基于HJ1B-CCD1的太湖叶绿素a含量反演

戴芳筠，聂运菊

(东华理工大学 测绘工程学院，南昌 330013)

基于HJ1B-CCD1的太湖叶绿素a含量反演

戴芳筠，聂运菊*

(东华理工大学 测绘工程学院，南昌 330013)

波段比值法作为比较成熟的基于生物光学对叶绿素a含量反演的经验模型，目前较多运用于对二类水体富营养化叶绿素a含量反演.本文分别对环境小卫星数据B3和B4波段作为建立模型的波段组合建立线性回归、指数、对数、多项式、幂等五种回归模型.通过R2系数对比，发现多项式模型拟合效果最佳.经验证点对比分析，发现此模型对太湖湖区的叶绿素a含量能够进行较好的反演.

太湖；叶绿素a；回归模型；环境小卫星

随着我国经济的快速发展，水环境恶化以及污染是我国面临的重要问题.我国很多重要的淡水湖、水库和河段富营养化问题越来越严重.叶绿素a作为最重要的水质检测指标之一，其变量是反映水体富营养化的重要指标[1-3].目前，我国对于水质的监测体系主要采取定时定点的地面监测为主而难以实现大规模实时连续监测.遥感技术作为主要的探测技术之一，具有收集资料便捷、检测范围较大、信息量庞大等特点，能够在空间和时间上对水体水质进行广泛监测.国内外许多学者对于二类水体中叶绿素a含量反演进行了大量研究[4-11]，包括叶绿素a的光谱特征、最佳波段组合，以及构建反演模型，都取得了重大进展.结合地面实测遥感数据，构建一系列叶绿素a含量反演模型，例如单波段法、波段比值法[12]、三波段法等在二类水体中叶绿素a含量反演中取得了广泛运用.环境一号卫星是中国第一个专门用于环境与灾害监测预报的小卫星，其上搭载超光谱成像仪，具有连续高光谱设置和往返周期较短的优点，能够反映出二类水体中的微小变化，从而来提高反演精度，同时能够对水体进行大范围实时监测.

1 研究区概况

太湖位于长江三角洲的南缘，是我国五大淡水湖之一，界于北纬30°55′40″～31°32′58″和东经119°52′32″～120°36′10″之间.近年来，由于太湖流域经济区快速发展和周边城市的工业化、城市化，产生大量废水、污水，使太湖水体富营养化问题日趋严重.每年大范围爆发蓝藻水华,不仅使湖中鱼虾大面积死亡,破坏水体生态平衡，同时对周边居民生活用水产生了严重影响，对经济和生态造成了难以计算的损失.因此，采用遥感技术对太湖叶绿素a进行连续实时的监测具有重要意义.

2 研究内容

图1 步骤流程图Fig.1 The flow chart of steps

根据环境小卫星CCD影像数据特点和二类水体叶绿素a反演技术要求，选用的技术路线为：首先对环境小卫星CCD数据进行预处理后利用波段比值法对实测数据建立多个拟合模型，将合适的模型运用到整个太湖水面区，从而反演出整个太湖区叶绿素a的含量，并对结果进行比较，具体流程图如图1所示.

3 数据来源与处理

3.1遥感数据获取与预处理

选取环境小卫星CCD-1B的图像作为数据源，选取6-11月水体叶绿素a含量较高、当天天气较好的遥感影像(如图2所示)，经精校正太湖TM影像(如图3所示),并且获取采样点实测数据(如图4所示).

3.2辐射定标

辐射定标是将传感器记载的电压或数字量化值转换为绝对辐射亮度值(辐射率)的过程，或者转换为与地表(表观)反射率、表面(表观)温度等物理量有关的相对值的处理过程[13]，从而保证精确反演地物特征.本研究采用扩展工具对小卫星数据进行定标，定标后文件转换为BIL格式文件再进行大气校正.

