基于MODIS陸地波段的近岸水體濁度遙感方法

王建國，陳樹果，張亭祿

（中國海洋大學 信息科學與工程學院海洋技術系，山東　青島　266100）

基于MODIS陸地波段的近岸水體濁度遙感方法

王建國，陳樹果，張亭祿

（中國海洋大學 信息科學與工程學院海洋技術系，山東青島266100）

利用MODIS陸地波段（469 nm，555 nm和645 nm）數據，建立了近岸水體濁度的遙感反演方法，并以渤海為例，在采取嚴格的時空匹配方法的基礎上，利用現場測量濁度數據對反演結果進行了印證。印證結果顯示，基于陸地波段的紅綠波段比值反演算法（QAA-RGR反演算法）的反演結果相對誤差約為12.7%，標準QAAv5反演算法的反演結果相對誤差約為26.4%，采用陸地波段數據的QAA-RGR反演算法反演的結果更可靠。另外，基于陸地波段的反演結果具有更高的空間分辨率，能更好地體現濁度的細節分布特征，如遼東灣南端的沙脊群落的分布。最后，本研究利用QAA-RGR反演算法構建了渤海濁度的季節分布特征，分布特征合理。

MODIS；陸地波段；濁度；遙感反演；渤海

濁度是重要的水質參數之一，也是懸浮體濃度的指標因子，廣泛應用于近岸及河口區域懸浮體的運移、沉降和再懸浮等研究［1-3］。濁度測量方法［4］是基于光衰減或散射的大小，以此為原理的濁度計廣泛應用于海洋調查中。根據濁度的測量原理，由濁度計測量的濁度與水體的后向散射系數應有很強的相關性，因此，基于此相關性可由后向散射系數導出濁度。基于以上的理論知識，胡靜雯等［4］利用水色衛星數據成功地反演了東中國海的濁度分布。另外，利用遙感反射率等數據也可以反演獲得濁度數據，如Qiu等［5］利用GOCI衛星傳感器瑞利散射校正后的反射率數據反演獲得了浙江近岸水體濁度數據，為濁度的反演提供了一種新的方法。

MODIS衛星傳感器自2002年發射以來，積累了10多年高質量的數據，是目前最為成功的水色衛星之一。MODIS衛星數據的波段包括了海洋波段、陸地波段及用于大氣研究的波段。海洋波段的地面空間分辨率為1 km，具有較高的信噪比。陸地波段分辨率分為500 m（469 nm和555 nm）和250 m（645 nm），但其信噪比較低。Chen等［6］研究發現，對于近岸水體，大氣校正后，陸地波段的信號與海洋波段的信號的信噪比相當。進一步的研究發現，在非常混濁的水體，MODIS海洋波段中的紅波段（如667 nm）經常出現飽和現象，基于此波段的反演算法（如標準的QAA算法）不能正常工作，而陸地波段的645 nm則不會出現該現象。為了使QAA反演算法可應用于混濁的水體，Chen and Zhang（2015）［7］提出了基于陸地波段的紅綠波段比值的QAA反演算法。結果表明，該算法不僅適用于一般混濁的近岸水體，也適合非常混濁的水體。另外，基于陸地波段的反演產品還具有至少500 m的較高分辨率數據。近岸水體具有高的時空間變化特點，這要求衛星傳感器數據具有高的可靠性，同時具備高的空間分辨率。MODIS陸地波段數據可很好地滿足近岸水體的監測。

本研究將以具有高混濁度的渤海為例，評估基于MODIS陸地波段數據獲取渤海高分辨率濁度分布的有效性，最終目的是為近岸水體水質的監測提供有力的工具。

1　數據與方法

1.1數據來源

本研究所利用的數據主要由兩大部分組成，分別是衛星數據和現場觀測數據。其中，衛星數據是指搭載在美國對地觀測衛星Aqua上的MODIS 500 m分辨率的遙感反射率數據，該數據是由SeaDAS 6.4處理其對應的L1A數據所得，L1A數據及SeaDAS 6.4均可通過以下網址下載得到，http://oceancolor.gsfc.nasa.gov。在利用SeaDAS 6.4獲取遙感反射率時，大氣校正方法采用的是Wang［8］所提出的短波紅外大氣校正算法。現場觀測數據是指水體的濁度，該數據是利用Seapoint公司的Turbidity Meter在渤海現場測量所得，在現場測量海水濁度時，為減少船舶對水體擾動等的干擾，測量是在船停后半小時進行的，能夠盡量保證現場測量的濁度數據與實際情況相符，保證數據的可靠性。測得的濁度數據范圍在0.2～26 FTU。其測量時間和測量站位信息如圖1所示。該現場濁度數據用于印證反演算法的性能。

