基于Landsat-8陸地成像儀與Sentinel-2多光譜成像儀傳感器的香港近海海域葉綠素a濃度遙感反演

董舜丹， 何宏昌， 付波霖， 范冬林， 王濤濤

(桂林理工大學(xué)測(cè)繪地理信息學(xué)院， 桂林 541006)

伴隨著沿海人口數(shù)量的大幅度增長(zhǎng)，近海海域的海洋環(huán)境保護(hù)也面臨著極大的挑戰(zhàn)。人為破壞和自然因素雙重壓迫下，近海海域水體質(zhì)量嚴(yán)重下降，監(jiān)測(cè)和修復(fù)近海海域生態(tài)環(huán)境從而保護(hù)海洋環(huán)境迫在眉睫。葉綠素a作為水體的重要組成部分，其濃度可以準(zhǔn)確有效的反映水體中浮游植物的生物含量，是海洋初級(jí)生產(chǎn)力的主要評(píng)估參數(shù)，同時(shí)也是監(jiān)測(cè)海水水質(zhì)狀況和水體營(yíng)養(yǎng)化程度重要指標(biāo)之一。

香港近海海域?qū)儆诘湫偷慕逗Ｓ?，是受到陸地資源和海洋環(huán)境綜合污染影響明顯的海洋區(qū)域，水質(zhì)類型為二類水體，其主要用途為漁場(chǎng)水產(chǎn)養(yǎng)殖、工業(yè)制造冷卻水源、廢水排放所在地以及海上交通運(yùn)輸?shù)取Ｓ捎谙愀畚鞑康闹榻谘匕督?jīng)濟(jì)發(fā)展速度日益增長(zhǎng)，與此同時(shí)發(fā)展所伴隨著的工業(yè)區(qū)水體污染以及居民的生活污水均對(duì)香港海域水質(zhì)造成了極大的影響。而香港東部海域?yàn)樘烊话敕忾]的海灣特質(zhì)，導(dǎo)致其海域范圍內(nèi)水體流動(dòng)受到周圍陸地地形的影響和限制，水體污染一旦進(jìn)入該海岸范圍，很難通過海水的流動(dòng)性自行排出或凈化。為改善上述現(xiàn)象，合理有效的修復(fù)香港海域環(huán)境，對(duì)海域海水水色水質(zhì)的監(jiān)測(cè)成為主要的方法和手段之一。

由于二類水體水質(zhì)區(qū)域性強(qiáng)，水體成分復(fù)雜，選用人工布點(diǎn)海水采樣監(jiān)測(cè)的方法來(lái)監(jiān)測(cè)海水水質(zhì)成本較高，工作量大。與此同時(shí)，隨著遙感技術(shù)的日益提升，利用衛(wèi)星遙感數(shù)據(jù)監(jiān)測(cè)近海海域水體葉綠素的空間分布成為海水水色水質(zhì)監(jiān)測(cè)的主要途徑。利用衛(wèi)星遙感數(shù)據(jù)反演葉綠素a濃度主要有經(jīng)驗(yàn)分析法、半分析模型法、理論分析法等[1]。經(jīng)驗(yàn)分析法是基于研究區(qū)域內(nèi)的水體數(shù)據(jù)采集，對(duì)其采集數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)分析，而后建立采集數(shù)據(jù)與研究對(duì)象之間的定性或定量關(guān)系；半分析模型法是借助高光譜數(shù)據(jù)的光學(xué)特征，與不同的水質(zhì)參數(shù)建立數(shù)學(xué)模型，并利用實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證；理論分析法是通過借助太陽(yáng)輻射到水體的過程中產(chǎn)生的水體吸收系數(shù)、后向散射系數(shù)等不同參數(shù)的運(yùn)算，估算水體組分濃度。利用半分析模型法估算葉綠素a濃度的研究中，O’Reilly等[2]建立的海洋葉綠素3(ocean chlorophyll 3，OC3)，海洋葉綠素3(ocean chlorophyll 4，OC4),等一系列算法作為美國(guó)國(guó)家航空航天局(NASA)官方處理全球葉綠素a濃度數(shù)據(jù)的業(yè)務(wù)化算法，但由于MODSI數(shù)據(jù)應(yīng)用于海洋水色的空間分表率為1 km，對(duì)大范圍海洋水色變化研究適用，不適用于香港近海海域。文獻(xiàn)[3]利用Landsat-8 陸地成像儀(operational land imager，OLI)多光譜數(shù)據(jù)，對(duì)珠江口懸浮泥沙和葉綠素a進(jìn)行定量遙感反演，實(shí)現(xiàn)了OLI傳感器對(duì)懸浮泥沙以及葉綠素a的定量反演和監(jiān)測(cè)。楊廣普等利用1986—2015年的Landsat TM/ETM+影像，用過構(gòu)建基于實(shí)測(cè)數(shù)據(jù)的定量反演模型，結(jié)合膠州灣實(shí)測(cè)葉綠素a濃度數(shù)據(jù)，得到了30年來(lái)膠州灣海域秋季葉綠素a濃度的分布情況[4]。針對(duì)水體的各參數(shù)反演都具有嚴(yán)格的指向性，不同類型的水體，相同類型水體不同的水體參數(shù)得到的反演模型都是截然不同的，故上述針對(duì)不同地域水體的反演模型中的參數(shù)敏感度都不同，香港近海水域具有其自身對(duì)光學(xué)影像的敏感參數(shù)。席紅艷等利用剖面數(shù)據(jù)外推以及水體光譜模擬的方法完成對(duì)水下表面遙感反射率光譜的外推，建立反演低濃度區(qū)葉綠素a的半分析算法[5]，但是只是對(duì)香港近海部分海域進(jìn)行了研究，并未覆蓋整個(gè)香港海域。Poddar等[6]以Landsat-8 OLI與Sentitle-2多光譜成像儀(multispectral imager，MSI)兩類遙感數(shù)據(jù)為數(shù)據(jù)源，利用半分析模型估算了孟加拉灣地區(qū)北部沿海葉綠素a濃度含量，估算效果精度良好，表明了該兩類數(shù)據(jù)在海洋水色遙感的可行性。Landsat-8與Sentinel-2遙感數(shù)據(jù)較MODIS遙感數(shù)據(jù)等具有較高的空間分辨率，而現(xiàn)今存在的基于Landsat-8 OLI以及Sentinel-2 MSI遙感數(shù)據(jù)的反演大多集中在內(nèi)陸湖泊，湖泊與海洋的水體結(jié)構(gòu)存在差異，且水質(zhì)特征不同，證明上述兩類數(shù)據(jù)對(duì)于建立適用于近海屬于典型二類水體的海域的葉綠素a濃度反演模型的可行性。利用遙感影像數(shù)據(jù)反演對(duì)于圖像的云覆蓋率要求嚴(yán)格，且上述兩類數(shù)據(jù)重返周期時(shí)間較長(zhǎng)，同時(shí)研究?jī)深悢?shù)據(jù)用于全面監(jiān)測(cè)該類型水域水色水質(zhì)變化顯得尤為重要。

