基于Landsat 8 OLI數據的后海水深反演

薛 峭,梁 開,甘華陽,陳太浩

(廣州海洋地質調查局,廣州 510760)

基于Landsat 8 OLI數據的后海水深反演

薛 峭,梁 開,甘華陽,陳太浩

(廣州海洋地質調查局,廣州 510760)

以海南后海淺水區域為研究區,分析了Landsat 8 OLI多光譜數據和實測水深值的關系,建立了OLI數據單波段反射率和反射率比值的淺海水深反演方法.研究表明：OLI遙感影像的第1、第2和第3波段反射率和水深有較好的相關性;研究區17米水深以淺,第2和第3波段的反射率比值與水深具有最佳的線性關系,決定系數達到0.93,平均相對誤差僅為6.42%.利用OLI數據結合少量的實測水深數據可有效的獲取海岸帶淺水區域的水下地形信息.

Landsat 8 OLI;后海;遙感;水深

0 引言

海岸帶近岸水下地形信息是海岸帶工程建設、交通航運、漁業養殖、科學研究的基礎資料,在經濟活動以及自然環境保護方面具有重要的意義[1].傳統的水深獲取方法是以船舶為載體,采用單波束、多波束等物理測量手段實施,雖可獲取高精度的測深數據,但耗時長、費用高、覆蓋面有限.

遙感具有大范圍、長期對地觀測的優勢,加之可見光具有較高的大氣透射率和較低的水體衰減,使得利用可見光遙感的水深獲取成為可能[2].可見光波段測深原理是基于光線對水體的穿透,當水體清澈時,水體后向散射較小,太陽輻射能穿透到底部并反射回傳感器,根據傳輸路徑提取出水深信息[3-4].

利用遙感的水深測量方法起源較早,隨著遙感技術的進步,遙感測深的精度和最大可測深度都有了很大提高,實用性增強.田慶久等[5]利用實測光譜和水深資料分析對水深信息敏感的波長,用TM影像的第三、第四波段建立江蘇近海輻射沙脊群海域的水深反演模型,證明對0～15m水深具有較高的精度;閆峰等[6]以長江口南港至南槽為實驗區,建立了考慮懸浮泥沙含量的BP人工神經網絡水深反演模型,獲取實驗區的水深;龐治國等[7]利用高光譜成像儀確定了可見光反演水深的最佳波段,分析了HJ衛星CCD數據的各波段反射率、波段比值組合對水深的敏感度,建立了烏蘇里江的單波段水深反演方法,整體精度達到80%以上;黃家柱等[8]采用TM數據開展水深測量實驗,建立了含沙量較高的長江南通河段淺部區域的水深計算方法.

新型傳感器的使用為遙感水深反演精度的提高、實用性的增強提供了可能.本文以海南后海淺水區域為研究區,分析了Landsat 8 OLI數據和單波束測深值的關系,建立了OLI數據單波段反射率和反射率比值的淺海水深反演方法,獲取了后海近岸的水深圖,并分析了使用OLI數據反演水深的可行性.

1 研究區

研究區位于海南省萬寧市后海近岸淺水區域,北部為海南省最大的瀉湖內海—小海.海岸線北至大花角,南至馬騮角,海岸類型為砂質岸線,長度約為30km,海域面積約為180km2,大部分水域水深在30m以淺.海域有兩個島嶼,北部為甘蔗島,南部是海南近岸最大的島嶼—大洲島,被譽為“南海明珠”,是國家級的海洋生態系統自然保護區(圖1).

圖1 研究區

2 數據

2.1多光譜遙感影像

本研究采用的遙感影像為Landsat 8 OLI多光譜數據,軌道號為123/47,成像日期為2014年9月4日,時間是02:59:36(GMT),成像時太陽高度角為64.13°,方位角為113.07°.衛星搭載了陸地成像儀OLI(Operational Land Imager)和熱紅外傳感器TIRS(Thermal Infrared Sensor).其中,OLI獲取的數據為可見光至近紅外波長的多光譜數據.相對于Landsat ETM+,OLI增加了用于海岸帶觀測的海岸波段(第一波段)和用于云檢測的卷云波段(第九波段),并調整了各波段的波長范圍.影像具有較高的光譜分辨率和空間分辨率[9],OLI數據的詳細信息見表1.

