基于四波段模型的巢湖水体藻蓝素浓度反演

徐 升，顾长梅，钱贞兵，张 运

(1.安徽省环境监测中心站，安徽 合肥 230000；2.安徽师范大学 国土资源与旅游学院，安徽 芜湖 241000；3.安徽省自然灾害过程与防控研究重点实验室，安徽 芜湖 241000)



基于四波段模型的巢湖水体藻蓝素浓度反演

徐 升1，顾长梅2,3，钱贞兵1，张 运2,3

(1.安徽省环境监测中心站，安徽 合肥 230000；2.安徽师范大学 国土资源与旅游学院，安徽 芜湖 241000；3.安徽省自然灾害过程与防控研究重点实验室，安徽 芜湖 241000)

指出了近些年安徽巢湖大部分湖区表现出中度及以上的富营养化水平，尤其是在夏季更为严重，这一严重问题受到广泛关注。以巢湖为实验区，借助野外实测高光谱数据和试验室分析数据，分析了浮游植物光谱吸收特性、水体反射光谱特征和水质参数浓度之间的相互关系，系统地比较了浮游植物光谱吸收aph(665)的四波段模型和Simis的 aph(665)模型，将最优的aph(665)模型对Simis藻蓝素模型进行了优化改进，结果表明：①aph(665)的四波段模型的精度和稳定性要明显好于Simis的 aph(665)模型，其R2为0.8402，RMSE为0.394m-1，MRE为8.05%；②验证优化后的藻蓝素模型在巢湖水域反演藻蓝素的精度：相关系数R2达0.8703，反演取得较好的结果。该模型可为巢湖的蓝藻暴发遥感监测及保护管理提供一定的理论基础和技术支撑。

四波段模型；巢湖；藻蓝素；浮游植物光谱吸收

1　引言

现今在研究水体蓝藻遥感监测的领域范围内，众学者常以叶绿素a作为浮游植物物质的一个参数，偏向针对叶绿素a浓度的估算方法、反演模型的建立和改进[1～3]。但是，相关学者已指出藻蓝素才是蓝藻的最标志性的色素，而叶绿素a是一切真核藻类的共同色素，不具有特殊性[4，5]。水质参数的估算常用半经验/半分析方法，周琳等[6]对太湖叶绿素a浓度反演模型研究中，分别比较了两波段、三波段、改进三波段和四波段模型，结果表明四波段模型反演效果最好；Simis[7，8](2005,2007)基于MERIS数据，重点分析了水体在620 nm处的光谱信息，结合该波段的吸收系数和散射系数，建立适用于高浑浊内陆湖泊藻蓝素的估测算法，对荷兰湖泊的蓝藻分布进行了分析，并提出了藻蓝素的反演模型，这个模型显示藻蓝素的遥感测量主要是依靠aph(665)的估测精度；冯龙庆[9]在2011年比较三波段模型和Simis藻蓝素模型对太湖藻蓝素反演估测的结果表明：Simis藻蓝素模型的反演结果更优越，同时对Simis(2007)藻蓝素模型进行了优化改进，达到提高藻蓝素估算精度的目的。

笔者将长江中下游蓝藻暴发频繁且湖泊水体比较浑浊的巢湖作为研究区，借助实地采样观测，重点分析水质参数浓度与对应波段的浮游植物光谱吸收系数之间的关系，之后构建浮游植物光谱吸收反演模型；经过精度比较，获取高精度的浮游植物光谱吸收系数aph(665)四波段模型，结合水体反射光谱特征对Simis藻蓝素模型进行优化，进而反演巢湖藻蓝素浓度，并对反演结果进行验证。

2　实验数据

2015年10月在巢湖湖面上总共进行了两次采样，设置9个采样点，采集时间在上午 10：00～14：30，天气状况良好、无云且风力小，整个湖面相对较平静，见图1(其中十五里河和南淝河两个采样点距离靠得较近，图中显示不明显)。进行水面光谱测量的仪器是ASD便携式地物光谱仪 FieldSpec3(光谱范围为350～2500 nm)，使用Garmin GPS map 62s测定水样点经纬度，exo2多参数水质测量仪和xylem分析仪器测量蓝藻细胞和水体环境。试验采用标准采样器来同步采集巢湖水体，将水样保存在标准箱内，为防止水样变质需及时进行实验室处理分析，使用室内分光光度计测量吸收系数，叶绿素a浓度采用热乙醇萃取分光光度法，藻蓝素浓度采用反复冻融法使细胞壁破裂，用Tris-HCL缓冲液提取藻蓝素，用可见分光光分度计测量吸光度，悬浮物浓度采用GBII901-89烘干称重的方法测定，表1是统计得到的实验室结果。