鑒于上述現(xiàn)象，分別使用Landsat-8和Sentinel-2兩類遙感影像數(shù)據(jù)，以香港近海海域?yàn)檠芯繉?duì)象，結(jié)合兩種遙感影像多光譜數(shù)據(jù)和實(shí)測(cè)葉綠素a濃度數(shù)據(jù)，采用半分析模型法，分別建立其對(duì)應(yīng)的葉綠素a濃度反演模型，通過精度評(píng)價(jià)確定兩種遙感影像數(shù)據(jù)各自最佳反演模型，并與標(biāo)準(zhǔn)化反演葉綠素a濃度的OCx Ocean Chlorophyll X模型進(jìn)行比較。利用得到模型對(duì)兩種數(shù)據(jù)衛(wèi)星均有效運(yùn)行時(shí)間段2017—2019年的香港港近海海域葉綠素a濃度進(jìn)行反演，并對(duì)反演結(jié)果進(jìn)行分析。

1 數(shù)據(jù)獲取及預(yù)處理

1.1 實(shí)測(cè)數(shù)據(jù)獲取

圖1 研究區(qū)地理位置及實(shí)測(cè)葉綠素a濃度監(jiān)測(cè)點(diǎn)分布

香港近海海域位于中國(guó)南部沿岸，北部靠近廣東省，南岸面向中國(guó)南海，西岸背對(duì)珠江口，東部為半封閉區(qū)域。研究所使用的香港港近海海域葉綠素a實(shí)測(cè)數(shù)據(jù)通過香港環(huán)保署官網(wǎng)(https://cd.epic.epd.gov.hk/)下載，總計(jì)10個(gè)水質(zhì)控制區(qū)，76個(gè)監(jiān)測(cè)站點(diǎn)，監(jiān)測(cè)點(diǎn)呈環(huán)繞狀分布于香港近岸海岸，每個(gè)測(cè)站點(diǎn)采樣周期視水體污染程度不同每月2～3次。下載的實(shí)測(cè)葉綠素a濃度數(shù)據(jù)與Landsat-8與Sentinel-2遙感影像無(wú)云且清晰的數(shù)據(jù)日期相對(duì)應(yīng)，單位為μg/L。

1.2 遙感影像數(shù)據(jù)獲取及處理

1.2.1 Landsat-8 OLI遙感數(shù)據(jù)獲取及處理

Landsat-8衛(wèi)星由NASA于2013年2月11日成功發(fā)射，Landsat-8遙感數(shù)據(jù)可通過美國(guó)地質(zhì)勘探局(USGS)官網(wǎng)(https://earthexplorer.usgs.gov/)獲得，所使用的遙感影像數(shù)據(jù)為該衛(wèi)星OLI傳感器拍攝的多光譜數(shù)據(jù)，OLI陸地成像儀有9個(gè)波段，波段1～7、9的空間分辨率為30 m，波段8為15 m分辨率的全色波段，衛(wèi)星每16 d可以實(shí)現(xiàn)一次全球覆蓋。成像寬幅為185 km×185 km，共下載2013—2018年研究區(qū)上空云覆蓋程度低于10%，大氣透明度良好且與葉綠素a實(shí)測(cè)數(shù)據(jù)采集日期對(duì)應(yīng)的遙感影像11景。

Landsat-8遙感影像的預(yù)處理包括輻射定標(biāo)、大氣校正、水陸分離和波段反射率提取。 輻射定標(biāo)是將影像的像元值DN經(jīng)過相應(yīng)的運(yùn)算轉(zhuǎn)化成為輻射強(qiáng)度值或反射率等物理量的處理過程。對(duì)于Lansat-8數(shù)據(jù)來(lái)說(shuō)，輻射強(qiáng)度計(jì)算公式為

