基于遙感的唐山邱莊水庫葉綠素濃度監測

董會嬌

(河北唐山水文水資源勘測局，河北 唐山 063000)

獲取水質監測的定量信息是水環境保護、水污染治理的基礎工作。水質具有區域性、物候性、變率快等特點，實時測定的水體質量只在小區域、特定時段內有效，而大范圍的水體化驗分析必定費時費力，隨著遙感(Remorse Sensing，RS)技術在資源環境監測中取得長足發展應用，使得大尺度、長周期、高時效的水質信息提取成為可能，并受到科研學者、環境部門的廣泛推崇。水體中富含多種物質，葉綠素濃度是水體質量的重要指示性指標，其遙感監測機理是以實測葉綠素含量為依據，以相應時期內多源遙感數據為輔助，提取與葉綠素含量密切相關的特征波段參數，從而建立統計回歸模型，并基于模型實現廣域監測。關于水體葉綠素監測，學者們進行了不同時空尺度的研究。從全球尺度上，美國NASA基于MODIS數據繪制了全球海洋地區葉綠素分布圖；Chauhan等利用IRS-P4的水色數據繪制了阿拉伯海葉綠素-a濃度分布特征；吳秋珍等[1]建立了葉綠素含量解析方程，繪制了秋季洪湖葉綠素分布圖。邱莊水庫是唐山市重要的生活取水源地，本研究以此為案例區詳述了基于遙感水質監測過程，并直觀呈現庫區水體葉綠素含量，以期為水環境治理工程技術提供參考依據。

1 材料與方法

1.1 研究區概況

研究區邱莊水庫地處唐山市豐潤縣還鄉河上游，控制回流525km2，庫容達2.04億m3，作為唐山市重要的水源供應地之一。水庫為20世紀50年代建造，兼具有蓄水引灌、涵養水土、觀光休憩、娛樂休閑、凈化水域、維持天然河道等多向生態、社會服務功能。本區屬于溫帶大陸性氣候，為我國濕潤區向半濕潤區過度的地帶，夏季高溫且降水集中，冬春季節寒冷時有降雪，冬夏分明且綿長，春秋溫涼亦短促，年平均氣溫為12℃，多年均降水量670mm，蒸發量1380mm。區域煤炭、石油等傳統化石能源使用較多，加之區域氣候暖干化和封閉的地形影響，霧霾、沙塵等天氣多發。庫區附近植被以旱柳、楊樹、蘆葦等為主，多溫帶落葉闊葉林植被。在地下徑流、地表匯流的作用下匯集營養鹽類較多，水中浮游生物活躍。

1.2 研究數據源

遙感數據為中分辨率成像光譜儀MODIS數據，由美國航空航天局(NASA)的發射的terra和aqua兩顆衛星提供(https://ladsweb. modaps. eosdis. nasa. gov/search/add. html)，具有輻射分辨率高、誤差小、監測范圍廣、時效性高等特點。為了保持與地面數據的同步性，本文選取的是2017年9～10月每8d合成的反射率產品，空間分辨率為250m。

本實驗與2017年9～10月對邱莊水庫水體進行采樣測試，樣點覆蓋整個湖區，分布均勻，共計樣點46個(圖1)。測試內容主要包括水體光譜、葉綠素含量以及其他環境參數。實驗設備采用光美國分析光譜儀器公司的制造的ASD野外光譜輻射儀，其光譜覆蓋范圍介于0～2312nm，光譜分辨率3nm，能夠反映更多的細微信息。葉綠素含量用分光光度法測定。

圖1 研究區位置和樣點分布

1.3 數據處理

基于研究區經緯度信息，在ENVI 5.3環境下對MODIS數據進行了幾何校正、圖像鑲嵌和裁剪、圖像增強處理，并運用MRT工具轉換成Geographic Lai/Lon投影系統；然后通過湖區矢量邊界圖對MODIS數據進行裁剪，提取研究區影像數據。