3.3几何校正

遥感影像在成像过程中受到飞行轨道高度、地形起伏等各种因素影响，从而使得遥感影像产生了一定程度的几何形变.为了使得影像具有精确的地理信息需要去除其在成像过程中产生的几何形变，而进行几何校正.本研究采用已经校正过的TM数据作为基准图像，在ENVI软件中采用二阶多项式法对研究区影像进行校正.校正后误差在1像素之内.

3.4大气校正

大气辐射在传输过程中由于受到各种大气因素的综合影响，使得太阳辐射到达地球表层后衰减，从而使得地面反射的太阳辐射与真实辐射存在误差，导致影像光谱信息失真，十二影像不能反映地物真实信息.一般来说，大气校正也是反演地物真实反射率的过程.

本文采用的是FLAASH大气校正法，该模型是基于MODTRAN模型构建的，是目前精度较高的一种模型.当遥感影像有合适波段的时候，FLAASH还能够对气溶胶、水气等参数进行反演[14].根据影像中自带参数来设置FLAASH大气校正参数，其中传感器高度为650 km，地面高程为0.05 km，影像空间分辨率为30 m，其余参数设置为默认值，光谱响应曲线响相应选择，其余设置为默认.

4 叶绿素a反演模型建立

目前，相对于成熟的叶绿素a反演方法有经验法、半经验法及分析模型.通过多种波段组合对比，选取两个相关性较大波段反射率的波段组合，将其作为比值法的特征参数进行叶绿素a反演构建模型.

4.1建立回归模型

选择近红外波段作为提取水体叶绿素a含量的信息源，分别对光谱指数相关性较好的波段组合建立线性回归、指数、对数、多项式、幂等五种回归模型，如图5所示.

比较五种拟合模型的R2系数大小，得知多项式R2系数最大为0.788 5，所以多项式的拟合效果最佳.所以选用太湖叶绿素a含量的反演模型为：

Cchla=0.011 6x2+0.021 9x+0.024 5,R2=0.788 5

式中：Cchla为叶绿素的含量，x为B4波段与B3波段的比值.

图5 叶绿素a含量与x的关系Fig.5 The relationship between chlorophyll a and x

图6 太湖叶绿素a反演结果图Fig.6 The results of Tai Lake chlorophyll a result in inversion

4.2叶绿素a含量反演

利用环境小卫星遥感数据和建立好的反演模型对太叶绿素a含量进行反演，得出叶绿素a空间分布图，如图6所示.

从图6中可以看出，太湖水体平均叶绿素a含量不高，出现含量较高的区域主要集中在西部沿岸区和天竺湖一带，东太湖周边和部分南部沿岸区含量次之，湖心区域含量相对较低.

4.3反演结果验证

将叶绿素a含量的反演值导出CSV表格，与剩余的10个验证点实测值进行一一对比，进行代数差计算，用相对误差即代数差与实测值的百分比来对模型反演的结果进行检验(见图7与表1).从表中可知，所有百分比在正负25%内，因此认为此模型对于太湖叶绿素a含量反演效果较好.

图7 预测值与实际值对比图Fig.7 The predicted value comparing with the actual value

5 结论

利用实测太湖水体光谱，结合环境小卫星影像特征，建立适用于环境小卫星影像数据的太湖叶绿素a含量反演模型，并验证了反演结果精度.得出结果如下：

1)本研究中选择B4与B3波段比值因子作为光谱指数模型，在5种拟合模型中，多项式拟合方法的效果最佳，R2系数为0.788 5；就验证点对比分析反演结果来说，环境小卫星数据能够比较有效地用于太湖叶绿素a含量的监测.

2)反演结果表明湖心区水体叶绿素a的含量不高，且在空间分布上来说湖周边与陆地交接处含量较高.其原因分析为：太湖吞吐性、过水性使得本身纳污能力较强，整体来说叶绿素a含量平均水平偏低；另外，由于太湖周边沿岸区极易受到人类活动的影响，从而导致了湖区边缘容易发生富营养化.

