湛江港海域叶绿素a浓度的高光谱遥感反演

蒋城飞，廖 珊，付东洋，王文芳，李 薛，刘大召，张 莹，黄雄杰

（广东海洋大学 海洋遥感与信息技术实验室，广东 湛江 524088）

湛江港海域叶绿素a浓度的高光谱遥感反演

蒋城飞，廖 珊，付东洋，王文芳，李 薛，刘大召，张 莹，黄雄杰

（广东海洋大学 海洋遥感与信息技术实验室，广东 湛江 524088）

基于表观光学法研究冬季湛江港海域高光谱遥感叶绿素a浓度的反演模型构建，结果表明，该海域单波段遥感反射率与叶绿素a浓度相关性低，波段比值和遥感反射率的一阶微分法可提高叶绿素a浓度反演精度。665 nm处的遥感反射率一阶微分值与叶绿素a浓度相关性良好，相关系数可达0.84。一阶微分相关系数大于0.8的波段大部分处于叶绿素a红光强烈吸收区域，对于富营养化的湛江港海域采用一阶微分方法构建叶绿素a浓度的遥感反演模型具有合理性。

湛江港海域，叶绿素a浓度，高光谱遥感，定量反演

湛江港位于粤西海岸大尺度湾曲处，由硇洲岛、东海岛和南三岛所环绕，属于亚热带海区[1]。湛江港及其临近海域是中国重要的海水养殖基地，同时也是重要工业生产和港口运输地，随着广东省重工产业湛江转移和沿岸经济的快速发展，每年向湛江港海域排放的污染物也快速的增长[2]。根据国家海洋环境质量公报，2013年湛江湾四类和劣四类海水面积占98%，2014年湛江港湾春季劣四类水体占70%以上，秋季占90%以上。近10年来，湛江湾营养状态指数呈现不断的上升趋势。程海鸥2007年调查发现湛江湾海水富营养化异常严重，氮磷比失去平衡[1]。付东洋、张莹等[3-5]对湛江海域水质评价方法进行了探究，研究结果表明湛江海域存在着比较严重的水体污染状况，湛江港湾及邻近海域具有高浓度的硝酸盐、磷酸盐，局部区域呈Ⅲ，ⅠⅤ类甚至劣ⅠⅤ类水质，叶绿素浓度也呈较高水平，属于比较典型的近岸二类水体。

叶绿素a（Chla）的浓度既是浮游植物生物量的重要指标，也是海洋生态系统和气候条件变化重要指标[6-10]。同时，叶绿素不仅可以反映水体中浮游植物的生物量，也是海域富营养化的表征[11]。叶绿素a的分布特征受光辐射、温度、透明度和营养盐等因素的综合影响，它在一定程度上可以反映水质状况[12]。海洋叶绿素浓度的遥感监测研究一直是国内外海洋生态与环境研究中的重要课题。由于二类水体的物质组成与光学特性比一类水体的复杂，其水色除了受到纯水的本身以及海水叶绿素a的影响外，还收到悬浮物质，黄色物质以及浅海海域海底的影响[13]。同时近海二类水体自身光学特性相对比较复杂，并且在不同海域水体光学特性存在着显著差异，区域性水体叶绿素a浓度的遥感监测模型局限性很强[14]。大量学者认为一类水体的叶绿素标准算法并不适用于近岸二类水体[13,15-17]。因而基于遥感手段的近海二类水体叶绿素浓度反演一直是国内外研究的热点和难点。

Fraser[18]对美国内陆的22个湖的光谱分析发现，遥感反射率的一阶微分值与叶绿素a浓度之间的相关性最好。Han Luoheng等[19]通过对美国的BranchedOak湖的实测数据研究表明，690 nm处的一阶微分模型能够比较好的反演叶绿素的浓度。李素菊等[20]在巢湖区域利用波段比值算法以及690 nm处遥感反射率的一阶微分数据值，分别建立了两个叶绿素a浓度反演模型，同时取得了比较高的反演精度。刘大召等[21]研究结果表明OC4算法可较好的应用于经过处理的FY-3A一级产品，表现湛江港湾及其附近海域叶绿素a浓度分布状况。

