基于實測光譜的海河懸浮物濃度反演研究

潘應陽，國巧真，付 盈

天津城建大學地質與測繪學院，天津 300384

懸浮物是指懸浮在水體中，直徑為10 nm～0.1 μm的固體微粒。在二類水體中，懸浮物濃度是水環境評價的一個重要參數，它不僅影響水體透明度和物理光場分布情況，還影響水體的富營養化程度和初級生產力，進而決定了水質的優劣[1-2]。進行大面積的水體懸浮物濃度量測工作，只靠人力測量是不夠的，結合實測光譜遙感數據建立懸浮物濃度與水體光譜特征之間的數學關系，進而推算出適合反演水體懸浮物濃度的算法模型，這是研究者普遍采用的方法，也是利用衛星遙感數據進行懸浮物濃度反演機制的基礎[3]。

根據國內外學者的研究，目前利用遙感數據進行懸浮物濃度反演的方法主要有經驗算法[4-7]、半經驗算法[8-9]和分析算法[10-12]。經驗算法是一種由遙感數據與實測水質參數建立的統計模型，推出所需的水質參數值的方法，這種方法因其具有運用自如的優點，被廣泛應用。半經驗算法是一種將已知懸浮物的光譜特征與統計模型相結合的方法，先確定最佳反演波段或波段組合，在此基礎上，再建立懸浮物濃度與光譜之間的回歸模型，具有一定的物理意義。分析算法是基于電磁波譜在水中的輻射傳輸理論，依靠水體組分與固有光學量、固有光學量與表觀光學量之間的關系，建立水體光場分布模型，從而反演水體中各組分濃度[13]。PEYUS等[14]利用MODIS影像反射率數據與實測水質參數建立經驗模型，并驗證了波段在620～670 nm范圍內，多項式回歸模型對水體總懸浮物濃度的反演結果有較強的說服力。ASTORECA等[15]實地測量了從比利時到英國海岸的水體質量參數，并分析了水體固有光學特性與懸浮物濃度的變化關系，發現其中有隨季節性變化的特征。馬萬棟等[16]分析了廈門海域水體的遙感光譜特征，通過研究不同的反演模型，最后得出懸浮顆粒物在近紅外波段的反射率高低值所圍成的矩形區域對反演研究區域的懸浮顆粒物濃度起到決定性作用。周曉宇等[17]利用太湖水體原位觀測數據，結合水體光學分類方法，建立了針對各個類別水體的總懸浮物濃度高光譜反演模型，并比較了各個反演模型的精度和穩定性。對于不同地區或者同一地區不同時令的水體，其水質參數濃度也不同，水體中光譜響應特征也會隨之變化，最終影響水質參數反演所需敏感波段的選擇[18-20]。根據眾多研究者的研究成果可知，每個地區或一個地區不同季節的懸浮物反演模型及敏感波段都會有不同變化，因此建立通用的水質反演模型，是今后水質反演研究的重點。

海河作為全國七大河流之一，對于水體中的懸浮物濃度反演研究的案例較少，王代堃等[21]基于Landsat8影像和神經網絡的經驗算法進行了海河懸浮物的成功反演。本文在實測光譜數據及水質參數數據的基礎上，對光譜數據進行一系列處理，獲得對懸浮物濃度敏感的波段及波段組合，建立適用于天津濱海新區海河水體的懸浮物濃度反演模型。

1 研究區概況及數據預處理

1.1 研究區概況

研究區位于天津濱海新區海河下游，地勢比較平緩，屬于華北地層大區晉冀魯豫地層區北部邊緣的華北平原分區，環境良好，水資源豐富，濕地、河灘眾多。濱海新區屬暖溫帶季風型大陸氣候，由于瀕臨渤海，具有海洋氣候特點，全年氣溫平均為13 ℃，年平均降水量為566 mm。由于降水年內分配不均，降水主要集中于夏季，多為暴雨，且流域內植被覆蓋度較小，因此水土流失較嚴重。

