基于欧洲航天局“哨兵-2A”卫星的太湖蓝藻遥感监测

李旭文，侍 昊，张 悦，牛志春，王甜甜，丁 铭，蔡 琨

江苏省环境监测中心，江苏 南京 210036

20世纪80年代后期以来，大量氮磷物质的汇入，加剧了太湖湖泊富营养化程度，浮游植物蓝藻水华大面积频发[1-2]，出现了明显的水生态问题。为准确及时了解和分析蓝藻水华的空间分布和变化趋势，保护和恢复水生态环境，20世纪90年代，研究人员基于美国陆地卫星TM传感器(Landsat TM)数据开展了卫星遥感技术对太湖蓝藻水华的初步监测应用研究[3-4]，但Landsat卫星重访周期长，离蓝藻监测和预警的时效性要求还存在一定的差距[5-8]。1999年以来，美国发射的Terra和Aqua卫星具有每天上午、下午各重访1次的能力，其搭载的中分辨率成像光谱仪(MODIS)为太湖蓝藻遥感监测提供了重要的数据源[9]，在环保部门得到广泛的业务化应用，但其250～500 m的空间分辨率组合难以清晰表达影像上蓝藻水华的形状、光谱、纹理等，在反演大气底部反射率、准确划定蓝藻水华的分布范围、严重等级等方面受到限制[10]。近10年来国产高分系列卫星具有更高的分辨率，可获取更加清晰的空间和纹理特征，但波段设置偏少、重访周期更长且难以覆盖整个湖区[11-12]。从监测算法上看，主要是利用含叶绿素的植被地物类型在遥感影像上的光谱特征构建归一化植被指数(NDVI)，再结合一定的人工经验确定分布区的边界来对蓝藻水华信息进行提取[13-15]；而湖区云层、水生植被、围网养殖、低透明的浑浊水体仍是影响蓝藻水华信息提取精度的重要因素[16-17]。

2015年6月23日，欧洲航天局(ESA)成功发射了动态监测全球环境与安全状况的卫星“哨兵-2A”(Sentinel-2A)，其具有多光谱、大范围、短重访周期等特点，为太湖蓝藻水华监测提供了新的数据源[18-20]。该卫星所携带的光学传感器多光谱成像仪(MSI)借鉴了SPOT、Landsat系列遥感卫星的成功经验，在可见光(VIS)-短波红外(SWIR)波长区间保留了与这些卫星对应的波段设置，此外还新增配了多个特征波段，可进行更为精细的叶绿素反射峰强度计算及提高大气校正精度等[21-22]。但该数据在大型湖泊蓝藻水华遥感监测的应用中鲜有报道，因此，以蓝藻水华频发的太湖为例，分析典型地物类型在“哨兵-2A”MSI影像上的光谱特征，采用归一化植被指数(NDVI)和绿光中心波长处的叶绿素反射峰强度(ρchl)综合阈值方法提取蓝藻信息，以期发挥这一新型遥感数据源在太湖蓝藻水华遥感监测中的作用。

1 数据源及研究区域

1.1 MSI传感器技术特性

“哨兵-2A”卫星重1 140 kg，长度为3.4 m，宽度为1.8 m，运行在距离地球表面786 km的太阳同步轨道，星上搭载了具有13个光谱波段的多光谱成像仪MSI，刈幅宽度达290 km，重访周期为10 d，与已于2017年3月7日发射的B星组网，可实现5 d重访周期。MSI从可见光(VIS)、近红外(NIR)到短波红外(SWIR)，具有10、20、60 m不同的空间分辨率(表1)。值得注意的是，MSI是国际上在轨遥感卫星中唯一的具有高达20 m的地面分辨率、设计了3个专门波段(B5、B6、B7)以获取植被在近红外“红边”(Red edge,690～800 nm)区间光谱特征信息的传感器，它们与位于红光波长处的B4、近红外植被类反射峰顶部的B8波段协同应用，对监测植被长势与健康、水体叶绿素含量、浮游植物分布等水生态信息非常灵敏有效[23]。

表1 “哨兵-2A”卫星MSI技术参数Table 1 Technical specifications of Sentinel-2A MSI

1.2 研究区MSI影像质量分析

太湖是中国第三大淡水湖泊，其流域位于长江三角洲的南缘，是一个典型的碟形洼地平原，流域总面积约为36 900 km2，是全国人口最稠密、工农业生产最发达的地区之一，流域行政区划分属江苏、浙江、上海、安徽三省一市[24-25]。太湖具有饮水、工农业用水、航运、旅游、流域防洪调蓄等多种功能，是长江三角洲地区社会经济发展的重要水资源。

