基于Sentinel衛星的渾濁水體葉綠素反演對比研究
——以鄱陽湖為例

李亭亭， 田禮喬， 李 建， 張 琍， 孫兆華

(1.武漢大學 測繪遙感信息工程國家重點實驗室， 武漢 430079；2.武漢大學 遙感信息工程學院， 武漢 430079；3.江西師范大學 鄱陽湖濕地與流域研究教育部重點實驗室， 南昌 330022；4.中國科學院 邊緣海與大洋地質重點實驗室 南海海洋研究所， 廣州 510301)

基于Sentinel衛星的渾濁水體葉綠素反演對比研究
——以鄱陽湖為例

李亭亭1， 田禮喬1， 李 建2*， 張 琍3， 孫兆華4

(1.武漢大學 測繪遙感信息工程國家重點實驗室， 武漢 430079；2.武漢大學 遙感信息工程學院， 武漢 430079；3.江西師范大學 鄱陽湖濕地與流域研究教育部重點實驗室， 南昌 330022；4.中國科學院 邊緣海與大洋地質重點實驗室 南海海洋研究所， 廣州 510301)

Sentinel-2A衛星、Sentinel-3A衛星分別于2015年6月和2016年2月成功發射，其上搭載的MSI、OLCI傳感器的空間分辨率、時間分辨率、波段設置等在內陸水體水環境遙感研究中具有較大的應用潛力.針對渾濁水體葉綠素的反演難題，以鄱陽湖為例，基于光學分區理論并結合同步實測數據，探討了Sentinel系列衛星數據在湖泊葉綠素a遙感反演的可行性.研究表明：1) 對于Sentinel-2A MSI數據，鄱陽湖北湖區以[1/Rrs(665)-1/Rrs(705)]*Rrs(740)作為反演因子構建的三波段模型擬合效果最好，決定系數R2是0.65，平均相對誤差是38.53%；鄱陽湖南湖區差值模型Rrs(705)-Rrs(665)反演結果最好，R2是0.63，相對誤差是39.87%.2) 對于Sentinel-3A OLCI數據，鄱陽湖北湖區以[1/Rrs(665)-1/Rrs(673.75)]*Rrs(753.75)作為反演因子構建的三波段模型擬合效果最好，R2為0.65，平均相對誤差為37.6%；鄱陽湖南湖區差值模型Rrs(708.75)-Rrs(665)反演結果最好，R2是0.62，平均相對誤差為39.6%.3) Sentinel系列衛星的分區模型能在一定程度上解決鄱陽湖部分渾濁水體區域葉綠素反演不成功的問題，后續將研究更高精度的反演模型方法.

Sentinel衛星； 光學分區； 葉綠素a濃度； 鄱陽湖

國內也有不少學者利用各種傳感器數據對鄱陽湖葉綠素反演進行了研究，如馮煉等提出了一種新的針對MERIS的鄱陽湖葉綠素濃度經驗算法，探討了鄱陽湖葉綠素分布的時空規律和富營養化問題[3]；黃靈光等人研究了Landsat8 OLI衛星數據在鄱陽湖葉綠素a遙感反演的可行性[4].常用的水色傳感器MODIS雖然具有較高的信噪比[5]，但是千米級的空間分辨率限制了其在較小水域面積中的應用，而Landsat系列衛星雖然有30 m的空間分辨率，但是其有限的光譜設置和較低的信噪比依然不能很好地解決在渾濁水域的葉綠素a濃度反演問題[3].因此，有必要探討新的衛星傳感器數據在鄱陽湖葉綠素反演方面的問題.

Sentinel-2A衛星其時間分辨率為10 d，所搭載的MSI(Multi-Spectral Instrument)傳感器共有13個光譜波段.可見光到近紅外波段的空間分辨率為10 m，紅邊和短波紅外波段空間分辨率為20 m(https://sentinel.esa.int/web/sentinel/user-guides/sentinel-2-msi)，是進行內陸水體遙感研究的有效數據源之一.

