基于Rrs(0-)太湖秋季水体固有光学量分类研究

王 海 君，黄 昌 春，李 云 梅

(1.南京信息工程大学环境科学与工程学院，江苏 南京 210044；2.南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210046)



基于Rrs(0-)太湖秋季水体固有光学量分类研究

王 海 君1，黄 昌 春2，李 云 梅2

(1.南京信息工程大学环境科学与工程学院，江苏 南京 210044；2.南京师范大学虚拟地理环境教育部重点实验室，江苏 南京 210046)

基于2007年11-12月太湖全湖40个样点采集的固有光学属性、表观光学属性和水质参数等数据，选择受光线条件影响最小的水表面以下反射率Rrs(0-)作为分类依据，探索建立太湖水体固有光学属性分类体系。结果表明，利用Rrs(0-)能较好地将太湖水体固有光学属性分为4类，其中吸收系数为：Class1:色素和非色素物质共同作用，同时黄质占有重要地位；Class2:色素和非色素物质共同作用，其中色素物质作用偏强，但非绝对主导因素，同时黄质作用较弱；Class3:非色素物质吸收系数主导类型，色素和黄质作用较低；Class4:色素、非色素物质和黄质共同作用。平均散射系数及其线性衰减斜率4种类型的大小顺序分别为：Class2>Class3>Class1>Class4和Class2Class3>Class1>Class4，而在>588 nm波长范围内，难以区分4种类型的后向散射系数。

Rrs(0-)；固有光学量；分类；太湖

0 引言

水体的固有光学特性是指不依赖周围光场的变化，而只与水体介质成分相关的物理光学量，基本参数包括吸收系数和体散射函数[1]，通过体散射函数可计算散射系数、前(后)向散射系数等衍生固有光学量，在光线条件确定的条件下水体固有光学属性直接决定了光线的穿透能力、水下光场的分布和离水辐亮度的角度分布特征[2]。由于各类水体组分存在较大的地域性和季节性差异，其吸收系数和散射系数具有较大的时空变异性，从而直接导致水表面遥感反射率的多样性。因此，水体各组分的吸收和散射系数是辐射传输和诠释水体表观光学属性的重要参数，客观地刻画了水体中组分的特征；对水体固有光学量的研究将有助于利用遥感技术反演水体组分。国内外学者对水体固有光学属性进行了大量研究：俞宏等[3]认为太湖水体散射和吸收系数具有较大的季节性差异；Weidemann等[4]研究发现Irondequoit海湾水体的吸收和散射系数分别为0.44～0.83 m-1和1.8～5.0 m-1，Prieur等[5]研究建立水体三要素吸收系数生物光学模型，并利用吸收系数划分水体类别；孙德勇等[6]认为，对水体分类有助于提高水体组分遥感反演的精度；乐成峰和黄昌春等[7，8]分别对太湖水体进行光学分类，研究不同类型水体下水体组分的光学特性和对叶绿素反演算法的改进。然而对于二类水体的固有光学属性分类研究则较少，这主要是由于水体各组分固有光学量中吸收和散射系数较复杂，难以对其进行综合评定。

针对这一现状，本研究利用水体固有光学量的共同作用结果——水表面以下反射比Rrs(0-)对水体固有光学量进行分类，试图建立二类水体固有光学量分类体系，从而划分二类水体半分析反演模型的适用范围，为不同固有光学量主导条件下的经验和半经验算法精度的提高提供参考依据。

1 材料与方法

1.1 采样时间及点位

2007年11—12月对太湖地区40个样点进行了观测(图1)。测量的参数包括室内分析的总悬浮物、色素物质、非色素颗粒物和黄质的光谱吸收系数，总悬浮物、色素物质、非色素颗粒物和叶绿素的浓度；野外测量的下行辐照度、上行辐亮度、后向散射系数、散射系数。野外仪器测量深度设置为0.30 m、0.60 m、0.90 m、1.2 m和1.5 m；采集表层水样。