笔者采取单波段，波段比，以及一阶微分值多种方法与叶绿素a浓度之间的关系建立湛江港湾叶绿素a高光谱定量遥感反演模型，为该海域的水质遥感研究提供基础。

1 材料与方法

1.1 研究区域

调查区域及站位设置如图1所示，采样于2016年1月中旬完成，共采集19个站点。

图1 实验区域以及采样分布Fig.1 Study area and sampling stations

1.2 叶绿素a浓度测定

叶绿素 a浓度采用加拿大 RBR公司生产的RBRmaestro水质仪进行现场测量，并以1 m以浅多组叶绿素a浓度数据的平均值作为表层叶绿素a浓度。水质仪叶绿素a浓度测量传感器分辨率为0.02mg/m3。使用荧光法（激发波长470 nm，探测波长685 nm）测量叶绿素a浓度值。

1.3 光谱测量及预处理

本实验使用海洋光学（Ocean Optics）公司生产的USB2000+用于光谱测量。USB2000+测量光谱范围为200～1 100 nm，波长分辨率为0.3～10 nm。测量时间为上午9点至下午4点之间，并采用唐军武等提出的水面之上法进行水体遥感反射率测量，测量时仪器观测平面与太阳入射平面夹角为135°，仪器与水面的夹角约为 45°，这样可以有效的避免太阳的直射的影响，同时光谱测量时还需要避免船舶阴影的影响[22]。每个站点的测量不低于3次，然后进行光谱数据预处理，去除异常数据，并对每个站点3次测量的数据进行平均，得出每个站点的光谱曲线测量平均值。

遥感反射率（Rrs(λ)）为离水辐射亮度Lw(λ) 除以海面入射辐照度Es(λ)。

Lw(λ)的计算为

其中，Lu(λ)为水体上行辐射亮度，Lsky(λ)为天空下行辐射亮度，rsky为天空光反射率。

海面入射辐照度Es的计算可以由标准板测得：

其中，Lp为标准板上行辐射亮度，ρp为标准板反射率。

本实验使用反射率为20%的标准灰板进行海面入射辐照度测量。研究中原始光谱分辨率为0.3 nm，采用累加平均法对数据重采样到1 nm分辨率。

2 结 果

2.1 光谱特征分析

基于上述方法，绘制湛江港湾海域冬季水体遥感反射率如图2。

由于叶绿素a和黄色物质的强烈吸收使400～500 nm之间的光谱范围呈现比较低的反射率[23]。在550～600 nm之间的出现了反射峰，其主要原因是叶绿素的弱吸收，以及浮游植物和悬浮泥沙的反射作用形成的[24]。675 nm左右出现了反射谷，这可能是由于藻类的密度比较高时，叶绿素a对于红光强烈的吸收作用产生的[20]。湛江湾海域在700 nm左右叶绿素a荧光峰特征不明显，没有出现强烈的双峰现象，该结果与刘大召等研究结果相似[21]。同时有研究学者指出随着海水中叶绿素浓度的增加，将会引起蓝光波段辐射量的减少的和绿光波段以及红光波段辐射量的增加[25]。

图2 湛江港湾海域冬季水体遥感反射率随波长变化关系Fig.2 Relationship between spectal reflectance of light and wavelength change of Zhanjiang Bay in winte

2.2 相关性分析

在测量的19组数据中任选14组数据进行建模的研究，其余的5组光谱数据及其对应的叶绿素a浓度数据进行模型的验证工作。

2.2.1 单波段法 使用各个站点叶绿素a浓度与其测量的光谱曲线进行单波段相关系数计算，计算结果如图3所示。

图3 遥感反射率与叶绿素a浓度相关系数Fig.3 Correlation between reflectance and concentration of chlorophyll-a

各个波段的反射率与叶绿素a浓度相关系数低（图3），最大值不超过0.15。可见，就本次观测数据表明，不适合基于简单的单波段法建立该海域冬季遥感反射率（Rrs）和叶绿素a浓度值之间的关系模型。

2.2.2 波段比值法 Pullianinen等[26]的研究结果表明，对水体光谱辐亮度的不同波段做比值处理可以部分消除大气影响，也可以消除空间和时间上水面粗糙度变化的干扰。本实验使用枚举法，全局搜索

353～900 nm之间的所有波段比组合，波段比与实测浓度间相关性统计结果如图4所示。波段比相关系数最大值前5波段值见表1。

图4 波段比值与叶绿素a浓度相关系数统计Fig.4 Chart of correlation between band ratio and chlorophyll a concentration

可见，波段比值法显著提高了与叶绿素a浓度之间的关系，但大部分的相关性仍处于- 0.6～0.6之间。波段比值的最高相关性集中在850 nm左右，基于波段比值法构建的线性、二次多项式及指数模型分别如图5—7。