Sentinel-3A衛星上搭載的OLCI(Ocean and Land Colour Instrument)傳感器是在MERIS的基礎上發展而來的，對海岸帶和陸地的空間分辨率是300 m，與MERIS相比，其時間分辨率提高至2 d，光譜波段由15個增加至21個，而且還專門新增了一個葉綠素熒光反演波段(中心波長673.75 nm)(https://sentinel.esa.int/web/sentinel/user-guides/sentinel-3-olci)，可被廣泛應用于水色遙感研究等方面.

本文以鄱陽湖為研究區域，結合2009年10月和2011年7月鄱陽湖現場實測數據，基于光學分區思想，建立了Sentinel衛星鄱陽湖葉綠素分區反演模型，對比分析了Sentinel系列衛星在鄱陽湖葉綠素濃度反演結果，以嘗試解決鄱陽湖部分渾濁水體區域葉綠素反演不成功的問題[3].

1 研究區域與數據

1.1 研究區概況

鄱陽湖是中國第一大淡水湖，地處江西省北部，長江中下游南岸，位于28°22′N～29°45′N，115°47′E～116°45′E(見圖1).其北部湖區狹長，南部相對面積較大，是一個過水性、吞吐型、季節性的內陸湖泊[6].由于季節性漲退水，其水位發生明顯的變化，豐水期水域面積可達4 000 km2以上，枯水期湖面面積減小至幾百平方公里.隨著經濟快速發展以及生活污水大量排放等，其水環境形勢比較嚴峻，近年來鄱陽湖也有著水體營養化的趨勢[7]，因此利用遙感技術對鄱陽湖葉綠素a的監測具有重要意義.

1.2 實測數據獲取和處理

野外光譜測量采用的是美國SVC公司的HR-1024光譜儀，其可在350 nm至2 500 nm光譜范圍內連續測量，其中350 nm到1 000 nm之間其光譜采樣間隔是1.5 nm.根據NASA推薦的觀測幾何：即儀器觀測平面與太陽入射平面夾角為135°，儀器與海面法線夾角為40°，采用水面以上測量方法觀測，最終處理得到遙感反射率數據[8-10].

室內葉綠素濃度測定采用的是RF-5301熒光分光光度計，首先用GF/F玻璃纖維濾膜過濾野外采集的水樣，將濾膜置于冰箱中低溫放置，測量時拿出用90%的丙酮萃取，萃取液經過離心后放置冰箱靜置24 h，并取出上清液裝入比色皿中用熒光計進行測量，最后計算得到濃度數據[3].

那個時候鄭軍里的畫確有唐畫的富麗氣象，筆墨的清新格調及馬和人物的風姿，卓然而立于那個時候難見突破的中國畫領域，尤其洞開廣西少數民族人物畫沉悶的思維和視覺。這種新風格跟80年代以來的那種趨新求變完全不同，有令人心悅誠服的筆墨技巧，借古開今，畫面格調閃耀著強烈溫暖的時代光芒。

由于部分數據的質量問題，在剔除異常點后，最終選擇了75組野外觀測數據，觀測站點分布如圖1所示.

圖1 鄱陽湖觀測站點分布圖Fig.1 Location of sampling stations in the Poyang Lake

1.3 遙感數據獲取和處理

1.3.1 遙感數據獲取 Sentinel-2A和Sentinel-3A衛星數據均可通過Sentinel數據的分發系統(https://scihub.copernicus.eu/)免費獲取，兩者波段設置對比見表1.

表1 Sentinel衛星波段設置對比

續表1

1.3.2 遙感數據預處理 海洋水色衛星傳感器接收到的輻射能量80%以上來自大氣的干擾，而來自水面的輻射只有3%～15%，因此，如何消除大氣程輻射的影響，獲取有效的離水輻射信息，實現遙感數據的大氣校正是水色遙感信息提取中必不可少的關鍵技術之一[11].

Sentinel-2A MSI傳感器大氣校正采用的是SNAP內置大氣校正模塊sen2cor，它采用的是基于影像的半經驗大氣校正方法，故用此模塊算法進行大氣校正時無需提供氣象參數，大氣校正所需的信息可以通過內置的查找表內插獲取(http://step.esa.int/thirdparties/sen2cor/2.4.0/Sen2Cor_240_Documenation_PDF/S2-PDGS-MPC-L2A-SRN-V2.4.0.pdf)，具體流程見圖2.