1.2 参数测定

图1 样点类型分布

Fig.1 Sample and class sites

1.2.1 下行辐照度、散射系数和后向散射系数的测量 利用TRIOS水下光谱仪的辐照度探头测量水体中下行辐照度，测量波长范围为320～950 nm,光谱分辨率为3.3 nm，辐照度探头的测量饱和值为10 W(m2·nm)-1(400 nm)、8 W(m2·nm)-1(500 nm)、6 W(m2·nm)-1(700 nm)；参照Mueller数据处理方法，进行异常数据剔除和数据处理[9,10]。散射系数和后向散射系数的测量仪器为Wetlabs公司的光谱吸收、衰减仪(AC-S)和后向散射计BB9，AC-S在可见光波长范围共有85个光谱通道，光谱分辨率为4 nm，测量精度为0.01 m-1。通过AC-S可直接获得吸收和衰减系数，对吸收系数作温度、盐度和散射纠正校正后，利用衰减系数减去吸收系数得到散射系数；BB9测得的1 170体散射函数，利用经验关系计算得到后向散射系数，具体处理过程参照文献[11]。

1.2.2 总悬浮物、浮游藻类色素物质、非色素颗粒物和黄质的光谱吸收系数的测量 用UV-240IPC型紫外分光光度计测量过滤水样后的whatman滤膜的吸光度，通过吸光度计算总悬浮颗粒物的吸收系数。使用0.1%活性的NaClO3溶液对测定总悬浮颗粒物吸收系数后的滤膜进行漂白处理，利用紫外分光光度计测量漂白后的滤膜，得到非色素颗粒物的吸光度。在测量时，如果在675 nm处没有出现叶绿素吸收峰值说明漂白充分，测量的数据有效，否则说明漂白不充分，需要再次漂白。通过非色素吸光度计算非色素的吸收系数。浮游藻类色素物质的吸收系数由总悬浮物的吸收系数减去非色素颗粒物的吸收系数获取。使用0.22 μm的滤膜过滤后的水样即为黄色物质，将黄质溶液装入1*4 cm的比色皿，以超纯水作为参考水样，利用紫外分光光度计测量黄质的吸光度，利用吸光度计算吸收系数。具体处理过程参照文献[10]。

1.2.3 总悬浮物、有机物、非有机物和叶绿素浓度的测量 将马沸炉灼烧过的膜称重，得到膜的重量G1，将过滤水样后的膜烘干并称重，得到重量G2，两次膜重的差即为总悬浮物重量；将称重后干燥的膜经450℃的4～6 h灼烧处理后再称重，与G2相减可计算出无机悬浮物重量;总悬浮颗粒与无机颗粒物重量差值就是有机悬浮物重量。用称重法测得的重量与过滤的水样体积相比计算出各参数的浓度。利用“热乙醇法”测量叶绿素浓度cph,具体测量方法参照文献[12]。

1.3Rrs(0-)的估算

1975年Gordon[13]利用蒙特卡罗方法推导出水表面以下辐照度比R(0-)与固有光学属性后向散射系数(bb)及吸收系数(a)之间的关系：

(1)

式中:Eu(0-)为水表面以下的上行辐照度,Ed(0-)为水表面以下的下行辐照度，fn为模型参数，受观测条件等影响，bb为总后向散射系数，a为吸收系数。

当处于水体表面时，f0值很小且物理意义不明确，可以忽略;不考虑多次散射作用对R(0-)的影响，n=2和n=3项均可忽略，只保留n=1项，简化形式为：

(2)

水表面以下反射比Rrs(0-)可以表示为：

(3)

式中:Lu(0-)=Eu(0-)/Q为水表面以下上行辐亮度,Q为水下光场分布因子。

由式(2)和式(3)可得：

(4)

由于f和Q受光照条件共同影响，因而同一样点的f/Q在一定程度上相互抵消了光照条件的影响，从而Rrs(0-)与R(0-)、Rrs相比能更客观地体现固有光学量的差异和类型，这是本研究选用该参数的主要原因。

1.4 参数计算和分析

Lu(0-)和Ed(0-)分别通过Lu(0-)=Lu(z)exp(KLu*z)和Ed(0-)=Ed(z)exp(Kd*z)计算得到。水下辐照度在均一水体中遵循指数衰减规律[14]：

