基于高光谱数据的水体溶解氧反演研究

刘元艺 田正航 唐晓燕

（南阳理工学院信息工程学院，河南 南阳 473004）

0 引言

随着社会的不断发展，我国工业和城市用水量也越来越大，水资源供需日趋紧张。另外，由于很多城镇生活污水和工业废水是排放到海洋中的，因此会对海洋生态造成污染，这已经成为工业发展乃至社会发展的障碍。

水质参数中溶解氧（DO）的含量是海洋各类生物生存的必要物质条件，其可以作为一个判断污染程度的重要衡量标准。目前，国内外已经逐渐开始使用高光谱遥感技术进行关于水质监测的研究。该技术使用的卫星传感器不仅具有回访周期性，而且还具有数据获取容易（与人工检测相比）、水质反演覆盖面积较大的优点，不需要消耗大量人力、财力。吕航等人采用高光谱遥感数据并结合该地区水面同步观测数据找出了水质参数与单波段反射率、不同波段反射率比以及不同波段反射率差值的相关性，得出溶解氧的敏感波段组合为B（636 nm）/B（669 nm）和B（636 nm）/B（674 nm）。该文选取香港近海区域的水体作为研究区，使用HJ-1A卫星HSI数据对香港近海区域DO浓度进行反演研究，根据高光谱反射率数据与研究区水体DO浓度的相关性分析，使用线性回归方法建立高光谱遥感反射率与水体DO浓度的反演模型。

1 数据获取及预处理

1.1 获取实测数据与卫星遥感数据

研究区地处北纬22°26′，东经114°12′。该文所用实测DO数据来自香港特别行政区76个水质监测站，香港环保署每月收集海水各项水质参数样本1次。根据高光谱图像经、纬度范围的限制，取其中MM区、SM区以及VM区共计42个监测站为主要数据源。

所需遥感影像的基本要求如下：1） 图像分辨率高。2）条带噪声少。3）云覆盖量低于5%或对水体区域无遮挡。4） 尽可能地保证卫星图像拍摄日期与水源数据日期一致，以保证地面监测站数据和卫星高光谱数据可以在允许的误差内达到同步。因此，该文使用中国资源卫星应用中心下载2014年1月HJ-1A卫星HSI传感器的2级高光谱影像产品数据。HJ-1A高光谱数据由HJ-1A卫星搭载的高光谱成像光谱仪（HSI）获取。HSI传感器的2级产品是经光谱修复、辐射校正和系统几何校正的，并通过ArcGIS将校正后的图像映射到卫星图像拍摄地点的地图投影坐标下的产品数据中。

1.2 卫星遥感数据处理

卫星数据的前期处理主要包括以下3个步骤：1） 光谱曲线辐射亮度值转换。该步骤主要实现了从遥感影像像元亮度值（值）到绝对辐射亮度的转化，这一过程对高光谱数据处理来说是比较简单的。由于卫星拍摄时通常与地面的距离至少为500 km，拍摄时得到的真实地物辐射亮度值通常很低，因此卫星数据处理中心为了方便对辐射亮度数据进行处理、保存，在预处理前使用放大因子系数来放大地物辐射率的数值。该步骤将光谱曲线所显示的值除以卫星处理时所放大的系数就可以得到绝对辐射亮度值，也就是真实地物辐射亮度值。2） 高光谱数据的存储格式转换。HJ-1A卫星原存储格式为H5文件，经ENVI打开后，系统默认为BSQ格式存储，而在进行FLAASH大气校正过程中要求数据以BIL或BIP格式存储，因此原始高光谱数据的存储格式应使用Convert Interleave工具进行转换（由BSQ格式转换为BIL格式）。3） 波段去除。高光谱影像在卫星拍摄时，由于大气吸收等因素在光谱图上会出现条带噪声，从而导致影像在某一波段的质量较差，因此该文根据高光谱图像各个波段的图像质量，去除了HJ-1A高光谱影像中的前30个和后5个包括条带噪声的波段，剩余80个波段为数据保存较为良好的波段。