1.2 實驗數據獲取及預處理

研究所用數據為2014年4月22日對濱海新區海河26個采樣點進行光譜測量得到的，并同時采集水體樣本。光譜測量采用手持光譜儀(美國)進行連續測量，分別記錄白板、天空光和水體光譜，每個樣點記錄7條光譜。然后利用View SpecPro和Origin 8.5軟件對原始測量光譜進行中值處理、光譜曲線平滑及波段篩選，由于水體對紅外波段的強吸收作用，實驗僅獲取400～900 nm的水體光譜響應曲線，如圖1所示。將采集到的水樣帶回實驗室，借助ET99732多參數水質分析儀測量水質參數，分別采用過膜法、分光光度法進行實驗，測得各個采樣點水體樣本的懸浮物、葉綠素等指標的濃度。根據實驗室對26個樣本點懸浮物濃度的統計，最高懸浮物濃度為304.85 mg/L，最低懸浮物濃度為3.83 mg/L，平均懸浮物濃度為27.91 mg/L。顯而易見，海河水體的懸浮物分布很不均勻，不同條件的水體懸浮物含量有明顯差異。

圖1 采樣點水體表面光譜反射率Fig.1 Spectral reflectance of water surface at sampling point

由圖1可知，不同采樣點的光譜反射值差異明顯，但總體趨勢一致。在400～500 nm范圍內水體反射率相對較低，這是因為葉綠素a、黃色物質在藍紫波段的強吸收作用；在500～650 nm范圍內有2個微弱的反射峰和1個吸收谷，2個反射峰分別位于580、614 nm波段處，這是由于葉綠素a、胡蘿卜素在這個波長處吸收較弱，以及細胞、懸浮顆粒的散射作用，而在600 nm附近形成反射率低谷是由藻青蛋白的吸收引起；在675、705 nm附近也分別出現明顯的吸收谷、反射峰，675 nm是葉綠素a的另一吸收峰，在該處當藻類密度較高時，水體光譜反射率曲線更容易產生反射谷，705 nm處的反射峰一般是葉綠素a的熒光峰，且波峰會隨著葉綠素a濃度的升高向長波方向移動，這是含藻類水體最顯著的光譜特征，這一特征可用來判定水體中是否含有藻類葉綠素；810 nm附近是懸浮物的一個反射峰，這與楊婷[22]，王艷紅[23]等研究得到的反射峰值范圍相似；之后由于水體對近紅外波段的強吸收作用，水體反射率呈下降趨勢。采樣點的水體反射率曲線反映了海河具有明顯的二類水體的水質特征，不同采樣點曲線的波動說明海河水質的復雜性，圖中光譜曲線的各個吸收谷和反射峰就是懸浮顆粒物、黃色物質、葉綠素以及水體對光譜輻射共同作用的結果。

可見,各個樣點的光譜反射率曲線比較分散，為了減少天氣、光譜儀移動、太陽角變化對光譜測量值的影像，同時也便于對不同采樣點的光譜測量結果具有可比性，在分析研究之前對水體遙感反射率進行歸一化處理。歸一化處理公式如下：

(1)

式中:RN(λi)為水體遙感反射率歸一化結果，R(λi)為原始水體遙感反射率，λi為i處波長，n為400～900 nm波段的波段數。歸一化后的光譜反射率曲線分布情況，見圖2。對比圖2和圖1后可知，歸一化后的光譜曲線變得相對集中，光譜曲線的反射峰、吸收谷更加明顯。

圖2 歸一化光譜曲線Fig.2 The curve of normalized spectral

2 方法與分析

2.1 單波段模型

利用SPSS軟件，將各個樣本點的歸一化光譜反射率與實測懸浮物濃度進行相關性分析，得到每個波段的相關系數，然后將400～900 nm波段的相關系數生成對應的相關系數曲線，結果如圖3所示。400～660 nm和685～722 nm范圍內呈負相關，825～900 nm范圍呈現較高的正相關，說明近紅外波段處歸一化反射率與懸浮物濃度相關性較高，相關性最高的波段為896 nm，相關系數是0.74。因此，將896 nm處的歸一化光譜反射率與實測懸浮物濃度進行回歸分析，得到其線性、對數函數、二次多項式、冪函數、指函數模型，結果如表1所示。