(5)

式中:Kd为水体漫衰减系数，z为从参考水层到测量处的深度，zc为参考水层深度，Ed(z)为z深度处的向下辐照度,Ed(zc)为参考水层深度处的辐照度。Kd通过对不同深度的下行辐照度进行指数回归得到，只有当R2≥0.95、深度数≥3时，其Kd才被接受，否则视为无效值[15]；同样的方法可以获取参数KLu。

数据处理、回归分析和聚类分析通过数据处理分析软件SPSS[16]实现。

2 结果分析

2.1 水表面以下反射比变异性

根据式(3)计算太湖秋季水表面以下反射比如图2所示,所有样点的Rrs(0-)在400～0 nm呈现幂函数形式递增趋势，平均幂指数为3.86±1.0466，变异系数为0.2711；而在570～750 nm，Rrs(0-)呈递减趋势，由于叶绿素在675 nm的吸收峰和682 nm的荧光作用使得在650～700 nm波长范围内存在一定的波动。Rrs(0-)的最大值出现在570 nm处，这主要是由于水体及其组分在570 nm处的低吸收和高散射作用共同作用产生的，在≤570 nm波长范围内，虽然后向散射系数较高，但由于高吸收特性作用Rrs(0-)仍然呈现低值特征，≥570 nm波长范围内，吸收特性较弱，但是后向散射系数相对也较弱，故Rrs(0-)同样表现为相对低值区域。由于太湖水体固有光学量的空间差异性，使得Rrs(0-)在数值和波形两方面都存在较大的变异性，如图2a所示，Rrs(0-)40个样点的标准差和平均值，两曲线之间差距越大说明变异性越小，其变异系数谱如图2b所示，可以看出570 nm处的变异性最小，而在两端400 nm和750 nm处变异性相对最大，这主要是由于570 nm处的变异性是由悬浮泥沙散射和吸收特征差异产生的，而两端的400 nm和750 nm处变异性是由于水体各物质的吸收和散射作用共同作用产生的，从而体现了更大的差异性；在675 nm处有一较小的变异峰值，体现了叶绿素的空间差异性。

图2 水表面以下遥感反射比

Fig.2 Remote sensing reflectance just under water surface

2.2 水表面以下反射比分类

利用SPSS对水表面以下反射比进行聚类分析，选用快速聚类分析方法，根据其自动选取的类中心点按K-means算法做20次迭代分类，将Rrs(0-)分为4类(图3)，同一类型的特征波长平均比值统计结果如表1所示。

图3 水表面以下遥感反射率类型

Fig.3 Classification of the remote sensing reflectance just under water surface

Class1，该类型Rrs(0-)在400～570 nm范围内的波谱特征与Class4较为相似，斜率Rrs(400 nm)/Rrs(570 nm)与Class4较为接近，平均值为0.25235±0.06942，但是Rrs(0-)光谱要比Class4高一倍以上；570 nm处的峰值陡峭程度次于Class4，主要是由于Rrs(0-)在570～675 nm之间衰减较Class4平缓，Rrs(570 nm)/Rrs(675 nm)平均值为1.68761±0.29759；叶绿素的吸收谷值和荧光峰值较Class4弱，Rrs(675 nm)/Rrs(700 nm)的平均值为0.97011±0.11421，这一类型体现了黄质、有机质、叶绿素和无机质共同作用的结果，但是黄质、有机质和叶绿素的作用相对高于无机物，因而黄质、有机质和叶绿素占重要地位，但非主导因素，该类型样点有24个，分布如图3a所示。

表1 相关水表面以下遥感反射率比值

Class2与Class1的Rrs(0-)在400～570 nm范围内的波谱形状相似，Rrs(400 nm)/Rrs(570 nm)的平均值为0.29567±0.03146，但Class2的Rrs(0-)比Class1略高，570 nm处的峰值在4类中最平坦，Rrs(570 nm)/Rrs(675 nm)的平均值为1.36933±0.08769；叶绿素的吸收谷值和荧光峰值较明显，Rrs(675 nm)/Rrs(700 nm)的均值为0.9494±0.06583。该类型同样体现了黄质、有机质、叶绿素和无机质共同作用的结果，但与Class1相比Rrs(0-)总体有一定的提升，这是无机质散射的作用，因而无机质作用比Class1中的强，从而占有重要地位，但同样为非主导地位，该类型样点有7个(图3b)。

