無人機多光譜遙感反演近海fDOM濃度

劉善偉，武鈺林，許明明，張 杰

（中國石油大學（華東）海洋與空間信息學院，山東 青島 266580）

海洋熒光溶解有機物是海洋有色溶解有機物中可產生熒光的組分，其理化性質對海洋水色遙感、浮游植物生產力和生態系統結構與功能有重要影響。fDOM熒光可作為陸源污染很好的指示劑，此外，fDOM還對海水中許多污染物質的形態、毒性及運移有重要的影響，可作為沿岸水質、海洋污染程度評價的代表性參數[1]。目前，遙感監測方法已經成功應用于內陸水體的fDOM濃度反演[2]，但近海區域水質遙感監測研究的指標多為葉綠素、濁度、懸浮物等[3-4]，對fDOM濃度反演研究較少。

近海水質遙感監測中，一般基于衛星遙感反射率或海面實測光譜結合實測水質數據，構建近海、海灣區域的水質參數反演模型[5-6]。然而對于水體遙感而言，傳感器所接收到的輻射信號中有90%來自大氣的影響，只有不足10%含有水體信息[7]。因此，水質參數遙感反演的精度很大程度上依賴于衛星遙感影像的大氣校正精度。此外，衛星遙感受空間分辨率與時間分辨率的限制，難以及時快速地進行水質監測[8]，而無人機具有機動、靈活、高效等優點[9]，且無人機遙感相比于衛星遙感無需進行大氣校正，因此，近年來無人機遙感水質監測研究日益增多[10]。針對小微型湖泊，國內外研究者基于無人機多光譜影像反射率構建的總磷、懸浮物濃度、濁度等反演模型具有較好的精度，模型決定系數可達到0.75，為小微型水域污染防治提供了技術支撐[11-12]。隨著無人機高光譜遙感的發展，利用實測光譜反射率與實測水質數據構建反演模型具有較高的精度，應用于無人機高光譜影像反演的水質參數濃度空間分布與現場觀測結果趨勢一致[13-14]。國內外眾多研究者在無人機水質監測方面的研究對象主要為河流、湖泊等內陸小微型水域水體[11-14]，對近海海域水質參數的反演大多采用衛星遙感手段，無人機遙感手段應用不夠廣泛。

本文以青島靈山灣為研究區，以海面實測光譜及實測水質數據為基礎，通過相關性分析選取與fDOM濃度相關性高的波段組合作為特征變量，構建多種fDOM濃度反演模型，選擇最佳模型并應用于無人機多光譜影像，實現對fDOM濃度的監測。

1 研究區與數據

1.1 研究區

研究區位于山東省青島市靈山灣海域（120°05′E—120°10′E，35°50′N—35°55′N），南瀕黃海，多條河流匯入灣內，通過地表徑流向近海輸送淡水及陸源物質，影響近岸海域的水質狀況。綜合考慮研究區面積和數據獲取所需時間，在研究區內設置兩行四列共8個采樣點，距離海岸線最近的一行與海岸線近乎平行、相距約2 km，行列間距均為2 km。

1.2 實測光譜數據

對8個采樣點進行光譜測量獲得實測光譜數據，測量時間為2020年7月29日10時至12時，該時間段天氣較晴朗，太陽光線強度大。光譜測量采用水面以上測量法，使用TRIOS水面移動測量系統，保持伸縮桿方向與太陽入射平面135°夾角，使3根傳感器分別有效測量太陽輻照度、海面輻照度和天空輻照度3種參數，對每個采樣點測量15次光譜取均值，通過Mobley（1999）方法處理計算得到離水輻亮度和遙感反射率等。

1.3 多光譜遙感影像數據

海面實測光譜數據獲取時，同步采集無人機多光譜數據。使用大疆精靈4無人機搭載的多光譜成像儀，航高設為100 m，空間分辨率約5 cm，包括藍（450 nm±16 nm）、綠（560 nm±16 nm）、紅（650 nm±16 nm）、紅邊（730 nm±16 nm）、近紅外（840 nm±26 nm）5個波段，圖1為海面真彩色合成的無人機多光譜影像。