圖3 懸浮物濃度與歸一化反射光譜相關關系Fig.3 Correlation between suspended solids concentration and normalized spectral reflectance

由表1可知，二次多項式的相關系數(r)是最高的，方差齊性檢驗(F)值也表明二次多項式是最佳擬合模型，分別為0.96、147.79；其次是線性模型的r、F基本上能反映懸浮物濃度與光譜歸一化反射率的變化；其他3種模型的擬合效果比較差，所以選擇二次多項式作為反演海河懸浮物濃度的估測模型。

2.2 波段比值模型

波段比值可在一定程度上消除不同時間和空間上水表面光滑度和大氣對電磁波的影響，并部分地減少其他污染物的干擾[24-25]。根據相關學者研究[26-28]，懸浮物濃度較高時，近紅外光譜對懸浮體濃度更敏感，并針對懸浮物提出865 nm與555 nm波段比值模型，成功應用于甚高分辨率掃描輻射計(AVHRR)和SPOT衛星反演懸浮物濃度算法中。因此，選取2處正相關較大的波段858 nm和896 nm分別與負相關較大的波段546 nm的比值作為自變量，分別與實測懸浮物濃度進行回歸分析，建立線性、對數函數、二次多項式、冪函數、指數函數模型，結果見表2。

表2 懸浮物濃度與歸一化反射率比值回歸模型Table 2 Regression model of the ratio of suspended solids concentration to normalized reflectance

由表2可以看出，2組波段比值的擬合結果中二次多項式模型的r、F都是最高的，但R896/R546波段組合中的二次多項式模型更優于R858/R546波段組合，其r、F分別為0.97、219.22；其次比較好的回歸模型是線性模型，R858/R546與R896/R546的r分別為0.75、0.79，也是后者的擬合效果較好；2組波段比值的對數模型、冪函數模型、指數模型的擬合效果都不好，r都低于0.5，不適合反演懸浮物濃度。因此，選擇R896/R546波段組合的二次多項式作為反演模型。

2.3 一階微分模型

光譜一階微分處理主要是對水體反射光譜進行數學模擬，能夠更直觀地表現水體光譜反射率的變化特點，還可以確定光譜彎曲點以及最大、最小反射率的波長位置。另外，光譜微分處理還可以去除線性或接近線性的背景以及噪聲光譜的干擾[29]。水體遙感反射率數據的一階微分處理見下式：

(2)

式中:R′(λi)為波長λi的一階微分光譜值；R(λi+1)和R(λi-1)為水體光譜反射率；λi+1、λi、λi-1為相鄰波長。各個樣點的光譜一階微分處理結果如圖4所示。可以看出，一階微分處理使原始光譜曲線的彎曲點以及最大、最小反射率的波長位置變得更加突出。

圖4 一階微分處理后的反射率曲線Fig.4 Reflectivity curve after first order differential

將經過一階微分處理后的光譜數據與實測懸浮物濃度進行相關性分析(參考2.1小節中方法)，尋找最大相關波段，圖5為得到的相關系數曲線。可以看出，相關性較高的波段依次出現在600、650、740 nm附近，相關性最高的波段位置為652 nm，相關系數為0.59。

經過比較，選取597、652、738 nm 3個波段位置的一階微分數據分別與實測懸浮物濃度進行回歸分析，建立線性、二次多項式、指數函數模型，見表3。

圖5 懸浮物濃度與一階微分光譜反射率相關關系Fig.5 Correlation between suspended solids concentration and first order differential spectral reflectance

