基于GF-4 卫星的杭州湾悬浮泥沙浓度遥感监测研究

邵宇杰，胡越凯，周斌，陈芳，何贤强，王国军，袁小红，周亚丽，于之锋1,,6*

( 1. 杭州师范大学 遥感与地球科学研究院，浙江 杭州 311121；2. 华东师范大学 河口海岸学国家重点实验室，上海200241；3. 武汉大学 测绘遥感信息工程国家重点实验室，湖北 武汉 430079；4. 湛江湾实验室南海渔业大数据中心，广东湛江 524006；5. 中科卫星应用德清研究院 浙江省微波目标特性测量与遥感重点实验室，浙江 德清 313200；6. 浙江省城市湿地与区域变化研究重点实验室，浙江 杭州 311121)

1 引言

水体中的悬浮泥沙是影响海洋水色的重要物质，其浓度变化会对水体浑浊度、透明度等光学特性产生影响[1]。悬浮泥沙的侵蚀与淤积不仅会影响港口、航道的生态环境，同时对航道安全产生影响[2]。因此，实时掌握河口悬浮泥沙的时空分布、通量变化，是河口资源可持续开发、沿岸水质保护的关键。传统的采样方法无法实现悬浮泥沙大范围同步观测，且花费巨大，而卫星遥感具有的大尺度、实时观测的优点，能够对大面积的水域进行动态、连续、同步观测，研究表明，在进行河口悬浮泥沙变化监测时，遥感技术具有独特优势[3–7]。

2016年，国产地球静止轨道卫星高分四号（GF-4）的投入使用为海洋水色的遥感监测提供了新的数据源。GF-4 卫星具有高时间分辨率（20 s）和高空间分辨率（50m），在悬浮泥沙的观测上具有一定的应用潜力。近年来，GF-4 卫星的水色领域应用受到了学者的广泛关注。李珏[8]使用NDVI、NDWI、MNDWI 进行了GF-4 卫星影像数据的水体提取研究；刘明等[9]通过与高分一号（GF-1）卫星以及美国Terra 卫星进行对比实验证明了GF-4 卫星数据可以用于水体面积及变化监测；宋挺等[10]利用同步MODIS 数据辅助GF-4 数据，实现了GF-4 卫星数据浑浊水体的大气校正，并通过与实测光谱数据、GOCI 卫星数据大气校正结果的协同比对分析，为GF-4 卫星在内陆水体定量遥感监测提供了依据；陈晓英等[11]利用GF-4 卫星开展黄海绿潮漂移速度提取研究，并证明GF-4 卫星数据可为绿潮快速漂移的高精度监测提供有效的数据支撑。以上研究成果均表明GF-4 卫星在水色遥感监测方面具有较大的应用潜力，但在悬浮泥沙遥感监测方面，研究仍比较少。

韩国于2010年发射的地球静止轨道卫星上搭载的GOCI 卫星传感器具有8 个可见光及近红外波段，空间分辨率为500m，时间分辨率为3 h（具体参数见表1），可用于海洋和沿海地区水质的连续观测，并能较好地反映水域高频变化的特点[12–13]。众多研究表明，当需要监测、预测短时间范围的复杂水动力环境时，GOCI 卫星的水色产品具有较高可信度[14–18]。因此，在本文中将利用GOCI 卫星数据对GF-4 卫星的反演精度进行交叉验证。对于杭州湾等高动态变化水体，其水体空间差异较大，GOCI 卫星等水色卫星空间分辨率较低，GF-4 卫星的高时空分辨率可以有效地弥补此不足。

综上，本文基于GF-4 卫星，通过分析实测悬浮泥沙浓度（Suspended Sediment Concentration，SSC）与光谱数据之间的关系，建立基于GF-4 卫星的悬浮泥沙浓度反演模型，采用与GOCI 卫星交叉验证技术，评价GF-4卫星在水体悬浮泥沙监测上的适用性，以弥补目前GOCI 卫星悬浮泥沙监测空间分辨率不足的问题，提供高时间和高空间分辨率的悬浮泥沙遥感监测产品。

2 数据与方法

2.1 研究区概况

杭州湾位于我国海岸线中段，是我国沿海潮差最大的喇叭形河口湾[19]。湾口宽约95km，湾内水深最大约10m，总水域面积约为5000km2，湾底形态自湾口至乍浦地势平坦；从乍浦起，以0.1‰～2‰的坡度向西抬升，在钱塘江河口段形成巨大的沙坎[20]。由于河口平面收缩强烈，湾底迅速抬升，潮差急剧增大，在钱塘江径流、长江口水流与东海潮波的共同影响下，水体具有高动态、超强急流、高含沙量等特点[21]，水体中悬浮物的平均浓度在705～1950mg/L 之间[22]，致使杭州湾的水域一直处于高浑浊的状态。