2.2.3 一阶微分法 叶绿素a浓度与各个波长的一阶微分数据之间的相关性（图8）。结果表明，550 nm左右存在一个负的相关系数峰值，在670 nm附近有一个正向相关系数峰值，该两处峰值与诸多学者关于叶绿素浓度在550 nm左右存在反射峰和680 nm附近存在的次高峰研究结果一致[14,27-30]。从700 nm往900 nm相关系数值存在逐渐减小的趋势。680 nm左右叶绿素a吸收峰强度随叶绿素a浓度升高而变大，其与700 nm左右的叶绿素荧光峰值之间的差值变大。670 nm左右叶绿素a吸收谷与700 nm左右叶绿素荧光峰之间的差值变大导致该峰谷之间的光谱变化率增大，因而呈现出高的相关系数值。

表 1 波段比相关系数最大值（前5波段）Table 1 The first five-band maximum of the band ratio spectral reflextance correlation coefficient

图6 叶绿素a二次多项式估测模型Fig.6 Quadratic polynomial estimation models between chlorophyll a concentrations and band ratio spectrum

图7 叶绿素a指数估测模型Fig.7 Ⅰndex estimation models between chlorophyll a concentrations and band ratio spectrum

图8 光谱反射率一阶微分与叶绿素a浓度相关系数示意Fig.8 Correlation between chlorophyll-a concentration and first-derivative spectral reflextance

统计分析表明（图9），光谱一阶微分值与叶绿素a浓度之间相关系数值在0.8～1之间共有8组。大部分的一阶微分值与叶绿素a浓度之间存在比较高的相关性，相关系数绝对值达到0.6～1之间存在134组。相关研究表明，水体光谱的一阶微分可以有效消除水体反射光的影响，提高反演精度[18-19,31]。

图9 一阶微分法相关系数值统计Fig.9 Chart of correlation between chlorophyll a concentration and first-derivative spectral reflextance

表2中记录光谱一阶微分值与叶绿素a浓度之大于0.8的波段，大部分波段处于叶绿素a对红光间相关系数绝对值从大到小排序相关系数绝对值强烈吸收的670 nm敏感波段附近。665 nm波段的一阶微分值与叶绿素a浓度值相关系数达0.84。以该波段一阶微分值作为自变量，进行线性，二次多项式，指数形式回归分析。结果如图10—12所示。

通过一阶微分反演模型比较，指数模型优于二次多项式模型，线性模型决定系数最低。

图10 叶绿素a线性估测模型Fig.10 Linear estimation models between chlorophyll a concentrations and first-derivative spectrum

表 2 一阶微分值相关系数大于0.8的波段Table 2 The value of bands that whose the first-derivative spectral reflextance correlation coefficient greater than 0.8

图11 叶绿素a二次多项式估测模型Fig.11 Quadratic polynomial estimation models between chlorophyll a concentrations and first-derivative spectrum

图12 叶绿素a指数估测模型Fig.12 Ⅰndex estimation models between chlorophyll a concentrations and first-derivative spectrum

3 分析与讨论

笔者使用剩余的5组的实测数据对建立的一阶微分以及波段比值模型进行验证。波段比值的反演结果与实测叶绿素a浓度结果的相对误差的最大值为39.18%，最小值为0，均方根误差为0.58。一阶微分模型的反演结果与实测叶绿素a浓度结果之间的相对误差最大值为23.65%，最小值为1.3%，均方根误差为0.4。

根据上述模型的研究结果，结合相关学者[21]基于OC4算法，对于湛江海域叶绿素a浓度遥感反演的研究成果，进行了比较验证，比较结果如表3。

比较结果表明：

1）相比波段比值，一阶微分模型在相对误差的最大值，平均值以及均方根误差均优于波段比值模型。而经典OC4算法以及基于OC4算法优化的湛江湾海域叶绿素 a浓度的反演结果整体上值均偏大，其相对误差值均大于本文建立的一阶微分以及波段比值模型。

2）实验结果表明，就该研究海域的冬季期间，基于一阶微分模型反演叶绿素a浓度，明显优于波段比值模型以及经典的OC4算法，该研究结果与其他研究学者的研究结果具有一致性[13,15]。

3）出现上述研究结果的主要原因可能是由于季节以及站位分布差异所致，刘大召等[21]的研究站点主要为9月份湛江湾外清澈海水区域，而本文中所采用的湛江湾采样点主要位于湛江湾内附近区域，且本次采样时间为冬季1月份，冬季平均风速大，极易引起水体强烈的混合，水体中重要组分浓度发生变化时，必将引起水体光学性质的变化[16]，从而引起叶绿素a浓度等水色要素以及其遥感反演模型上的较大差异。