圖1　渤海濁度現場測量站位分布

1.2基于MODIS陸地波段的濁度遙感反演方法

利用Chen and Zhang［7］所提出的基于MODIS陸地波段的固有光學性質反演算法（QAA-RGR）以及固有光學性質中后向散射系數與濁度的高度相關性，可利用QAA-RGR算法由MODIS陸地波段遙感反射率數據得到顆粒物后向散射系數bbp532，進而利用胡靜雯等［4］提出的顆粒物后向散射系數與濁度的關系式（1）得到濁度值。該關系式是利用國家自然科學基金委渤黃海航次現場實測的顆粒物后向散射系數和濁度數據統計后擬合得出的，在渤海有較好的適用性。基于MODIS陸地波段的濁度遙感反演方法建立流程如圖2所示。

圖2　基于MODIS陸地波段濁度遙感反演算法流程

1.3印證方法

為了印證本文所提出的基于MODIS陸地波段的濁度反演算法（本文簡稱QAA-RGR反演算法），本研究采取如圖3所示的方法對其進行印證。

首先，利用現場實測濁度數據定量評估其反演性能。衛星數據由1.2所述方法處理得到濁度值。在建立實測數據與衛星數據的匹配時，鑒于本研究的目標海域在時空尺度上高度變化的特點，本研究采用更為嚴格的匹配方法，具體如下：時間窗口（衛星過境時間與現場測量時間間隔）限定在±1 h，空間窗口為現場測量位置周圍至少60%以上像素為有效值的3*3像素空間內中心經緯度距現場測量位置經緯度最近像元點的值。用于定量評估反演性能的統計參數分別為相關系數（R2）、均方根誤差（RMSE）、相對誤差（RE）。它們的定義分別如下：

在定量評估中，對MODIS海洋波段遙感反射率數據采用傳統的標準QAAv5算法［9］得到顆粒物后向散射系數bbp532，再根據bbp532與濁度的關系式（1）得到濁度值。然后將標準QAAv5反演算法反演結果與現場濁度數據對比，并和QAA-RGR反演算法與現場濁度數據對比結果進行比較分析，進一步評價QAA-RGR反演算法的反演性能。

其次，選取了渤海海域晴朗無云的一天，分別利用QAA-RGR反演算法和標準QAAv5反演算法反演獲得當天的濁度值，并選取如圖1所示B斷面對比分析QAA-RGR反演算法和標準QAAv5反演算法反演結果，比較QAA-RGR反演算法與標準QAAv5反演算法在空間特征分辨上的差異，定性地評估QAA-RGR反演算法反演性能。

圖3　印證方法流程框圖

2　結果分析

2.1衛星反演結果與現場測量的匹配比較

按照1.3節所述的時空匹配方法，獲得了滿足時空匹配條件的14組數據，分別應用標準QAAv5反演算法和QAA-RGR反演算法反演得到濁度值，并與現場測量濁度數據比較，結果如圖4所示，統計結果如表1所示。結合圖4與表1，可知標準QAAv5反演算法反演的濁度值與實測值的相關系數R2=0.981，均方根誤差RMSE=0.643 FTU，QAARGR反演算法反演的濁度值與實測值的相關系數R2=0.985，均方根誤差RMSE=0.867 FTU，兩種反演算法與實測值均有很高的相關性。也發現標準QAAv5反演算法反演濁度數值比實測值低，標準QAAv5反演算法反演結果與實測值的相對誤差為26.39%，QAA-RGR反演算法反演結果與實測值的相對誤差為12.73%，QAA-RGR反演算法反演結果與實測值相對誤差更小，準確性更高。所以QAARGR反演算法應用于MODIS濁度數據反演得到的結果更可靠。

表1　標準QAAv5反演算法與QAA-RGR反演算法反演濁度與現場濁度數據的統計結果

圖4　分別利用QAA-RGR反演算法與標準QAAv5反演算法所反演的濁度與實測進行比較結果

2.2衛星反演結果空間分布的比較

從上節兩種反演方法與匹配的現場測量數據對比分析來看，QAA-RGR反演算法具有更高的反演精度。本節主要進一步從濁度空間分布上比較QAA-RGR反演算法與標準QAAv5反演算法的反演結果在空間特征分辨上的差異。以2013年2月2日為例，具體對比兩種算法結果在空間特征分辨上的差異。