Lλ=GgainDN+Ooffset

(1)

式(1)中，Lλ為多光譜、熱紅外數(shù)據(jù)波長(zhǎng)為λ時(shí)所對(duì)應(yīng)的熱輻射強(qiáng)度，運(yùn)用ENVI(environment for visualizing images) 5.3軟件中Radiomotric Calibrationm模塊得到；DN為像元值；Ggain為波段增益系數(shù)，Ooffset為偏移系數(shù)；以上這些大參數(shù)均可從Landsat-8原始影像的頭文件(MTL.txt)中獲取[7]。大氣校正是由于衛(wèi)星遙感所接收到各種輻射能(主要指太陽(yáng)短波輻射能)大多是經(jīng)過大氣散射、吸收等一系列過程之后被衰減的能量，在能量吸收過程中，受這些因素的影響，傳感器最終接收到的光譜也會(huì)發(fā)生變化，為了去除大氣的干擾，得到真實(shí)的地表發(fā)射率，需要對(duì)影像進(jìn)行大氣校正，使之能夠精確地反映地物信息。運(yùn)用ENVI5.3軟件中的FLAASH(fastline-of-sight atmospheric analysis of spectral hypercubes)模型，對(duì)Landsat-8多光譜數(shù)據(jù)進(jìn)行大氣校正，該模塊是根據(jù)MODTRAN(moderate spectral resolution atmospheric transmittan algorithm and computer model)大氣輻射傳輸模型基于像素級(jí)的校正。最后根據(jù)歸一化水體差異系數(shù)(normalized difference water index，NDWI)確定適合香港近海海域水體閾值，進(jìn)行水陸分離以便精確提取研究區(qū)水體信息，利用ARCGIS 軟件對(duì)監(jiān)測(cè)點(diǎn)提取各個(gè)波段遙感反射率[8]。

1.2.2 Sentinel-2 MSI遙感數(shù)據(jù)獲取及處理

Sentinel-2衛(wèi)星是歐洲航天局(ESA)研發(fā)的高分辨率多光譜成像衛(wèi)星，Sentinel-2A、Sentinel-2B分別于2015年6月23日，2017年3月07日由“織女號(hào)”運(yùn)載火箭發(fā)射上空。Sentinel-2衛(wèi)星攜帶一枚MSI，高度為786 km，可覆蓋13個(gè)光譜波段，幅寬達(dá)290 km。地面分辨率分別為10、20、60 m，一顆衛(wèi)星的重訪周期為10 d，兩顆互補(bǔ)，重訪周期為5 d，衛(wèi)星數(shù)據(jù)如表1所示。從可見光和近紅外到短波紅外，具有不同的空間分辨率，在光學(xué)數(shù)據(jù)中，哨兵-2號(hào)數(shù)據(jù)是唯一一個(gè)在紅邊范圍含有3個(gè)波段的數(shù)據(jù)，通過美國(guó)地質(zhì)勘探局官網(wǎng)USGS(https://earthexplorer.usgs.gov/)共下載2017—2018年研究區(qū)上空云覆蓋量低于10%的Sentinel-2影像數(shù)據(jù)11景，其中Sentinel-2A影像數(shù)據(jù)5景，Sentinel-2B影像數(shù)據(jù)6景,具體影像數(shù)據(jù)如表2所示。

表1 Sentinel-2 傳感器光譜特征信息

表2 Landsat-8 OLI及Sentinel-2 MSI 成像參數(shù)

Sentinel-2遙感影像數(shù)據(jù)的預(yù)處理包括大氣校正、重采樣、幾何校正、水陸分離以及波段反射率提取。下載的是Sentinel-2L1C級(jí)遙感影像數(shù)據(jù)，該數(shù)據(jù)覆蓋范圍為100 km2，為經(jīng)過UTM/WGS84投影正射影像組成，正射校正時(shí)使用數(shù)字高程模型(digital elevation model，DEM)投影至制圖坐標(biāo)下。大氣校正是使用歐空局自身提供的開源大氣校正插件Sen2Cor，它是Sentinel-2 L2A產(chǎn)品生成和格式化處理器，其中B10波段在大氣校正后會(huì)被刪除，該波段主要是為大氣校正提供卷積云信息[8-11]。重采樣是基于SNAP軟件的S2 Resampling Processor，使用最鄰近像元法，分辨率為10 m。利用經(jīng)過幾何精校正的Landsat-8影像作為基準(zhǔn)影像，使用ENVI5.3軟件中的Image Registration Workflow插件，選擇同名點(diǎn)后利用3次卷積法進(jìn)行幾何校正。利用ARCGIS中的幾何提取工具得到監(jiān)測(cè)點(diǎn)各個(gè)波段遙感反射率。