Class3，这一类型的Rrs(0-)在400～570 nm范围内波谱递增较为缓慢，Rrs(400 nm)/Rrs(570 nm)最大，平均值为0.48899±0.16545，Rrs(400 nm)/Rrs(570 nm)相对较为平坦，平均值为1.45554±0.27394；同时相对于其他3类Rrs(0-)值较高，这主要是由于该类的无机物含量较高，后向散射系数较大，有机物和叶绿素含量较低，吸收系数较小。Class3的黄质和叶绿素的浓度相对较低，无机质浓度较高，后向散射系数较大，有机物与叶绿素的比值较大，平均值为2.48286，该类型样点有4个(图3c)。

Class4，这一类型主要的代表特征是Rrs(0-)在570 nm存在陡峭的峰值400～570 nm范围内波谱迅速递增，Rrs(400 nm)/Rrs(570 nm)最小，平均值为0.23325±0.09211；675 nm的叶绿素吸收谷值和700 nm前的叶绿素的荧光峰值最为明显，Rrs(675 nm)/Rrs(700 nm)最小，平均值为0.82564±0.17661；同时相对于其他3类Rrs(0-)值较低，这主要是由于该类的无机物含量较低，后向散射系数较小，有机物和叶绿素含量较高，吸收系数较大。这种类型代表了有机物、黄质和叶绿素含量较高，占主导地位，无机物含量较低，处于次要地位，同时也是有机物与叶绿素比例较低的样点，平均比值为0. 580187，该类型样点有5个(图3d)。

图3e、图3f分别为4种类型的平均值和归一化平均值，从其平均值可知，4种类型的Rrs(0-)在数值上存在明显的类别之分，而其归一化平均值则较为明显地展示了4种类型Rrs(0-)的波谱差异。

2.3 固有光学量的类型

2.3.1 吸收系数 依据Rrs(0-)的类别，将总吸收系数分为4类(图4a)，其差异如图4b和图4c所示，由4类总吸收系数的平均值和标准差谱(图4b)可以看出平均值远大于标准差值，因而4类总吸收系数间的差异较小。由于标准差难以全面描述4类总吸收系数间的差异，故通过其变异系数谱(图4c)描述。变异系数在700 nm以后直线上升，但由于吸收系数在700 nm以后信号较弱，致使其信噪很低，因而选用700 nm以前的变异系数谱。可以看出，变异系数最大的峰值为叶绿素在675 nm处的吸收峰值，其次变异峰值是铜绿微囊藻在560～640 nm的藻蓝蛋白吸收带中的630 nm，再次变异峰值是无机质散射作用引起的吸收系数在560 nm的差异，而在400 nm由于黄质和非色素物质吸收系数的差异，使得变异系数随波长的减小不断增大。

图4 4种类型平均总吸收系数及其变异性

Fig.4 Average absorption coefficient and variability of four classes

4类总吸收系数中各组分吸收系数对总吸收系数的贡献率如图5所示，可以看出4种类型中黄质、色素物质和非色素物质对总吸收系数的贡献率具有显著的差异。Class1中，在≤570 nm波长范围内，非色素和黄质占主导地位，贡献率之和在60%以上，因而Rrs(0-)相对较小，在≥570 nm波长范围内，非色素、黄质和色素物质的贡献率大约相同，因而在675 nm处Rrs(0-)有一低谷；Class2中，大约在≤550 nm波长范围内，非色素、黄质和色素物质共同作用，而在≥550 nm波长范围内，色素物质占主导位置，因而Class2的叶绿素吸收谷值和荧光峰值差距较为显著； Class3整个波长范围内，非色素、黄质占据主导地位，只在675 nm处与色素物质贡献率相当，所以在675 nm处Rrs(0-)存在较小的谷值，同时由于该类型非色素中的无机物含量较高(图6)，使得整个波长范围内后向散射系数较高，从而Class3的Rrs(0-)是4种类型中最高的； Class4中，在≤570 nm波长范围内非色素和黄质占主导地位，与Class1相似，散射黄质的作用较Class1更强，因而Class4的Rrs(0-)值在≤570 nm波长范围内更小，同时由于总吸收系数较低，黄质在570 nm后仍然占有重要位置，因而在570～650 nm范围内，Rrs(0-)仍很小，使得Class4在570 nm处的峰值较Class1更加陡峭，叶绿素在675 nm吸收谷值和685 nm荧光峰值差值最大，体现Class4的高叶绿素浓度特性，虽然该类型中总吸收系数最小，但由于非色素中无机物含量较小，后向散射系数较低，使得Class4的Rrs(0-)在4种类型中最低。

