基于同期光學與微波遙感的茅尾海及其入海口水體懸浮物反演

丁波， 李偉， 胡克

(1.中國地質大學(北京)海洋學院，北京 100083； 2.中國地質調查局煙臺海岸帶地質調查中心，煙臺 264011； 3.新瑪科技(北京)有限公司，北京 100085)

0 引言

懸浮物是指懸浮于海水中的固態物質，包括有機成分(如碳水化合物、蛋白質、生物殘骸、排泄物和分解物等)和無機組分(如陸源礦物顆粒、懸浮泥沙、黏土以及人類活動產生的顆粒和溶解物等)[1-2]。懸浮物濃度是衡量近海海水清澈度和其他成分的重要參數，尤其是位于海灣、河流入海口、近海等區域，受陸源物質、人類活動和海洋動力等因素的影響[3]，較高的懸浮物濃度極大地降低了光線的穿透能力，不僅直接影響了水體生態條件比如浮游生物繁育[4-5]、生蠔養殖、魚類生長，以及污染物擴散等[6]，同時也影響著河口變化及海岸帶沖淤過程。懸浮物濃度高低，在光學遙感上表現為光譜反射率、水體清澈度和水色等光學特性[7-8]； 而在微波遙感上反映為后向散射系數、粗糙程度和介電常數等特征。

懸浮物的監測方法主要包括常規實地調查和遙感反演。常規方法是乘船逐點采樣-化驗成分-分析數據[9]，這種方法調查速度慢、周期長，費用高，且只能獲得在時間、空間分布上都很離散的少量點數據。遙感反演得益于衛星技術的發展，傳感器具有快速、高效且重訪周期短等優勢，能夠快速獲取任一區域內水體遙感影像，實時監測其懸浮物的空間分布和動態變化，克服了常規方法的不足，因此受到廣泛關注。

光學遙感懸浮物反演理論依據是水體的光譜反射率，不同物質成分的水體擁有不同的光譜反射率，一般來說，純水的光譜反射率較低，而懸浮物的光譜反射率較高[10-12]。過去的20 a里，眾多的學者在懸浮物濃度反演方面開展了大量的研究工作并取得了可觀的研究成果，反演算法涵蓋從單波段[7,13]到多波段[2, 13-17]，從低分辨率[2, 14-16, 18-20]到高分辨率[8,12,17,21]。而微波遙感反演懸浮物的理論核心是SAR圖像的后向散射系數，一個包含物質微觀結構(也包含渾濁水體或懸浮物)表面細節(粗糙度、幾何形態、復介電常數等)的基本量[22-23]。根據大量學者的研究，近海懸浮物濃度影響了海水的組分、粒徑以及海水渾濁度等物理屬性，而海水的組分和粒徑跟水體的后向散射系數有密切的關系并對其產生著影響，這一特征最終在雷達影像上得到一定的反映[24-28]。

近些年來，學者更多利用多光譜遙感開展各類水體的懸浮物濃度反演，而較少利用微波遙感開展相關研究。本文針對同一目標海域，利用2種同時期獲取的不同類型的國產數據源(GF-1C和GF-3)開展懸浮物遙感反演分析，并結合野外采樣數據進行對比，討論并分析了2種反演結果的可靠性和準確性。

1 研究區概況及數據源

1.1 研究區概況

茅尾海地處廣西欽州灣，是一個半封閉內海(N21°30′～21° 55′,E108°25′～108°45′)，由一條狹窄的水道與北部灣相連(圖1)。潟湖海岸線長約120 km，東西寬約14 km，南北縱深約17 km，面積約134 km2。平均水深為0.1～5 m，最深處可達29 m。

圖1 研究區域與野外采樣點分布

茅尾海上游匯集大欖江、欽江和茅嶺江等3條常年性河流，均發源于上游山區，地質構造復雜，地層主要包括： 下層為下古生界志留系，表層為覆蓋較厚的第四系，3條主要河流每年通過徑流為茅尾海輸入大量陸源泥沙。茅尾海內海常年海面平靜，泥沙充沛，餌料豐富，是廣西重要的海洋牧場，也是中國著名的生蠔養殖基地，同時兼有對蝦、青蟹、魚類及貝類養殖； 因其內海海域開闊，島嶼眾多，也是風景優美的旅游勝地。茅尾海入海口兩側分布著2處重要的基礎設施： 東側為欽州港，包含多個人工島和防護堤，西側為防城港核電站，修建了2條短的平行防沙堤和進水通道，以及2條狹長的排水通道。

1.2 采樣數據

水樣采集嚴格按照海岸帶綜合地質調查技術規范要求執行[29]。研究區內水樣采集點共計15處，具體分布如圖1。樣品采集時間為2019年9月18—20日上午8: 00～10: 00，潮汐資料顯示該時間段處于高潮期。每個采樣點均采集3份樣品，采樣深度(水面向下)分別為0～0.5 m，5 m，10 m，樣品經由專門的樣品箱封存，然后帶回實驗室進行濃度測試。最終共計45份樣品按計劃進行了送檢并測試分析，具體分析結果見表1。

