II類水體懸浮物遙感研究進展

盧世軍

（廣東工程職業技術學院信息工程學院，廣州　510520）

II類水體懸浮物遙感研究進展

盧世軍

（廣東工程職業技術學院信息工程學院，廣州510520）

遙感技術具有監測范圍廣、速度快、成本低等特點，非常適于對水質的長期動態監測，且能發現用常規監測方法通常難以揭示的污染源及其擴散狀態等問題，因此遙感技術正越來越廣泛地應用于水質監測研究領域中。介紹II類水體水質遙感監測的原理，對懸浮物質的遙感反演算法進行歸納總結，以期能為水質光學遙感反演的相關研究提供借鑒。

II類水體；懸浮泥沙；光學遙感反演

0　引言

水是生命之源，地球表面積的70%左右是水域，其中絕大部分是海洋，Morel等根據水體的光學特性不同，提出了I類水體和II類水體的概念（Morel A等，1977）。I類水體主要指大洋開闊水體；II類水體是指光學性質較復雜，水體的光學特性受懸浮泥沙、葉綠素、黃色物質等組分的共同影響，近岸及內陸水體通常屬于II類水體。隨著社會經濟的不斷發展，過度的開墾、開發等活動造成的水土流失等現象，對II類水體造成的污染日趨嚴重，給人們的生產生活帶來了嚴重的影響。在水資源日益緊張的今天，水質的惡化引起了各國政府與科研人員的密切關注及研究。

傳統的水質采樣監測方法能精確的分析和評價采樣點處的各種水質參數，不足之處是該方法只能獲取監測斷面的局部水質信息，無法準確獲取大面積水域的整體水質狀況及變化情況，且費時費力，成本較大。遙感技術具有監測范圍廣、速度快、成本低等特點（譚衢霖等，2000；謝歡等，2006；蔡麗娜等，2008），非常適于對水質的長期動態監測，且能發現用常規監測方法通常難以揭示的污染源及其擴散狀態等問題，因此遙感技術正越來越廣泛地應用于水質監測研究領域中。本文回顧了II類水體中懸浮物光學遙感反演研究的發展歷程，對各種反演算法進行歸納總結。

1　水質遙感原理

當電磁波入射到水體中時，相互之間會發生反射、散射、吸收和透射等過程，如圖1所示。最終被遙感儀器所接收到的總輻射亮度L（λ）可表示為：L（λ）=τ[LS（λ）+LV（λ）+LB（λ）+LP（λ）]（趙英時等，2013），式中，τ為大氣透過率，LS（λ）為水面對入射光（包括入射到水面的天空光和太陽直射光）的反射輻亮度，LV（λ）為水中散射光的向上輻亮度，LB（λ）為水底反射光的輻亮度，LP（λ）為大氣散射光的向上部分（程輻射）的輻亮度。其中LW（λ）=LV（λ）+LB（λ）稱為離水反射輻亮度LW（λ），它包含了水體的相關信息，是水質遙感反演的基礎。但是離水反射輻亮度LW（λ）的值通常很低，即使在晴天條件下，其在遙感器所接收到的總輻射亮度L（λ）中所占的比例也不到10%（趙英時等，2013），因此在進行水質遙感反演前必須首先進行有效的大氣校正。

水質參數光學遙感反演的前提是遙感系統觀測到的水體光譜特征隨著各種水質參數的組分變化而變化。水體的光譜特征主要取決于水體中的各種水質參數：浮游生物含量、懸浮物含量、營養鹽含量以及其他污染物、底部形態、水深、水面粗糙度等因素（蔡麗娜等，2008；趙英時等，2013）。由于水體的透明特征，使得光的反射與散射發生在一定深度的水體中，即水體的光譜特征主要表現為體散射。水體中所含成分不同，對不同波長光的吸收能力和散射能力也相應有一定的差異，最終會反映到反射率、輻照度等參數的改變。對于入水的透射光而言，水分子和溶解性物質微粒會發生瑞利散射，其峰值位于藍光波段；而較大的懸浮物質顆粒則產生米氏散射，其峰值位于黃橙光波段；由水中物質分子吸收光后再發射而引起的拉曼反射，峰值位于橙紅波段（趙英時等，2013）。水體中的水質參數可遙感指標主要有懸浮物（主要為懸浮泥沙，SS）、葉綠素a （Chlorophyll-a）、有色可溶性有機物（CDOM）、化學耗氧量（COD）、總氮（Total Nitrogen，TN）、總磷（Total Phosphorus，TP）等。其中的懸浮物（SS）、葉綠素a（Chl-a）、有色可溶性有機物（CDOM）等可以通過光譜特征直接進行遙感分析，因此在遙感監測水質參數的研究及應用中，對這三種水質參數的提取研究相對比較成熟；其他的水質參數較難找到獨立的光譜特征，需要利用不同物質之間的相關關系間接進行遙感分析（蔡麗娜等，2008）。