图5 各个组分吸收系数对总吸收系数的贡献率

Fig.5 Contribution of each composing substance absorption coefficient to total absorption coefficient

图6 4种类型物质浓度组成

Fig.6 Each composing substance concentration of four classes

2.3.2 散射系数和后向散射系数 根据Rrs(0-)的类别，将颗粒物总散射系数和后向散射系数分为4类，分别如图7和图8所示，发现散射系数的4种类型无论是在数值上，还是在曲线的斜率上都存在较大的差异，如图7a所示，其中Class2的散射系数和直线斜率最大,平均散射系数为32.72795，直线斜率为-0.0469；Class3的散射系数和直线斜率居第二位，分别为25.39422、-0.0367；Class1的散射系数和直线斜率居第三位，分别为15.83254、-0.023；Class4的散射系数和直线斜率最小，分别为9.085405、-0.0119；4种散射系数类型差异较大，变异系数谱值在整个波长范围内高于0.7(图7c)。4种类型的散射系数与该类型颗粒物的浓度具有强相关性，随着颗粒物浓度的增加，散射系数线性增加，但是由于颗粒物组成的差异，增加的速度有所差异，一般是无机物比例越高，增长速度越快(直线斜率越大)，Class1、Class2、Class3、Class4散射系数随颗粒物浓度增长的线性斜率分别为：1.1755、2.0434、1.4321、0.7822，无机物比例分别为：0.61386、0.822696、0.714544、0.467105，线性斜率随无机物比例成指数增加，R2=0.9934。

后向散射系数4种类型在<588 nm波长范围内差异较大，容易区分，其大小顺序为Class2>Class3>Class1>Class4，而在>588 nm波长范围内，差异较小，难以区分，如图8a所示；求其平均值和标准差如图8b所示，在<588 nm波长范围内，平均值和标准差之间距离迅速增加，而在>588 nm波长范围内，平均值和标准差之间距离增大速度较缓慢；可以得到后向散射系数4种类型的差异是随着波长的增加呈指数形式迅速减小，在<588 nm波长范围内减小速度较快，在>588 nm波长范围内减小速度较慢，如图8c后向散射系数变异系数谱所示。

图7 4种类型平均散射系数及其变异性

Fig.7 Average scattering coefficient and variability of four classes

图8 4种类型平均后向散射系数及其变异性

Fig.8 Average back scattering coefficient and variability of four classes

根据上述基于Rrs(0-)的固有光学量分类结果，探索建立太湖水体固有光学属性分类体系。首先利用快速聚类等分类方法对水体Rrs(0-)进行分类，得到某一类型Rrs(0-)分类结果(图9a)，这一类型各个波长上的Rrs(0-)是由对应的波长固有光学属性共同作用形成的(图9b)；纯水的固有光学属性固定不变，故看做是背景参数，即为图中的圆形，引入色素、非色素和黄质的吸收系数，即形成了纯水、色素、非色素和黄质的吸收系数的平面；将散射系数分为后向散射系数和为后向散射系数(位于吸收平面以上)和前向散射系数(位于吸收平面以下)，这样就建立了太湖水体固有光学属性分类体系，通过对固有光学属性差异进行分析，确定固有光学属性类型，如果希望直接通过固有光学属性进行分类，则固有光学属性分类体系中的分类阈值需要进一步研究确定。利用该体系对属于二类水体的太湖水体进行再次分类，这样有利于对固有光学属性时空差异性和二类水体的复杂性进行研究，有利于针对不同固有光学属性主导类型的二类水体建立更加适合、精确的生物、物理、化学模型。