选取2016年6月13日10：49(北京时间，下同)过境太湖的“哨兵-2A”MSI影像作为研究数据，并与当日11：10过境的Terra MODIS(空间分辨率为250 m和500 m混合)、13：33过境的NPP VIIRS(空间分辨率为371 m)影像数据进行了影像质量、清晰度等对比分析(图1)[26]。得益于最高达10 m的高空间分辨率，“哨兵-2A”MSI影像显示了极为清晰的太湖蓝藻水华分布态势，见图1(a)、图1(b)和图1(c)，很精细地展示了太湖蓝藻水华的影像纹理，局部的积聚强度，积聚形态(条带状、网纹状、簇团状)和受船舶航行扰动等，也很好地显示了高聚集水华区之间的“藻-水”混悬特征，“哨兵-2A”MSI影像可以提供精细的太湖蓝藻水华提取结果，具有独特的太湖全湖蓝藻分布及暴发强度状况“高清”观测能力，有助于深化对太湖蓝藻水华浮沉、积聚、漂流等发生与演变规律的认识，为蓝藻打捞、暴发防控提供支持。其中贡湖湾作为太湖重要的饮用水源地，在MODIS和可见光红外成像辐射仪(VIIRS)影像上显示模糊的蓝藻水华特征可在“哨兵-2A”MSI影像上清晰显示，如图1(a)红框范围的水华。

图1 不同空间分辨率卫星遥感影像对太湖蓝藻水华辨析和提取能力的比较Fig.1 Comparison of different images of the spectrum characteristics of the cyanobacteria blooms in Taihu Lake

根据太湖的水环境特征，按照“哨兵-2A”MSI遥感影像上典型地物类型类内光谱特征相对均一的原则，利用遥感数据处理软件选择了16个植被、蓝藻水华和水体的影像样区(图2)。5个植被样区(1#～5#)，以常绿阔叶林为主的林地、湖体中挺水植被和浮叶植被为主；5个蓝藻水华样区(6#～9#、11#)，主要为重、中、低片状蓝藻水华聚集区；6个水体样区(10#，12#～16#)，包括藻-水混合水体、无藻水体、围网养殖水体、高浑浊度水体。

2 研究方法

基于“哨兵-2A”MSI影像进行太湖蓝藻水华遥感监测，主要分为影像预处理、特征变换与信息提取2个部分，具体流程见图3。

图2 MSI影像上太湖典型地物类型的样区分布Fig.2 The distribution of ROIs for typical landcover types in Taihu Lake

图3 基于“哨兵-2A”MSI影像蓝藻水华提取流程Fig.3 Flow chart of the cyanobacteria blooms extraction technology based on the Sentinel-2A MSI image

2.1 影像预处理

研究主要基于SNAP软件进行“哨兵-2A”MSI影像的预处理工作。ESA针对“哨兵”系列卫星数据的处理，专门组织开发了统一集成的软件，更适合开展“哨兵-2A”MSI数据信息提取和分析，共完成了几何精校正、大气校正、影像裁切等图像预处理工作。其中为完成“哨兵-2A”MSI影像从表观反射率到地面反射率〔又称作大气底部反射率(BOA)〕的转换，还要下载针对“哨兵-2A”MSI影像的大气校正专用模块SEN2COR(下载地址为http://step.esa.int/main/third-party-plugins-2/sen2cor/)，该软件模块用Python语言编写，以开源的Anaconda为通用Python运行环境，作为插件在SNAP应用架构下运行，也可以单独以命令行方式运行[27]。

2.2 特征变换与信息提取

2.2.1 归一化植被指数

与EOS MODIS、Landsat TM/ETM+/OLI影像相比，“哨兵-2A”MSI的B2、B3、B4、B8和B8a波段对地物具有更优的辐射测量精度及地面分辨率，对水体叶绿素a、蓝藻水华、富营养化监测具有更高的灵敏度[28]。NIR区间的B8和B8a波段均适用于计算最常用的提取蓝藻水华分布的归一化植被指数(NDVI)，考虑到B8(842 nm)波段空间分辨率更高，带宽也比B8a波段宽，因此采用B8(842 nm)、B4(665 nm)波段的BOA反射率(ρ842、ρ665)计算基于MSI传感器的NDVI指数：

