基于環境減災二號A/B衛星HSI數據的太湖葉綠素遙感監測研究

殷守敬 周亞明 孟斌 王楠 李建

(1 生態環境部衛星環境應用中心，北京 100094) (2 國家環境保護衛星遙感重點實驗室，北京 100094) (3 南京信息工程大學 遙感與測繪工程學院，南京 210066)

內陸河湖水環境狀況對周邊居民的飲水安全、農業灌溉和漁業經濟至關重要。隨著流域工業發展、污染排放增長和土地利用變化，湖泊水體營養負荷不斷增加，導致很多湖泊出現富營養化現象。葉綠素a(Chl-a)是一個非常重要的水環境參數，通常被選作估算湖泊富營養化程度和初級生產力的指標[1]。因此，快速獲取湖泊水體Chl-a濃度對湖泊生態系統監測評估非常重要。

傳統的Chl-a監測方法是建立在合適的點位監測數據基礎上。測量站點的數量有限，影響了更精細的空間尺度的水質監測。因此，遙感數據的大區域覆蓋能力使得其在Chl-a監測中發揮了重要作用。相繼有很多學者利用遙感手段反演大面積湖泊的Chl-a濃度。文獻[2]使用從200多期MERIS圖像中得到的Chl-a圖來比較2003-2009年間歐洲近阿爾卑斯地區12個湖泊的水質。文獻[3]建立了基于MERIS和MODIS可見光-近紅外通道的葉綠素反演模型，并在太湖水體Chl-a濃度反演取得了較高的精度。基于陸地衛星(Lansat)專題繪圖儀(TM)和增強型專題繪圖儀(ETM+)數據，文獻[4]利用一階導數模型實現了鄱陽Chl-a濃度監測；文獻[5]利用高分一號(GF-1)衛星的藍光和紅光波段，構建波段比值模型、波峰波谷模型和一階微分模型來反演Chl-a濃度；文獻[6]基于太湖實測Chl-a濃度數據以及同步環境減災一號B衛星CCD多光譜影像,綜合比較4種機器學習模型(隨機森林RF，支持向量回歸SVR，反向傳播人工神經網絡BPANN，深度學習DL)反演太湖Chl-a濃度的精度、穩定性及魯棒性。目前的研究多利用多光譜的衛星數據進行水色參數反演，往往無法對復雜內陸水體實現高精度的葉綠素反演。而高光譜數據，由于其波段數多，波段更窄，包含更多更準確的光譜信息，非常適合于水色參數反演。而如何利用高光譜數據的優點進行水色參數反演已經成為研究的熱點方向[7]。

基于《國家民用空間基礎設施中長期發展規劃》(2015—2025)，根據國家防災減災、環境保護等重大應用需求，兼顧國土資源、水利、農業、林業、地震等其他行業業務需求，我國于2020年9月27日成功發射環境減災二號A/B(HJ-2A/B)衛星。衛星載荷包括16 m多光譜、48 m/96 m高光譜和48 m/96 m紅外傳感器。HJ-2A/B衛星高光譜成像儀(HSI)數據的出現大大補充了我國高光譜數據的覆蓋能力，其在我國內陸湖泊的葉綠素定量反演和動態監測應用方面的能力亟待評估。

因此，本研究針對葉綠素Chl-a定量遙感監測的需求，選擇我國典型內陸湖泊——太湖為研究區域，結合地面觀測數據和準同步的哨兵-2衛星多光譜(Sentinel-2 MSI)數據，研究適用于太湖Chl-a的定量遙感反演模型和算法，對比分析HJ-2A/B HSI數據的定量監測能力，為HJ-2A/B HSI數據的水環境定量遙感應用提供建議和支撐。

1 研究區域與數據

1.1 太湖

太湖位于長江三角洲，是我國的五大淡水湖之一，水面面積約2338 km2。太湖流域是我國人口最密集、經濟最發達、城市化程度最高的地區之一。經濟的快速發展，對資源的過度消耗，導致太湖流域水污染與富營養化問題突出,大部分水體處于輕度和中度富營養狀態。2007年5月間的太湖藍藻暴發事件, 更加引起了人們對太湖水環境安全問題的關注[8]。目前遙感技術在太湖葉綠素的監測多利用MODIS[9]、Landsat等數據[10]研究其典型水環境要素時空變化，高光譜數據的應用研究相對較少。