2 葉綠素a濃度反演

NASA對(duì)葉綠素a濃度反演的研究已經(jīng)達(dá)到了相對(duì)成熟的地步，由O’Reilly等通過試驗(yàn)總結(jié)得到適應(yīng)于目前各類遙感數(shù)據(jù)的全球葉綠素a濃度反演的模型OCx(ocean chlorophyll x)[2]。但由于該模型是建立在全球大范圍海洋面積的葉綠素a濃度反演，對(duì)于香港近海小面積海域是否適應(yīng)存在疑惑。針對(duì)香港近海海域，基于半分析模型提出基于Landsat-8 OLI和Sentinel-2 MSI兩種遙感數(shù)據(jù)的反演模型，并與上述OCx模型進(jìn)行比較，探究更適應(yīng)于香港近海海域的海洋葉綠素a濃度反演模型。

2.1 基于OCx模型反演

OCx模型是關(guān)于波段反射率Rrs和葉綠素a濃度Cchla的四階多項(xiàng)式，Rrs為波長(zhǎng)位于440～670 nm波段的波段反射率。該模型的表達(dá)式為

(2)

式(2)中：ai、a0為系數(shù);Rrs(λblue)為輸入Rrs位于藍(lán)色波長(zhǎng)范圍內(nèi)最大值；Rrs(λgreen)為Rrs位于綠色波長(zhǎng)范圍內(nèi)的值。

對(duì)于Landsat-8 OLI遙感數(shù)據(jù)的波段分布而言，B1(430～450 nm)、B2(450～510 nm)中心波長(zhǎng)分別為443、482 nm，屬于藍(lán)色波長(zhǎng)范圍；B3(530～590 nm)中心波長(zhǎng)為562 nm屬于綠色波長(zhǎng)范圍，則模型表達(dá)式為

(3)

對(duì)于Sentinel-2 MSI遙感數(shù)據(jù)有Sentinel-2A，Sentinel-2B兩類數(shù)據(jù)，但中心波長(zhǎng)相差5 nm范圍內(nèi)，對(duì)結(jié)果影響甚微，合并為一個(gè)模型表達(dá)式。其中B1(430～453 nm)、B2(458～523 nm)中心波長(zhǎng)分別為443、490 nm屬于藍(lán)色波長(zhǎng)范圍；B3(543～78 nm)中心波長(zhǎng)為560 nm屬于綠色波長(zhǎng)范圍，則模型表達(dá)式為

(4)

對(duì)于Landsat-8與Sentinel-2遙感數(shù)據(jù)的OCx模型構(gòu)建，都是隨機(jī)選取2/3的香港葉綠素a濃度實(shí)測(cè)數(shù)據(jù)作為構(gòu)建OCx模型的應(yīng)變量，與其相對(duì)應(yīng)的兩種遙感數(shù)據(jù)關(guān)于上述所用波段的波段反射率作為自變量，利用MATLAB軟件進(jìn)行擬合回歸，生成Landsat-8與Sentinel-2遙感數(shù)據(jù)對(duì)應(yīng)的OCx模型。

如表3所示，基于Landsat-8與Sentinel-2遙感數(shù)據(jù)的OCx模型，決定系數(shù)R2均低于0.5，與實(shí)測(cè)葉綠素a濃度并不能達(dá)到很好程度的擬合。均方根誤差(root mean squared error，RMSE)相對(duì)偏大，說(shuō)明通過構(gòu)建OCx模型得到的葉綠素a濃度反演值與實(shí)測(cè)值相差較大。兩類遙感數(shù)據(jù)基于OCx模型的反演值與實(shí)測(cè)葉綠素a濃度的分布均不集中，基于Landsat-8遙感數(shù)據(jù)得到的反演值均低于2 μg/L，與實(shí)測(cè)值相差較大，而基于Sentinel-2遙感數(shù)據(jù)得到的反演值在小于1μg/L范圍內(nèi)缺失。由于OCx模型的主要是用范圍是針對(duì)全球大范圍面積尺度的海洋葉綠素a濃度反演，對(duì)于香港近海海域小范圍面積葉綠素a濃度反演并不適用。且OCx模型是建立在較大規(guī)模數(shù)據(jù)的基礎(chǔ)上進(jìn)行試驗(yàn)得到的模型基準(zhǔn)，試驗(yàn)數(shù)據(jù)相對(duì)大范圍面積海洋數(shù)據(jù)規(guī)模偏小，使實(shí)驗(yàn)結(jié)果不理想。

表3 OCx模型構(gòu)建及精度分析

2.2 基于半分析模型反演

半分析模型反演主要是利用波段反射率或者是波段組合的反射率建立關(guān)于葉綠素a濃度的公式算法。Landsat-8和Sentinel-2遙感影像數(shù)據(jù)經(jīng)過預(yù)處理后，對(duì)香港近海海域監(jiān)測(cè)站點(diǎn)實(shí)測(cè)葉綠素a濃度和兩種多光譜數(shù)據(jù)的各個(gè)波段反射率進(jìn)行Pearson相關(guān)性分析，得到與實(shí)測(cè)數(shù)據(jù)相關(guān)性較大的波段，并對(duì)其進(jìn)行各種類型的波段數(shù)學(xué)組合。最后得到與實(shí)測(cè)數(shù)據(jù)相關(guān)性最大的波段或波段組合，以該因子為自變量，實(shí)測(cè)葉綠素a濃度為因變量，建立葉綠素a濃度反演模型。