表3 懸浮物濃度與一階微分光譜反射率回歸模型Table 3 Regression model between concentration of suspended solids and the first order differential spectral reflectance

3 結果與討論

1)利用實測光譜數據，對光譜數據進行中值、平滑、歸一化等一系列預處理，然后進行光譜數據與實測懸浮物濃度相關性分析，發現在825～900 nm的近紅外波段相關性較好。再將歸一化后光譜反射率和光譜一階微分與實測懸浮物濃度進行相關性分析，發現在650～750 nm的紅光波段相關性較好。分別對單波段、波段比值、一階微分方法的處理結果進行對比分析，結果表明，二次多項式模型是最佳估測模型，而其他估測模型的r、F都比較低。

2)波段比值(R896/R546)的二次多項式模型，是進行反演海河懸浮物濃度的最佳估測模型。其次，896 nm處的單波段模型也比較適合懸浮物濃度的反演。相比單波段模型和波段比值模型，光譜一階微分模型的效果要差一些，這是由于研究區不同而造成水體實測光譜和實測懸浮物濃度具有顯著的區域特征。研究提出的R896/R546的二次多項式模型反演結果較好，但目前僅適用于研究區春季的水體懸浮物濃度估測，是否適用于其他季節有待在以后的研究中進一步驗證。

參考文獻(References)：

[1] 施坤, 李云梅, 劉忠華, 等. 基于半分析方法的內陸湖泊水體總懸浮物濃度遙感估算研究[J]. 環境科學, 2011, 32(6)：1 571-1 580.

SHI Kun, LI Yunmei, LIU Zhonghua, et al. Estimation of Total Suspended Matter Concentration Based on Semi-Analysis Algorithm in Inland Turbid Waters[J]. Environmental Science, 2011, 32(6)：1 571-1 580.

[2] 張運林, 秦伯強, 陳偉民, 等. 太湖水體中懸浮物研究[J]. 長江流域資源與環境, 2004, 13(3)：266-271.

ZHANG Yunlin, QIN Boqiang, CHEN Weimin, et al. A Study on Total Suspended Matter in Lake Taihu[J]. Resources and Environment in the Yangtze Basin, 2004, 13(3)：266-271.

[3] 孫德勇, 李云梅, 王橋, 等. 基于實測高光譜的太湖水體懸浮物濃度遙感估算研究[J]. 紅外與毫米波學報, 2009, 28(2)：124-128.

SUN Deyong, LI Yunmei, WANG Qiao, et al. Study on Remote Sensing Estimation of Suspended Matter Concentrations Based on in Situ Hyperspectral Data in Lake Tai Waters[J]. Journal of Infrared and Millimeter Waves, 2009, 28(2)：124-128.

[4] 潘邦龍, 易維寧, 王先華,等. 湖泊水體高光譜遙感反演總磷的地統計算法設計[J]. 紅外與激光工程, 2012, 41(5):1 255-1 260.

PAN Banglong, YI Weining, WANG Xianhua, et al. Geostatistics Algorithm Design on Hyperspectral Inversion of Total Phosphorus of Lake[J]. Infrared and Laser Engineering, 2012, 41(5):1 255-1 260.

[5] 陳曉東, 蔣雪中. 用波段比值參數提升水體懸浮顆粒物濃度反演模型穩健性的分析[J]. 紅外, 2016, 37(4)：38-43.

CHEN Xiaodong, JIANG Xuezhong. Analysis of Robustness Improvement of SPM Inversion Models Using Band Ratio Parameters[J]. Infrared, 2016, 37(4)：38-43.

[6] TANG J, WANG X, SONG Q, et al. The Statistic Inversion Algorithms of Water Constituents for the Huanghai Sea and the East China Sea[J]. Acta Oceanologica Sinica, 2004, 23(4)：617-626.

[7] LIU Y, ANISUL T M, JAY G. Quantification of Shallow Water Quality Parameters by Means of Remote Sensing[J]. Progress in Physical Geography, 2003, 27(1)：24-44.