表1 Landsat 8 OLI數據參數

本文使用的遙感影像為L1T級產品,經過了系統的輻射糾正、幾何糾正等處理.筆者采用FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hyper cubes)大氣校正模型對OLI數據進行大氣校正,將影像的DN值轉換為表觀輻亮度,再進一步轉換為海水反射率.選取的大氣模式為熱帶,氣溶膠模式為海洋型,大氣能見度為40千米,其余參數在影像的元數據文件里查詢.大氣校正減弱了大氣對遙感影像的影響,提高了地物的辨識度,使得地物在影像上的對比度有了顯著提高.

FLAASH大氣校正模型采用的算法是改進的MODTRAN輻射傳輸模型,使用圖像像素光譜上的特征取代遙感成像時的實測大氣參數來估算大氣的屬性,可有效去除水蒸氣和氣溶膠的散射效應;采用像素尺度的校正,能夠消除目標像元和鄰近像元交叉輻射的鄰近效應,獲得較準確的地物反射率[10-11].

2.2實測水深數據

采用單波束實施水深測量,使用的儀器為SDE-28S高頻測深儀,工作頻率200kHz,發射功率500W,測深范圍0.3～600 m,測深精度±1 cm±0.1%D(D為水深,以米為單位),分辨率0.01 m,吃水調整范圍0.0～9.9 m,聲速調整范圍1300～1700 m/s.

采用“由由行”導航測深系統,該系統具有測線導航、目標導航和實時水深測量功能.記錄的導航數據包括點號、地理坐標、平面坐標、水面大地高程、水底大地高程、HDOP、數據采集時間.顯示裝置則直接顯示工作時的點位坐標、航向、航速、船姿、瞬時水深.

水深測量時間為2014年4月17日,測深點共計5966個,測深點間距多數位于4 m～6 m之間.利用實測潮汐數據,用瞬時水深減去測量時的潮高,把水深值校正到潮高基準面,校正之后的水深范圍是0.75～17 m,平均水深值為9.3 m.

3 水深反演

3.1模型建立

Landsat 8 OLI影像像元大小為30米,單波束測深航跡線經過的每個像元內均有多個測深點.取像元內測深點的水深均值作為該像元位置處的水深值.像元數目共計1159個,作為分析多光譜反射率和水深之間關系的控制像元.

圖2 OLI反射率與水深的關系

根據反射率與其對應的像元水深值的分布,發現第1、第2、第3波段的反射率(分別以R1、R2、R3表示)與其位置處的水深值具有較好的相關性.隨著反射率的增加水深呈減小趨勢,并且水深變化的速率變緩.隨波長的增加,反射率分布的中心值減小,反射率的分布范圍變寬.具體的表現為R1與水深的散點聚集程度高,且聚集的中心值高于R2和R3.R1、R2、R3與水深的關系可用指數、對數、高階多項式等多種函數來表達,本文選取對數擬合函數,如圖2A、2B、2C所示.

R1、R2、R3之間的比值與水深則呈現明顯的線性關系.隨著R1/R2、R1/R3、R2/R3的增大,水深逐漸增加,且增加的速率較為一致.本文使用線性關系式來表示這種變化趨勢(如圖2D、2E、2F所示).

從單波段反射率與水深的關系圖看出,有少量像元的反射率和水深的分布關系與它們總體的趨勢偏差較大,尤其是R1、R2與水深的關系(圖2A、2B).然而在波段比值與水深的關系中,這種偏離趨勢的像元數量明顯減少,特別是R1/R3、R2/R3與水深的關系圖(圖2E、2F).因此,采用波段反射率比值的方法能夠抑制影像的噪聲.

