基于GF-4 卫星的杭州湾悬浮泥沙浓度遥感监测研究

2020-10-09邵宇杰胡越凯周斌陈芳何贤强王国军袁小红周亚丽于之锋1

海洋学报 2020年9期

邵宇杰，胡越凯，周斌，陈芳，何贤强，王国军，袁小红，周亚丽，于之锋1,,6*

( 1. 杭州师范大学遥感与地球科学研究院，浙江杭州 311121；2. 华东师范大学河口海岸学国家重点实验室，上海200241；3. 武汉大学测绘遥感信息工程国家重点实验室，湖北武汉 430079；4. 湛江湾实验室南海渔业大数据中心，广东湛江 524006；5. 中科卫星应用德清研究院浙江省微波目标特性测量与遥感重点实验室，浙江德清 313200；6. 浙江省城市湿地与区域变化研究重点实验室，浙江杭州 311121)

1 引言

水体中的悬浮泥沙是影响海洋水色的重要物质，其浓度变化会对水体浑浊度、透明度等光学特性产生影响[1]。悬浮泥沙的侵蚀与淤积不仅会影响港口、航道的生态环境，同时对航道安全产生影响[2]。因此，实时掌握河口悬浮泥沙的时空分布、通量变化，是河口资源可持续开发、沿岸水质保护的关键。传统的采样方法无法实现悬浮泥沙大范围同步观测，且花费巨大，而卫星遥感具有的大尺度、实时观测的优点，能够对大面积的水域进行动态、连续、同步观测，研究表明，在进行河口悬浮泥沙变化监测时，遥感技术具有独特优势[3–7]。

2016年，国产地球静止轨道卫星高分四号（GF-4）的投入使用为海洋水色的遥感监测提供了新的数据源。GF-4 卫星具有高时间分辨率（20 s）和高空间分辨率（50m），在悬浮泥沙的观测上具有一定的应用潜力。近年来，GF-4 卫星的水色领域应用受到了学者的广泛关注。李珏[8]使用NDVI、NDWI、MNDWI 进行了GF-4 卫星影像数据的水体提取研究；刘明等[9]通过与高分一号（GF-1）卫星以及美国Terra 卫星进行对比实验证明了GF-4 卫星数据可以用于水体面积及变化监测；宋挺等[10]利用同步MODIS 数据辅助GF-4 数据，实现了GF-4 卫星数据浑浊水体的大气校正，并通过与实测光谱数据、GOCI 卫星数据大气校正结果的协同比对分析，为GF-4 卫星在内陆水体定量遥感监测提供了依据；陈晓英等[11]利用GF-4 卫星开展黄海绿潮漂移速度提取研究，并证明GF-4 卫星数据可为绿潮快速漂移的高精度监测提供有效的数据支撑。以上研究成果均表明GF-4 卫星在水色遥感监测方面具有较大的应用潜力，但在悬浮泥沙遥感监测方面，研究仍比较少。

韩国于2010年发射的地球静止轨道卫星上搭载的GOCI 卫星传感器具有8 个可见光及近红外波段，空间分辨率为500m，时间分辨率为3 h（具体参数见表1），可用于海洋和沿海地区水质的连续观测，并能较好地反映水域高频变化的特点[12–13]。众多研究表明，当需要监测、预测短时间范围的复杂水动力环境时，GOCI 卫星的水色产品具有较高可信度[14–18]。因此，在本文中将利用GOCI 卫星数据对GF-4 卫星的反演精度进行交叉验证。对于杭州湾等高动态变化水体，其水体空间差异较大，GOCI 卫星等水色卫星空间分辨率较低，GF-4 卫星的高时空分辨率可以有效地弥补此不足。

综上，本文基于GF-4 卫星，通过分析实测悬浮泥沙浓度（Suspended Sediment Concentration，SSC）与光谱数据之间的关系，建立基于GF-4 卫星的悬浮泥沙浓度反演模型，采用与GOCI 卫星交叉验证技术，评价GF-4卫星在水体悬浮泥沙监测上的适用性，以弥补目前GOCI 卫星悬浮泥沙监测空间分辨率不足的问题，提供高时间和高空间分辨率的悬浮泥沙遥感监测产品。

