水體葉綠素遙感反演中的多尺度分析

摘要水體遙感影像提取污染物信息普遍存在著尺度效應(yīng)問題，選擇合適的空間分辨率影像能夠準(zhǔn)確地表征水域污染的空間分布狀況。充分利用水體空間尺度信息，研究水色遙感的尺度問題，有利于提升湖泊水體遙感反演模型的應(yīng)用能力。以巢湖水域HJ-lA衛(wèi)星HSI高光譜和CCD多光譜遙感數(shù)據(jù)為例，以Matlab為平臺(tái)，采用基于離散小波多尺度變換分析方法，生成多光譜尺度和空間尺度影像，然后利用水體污染物的定量遙感反演方法，獲取湖面水體葉綠素多尺度空間分布濃度，并利用水面同步實(shí)測(cè)數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行驗(yàn)證。通過結(jié)果比較，確定100 m分辨率的HSI高光譜數(shù)據(jù)為較優(yōu)分析空間尺度。

關(guān)鍵詞水體污染物；遙感圖像；多尺度；小波變換

中圖分類號(hào)S126；TP791文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0517-6611（2014）12-03681-03

基金項(xiàng)目國(guó)家自然科學(xué)基金項(xiàng)目（4101232）；安徽高校省級(jí)自然科學(xué)基金項(xiàng)目（KJ2013B053）。

作者簡(jiǎn)介潘邦龍（1976- ），男，安徽合肥人，講師，博士，從事水環(huán)境遙感研究。

隨著遙感技術(shù)的發(fā)展，利用衛(wèi)星遙感數(shù)據(jù)對(duì)湖泊水質(zhì)展開大規(guī)模監(jiān)測(cè)，特別是現(xiàn)代遙感的高空間和高光譜分辨率影像在湖泊水質(zhì)遙感監(jiān)測(cè)中具有監(jiān)測(cè)范圍廣、數(shù)據(jù)更新快、運(yùn)行成本低的優(yōu)勢(shì)。然而，空間分辨率對(duì)于水體遙感信息提取精度的影響存在著兩重性：高空間分辨率減少了地類邊緣的混合像元，但地物內(nèi)部的光譜變異復(fù)雜；反之，高光譜分辨率能夠較好地表達(dá)地物特征，但像元內(nèi)混合地物復(fù)雜多變[1]。因此，選擇最優(yōu)空間尺度對(duì)于準(zhǔn)確分析水體污染物的空間分布具有重要的意義。

目前，國(guó)內(nèi)外許多學(xué)者都對(duì)水體污染物含量進(jìn)行相關(guān)研究。在國(guó)內(nèi)，唐軍武等提出通過多波段的光譜反射比值，可以導(dǎo)出水體固有光學(xué)參數(shù)吸收系數(shù)a和后向散射系數(shù)b，線性方程組再由上述固有光學(xué)參數(shù)與葉綠素a濃度的關(guān)系建立，然后解出葉綠素a濃度的值[2]；國(guó)外從20世紀(jì)70年代開始就針對(duì)多光譜傳感系統(tǒng)（MSS）的4個(gè)波段進(jìn)行湖泊水質(zhì)遙感研究。目前，人們已經(jīng)應(yīng)用衛(wèi)星遙感數(shù)據(jù)研究水體組分如透明度、Chla、溶解性有機(jī)物、懸浮物、溫度等的分布和變化。但是遙感影像在反映空間格局與過程中對(duì)尺度具有依賴性，即對(duì)于不同空間尺度、光譜尺度的遙感影像數(shù)據(jù)，經(jīng)建模反演等技術(shù)手段最終得到研究區(qū)污染程度或范圍時(shí)，會(huì)產(chǎn)生部分差異。研究表明，遙感影像的提取精度取決于混合像元的數(shù)量和類別邊緣光譜變異的復(fù)雜程度兩個(gè)主要因素。當(dāng)影像的空間分辨率提高時(shí)，處于不同類別邊緣的混合像元數(shù)目將會(huì)變少，分類精度隨之提高；但由于空間分辨率的提高，也導(dǎo)致相同地物內(nèi)部光譜變異增大，分類精度會(huì)降低[3]。