圖1　電磁波與水體的相互作用（圖片引自于趙英時等，2013）

目前常用的遙感數據源包括有：美國Terra/Aqua衛星的MODIS數據、美國Obview-2衛星的SeaWiFS數據、歐空局ENVISAT衛星的MERIS數據、美國Landsat系列衛星的TM/ETM+數據、法國SPOT衛星的HRV/VI數據、印度的IRS-1衛星數據、EO-1衛星的ALI數據、NOAA氣象衛星的AVHRR數據以及我國的環境衛星（HJ）數據、資源衛星（ZY）數據、美國EO-1衛星上的Hyperion高光譜數據等。

2　II類水體中的懸浮物遙感研究進展

懸浮物是指懸浮于水體中的不溶性顆粒物，除懸浮泥沙（無機懸浮顆粒物）外，還包括有浮游生物（主要是浮游藻類）、腐殖質、浮游生物死亡后的有機碎屑等。水體中的懸浮物濃度是最重要的水質參數之一，其含量直接影響到水體的透明度、渾濁度、水色等光學性質，不同的水域中水體的反射率光譜特性會因其懸浮物的成分、粒徑分布及濃度等特征的變化而變化。在水質遙感中，浮游植物因具有明確的葉綠素光譜特征而通常被視為水質參數中的一個獨立要素被反演研究，另外對大多數II類水體而言，懸浮物中的主要成份是懸浮泥沙，當前對懸浮物含量的研究也主要是針對懸浮泥沙進行的，因此本文中接下來關于懸浮物的討論均指的是懸浮泥沙。

圖2　不同懸浮泥沙濃度的反射率實測曲線（圖片引自于陳本清等，2009）

已有的研究證明：清潔水體和渾濁水體的反射光譜響應曲線有著明顯的差異，同時隨著懸浮泥沙濃度的增加，水體在可見光及近紅外波段范圍內的反射率也相應增大，反射峰會向長波方向移動，反射峰值波段逐漸變寬，如圖2所示。從圖中可看到，含懸浮泥沙水體在各波長的反射率隨懸浮泥沙濃度增加均有所增加，且存在兩個明顯的反射峰（陳本清等，2009）。第一個反射峰出現在560～720nm波段內，當水體中的懸浮泥沙濃度較低時，反射峰在波長560～590nm范圍內；而當懸浮泥沙濃度較大時，該反射峰則擴展到波長560～ 720nm；對可見光遙感而言，這個反射峰波段對水中懸浮泥沙的反映最敏感，常被氣象衛星和海洋衛星選擇為遙感監測水體渾濁度的波段。第二個反射峰出現在波長800nm附近，隨著懸浮泥沙濃度增加,該反射峰會明顯增強且向長波方向移動，對于近紅外遙感而言，700～900nm波段的反射率對懸浮物濃度變化的反映敏感，是遙感估算懸浮物濃度的最佳波段（Gitelson等，1991；Han等，1994）。

懸浮物是水質遙感中最先被遙感反演的水質參數，早在1973年，Williams就對Chesepeake海灣進行了懸浮泥沙的定量遙感研究，發現了懸浮泥沙含量與遙感數據之間的線性關系；1974年Klemas等將遙感數據應用于Delaware海灣，發現懸浮泥沙含量與陸地衛星影像亮度值之間呈對數關系（黎夏，1992）。應用遙感方法反演水體懸浮物濃度的關鍵是建立水體反射率與懸浮物濃度之間的定量關系，為此國內外學者在對水體懸浮物的定量遙感研究中提出了一系列的反演模型，包括基于輻射傳輸機理的理論模型及基于統計分析的經驗模型、半分析模型等（唐君武等，1997）。另外學者們也發展了基于神經網絡、主成分分析、支持向量機等理論基礎上的反演模型。