圖1 真彩色無人機影像

為了評估反演算法的大范圍應用能力，還獲取了距離海上實驗日期最近的GF-1 WFV4多光譜影像，過境時間為2020年8月1日，幅寬為820 km，空間分辨率為16 m，有藍光（450～520 nm）、綠光（520～590 nm）、紅光（630～690 nm）以及近紅外（770～890 nm）4個波段，開展了輻射定標、大氣校正、幾何校正等預處理工作。

1.4 水質參數數據

現場還同步開展了采樣點的水質監測工作，每個采樣點利用EXO多參數水質分析儀測量25次并取平均，得到相應點的fDOM濃度值。

2 研究方法

2.1 實測光譜歸一化處理

采樣點光譜反射率曲線差異較大的原因除了水質參數不同外，還與太陽角度、天氣變化等因素有關。光譜歸一化可降低天氣條件和測量角度對反射率的影響，便于比較不同地點、不同時間的測量結果[15-16]，因此對水體反射率進行歸一化處理，可使在外界環境變化條件下測量的水體光譜具有可比性。歸一化公式如下。

式中，LN（λi）表示i波段歸一化后的反射率；λi表示i波段的波長；L（λi）表示i波段反射率的初始值；n表示400～900 nm（3.3 nm間隔）范圍內包含的波段數量。

2.2 無人機多光譜輻射定標

相較于衛星遙感手段，無人機飛行高度低，獲取的影像范圍小，大氣折射和地球曲率的影響可以忽略，因此無需進行大氣校正，輻射定標后即可得到反射率數據[17-18]。

無人機多光譜影像的反射率為入射光強與反射光強的比值。反射光強可認為是影像的像元亮度值，但入射光強需要通過標準標定板定標獲取。主要步驟為：無人機作業起飛前，將已知反射率的標定板置于無人機多光譜鏡頭下，在作業環境中獲取標定板影像，因標定板反射率、標定板影像的反射光強已知，即可得到當前環境的入射光強。得到入射光強后，即可通過入射光強與反射光強比值的方法計算后續無人機獲取多光譜影像的反射率。

2.3 實測光譜與水質參數相關性分析

波段組合因子可以突出水質參數的光譜特征，使得非特征波段和特征波段不重合的其他水質參數的交叉影響所造成的誤差平均化和隨機化[19]。波段組合中的比值因子能夠突出水質參數的光譜特征，并有效消除水表面粗糙度和環境噪聲的干擾。Pearson相關性分析是從統計學角度出發，研究兩個或多個隨機變量間關聯度強弱的方法。以兩個變量為例，相關系數r的取值范圍為-1～1，當r值為負時，代表兩個變量間呈負相關關系；當r值為正時，代表兩個變量間呈正相關關系，相關系數r表達式如下。

式中，yi是第i個采樣點水質參數的濃度；xi是第i個采樣點的反射率。

采用迭代算法，對歸一化后的實測光譜反射率逐一進行比值，與fDOM濃度進行相關性分析，得到Pearson相關系數，選取相關性高的波段反射率比值因子參與建模。

2.4 模型構建與檢驗

水質遙感反演模型就是建立水質參數濃度與最佳敏感因子的關系，將敏感因子作為自變量，水質參數濃度作為因變量，構建模型用于水質遙感反演[20]，常用的模型是基于統計回歸分析方法建立的，包括多項式、線性、指數、對數和多元線性回歸等。在研究區內，根據采樣點的空間分布及數量情況，選取一部分實測點用于模型訓練，剩下一部分實測點用于模型驗證，技術路線如圖2所示。

圖2 技術路線圖

采用平均相對誤差（Mean Relative Error，MRE）評價模型的反演精度，計算公式如下。

式中，yipre和yi分別為第i個采樣點的fDOM濃度反演值和實測值；n為采樣點數量。

3 實 驗

3.1 光譜數據處理及敏感波段選取

對現場實測光譜進行歸一化處理，歸一化后的水體光譜曲線如圖3所示。由于波段比值可以有效減弱其他環境因素的干擾，因此對每個波段歸一化后的光譜反射率逐一兩兩進行比值，并與實測fDOM濃度進行Pearson相關性分析，相關系數分布熱力圖如圖4所示，分析得到相關性高的波段反射率比值因子為R（452.0）/R（560.9）、R（452.0）/R（650.0），相關系數分別為0.858、0.740。

