基于Landsat8數據的舟山群島海域懸浮泥沙濃度遙感研究

潘磊劍,郭碧云

(浙江海洋大學海洋科學與技術學院 舟山 316022)

0 引言

懸浮泥沙的含量直接影響水體諸如水色、渾濁度、透明度等光學性質,懸浮泥沙的分布、擴散、沉降的過程也影響著水體的生態環境狀況,同時也影響著河口、海岸帶等的沖淤變化,以及海岸帶水質、地貌、生態環境,影響港口建設工程、航道建設以及安全情況[1-4]。舟山海域的航運、水產、旅游業發達,因此對該區域懸浮泥沙的研究具有重要意義。

傳統的懸浮泥沙濃度的測量方法是利用調查船對研究區進行逐點采樣與分析,該方法可以獲得準確的泥沙濃度數據,但是存在速度慢、周期長,且只能獲得少量的離散點的缺點,難以對大面積區域進行監測。衛星遙感技術可以對水體進行快速、經濟、大范圍、連續性的動態監測,在大面積海域懸浮泥沙濃度的研究中有著不可替代的作用[5-7]。黎夏[5]結合輻射傳輸理論,運用Gordon和負指數關系式推導得出懸浮泥沙遙感定量的統一式,并將其應用于珠江口懸浮泥沙遙感定量研究。Richard[8]、Forget[9]利用TM 和SPOT 等遙感影像結合實地光譜測量數據以及實測懸浮泥沙濃度數據,通過數據的線性回歸分析確定反射率與研究區域懸浮泥沙濃度的關系,建立了基于統計分析方法的懸浮泥沙遙感反演模式。李炎等[10]利用比值模式得出長江口的表層懸浮泥沙含沙量與海面光譜反射率關系曲線斜率的線性關系式和指數關系式。并且將其與各同步采樣點遙感測量的斜率值和海面實測含沙量的關系進行比較驗證,兩者結果的最大誤差小于30%。馬超飛等[11]利用2003年春季黃海、東海現場實測數據,建立了基于風云1號衛星第4波段的水色要素反演算法,并得到了懸浮泥沙、總懸浮物以及低濁度水體中葉綠素a的濃度反演算法,該算法能夠滿足需要,而高濁度水體中葉綠素a的濃度反演算法還需要進一步探究結論。

本研究在利用實測海水光譜及懸浮泥沙濃度數據的基礎上,結合Landsat8遙感數據對舟山群島海域懸浮泥沙濃度進行研究,能夠對該區域泥沙分布情況進行監測。

1 研究區概況

舟山群島位于浙江省東北部,杭州灣東側,長江口以南,地理坐標為121°31'E—123°25'E、29°32'N—31°04'N。作為我國第一大群島,舟山群島由1 390余個島嶼組成,海域面積遠遠大于其陸地面積,擁有豐富的港口、航道和漁業資源,因此研究舟山群島海域懸浮泥沙分布對于航運以及漁業等有著重要的意義。由于錢塘江和長江輸送的大量泥沙影響,其近岸水體為典型的二類水體[12-13]。

2 數據來源與處理

2.1 實測數據

2.1.1 光譜數據

利用ISI921VF地物光譜儀測量舟山近岸海水光譜。分別測量標準板的輻亮度(L p)、水體反射輻亮度(L wat)以及天空漫反射輻亮度(L sky),測量時間是9:30-14:30,測量點22個,每個測量點進行3次測量,每次采集15條曲線,在每個測量點同時采集表層0.5 m 處500 m L水樣3瓶。具體測量點位置見圖1。

圖1 野外采樣點分布

遙感反射率的計算公式:

式中:L wat為水體反射輻亮度;L sky為天空漫反射輻亮度;L p為標準板的輻亮度;R p為標準板的反射率;r為水氣界面反射率;取經驗值0.022[14]。

2.1.2 泥沙濃度實測數據

將水樣帶回實驗室進行過濾、烘干、稱重,計算水體中懸浮泥沙濃度。實驗過程參照國家標準(GB 17378.4—2007)的操作方法。

2.2 遙感數據

本研究利用Landsat8 遙感數據,成像時間是2017年7月23日上午10時25分。數據來源于中國科學院計算機網絡信息中心地理空間數據云平臺(http://www.gscloud.cn)。Landsat8衛星上攜帶著OLI陸地成像儀和TIRS 熱紅外傳感器兩個傳感器,具體參數見表1。