表1 研究區懸浮物濃度野外采樣數據

1.3 遙感數據集

高分專項是我國于2010年5月經由國務院審議并批準實施的高分辨率對地觀測系統重大專項之一[30]，目前已發射了14個衛星系列(GF-1—GF-14)，傳感器類型從光學到雷達，軌道從太陽同步到地球同步，拍攝能力從全色、多光譜到高光譜等，構成了一個具有高空間分辨率、高時間分辨率和高光譜分辨率能力的對地觀測系統，其中7個衛星系列已投入民用。

GF-1是高分專項的首發光學遙感衛星，包括后續發射的姊妹星GF-1B,C,D，全色影像空間分辨率為2 m； 多光譜影像空間分辨率為8 m，光譜范圍包括藍光波段(0.45～0.52 μm)、綠光波段(0.52～0.59 μm)、紅光波段(0.63～0.69 μm)以及近紅外波段(0.77～0.89 μm)。GF-3是我國首顆C頻段多極化合成孔徑雷達(synthetic aperture Radar,SAR)衛星，傳感器包括12種成像模式，能夠高時效地實現不同應用模式下獲取1～500 m空間分辨率、10～650 km幅寬的微波遙感數據。本文所用數據具體參數見表2。

表2 研究區遙感影像詳細信息

上述2類數據均可用于懸浮物濃度反演。根據GF-1和GF-3的數據覆蓋同步性，最終選取時相為2019年9月份的GF-1多光譜影像和GF-3 SAR影像各1景作為研究區懸浮物反演遙感源數據。同時收集了區內的地形數據及衛星參數信息作為輔助數據，為影像預處理提供基礎參考。

2 研究方法

2.1 光學遙感懸浮物水體提取

一般來說，懸浮物濃度與其光學屬性在不同水域有著較大的差異，但在光譜特征上表現出一致的“雙峰”特性[26, 31-32]。圖2表明，懸浮物光譜“雙峰”敏感波段范圍主要集中在620～720 nm和790～840 nm光譜范圍，這與GF-1多光譜波段的紅光波段和近紅外波段光譜范圍高度契合。

(a) 實測光譜曲線(b) GF-1光譜曲線

懸浮物濃度CTSM與多光譜反射率Rrs存在較好的相關性[17，32-33]，本文基于已有成熟的理論算法，利用影像上的水體紅光波段和近紅外波段的光譜反射率采用雙波段比值，進而等效獲得Rrs，并求取相關系數，在此基礎上利用統計回歸模型開展光學遙感懸浮物反演。計算公式為：

(1)

ρi=GainDNi+Bias，

(2)

式中：ρR和ρNIR分別為GF-1的紅光波段和近紅外波段反射率；Gain和Bias分別為增益和偏差。

2.2 微波遙感懸浮物水體提取

根據雷達工作原理，自然界大多數地物均可以視為粗糙程度不同的粗糙表面，在雷達上表現為地物的后向散射回波強度，圖像上呈現出不同的灰度值，常用后向散射截面積σ或后向散射系數σ0來表達，其公式為：

σ0=f(λ，θ，P,φ,ε,Γ1,Γ2,V)，

(3)

式中：λ為波長；θ為入射角；Ρ為極化方式；φ為方位角；ε為復介電常數；Γ1為表面粗糙度；Γ2為次表面粗糙度；V為體散射系數。

1)降噪處理(多視與濾波)。斑點噪聲是SAR系統的固有缺陷，對SAR圖像在實際應用過程中的目標識別、信息提取和分類等產生了嚴重影響和干擾。地距分辨率是指方位向和距離向相同的地面分辨率。為了得到地距分辨率同時減少SAR圖像的噪聲干擾，需要對原始SAR圖像進行多視和濾波處理。計算公式為：

(4)

式中：Rgrr為地距分辨率；r為斜距分辨率。由于距離分辨率隨入射角的變化而變化，多視處理盡管提升了數據的輻射分辨率，但降低了SAR數據的空間分辨率。

SAR濾波的方法有多種，且均形成了較為成熟的算法，比如SIGMA濾波[34-35]、LEE濾波[36-37]、Gamma-map 濾波[38]和小波分析[39-40]等。本文采用Gamma-map 濾波算法，對研究區內GF-3 SAR圖像進行濾波處理。

2)SAR圖像水體提取。研究表明，Cloude-Pottier 算法[41]是當前一種極為有效的極化信息提取方法。根據特征向量原理，利用Cloude-Pottier 分解算法可得到極化熵Hpe、散射角α和各向異性度或反熵A這3個特征參數值[42-43]，其計算公式分別為：

(5)

α=P1α1+P2α2+P3α3，

(6)

(7)

(8)

式中：αi為第i個散射機制類型；Pi為第i個散射機制發生概率；χi為極化相干矩陣的特征值。

基于VH+VV增強后向散射強度圖反映出的水體懸浮物濃度微弱信息，再利用已有現狀海岸線進行海陸分割，提取目標水體的基礎上，采用Hpe-α對目標水體進行空間重分類[44]，最終獲取了目標海域懸浮物濃度灰度圖。