1.2 HJ-2A/B HSI 數據

HJ-2A/B衛星軌道類型是太陽同步回歸軌道，高度為644.547 2 km，降交點地方時是10:30AM。單星每軌可成像，每天最多可成像14次、最多累計成像100 min。HSI衛星數據星下點地面像元分辨率≤48 m(0.45～0.92 μm)，譜段數≥100(0.45～0.92 μm)，平均光譜分辨率優于5 nm，量化等級為12 bit。詳細載荷參數見表1。

表1 HJ-2A/B HSI載荷技術指標Table 1 HJ-2A/B HSI load technical specifications

為了進一步交叉驗證HJ-2A/B HSI的反射率數據和水環境參數產品的質量，選擇了準同步的2021年1月14日Sentinel-2 MSI數據進行交叉對比驗證。由于Sentinel-2 MSI傳感器為多光譜數據，因此根據其藍光、綠光、紅光和近紅外波段的中心波長480 nm、560 nm、655 nm和865 nm，選擇HJ-2A/B HSI的對應波段。

1.3 實測數據

為了驗證HJ-2A/B HSI數據遙感反射率和水質參數反演的精度，選擇了與HJ-2A/B HSI數據成像日期相同、時間接近的2021年1月20日12時太湖水質監測站觀測數據，包含8個站點的濁度和葉綠素觀測值，該觀測數據集主要用于現有水質參數反演模型的參數率，以提高模型精度。具體站點分布和觀測數據如圖1和表2所示。

圖1 太湖影像及實測站點分布圖Fig.1 Taihu Lake images and distribution of field measurement sites

表2 太湖地面同步觀測數據統計表Table 2 Statistics of synchronous ground-based observation data of Taihu Lake

提取并分析了太湖水質監測站點的HJ-2A/B HSI遙感反射率(Rrs, sr-1)數據，如圖2所示。總體來看，Rrs在可見光和近紅外光譜區域變化很大。光譜的最大值在550 nm、690 nm處。在最大值和710 nm之間有一個明顯的急劇下降；然后反射光譜略微下降到最小值。在這個波段(600～700 nm)區間，與浮游植物生物量有關的典型特征，如由于最大紅光吸收而在670 nm處出現的最小值和由于Chl-a熒光而在683 nm處出現的最大值，在一些光譜中一般不存在或不明顯。

圖2 HJ-2A/B HSI傳感器水體反射率數據 Fig.2 HJ-2A/B HSI sensor water reflectance data

1.4 數據預處理

1)幾何精糾正

以經過幾何精糾正的Landsat-8衛星OLI圖像為基準，選擇控制點，對48 m HJ-2A/B HSI數據進行幾何精糾正。控制點數量為20～30個，空間上均勻分布，影像的配準精度在1個像元以內。

2)大氣校正

對HJ-2A/B HSI數據進行輻射校正和大氣校正。其中輻射校正的參數為系統發射前實驗室定標系數，大氣校正方法采用FLAASH方法。

2 結果與分析

2.1 HJ-2A/B HSI與Sentinel-2 MSI反射率數據一致性分析

圖3給出了HJ-2A/B HSI與Sentinel-2 MSI在4個對應波段的反射率數據散點對比。可以看出HJ-2A/B HSI反射率數據與Sentinel-2 MSI數據存在一定的聚集關系，但相關性隨波段產生變化(見表3)。在藍光480 nm和近紅外波段865 nm與Sentinel-2 MSI遙感數據相關性較小，相關性分別為0.61和0.59，而在560 nm和655 nm波段兩者的相關性分別為0.80和0.83，高于藍光和近紅外波段。根據統計學中對相關系數的定義，相關系數0.8～1.0為極強相關，0.6～0.8為強相關，0.4～0.6為中等程度相關，0.2～0.4為弱相關，0.0～0.2為極弱相關或無相關。

圖3 HJ-2A/B HSI與Sentinel-2 MSI對應波段遙感反射率交叉驗證圖Fig.3 Cross-validation of HJ-2A/B HSI and Sentinel-2 MSI in corresponding band of remote sensing reflectance

表3 HJ-2A/B HSI與Sentinel-2 MSI對應波段遙感反射率統計對比Table 3 Comparison of remote sensing reflectance statistics between HJ-2A/B HSI and Sentinel-2 MSI in corresponding bands