表1 模型检验

3)由于采样点较少，使得估算精度不高，且验证样点叶绿素浓度分布不均，可能会造成平均误差较大.为了提高反演精度，有待与影像数据同步更多实测数据的验证.

[1] 佘丰宁,蔡启铭,陈宇炜,等.水体叶绿素含量的遥感定量模型[J].湖泊科学,1996,8(3):201-207.

[2] 刘忠华.基于高分数据的太湖重点污染入湖河流叶绿素a浓度遥感反演[D].南京：南京师范大学,2012.

[3] 付宇,韦玉春,王国祥.水质参数的遥感反演和遥感监测[J].环境监控与预警,2010,6(2):27-30.

[4] 马荣华,唐军武,段洪涛,等.湖泊水色遥感研究进展[J].湖泊科学,2009,21(2):143-158.

[5] CARPENTER D J,CARPENTER S M.Modeling inland water quality using Landsat data[J].Remote Sensing of Environment,1983,13(4):345-352.

[6] 吕恒,江南,李新国.内陆湖泊的水质遥感监测研究[J].地球科学进展,2005,20(2):185-192.

[7] 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.

[8] 周艺,周伟奇,王世新,等.遥感技术在内陆水体水质监测中的应用[J].水科学进展,2004,15(3):312-317.

[9] HAKVOORT H,HAAN J D,JORDANS R,et al.Towards airborne remote sensing of water quality in the Netherlands—validation and error analysis[J].Isprs Journal of Photogrammetry amp; Remote Sensing,2002,57(3):171-183.

[10] 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.

[11] 黄昌春,李云梅,徐良将,等.内陆水体叶绿素反演模型普适性及其影响因素研究[J].环境科学,2013,34(2):525-531.

[12] 阮建武,邢立新.遥感数字图像的大气辐射校正应用研究[J].遥感技术与应用,2004,19(3):206-208.

[13] 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.

[14] 姜雪，董双发，梁春利.基于FLAASH模型HJ-1星HSI数据大气纠正方法[J].中国核科学技术进展报告，2013(3)：189-193.

责任编辑：高山

声明

本刊已许可中国学术期刊(光盘版)电子杂志社在中国知网及其系列数据库产品中，以数字化方式复制、汇编、发行、信息网络传播本刊全文.该著作使用费及相关稿酬，本刊均用作为作者文章发表、出版、推广交流(含信息网络)以及赠送样刊之用途，即不再另行向作者支付.凡作者向本刊提交文章发表之行为即视为同意我刊上述声明.

湖北民族学院学报编辑部

RetrievalofChlorophyllaConcentrationBasedonHJ1B-CCD1intheTaiLake

DAI Fangyun，NIE Yunju*

(School of Surveying and Mapping Engineering,East China University of Technology,Nanchcang 330013,China)

The band ratio method is a more mature model based on bio optical model to construct the chlorophyll a concentration inversion model,which is a good method to retrieve the two types of eutrophication a concentration.Therefore,this chooses band B4 and B3 from HJ1B-CCD1 to establish five regression models,namely,linear regression,index,logarithmic,quadratic polynomial and exponentiation.By comparison withR2coefficient,the quadratic polynomical regression model is the best model.Verified by measured points,the quadratic polynomial regression model can well retrieve the chlorophyll a concentration of Tai Lake.

Tai Lake;chlorophyll a;the regression model;HJ1B-CCD

2017-05-19.

江西省数字国土重点实验项目(DLLJ201718)；东华理工大学实验技术研究开发项目(DHSY-201608；DHSY-201610).

戴芳筠(1993-)，女，硕士生，主要从事摄影测量与遥感技术应用的研究;*

：聂运菊(1978-)，女，博士,副教授，主要从事GIS教学、理论和应用研究.

1008-8423(2017)04-0383-04 gt;

10.13501/j.cnki.42-1569/n.2017.12.006

P237

A