圖5為兩種算法反演結果的直接顯示圖，圖中在遼東灣海域有空白數據缺失處，這些地方是受到海冰、云等因素影響，造成了這些地方的數據缺失。標準QAAv5反演算法數據分辨率為1 km，得到的濁度分布圖像較小，包含的細節信息少；QAA-RGR反演算法數據分辨率為500 m，得到的濁度分布圖像更大，包含的細節信息更豐富，濁度分布細節更清晰。從圖5可以看出，除去受海冰影響的遼東灣，渤海的萊州灣、渤海灣等海域是濁度的高值區，而且在遼東灣南端的遼東淺灘海域濁度也較高。遼東淺灘海域地形為沙脊群落［10-11］，沙脊呈條狀分布，這些沙脊是由泥沙等物質堆積而成，波浪和潮流是沙脊形成的主要動力因素［12-13］，因此，受地形、波浪及潮流的影響，該海域濁度呈現高低間隔分布的特征。對該海域選取如圖1所示斷面，對比兩種反演算法在該斷面上的結果，如圖6所示。從圖6可以看出，整個斷面QAA-RGR反演算法反演的濁度值比標準QAAv5反演算法反演的濁度值高；在遼東灣南端的濁度較高區域，即沙脊群落海域，QAARGR反演算法在更小尺度上清晰地呈現出這片海域濁度高低間隔分布的細節特征，而標準QAAv5反演算法反演結果只能反映出較大尺度上濁度的分布，分辨濁度高低間隔細節分布的能力比QAA-RGR反演算法差。因此，QAA-RGR反演算法提高了反演結果的空間分辨率，能更清晰地表現出濁度變化的細節特征。

2.3渤海濁度的季節變化特征

通過上述分析，QAA-RGR反演算法用于渤海濁度值反演性能優良，因此，本研究運用QAARGR反演算法，選取2013年四個季節代表性月份—春季（4月）、夏季（7月）、秋季（10月）、冬季（1月）的MODIS數據，利用平均法對該月有效數據平均處理得到渤海四個季節濁度的空間分布，結果如圖7所示，圖中有數據缺失處，這是由于海冰、云等因素造成的。濁度的季節分布圖是將的得出的濁度數據去掉陸地部分，將海洋上的有效數據疊加到GOOGLE地圖上保存得到的，由于GOOGLE地圖會定時更新，這樣可以得到更符合實際情況的海岸線。

圖5　2013年2月2日標準QAAv5反演算法與紅綠波段比值反演算法反演的渤海濁度分布

圖6　2013年2月2日標準QAAv5反演算法與紅綠波段比值反演算法在遼東淺灘海域反演的對比

圖7　QAA-RGR反演算法反演的渤海四季濁度分布

從圖7可以看出，在季節變化上，冬季，渤海整體濁度維持在一個較高的水平上，萊州灣、渤海灣、遼東灣海域是濁度的高值區，在渤海海峽中部、渤海靠近秦皇島近海存在低值帶區，萊州灣濁度較高的水體沿山東半島北岸由渤海海峽輸往北黃海；春季，濁度高值區范圍比冬季有明顯的收縮，渤海濁度的高值區主要在黃河河口、渤海灣、遼東灣灣底，渤海海峽中部濁度較低，在遼東淺灘海域濁度相對較高，萊州灣濁度較高的水體向黃海輸送趨勢明顯減弱；夏季，渤海整體的濁度減小為一年中的最小值，渤海大部分海域濁度較低，高值區域進一步縮小，限制在黃河河口、渤海灣沿岸、遼東灣灣底近岸區域；秋季，渤海大部分海域濁度增大，高值區域也由近岸區域擴大至萊州灣、渤海灣、遼東灣灣底等區域，渤海中部的濁度相對較高區域濁度也逐漸增大。