由于HJ-1A光谱数据只是经过了初步的几何校正，为了使采样点经纬度与高光谱卫星图像完全匹配，并提高后续建模的精确度和准确性，因此需要对图像进行几何精校正，该文采用在地理空间数据云（https：//www.gscloud.cn/）网站上下载的同时期、同地区Landsat-8的卫星影像，由于Landsat-8影像产品级别较高，且已经经过几何精校正，因此可以通过Landsat-8来定标校正HJ-1A所拍摄的高光谱影像的经、纬度。通过ENVI国产卫星汇总工具包读取数据，使用Image Registration工具均匀选取校正点，通过系统自动添加的矫正点去除误差较大的点，使误差控制在0.77即可完成几何精校正工作。

在完成数据前期处理工作后，由于HJ-1A高光谱卫星所携带的传感器不可避免地受大气的吸收和散射作用，地表反射数据和实际测量值之间有一定的差异，因此使用高光谱图像反演地物的反射光谱信息，需要对其进行大气校正。该文选用FLAASH大气校正方法，该方法对校正参数的要求比较严格，稍有差错都会对最终的结果造成很大的影响，在进行大气校正前应该对卫星数据进行处理，使其符合以下要求：经过辐射定标之后的辐射率数据的头文件中包括中心波长（）值和波段宽度（）值；要求是ENVI标准格式文件；以格式BIL存储，以便FLAASH读取处理。在ENVI的FLAASH大气校正模块中输入从头文件中读取的各项定标参数， ENVI就可以根据各项信息完成大气校正处理工作。由于卫星拍摄地点与时间的差别，因此气溶胶模型的大小以及环境模型的类别都会对最终大气校正的结果造成影响，应在中国资源卫星中心仔细查询环境一号卫星的不同模型参数，以便缩小后续处理的误差。大气校正前后光谱曲线如图1所示。

图1 大气校正前后光谱曲线

经过大气校正后的光谱图像数据不能准确反映水体物质的本质特征，尤其对高光谱数据源来说，其波段较多，且光谱曲线的波动范围具有相似性，会使后续分析出现一定的误差，且不便于直接从中提取易于计算的光谱曲线特征，因此需要在大气校正之后通过包络线去除操作对光谱曲线进行再次处理，以突出光谱曲线的特征。

该文通过使用ENVI中的Continuum Removal模块工具读取经大气校正操作后的高光谱影像头文件并进行包络线去除操作，得到去除包络线后的高光谱影像，最终得到归一化的水体反射率。

2 半经验线性回归建模

2.1 皮尔逊相关性分析

采用卫星高光谱传感器进行水域水质参数的光谱测量，并使用皮尔逊相关性分析法寻找水质参数的光谱特征，选择具有最佳相关性的波段或波段组合，使用线性回归等方法对该地区高光谱遥感数据和水质参数进行反演研究的方法被称为半经验法。该文使用半经验线性回归方法，通过水体表面反射率与水质参数浓度之间的关系构建水质参数反演模型。当建立水质参数反演模型时，先从高光谱图像的光谱曲线中寻找水质参数的光谱特性，并对水质参数浓度和水体反射率进行皮尔逊相关性分析，寻找其中相关性绝对值最大的波段，并借此建立相应的反演模型。对2个变量、来说，它们之间的相关性可以用相关系数模型来计算。该文正是基于此关系，使用皮尔逊相关系数计算光谱波段的大小与归一化反射率之间的相关性，皮尔逊相关性系数是用来衡量2组数据与之间线性关系的强度。且当皮尔逊相关性的绝对值在不同区间时，所代表的相关性也各不相同，应使相关性绝对值的大小尽可能地接近1，计算方法如下。