2 数据与方法

2.1 研究区概况

杭州湾位于我国海岸线中段，是我国沿海潮差最大的喇叭形河口湾[19]。湾口宽约95km，湾内水深最大约10m，总水域面积约为5000km2，湾底形态自湾口至乍浦地势平坦；从乍浦起，以0.1‰～2‰的坡度向西抬升，在钱塘江河口段形成巨大的沙坎[20]。由于河口平面收缩强烈，湾底迅速抬升，潮差急剧增大，在钱塘江径流、长江口水流与东海潮波的共同影响下，水体具有高动态、超强急流、高含沙量等特点[21]，水体中悬浮物的平均浓度在705～1950mg/L 之间[22]，致使杭州湾的水域一直处于高浑浊的状态。

2.2 实测数据及处理

本文采用定点观测法和连续流量观测相结合的方法，在2011年12月2−13 日先后对杭州湾的10 个实验点（4 个定点，6 个走航）进行水体采样以及光谱测量（图1）。

图1 观测站位分布示意图Fig. 1 Distribution of observation stations

样本水体由标准采样器采集得到，各站点均从站位表层以下约5～10 cm 处进行采样。光谱数据利用手持式ASD 光谱仪和30%反射率的标准板，依据水面以上测量法[23]获取各站点的水体光谱数据，剔除每个观测点中偏差较大的异常光谱，计算剩余光谱数据的水体遥感反射率（图2）。悬浮泥沙浓度的测定采取过滤重量法[24]，取一定量的待测水样，使用直径为0.45 μm 的醋酸纤维滤膜对水样进行过滤，将过滤得到的样品带回实验室进行烘干、灼烧、冷却、称量分析，计算出各站点的实测悬浮泥沙浓度，最后获得60 组有效观测数据。根据实测数据，悬浮泥沙浓度范围大致在155～1800mg/L，与前人研究结果基本一致。

图2 实测光谱数据Fig. 2 In-situ spectral data

2.3 遥感数据及预处理

GF-4 卫星成像(GF4_IRS_E120.6_N29.0_20160301_L1A0000107806)时间为2016年3月1 日12 时38 分，GOCI 卫星成像(COMS_GOCI_L1B_GA_20160301041641)时间为2016年3月1 日12 时28 分，影像均无云。对于海洋水色卫星接收到的信号有90%为大气信号，只有不到10%为海洋信号[25]，为此，需通过大气校正以减少大气散射等的影响。在本文中，GOCI 卫星数据的大气校正采用He 等[26]提出的浑浊水体紫外大气校正算法。由于GF-4 卫星只有一个近红外波段（中心波长约为830 nm），缺少浑浊水体大气校正所需的短波红外以及蓝紫光波段，无法采用基于短波红外或蓝紫光的大气校正算法。因此GF-4 卫星数据的大气校正利用ENVI 的FLAASH 模块完成。

2.4 模型构建

研究中获取的实测数据由手持式光谱数据得到，为进行GF-4 卫星影像悬浮泥沙反演模型的建模及验证，需将各站点计算得到的水体遥感反射率转换为等效波段遥感反射率，公式为

式中，Rrs为等效波段遥感反射率；Rrs(λ)为各站位实测的连续光谱遥感反射率；Si(λ)为影像各波段的光谱响应函数。

在目前的研究中，利用指数模型构建悬浮泥沙反演模型较为常见[27–28]，因此本文采用多波段指数模型构建GF-4 卫星反演SSC 模型。将实测数据分成两部分，其中2/3（40 对）的数据用于建模，1/3（20 对）的数据用于评价模型精度。水体光谱在黄光波段（560～590 nm）和近红外波段（750～900 nm）有两个反射峰，且反射率波谱曲线随着泥沙浓度的增加而增大，增幅不同[29]。为探究近红外波段与可见光波段比值和悬浮泥沙浓度的相关关系，利用GF-4 卫星的B2、B3、B4、B5 波段的遥感反射率构建不同的遥感因子反演悬浮泥沙浓度模型，计算建模数据回归关系的决定系数(R2)，并验证数据计算均方根误差（RMSE）和平均相对误差（MRE），用以评价反演模型的优劣性。