图1　巢湖采样点布设

aph(665)/mChla/(μg/L)PC/(μg/L)TSM/(mg/L)max6.127432.45183.04110min1.20435.834.460mean3.571158.2379.6976.3sd1.28101.1451.8915.36

3　浮游植物光谱吸收系数aph(665)的反演建模

3.1浮游植物光谱特征

图2为巢湖两次野外实验获得的浮游植物光谱曲线，在440 nm的时候出现一个明显的色素特征峰，此处吸收峰的出现是受叶绿素a浓度影响，且峰值随叶绿素a浓度增大而增大。在波长620 nm 处因受藻蓝素的吸收作用，有一个相对而言较小的吸收峰，该吸收值随藻类密度增大而增大，这是由蓝藻水华特有的藻蓝素吸收引起，是蓝藻的最显著特征。在藻类密度大的区域，吸收系数值慢慢减小直至在650 nm附近出现了第二个极小值，之后受叶绿素a在红光波段的强烈吸收作用，在波长为675 nm附近出现另一个明显的色素特征吸收峰，该峰值随叶绿素a浓度增大而增大。在波段675 nm之后的吸收系数迅速减小，甚至接近于0。

图2　巢湖两次实验的浮游植物光谱曲线

3.2aph(665)反演模型选择

在浮游植物光谱吸收系数反演过程中，选择了665 nm处的aph(665)值是综合两方面的原因：一是为了配合Simis等(2007)建立的藻蓝素反演模型中，改进aph(665)的反演精度；二是经实验证明，aph(665)与aph(675)存在极高的相关性，可以代替aph(675)，叶绿素a在波长675nm是处于极大值的红光吸收峰附近。

3.2.1四波段模型

(1)aph(665)的四波段模型。当叶绿素a含量较少时，悬浮物质的吸收量与叶绿素a的吸收量是可比较的，所以悬浮颗粒物在红光波段的吸收就会对叶绿素a的吸收造成较大干扰，此时悬浮物质的吸收作用就不能忽略；其次，在应用于内陆富营养化水体的时候，近红外波段叶绿素a的吸收系数并不是理论上的完全接近于0，而且浑浊水体较高的后向散射也将使得吸收远大于后向散射的假设不完全成立。因此，Le等[10]在三波段模型的基础上进行了改进，在四波段模型中引入位于近红外波段的波段四，去除了悬浮颗粒物吸收的影响，以及部分抑制了纯水吸收率的影响，达到提高反演叶绿素a浓度精度的目的。

四波段模型的具体形式为：

根据建模原理，式中对于四个波段选择是： ①λ1选择对叶绿素浓度最敏感的波段，选择的取值范围是660～690 nm； ②λ2应该选择在λ1附近且对叶绿素a的吸收较小处，同时对总悬浮物吸收和黄质的吸收之和与λ1相似的波段，选择取值范围690～710 nm； ③λ3处总吸收系数应远大于后向散射系数，同时受到的所有颗粒物质的后向散射影响最小，即不受叶绿素、非色素颗粒物和黄质吸收的影响，最大程度消除后向散射的影响，选择取值范围710～750 nm； ④λ4位于近红外波段，目的在于减弱纯水和无机颗粒物吸收对色素浓度的影响，选择取值范围730～780 nm。

可见，aph(665)的四波段模型可以表示为：

其中，A和B是常量，两者是由水体固有光学特性决定。λ1、λ2、λ3和λ44个最优波段的选择是利用在各个特征波段范围内进行迭代的方法确定，Rrs是遥感反射率。

综上，得到4个最优波段分别是：λ1=673 nm，λ2=691 nm，λ3=727 nm，λ4=730 nm。

图3　四波段模型迭代过程

图4　aph(665)的四波段模型及精度验证

(1)

对于aph(665)的四波段模型，决定系数R2为0.8402；在精度评价中，均方根误差(RMSE)为0.394m-1，平均相对误差(MRE)为8.05%(图4(b))。

