长荡湖叶绿素a浓度卫星遥感反演研究

梁文广， 蒋志昊， 王金东， 王轶虹， 王冬梅

(1.江苏省水利科学研究院， 江苏 南京 210017； 2.江苏省骆运水利工程管理处， 江苏 宿迁 223800)

水中叶绿素a浓度是浮游生物分布的指标，是衡量水体初级生产力(水生植物的生物量)和富营养化作用的最基本的指标[1]。因此监测叶绿素a浓度是水环境遥感中的主要的监测项目之一[2]。关于水体叶绿素a浓度的遥感监测研究，朱冰川等[3]利用静止轨道海洋水色遥感器(GOCI)遥感数据构建了太湖叶绿素a反演的三波段模型，可以用于GOCI遥感数据反演太湖叶绿素a浓度；包颖等[4]以太湖为研究区,针对不同水体类型分别建立基于GOCI影像的叶绿素a反演模型，实现不同类型水体的叶绿素a浓度反演。黄启会等[5]结合HJ-1A卫星数据与2012年4月实测的光谱数据,建立百花湖叶绿素a的遥感反演模型，结果表明第1波段和第2波段比值(B2/B1)与叶绿素a浓度的相关性最好,利用波段比值构建的回归模型具有不错的反演效果。王珊珊等[6]根据太湖2007年11月、2009年4月和2011年8月实测水质参数以及同步光谱数据,结合水色遥感传感器MODIS、MERIS、GOCI及我国自主发射的HJ-1号卫星CCD传感器波段参数,基于差值模型、比值模型、三波段模型及APPEL模型,分别建立太湖水体叶绿素a浓度反演模型,并分析模型的适宜性。江辉[7]通过分析水体叶绿素a浓度与高光谱反射特征的相互关系,采用一阶微分值和峰值比值法分别建立了叶绿素a的高光谱定量反演模型,在此基础上与同步MODIS数据敏感波段建立卫星定量反演模型。

考虑到江苏省水质监测以常规的人工取样-实验室分析为主，为了探索利用遥感数据对水体叶绿素a浓度进行监测，本研究以江苏省典型湖泊长荡湖为研究区，利用实测水体光谱数据与水质数据构建叶绿素a浓度遥感反演模型，采用同期哨兵二号遥感数据开展长荡湖叶绿素a浓度反演研究。为我省水质监测提供新的技术方法。

1 研究区

长荡湖又名洮湖，位于江苏省南部、太湖流域上游，跨金坛、溧阳两地，京杭运河以南，滆湖以西，东经119°30′～119°40′，北纬31°30′～31°40′，系古太湖分化湖之一，属太湖水系。长荡湖是典型的浅水草型湖泊，湖底平均高程为2.36 m(吴淞高程基准)，长荡湖保护范围面积120.74 km2，水域面积85 km2，是江苏十大淡水湖之一。长荡湖为太湖流域湖西区重要的调蓄性湖泊之一，具有行洪泄洪、饮用水源、旅游观光、渔业生产等功能。属于北亚热带海洋性气候，常年气候温和，雨量充沛，四季分明。春末夏初时多有梅雨发生，夏季炎热多雨，最高气温达36℃以上，冬季空气湿润，气候阴冷。

2 数 据

遥感数据选用2020年5月3日的欧洲哨兵二号(Sentinel 2)多光谱成像仪(MSI)卫星。多光谱成像仪覆盖13个光谱波段(表1)，幅宽达290 km。地面分辨率分别为10 m、20 m和60 m。哨兵二号具有S2A和S2B 2颗卫星，1颗卫星的重访周期为10 d，2颗互补，重访周期为5 d。本项目采用的哨兵二号(Sentinel 2)多光谱数据为欧空局ESA数据分发系统提供L2A级地表反射率产品数据，该数据经过大气校正后的地表反射率数据。

表1 Sentinel 2图像各个波段中心波长和空间分辨率

项目组于2020年5月3日在长荡湖湖面开展星-地同步遥感试验，在长荡湖全湖布设站点20个(图1)，获取每个样点水面光谱数据、水样、地理位置坐标和气象数据等。其中光谱数据采用用美国ASD光谱仪测量350～2 500 nm水面光谱反射率曲线，水样在实验室基于热乙醇萃取的分光光度法测试得到每个水样叶绿素a浓度。其中获取的20个站点的光谱数据和实测叶绿素a浓度数据作为遥感建模的主要数据。

图1 2020年5月3日野外试验点位分布示意图

图2 2020年5月3日长荡湖采样点的水体光谱反射率

3 遥感建模

根据研究区域的水体光谱特征，分析不同水质参数的特征波段，再将不同波段的光谱反射率数据与地面实测水质参数数据进行数学分析，选择最优波段。在此基础上，构建基于Sentinel-2影像的水质参数反演模型。