2.2.1 葉綠素a濃度反演波段確定

隨機(jī)選取2/3的實(shí)測(cè)數(shù)據(jù)和其對(duì)應(yīng)的Landsat-8波段反射率，進(jìn)行Pearson相關(guān)性分析。相關(guān)性結(jié)果表明，在B2(450～510 nm)波段處，遙感反射率與葉綠素a實(shí)測(cè)值相關(guān)性最高，結(jié)合葉綠素的反射光譜特性，有與葉綠素對(duì)藍(lán)光和紅光的吸收作用強(qiáng)，故在B2波段(綠光)附近反射作用處于一個(gè)峰值狀態(tài)。與此同時(shí)對(duì)于B1(430～450 nm)和B3(530～590 nm)兩個(gè)波段和實(shí)測(cè)葉綠素a濃度的相關(guān)性顯著，說(shuō)明對(duì)于反射率并不是非常高的波段，葉綠素a濃度也會(huì)相對(duì)比較敏感。

結(jié)合海洋葉綠素a濃度反演研究的經(jīng)驗(yàn)，現(xiàn)有常用的水色遙感反演波段類型主要有：?jiǎn)尾ǘ我蜃?、雙波段比值、多波段組合和歸一化植被指數(shù)[9-10]。利用2/3的實(shí)測(cè)葉綠素a濃度數(shù)據(jù)以及對(duì)應(yīng)的Landsat-8遙感影像數(shù)據(jù)提取的遙感反射率，結(jié)合上述單波段相關(guān)性系數(shù)r，對(duì)Landsat-8的7個(gè)波段進(jìn)行上述反演因子組合，并對(duì)其組合產(chǎn)生結(jié)果及其實(shí)測(cè)對(duì)應(yīng)葉綠素a濃度再次進(jìn)行Pearson相關(guān)性分析。從分析結(jié)果得出，B2+B3/B1+B4該波段與實(shí)測(cè)數(shù)據(jù)的相關(guān)性最高，r=0.816，將該波段作為L(zhǎng)andsat-2 OLI遙感數(shù)據(jù)建立半分析模型的輸入自變量。

相比Landsat-8 遙感影像數(shù)據(jù)，Sentinel-2遙感影像數(shù)據(jù)對(duì)于電磁波波長(zhǎng)具有更加詳細(xì)的劃分，如圖2所示，結(jié)合站點(diǎn)的反射光譜曲線分析發(fā)現(xiàn)，在B2(490 nm)與B3(560 nm)處，香港近海海域葉綠素a的光譜反射率呈現(xiàn)一定的峰值，這是由于葉綠素a的生物構(gòu)造對(duì)綠光反射作用強(qiáng)造成。同時(shí)在B9(945 nm)近紅外波段，也存在一個(gè)反射陡坡，這是因?yàn)樗w在含有葉綠素的情況下，近紅外波段的反射率會(huì)有一定的抬升[9]。利用隨機(jī)選取2/3的實(shí)測(cè)數(shù)據(jù)和其對(duì)應(yīng)的Sentinel-2波段反射率，進(jìn)行Pearson相關(guān)性分析。

圖2 香港近海海域監(jiān)測(cè)站點(diǎn)基于遙感影像數(shù)據(jù)反射光譜特征

相關(guān)性分析結(jié)果如表4所示，B2波段反射率與實(shí)測(cè)葉綠素a濃度相關(guān)系數(shù)為-0.817，呈現(xiàn)明顯的負(fù)相關(guān)，B1波段僅次于其，同樣呈現(xiàn)出相關(guān)性顯著的趨勢(shì)。剩余波段也各自呈現(xiàn)出與實(shí)測(cè)葉綠素a濃度高低不均的相關(guān)性，由于Sentinel-2遙感數(shù)據(jù)波段較多，從而挑選了相關(guān)性系數(shù)大于0.5的波段進(jìn)行雙波段比值，多波段組合，歸一化植被指數(shù)等組合，將其作為反演因子與其對(duì)應(yīng)實(shí)測(cè)葉綠素a濃度再次進(jìn)行Pearson相關(guān)性分析。相關(guān)性結(jié)果顯示，1/B2該波段與實(shí)測(cè)數(shù)據(jù)相關(guān)性最佳r=0.857，確定將其作為確定Sentinel-2 MSI遙感數(shù)據(jù)建立半分析模型的輸入自變量。

表4 Landsat-8 遙感數(shù)據(jù)波段及波段組合反射率與實(shí)測(cè)葉綠素a濃度相關(guān)系數(shù)

為了更好地顯示各類波段與葉綠素a濃度實(shí)測(cè)值的相關(guān)性，將每種波段類型中選取相關(guān)性系數(shù)最高的波段與其對(duì)應(yīng)的實(shí)測(cè)值建立散點(diǎn)分布(圖3)?？梢钥闯?，對(duì)于Landsat-8 OLI與Sentinel-2 MSI遙感數(shù)據(jù)，雙波段比值和多波段組合的相關(guān)性比單波段要高。但是對(duì)于Landsat-8遙感數(shù)據(jù)而言，多波段組合對(duì)實(shí)測(cè)數(shù)據(jù)更敏感；對(duì)Sentinel-2遙感數(shù)據(jù)來(lái)說(shuō)，雙波段比值對(duì)實(shí)測(cè)數(shù)據(jù)更敏感。說(shuō)明對(duì)于不同的數(shù)據(jù)而言，反演葉綠素a濃度具有各自不同的敏感波段，反演模型不具有通用性。