圖3 歸一化水體光譜曲線

圖4 Pearson相關系數分布熱力圖

3.2 模型構建與檢驗

本文選取6個實測點作為模型訓練點，2個實測點作為模型精度檢查點，以實測光譜反射率比值因子為自變量，fDOM濃度為因變量，分別構建一元線性、二次多項式、指數、對數、冪函數、多元線性回歸模型，模型參數如表1所示。

采用決定系數R2來判斷模型的擬合度，R2的值介于0～1之間，越接近1說明模型擬合度越好。從擬合度看，基于波段比值組合的多元線性回歸模型結果最好，決定系數為0.75；其次是R（452.0）/R（560.9）波段比值因子中的二次多項式模型，決定系數為0.73。從平均相對誤差看，基于波段比值組合的多元線性回歸模型平均相對誤差最低，為8.83%，模型精度最高，與擬合度的比較結果一致。對其余2個檢查點，計算表1中模型訓練精度最高的3種模型（多元線性回歸、二次多項式、冪函數）驗證集的MRE，結果如表2所示。其中多元線性回歸模型驗證集MRE最低，為8.76%，二次多項式模型以及冪函數模型驗證集MRE分別為8.88%和9.15%，均大于前者。綜合考慮，多元線性回歸模型為最優模型。

表1 反演模型參數

表2 模型驗證MRE

3.3 無人機多光譜影像fDOM濃度反演

將多元線性回歸模型用于無人機多光譜數據進行fDOM濃度反演，為了進一步驗證模型在該影像上反演的精度，選取與無人機多光譜影像采集時間地點一致的8個采樣點進行驗證，分析影像反演值與實測值的相關性。通過統計回歸方法得到采樣點影像反演值與實測值的散點圖如圖5所示，各點反演值、實測值及相對誤差結果如表3所示。

圖5 影像采樣點反演值與實測值散點圖

表3 采樣點反演值與實測值相對誤差

圖中直線為數據分布的偏差線，距離偏差線越近的采樣點反演值與實測值越接近，距離偏差線越遠則代表差值越大。反演值與實測值擬合的決定系數為0.77，8個點基本都分布在偏差線附近，相對誤差最小為3.83%，最大為29.66%，8個點平均相對誤差為16.34%，與衛星遙感影像水質反演精度相近[21-23]。

3.4 GF-1多光譜影像fDOM濃度反演

將本文所構建的多元線性回歸模型應用于覆蓋靈山灣海域的GF-1多光譜遙感影像，反演該海域fDOM濃度的空間分布特征。近岸海域fDOM濃度為4 QSU左右，而遠岸海域濃度大部分為2～3 QSU，8個采樣點的fDOM濃度影像反演值與實測值的平均相對誤差為17.35%，整體呈現出近岸高、遠岸低的空間分布特征。沿海一帶是人口的聚集區，大量高強度的人類活動、隨河流注入靈山灣內的富營養水體，再加上海水漲潮時使得水體交換能力變強，沿岸較淺的水體遭受強烈攪動，均會對近海水質造成一定的影響；而遠岸海域水體受人類活動和地表徑流的影響較小，海洋環境相對于近岸較穩定，因此fDOM濃度呈現出近岸高于遠岸的空間分布特征。

4 結論

本文基于海面實測光譜與實測水質數據，通過相關性分析得到敏感因子，建立線性、指數、對數、多項式、多元線性回歸等fDOM濃度反演模型，選擇多元線性回歸模型反演研究區fDOM濃度，主要結論如下。

（1）海面實測光譜與fDOM濃度具有較強的相關性，波段反射率比值因子R（452.0）/R（560.9）、R（452.0）/R（650.0）的相關系數為0.858、0.740，構建的多元線性回歸模型決定系數為0.75，平均相對誤差為8.76%。

（2）將海面實測光譜與fDOM濃度構建的多元線性回歸模型應用于多光譜影像數據進行fDOM濃度反演，無人機多光譜影像的fDOM濃度反演值與實測值擬合的決定系數為0.77，平均相對誤差為16.34%。GF-1多光譜遙感影像反演的fDOM濃度空間分布與海上實測濃度值總體趨勢一致。

與衛星影像數據相比，無人機多光譜影像數據具有高空間分辨率、無需大氣校正、數據采集實時靈活等優點，在近岸水質反演中具有廣闊的應用前景。