度较为接近，加之MCI的差分计算特性，很好地消除了大气的影响。因此，大气校正处理对计算MCI不是必要的步骤，可以直接使用表观反射率计算。
3.2 归一化植被指数
对于OLCI的波段设置，采用波长为865、665 nm 2个波段的表观反射率计算归一化植被指数：
(5)
式中：NDVI表示归一化植被指数，rTOA(Oa17)、rTOA(Oa8)分别为Oa17(波长为865 nm)、Oa8(波长为665 nm)2个波段的表现反射率。
4 结果分析
4.1 蓝藻水华MCI数值特征分析
对太湖典型日期OLCI MCI占总像元比例结果进行直方图统计分析(表2、图3)，结果表明：
1)冬季至早春时段：1—3月全湖MCI为-0.005～0.025，均值及标准差为0.004 2、0.006 0，峰值像元数占比在6.0%～7.2%之间，对应的MCI分布多集中在0.008 0～0.011 0之间；1、2、3月MCI>0的像元占比分别为98.18%、95.81%、96.99%，均值分别为0.009 4、0.009 5、0.009 3。太湖全湖MCI偏低、动态变化范围窄，此时段水温较低，全湖蓝藻密度低，且不同湖区、水域藻密度差别不显著。
2)春末至夏初时段：4—5月MCI为-0.010～0.060，均值及标准差为0.009 0、0.015 0，峰值不显著，MCI分布跨度较大，多数为0.005～0.030；4、5月MCI>0的像元占比分别96.95%、92.13%，均值为0.024 2、0.019 3，4月开始全湖MCI明显升高，动态变化范围变宽。
3)盛夏高温时段：7月MCI为-0.010～0.025，均值及标准差为0.001 9、0.007 2，峰值像元占比达到2%～4%，对应比MCI为-0.005～ 0；MCI>0的像元占比为61.30%，均值为0.010 1；MCI峰值略有偏移，变化范围也较之4—5月变窄。
表2 2017年1—7月典型日期太湖MCI与NDVI的均值及1倍标准差Table 2 The mean value and double standard deviation of MCI and NDVI on monthly typical data from January to July, 2017
图3 基于OLCI表观反射率数据计算2017年1—7月典型日期太湖MCI的直方图Fig.3 OLCI TOA reflectance based MCI histograms for typical dates from January to July 2017 in Lake Taihu
对MCI大于零的湖体像元进行了彩色分级显示，色阶从紫、蓝、绿、黄、橙到红色，代表遥感叶绿素信号强度逐渐增高，MCI为负值的湖面显示为黑色，代表表层水体叶绿素浓度极低。为比较太湖叶绿素浓度的空间分布差异，根据MCI图像直方图统计特征采用[0,湖面最大MCI]为动态范围进行彩色分级(图4)。彩色分级结果显示：
1)典型的冬季、枯水期时段(1月26日)，全湖MCI低、动态范围窄，表明全湖的叶绿素浓度处于较低水平，零星高叶绿素浓度区分布在太湖南部湖州至长兴一带沿岸。
2)随着进入春季(2月26日)，全湖MCI略微提高，动态范围仍较窄，相对高值区分布在太湖西南部浙江长兴与江苏宜兴交界的大雷山至兰山嘴一带沿岸区，较1月有所北移。
3)3月以后(3月26日)，MCI略微提高但不明显，动态范围窄，相对高值区在湖心区，继续北移。
4)春末4月底(4月29日)，全湖MCI明显整体抬升，动态范围宽，MCI高信号呈全湖性分布，空间分布上分成2大片区，即湖心以西、以北的大面积、高强度片区和湖心以南的较大面积、较高强度片区，表明蓝藻暴发强度高、分布范围大。
5)进入初夏(5月26日)，全湖仍处于MCI高信号状态，不过较4月29日有所回落，相对高值在湖心偏北以及梅梁湖、贡湖湾。