表5 Sentinel-2 遙感數(shù)據(jù)波段及波段組合反射率與實(shí)測(cè)葉綠素a濃度相關(guān)系數(shù)

圖3 實(shí)測(cè)葉綠素a濃度與遙感影像數(shù)據(jù)反演波段分布

2.2.2 基于Landsat-8 OLI 與Sentinel-2 MSI葉綠素a濃度反演模型

對(duì)于Landsat-8遙感數(shù)據(jù)而言，(B2+B3)/(B1+B4)組合作為反演因子與實(shí)測(cè)葉綠素a濃度相關(guān)性分析表明，顯著性P<0.001，表明在99%的置信區(qū)間內(nèi)兩者顯著相關(guān)，故將其作為基于Landsat-8遙感數(shù)據(jù)構(gòu)建香港港近海海域葉綠素a濃度反演模型的特征變量。同理可得，將1/B2組合為反演波段，作為基于Sentinel-2遙感數(shù)據(jù)構(gòu)建香港近海海域葉綠素a濃度反演模型的特征變量。利用最小二乘曲線擬合原理，以上述兩種遙感數(shù)據(jù)的反演因子作為自變量，其對(duì)應(yīng)的實(shí)測(cè)葉綠素a濃度作為應(yīng)變量，利用MATLAB軟件對(duì)其進(jìn)行回歸分析，分別建立了一元線性、e指數(shù)、一元二次、對(duì)數(shù)、冪指數(shù)模型。

利用確定系數(shù)和均方根誤差對(duì)建立的反演模型進(jìn)行精度評(píng)價(jià)，對(duì)于Landsat-8 OLI遙感數(shù)據(jù)而言，一元二次模型Y=6.8x2-20.77x+17.02的R2=0.728，證明其精度高于其余4種模型，RMSE=1.189,一元二次模型的反演值與實(shí)測(cè)值的偏差小于其余四種模型，故選取Y=6.8x2-20.77x+17.02作為L(zhǎng)andsat-8遙感數(shù)據(jù)對(duì)香港近海海域葉綠素a濃度反演半分析模型；同理對(duì)于Sentinel-2 MSI遙感數(shù)據(jù)，一元二次模型Y=-3.345e+05x2+3 826x-3.44，R2=0.757 9，RMSE=1.047，證明其反演結(jié)果優(yōu)于剩下4種回歸模型，將其作為Sentinel-2遙感數(shù)據(jù)反演香港近海海域葉綠素a濃度的反演半分析模型。

2.3 反演模型精度評(píng)價(jià)

利用Pearson(皮爾遜)相關(guān)系數(shù)來(lái)衡量反演因子與實(shí)測(cè)數(shù)據(jù)之間的相關(guān)性，Pearson系數(shù)為-1～1，當(dāng)系數(shù)值為負(fù)數(shù)時(shí)表示反演因子與實(shí)測(cè)數(shù)據(jù)呈現(xiàn)負(fù)相關(guān)，反之當(dāng)系數(shù)值為正值時(shí)則為正相關(guān)。為評(píng)價(jià)各個(gè)反演模型對(duì)葉綠素a濃度的反演精度，將剩下1/3用于驗(yàn)證的遙感數(shù)據(jù)反射率代入各個(gè)模型中，計(jì)算得到的反演值與其相對(duì)應(yīng)的1/3實(shí)測(cè)數(shù)據(jù)進(jìn)行確定系數(shù)R2，均方根誤差RMSE評(píng)價(jià)，其中R2用于評(píng)價(jià)實(shí)測(cè)數(shù)據(jù)與反演值線性相關(guān)程度，RMSE反映反演值與實(shí)測(cè)值之間的偏差程度。

(5)

(6)

表6 基于Landsat-8 OLI和Sentinel-2 MSI 葉綠素a濃度遙感反演模型及和精度比較

(7)

3 結(jié)果與分析

3.1 基于Landsat-8 OLI遙感數(shù)據(jù)反演模型精度檢驗(yàn)

表7 基于Landsat-8 OLI遙感數(shù)據(jù)兩種反演模型相對(duì)誤差

如圖4所示，葉綠素a濃度實(shí)測(cè)值與驗(yàn)證值折線圖，可以發(fā)現(xiàn)半分析模型得到的驗(yàn)證值趨勢(shì)與實(shí)測(cè)葉綠素a濃度值大致相似，而OCx模型只有少許點(diǎn)趨勢(shì)相符合，沒有過高的點(diǎn)出現(xiàn)，整體驗(yàn)證值偏低，大致走勢(shì)與葉綠素a濃度實(shí)測(cè)值大相徑庭。

圖4 基于Landsat-8 OLI遙感數(shù)據(jù)葉綠素a濃度實(shí)測(cè)值與驗(yàn)證值折線圖

3.2 基于Sentinel-2 MSI遙感數(shù)據(jù)反演模型精度檢驗(yàn)

表8 基于Sentinel-2 MSI遙感數(shù)據(jù)兩種反演模型相對(duì)誤差

通過葉綠素a濃度的反演值和驗(yàn)證值的折線圖(圖5)可以的發(fā)現(xiàn)，在實(shí)測(cè)葉綠素a濃度值偏低時(shí)，OCx模型得到的驗(yàn)證值普遍高于實(shí)測(cè)值；而在實(shí)測(cè)葉綠素a濃度偏高時(shí)，OCx模型的驗(yàn)證值還是處于中等水平，總體趨勢(shì)不一致。半分析模型的驗(yàn)證值與實(shí)測(cè)葉綠素a濃度總體走勢(shì)一致，沒有相對(duì)過高過低的值出現(xiàn)，半分析模型的反演較為平穩(wěn)。