2.1經驗模型

經驗模型是在實測數據集的基礎上，通過相關統計分析建立起懸浮泥沙濃度和水體光學性質（通常是反射率）之間的定量關系式。模型的一般形式為：TSS= A+B*f（R），式中的TSS為水體的懸浮泥沙濃度；R表示某一波段處的離水反射率或者某幾個波段的離水反射率組合的某種函數關系（如差值、比值等組合）；f為離水反射率的函數，A、B為通過擬合得到的常系數項，對于不同的實測數據集及不同區域或季節的水體，它們的取值各不相同。經驗模型由于建模算法簡單，適用于任何便于獲取實測數據的水域，因而得到了較廣泛的應用。表1中列出了近年來不同研究者所提出的一些經驗模型。

經驗模型的優點在于建模簡單，只要有充分的實測數據便可快速構建反演模型，并且也能達到較高的反演精度。它的缺點在于需要同步（或準同步）的實測數據來構建模型，且模型的可移植性太差，從表1所列出的模型可發現，針對不同水體、不同遙感數據源建立的模型之間差異很大，在某一水體上建立的模型通常不能直接應用到其它水體，即使是同一水體，根據不同季節的實測數據建立出來的模型也不盡相同。另外對于懸浮泥沙濃度變化范圍很大的水體，用一個通用的經驗模型往往不能得到滿意的反演效果，為此一些研究者提出了不同的分段反演模型，按懸浮泥沙濃度的不同分別采用不同的分段反演算法（A.I.Dogliotti等，2015；曹通等，2013；劉良明等，2006）。

表1　近年來提出的一些懸浮泥沙濃度的經驗反演模型

表2　近年提出的一些懸浮泥沙濃度半分析模型

2.2半分析模型

半分析模型從輻射傳輸模型、生物光學模型出發，綜合考慮光輻射傳輸的物理機制及水體各要素的吸收系數和散射系數等因素，結合實測的光譜數據來建立模型，然后按具體情況進行簡化求解。表2中列舉的是一些研究者提出的半分析模型。

半分析模型建立在對光的輻射傳輸物理機制分析的基礎上，它的物理意義清晰，理論上只要精確測定出水體中各要素的單位吸收系數和單位后向散射系數，便可將模型應用于任何水體的反演。由于在實際應用中，通常會對模型做適當的簡化，例如在淺水區時忽略水底反射光的影響、忽略多次散射因素的影響均會造成對水體離水反射率的高估現象，另外大氣校正效果、鏡面反射影響的消除以及對吸收系數、后向散射系數的測量誤差等都會影響到模型的最終反演精度。由于半分析模型具有清晰的物理意義及適用性強等優點，得到了人們的廣泛研究及應用。

2.3其他

在懸浮泥沙的反演研究中，學者們還運用人工神經網絡、支持向量機等人工智能算法建立了一系列反演模型。人工神經網絡（Artificial Neural Network，ANN）是一種具有較強非線性函數逼近能力的人工智能算法，因其強大的學習和推廣能力而被研究者們應用到水質遙感反演中：何報寅構建了一個廣義回歸神經網絡，利用HJ1B衛星的CCD2數據來反演長江中游城陵磯段水體的懸浮物濃度分布（何報寅等，2014）；Chen建立神經網絡模型利用MODIS數據來反演中國東部沿海水域的總懸浮物濃度（Jun Chen等，2015）；Ioannis Ioannou在已有的研究基礎上，利用Hydrolight5模擬數據集構建了一個神經網絡算法，用于求取懸浮物質及可溶解性物質的吸收系數（Ioannis Ioannou等，2013）；Motoaki利用ASTER數據基于神經網絡模型同時反演東京灣水色三要素的濃度（Motoaki Kishino等，2005）。神經網絡算法的特點是將各波段的遙感反射率作為算法輸入，則算法的輸出就是所需反演的水色要素濃度，整個算法的運算是自動執行的。但是它需要一定數量的實測數據對模型進行訓練，當訓練集的樣本數太少時，模型的反演精度將難以保證。因模型的構建要依賴于實測的數據集及傳遞函數的選取，因此它的可移植性不高。建立在結構風險最小化原則與VC維（Vapnik-Chervonenkis Dimension）理論基礎上的支持向量機（Support Vector Machine，SVM）算法，在小樣本情況下的性能表現良好。何報寅在反演長江中游岳陽段水體懸浮物濃度時，建立了FOA-SVM算法，利用SVM在小樣本下的良好性能及果蠅優化算法（FOA）對模型參數的優化來提高模型的精度及穩定性（何報寅等，2015）。另外，Chih-Hua Chang、陶菲等分別利用遺傳算法（GA）和主成分分析（PCA）等算法實現了對II類水體中的懸浮泥沙含量的遙感反演研究（Chih-Hua Chang等，2007；陶菲等，2007）等。