小波多尺度分析為空間地物多尺度分割和最優(yōu)空間尺度的選擇提供了很好的解決方法。小波分析具有同時(shí)用多尺度對(duì)空間格局進(jìn)行分析的能力，也能將格局、尺度與具體空間位置明確地表示出來，其不要求數(shù)據(jù)在研究的空間范圍內(nèi)具有平穩(wěn)性，而自然界存在的現(xiàn)象都是非平穩(wěn)的，因此小波變換具有處理一般數(shù)據(jù)的功能[2]。為此，筆者以Matlab為平臺(tái)，采用基于離散小波多尺度變換分析的Mallat分解算法，生成多空間尺度和多光譜尺度影像，然后利用水體污染物的定量反演方法，獲取湖面水體葉綠素多尺度空間分布濃度，為最優(yōu)空間尺度影像的選取提供依據(jù)。

1分析方法

1.1小波多尺度分析方法小波變換是法國(guó)工程師于1974年提出的介于函數(shù)時(shí)間域和頻率域間的一種表示方法，該方法在空間域和頻率域具有良好的局部化性質(zhì)，可以在任意尺度函數(shù)中分析提取出多尺度空間圖像基本局部細(xì)節(jié)特征。該研究采用Mallat算法為小波多尺度分解運(yùn)算方法[4]。

1.2水體污染物的定量反演方法半經(jīng)驗(yàn)方法是將已知的水質(zhì)變量光譜特征與統(tǒng)計(jì)分析模型（或其他數(shù)學(xué)模型）相結(jié)合，選擇最佳的波段或波段組合作為相關(guān)變量估算水質(zhì)變量值的方法。這種方法是目前最常用的定量分析方法之一，不但簡(jiǎn)單實(shí)用而且具有一定的物理意義，國(guó)內(nèi)外很多學(xué)者都利用過這種方法監(jiān)測(cè)湖泊、水庫的水質(zhì)變量如葉綠素、懸浮物、富營(yíng)養(yǎng)化指數(shù)等，得到較高的反演精度。常用的方法有線性回歸、對(duì)數(shù)轉(zhuǎn)換線性回歸、多項(xiàng)式回歸、逐步多元線性回歸、貝葉斯分析、主成分分析等。該研究擬采用半經(jīng)驗(yàn)法中的線性回歸方法對(duì)小波多尺度影像進(jìn)行建模與反演，以獲取影像最佳空間分析尺度[6]。

2實(shí)例分析

2.1影像數(shù)據(jù)和水面實(shí)測(cè)數(shù)據(jù)研究數(shù)據(jù)采用的是HJ1A衛(wèi)星HSI高光譜和CCD多光譜影像，成像時(shí)間為2009年6月13日，該天天氣晴朗，能見度高，湖面氣象狀況良好。由于獲取的數(shù)據(jù)為二級(jí)影像產(chǎn)品，需要做幾何精校正和大氣校正。幾何校正在ArcGIS軟件支持下以1∶10 000地形圖為參考，利用多項(xiàng)式幾何模型校正和最鄰近重采樣方法，實(shí)現(xiàn)校正精度RMSE小于1個(gè)像素。大氣校正采用6S軟件實(shí)現(xiàn)參與計(jì)算的部分波段數(shù)據(jù)的大氣校正，并計(jì)算出水體遙感反射率。