圖5 基于Sentinel-2 MSI遙感數(shù)據(jù)葉綠素a濃度實(shí)測(cè)值與驗(yàn)證值折線圖

3.3 不同模型精度檢驗(yàn)比較

如圖6所示，實(shí)測(cè)葉綠素a濃度值與驗(yàn)證值的分布圖，對(duì)于Landsat-8遙感數(shù)據(jù)，基于OCx模型中得到的驗(yàn)證值總是在0～2 μg/L范圍內(nèi)集中，缺少在高濃度范圍內(nèi)的值；而半分析模型中的Landsat-8驗(yàn)證值與實(shí)測(cè)值呈現(xiàn)的還是較為吻合的正相關(guān)分布。Sentinel-2遙感數(shù)據(jù)中，OCx模型(圖7)的驗(yàn)證值也是主要分布在1～4 μg/L范圍內(nèi)，低濃度區(qū)域值缺少，少數(shù)驗(yàn)證值與實(shí)測(cè)值的擬合程度良好；在半分析模型中(圖7)，Sentinel-2遙感數(shù)據(jù)得到的驗(yàn)證值與實(shí)測(cè)值在各個(gè)濃度的擬合情況都良好，整體呈現(xiàn)正相關(guān)。

圖6 葉綠素a濃度OCx模型反演值和實(shí)測(cè)值精度比較

圖7 葉綠素a濃度半分析模型反演值和實(shí)測(cè)值精度比較

在半分析模型中，Landsat-8遙感數(shù)據(jù)得到的驗(yàn)證值結(jié)果R比Sentinel-2遙感數(shù)據(jù)得到的驗(yàn)證值高，表明Landsat-8遙感數(shù)據(jù)得到的驗(yàn)證結(jié)果與實(shí)測(cè)結(jié)果擬合結(jié)果更佳；而RMSE則是Sentinel-2遙感數(shù)據(jù)的驗(yàn)證結(jié)果更低，表明Sentinel-2遙感數(shù)據(jù)得要的驗(yàn)證結(jié)果與實(shí)測(cè)數(shù)據(jù)的偏差量更小。

整體而言，由于反演模型結(jié)果的置信度是與統(tǒng)計(jì)樣本呈正相關(guān)的，擴(kuò)展統(tǒng)計(jì)樣本的數(shù)量在一定程度上可以使反演模型的精度達(dá)到更高的水平。但是由于Landsat-8 OLI傳感器以及Sentinel-2 MSI 傳感器的實(shí)際現(xiàn)實(shí)成像時(shí)間都較晚，尤其是Sentinel-2 MSI傳感器與之對(duì)應(yīng)的實(shí)測(cè)葉綠素a采集時(shí)間自2017年開始。加之，經(jīng)香港上空范圍內(nèi)的Landsat-8遙感影像數(shù)據(jù)與Sentinel-2 遙感影像數(shù)據(jù)無(wú)云且晴朗的遙感影像數(shù)量較少，多數(shù)影像數(shù)據(jù)在香港近海上空都存在積云或薄云現(xiàn)象，實(shí)驗(yàn)樣本數(shù)據(jù)偏少。此外基于遙感影像數(shù)據(jù)進(jìn)行葉綠素a濃度的反演結(jié)果反映的是一定范圍內(nèi)的綜合效應(yīng)[8]，使用的葉綠素a濃度實(shí)測(cè)數(shù)據(jù)為次表層葉綠素a濃度，考慮到葉綠素的垂直分布特征，兩類遙感數(shù)據(jù)的反演值也是在正常范圍內(nèi)[11]。

3.3 葉綠素a濃度反演

為了對(duì)Landsat-8 OLI遙感數(shù)據(jù)和Sentinel-2 MSI遙感數(shù)據(jù)反演香港近海海域葉綠素a濃度的模型進(jìn)行進(jìn)一步直觀的比較和分析，選取了兩個(gè)傳感器所拍攝香港上空可見度高且云量少相同日期(2017年10月—2019年10月)的遙感影像，利用OCx模型與半分析模型分別對(duì)影像進(jìn)行了葉綠素a濃度回歸處理。

如圖8所示，可以看到對(duì)于Landsat-8與Sentinel-2兩類遙感數(shù)據(jù)，整體反演結(jié)果葉綠素a濃度低于4 μg/L，呈現(xiàn)低濃度且均一化分布，沒有地域性葉綠素a濃度劃分。位于香港近海東北部分海域，水循環(huán)緩慢，水質(zhì)含惡性營(yíng)養(yǎng)物質(zhì)高，水中生物繁殖迅速，葉綠素a濃度偏高，但是基于OCx模型反演圖中并未體現(xiàn)。