式中，SSCmodel为计算得到的悬浮泥沙浓度；SSCreg为实测的悬浮泥沙浓度；i为验证点的数量。

3 结果与分析

3.1 模型精度分析

研究基于建模组建立GF-4 卫星反演的模型，并基于验证组数据，以RMSE 和MRE 为指标确定模型优度（图3）。结果表明，当遥感因子为Rrs(B5)/Rrs(B2)、Rrs(B5)/Rrs(B3)，这两种模型反演结果与实际相差较大，对应的MRE 分别为32.0%和24.5%。当遥感因子为Rrs(B5)/Rrs(B4)时，构建出的反演模型误差较小，MRE 为17.2%。因此，将该模型作为本文中应用的GF-4 卫星反演模型（式（4）），该模型在SSC 浓度低于800mg/L 的水域，反演结果与实际基本吻合，主要误差来源于SSC 高于800mg/L 的高浑浊水域。

式中，X为GF-4 卫星第5 波段与第4 波段遥感反射率比值。

本文GOCI 卫星数据同样采用指数模型，根据以往的相关研究的经验[17,26,30]和建模尝试，确定其反演模型（图3），并计算各模型的反演误差（表2），计算公式为

式中，X为GOCI 第8 波段与第6 波段遥感反射率比值。

由表2 可知，相较而言，GOCI 卫星建模得到的反演模型，与实测数据相比，误差较小，决定系数相对较高，GF-4 卫星建模得到的反演模型RMSE 为223.2mg/L，而GOCI 卫星为212.6mg/L。为探究误差的来源，将实测SSC 按0～500mg/L、500～1000mg/L、1000～2000mg/L 进行分段，并分别计算各区间的RMSE 与MRE（表3）。由表3 可知，在实测低浓度区域，GOCI与GF-4 卫星模型的误差均较小，且较为接近。而在实测高浓度区域，二者算法均存在一定的误差，且二者之间的误差也较大。

图3 GF-4 实测点与建模点悬浮泥沙浓度对比Fig. 3 Comparison of suspended sediment concentration retrived by GF-4 satellitemeasured point andmodeling point

表2 悬浮泥沙浓度反演模型误差Table 2 Error of different suspended sediment concentration inversionmodels

表3 各区间反演模型误差Table 3 Model error of interval inversion

3.2 悬浮泥沙浓度反演结果分析

利用反演模型对GOCI 和GF-4 卫星影像分别进行计算，得到悬浮泥沙浓度结果及其空间分布（图4）。从图中可以看得出，GOCI 及GF-4 卫星的杭州湾悬浮泥沙浓度趋势基本一致。具体表现为：湾顶的浓度大于湾口，且浓度随着离岸距离的增加而降低，两景影像悬浮泥沙浓度的极大值均出现在近岸水域，并且南岸的悬浮泥沙浓度普遍高于北岸，陆地或岛屿周边的水体悬浮泥沙浓度较高，以其为中心，悬浮泥沙浓度向四周辐散减小，与杭州湾悬浮泥沙实际分布基本一致。

对比两者的反演结果，在湾顶、湾口区域，两景影像的SSC 大致相同，湾顶区域反演SSC 在440.8～530.8mg/L 之间，湾口区域在100.6～243.4mg/L 之间。但在悬浮泥沙浓度较高的南岸区域，GOCI 卫星反演所得的SSC 明显高于GF-4 卫星，GOCI 卫星反演的SSC 分布在641.12～1403.9mg/L 之间，而GF-4卫星反演的SSC 在646.5～980.1mg/L 之间，且随SSC增高差异逐渐增大。对比影像总体的反演结果，GF-4和GOCI 卫星反演的悬浮泥沙浓度变化趋于一致，GF-4 卫星反演的SSC 大体分布在100.6～980.1mg/L的范围内，而GOCI 卫星影像的反演SSC 范围则大体分布在103.7～1403.9mg/L。

为了验证GF-4 卫星影像反演结果的可靠性，通过计算两组影像SSC 的最大值、最小值、平均值，从而对反演结果进行定量分析（表4）。

由表4 可以看出，GOCI 卫星影像反演的SSC 均值为256.8mg/L，而GF-4 卫星影像反演的SSC 均值为171.8mg/L。在两景影像SSC 均值上，GOCI 卫星影像的反演结果较高，由于在低值区域，GF-4 和GOCI 卫星的悬浮泥沙浓度接近，在高值区，GOCI 卫星的悬浮泥沙浓度远高于GF-4 卫星，因此悬浮泥沙平均值的差异可能是由于高值区GOCI 卫星反演浓度较高导致的。