水面測(cè)量試驗(yàn)在巢湖水域同步展開，共選取了24個(gè)樣點(diǎn)。水面光譜測(cè)量使用ASD便攜式野外光譜儀FieldSpec（波長(zhǎng)范圍為350～2 500 nm），采用“水面以上法”測(cè)量水面光譜。水面采集的水樣置于10%HCl和去離子水洗凈的塑料桶中，并用GPS記錄樣點(diǎn)緯度坐標(biāo)。取樣后的水質(zhì)參數(shù)濃度由室內(nèi)試驗(yàn)分析獲得樣點(diǎn)葉綠素a濃度數(shù)據(jù)。由于在數(shù)據(jù)處理時(shí)發(fā)現(xiàn)11號(hào)點(diǎn)位數(shù)據(jù)異常，去除后剩余的23個(gè)點(diǎn)用于建模和檢驗(yàn)。具體采樣點(diǎn)平面分布如圖1所示。

2.2小波分析算法實(shí)現(xiàn)將0-Pi定義為空間V0，經(jīng)過一級(jí)分解之后V0被分成0-Pi/2的低頻子空間V1和Pi/2-Pi的高頻子空間W1，然后一直分下去，得到 VJ+WJ+…+W2+W1。因?yàn)閂J和WJ是正交的空間，且各W子空間也是相互正交的，所以分解得到相互不包含的多個(gè)頻域區(qū)間，稱為多分辨率分析，即多尺度分析[5-6]。對(duì)一幅圖像進(jìn)行小波分解，得到低頻和對(duì)應(yīng)的高頻部分，該研究中利用bior 3.7小波基對(duì)原始圖像進(jìn)行小波變換，采用wavedec2函數(shù)實(shí)現(xiàn)對(duì)圖像的二層分解，對(duì)高頻系數(shù)的提取則采用detcoef2函數(shù)，而對(duì)低頻信號(hào)系數(shù)提取則采用函數(shù)appcoef2；wrcoef2函數(shù)實(shí)現(xiàn)利用bior3.7小波基對(duì)低頻分量的水平方向、垂直方向、斜線方向以及高頻分量的重構(gòu)；wcodemat 函數(shù)實(shí)現(xiàn)對(duì)數(shù)據(jù)矩陣進(jìn)行偽彩色編碼；waverec2函數(shù)實(shí)現(xiàn)對(duì)二維信號(hào)的多層小波重構(gòu)，即小波變換的逆變換，最終利用imwrite函數(shù)將圖像寫入文件，并保存。結(jié)果如圖2所示。

2.3污染物濃度反演該研究選用葉綠素為水體污染物的典型代表指標(biāo)參數(shù)進(jìn)行研究。通過前人對(duì)巢湖水體光譜特性已有的研究發(fā)現(xiàn)，水體光譜反射率與葉綠素a的最大相關(guān)性位于680和705 nm附近，相應(yīng)的衛(wèi)星影像波段為葉綠素反演相關(guān)度最高的波段[7-8]。鑒于此，筆者利用HJ1A衛(wèi)星 CCD數(shù)據(jù)的B3、B4波段和HSI的B79、B72波段反射率，結(jié)合采樣點(diǎn)實(shí)測(cè)葉綠素濃度，利用最小二乘法進(jìn)行線性擬合，得到模型如下：

3結(jié)論

對(duì)于不同尺度遙感影像，由于其自身特點(diǎn)，會(huì)對(duì)水體污染物參數(shù)反演結(jié)果產(chǎn)生不同影響。該研究以HJ1A衛(wèi)星HSI影像和CCD影像為研究對(duì)象，采用常規(guī)半經(jīng)驗(yàn)線性模型建立各自反射率與葉綠素濃度間的關(guān)系，分別對(duì)原始影像的相關(guān)波段和經(jīng)小波變換過后的影像圖進(jìn)行反演比較，在采用相同的反演模型下，經(jīng)小波變換后的反演結(jié)果與實(shí)地測(cè)量值有一定的差異，表明遙感影像的空間尺度和光譜尺度對(duì)反演結(jié)果的敏感性。通過對(duì)于兩種不同傳感器的影像數(shù)據(jù)分析，HJ1A的HSI 100 m空間尺度的高光譜影像反演效果優(yōu)于其他分辨率的影像。