通过反演数据的对比结果可见，本研究中建立的叶绿素a浓度的反演模型更加的适用于冬季湛江湾近岸区域。

表 3 各站位叶绿素a质量浓度的实测值与反演值及其误差Table 3 measured and inversion values of chlorophyll-a concentration and errors in each station

4 结 论

通过上述比较研究，可以得出以下结论：

1）湛江港海域冬季叶绿素a浓度较高，各站位均超过1mg/m3，平均达2.20mg/m3，最高达2.77mg/m3，呈高叶绿素a浓度水平。

2）基于波段比和一阶线性微分法均适合用于构建湛江港海域冬季叶绿素a浓度遥感模型，而就本次观测来看，OC4叶绿素a浓度反演模型以及单波段法不适宜。

3）综合比较波段比指数模型和一阶微分指数模型，在665 nm处的遥感反射率一阶微分值可以很好的反演湛江湾海域的叶绿素a浓度。

[1]程海鸥，马启敏，杨锋.湛江湾海水富营养化水平和浮游植物多样性分析[J].海洋湖沼通报,2009（3）：121-126.

[2]张立柱，余雷，唐谋生.湛江港湾水域富营养化与赤潮浅析[J].水资源保护,2009,25（2）：50-54.

[3]张莹，付东洋，潘德炉，等.逐步判别分析法在海洋水质评价中的应用[J].海洋学报,2013，35（6）：204-209.

[4]付东洋，张莹，刘大召，等.基于主成分分析的近海水质评价模型及其应用研究——以雷州半岛海域为例[J].海洋学研究,2015,33（1）：45-50.

[5]付东洋，杨锋，梁晓军，等.雷州半岛近海水质环境关键因子时空变化与评价[J].广东海洋大学学报,2014，34（6）：58-64.

[6]TANG D，KESTER D R，NⅠⅠ-H，et al.Upwelling in theTaiwan Strait during the summer monsoon detected by satellite and shipboard measurements[J].Remote sensing of environment,2002,83（3）：457-471.

[7]TANG D，NⅠⅠ，MÜ ller-Karger F，et al.Analysis of annual and spatial patterns of CZCS-derived pigment concentration on the continental shelf of China[J].Continental shelf research,1998,18（12）：1 493-1 515.

[8]TANG D L，KAWAMURA H，DOAN-NHU H，et al.Remote sensing oceanography of a harmful algal bloom off the coast of southeastern vietnam[J].Journal of geophysical research:oceans,2004,109(C3)：doi:10.1029/2003JC 002045.

[9]TANG D L，NⅠⅠ H，MÜ ller-Karger F E，et al.Monthly variation of pigment concentrations and seasonal winds in china's marginal Seas[J].Hydrobiologia,2004,511（1）：1-15.

[10]TASSAN S，FERRARⅠ G M.Ⅴariability of light absorption by aquatic particles in the near-infrared spectral region[J].Applied optics,2003,42（24）：4 802-4 810.

[11]蒋荣根，贺青，邝伟明，等.厦门海域水体富营养化状况综合评价[J].海洋与湖沼,2014,45（4）：710-718.

[12]潘友联.叶绿素与海洋初级生产力[J].海洋科学,1987，11（1）：63-65.

[13]沈春燕，陈楚群，詹海刚.人工神经网络反演珠江口海域叶绿素浓度[J].热带海洋学报,2005,24(6):38-43.

[14]徐雯佳，杨斌，田力，等.应用MODⅠS数据反演河北省海域叶绿素a浓度[J].国土资源遥感,2012，24（4）：152-156.

[15]马金峰，詹海刚，陈楚群，等.珠江河口混浊高产水域叶绿素a浓度的遥感估算模型[J].热带海洋学报,2009，28（01）：15-20.

[16]卢聪景.海洋水色卫星遥感二类水体反演算法综述[J].能源与环境,2011（5）：64-66.

[17]巩彩兰，樊伟.海洋水色卫星遥感二类水体反演算法的国际研究进展[J].海洋通报,2002,21（2）：77-83.

[18]FRASER R.Hyperspectral remote sensing of turbidity and chlorophyll a among nebraska sand hills lakes[J].Ⅰnternational journal of remote sensing,1998,19（8）：1 579-1 589.