6)进入持续较长的高温盛夏(7月27日)，全湖MCI反而降低，甚至低于冬、春季的1月26日、2月26日，相对高值分布在竺山湖、西部沿岸等局部水域，水体浑浊度有所降低(图2)；此外，太湖东半部大面积水域(图4中黑色显示)，MCI为负值，基本不显蓝藻遥感信号。据气象资料，2017年7月17—28日，受副热带高压影响，太湖持续晴朗高温天气，22—25日最高气温连续4 d达40 ℃，27日最高气温约38 ℃。在持续较长时间的高温天气和太阳光照、紫外线强烈条件下，这些湖区表层水体中蓝藻密度小，叶绿素浓度很低，可能与夏季副热带高压天气下，蓝藻规避阳光强烈辐射下沉至更深处的生命习性有关。
图4 2017年1—7月典型日期太湖MCI结果Fig.4 MCI results of Lake Taihu on monthly typical data from January to July, 2017
4.2 MCI与NDVI对比分析
利用2017年1—7月典型日期太湖MCI与NDVI进行对比分析见表2、图5。统计结果表明，将太湖MCI图像与同一天的NDVI图像相比，NDVI图像上相对高值区与MCI图像上相对高值区的分布十分吻合，但MCI对叶绿素浓度具有更高的敏感度。分析如下：
1)对于大面积存在、湖面铺集度高的显性蓝藻水华，卫星传感器检测的是典型的浮游植物光谱信号，因而NDVI、MCI均能有效提取这类高强度水华的分布范围，但是对于水-藻不同比例的混悬状态，MCI与叶绿素浓度有很好的关联，可更灵敏地反映叶绿素浓度的全湖分布特征，有利于提取半显至潜性水华的分布范围和分析水华强度状况。而NDVI对陆地植被和高强度蓝藻水华遥感才有效，对于半显至潜性水华，则由于水及悬浮物带来的复杂光学吸收、散射影响，NDVI往往介于负值(可低至-0.3)～0之间，由于提取蓝藻水华分布时需要NDVI的阈值，凭经验确定时对划分水华强度也不够精准，导致蓝藻水华分布范围及面积被低估。
2)计算MCI用到了3个波段，波长位于680～753 nm，相互间靠得较近，通过叶绿素信号波段(708 nm)测量值与基线的正偏距离(>0)，可与水体叶绿素浓度建立良好的线性关系，避免了下限阈值不确定带来的困难。NDVI只用到红光(665 nm)、近红外波段(865 nm)的2个相隔较远波长点的遥感反射率信息，其中，865 nm处近红外波段受到水体吸收影响很大，因此在蓝藻水华监测方面的动态响应、灵敏度明显逊于MCI。NDVI更适宜陆域植被遥感，采用的近红外波段一般位于840～870 nm的植物光谱高反射区，陆域植被均在0
图5 2017年1—7月典型日期太湖NDVI、MCI结果Fig.5 NDVI and MCI results of Lake Taihu on monthly typical data from January to July, 2017
图5 (续)Fig.5 (continued)
5 结语
利用哨兵-3A卫星的OLCI传感器获取的太湖遥感影像，基于重要的水色/水生态遥感指标MCI，初步分析了MCI在太湖蓝藻水华监测预警中应用效果。研究结果表明，基于OLCI特征波段构建的MCI算法可以灵敏高效提取富营养、蓝藻优势型水体中叶绿素浓度状况及空间分布；和NDVI相比，MCI具有更好的适用性，尤其是对富营养水体中叶绿素的浓度梯度、差异的检测有很好的动态范围、层次细节、线性响应，对提高湖泊蓝藻水华的预警预报精度有很大帮助。因此，今后对于MERIS、OLCI这些面向水色遥感的传感器需深入研究，建立太湖遥感MCI信号与实测水体叶绿素浓度的定量模型，以反演更为精细的叶绿素浓度状况和提取蓝藻水华分布，识别叶绿素浓度相对较高的水团或羽流，为蓝藻预警防控、饮用水源安全提供更加精准的信息。