渤海濁度的時空分布變化特征是陸源輸入、季風、躍層、潮流以及環流等因素綜合作用造成的。冬季，渤海常發大風天氣［14］，受季風的影響，容易造成渤海底部沉積物再懸浮［15-16］，同時海水的擾動也阻止了海水中懸浮物的下沉，使濁度增大。渤海水深較淺，會加劇這種作用的效果，使渤海濁度整體維持在較高的水平上。另外，潮流以及環流對沉積物、懸浮物的輸送［17-21］，也會導致濁度升高，高值區域增大。春季，由于季風影響減弱，同時海水躍層逐漸形成［22］，海水的上下混合作用減弱，使濁度值相比冬季減小，高值區域縮小。夏季，由于受南風或東南季風控制，風速較小，海水擾動作用較小，同時躍層的存在也減弱了海水的上下混合［23-24］，渤海大部分海域濁度達到一年中最低值。由于夏季入海徑流流量增大，大量泥沙等陸源物質入海［15，25］，黃河河口、渤海灣沿岸、遼東灣灣底近岸區域仍是濁度高值區。秋季，季風轉換，由南風或東南風逐漸變為北風或西北風，風速增大，海水躍層強度逐漸減弱，使海水的上下混合作用增強，濁度逐漸增大，高值區域也逐漸增大。

3　結論

本文利用MODIS陸地波段數據，利用Chen and Zhang提出的QAA-RGR算法和胡靜雯等得出的后向散射系數與濁度的關系式，印證了QAARGR反演算法反演濁度的有效性，得出了以下結論：（1）通過與匹配的現場濁度數據對比分析，QAA-RGR反演算法反演結果與實測值的相對誤差為12.73%，相比傳統的標準QAAv5反演算法，反演精度提高了近一倍，QAA-RGR反演算法結果更可靠；（2）基于MODIS陸地數據的QAA-RGR反演算法提高了空間分辨率，能清晰地表現出濁度變化的細節特征；（3）利用QAA-RGR反演算法反演得到的2013年四個季節渤海的濁度空間分布，渤海濁度在空間分布上，呈現近岸高、遠岸低的特征，同時渤海濁度季節變化特征明顯，總體態勢是秋冬高、春夏低。渤海濁度的這種時空分布特征除受陸源輸入和河流輸入等的影響外，季風、躍層、潮流以及環流等因素也是造成這種特征分布的重要原因。

致謝：感謝所有出海實驗人員為現場測量數據付出的辛勤勞動，也感謝美國國家航天航空局（NASA）提供的MODIS Aqua數據以及數據處理軟件SeaDAS。

［1］翟世奎，張懷靜，范德江，等.長江口及其鄰近海域懸浮物濃度和濁度的對應關系［J］.環境科學學報，2005，05：693-699.

［2］Lewis J，Eads R.Turbidity-Controlled Suspended Sediment Sampling［J］.Water Resources Research，1996，32（7）：2299-2310.

［3］Rim Katlane，Bouchra Nechad，Kevin Ruddick，et al.Optical Remote Sensing of Turbidity and Total Suspended Matter in the Gulf of Gabes［J］.Arabian Journal ofGeosciences，2013，6（5）：1527-1535.

［4］胡靜雯，陳樹果，張亭祿，等.利用MODIS衛星遙感數據監測東中國海濁度的時空分布［J］.海洋環境科學，2015，04：564-569.

［5］Chen S，ZhangT，Hu L.Evaluation ofthe NIR-SWIR Atmospheric Correction Algorithmfor MODIS-Aqua over the Eastern China Seas［J］.International Journal ofRemote Sensing，2014，35（11-12）：4239-4251.

［6］Chen S，ZhangT.Evaluation ofa QAA-Based AlgorithmUsingMODISLand Bands Data for Retrieval ofIOPs in the Eastern China Sea［J］.Optics Express，2015，23（11）：13953-13971.

［7］Qiu Z，Zheng L，Zhou Y，et al.Innovative GOCI Algorithm to Derive Turbidity in Highly Turbid Waters：A Case Study in the Zhejiang Coastal Area［J］.Optics Express，2015，23（19）：A1179-A1193.

［8］Bailey S W，Werdell P J.A Multi-Sensor Approach for the On-Orbit Validation of Ocean Color Satellite Data Products［J］.Remote SensingofEnvironment，2006，102（1）：12-23.

［9］Wang Menghua.Remote Sensing of the Ocean Contributions from Ultraviolet to Near-Infrared Using the Shortwave Infrared Bands：Simulations［J］.Applied optics，2007，46（9）：1535-1547

［10］Lee Z P，Lubac B，Werdell J，et al.An Update of the Quasi-Analytical Algorithm（QAA_v5）［R］.International Ocean Color Group Software Report，2009.

［11］許東禹，劉錫清，張訓華，等.中國近海地質［M］.北京：地質出版社，1997.