图9 固有光学属性分类体系示意

Fig.9 Sketch of classification system of inherent optical property

3 讨论

在散射系数较小的海洋一类水体中，当bb<

图10 多次散射作用示意及其对Rrs(0-)的贡献率

Fig.10 Sketch of multiple scattering and the contribution of multiple scattering toRrs(0-)

由于不同类型的散射系数和吸收系数存在较大的差异，多次散射作用对Rrs(0-)的贡献率无论是在空间维、时间维还是波长维都存在一定的差异性，因而基于Rrs(0-)的固有光学属性分类必然受到多次散射作用的影响。在散射特征明显的无机物含量较高水体中，水体散射特性相对较强，吸收特性较弱，此时多次散射作用对Rrs(0-)贡献率较高，因此会高估无机物在分类中的作用，会将固有光学属性中的散射系数划分到更高散射级别的类别中；而在吸收特征明显的有机物含量较高的水体中，此时多次散射作用对Rrs(0-)贡献率较低，因此会低估无机物在分类中的作用，会将固有光学属性中的散射系数划分到低散射级别的类别中，同时由于不同波长上的多次散射作用对Rrs(0-)贡献率不同，因此多次散射作用对Rrs(0-)的波谱特征同样存在一定的影响，但由于吸收系数与散射系数变化趋势的相似性，这一影响相对较小，但仍需进一步对其量化。

4 结论

1)太湖秋季水体Rrs(0-)4种类型分别为：Class1：黄质、有机质、叶绿素和无机质共同作用，黄质、有机质和叶绿素占重要地位，但非主导因素；Class2：黄质、有机质、叶绿素和无机质共同作用，无机质占重要地位，但非主导因素；Class3：无机物主导类型；Class4：黄质、有机质、叶绿素主导类型。4种类型中Class1样点占60.0%，Class2占17.5%，Class3占10.0%，Class4占12.5%。2)利用Rrs(0-)能够较好地将太湖水体固有光学属性分为4类，固有光学属性吸收系数的4种类型：Class1：色素和非色素物质共同作用，同时黄质占重要地位；Class2：色素和非色素物质共同作用，其中色素物质作用偏强，但非主导因素，同时黄质作用较弱；Class3：非色素物质吸收系数主导类型，色素和黄质作用较弱；Class4：色素、非色素物质和黄质共同作用。3)散射系数4种类型较为清晰，根据其平均散射系数和斜率大小顺序分别为：Class2(32.72795)>Class3(25.39422) >Class1(15.83254)>Class4(9.085405)；Class2(-0.0469) Class3>Class1>Class4，而在>588 nm波长范围内，难以区分4种类型的后向散射系数；4种类型后向散射系数的变异系数谱随波长的增加呈指数形式递减。

[1] MOBLEY C D.light and Water[M].American,1994.

[2] WANG P,BOSS E S,ROESLER C.Uncertainties of inherent optical properties obtained from semianalytical inversions of ocean color[J].Applied Optical,2005,44(19):4074-4085.

[3] 俞宏,蔡启铭,吴敬禄.太湖水体吸收系数与散射系数的特征研究[J].水科学进展,2003,14(1):46-49.

[4] WEIDEMANN A D,BANNISTER T T.Absorption and scattering coefficients in lrondequoit Bay[J].Limnol Oceanogr,1986,31(3):567-583.

[5] LOUIS P,SATHYENDRANATH S.An optical classification of coastal and oceanic waters based on the specific spectral absorption curves of phytoplankton pigments,dissolved organic matter,and other particulate materials[J].Limnol Oceanogr,1981,26(4):671-689.

[6] SUN D Y,LI Y M,WANG Q,et al.Development of optical criteria to discriminate various types of highly turbid lake waters[J].Hydrobiologia,2011,669:83-104.

[7] LE C F,LI Y M,ZHA Y,et al.Remote estimation of chlorophyll a in optically complex waters based on optical classification[J].Remote Sens.Environ.,2011,115:725-737.