2.2.2 绿光中心波长处的叶绿素反射峰强度

与其他地物相比，植物体一般具有进行光合作用的细胞结构且含有叶绿素，叶绿素a在VIS区间的光谱反射特性为绿光中心波长与相邻的两侧蓝光波长、红光波长相比光谱反射率相对较高，形成典型的绿光中心波长处的叶绿素反射峰，其强度与叶绿素含量呈正相关[29-30]。因此，采用“哨兵-2A”MSI的L2A级产品中B2(490nm)、B3(560nm)、B4(665nm)波段的BOA反射率计算绿光反射峰强度，可以指示水体中浮游植物丰度状况：

最后，利用“哨兵-2A”影像的光谱特征结合特征变换指数，采用综合阈值方法，对太湖蓝藻、水华水藻区的信息进行提取。

3 结果与分析

3.1 典型地物光谱反射率特征分析

对16个太湖植被、蓝藻水华和水体地物样区的光谱反射率特征统计结果见图4。

由图4可见，植被、蓝藻水华的光谱反射率曲线特征总体相近，主要表现为可见光(490～665 nm)有1个位于560 nm附近的小反射峰，两侧490、665 nm为2个吸收带，705～740 nm有1个“红边反射陡坡”，至近红外783～842 nm附近有1个峰值；从1 610 nm开始，吸收率大增，反射率明显下降。水体则表现为在490～705 nm有弱的反射峰，其他则表现为较强的吸收。

图4 太湖典型样区的MSI波段BOA反射率曲线Fig.4 BOA reflectance curves of different landcover types in Taihu Lake

从图4(a)植被样区上看，1#、2#、3#林地的可见光反射率较低(在0.1以下)，490～665 nm间呈现绿光波长弱反射峰特征，在近红外840、865 nm 附近反射率明显抬升；4#挺水植被则以705 nm为界，在近红外区间783、842、865 nm处跃升明显，长波方向“悬”在林地型植被曲线的上方；5#浮叶植被除表现出绿光波长的弱反射峰的特点外，在可见光490～665 nm区间的反射率整体略高于林地和挺水植被，在705 nm之后的长波方向的反射率与陆域植被相近。

从图4(b)蓝藻水华样区上看，蓝藻水华区(6#、7#、9#)在可见光区间反射率整体高于陆域植被，绿光560 nm处的反射率均在0.1以上，甚至超过0.2，这也是湖面实况观察蓝藻水华呈鲜绿色的原因。蓝藻水华在可见光490～665 nm、近红外705～2 190 nm区间均表现出随着聚集程度的增加，反射率随之升高，重度蓝藻水华区在783 nm甚至可高达0.7。此外，高聚集的蓝藻水华在绿光560 nm、近红外740～865 nm的反射率明显高于一般植被，如图4(a)和图4(b)虚线所示。

从图4(c)水体样区上看，太湖水体受悬浮物影响，可见光490～665 nm区间反射率比纯水高，介于0.08～0.18之间；由于水体在近红外区间的强吸收特性，740～865 nm反射率在0.06以下，明显低于植被和蓝藻水华。受悬浮物散射影响，16#的高浑浊度水体在705 nm的反射率可达0.18，740～865 nm反射率也达0.06～0.1之间。

3.2 典型地物特征变量分析

太湖植被、蓝藻水华和水体样区的NDVI、ρchl统计结果见表2。从NDVI指数上看，植被、蓝藻水华、水体的NDVI值动态范围分别为[0.56，0.81][-0.01，0.76]和[-0.46，-0.13]，因此，通过NDVI信号很容易把一般水体(藻类的光谱贡献小于10%)与水生植被、蓝藻集聚区分离。蓝藻水华NDVI取值范围与水生植被、一般水体有一定的重叠，主要表现为①近红外波段高反射率值带来“饱和”效应导致中-高蓝藻聚集区NDVI与水生植被相近(0.66～0.76)；②轻度蓝藻积聚时，藻类颗粒在近表层水体中，湖面处于“藻-水”混悬状态，水体在近红外区域的光学吸收作用对光谱反射率有影响，此时NDVI往往为0甚至小幅负值，与围网养殖水体的NDVI特征相近，不易区分。多年来基于MODIS的太湖蓝藻水华分布提取经验表明，仅凭NDVI信号只能提取积聚程度中-高的蓝藻分布，对“藻-水”混悬状态的轻微水华区(浅水华区)不够有效。与NDVI相比，植被、蓝藻水华、水体的ρchl的动态范围分别为[0.04，0.05][0.04，0.11]和[0.01，0.03]；ρchl对水生植被与中-高蓝藻聚集区、混合水体(“藻-水”混悬区和围网养殖水体)与轻度蓝藻聚集区具有较好的分离能力。