利用ENVI5.3 軟件對遙感數據進行輻射定標,大氣校正。輻射定標是將圖像的數字量化值(DN)轉化為輻射亮度值或者反射率或者表面溫度等物理量的處理過程。大氣校正的目的是消除大氣吸收、散射的影響,將輻射定標得到的輻射亮度值轉化為地表實際反射率,大氣校正使用ENVI 5.3軟件自帶的FLAASH 大氣校正模塊,并且根據研究區選取參數。

表1 Landsat8 OLI及TIRS數據參數

3 結果與分析

3.1 舟山近岸懸浮泥沙光譜特征

利用式(1)計算采樣點的遙感反射率值,并繪制出反射率光譜曲線,結果見圖2。橫坐標為波長,縱坐標是遙感反射率,由圖2 可以看出,隨著水體懸浮泥沙濃度的增加,各波段的反射率相應增加,但是各波段的增幅有明顯的不同,在波長580～820 nm 時不同懸浮泥沙濃度水體的反射率的變化較大,而在小于580 nm,大于820 nm 時其變化則相對較小。水體光譜曲線存在著“雙峰”的現象,第一峰值出現在波長580 nm 左右,呈“寬峰”的形狀,延伸至波長710 nm 左右,第二個峰位于波長820 nm 左右。

圖2 舟山近岸海域水體光譜曲線

3.2 懸浮泥沙反演模型的建立

通過分析發現,Landsat8的波段1至波段4對泥沙濃度變化反應較敏感。分析實測光譜數據與這4個波段的遙感反射率,將4個波段遙感反射率與對應實測的懸浮泥沙濃度建立關聯,以反射率不同波段組合結果作為自變量,實測泥沙濃度為因變量構建回歸方程,分別建立線性、對數、二次、指數、冪指數模型。計算兩個變量之間的相關系數R2,R2值越高表示該波段組合與懸浮泥沙濃度之間的相關性越大[15]。選取15個測量點進行模型構建,另外7個測量點的數據進行模型驗證。

3.2.1 波段比值法

分別用4個波段的反射率進行兩兩比值計算,將不同的比值結果與實驗室實測泥沙濃度進行回歸分析,構建不同的模型,包括線性模型、對數模型、二次模型、指數模型、冪指數模型。構建的模型和相關系數見表2。

表2 波段比值法懸浮泥沙反演模型

由表2可以看出,在所構建的回歸方程中,B4/B3和B4/B2的相關性較高,這兩組波段比值的指數模型的相關系數都超過了0.9,B4/B2的冪指數方程的相關系數達到了0.902 4。

3.2.2 多波段組合

將不同波段的反射率進行多波段組合運算后與實驗室實測泥沙數據進行相關性分析,構建回歸方程(表3)。

表3 多波段組合懸浮泥沙反演模型

續表

從表3 中可以看出,B4/(B3+B2)、B4/(B3+B1)、B4/(B2+B1)、(B4+B2)/(B3+B1)這4種波段組合間的運算結果與泥沙濃度建立的回歸方程中,分別有兩種方程的相關系數超過0.9,其中構建的指數方程的相關系數高于其他方程。

3.3 精度檢驗

使用另外7個采樣點的實測泥沙濃度分別對所構建的回歸方程中相關系數較高的方程進行精度檢驗。方程包括由B4/B3、B4/B2、B4/(B3+B2)、B4/(B3+B1)、B4/(B2+B1)、(B4+B2)/(B3+B1)6 種組合構建的二次模型、指數模型、冪指數模型。7個驗證點及海水的泥沙濃度詳細信息見表4。驗證結果如表5所示。

表4 驗證點位置及懸浮泥沙濃度

表5 6種組合模型驗證結果

續表

從表5可以看出,B4/B3、(B4+B2)/(B3+B1)這兩種波段組合的3種模型的平均相對誤差和均方根誤差明顯低于另外4種波段組合。B4/B3組合3種模型的平均相對誤差分別為23.21%、23.43%、25.80%,均方根誤差分別為0.069 1 g/L、0.069 9 g/L、0.077 7 g/L。(B4+B2)/(B3+B1)組合的平均相對誤差分別為24.84%、25.47%、26.70%,均方根誤差分別為0.069 8 g/L、0.069 5 g/L、0.073 8 g/L。將7個驗證點在這兩種組合下的3個模型的誤差情況進行詳細分析,如圖3、圖4所示。圖3(a)(b)(c)分別表示B4/B3模型中7個驗證點在二次、指數、冪指數模型中的模擬值與實測值的比較,圖3(d)表示7個驗證點在3種模型下的相對誤差。圖4(a)(b)(c)分別表示(B4+B2)/(B3+B1)模型中7個驗證點在二次、指數、冪指數模型中的模擬值與實測值的比較,圖4(d)表示7個驗證點在3種模型下的相對誤差。

