基于哨兵-3A衛星OLCI數據的最大葉綠素指數在太湖藍藻水華監測中的應用

李旭文，張 悅，侍 昊，姜 晟，王甜甜，丁 銘，蔡 琨

江蘇省環境監測中心, 江蘇 南京 210036

2016年2月16日，根據歐洲航天局(ESA)哥白尼計劃哨兵-3A(Sentinel-3A)成功發射[1]。為保持對地觀測能力的技術延續性，哨兵-3A衛星設計了新的傳感器，可動態監測全球環境與安全狀況，獲得海洋、陸地、冰雪、大氣的關鍵性遙感監測信息[2-4]。哨兵-3A衛星高度814.5 km，攜帶水色遙感儀器(OLCI)、海洋與陸地表面溫度探測器(SLSTR)、合成孔徑雷達(SRAL)、成像微波傳感器(MWR)等4臺儀器。OLCI是哨兵-3A的主要傳感器之一，繼承了中等分辨率成像頻譜儀(MERIS)成功的水色光學遙感技術，在懸浮物、浮游植物、葉綠素濃度等水色/水生態遙感方面有很大的應用潛力。但該數據在大型湖泊藍藻水華遙感監測的應用中幾乎鮮有報道，因此，以藍藻水華頻發的太湖為例，采用最大葉綠素指數(MCI)算法提取藍藻信息，以期發揮這一新型遙感數據源在太湖藍藻水華遙感監測中的作用。

1 傳感器性能原理

OLCI是哨兵-3A衛星的主要傳感器之一，星下點分辨率300 m，通過扇形并排的5個相機以推掃模式對地成像，每個相機視場角為14.2°，相鄰相機0.6°重疊，總的觀測視場角為68.6°，5臺相機得到1 270 km的刈幅，為了減少太陽在水面等形成的反射耀斑影響，總觀測視場的主軸略朝西側偏約12.6°[5-6]，其成像幾何圖見圖1。

圖1 哨兵-3A衛星OLCI的成像幾何圖Fig.1 Basicimaging geometry of Sentinel-3A OLCI

OLCI為公益性衛星遙感數據，在ESA的Copernicus Open Access Hub網站(https://scihub.

copernicus.eu)提供免費下載，產品為已完成地形校正的L1b級別的大氣頂部輻亮度數據[7]。

哨兵-3A衛星OLCI傳感器在400～1 020 nm可見光至近紅外波長范圍有21個波段，提供了很好的海洋和內陸水體生態指標遙感反演能力，尤其是在懸浮物、浮游植物、葉綠素濃度等水色/水生態遙感方面有很大的應用潛力[8]，各波段的水色/水生態遙感應用功能見表1。近年來，基于紅光至近紅外反射峰值的遙感葉綠素算法，如峰值反射率與670 nm處反射率的比值、峰值位置、反射率導數分析、反射峰面積的計算等[9-12]，在各類浮游植物的遙感監測研究中得到應用。其中，針對MERIS數據提取藍藻優勢水體葉綠素濃度、藍藻水華強度、空間分布遙感信息的MCI算法，在全球典型的富營養、光學特性復雜的內陸水體如北美伊利湖、伍茲湖中的藍藻水華遙感監測研究[13-16]中得到成功應用。

表1 哨兵-3A衛星OLCI的波段特性和主要水色/水生態遙感應用功能Table 1 Band characteristics ofSentinel-3A OLCI and the main water color-ecosystem remote sensing application functions

注“*”表示OLCI比MERIS新增的波段。

2 研究區概況

太湖是我國第三大淡水湖泊，其流域位于長江三角洲的南緣，是一個典型的碟形洼地平原，流域總面積約36 900 km2，是全國人口最稠密、工農業生產最發達的地區之一，流域行政區劃分屬江蘇、浙江、上海、安徽3省1市[17-18]。太湖具有飲水、工農業用水、航運、旅游、流域防洪調蓄等多種功能，是長江三角洲地區社會經濟發展的重要水資源[19-21]。