[8] HUANG C C,LI Y M,YANG H,et al.Assessment of water constituents in highly turbid productive water by optimization bio-optical retrieval model after optical classification[J].Journal of Hydrology,2014,519:1572-1583.

[9] 黄二辉,潘德炉,李淑菁,等.水下剖面光谱原始数据异常值的判断方法[J].海洋学研究,2006,24(1):91-96.

[10] MUELLER J L,FARGION G S,ZANEVELD R V,et al.Ocean Optics Protocols for Satellite Ocean Color Sensor Validation (Revision 4.Volume IV)[S].NASA,2003.

[11] MOORE C,BARNARD A,HANKINS D,et al.Spectral Absorption and Attenuation Meter (ac-s) User′s Guide,Revision A[R].America：WET Labs Inc,2004.5-20.

[12] 陈宇炜,陈开宁，胡耀辉.浮游植物叶绿素a测定的“热乙醇法”及其测定误差探讨[J].湖泊科学,2006,18:550-552.

[13] GORDON H R,BROWN O B,JACOBS M M.Computed relationships between the inherent and apparent optical properties of a flat homogeneous ocean[J].Applied Optics,1975,14(2):417-427.

[14] HUOVINEN P S,PENTTOL H,SOIMASUO M R.Spectral attenuation of solar ultraviolet radiation in humic lake in Central Finland[J].Chemosphere,2003,51(3):205-214.

[15] 张运林，秦伯强.太湖水体光学衰减系数的分布及其变化特征[J].水科学进展,2003,4(14):447-453.

[16] 余建英，何旭宏.数据统计分析与SPSS应用[M].北京:人民邮电出版社,2005.

[17] MOBLEY C D,SUNDMAN L K.Hydrolight 4.1 Users’ Guide[R].Sequoia Scientific,Inc.also www.sequoiasci.com.2000.

[18] MOBLEY C D,SUNDMAN L K.Hydrolight 4.1 Technical Documentation[R].Sequoia Scientific Inc,2000.

Classification Research of Inherent Optical Property Base onRrs(0-) in Autumn Taihu Lake

WANG Hai-jun1,HUANG Chang-chun2,LI Yun-mei2

(1.SchoolofEnvironmentalScienceandEngineering,NanjingUniversityofInformationScience&Technology,Nanjing210044;2.KeyLaboratoryofVirtualGeographicEnvironment(NanjingNormalUniversity),Nanjing210046,China)

Based on the measurement and calculation parameters such as inherent optical properties,the apparent optical properties and water quality parameters of 40 sites on the whole Taihu Lake during November to December in 2007，choosing the remote sensing reflectanceRrs(0-) just under water surface that the smallest light conditions affect on it classification results as a basis for the inherent optical properties class,the paper gropes for the method to establish classification system of inherent optical properties in Taihu Lake.Results show that,usingRrs(0-) the inherent optical properties of Taihu Lake can be classified into four categories preferably,the four categories of absorption coefficients:Class1:pigment and non-pigment material has the common role,while yellow substance also occupies an important position;Class2:pigment and non-pigment material has the common role,but pigment material is stronger than non-pigment occupying an important position,but not the dominant factor,while the effect of yellow substance is much weaker;Class3:non-pigment material is the dominant factor,the effect of pigment and yellow substance is low;Class4:pigment,non-pigment material and yellow substance has the common roles.The order of four types of average scattering coefficient and linear attenuation slope are:Class2>Class3>Class1>Class4 and Class2Class3>Class1>Class4，In>588 nm wavelength range,it is difficult to distinguish the four types of back-scattering coefficient.

Rrs(0-);inherent optical property;classification;Taihu Lake

2015-01-13；

2015-04-02

江苏高校优势学科“环境科学与工程”建设工程资助项目(PAPD)；国家自然科学基金项目(41201325、41101340)

王海君(1982-)，男，助理研究员，主要研究方向为环境遥感。E-mail:whj9989@163.com

10.3969/j.issn.1672-0504.2015.05.022

X87

A

1672-0504(2015)05-0107-08