圖3 B4/B3 構建的模型精度驗證

B4/B3二次模型的最大最小相對誤差分別為54.33%和4.26%,指數模型的最大最小相對誤差分別為56.97%和2.93%,冪指數模型的最大最小相對誤差分別為58.77%和1.57%。(B4+B2)/(B3+B1)二次模型的最大最小相對誤差分別為56.12%和9.29%,指數模型的最大最小相對誤差分別為57.53%和4.43%,冪指數模型的最大最小相對誤差分別為58.86%和3.74%。

根據圖3和圖4 對比懸浮泥沙含量低濃度時(樣本1:0.123 8 g/L,樣本2:0.076 1 g/L,樣本3:0.192 6 g/L)和高濃度時(樣本4:0.273 0 g/L,樣本5:0.345 4 g/L,樣本6:0.252 1 g/L,樣本7:0.463 0 g/L)的相對誤差,所分析的3種模型,在懸浮泥沙濃度低時,模型的誤差較懸浮泥沙濃度高時的誤差要高。并且對于兩種不同波段組合來說,B4/B3的模型精度比(B4+B2)/(B3+B1)模型精度高,選用B4/B3波段組合中精度最高的二次模型:SSC=1.302 3x2-1.811x+0.693 對舟山海域懸浮泥沙濃度進行反演。

圖4 (B4+B2)/(B3+B1)構建的模型精度驗證

3.4 Landsat8衛星數據對舟山近岸懸浮泥沙濃度反演

運用Landsat8衛星數據對舟山近岸懸浮泥沙濃度進行反演,反演結果如圖5所示。

圖5 2017年7月23日舟山海域懸浮泥沙濃度遙感反演結果

圖5是Landsat8衛星數據反演的2017年7月23日舟山海域懸浮泥沙分布情況,可以看出舟山群島海域處于高泥沙濃度的狀態。島嶼近岸懸浮泥沙濃度明顯高于開闊水域泥沙濃度,島嶼近岸的懸浮泥沙濃度大部分高于0.2 g/L,靠近杭州灣一側的舟山本島西北角的懸浮泥沙濃度明顯高于其他地區,西北角的懸浮泥沙濃度大部分超過0.4 g/L。在杭州灣以及長江口入海水流的作用下泥沙向東南方向輸移,受島嶼阻隔的影響,在多數島嶼西側泥沙大量堆積,使得大部分島嶼西側的泥沙濃度高于東側,水體懸浮泥沙濃度呈現“西高東低”的格局。

4 結果與討論

通過對舟山海域水體光譜特征觀測、采樣點泥沙濃度的實驗室測量及Landsat8遙感數據不同波段反射率的計算,獲得光譜反射率與懸浮泥沙濃度的相關性,構建反演模型。研究結果如下:

(1)隨著水體懸浮泥沙濃度的增加,各波段的反射率相應增加,且不同波段的增幅有明顯的不同。水體光譜曲線存在“雙峰”現象,第一峰值出現在波長580 nm 左右,呈“寬峰”的形狀,第二個峰值位于波長820 nm 左右。

(2)根據不同波段之間的組合,通過綜合分析發現Landsat8遙感數據波段4與波段3的比值模型與懸浮泥沙濃度的相關性較高。經過精度檢驗,認為B4/B3構建的二次模型SSC=1.302 3x2-1.811x+0.693適用于舟山群島海域懸浮泥沙濃度的反演。

(3)舟山群島海域處于高泥沙濃度的狀態,其西北角的懸浮泥沙濃度明顯高于其他地區。由于水流的流向及海島的阻隔影響,舟山島嶼周圍的懸浮泥沙濃度呈西高東低。

(4)本研究只是基于遙感數據,并未考慮海流、潮汐等其他動力因素對泥沙濃度分布的影響,采樣點數量較少,對舟山群島海域懸浮泥沙濃度的空間分布的研究存在不足。在今后的研究中應彌補這一不足,并進一步對于舟山群島海域不同季節的懸浮泥沙濃度變化進行研究。