而根據圖2所示站點反射率數據曲線，可以發現HJ-2A/B HSI傳感器在藍光波段反射率數據較不穩定，推測原因可能是圖像噪聲、輻射定標或大氣校正的影響。由于水體紅外波段的輻射信號較弱，更易受到傳感器噪聲的影響(信噪比較低)，因此導致HJ-2A/B HSI傳感器數據目前在兩端波段范圍內數據質量仍需進一步改進的問題。

2.2 HJ-2A/B HSI葉綠素反演模型

針對葉綠素a濃度反演的建模需求，由于現階段可獲取的HJ-2A/B HSI與地面同步觀測數據仍較少，無法應用傳統的建模方法。因此，參數反演模型均采用了太湖區域已有的研究和應用模型，同時考慮HJ-2A/B HSI影像的各波段數據質量和穩定性，以現有的8個站點的同步數據作為輸入來率定模型參數，盡可能的提高模型精度。

基于HSI數據的葉綠素a反演模型為

Cchla=0.250 7×

(1)

基于Sentinel-2 MSI數據的葉綠素a反演模型為

(2)

式中：RRrs(720)，RRrs(690)，RRrs(709)，RRrs(665)分別表示對應中心波段的遙感反射率數據，單位為sr-1，葉綠素濃度單位為mg/L。

圖4和圖5分別為HJ-2A/B HSI和Sentinel-2 MSI在太湖的葉綠素反演結果和模型精度驗證結果。通過參數優化，HSI葉綠素a反演結果與實測值相關系數為0.29，模型的預測誤差(MAPE)為37.5%，均方根誤差(RMSE)為0.007 8 mg/L。因此針對目前的HJ-2A/B HSI反射率產品的數據質量如條帶噪聲、光譜曲線跳躍不平滑等問題仍需進一步優化，同時由于目前階段可用于葉綠素反演建模的地面同步數據較為有限，因此針對葉綠素的監測能力仍需在影像數據質量、輻射定標/大氣校正精度，以及葉綠素模型精度方面進一步改進完善。

圖4 HJ-2A/B HSI葉綠素反演精度驗證圖Fig.4 Validation of the accuracy of HJ-2A/B HSI chlorophyll inversion

圖5 葉綠素反演對比圖Fig.5 Comparison of chlorophyll inversion

2.3 HJ-2A/B HSI與Sentinel-2 MSI葉綠素產品一致性評價

對比葉綠素a濃度的空間分布(圖6)，可以看出HJ-2A/B HSI影像數據與Sentinel-2 MSI影像提取葉綠素濃度整體空間趨勢可保持基本一致，尤其是考慮兩者的成像時間差異，整體的產品在定性表達上滿足基本應用需求。

但HSI和OLI兩者在葉綠素產品精度上仍存在兩點顯著差異，首先在產品數據濃度范圍上，HSI葉綠素產品濃度整體高于OLI產品，兩者的線性回歸斜率為0.02，相關系數約為0.17，相關性偏弱。另一個著差異為HSI的葉綠素產品的空間細節變化更為詳細，反演獲得的葉綠素產品更加平滑。

圖6 HJ-2A/B HSI與Sentinel-2 MSI葉綠素反演對比圖Fig.6 Comparison of HJ-2A/B HSI and Sentinel-2 MSI chlorophyll inversion

圖7 葉綠素統計直方圖Fig.7 Histogram of chlorophyll statistics

3 結束語

本文針對HJ-2A/B HSI數據的內陸湖泊水環境定量監測中的應用潛力問題，結合太湖地面觀測水質數據和準同步的Sentinel-2 MSI傳感器數據，綜合對比分析了HJ-2A/B HSI數據質量和一致性， 初步構建了提出了HJ-2A/B HSI數據的葉綠素濃度遙感監測方法, 并對實驗結果進行分析, 其精度符合II類水體葉綠素濃度的反演要求。對比分析HJ-2A/B HSI遙感反射率數據和葉綠素產品數據的初步成果看，利用該其監測內陸湖泊水體葉綠素濃度的時空分布與變化具有可行性。但本文僅是初步研究結果, 在后期的研究中還需補充觀測, 探討適用于HJ-2A/B HSI數據的大氣校正和參數反演模型，充分發揮HJ-2A/B HSI數據在內陸湖泊水體中的遙感監測潛力。