基于高分遙感技術的湖泊葉綠素a濃度反演分析

涂 明 章李樂

(1.南昌市水利規劃服務中心，江西 南昌 330009；2.南昌市水利規劃設計院，江西 南昌 330009)

南昌市瑤湖是紅旗聯圩內最大的湖泊。它既是紅旗聯圩區域最大澇水調蓄區，又是區內16萬余畝農田的蓄水灌溉水源。瑤湖四周岸線長約37km，集水面積為47km2，湖面面積為18km2。水質監測評價是水資源管理的一項重要的工作[1]。相較于水資源的實地調研、稽查成本過高，水生態環境遙感監測技術[2]具有覆蓋面廣、分析速度快、監測結果準確可靠和信息量大的優勢，可顯著提高全市水生態環境監測水平。本文采用水生態環境遙感監測技術，基于國產高分一號影像數據，根據污染水的光譜效應，建立河湖參數遙感反演模型，通過對河湖葉綠素濃度a(CHIa)濃度分布監測成果進行濃度分布及變化情況分析。

1 數據選取與預處理

1.1 數據選取

選取表1中葉綠素a濃度采樣點實測數據作為本次研究的樣點數據。

表1 南昌市瑤湖葉綠素a濃度采樣實測值[3]

根據研究和實驗需要，獲取到10處景數的影像用于分析與研究，見表2。

表2 遙感影像數據獲取與覆蓋情況統計表

1.2 數據預處理

根據影像查詢獲取結果，本次實驗以高分一號遙感影像為主，補充GF1B遙感數據，輔以Landsat影像數據。高分一號(GF-1)衛星是我國自主研發的第一顆高分辨率衛星，該衛星搭載了一臺2m分辨率全色相機(PMS)、一臺8m分辨率多光譜相機(MMS)和4臺16m分辨率多光譜相機(WFV)，具有高、中空間分辨率對地觀測和大幅寬成像結合的特點，2m分辨率全色和8m分辨率多光譜圖像組合幅寬優于60km，16m分辨率多光譜圖像組合幅寬優于800km，為國際同類衛星觀測幅寬的最高水平，大幅提升觀測能力，并對大尺度地表觀測和環境監測具有獨特優勢。其特點是增加了高分辨率多光譜相機，該相機的性能在國內投入運行的對地觀測衛星中最強。

(1)輻射定標

輻射定標是將傳感器記錄的電壓或數字量化值(DN)轉換成絕對輻射亮度值(輻射率)的過程，或者轉換成與地表(表現)反射率、表面溫度等物理量有關的相對值的處理過程。本文采用ENVI5.3提供的Landsat Calibration模塊輻射定標模塊和我司自主研發的PIE-Basic軟件的輻射定標模塊，分別對Landsat和高分系列影像數據進行輻射定標處理。

(2)大氣校正

本文采用ENVI5.3軟件中的QUAC快速大氣校正模型和我司自主研發的PIE-Basic軟件的大氣校正模塊分別對Landsat和高分系列影像數據進行大氣校正，高保真地恢復地物波譜信息，獲得地物比較準確的地表溫度、反射率以及輻射率等真實物理模型參數。基于像元進行校正，首先進行輻射亮度位的轉換；然后再進行儲存順序調整，將其調整為BIL格式；最后進行參數的輸入。同時可以校正漫反射引起的鄰域效應。

(3)正射融合

將大氣校正后的數據在我司自主研發的PIE-ortho軟件里進行流程化正射融合，獲取研究所需的正射融合影像。其中全色影像選擇輻射定標后數據，多光譜影像選擇大氣校正后數據，基準影像選擇用戶認可的基準2m影像，DEM使用的是ASTER 30m數據。并對正射融合后的數據進行質檢，對不滿足精度要求的數據進行幾何校正。

(4)幾何校正

以提供的2020-04-28南昌影像作為基準影像數據，利用ARCGIS中的地理配準模塊或我司自主研發的PIE-ortho完成幾何校正。圖像重采樣采用最鄰近點法，這種方法可以避免光譜信息的丟失。影像的投影選擇和基準影像一致，使樣點數據定位坐標和遙感影像投影坐標精確匹配。在確定投影參數后進行控制點GCP采集，控制總誤差RMS在0.5～1像元內，確保幾何校正效果理想。