由于冬季至春季太湖氮磷營養物質濃度較高，到了春末至夏初一段時期往往是太湖藍藻水華容易大面積暴發的時段，為了解太湖藍藻在春、夏季的發生和分布特征，選取太湖跨度從冬季直至盛夏的且云量較少的哨兵-3A衛星OLCI影像進行分析，時間分別為2017年1月26日、2月26日、3月26日、4月29日、5月26日、7月27日(下載網址https://scihub.copernicus.eu)。如圖2所示，2017年1—7月OLCI遙感影像可以較好地顯示太湖藍藻水華的影像紋理、局部水域藍藻的積聚強度、積聚形態的變化過程，具有太湖全湖藍藻分布及暴發強度狀況快速觀測能力，有助于深化對太湖藍藻水華浮沉、積聚、漂流等發生與演變規律的認識，為藍藻打撈、暴發防控提供支持。

圖2 2017年1—7月太湖OLCI真彩色合成影像Fig.2 OLCI natural color composite images of Lake Taihu for six typical dates from January to July,2017

3 研究方法

3.1 最大葉綠素指數

MCI是指征藍藻優勢型水體葉綠素濃度的重要水色遙感指標，是內陸水體藍藻水華遙感監測的首選方法[22]。針對含藍藻水體在650～750 nm的反射光譜等特征，利用2個端點波段的輻亮度或遙感反射率,構建一條跨2個端點波長區間的光譜基線，含葉綠素水體在信號波段具有光譜反射峰，其遙感測量值與基線波長處的內插值之差，即為MCI，與藍藻優勢型水體的葉綠素濃度有很好的正相關[23]。常見的微囊藻、魚腥藻等原核細胞浮游植物水華，藻細胞在708～710 nm波長一帶有很強的后向散射光譜特性，其MCI遙感信號為正值，因此MCI是監測水體藍藻十分靈敏的遙感指數，在國際上主要湖泊應用效果較好[14-15]。全球各典型湖泊應用經驗也表明,MCI對于葉綠素濃度為10～300 mg/m3的中到富營養湖泊藍藻水華十分有效，但對葉綠素濃度低(<10 mg/m3)的貧到中營養湖泊有一定局限[24-26]，太湖近40年來長期處于中到重度富營養水平，適宜用MCI開展藍藻水華遙感監測與評價。MCI計算式如下：

(1)

式中：MCI指最大葉綠素指數；L1、L2、L3分別指中心波長為λ1、λ2、λ3的輻亮度，其中，λ1=680.5 nm，λ2=708 nm，λ3=753 nm。

ESA提供了處理和分析哨兵系列衛星遙感數據的軟件SNAP(Sentinel Application Platform)，其中已經實現了基于MERIS、OLCI數據計算MCI的算法，軟件中為了校正大氣中薄云帶來的光譜輻亮度影響，根據實際經驗略做了系數修正：

(2)

式中：MCI、L1、L2、L3、λ1、λ2、λ3所代表的意義，同公式(1)中所指。

目前，ESA發布L1b級的OLCI數據為大氣頂部輻亮度產品，因此，基于輻亮度計算得到的MCI具有物理單位(w·m-2·sr-1·μm-1)。圖像處理軟件(SNAP)提供了針對OLCI輻亮度與表觀反射率轉換和投影轉換等數據預處理功能，通過下式把太湖各像元的OLCI輻亮度轉換為表觀反射率：

(3)

式中：rTOA(λ)為表觀反射率，LTOA(λ)為該波段的輻亮度，E0(λ)為太陽在該波段的光譜輻照度，θ為像元處的太陽天頂角。

為比較MCI對太湖水體藍藻的靈敏程度，將OLCI影像輻亮度轉換為統一的表觀反射率后計算。MCI計算公式如下：

MCI=rTOA(Oa11)-1.005*

(rTOA(Oa10)+(rTOA(Oa12)-rTOA(Oa10))×

(4)

式中：rTOA(Oa10)、rTOA(Oa11)、rTOA(Oa12)分別為Oa10、Oa11、、Oa12波段的表現反射率。

由于公式(4)中3個波段的中心波長均位于紅光至近紅外的紅邊區間，受到大氣分子及氣溶膠吸收、散射等的影響程度較為接近，加之MCI的差分計算特性，很好地消除了大氣的影響。因此，大氣校正處理對計算MCI不是必要的步驟，可以直接使用表觀反射率計算。