图5　使用验证数据验证aph(665)的四波段模型

(3)四波段模型验证。 利用6个验证数据，验证aph(665)的四波段模型在估测巢湖浮游植物光吸收值中的适应性。将验证数据的光谱数据代入建立好的aph(665)的四波段模型，得出对应点位的aph(665)估算值，最后对aph(665)实测值和估算值进行比较(图5)，均方根误差为1.33 m-1，平均相对误差为62.01%。

3.2.2Simis的aph(665)反演模型

经过推算，详细的Simis的aph(665)反演模型如下：

aph(665)=[R(709)/R(665)×(0.727+bb)-bb-0.401]×γ-1

其中，修正因子γ由aph(665)的估算值和实测值的比值得到，γ=0.0777。图6(a)、(b)分别是使用建模数据、验证数据对Simis的aph(665)模型进行估算时，aph(665)的实测值和估算值的均方根误差和平均相对误差。

由表2中不难发现，Simis的aph(665) 反演模型的精度都不如aph(665)的四波段模型。结合与图4、5的分析对比，发现Simis的aph(665)模型明显过高或过低地估算了巢湖中大部分采样点的aph(665)值。产生这种过高现象的原因可能是Simis的aph(665)模型中使用波段779 nm消除后向散射造成的，这里产生的噪声很大。综合上述分析，很明显Simis的aph(665)反演模型并不适用于巢湖，而aph(665)的四波段模型在巢湖的适用性更强。

图6　使用Simis的aph(665)模型的实测值和估算值的对比

模型精度评价验证模型RMSE/m-1MRE/%RMSE/m-1MRE/%四波段模型0.3948.051.3362.01Simis的aph(665)模型2.00346.251.73374

4　藻蓝素反演建模

4.1水体反射光谱特征

考虑到研究中所需的波段在可见光至近红外范围，以及在1000 nm之后的水体反射信号微弱，最后选择350～1000 nm的光谱数据进行处理和分析。图7为巢湖两次实验9个采样点的18条遥感反射率光谱曲线，对比分析光谱曲线得出：巢湖水体的总体反射率变化较大，但各采样点的遥感反射率具有较为一致的光谱特征；其次，藻蓝素的主要特征波段处于625 nm附近，叶绿素a的主要特征波段处于560 nm、675 nm和700 nm附近。

4.2Simis藻蓝素反演模型

一般认为水体在620 nm和665 nm处的吸收主要是由纯水和浮游植物色素占据主导地位，620 nm处主要是藻蓝素(PC)和叶绿素a(Chla)的吸收影响，665 nm处的吸收是由叶绿素a单独影响的，也就是aph(665)=achl(665)；而在波段709 nm和779 nm处的吸收则主要来自于纯水的吸收。光谱的后向散射系数来自于779 nm，因此可以利用水体固有光学特性和反射率之间的联系推算出，具体描述为下面公式Gons等[11]：

bb(779)=1.61×Rrs(779)/[0.082-0.6×Rrs(779)];

Simis藻蓝素反演模型的具体计算公式：

图7巢湖9个采样点的遥感反射率光谱曲线

aph(665)=[R(709)//R(665)×(aw(709)+bb)-bb-aw(665)]×γ-1

(2);

apc(620)=[R(709)/R(620)×(aw(709)+bb)-bb-aw(620)]×δ-1-(ε×aph(665))

(3);

其中，aph(665)为浮游植物在665nm处的吸收系数，Rrs(709)、Rrs(665)依次是709 nm和665 nm处的遥感反射率；PC是藻蓝素浓度(μg/L)；bb是后向散射系数，也就是bb(779)。γ和δ是修正因子，ε是转换系数。(2)式与(3)式显示出藻蓝素的遥感估算精度是由aph(665)的遥感估算精度所决定的。那么，高精度的浮游植物光谱吸收系数aph(665)的获取是藻蓝素反演模型和蓝藻水华监测的关键。

4.3Simis藻蓝素模型的优化

将适用于巢湖的aph(665)的最优反演模型，即四波段模型((1)式)和Simis藻蓝素模型结合起来，得到改良后的藻蓝素反演模型，将为巢湖水体中由于蓝藻造成的破坏性水华现象提供更精确的数据。

(3)式中apc(620)估算公式里的修正因子δ是由aph(620)的估算值和实测值的比值得到，转换系数ε是由叶绿素a在620 nm处和665 nm处吸收系数实测值的比值得到，经过计算：δ=0.3493，ε=0.1886。