水體葉綠素光譜測量時易遭受太陽輻射影響而產生噪聲，遂在光譜處理過程中根據各樣點處測得的光譜曲線集中情況，刪除過高或過低的曲線特征；在每個樣點取10條有效光譜，使用平均處理以便進行遙感反射率的計算，其參數選取參照唐軍武等[9]研究結果。在Rstudio軟件中應用偏最小二乘法(partial least squares，PLS)建立實測的水體葉綠素含量與光譜特征參數之間的關系，從而進行葉綠素反演建模；對于建模精度的評斷，以決定系數法和均方根誤差(root mean square error，RMSE)來度量。

2 結果與分析

2.1 邱莊水庫葉綠素光譜特征

水體是多種雜質混合體，其光譜特征是由各種物質的光學特性綜合表現的結果。如圖2所示，在400～500nm范圍內，水體反射率較低，主要是由于該波段為藍紫光吸收波段，另外黃色物質在此區間也存在強烈吸收；在520～580nm那么范圍內存在一個反射峰，峰值在550nm左右，這因為類葉綠素和胡蘿卜素弱吸收，以及浮游植物體的細胞的散射作用導致的，因此550nm處可作為葉綠素含量的特征波動位置的選擇。在700～960nm范圍內，浮游植物體內葉綠素對對紅光波動吸收強烈，反射峰776nm處十分明顯，這對于檢驗葉綠素含量具有重要意義，其中約在815nm的反射峰是由于水面漂浮物引起的。

圖2 水體葉綠素高光譜反射特性

2.2 水體葉綠素含量與光譜波段的相關性

如圖3所示，水體在不同波段位置其光譜特性不一，因而其與葉綠素含量之間的響應關系在不同波段位置上存在差異。依圖可知，在340～567nm范圍內，波段值對水體葉綠素含量的響應區域減弱，其相關性由0.754減小至-0.477，相應地，由顯著正相關演變為顯著負相關，其中在524nm位置處，其相關性為0，在521～527nm，其相關性未達到顯著性水平。在574～700nm之間存在一個明顯的波峰，峰值位于670nm處，此刻其對葉綠素含量的響應最為明顯，達到0.357顯著相關性水平，而在674～670nm和670～700nm之間，其相關系數均較小。

圖3 葉綠素含量與光譜特征的相關性

光譜指數反映了地物在不同波段的反射特性，通過構建特征光譜指數，能夠將地物對光譜的敏感性最大化，并且將外部因素的影響控制在最小范圍內。應用任意量波段間反射率非差值、比值、歸一化值、單波段指數，對提取地物內在特征具有極大便利；根據以往經驗結果，比值光譜指數數據噪聲小、容忍度高，對水體葉綠素反演具有較高適應性。基于水體葉綠素光譜曲線，提取比值特征光譜指數后，在Matlab2016b的環境下繪制了光譜指數與葉綠素含量的相關性等勢圖(圖4)。圖中色調越暖，表明該波段位置處光譜指數與葉綠素含量呈正相關，且相關性越強，反之，色調越冷。

圖4 光譜指數與葉綠素濃度的線性相關決定系數等勢圖

2.3 基于遙感的水體葉綠素監測模型

通過前述分析可知，水體葉綠素含量在不同波段位置其響應關系不同。經篩選分析，葉綠素含量與比值光譜指數在λ550、λ670和λ774位置處的相關性最高，遂以此作為輔助變量進行建模訓練。參照中國科學院地理研究所王卷樂教授等應用的自定義方法。該模型理念主要是以將MODIS地標反射率數據進行最佳波段組合后，定義葉綠素含量實測高光譜數據的敏感區間，然后這個區間所在的MODIS通道的反射率與葉綠素進行回歸預測分析，從而完成區域水體葉綠素含量反演模型。據此，以30個樣點數據進行建模，另16組數據進行獨立驗證，在Simca-P11.5軟件平臺的支持下，進行偏最小二乘回歸分析，運行得到模型見表1。