图4 GF-4（a）和GOCI（b）卫星反演悬浮泥沙浓度结果Fig. 4 Inversion results of suspended sediment concentration retrived by GF-4 satellite (a) and GOCI satellite (b)

表4 杭州湾悬浮泥沙反演结果（单位：mg/L）Table 4 Inversion results of suspended sediment concentration in the Hangzhou Bay（unit：mg/L）

3.3 星星交叉区域对比

研究表明，杭州湾内动能从湾口至湾顶先减小后增大，水动力条件的不同导致悬浮泥沙的浓度有较大差异[31]。为更好地比较GOCI 和GF-4 卫星在不同水动力条件下的悬浮泥沙反演效果，在影像中选取4 个实验区域进行对比（图5），其中区域A 位于湾顶，水流流速较快，再悬浮能力较强；区域B 靠近杭州湾南岸，水流流速较慢，水深较浅；区域C、区域D 位于湾口的主要潮汐通道上，受水动力条件差异的影响，C 区域表现为以冲刷作用为主，而D 区域则表现为淤积[32]。

图5 悬浮泥沙浓度反演的4 个实验区域Fig. 5 Four experimental regions for inversion of suspended sediment concentration

4 个实验区域SSC 空间分布特征如图6 所示（具体数值见表5），由图可知，4 个区域均表现为GOCI卫星影像反演的SSC 数值较高。在远离湾顶的区域C、区域D，反演SSC 数值基本一致，且两者反演的SSC 数值相对较低。在SSC 略高的湾顶区域A，GF-4卫星反演的SSC 结果略低于GOCI 卫星。而在SSC最高的区域B，GOCI 卫星反演的SSC 数值明显高于GF-4 卫星。

图6 反演得到的4 个实验区域的悬浮泥沙浓度箱线图Fig. 6 Box-plot of suspended sediment concentration in four experimental regions

表5 杭州湾实验区域悬浮泥沙浓度（单位：mg/L）Table 5 Suspended sediment concentration of experimental regions in the Hangzhou Bay (unit:mg/L)

表6 大气校正后GF-4 卫星相对GOCI 卫星反演的悬浮泥沙浓度平均误差Table 6 Average error of suspended sediment concentration retrieved by GF-4 satellite relative to GOCI satellite after atmospheric correction

综上，在SSC 较低的水域，两者反演的结果差异较小，在高SSC 区域，两者反演的结果差异增大，且GOCI 卫星的反演结果高于GF-4 卫星。一方面，两种反演模型均为底数大于1 的指数模型，其一阶导数随着自变量的增加而增大，表现为在高值区两种数据源反演的SSC 差异增大。另一方面，计算GF-4 卫星与GOCI 卫星的近红外和红波段大气校正后的相对误差（表6），由表6 可知，GF-4 卫星平均反射率高15%，且主要来源于浓度低于500mg/L 的区域。根据反演结果可知，浓度低于500mg/L，GF-4 卫星结果比GOCI 卫星高26%，而当水体悬浮泥沙浓度为500～1000mg/L，GF-4 卫星结果较GOCI 卫星高11.8%，当浓度大于1000mg/L，GF-4 卫星结果仅高6.7%。结合模型拟合原理，当GF-4 卫星第5 波段在SSC 较低的区域大气校正结果相对偏差较大，而该区域占杭州湾总体比重较高，模型将尽可能还原水域面积较大的低SSC 水体的真实情况，在此过程中，模型在高值区误差会有所扩大，这也是两种卫星在高SSC 水体反演中差异较大的原因。GF-4 卫星的大气校正结果精度在一定程度上影响了反演结果的比对，此外，GOCI 卫星的校正也对交叉检验结果有一定影响。李军等[33]指出由于GOCI 卫星大气校正算法在高浑浊水体的精度不足，近红外波段的离水辐亮度精确不足，导致MODIS 与GOCI 卫星的遥感反射率差异会随着水体浑浊度的增大而增大。尽管GF-4 和GOCI 卫星的大气校正均采用了目前较为主流的算法，但是两种算法也存在一定不足，考虑为造成杭州湾高SSC 水体反演结果差异的主要原因。