2 反演模型的構建與評價

2.1 反演模型的構建

查詢有關基于Landsat和GF-1影像對葉綠素a濃度遙感反演研究的模型經驗公式。利用Landsat影像進行經驗公式反演與驗證，結合對照實驗數據，對比GF-1衛星影像經驗公式反演值采用半經驗、半分析的方法對研究區創建河湖參數遙感反演模型，并對葉綠素a(CHIa)濃度等河湖特性參數指標進行模型反演監測。

2.2 反演模型的評價

基于控制組Y值和實驗組X值的回歸分析可以對兩組數據進行相關性分析與驗證，使用皮爾遜相關系數R和可決定系數R2來評價回歸模型的擬合度和相關性。其計算方法如下：

表3 葉綠素a濃度遙感反演模型研究成果

(1)

對于模型的精度和穩健性評價，使用均方根誤差(RMSE)、平均相對誤差(MRE)和平均絕對誤差(MAE)，均方根誤差可表明N組實驗結果中控制組Y值和實驗組X值的離散程度，平均相對誤差和平均絕對誤差則反映了偏差程度。其計算方法如下：

(2)

(3)

(4)

3 兩種反演模型的構建與驗證分析

3.1 Landsat反演模型確定與驗證

以查詢到的瑤湖2008年6月實測葉綠素a濃度為控制組數據，對2008年6月時相前后的Landsat影像覆蓋數據進行L1—L4經驗公式反演計算值作為實驗組數據。提取樣點坐標對應單點像元值和半徑45m像元均值(半徑45m是根據Landsat影像分辨率結合九宮格方法來確定的，可以有效消除偶然性誤差帶來的影響)的葉綠素a濃度模型反演值進行相關性分析和模型反演精度驗證，統計結果見表4。

表4 Landsat反演模型相關性分析與精度驗證表

由統計表結果可以看出L1—L3經驗公式反演葉綠素a濃度單點像元值相關性擬合度R2值均小于0.5，認為模型的模擬效果很差，L4擬合度R2值為0.8555，模型表現很好；反演葉綠素a濃度半徑45m像元均值相關性L1、L2擬合度R2值在0.66～0.81之間模型是近似模擬，L3、L4擬合度R2值大于0.91，模型的擬合效果精確，且模型L4擬合度R2值最高。

綜合可以得出L3模型離散程度和偏差程度值較小，反映的精度較好，消除單點像元值偶然誤差影響，L3模型可以表現出較精確的擬合效果；L4模型的擬合效果是精確的，但模型的離散程度和偏差程度值較高，反映的精度較差，這是由于模型參數常量值不合理。通過逆推運算，對L4模型進行參數常量調整得到模型經驗公式L5如下式(5)。

CHIa=00088×(B3+B4)+31507

(5)

以查詢到的瑤湖2008年6月實測葉綠素a濃度為控制組數據，對2008年6月時相前后的Landsat影像覆蓋數據進行L5型模反演計算值作為實驗組數據。同樣提取樣點坐標對應單點像元值和半徑45m像元均值的模型反演葉綠素a濃度值進行相關性分析和模型反演精度驗證。根據表6，L5模型反演葉綠素a濃度值結果分析可以看出擬合度R2大于0.82，模型擬合效果很好，且離散程度和偏差程度值均較小，反映的精度較好。

表5 模型L4(B3+B4)逆推值表

表6 L5模型反演值相關性分析與精度驗證表

圖1 L4(B3+B4)逆推值的葉綠素a濃度參數常量調整模型

3.2 高分一號反演模型確定與驗證

河湖特性參數指標葉綠素a(CHIa)濃度年度時空趨勢變化需要綜合考慮以下三點：①河湖水體污染物氮磷等含量變化(誘因包括工業、生活和畜牧養殖的污水排放、農業和水產養殖施肥灌溉、豐水期和枯水期等)；②季節氣候變化(雨熱條件等)；③區域地理位置(距離岸邊與工業生活區的遠近等)。

根據盧龍等[11]的研究，贛江水體總氮含量較高，總磷含量較低，且中下游整體高于上游，上游至下游氮磷營養鹽濃度為上升趨勢，主要來源為城鎮生活污水和采礦及工業廢水，以及來自農業面源的污染影響，距離工業生活區越近，受到的影響越大。贛江7月份為豐水期，1月份為枯水期，枯水期氮磷營養鹽平均濃度顯著高于豐水期，贛江水體豐水期的自凈能力強于枯水期，贛江水體的自凈能力和贛江水量呈正相關。水庫和水利工程對贛江水體有一定的攔截和滯留作用，在微生物的分解作用下，水體的凈化能力也有一定的增強。