[19]HAN L，RUNDQUⅠST D C.Comparison of NⅠR/RED ratio and first derivative of reflectance in estimating algal-chlorophyll concentration:A case study in a turbid reservoir[J].Remote sensing of environment,1997,62（3）：253-261

[20]李素菊，吴倩，王学军，等.巢湖浮游植物叶绿素含量与反射光谱特征的关系[J].湖泊科学,2002,14（3）：228-234.

[21]刘大召，付东洋，丁又专，等.基于FY-3A的湛江湾及其邻近海域叶绿素a遥感监测研究[J].海洋学研究,2013,31（4）：32-36.

[22]唐军武，田国良，汪小勇，等.水体光谱测量与分析Ⅰ:水面以上测量法[J].遥感学报,2004,8（1）：37-44.

[23]GⅠTELSON A，GARBUZOⅤ G，SZⅠLAGYⅠ F，et al.Quantitative remote sensing methods for real-time monitoring of inland waters quality[J].Ⅰnternational Journal of remote sensing,1993,14（7）：1269-1295.

[24]刘堂友，匡定波，尹球.湖泊藻类叶绿素-a和悬浮物浓度的高光谱定量遥感模型研究[J].红外与毫米波学报,2004,23（1）：11-15.

[25]陈楚群，施平，毛庆文.应用TM数据估算沿岸海水表层时绿素浓度模型研究[J].遥感学报,1996（3）：168-176

[26]PULLⅠAⅠNEN J，KALLⅠO K，ELOHEⅠMO K，et al.A semi-operative approach to lake water quality retrieval from remote sensing data[J].Science of the total environment,2001,268（1）：79-93.

[27]韩秀珍，郑伟，刘诚，等.基于MERSⅠ和MODⅠS的太湖水体叶绿素a含量反演[J].地理研究,2011,30（2）：291-300.

[28]杨煜，李云梅，王桥，等.富营养化的太湖水体叶绿素a浓度模型反演[J].地球信息科学学报,2009,11（5）：597-603.

[29]杨煜，李云梅，王桥，等.基于环境一号卫星高光谱遥感数据的巢湖水体叶绿素a浓度反演[J].湖泊科学,2010,22（4）495-503.

[30]张兵，申茜，李俊生，等.太湖水体3种典型水质参数的高光谱遥感反演[J].湖泊科学,2009,21（2）：182-192.

[31]程春梅，韦玉春，张静，等.基于光谱平滑的浑浊水体叶绿素a浓度一阶微分估算模型[J].地理与地理信息科学,2013,29（3）：30-34，81.

（责任编辑：任万森）

Retrieval of Chlorophyll a Concentration in the Waters of Zhanjiang Bay by Hyperspectral Technology

JⅠANG Cheng-fei,LⅠAO Shan,FU Dong-yang,WANG Wen-fang,LⅠ Xue,LⅠU Da-zhao,ZHANG Ying,HUANG Xiong-jie
(Lab of Ocean Remote Sensing & Information and Technology,Guangdong Ocean University,Zhanjiang 524088,China)

An inversion model for estimation of chlorophyll-a concentration in Zhanjiang Bay has been developed by using the apparent optical data collected in winter.As shown by the results,there is low correlation between single-band remote sensing reflectance and chlorophyll a concentration in the sea area.Moreover,it can improve the inversion accuracy utilizing the first order differential of reflectance and the band ratio.The first derivative value of the remote sensing reflectance at 665nm has a good correlation with the chlorophyll a concentration,and its correlation coefficient can be equal to 0.84.Additionally,the bands of the first order differential correlation coefficient greater than 0.8 is mostly in red light strong absorption region of Chlorophyll a.Thus,it is reasonable to construct the remote sensing inversion model of the chlorophyll a concentration based on the first order differential in the Zhanjiang bay area.

Zhanjiang bay; chlorophyll a concentration; hyperspectral remote sensing; quantitative inversion

TP79

A

1673-9159（2016）06-0107-07

10.3969/j.issn.1673-9159.2016.06.017

2016-06-07

国家海洋公益专项(201305019)；广东省自然科学基金（2014A030313603）；广东省科技计划项目（2013B030200002）；广东省科技计划项目（2016A020222016）；广东海洋大学创新强校项目（GDOU2014050226）；广东省攀登计划项目（pdjh2015b0249）

蒋城飞（1990—），男，硕士研究生，从事海洋水色遥感研究。 chengfeirs@163.com

付东洋，男，教授，从事海洋水色遥感研究。fdy163@163.com