［12］陳義蘭，吳永亭，劉曉瑜，周興華，雷寧.渤海海底地形特征［J］.海洋科學進展，2013（1）：75-82.

［13］朱玉榮.潮流場對渤、黃、東海陸架底質分布的控制作用［J］.海洋地質與第四紀地質，2001，21（2）：7-13.

［14］張子鵬，吳建政，苗豐民，等.遼東灣東部水下沙脊成因機制［J］.海洋地質動態，2008，24（5）：6-13.

［15］傅命佐，徐孝詩，程振波，等.黃渤海海岸季節性風沙氣候環境［J］.中國沙漠，1994，14（1）：31-40.

［16］秦蘊珊，李凡.渤海海水中懸浮體的研究［J］.海洋學報（中文版），1982，4（2）：191-200.

［17］JiangW，Pohlmann T，Sun J，et al.SPMTransport in the Bohai Sea：Field Experiments and Numerical Modelling［J］.Journal ofMarine Systems，2004，44（3）：175-188.

［18］崔廷偉，張杰，馬毅，等.渤海懸浮物分布的遙感研究［J］.海洋學報（中文版），2009，31（5）：10-18.

［19］江文勝，蘇健，楊華，等.渤海懸浮物濃度分布和水動力特征的關系［J］.海洋學報，2002，（Z1）：212-218.

［20］龐重光，李坤，于煒，等.渤海表層懸沙的時空分布特征及其動力成因［J］.海洋科學進展，2014，32（4）：450-458.

［21］Cui T，ZhangJ，GroomS，et al.Validation ofMERIS Ocean-Color Products in the Bohai Sea：A Case Study for Turbid Coastal Waters［J］.Remote SensingofEnvironment，2010，114（10）：2326-2336.

［22］趙保仁，莊國文，曹德明，等.渤海的環流、潮余流及其對沉積物分布的影響［J］.海洋與湖沼，1995，26（5）：466-473.

［23］屠金釗.渤、黃海溫度躍層的分布與變化［J］.海洋通報，1992，11（4）：27-32.

［24］劉哲，魏皓，蔣松年.渤海多年月平均溫鹽場的季節變化特征及形成機制的初步分析 ［J］.青島海洋大學學報：自然科學版，2003，01：7-14.

［25］張勐寧，劉金芳，毛可修，等.中國海溫度躍層分布特征概況［J］.海洋預報，2006，23（4）：51-58.

［26］張經，黃薇文，劉敏光.黃河口及鄰近海域中懸浮體的分布特征和季節性變化［J］.山東海洋學院學報，1985，15（2）：96-104.

Remote Sensing Retrieval Algorithm for the Turbidity in Coastal Waters Using MODIS Land Band Data

WANG Jiang-guo，CHEN Shu-guo，ZHANG Ting-lu
Department of Marine Technology，College of Information Science and Engineering，Ocean University of China，Qingdao 266100，Shandong Province，China

A remote sensing retrieval algorithm is proposed for the turbidity in coastal waters，which applies the moderate imaging spectroradiometer（MODIS）land band data（469，555 and 645 nm）.The retrieval performance has been evaluated using in-situ measurements from the Bohai Sea after applying a strict temporal and spatial matching-up method.The evaluation results demonstrate that the relative error between the results retrieved from the quasi-analytical algorithm based on red-green-band-ratio（QAA-RGR）and in-situ measurements is 12.7%，and that between the results retrieved from the standard quasi-analytical algorithm version 5（QAA-v5）and insitu measurements is 26.4%，proving that the results retrieved from QAA-RGR based on MODIS land band data are more reliable.In addition，the results retrieved from QAA-RGR based on MODIS land band data have a higher spatial resolution and could exhibit much clearer distribution characteristics of turbidity，such as the distribution of sand ridges in the south of Liaodong Bay.Finally，the seasonal distribution characteristics of turbidity in the Bohai Sea are constructed using the QAA-RGR algorithm based on MODIS land band data，and the analysis results show that the distribution characteristics are reasonable.

MODIS；land band；turbidity；remote sensing retrieval；Bohai Sea

P733.3

A

1003-2029（2016）04-0020-06

10.3969/j.issn.1003-2029.2016.04.004

2016-01-15

國家自然科學基金資助項目（41276041）

王建國（1989-），男，碩士研究生，主要從事海洋光學遙感研究。E-mail：wangjg8955@163.com