4　結語

通過遙感技術反演水質參數，進行水質監測的研究工作已經開展了較長時間，目前對II類水體中懸浮泥沙的研究已經較為深入，得到了一些反演效果較好的模型。但是總體來說目前模型的通用性仍然不夠，這也成為了遙感方法成功應用于II類水體水質監測工作中的瓶頸問題。另外，目前常用的遙感數據源的空間分辨率仍然較低，體現在當前的研究區域多集中于河口、近岸海域及一些較大面積的湖泊水體中，這對于利用遙感技術進行內陸水體的水質遙感研究帶來了極大的限制。隨著衛星技術與傳感器技術的迅速發展，多類別、高分辨率、高光譜的遙感數據將會越來越多的應用到II類水體的水質遙感反演中，它們將使內陸小面積水體的成為可遙感監測的目標，在結合多個衛星遙感數據源的基礎上，將使連續、定量的水質遙感監測成為可能。

[1]蔡麗娜，劉平波，智長貴.水質遙感監測方法的探討[J].測繪與空間地理信息，2008，34（4）:68-73.

[2]趙英時等，編著.遙感應用分析原理與方法（第二版）[M].北京:科學出版社，2013.

[3]陳本清，楊燕明.基于光譜混合模型的河口表層懸浮泥沙濃度衛星遙感反演研究[J].遙感技術與應用，2009，24（4）:469-477.

[4]黎夏.懸浮泥沙遙感定量的統一模式及其在珠江口中的應用[J].環境遙感，1992，7（2）:106-114.

[5]朱樊，歐素英，張鑠涵，等.基于MODIS影像的珠江口表層懸沙濃度反演及時空變化分析[J].泥沙研究，2015，2:67-73.

[6]Minwei Zhang，Qing Dong，Qing Dong，et al.Suspended Sediment Monitoring and Assessment for Yellow River Estuary from Landsat TM and ETM+imagery[J].Remote Sensing of Environment，2014，146：136-147.

[7]林承達，周斌，馬琪，姜萌薪.基于遙感反演長江中游地區懸浮泥沙研究[J].長江流域資源與環境，2014，23（8）:1119-1124.

[8]Isabel Caballero，Edward P.Morris，Javier Ruiz，et al.Assessment of Suspended Solids in the Guadalquivir Estuary Using New DEIMOS-1 Medium Spatial Resolution Imagery[J].Remote Sensing of Environment，2014，146:148-158.

[9]Jong-Kuk Choi，Young Park，Bo Ram Lee，et al.Application of the Geostationary Ocean Color Imager（GOCI）to Mapping the Temporal Dynamics of Coastal Water Turbidity[J].Remote Sensing of Environment，2014，146:24-35.

[10]A.I.Dogliotti，K.G.Ruddick，B.Nechad，et al.A Single Algorithm to Retrieve Turbidity from Remotely-Sensed Data in all Coastal and Estuarine Waters[J].Remote Sensing of Environment，2015，156:157-168.

[11]鄧孺孺，何執兼，陳曉翔.基于二次散射的水污染遙感模型及其在珠江口水域的應用[J].海洋學報，2003，25（6）:69-78.

[12]Jun Chen，Wenting Quan，Tingwei Cui，et al.Estimation of Total Suspended Matter Concentration from MODIS Data Using a Neural Network Model in the China Eastern Coastal Zone[J].Estuarine,Coastal and Shelf Science，2015，155:104-113.

[13]何報寅，張文等.基于FOA-SVM方法的長江中游懸浮物濃度遙感反演研究[J].長江流域資源與環境，2015,24（4）:647-652.

Case II Water;Suspended Sediment;Remote Sensing Inversion

Research Progress on the Retrieval of Suspended Sediment from II Water

LU Shi-jun

（College of Information Engineering,Guangdong Engineering Polytechnic,Guangzhou510520）

Remote sensing technique has wide monitoring range,fast speed,low cost,very suitable for long-term dynamic monitoring of water quality,and can find problems with conventional monitoring methods are often difficult to reveal the source of pollution and its diffusion state, so remote sensing technology is widely applied in the field of water quality monitoring.Briefly introduces the principle of II water quality remote sensing monitoring,and summarizes the remote sensing retrieval algorithm of Suspended Sediment in water,so as to provide reference for the relevant research of water quality optical remote sensing retrieval.

1007-1423（2016）32-0034-06

10.3969/j.issn.1007-1423.2016.32.008

盧世軍（1975-），男，湖南永州人，高級工程師，碩士，研究方向為水質遙感

2016-09-13

2016-11-10