如果2组数据： {，，， …，X} 和： {，，，…，Y} 具有线性关系，那么皮尔逊相关系数如公式（1）、公式（2） 所示。

式中：P、P分别为数据集、的标准差；P为标准差的数学符号；Сov为协方差的数学符号；为、中数据的总个数；X、Y为数据集、中的数据；、分别为数据集、的平均值。

皮尔逊相关系数即2个数据集协方差与标准差的比值，取值为-1～1，其绝对值越接近1，说明相关性越显著。当建立水质参数反演模型时，先从高光谱图像的光谱曲线中寻找水质参数的光谱特性，并对水质参数浓度和水体反射率进行皮尔逊相关性分析，寻找其中相关性绝对值最大的波段，并建立相应的反演模型。如果效果不好，则对光谱曲线进行一阶导数和二阶导数或包络线去除等处理，寻找具有明显的特征波段，并对其进行相关性分析，该文最终选择了包络线去除的方法。该文使用SPSS 25软件分析了HJ-1A遥感卫星的单波段反射率和DO浓度之间的相关关系，在SPSS软件中输入DO浓度作为一个变量，将HJ-1A高光谱80个波段的反射率作为另一个变量，建立双变量皮尔逊相关关系，再建立实测数据与遥感反射率的相关关系，去除异常值之后的皮尔逊相关系数如图2所示。

对去除包络线后的实测溶解氧数据与HJ-1A影像光谱曲线建立的相关性图像进行分析发现，在598 nm和656 nm处出现明显的反射峰，在609 nm和669 nm处出现明显的吸收谷。对这两处的反射峰波段和吸收谷波段进行多次组合测试，寻找相关系数高的波段组合。分别对609 nm、669 nm、598 nm和656 nm进行反射峰与吸收谷的相加减、相乘除或其他的组合方式，最终获得了以下的相关关系，波段组合相关系数如图3所示。

图3 波段组合皮尔逊的相关性系数

2.2 DO反演模型建立

该文选择相关系数最高的A+A/B波段，并以该组合波段与溶解氧的关系建立线性回归方程，为了保证模型的准确性，尽可能地减少随机误差，该文随机抽取了29 个监测点数据，其中20个监测点数据为训练集，其余9个监测点数据为预测集，取平均结果建立散点图，并拟合回归方程，最终得到的反演模型为= 39.68- 290.83+787.52-931.03+ 409.6，并通过计算得出拟合系数=0.639，反演效果较好，建立的模型图如图4所示。

图4 线性回归模型

利用模型预测剩下的9个监测站的溶解氧浓度对溶解氧模型的精度进行验证，由实测值与预测值之间的拟合曲线可以看出模型的适用性，DO浓度的实测值和预测值的拟合曲线如图5所示。根据实测值与预测值的线性回归曲线分析可以看出模型的拟合程度较好，预测拟合系数指数也达到了0.669 8，说明运用数学模型建立溶解氧含量与遥感图之间的关系的效果较好。

图5 DO 实测值与预测值拟合曲线

3 结语

综上所述，基于遥感的水质监测已经随着水体污染的问题变得越来越重要，而基于常规水质监测的方法有许多缺点，会受各种因素的制约和限制，很难满足较大水域范围、实时空间动态以及便利快速的监测要求，该文通过查阅国内外基于遥感进行水质监测的理论、方法和技术，充分发挥了高光谱遥感的优势，以香港近海区域为研究对象，利用实地监测数据、环境与灾害监测预报HJ-1A卫星HSI高光谱数据影像，通过建立线性回归方程的方法对香港近海区域溶解氧浓度进行监测。

此外，该文还总结了国内外有关溶解氧反演技术的最新进展，水质反演理论由分析法向半经验方法发展，对遥感数据也提出了更高的要求。对HJ-1A高光谱遥感数据进行数据处理、大气校正、几何精校正及包络线去除等预处理。以香港近海区域为研究，结合环境保护署的实测数据、HJ-1A影像数据对DO进行遥感分析。使用线性回归方法对DO实测值和光谱数据进行建模，指数达到0.669 8。