[8] 祝令亞, 王世新, 周藝, 等. 應用MODIS影像估測太湖水體懸浮物濃度[J]. 水科學進展, 2007, 18(3)：444-450.

ZHU Lingya, WANG Shixin, ZHOU Yi, et al. Estimation of Suspended Sediment Concentration in Taihu Lake Using MODIS Image Data[J]. Advances in water science, 2007, 18(3)：444-450.

[9] MAO Z, CHEN J, PAN D, et al. A Regional Remote Sensing Algorithm for Total Suspended Matter in the East China Sea[J]. Remote Sensing of Environment, 2012, 124(124)：819-831.

[10] 李云梅, 黃家柱, 韋玉春, 等. 用分析模型方法反演水體葉綠素的濃度[J]. 遙感學報, 2006, 10(2)：169-175.

LI Yunmei, HUANG Jiazhu, WEI Yuchun, et al. Inversing Chlorophyll Concentration of Taihu Lake by Analytic Model[J]. Journal of Remote Sensing, 2006, 10(2)：169-175.

[11] 李云梅, 黃家柱, 陸皖寧, 等. 基于分析模型的太湖懸浮物濃度遙感監測[J]. 海洋與湖沼, 2006, 37(2)：171-177.

LI Yunmei, HUANG Jiazhu, LU Wanning, et al. Model-Based Remote Sensing on the Concentration of Suspended Sediments in Taihu Lake[J]. Oceanologiaet Limnologia Sinica, 2006, 37(2)：171-177.

[12] ZHANG B, LI J, SHEN Q, et al. A Bio-Optical Model Based Method of Estimating Total Suspended Matter of Lake Taihu from Near-Infrared Remote Sensing Reflectance[J]. Environmental Monitoring & Assessment, 2008, 145(1/3)：339-347.

[13] 周冠華, 楊一鵬, 陳軍, 等. 基于葉綠素熒光峰特征的渾濁水體懸浮物濃度遙感反演[J]. 湖泊科學, 2009, 21(2)：272-279.

ZHOU Guanhua, YANG Yipeng, CHEN Jun, et al. Inversion of Total Suspended Matter Concentration in Turbid Water Based on the Characteristic of Chlorophyll Fluorescence Peak[J]. Journal of Lake Sciences, 2009, 21(2)：272-279.

[14] PEYUS C, CHUST G, GOHIN F, et al. Estimating Turbidity and Total Suspended Matter in the Adour River Plume (South Bay of Biscay) Using MODIS 250 m Imagery[J]. Continental Shelf Research, 2010, 30(5):379-392.

[15] ASTORECA R, DOXARAN D, RUDDICK K, et al. Influence of Suspended Particle Concentration, Composition and Size on the Variability of Inherent Optical Properties of the Southern North Sea[J]. Continental Shelf Research, 2012, 35(35)：755-762.

[16] 馬萬棟, 吳傳慶, 殷守敬, 等. 廈門海域水體懸浮物遙感反演算法研究[J]. 海洋環境科學, 2016, 35(5)：770-773.

MA Wandong, WU Chuanqing, YIN Shoujing, et al. The Remote Sensing Retrieval of Total Suspended Matter in Xiamen bay[J]. Marine Environmental Science, 2016, 35(5)：770-773.

[17] 周曉宇, 孫德勇, 李云梅, 等. 結合水體光學分類反演太湖總懸浮物濃度[J]. 環境科學, 2013, 34(7)：2618-2627.

ZHOU Xiaoyu, SUN Deyong, LI Yunmei, et al. Hyperspectral Remote Sensing of Total Suspended Matter Concentration in Lake Taihu Based on Water Optical Classification[J]. Environmental Science, 2013, 34(7)：2618-2627.

[18] 樊輝, 黃海軍. 南黃海輻射沙洲鄰近海域表層懸浮顆粒物濃度遙感反演[J]. 地理科學, 2011, 31(2)：159-165.