圖2 sen2cor模塊大氣校正流程圖Fig.2 Atmospheric correction flow chart of Sen2cor module

Sentinel-3A OLCI傳感器大氣校正采用的是SNAP內置的大氣校正處理模塊C2RCC(Case-2 Regional / Coast Colour)，其大氣校正理論基礎是神經網絡算法[12].通過大量的樣本訓練，可以得到各種光學特性參數和水質參數，如遙感反射率、葉綠素濃度等.具體流程見圖3.

圖3 C2RCC模塊大氣校正流程圖Fig.3 Atmospheric correction flow chart of C2RCC module

2 葉綠素反演模型研究

2.1 光學分區理論

鄱陽湖是一個以懸浮泥沙為主的高渾濁的湖泊，懸浮顆粒物的特性在很大程度上影響著水體的光學特性.鄱陽湖通常以都昌和吳城間的松門山島(29°12′N，116°10′E)為界，被劃分為南北兩湖(如圖1所示).研究表明，鄱陽湖南北湖區懸浮顆粒物特性差異很大，從而在一定程度上導致南北湖區光學特性的差異[13].由表2可知，枯水期鄱陽湖懸浮顆粒物的粒徑(Dv50和Dv90)動態范圍大，南部湖區粒徑大于北部，呈現顯著的區域性差異.

故本文基于光學分區思想，探討建立了具有一定適應性和穩定性的鄱陽湖分區反演模型[3].

表2 鄱陽湖枯水期南北部水體懸浮顆粒物粒徑統計表[13]

注：Dv50和Dv90表示有50%和90%的顆粒物粒徑小于該數值.

2.2 葉綠素a反演模型

結合Sentinel系列衛星數據的波段設置和影像數據大氣校正的結果，對2009年10月和2011年7月的實測光譜數據進行光譜積分計算兩衛星數據各波段的等效反射率，并且進行模擬建模.基于光學分區理論，其中北湖區選擇了38個實測數據點進行建模，南湖區選擇了37個實測數據點進行建模.

利用實測數據模擬Sentinel-2A傳感器波段數據，構建葉綠素反演模型.由表3可知，鄱陽湖北湖區以[1/Rrs(665)-1/Rrs(705)]*Rrs(740)作為反演因子構建的三波段模型擬合效果最好，南湖區差值模型Rrs(705)-Rrs(665)模擬結果最好，決定系數R2分別為0.65、0.63，相對誤差分別為38.53%、39.87%.

利用實測數據模擬Sentinel-3A OLCI傳感器波段數據，構建葉綠素反演模型.由表3可知，鄱陽湖北湖區以[1/Rrs(665)-1/Rrs(673.75)]*Rrs(753.75)作為反演因子構建的三波段模型擬合效果最好，南湖區差值模型Rrs(708.75)-Rrs(665)擬合結果最好，其決定系數分別是0.65、0.62，模型的相對誤差分別是37.6%、39.6%.

由表3可知，鄱陽湖北湖區模型精度高于南湖區，Sentinel-2A衛星的反演精度高于Sentinel-3A衛星，可能的原因是本文分區模型的建立是基于2009年和2011年的實測遙感反射率和葉綠素濃度，而并不是利用Sentinel衛星影像大氣校正結果.

表3 Sentinel衛星分區反演模型模擬結果

圖4 鄱陽湖分區反演最優模型Fig.4 Optimal partition inversion model for the Poyang Lake

3 鄱陽湖葉綠素反演和對比分析

3.1 Sentinel衛星葉綠素反演對比

利用上述分區模型，選取了2016年11月3日、2017年2月11日兩景Sentinel-2A MSI影像和同步的Sentinel-3A OLCI影像，對影像進行了預處理(大氣校正、重投影)，并將Sentinel-2A數據重采樣成300m，以便與Sentinel-3A數據的反演結果進行定量的對比.結合衛星的波段設置，將鄱陽湖葉綠素的分區反演模型應用于兩種不同衛星影像，并以Sentinel-2A的反演結果作為參考，通過計算兩者的相對偏差來評估兩衛星傳感器在鄱陽湖葉綠素反演方面的一致性.