根據查詢獲取到的2020年3—10月覆蓋瑤湖的高分系列影像進行模型反演分析時空變化趨勢(如圖2所示)，結合研究區氣候水文條件可知，模型L3反映的葉綠素a(CHIa)濃度年度時空趨勢最符合。10月份反演結果表明點位yah3明顯高于其它時期和 yah1、yah2兩點，這是由于yah3更靠近生活區和水產養殖場地，受到人為因素影響較大導致。

圖2 高分一號模型L3葉綠素a(CHIa)濃度反演值時空趨勢變化

3.3 Landsat與高分一號模型反演值對比分析

模型L3對Landsat影像葉綠素a濃度反演結果擬合效果是準確的，且精度的反映也最好。以Landsat8-20200415模型L3反演葉綠素a濃度值為控制組數據；由查詢的Landsat和高分系列影像波普信息對照表可以看出各影像源在藍、綠、紅、近紅外四個波段具有相近的波譜范圍值，對GF1-20200428運用G1—G3、L3和L5模型反演得到的葉綠素a濃度值作為實驗組數據，設置對比試驗，進行相關性分析和模型反演精度驗證，統計結果見表7。

表7 Landsat與高分系列影像波普信息對照表

根據表8，對比分析結果可以看出，模型L3整體上擬合效果是很好的；排除單點像元值偶然誤差影響，模型G2、G3和L3擬合表現也是精確的；模型G1整體擬合效果很差。

表8 Landsat與高分一號影像對比相關性分析表

根據表9，模型G3的離散程度和偏差程度值最高，反映的精度最差；模型L3的離散程度和偏差程度值較高，反映的精度較差；模型G2和L5離散程度和偏差程度值較小，反映的精度較高，且L5精度最高。

表9 Landsat與高分一號影像對比精度分析表

3.4 反演結果與分析

通過對實驗區瑤湖進行的模型反演驗證，并設置對照實驗及對比實驗。綜合分析可以得出模型L3對于研究區的擬合效果是精確的，離散程度和偏差程度反映的精度誤差也是可接受的。基于L3模型對研究區南昌市贛江流域2020-04-28高分一號遙感影像數據河湖特性參數葉綠素a濃度反演結果如圖3所示，綜合分析得出：

圖3 南昌市贛江流域2020-04-28高分一號遙感影像葉綠素a濃度反演結果圖

(1)實驗區瑤湖葉綠素a濃度由東北向西南呈遞增趨勢，與獲取的實測樣點的大小變化相符，這是由于瑤湖是一個半封閉湖，僅有東支引撫河之水入瑤湖，經北支流入贛江南支河道，瑤湖水體流動活性和水量則為東北向西南遞減，相關資料顯示葉綠素a濃度與水體污染物氮磷含量強弱和藻類密度呈現正相關，而水體流動活性和水量越多，水體的凈化能力越強，水體污染物氮磷含量和藻類密度越低。東部上瑤湖水體較封閉，與其它區域相比差異明顯，很好的印證上述觀點的正確性。

(2)瑤湖兩側靠近生活區和周邊水產養殖區，葉綠素a濃度值較高，體現了城鎮生活污水的排放和水產養殖飼喂導致這種上升趨勢。

(3)研究區南昌市贛江流域由西南向東北流經南昌市后分三支向下游匯入鄱陽湖，葉綠素a濃度沿水流方向呈升高趨勢。這與王毛蘭等[12]研究相符合。

(4)贛江流經南昌市后主干流繼續向北流去，與分出的贛江中支和南支相比，葉綠素a濃度在贛江中支和南支含量值更高。這是由于贛江主干流比中支和南支水量更豐沛，而且贛江中支流經蔣巷鎮為南昌農副產品基地，南支流經南昌下游和工業園區南昌縣，因此受城市工業和城鎮生活污水的排放，以及農業面源的污染導致贛江中支和南支的氨氮和總磷含量明顯高于贛江主干流。

4 結論

采用高分遙感技術對葉綠素a(CHIa)濃度等河湖特性參數指標進行監測，結果能夠科學精確的表征湖泊生態特性。高分遙感技術覆蓋面廣、分析速度快、監測結果準確可靠和信息量大的特點對提高水生態環境監測水平具有重要的實際意義，為今后在水域污染監測提供新的解決方案。當然，后續在數據預處理和反演過程的自動化和實時性兩個方面有待進一步研究，以實現水生態環境監測實時分析。