3.2模型精度

筆者分別采用對數、線性函數擬合反射率、反射率比值與水深的關系,獲取不同的水深反演方法,得到的具體公式見表2.選擇四個統計量對擬合得到的方法進行精度評價[12-13]：決定系數、平均絕對誤差(MAE)、均方根誤差(RMSE)和平均相對誤差(MRE).其中:

表2 擬合得到的方法及其誤差

從圖2及表2看出,研究區0至17米水深范圍內,OLI數據前三個波段的反射率R1、R2、R3與水深值存在著較高的相關性.采用對數關系擬合反射率與其對應水深值,決定系數分別達到0.51、0.67和0.88;平均絕對誤差分別達到1.49米、1.16米和0.75米;均方根誤差分別為1.43米、1.22米和0.68米;平均相對誤差分別為22.26%、17.57%和10.17%.

然而,研究區0至17米水深范圍內,OLI數據前三個波段反射率比值與水深呈明顯的線性關系.其反射率比值R1/R2、R1/R3、R2/R3與水深的線性擬合的決定系數分別達到0.81、0.93和0.93;平均絕對誤差分別達到0.92米、0.57米和0.56米,均方根誤差分別達到0.92米、0.54米和0.53米,平均相對誤差分別為13.58%、6.99%和6.42%.

綜合來看,單波段中第三波段的反射率R3與水深的相關性最好,其次是R2,最后是R1.反射率比值擬合方法中R2/R3的反射率比值與水深的相關性最好,其次是R1/R3,最后是R1/R2.反射率比值的擬合方法總體優于單波段的擬合方法.在實際應用中可以選擇R1/R3和R2/R3擬合到的關系作為水深反演的方法,本文選擇R2/R3擬合得到的函數作為研究區水深計算的方法.

3.3反演結果

首先對研究區遙感影像水陸分離,提取出海水區域.水體對近紅外波段的吸收十分強烈,反映在OLI影像上則是近紅外波段水體的反射率很低,而陸地植被及砂質岸線的反射率很高.取第六波段反射率10%作為分割的閾值,有效的分離出海域水體,少量的陸地水體也被分離了出來.

針對海域水體,以表2中R2/R3作為因子擬合得到的水深反演方法獲取后海近岸的水深,將水深以不同的顏色表示(圖3).從圖上可以看出,海底地形受海岸的制約明顯,水深總體趨勢表現為自西北往東南增大.大洲島南部近岸水深較深,北部近岸水深較淺,北部的西側有一處淺灘.與海圖作對比表明,15米以淺的水深反演結果精確度較高、15～17米的可靠性次之、17米以上的誤差較大.

圖3 水深反演結果

制約遙感水深反演精度的因素主要有以下幾個方面：

(1)水深數據采集及處理.采集的瞬時水深具有較高的精度,需要詳細的實測潮位數據將其校正到理論最低潮面.另外,單波束測深線沿岸布設,沒能獲取17米以上的水深,難以建立深水區域的光譜特性和實測水深的關系;

(2)海水的光學性質差異.海水光學性質不僅由純水本身決定,還受到浮游植物、懸浮物質、黃色物質的影響[14].再加上風浪、薄云、船舶等因素,海水在遙感影像上呈現復雜的光譜特征,給基于遙感的水深反演帶來干擾;

(3)影像大氣校正的誤差.受到大氣校正模型精度的限制,難以完全消除大氣對遙感影像的影響,獲取真實的海水反射率.尤其是藍光波段,氣溶膠對藍光的影響大,大氣對藍光波段的瑞利散射作用也最強,大氣校正的可靠性偏低[15];

(4)影像的分辨率.遙感影像的空間分辨率和光譜分辨率制約水深反演的可靠性,高分辨率和高光譜分辨率的影像將進一步提高水深反演的精度.同樣,衛星較短的重訪周期也有助于獲取有利氣象條件下的遙感影像,這對于海南等多云雨地區的遙感水深反演具有重要意義.

4 結論

本文在海南后海近岸開展遙感水深測量實驗,采用Landsat 8 OLI多光譜數據和實測的單波束測深數據,通過回歸分析建立了海水反射率與水深的關系式,估算研究區的水深分布.研究表明：(1)OLI遙感影像的第1、第2和第3波段反射率和水深有較好的相關性,第3波段反射率與水深的相關性最高;(2)研究區17米水深以淺,OLI數據第2和第3波段的反射率比值與水深具有最佳的線性關系,決定系數達到0.93,平均相對誤差僅為6.42%;(3)利用OLI數據結合少量的實測水深資料可有效的獲取海岸帶淺水區域的水下地形信息.