如圖5所示，兩衛星傳感器的葉綠素反演結果在空間分布趨勢上具有較好的一致性，由第三列的偏差分布圖可知，兩個衛星傳感器數據反演結果大體上吻合良好.由圖6相對偏差柱狀圖和葉綠素分布柱狀圖可知，兩者反演結果的相對偏差不超過40%的水體區域面積高達70%～90%.鄱陽湖中部和東部靠近陸地部分葉綠素值相差較大可能是由于大氣校正方法不同、成像時間差異等原因造成的.

圖5 鄱陽湖MSI和OLCI影像葉綠素a反演結果及偏差對比分布圖Fig.5 MSI and OLCI image of Chlorophyll-a inversion results for Poyang Lake with error comparison distribution

3.2 鄱陽湖葉綠素反演

利用上述模型，對2016年3月28日的Sentinel-2A MSI影像，2017年3月2日的Sentinel-3A OLCI影像進行了葉綠素濃度反演，結果如圖7所示.

從圖7可以看出，鄱陽湖水體葉綠素濃度總體相對不高.鄱陽湖葉綠素濃度較高區域主要分布在鄱陽湖區西部、東部、以及南部地區.北湖區葉綠素濃度相對較低可能是由于懸浮泥沙的濃度較大，限制了光線的透射傳輸，阻礙了浮游植物的生長；而東西部和南部葉綠素濃度較高可能是由于水體之間交換程度差，以及生活污水等通過支流進入鄱陽湖，適合浮游植物生長，從而導致葉綠素濃度偏高[3].

圖6 反演結果相對偏差分布柱狀圖Fig.6 Histogram for the relative deviation distribution of inversion results

圖7 Sentinel衛星影像鄱陽湖葉綠素a濃度分布圖Fig.7 Sentinel images of chlorophyll a concentration distribution of in Poyang Lake

4 結論

本文利用鄱陽湖的實測光譜和葉綠素濃度數據，基于光學分區思想，并結合Sentinel-2A和Sentinel-3A衛星的遙感數據，建立了鄱陽湖的分區反演模型，分析比較了Sentinel系列衛星影像在鄱陽湖葉綠素反演結果.

1) Sentinel系列衛星的分區反演最優模型其決定系數均在0.6以上，相對誤差均在40%以內.

2) 兩衛星反演結果的相對偏差不超過40%的水體區域面積高達70%—90%，相對偏差較大的水域主要集中在鄱陽湖中東部區域，具體原因還需要進一步探討.

3) 鄱陽湖水體整體葉綠素濃度偏低，葉綠素濃度空間分布趨勢是北部低，東西部和南部濃度相對較高.

4) 由于本文主要是基于鄱陽湖豐水期實測數據建立的分區反演模型，故Sentinel衛星葉綠素反演模型在鄱陽湖枯水期的應用還有待進一步探討與驗證，后續將研究更高精度的鄱陽湖葉綠素反演模型.

[1] 龔 珍， 卜曉波， 李 曄， 等. 東湖水體葉綠素濃度的遙感反演研究[J]. 安徽農業科學， 2013，41(11): 5138-5139．

[2] 程春梅. 基于歸一化光譜的渾濁水體葉綠素a濃度遙感估算[J]. 浙江水利水電學院學報， 2016，28(4): 58-65．

[3] FENG L， HU C， HAN X， et al. Long-Term distribution patterns of Chlorophyll-a concentration in China’s largest freshwater lake: MERIS Full-Resolution observations with a practical approach[J]. Remote Sensing， 2014，7(1): 275-299．

[4] 黃靈光， 方 豫， 張大文， 等. 基于Landsat-8 OLI的鄱陽湖葉綠素a濃度定量反演[J]. 江西科學， 2016，34(4): 441-444．

[5] HU C，FENG L，LEE Z，et al. Dynamic range and sensitivity requirements of satellite ocean color sensors: learning from the past[J]. Applied Optics， 2012，51(25): 6045．

[6] 江 輝. 鄱陽湖葉綠素a濃度遙感定量模型研究[J]. 測繪科學， 2012，37(6): 49-52．

[7] WU Z， CAI Y， LIU X， et al. Temporal and spatial variability of phytoplankton in Lake Poyang: The largest freshwater lake in China[J]. Journal of Great Lakes Research， 2013，39(3): 476-483．