3.2 歸一化植被指數

對于OLCI的波段設置，采用波長為865、665 nm 2個波段的表觀反射率計算歸一化植被指數：

(5)

式中：NDVI表示歸一化植被指數，rTOA(Oa17)、rTOA(Oa8)分別為Oa17(波長為865 nm)、Oa8(波長為665 nm)2個波段的表現反射率。

4 結果分析

4.1 藍藻水華MCI數值特征分析

對太湖典型日期OLCI MCI占總像元比例結果進行直方圖統計分析(表2、圖3)，結果表明：

1)冬季至早春時段：1—3月全湖MCI為-0.005～0.025，均值及標準差為0.004 2、0.006 0，峰值像元數占比在6.0%～7.2%之間，對應的MCI分布多集中在0.008 0～0.011 0之間；1、2、3月MCI>0的像元占比分別為98.18%、95.81%、96.99%，均值分別為0.009 4、0.009 5、0.009 3。太湖全湖MCI偏低、動態變化范圍窄，此時段水溫較低，全湖藍藻密度低，且不同湖區、水域藻密度差別不顯著。

2)春末至夏初時段：4—5月MCI為-0.010～0.060，均值及標準差為0.009 0、0.015 0，峰值不顯著，MCI分布跨度較大，多數為0.005～0.030；4、5月MCI>0的像元占比分別96.95%、92.13%，均值為0.024 2、0.019 3，4月開始全湖MCI明顯升高，動態變化范圍變寬。

3)盛夏高溫時段：7月MCI為-0.010～0.025，均值及標準差為0.001 9、0.007 2，峰值像元占比達到2%～4%，對應比MCI為-0.005～ 0；MCI>0的像元占比為61.30%，均值為0.010 1；MCI峰值略有偏移，變化范圍也較之4—5月變窄。

表2 2017年1—7月典型日期太湖MCI與NDVI的均值及1倍標準差Table 2 The mean value and double standard deviation of MCI and NDVI on monthly typical data from January to July, 2017

圖3 基于OLCI表觀反射率數據計算2017年1—7月典型日期太湖MCI的直方圖Fig.3 OLCI TOA reflectance based MCI histograms for typical dates from January to July 2017 in Lake Taihu

對MCI大于零的湖體像元進行了彩色分級顯示，色階從紫、藍、綠、黃、橙到紅色，代表遙感葉綠素信號強度逐漸增高，MCI為負值的湖面顯示為黑色，代表表層水體葉綠素濃度極低。為比較太湖葉綠素濃度的空間分布差異，根據MCI圖像直方圖統計特征采用[0,湖面最大MCI]為動態范圍進行彩色分級(圖4)。彩色分級結果顯示：

1)典型的冬季、枯水期時段(1月26日)，全湖MCI低、動態范圍窄，表明全湖的葉綠素濃度處于較低水平，零星高葉綠素濃度區分布在太湖南部湖州至長興一帶沿岸。

2)隨著進入春季(2月26日)，全湖MCI略微提高，動態范圍仍較窄，相對高值區分布在太湖西南部浙江長興與江蘇宜興交界的大雷山至蘭山嘴一帶沿岸區，較1月有所北移。

3)3月以后(3月26日)，MCI略微提高但不明顯，動態范圍窄，相對高值區在湖心區，繼續北移。

4)春末4月底(4月29日)，全湖MCI明顯整體抬升，動態范圍寬，MCI高信號呈全湖性分布，空間分布上分成2大片區，即湖心以西、以北的大面積、高強度片區和湖心以南的較大面積、較高強度片區，表明藍藻暴發強度高、分布范圍大。