[1]李由明,邱清波,王平,等.對蝦養殖廢水對潮間帶生態系統中有機物含量的影響[J].瓊州學院學報,2015,22(5):71-76.

[2]胡蕾秋,劉亞嵐,任玉環,等.SPOT5多光譜圖像對南沙珊瑚礁信息提取方法的探討[J].遙感技術與應用,2010,25(4):493-501.

[3]張春桂,曾銀東.臺灣海峽海水透明度遙感監測及時空變化分析[J].氣象與環境學報,2015,31(2):73-81.

[4]BABAN S.M.J..The evaluation of different algorithms for bathymetric charting of lakes using Landsat imagery[J].International Journal of Remote Sensing,1993(14):2263-2273.

[5]田慶久,王晶晶,杜心棟.江蘇近海岸水深遙感研究[J].遙感學報,2007,11(3):373-379.

[6]閆峰,王艷姣.基于泥沙因子的水深遙感反演模型[J].Lake Sci.(湖泊科學),2008,20(5):655-661.

[7]龐治國,李琳,潘世兵.烏蘇里江水深遙感反演[J].中國科學:信息科學,2011,41(增刊):187-192.

[8]黃家柱,尤玉明.長江南通河段衛星遙感水深探測試驗[J].水科學進展,2002,13(2):235-238.

[9]田震,馬毅,張靖宇,等.基于Landsat-8遙感影像和LiDAR測深數據的水深主被動遙感反演研究[J].海洋技術學報,2015,34(2):1-8.

[10]楊杭,張霞,帥通,等.OMSI-II圖像大氣校正之FLAASH法與經驗線性法的比較[J].測繪通報,2010,(8):4-6.

[11]韓曉慶,蘇藝,李靜,等.海岸帶地區SPOT衛星影像大氣校正方法比較及精度驗證[J].地理研究,2012,31(11):2007-2016.

[12]王晶晶,田慶久.基于TM圖像的近海岸帶水深反演研究[J].遙感信息,2006(6):27-30.

[13]葉小敏,鄭全安,紀育強,等.基于TM影像的膠州灣水深遙感[J].海洋測繪,2009,29(2):12-19.

[14]王夢茵,胡啟偉.基于遙感的南海北部夏季上升流對漁業資源的影響[J].海南熱帶海洋學院學報,2017,24(2):22-29.

[15]劉偉剛,郭鈮,李耀輝,等.基于FLAASH模型的FY-3A/MERSI數據大氣校正研究[J].高原氣象,2013,32(4):1140-1147.

OffshoreWaterDepthRetrievalofHouhaiBasedonLandsat8OLIData

XUE Qiao, LIANG Kai, GAN Hua-yang, CHEN Tai-hao

(Guangzhou Marine Geological Survey, Guangzhou 510760, China)

By taking Houhai offshore as a typical study area, the relationship between Landsat 8 OLI multi-spectral data and situ water depth was analyzed.The water depth retrieval methods were established by using signal band reflectance and the ratio of reflectance, respectively.The results showed that the reflectance of the first three bands has close relationship with water depth.With the depth less than 17 m within the study area, the reflectance ratio of the second and the third band have the best linear relationship with water depth—the coefficient of determination is 0.93, and the average relative error is as low as 6.42%.It is possible to get shallow water depth in coastal zone by using OLI data together with some situ measurements.

Landsat 8 OLI; Houhai; remote sensing; water depth

格式：薛峭,梁開,甘華陽,陳太浩.基于Landsat 8 OLI數據的后海水深反演[J].海南熱帶海洋學院學報,2017,24(5):63-68.

2017-09-28

國土資源公益性行業科研專項(201011019-04);中國地質調查局國家海洋地質專項(1212010914020)

薛峭(1987-),男,江蘇徐州人,廣州海洋地質調查局工程師,碩士,研究方向為遙感與GIS應用.

TP79

A

2096-3122(2017) 05-0063-06

10.13307/j.issn.2096-3122.2017.05.11

(編校曾福庚)