3 結果與分析

3.1 回歸模型建立

將2019年9月實測的15組采樣數據按懸浮物濃度值大小進行重排并編號，偶數序號(7組數據)分為一組用于建模； 奇數序號(8組數據)分為另一組進行精度驗證。利用本文方法將獲得的等效光譜反射率作為自變量，實測懸浮物濃度作為因變量進行回歸分析。對比發現，三次多項式擬合效果最好(圖3)。圖3(a)為基于GF-1C光學遙感數據與實測懸浮物濃度建立的回歸模型，相關系數R2為0.88，圖3(b)為GF-3微波遙感數據與實測懸浮物濃度建立的回歸模型，其相關系數R2相對偏低，僅為0.61。

(a) 光學遙感擬合三次多項式 (b) 微波遙感擬合三次多項式

3.2 模型驗證

為了檢驗反演模型的精確度，采用均方根誤差Δrmse和平均相對誤差Δmrpe這2個評價指標分別對已建立的2種回歸模型進行評價[14, 20]，其數學表達式分別為：

(9)

(10)

式中：xr,i為第i點懸浮物濃度反演值；xm,i為第i點懸浮物濃度測量值。

基于已建立的評價指標，將2種反演模型分析得到的懸浮物濃度與另外8組采樣點實測數據進行精度驗證與評估，如表3所示。精度結果表明，GF-1C懸浮物反演精度(均方根誤差為130.25 mg/L，平均相對誤差為9.65%)明顯好于GF-3懸浮物反演結果(均方根誤差為230.87 mg/L，平均相對誤差高達15.13%)。由于與10號驗證點對應的GF-3反演值出現異常，原始數據發現該處存在壞點，故該異常點在對GF-3反演懸浮物精度評價時不參與驗證。

表3 反演模型精度驗證

3.3 結果分析

3.3.1 研究區懸浮物分布規律

根據已建立的懸浮物反演理論模型，分別對研究區內2種數據源的懸浮物分布進行了反演。圖4結果表明，2種方法反演出的結果具有高度的相似性和一致性： 茅尾海內海及入海口兩側懸浮物濃度總體較高，均超過1 000 mg/L，其分布規律呈現由東北向西南依次遞減。結合研究區同季節歷史資料[45]分析其原因： 在茅尾海內海上游3條主要河流每年向其注入泥沙量高達60萬t，而在連接外海通道處分布著大量的天然島嶼和人工養殖蠔排蠔樁，嚴重阻礙了內海水體與北部灣海域的水體交換； 而在茅尾海入海口，懸浮物濃度分布表現為兩側偏高，中間偏低，原因在于入海口中部海域每年都進行人工航道清淤，但兩側人為活動和船只進出對水體擾動頻繁，泥沙沉積過程和海洋動力作用如洋流、潮汐等在該區域的影響微弱。

(a) 光學遙感提取結果 (b) 微波遙感提取結果

3.3.2 反演結果對比

根據反演結果，將懸浮物濃度進一步劃分為3個區間： <1 100 mg/L，[1 100，1 200) mg/L，≥1 200 mg/L，分別代表懸浮物濃度低、中、高3個等級，再將實測點分布與懸浮物濃度等級區間進行相對位置關系討論，如圖5所示。

(a) 光學遙感結果對比 (b) 微波遙感結果對比

從精度評價結果看，研究區懸浮物濃度光學遙感反演結果精度(90.35%)明顯高于微波遙感反演結果(84.87%)，表明光學遙感反演結果要明顯好于微波遙感反演結果。

1)從反演效果(圖4)看，光學遙感反演結果灰度值過渡均勻，噪聲點較少，效果明顯好于微波遙感反演結果。

2)從反演結果分區和實測點相對位置(圖5)看，光學遙感反演結果高值區和低值區與對應的實測數據完全吻合，僅在懸浮物濃度中值區，存在1處錯誤； 而微波遙感反演結果各個濃度分區與實測點均存在偏差，其中反演結果中值區和低值區各有1處錯誤，而在高值區有2處錯誤。

3)從取樣時間和衛星數據獲取時間節點看，由于不同傳感器對同一區域數據獲取時間以及野外取樣時間三者無法保證高度一致,光學遙感反演結果精度要高于微波遙感反演結果，這與取樣時間和光學遙感影像獲取時間間隔(6～8 d)要小于和微波影像獲取時間間隔(14～16 d)存在一定的相關性。

4 結論

近海及海灣地區懸浮物濃度的分布對于海岸帶綜合地質研究和生態環境保護具有重要的意義。利用遙感技術能夠快速準確地反演其分布特征，本文利用2種不同的遙感數據源，采用不同的提取算法，并結合同期實地采樣數據，準確地反演了茅尾海及其入海口懸浮物的分布。從技術方法看，2種手段均能準確地反演茅尾海懸浮物的分布特征，且反演結果表現出了高度的一致性； 從反演結果看，光學遙感反演結果要優于微波遙感反演結果，但微波遙感反演突破了光學遙感反演諸多的干擾因素，是光學遙感反演的有力技術補充。

另外，需要指出的是，由于野外取樣數據有限，反演結果的準確性需要更多野外采樣數據進行實驗驗證。