[8] 唐軍武， 田國良， 汪小勇， 等. 水體光譜測量與分析Ⅰ:水面以上測量法[J]. 遙感學報， 2004，8(1): 37-44．

[9] MOBLEY C D. Estimation of the remote-sensing reflectance from above-surface measurements[J]. Applied Optics， 1999，38(36): 7442-55．

[10] MUELLER J L，FARGION G S，MCCLAIN C R，et al. Ocean optics protocols for satellite ocean color sensor validation[J]. British Journal of Surgery， 2003，47(201): 111-112．

[11] 陳曉玲， 趙紅梅， 田禮喬. 環境遙感模型與應用[M]. 武漢：武漢大學出版社，2008．

[12] BROCKMANN C， DOERFFER R， PETERS M，et al. Evolution of the C2RCC neural network for Sentinel 2 and 3 for the retrieval of ocean colour products in normal and extreme optically complex waters[C]//The 2016 European Space Agency Living Planet Symposium， Prague, Czech Republic from 9-13 May 2016， Living Planet Symposium，2016:740.

[13] 黃 玨， 陳曉玲， 陳莉瓊， 等. 鄱陽湖高渾濁水體懸浮顆粒物粒徑分布及其對遙感反演的影響[J]. 光譜學與光譜分析， 2014，34(11): 3085-3089．

ComparisonstudyontheretrievalofchlorophyllinturbidwatersbasedonSentinelsatellites
——a case study of Poyang Lake

LI Tingting1， TIAN Liqiao1， LI Jian2， ZHANG Li3， SUN Zhaohua4

(1.State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing， Wuhan University， Wuhan 430079， China; 2.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China; 3.Key Laboratory of Poyang Lake Wetland and Watershed Research， Ministry of Education， Jiangxi Normal University， Nanchang 330022， China; 4.South China Sea Institute of Oceanology， Key Laboratory of Ocean and Marginal Sea Geology，Chinese Academy of Sciences， Guangzhou 510301， China)

Sentinel-2A satellite and Sentinel-3A satellite were successfully launched in June 2015 and February 2016 respectively. The spatial resolution， temporal resolution and band settings of MSI and OLCI sensors have great potential in inland water environment research. In this study， the inversion problem of chlorophyll in turbid water was studied. Based on the theory of optical partitioning and the simultaneous in situ data， taking Poyang Lake as an example， the feasibility and potential of applying data from Sentinel system satellites in chlorophyll retrieval are discussed. The results show that: 1) as for Sentinel-2A MSI data， the three bands ([1/Rrs (665)-1/Rrs (705)]*Rrs (740)) model is the most accurate one for northern lake with the determination coefficient of 0.65 and MRE of 38.53%. The difference ((Rrs (705)-Rrs (665)) model is the most accurate one for southern lake with the determination coefficient of 0.63 and MRE of 39.87%. 2) As for Sentinel-3A OLCI data， the three bands ([1/Rrs (665)-1/Rrs (673.75)]*Rrs (753.75)) model is the most accurate one for northern lake， the determination coefficient of 0.65 and MRE of 37.6%. The difference (Rrs (708.75)-Rrs (665)) model is the most accurate one for southern lake with the determination coefficient of 0.62 and MRE of 39.6%. 3) The optical partition model of the Sentinel family satellites is able to solve the problems on chlorophyll inversion of some turbid water in Poyang Lake to a certain extent， and more precision inversion model method will be developed in the follow-up time．

Sentinel satellites; optical partition; chlorophyll-a concentration; Poyang Lake

2017-06-30.

國家重點研發計劃項目(2016YFC0200900)；高分辨率對地觀測系統重大專項(41-Y20A31-9003-15/17)；國家自然科學基金項目(41571344；41331174；41071261；40906092；40971193；41101415；41401388；41206169；41406205)；江西省自然科學基金項目(20161BAB213074).

*通訊聯系人. E-mail: lijian@whu.edu.cn．

10.19603/j.cnki.1000-1190.2017.06.021

1000-1190(2017)06-0858-07

P332

A