圖8 2017年10月、2018年10月及2019年10月基于OCx模型的香港近海海域葉綠素a濃度分布反演圖

基于半分析模型得到的葉綠素a濃度反演圖在香港近海東北位置海域葉綠素a濃度高于其他位置海域，與事實(shí)相符合。對(duì)比Landsat-8遙感數(shù)據(jù)與Sentinel-2遙感數(shù)據(jù)，Sentinel-2遙感數(shù)據(jù)的反演圖在葉綠素a濃度的劃分上現(xiàn)實(shí)的更加精準(zhǔn)。對(duì)比圖8、圖9，基于半分析模型得到的反演圖較基于OCx模型得到的反演圖反演結(jié)果更佳，適用于香港近海海域葉綠素a濃度的監(jiān)測(cè)，且結(jié)合Landsat-8與Sentinel-2兩種遙感數(shù)據(jù)可以更加全面的進(jìn)行監(jiān)測(cè)。

圖9 2017年10月、2018年10月及2019年10月基于半分析模型的香港近海海域葉綠素a濃度分布反演圖

兩類數(shù)據(jù)反演得到的葉綠素a濃度分布情況存在較明顯不一致區(qū)域位于香港近海海域東部吐露港及海峽與避風(fēng)港區(qū)域，可以很明顯地看到基于Sentinel-2遙感數(shù)據(jù)反演的葉綠素a濃度較Landsat-8遙感數(shù)據(jù)反演的葉綠素a濃度變化明顯。2018年10月葉綠素a濃度分布結(jié)果[圖9(e)]可以看出，吐露港及海峽與避風(fēng)港區(qū)域葉綠素a濃度最高達(dá)到了18.48 μg/L，且在這個(gè)小范圍近海海域，葉綠素a濃度呈現(xiàn)出非常明顯的濃度變化，且變化豐富，基于Sentinel-2遙感數(shù)據(jù)反演得到的結(jié)果更精細(xì)。

就香港近海海域葉綠素a濃度整體分布而言，兩類數(shù)據(jù)的反演結(jié)果都一致表明近海海域內(nèi)部葉綠素a濃度高于外部，位于香港東部海域內(nèi)部的吐露港及海峽與避風(fēng)灣區(qū)域葉綠素a濃度均高于東部海域外部MIRS灣區(qū)域，而位于香港西部海域內(nèi)部的西部緩沖區(qū)、南部緩沖區(qū)、北部緩沖區(qū)以及西部緩沖區(qū)區(qū)域的葉綠素a濃度一般高于位于香港港西南位置的維多利亞灣區(qū)域。由于香港近海海域內(nèi)部靠近城市，海水中長(zhǎng)期伴隨著生活污水，工業(yè)制造排放的廢水等富含高一樣物質(zhì)水體，導(dǎo)致靠近城市的內(nèi)部海域水體中的葉綠素a濃度增高。而位于香港近海海域外部的水體流動(dòng)性較內(nèi)部水體更高，與其相鄰的海水內(nèi)部能量流動(dòng)轉(zhuǎn)換，降低了內(nèi)陸排放水源中的成分，其葉綠素a濃度也相對(duì)降低。

4 結(jié)論

基于Landsat-8 OLI及Sentinel-2 MSI 遙感數(shù)據(jù)，采用OCx模型與半分析模型算法，對(duì)香港近海海域葉綠素a濃度分別建立反演回歸模型，結(jié)合統(tǒng)計(jì)數(shù)據(jù)比較分析了兩類數(shù)據(jù)源對(duì)香港港近海海域葉綠素a濃度分布結(jié)果。得到以下結(jié)論。

(2)基于半分析模型反演，根據(jù)香港近海海域監(jiān)測(cè)點(diǎn)實(shí)測(cè)葉綠素a濃度，Landsat-8 遙感影像數(shù)據(jù)提取的對(duì)應(yīng)遙感反射率計(jì)算得到的最佳反演因子為(B2+B3)/(B1+B4)，r為0.816。Sentinel-2遙感影像數(shù)據(jù)提取的對(duì)應(yīng)遙感反射率計(jì)算得到的最佳反演因子為1/B2，r為0.857。基于Landsat-8遙感數(shù)據(jù)建立的最佳反演回歸模型為Y=6.8x2-20.77x+17.02，R2=0.728 0。基于Sentinel-2遙感數(shù)據(jù)建立的最佳反演回歸模型為Y=-3.345e+05x2+3 826x-3.44，R2=0.757 9。

(3)對(duì)兩種模型進(jìn)行精度驗(yàn)證的結(jié)果顯示，半分析模型對(duì)于Landsat-8 OLI與Sentinel-2 MSI遙感數(shù)據(jù)而言，更適用于香港近海海域葉綠素a濃度反演，與此同時(shí)也證明了這兩種數(shù)據(jù)對(duì)于反演香港近海海域葉綠素a濃度的實(shí)用性。

(4)整體而言，基于Sentinel-2 遙感數(shù)據(jù)回歸得到的香港近海海域葉綠素a濃度分布結(jié)果較Landsat-8遙感數(shù)據(jù)回歸得到的結(jié)果變化更明顯。而香港近海海域也呈現(xiàn)出內(nèi)部海域葉綠素a濃度高于外部葉綠素a濃度的現(xiàn)象，但由于兩類不同傳感器的影像數(shù)據(jù)受到過境時(shí)間不一致還有云量的限制，導(dǎo)致可以拿來(lái)比較且同一時(shí)間的影像過少，這些因素都在一定程度上影響了反演精度和對(duì)兩種數(shù)據(jù)反演結(jié)果比較的全面性。