5)進入初夏(5月26日)，全湖仍處于MCI高信號狀態，不過較4月29日有所回落，相對高值在湖心偏北以及梅梁湖、貢湖灣。

6)進入持續較長的高溫盛夏(7月27日)，全湖MCI反而降低，甚至低于冬、春季的1月26日、2月26日，相對高值分布在竺山湖、西部沿岸等局部水域，水體渾濁度有所降低(圖2)；此外，太湖東半部大面積水域(圖4中黑色顯示)，MCI為負值，基本不顯藍藻遙感信號。據氣象資料，2017年7月17—28日，受副熱帶高壓影響，太湖持續晴朗高溫天氣，22—25日最高氣溫連續4 d達40 ℃，27日最高氣溫約38 ℃。在持續較長時間的高溫天氣和太陽光照、紫外線強烈條件下，這些湖區表層水體中藍藻密度小，葉綠素濃度很低，可能與夏季副熱帶高壓天氣下，藍藻規避陽光強烈輻射下沉至更深處的生命習性有關。

圖4 2017年1—7月典型日期太湖MCI結果Fig.4 MCI results of Lake Taihu on monthly typical data from January to July, 2017

4.2 MCI與NDVI對比分析

利用2017年1—7月典型日期太湖MCI與NDVI進行對比分析見表2、圖5。統計結果表明，將太湖MCI圖像與同一天的NDVI圖像相比，NDVI圖像上相對高值區與MCI圖像上相對高值區的分布十分吻合，但MCI對葉綠素濃度具有更高的敏感度。分析如下：

1)對于大面積存在、湖面鋪集度高的顯性藍藻水華，衛星傳感器檢測的是典型的浮游植物光譜信號，因而NDVI、MCI均能有效提取這類高強度水華的分布范圍，但是對于水-藻不同比例的混懸狀態，MCI與葉綠素濃度有很好的關聯，可更靈敏地反映葉綠素濃度的全湖分布特征，有利于提取半顯至潛性水華的分布范圍和分析水華強度狀況。而NDVI對陸地植被和高強度藍藻水華遙感才有效，對于半顯至潛性水華，則由于水及懸浮物帶來的復雜光學吸收、散射影響，NDVI往往介于負值(可低至-0.3)～0之間，由于提取藍藻水華分布時需要NDVI的閾值，憑經驗確定時對劃分水華強度也不夠精準，導致藍藻水華分布范圍及面積被低估。

2)計算MCI用到了3個波段，波長位于680～753 nm，相互間靠得較近，通過葉綠素信號波段(708 nm)測量值與基線的正偏距離(>0)，可與水體葉綠素濃度建立良好的線性關系，避免了下限閾值不確定帶來的困難。NDVI只用到紅光(665 nm)、近紅外波段(865 nm)的2個相隔較遠波長點的遙感反射率信息，其中，865 nm處近紅外波段受到水體吸收影響很大，因此在藍藻水華監測方面的動態響應、靈敏度明顯遜于MCI。NDVI更適宜陸域植被遙感，采用的近紅外波段一般位于840～870 nm的植物光譜高反射區，陸域植被均在00，可有效提取；但對水-藻混懸湖面等輕度、輕微等級的潛性水華，水體的光譜反射貢獻占比高，水體在近紅外的光譜強吸收拉低了衛星傳感器接收到的光譜輻亮度，使得NDVI檢測藍藻的適用性嚴重下降。

圖5 2017年1—7月典型日期太湖NDVI、MCI結果Fig.5 NDVI and MCI results of Lake Taihu on monthly typical data from January to July, 2017

圖5 (續)Fig.5 (continued)

5 結語

利用哨兵-3A衛星的OLCI傳感器獲取的太湖遙感影像，基于重要的水色/水生態遙感指標MCI，初步分析了MCI在太湖藍藻水華監測預警中應用效果。研究結果表明，基于OLCI特征波段構建的MCI算法可以靈敏高效提取富營養、藍藻優勢型水體中葉綠素濃度狀況及空間分布；和NDVI相比，MCI具有更好的適用性，尤其是對富營養水體中葉綠素的濃度梯度、差異的檢測有很好的動態范圍、層次細節、線性響應，對提高湖泊藍藻水華的預警預報精度有很大幫助。因此，今后對于MERIS、OLCI這些面向水色遙感的傳感器需深入研究，建立太湖遙感MCI信號與實測水體葉綠素濃度的定量模型，以反演更為精細的葉綠素濃度狀況和提取藍藻水華分布，識別葉綠素濃度相對較高的水團或羽流，為藍藻預警防控、飲用水源安全提供更加精準的信息。