FAN Hui, HUANG Haijun. Remote Sensing Retrieval of Suspended Particulate Matter Concentrations of Surface Waters Near Radial Sand Ridges Area in the South Yellow Sea[J]. Scientia Geographica Sinica, 2011, 31(2)：159-165.

[19] 光潔, 韋玉春, 黃家柱, 等. 分季節的太湖懸浮物遙感估測模型研究[J]. 湖泊科學, 2007, 19(3)：241-249.

GUANG Jie, WEI Yuchun, HUANG Jiazhu, et al. Seasonal Suspended Sediment Estimating Models in Lake Taihu Using Remote Sensing Data[J]. Journal of Lake Sciences, 2007, 19(3)：241-249.

[20] CHOW-FRASER P. Seasonal, Interannual, and Spatial Variability in the Concentrations of Total Suspended Solids in a Degraded Coastal Wetland of Lake Ontario[J]. Journal of Great Lakes Research, 1999, 25(4)：799-813.

[21] 王代堃, 國巧真. 天津濱海新區地表水懸浮物濃度遙感反演研究[J]. 測繪科學, 2016, 41(5)：67-71.

WANG Daikun, GUO Qiaozhen. Remote Sensing Retrieval of Surface Water Suspended Matters Concentration[J]. Science of Surveying and Mapping, 2016, 41(5)：67-71.

[22] 楊婷, 張慧, 王橋, 等. 基于實測高光譜數據的太湖懸浮物濃度與透明度分區[J]. 生態與農村環境學報, 2011, 27(4)：21-26.

YANG Ting, ZHANG Hui, WANG Qiao, et al. Zoning of Taihu Lake by Concentration of Suspended Substances and Transparency Based on Measured Hyperspectral Data[J]. Journal of Ecology and Rural Environment, 2011, 27(4)：21-26.

[23] 王艷紅, 鄧正棟, 馬榮華. 基于實測光譜與MODIS數據的太湖懸浮物定量估測[J]. 環境科學學報, 2007, 27(3)：509-515.

WANG Yanhong, DENG Zhengdong, MA Ronghua. Suspended Solids Concentration Estimation in Lake Taihu Using Field Spectra and MODIS Data[J]. Acta Scientiae Circumstantiae, 2007, 27(3)：509-515.

[24] PULLIAINEN J, KALLIO K, ELOHEIMO K, et al. A Semi-Operative Approach to Lake Water Quality Retrieval from Remote Sensing Data[J]. Science of the Total Environment, 2001, 268(1/3)：79-93.

[25] KOPONEN S, PULLIAINEN J, KALLIO K, et al. Lake Water Quality Classification with Airborne Hyperspectral Spectrometer and Simulated MERIS Data[J]. Remote Sensing of Environment, 2002, 79(1)：51-59.

[26] DOXARAN D, FROIDEFOND J M, LAVENDER S, et al. Spectral Signature of Highly Turbid Waters：Application with SPOT Data to Quantify Suspended Particulate Matter Concentrations[J]. Remote Sensing of Environment, 2002, 81(1)：149-161.

[27] MYINT S W, WALKER N D. Quantification of Surface Suspended Sediments Along a River Dominated Coast with NOAA AVHRR and SeaWiFS Measurements：Louisiana, USA[J]. International Journal of Remote Sensing, 2002, 23(16)：3 229-3 249.

[28] DOXARAN D, FROIDEFOND J M, CASTAING P. Remote-Sensing Reflectance of Turbid Sediment-Dominated Waters. Reduction of Sediment Type Variations and Changing Illumination Conditions Effects by Use of Reflectance Ratios[J]. Applied Optics, 2003, 42(15)：2 623-2 634.

[29] SU-JU L I, WANG X J. Relationship Between Suspended Matter Concentration and Spectral Reflectance of Chao Lake[J]. Urban Environment & Urban Ecology, 2003, 16(6)：66-68.