那么，经过改进优化后的藻蓝素模型具体如下：

bb(779)=1.61×Rrs(779)/[0.082-0.6×Rrs(779)];

apc(620)=2.863×[R(709)/R(620)×0.727+bb)-bb-0.276]-(0.1886×aph(665));

PC=170×apc(620)。

4.4验证藻蓝素模型在巢湖的适用性

通过改进优化后的藻蓝素模型对采样的数据进行计算得到藻蓝素估算浓度，并将结果与实验室分析获得的藻蓝素实测浓度值进行相关性分析，以此来验证该优化后的藻蓝素模型在巢湖水域反演藻蓝素的精度。从图8可以看出，经过改进优化后的藻蓝素模型估算出来的藻蓝素与实测的藻蓝素表现出较好的相关性，相关系数R2达0.8703，由此表明，通过改进优化后的藻蓝素模型在精度上适用于巢湖藻蓝素的定量反演。

图8　藻蓝素实测值和估算值的关系

5　结论与展望

通过引进国外常用的Simis建立的藻蓝素反演模型，将笔者建立的浮游植物光谱吸收aph(665)的四段模型替换其原有的aph(665)模型，使改进后的Simis藻蓝素模型更加适用于像巢湖这样的大型、浑浊富营养化湖泊中。经过精度评价和模型验证，证明该方法具有一定的准确性和可靠性，但仍然存在一些问题，为此也提出后期研究中可能采取的措施：在后期研究中可增加分季节性进行采样，加大密度在巢湖均匀布点，以增加点位的代表性和多样性，提高aph(665)估算的精度，进而提高藻蓝素模型在整个巢湖湖泊的适用性；此研究以实测的ASD高光谱遥感数据作为数据源，改进后的Simis藻蓝素模型对其他数据源是否有更好的效果，还需进一步深入的研究。

[1]宋玉芝,张亚冬,郑建伟,等.淡水湖泊附着藻类生态学研究进展[J].生态学杂志,2016,35(2):534～541.

[2]周冠华,柳钦火,马荣华,等.基于半分析模型的波段最优化组合反演混浊太湖水体叶绿素a[J]. 湖泊科学,2008,20(2):153～159.

[3]刘朝相,宫兆宁,赵文吉,等.基于光谱基线校正的季节性浑浊Ⅱ类水体叶绿素a浓度遥感反演[J]. 湖泊科学,2014,26(6):897～906.

[4]金经纬,段洪涛,赵晨露,等.湖泊藻类水体浮游植物色素遥感反演模型[J]. 红外与毫米波学报,2012,31(2):132～136.

[5]Chawira M, Dube T, Gumindoga W. Remote sensing based water quality monitoring in Chivero and Manyame lakes of Zimbabwe[J]. Physics and Chemistry of the Earth,2013,(66):38～44.

[6]周琳,马荣华,段洪涛,等.浑浊Ⅱ类水体叶绿素 a 浓度遥感反演(I):模型的选择[J].红外与毫米波学报,2011,30(6):531～536 .

[7] Simis G H, Peters S W, Gons H J. Remote sensing of the cyanobacteria Pigment Phycocyanin in turbid inland water[J].Limnology and Oceanography， 2005,50(1):237-245.

[8] Simis G H, Ruiz V A,Pena M R， et al. Influence of Phytoplankton Pigment composition on remote sensing of cyanobacterial biomass[J].Remote Sensing of Environment,2007,106(4):414～427.

[9]冯龙庆.基于高光谱遥感的太湖水体藻蓝素和CDOM浓度估算模型研究[D].南京：南京农业大学,2011.

[10] Le C F, Li Y M, Zha Y, et al. A four-band semi-analytical model for estimating chlorophyll a in highly turbid lakes: The case of Taihu Lake, China[J]. Remote Sensing of Environment,2009,113(6):1175～1182.

[11] Gons H J, Rikeboer M, Ruddick K G. Effect of a waveband shift on chlorophyll retrieval from MERIS imagery of inland and coastal waters[J]. Journal of Plankton Research,2005,27(2)：125～127.

2016-06-20

安徽省环境保护厅科研项目(编号：2012-008)

徐升(1980—)，男，工程师，硕士，主要从事生态环境遥感监测与评价工作。

X824

A

1674-9944(2016)16-0018-06