表1 邱莊水庫葉綠素監測模型

由表1可知，該模型中常數為12.484，550nm波段的系數為-4.24，670nm處的系數為0.585，774nm波段特征指數的系數為-7.502，統計顯示均達到顯著性，表明該模型精度高。利用獨立驗證的16個點進行驗證，結果表明模型的R2為0.518，RMSE為1.532，達到極顯著水平(P<0.01)，由此可見該模型具有較高的可信度。

2.4 邱莊水庫水體葉綠素分布特征

應用前述水體葉綠素濃度監測模型，將MODIS光譜通道數據作為輔助，在ArcGIS 10.5軟件中對邱莊水庫葉綠素含量進行空間分布預測性制圖，結果如圖5所示。由圖5可知，邱莊水庫水體葉綠素含量介于0.48～5.64mg/L之間，高值區主要集中于湖區下游東北部，主要由于該區地勢相對較低，水流速緩慢、交換性差，富營養物質累積，浮游生物生長較多，因而葉綠素含量高。而湖區中部為邱莊水庫改造工程的核心區，受親水改造工程影響顯著。

圖5 邱莊水庫水體葉綠素空間格局

3 結語

水體葉綠素含量是水體質量的指示器，在現代遙感技術支持下，通過星地多源數據進行水體葉綠素含量的反演，成為水環境監測的重要手段之一。該方案其基于水體反射特性的嚴格物理特征，實現對目標水域水質的間接推算，從技術上方便簡易，從監測效果上可達到全局性，更易于揭示水質污染的來源、擴散動態、波及范圍、影響周期，從而為科學、有效的水體治理提供量化的資料數據；另外，遙感數據的多重時間尺度、空間尺度特征，為監測水域污染的動態規律、節律提供了可行方案，尤其在宏觀監測方面展現出較大優勢。從這一方面來講，應用遙感及其相關技術非水體葉綠素實時監測，體現了水環境監測技術的進步。

[1] 潘應陽, 國巧真, 孫金華. 水體葉綠素a濃度遙感反演方法研究進展[J]. 測繪科學, 2017(01): 43- 48.

[2] 葉慧琳. 渤海灣葉綠素a濃度的遙感反演模型及其應用研究[D]. 中國地質大學(北京), 2015.

[3] Subramaniam A, Kratzer S, Carpenter E J, et al. REMOTE SENSING AND OPTICAL IN-WATER MEASUREMENTS OF A CYANOBACTERIA BLOOM IN THE BALTIC SEA[C] . International Conference on Remote Sensing for Marine and Coastal Environments. 2000.

[4] P. A. Brivio, C. Giardino, E. Zilioli. Determination of chlorophyll concentration changes in Lake Garda using an image-based radiative transfer code for Landsat TM images[J]. International Journal of Remote Sensing, 2001, 22(2- 3): 487- 502.

[5] Kyte, Elizabeth A. Remote sensing of chlorophyll concentrations in a turbid shelf sea[D]. University of Wales, 2008.

[6] Gregg W W, Casey N W. Global and regional evaluation of the SeaWiFS chlorophyll data set[J]. Remote Sensing of Environment, 2004, 93(04): 463- 479.

[7] P. Chauhan, M. Mohan, R. K. Sarngi, et al. Surface chlorophyll a estimation in the Arabian Sea using IRS-P4 Ocean Colour Monitor(OCM)satellite data[J]. International Journal of Remote Sensing, 2002, 23(08): 1663- 1676.

[8] 吳秋珍, 熊勤學, 劉章勇, 等. 運用MODIS數據反演洪湖葉綠素a含量業務可行性分析[J]. 長江流域資源與環境, 2012, 21(10): 1243- 1247.

[9] 唐軍武, 田國良. 水色光譜分析與多成分反演算法[J]. 遙感學報, 1997, 1(04): 252- 256.

[10] 王卷樂. 鄱陽湖地區環境變化遙感監測與環境管理[M]. 北京: 科學出版社, 2015.