3.3 蓝藻水华遥感信息提取

2016年6月13日贡湖湾蓝藻水华强度分布信息提取结果见图5。

表2 太湖典型样区特征变量参数统计Table 2 The value of characteristic variables of different landcover types in Taihu Lake

图5 2016年6月13日贡湖湾蓝藻水华强度分布信息提取结果Fig.5 The extraction results of cyanobacteria blooms intensity distribution in Gonghu bay on June 13,2016

分析太湖植被、蓝藻水华、水体的NDVI、ρchl特征发现，基于红光-近红外信号的NDVI蓝藻水华提取算法对中-高聚集区十分有效，但对低蓝藻聚集区(以“藻-水”混悬体为主)与混合水体(如无锡沙渚含颗粒状藻类水体)水华不够灵敏。针对该问题，协同运用基于可见光区间信号构建的ρchl指数，提出蓝藻水华提取综合阈值算法：①判断利用了近红外、红光波长反射率信息的NDVI值正负性：NDVI>0划为植被类像元，再结合ρchl指数进行蓝藻水华和水生植物的分离，ρchl>0.06判为水华像元，ρchl≤0.06判为水生植物或陆域植被像元；②NDVI≤0：补充利用可见光区间的叶绿素反射峰信息进行判断，NDVI>-0.15且ρchl>0.03，判为“藻-水”混悬体，划入水华分布区；其余情况则归入一般水体区。在建立改进算法的基础上，对2016年6月13日太湖贡湖湾区域“哨兵-2A”MSI影像进行蓝藻水华遥感信息提取实验(图5)。可见，贡湖湾区域的NDVI和ρchl的取值范围分别为[-0.53，0.78][-0.04，0.20]，NDVI和ρchl较好地反映了蓝藻水华积聚程度，清晰揭示了贡湖湾湖面复杂水面、藻层(带)交织格局。中-高蓝藻聚集区面积为60.37 km2，占贡湖湾面积的24.5%，主要分布在贡湖北部沿岸、湖心。“藻-水”混悬体面积为79.49 km2，占贡湖湾面积的42.9%，主要在中-高蓝藻集聚区之间呈过渡分布，贡湖湾东部蓝藻水华相对较轻。

4 结语

以新一代欧洲航天局“哨兵-2A” MSI影像为主要数据源，在分析太湖典型地物类型影像光谱特征的基础上，采用NDVI结合ρchl构建了综合阈值法，并对贡湖湾蓝藻水华信息进行提取实验。研究结果表明，与目前常用的EOS MODIS、Landsat TM/ETM+/OLI等遥感数据相比，“哨兵-2A” MSI影像不仅能够显示蓝藻水华的空间分布和强度，而且可对“藻-水”混悬水体进行精细辨识和准确提取。该卫星丰富的可见光至近红外间光谱波段设置，可在湖泊藻类丰度监测、叶绿素浓度反演、生物量估算、水生植被识别、富营养化评价等方面提供丰富的信息，同时随着2017年“哨兵-2B”星发射成功，重访时间缩短为5 d，将进一步提升“哨兵2”系列较高分辨率、公益性卫星遥感数据在太湖蓝藻水华遥感监测中的应用潜力。以上研究表明，在进行蓝藻水华分布、级别等信息精确提取时，除了采用浮游植物在近红外强反射率抬升这一最典型的光谱特性外，还要辅助应用可见光区间蓝、绿、红光波段反射率信息才能得到更为精准的蓝藻水华强度和空间分布提取结果，克服单一指标NDVI对轻微水华、“藻-水”混悬体不够灵敏的局限性。今后，基于“哨兵2”系列的遥感数据，还应加强对无藻水体→“藻-水”混悬体→轻度积聚→中度积聚→重度积聚不同状态的水藻复合光谱演化特征的实验，以及利用“红边”区间的波段组合提取浮游植物蓝藻叶绿素强度信号(MCI指数)等特征信息的研究，为太湖蓝藻防控提供更为客观定量的遥感监测预警支持。