(1)多光谱波段等效

实测的光谱数据是间隔1nm的连续光谱曲线，而Sentinel-2卫星是离散的多光谱波段，各波段都有一定的波长响应宽度。为了将实测光谱反射率Rrs应用到Sentinel-2影像中，需要将实测光谱反射率Rrs通过计算等效模拟到Sentinel-2卫星多光谱波段等效反射率Rrseq，计算公式为

(1)

式中：Rrseq为卫星波段等效反射率；Rrs(λ)为实测的光谱反射率；fSRF(λ)为卫星的光谱响应函数；F0(λ)为大气层外太阳辐照度。

(2)叶绿素a浓度特征波段分析

水质参数遥感估测模型的精度很大程度上取决于反演波段的选择，所以波段的选择十分重要。采用半经验法根据各水质参数表征的光谱特征，选择合适的Sentinel-2 特征波段或波段组合，建立特征波段与水质参数的之间的统计关系。

叶绿素a主要有2个吸收峰，通常位于波长440 nm和675 nm附近。然而，对于内陆水体来说波长440 nm处受非色素颗粒物和黄色物质吸收的影响较大，而波长675nm受其他水体要素的影响较小，所以往往选择波长675 nm处的反射率谷值。由于波长675 nm反射率的吸收谷会引起在700 nm处存在反射率峰值，因此往往利用675 nm处和700 nm处的反射率比值反演叶绿素a浓度，对应的Sentinel-2影像的波段4(B4，中心波长665 nm)和波段5(B5，中心波长705 nm)。

(3)长荡湖叶绿素a浓度遥感反演模型构建

为了进一步用实测数据分析叶绿素a浓度模型构建的特征波段，对Sentinel-2数据B3、B4、B5、B8这4个波段及波段间组合与叶绿素a浓度实测值之间进行相关性分析，以寻求反演长荡湖叶绿素a浓度的特征波段，相关系数如下表2所示。

表2 Sentinel-2波段及波段组合与叶绿素a浓度的相关分析

这4个波段及波段间组合与叶绿素a浓度的相关分析可知，B4/B5和B5/B4与叶绿素a浓度相关系数最高，分别为-0.347和0.358。

结合长荡湖试验实测的水样叶绿素a浓度与经过波段等效模拟到Sentinel-2卫星多光谱波段数据共有20个对应数据构建叶绿素a浓度反演模型。结果显示，采用B4/B5波段建模精度更高，因此采用B4/B5的比值模型反演长荡湖叶绿素a浓度。构建的叶绿素a浓度参数(Chl-a)模型如下：

为了评价反演精度，通过模型计算得出的数据结果与实测的20个采样点叶绿素a浓度数据进行比对，分别采用平均相对误差(MRE，式中用EMRE表示)和均方根误差(RMSE，式中用ERMSE表示)用于模型评价。其计算公式为

(2)

(3)

式中：TPre，i为反演得到的叶绿素a浓度；TMea，i为实测的叶绿素a浓度；n为采样点个数。

结果如图3所示。

可以看到，叶绿素a浓度的平均相对误差MRE为25.56%、均方根误差RMSE为4.91μg/L。对于遥感监测，该误差是可以接受的。由图3散点图来看，部分叶绿素a浓度的反演值和实测值相差较大，可能是由于实测的叶绿素a浓度存在一定的误差而导致的。

图3 模型的精度评价

4 应 用

利用长荡湖2020年5月3日的哨兵二号多光谱影像数据，代入构建的叶绿素a浓度反演模型得出反演结果如图4所示。对卫星数据反演结果经过统计分析，长荡湖叶绿素a浓度主要位于11.03～21.21 μg/L之间，平均值为15.00 μg/L。从分布来看，长荡湖叶绿素a浓度西部高、东部低。

表3 长荡湖叶绿素a浓度反演模型

图4 2020年5月3日长荡湖叶绿素a浓度分布图

5 结 语

本试验利用实测叶绿素a浓度和光谱数据，建立了长荡湖叶绿素a浓度反演模型；结合哨兵二号多光谱遥感数据，实现了长荡湖叶绿素a浓度卫星遥感的反演。试验结果表明：遥感方法能够快速实现长荡湖叶绿素a浓度的监测，监测结果能够反映湖泊叶绿素a浓度的分布状况，是水环境监测的一种先进的技术手段，值得进一步推广应用。后续的研究主要围绕叶绿素a浓度遥感监测精度的提高和全省河湖的应用。