2.2 实测数据及处理

本文采用定点观测法和连续流量观测相结合的方法，在2011年12月2−13 日先后对杭州湾的10 个实验点（4 个定点，6 个走航）进行水体采样以及光谱测量（图1）。

图1 观测站位分布示意图Fig. 1 Distribution of observation stations

样本水体由标准采样器采集得到，各站点均从站位表层以下约5～10 cm 处进行采样。光谱数据利用手持式ASD 光谱仪和30%反射率的标准板，依据水面以上测量法[23]获取各站点的水体光谱数据，剔除每个观测点中偏差较大的异常光谱，计算剩余光谱数据的水体遥感反射率（图2）。悬浮泥沙浓度的测定采取过滤重量法[24]，取一定量的待测水样，使用直径为0.45 μm 的醋酸纤维滤膜对水样进行过滤，将过滤得到的样品带回实验室进行烘干、灼烧、冷却、称量分析，计算出各站点的实测悬浮泥沙浓度，最后获得60 组有效观测数据。根据实测数据，悬浮泥沙浓度范围大致在155～1800mg/L，与前人研究结果基本一致。

图2 实测光谱数据Fig. 2 In-situ spectral data

2.3 遥感数据及预处理

GF-4 卫星成像(GF4_IRS_E120.6_N29.0_20160301_L1A0000107806)时间为2016年3月1 日12 时38 分，GOCI 卫星成像(COMS_GOCI_L1B_GA_20160301041641)时间为2016年3月1 日12 时28 分，影像均无云。对于海洋水色卫星接收到的信号有90%为大气信号，只有不到10%为海洋信号[25]，为此，需通过大气校正以减少大气散射等的影响。在本文中，GOCI 卫星数据的大气校正采用He 等[26]提出的浑浊水体紫外大气校正算法。由于GF-4 卫星只有一个近红外波段（中心波长约为830 nm），缺少浑浊水体大气校正所需的短波红外以及蓝紫光波段，无法采用基于短波红外或蓝紫光的大气校正算法。因此GF-4 卫星数据的大气校正利用ENVI 的FLAASH 模块完成。

2.4 模型构建

研究中获取的实测数据由手持式光谱数据得到，为进行GF-4 卫星影像悬浮泥沙反演模型的建模及验证，需将各站点计算得到的水体遥感反射率转换为等效波段遥感反射率，公式为

式中，Rrs为 等效波段遥感反射率；Rrs(λ)为各站位实测的连续光谱遥感反射率；Si(λ)为影像各波段的光谱响应函数。

在目前的研究中，利用指数模型构建悬浮泥沙反演模型较为常见[27–28]，因此本文采用多波段指数模型构建GF-4 卫星反演SSC 模型。将实测数据分成两部分，其中2/3（40 对）的数据用于建模，1/3（20 对）的数据用于评价模型精度。水体光谱在黄光波段（560～590 nm）和近红外波段（750～900 nm）有两个反射峰，且反射率波谱曲线随着泥沙浓度的增加而增大，增幅不同[29]。为探究近红外波段与可见光波段比值和悬浮泥沙浓度的相关关系，利用GF-4 卫星的B2、B3、B4、B5 波段的遥感反射率构建不同的遥感因子反演悬浮泥沙浓度模型，计算建模数据回归关系的决定系数(R2)，并验证数据计算均方根误差（RMSE）和平均相对误差（MRE），用以评价反演模型的优劣性。

式中，SSCmodel为计算得到的悬浮泥沙浓度；SSCreg为实测的悬浮泥沙浓度；i为验证点的数量。

3 结果与分析

3.1 模型精度分析

研究基于建模组建立GF-4 卫星反演的模型，并基于验证组数据，以RMSE 和MRE 为指标确定模型优度（图3）。结果表明，当遥感因子为Rrs(B5)/Rrs(B2)、Rrs(B5)/Rrs(B3)，这两种模型反演结果与实际相差较大，对应的MRE 分别为32.0%和24.5%。当遥感因子为Rrs(B5)/Rrs(B4)时，构建出的反演模型误差较小，MRE 为17.2%。因此，将该模型作为本文中应用的GF-4 卫星反演模型（式（4）），该模型在SSC 浓度低于800mg/L 的水域，反演结果与实际基本吻合，主要误差来源于SSC 高于800mg/L 的高浑浊水域。

式中，X为GF-4 卫星第5 波段与第4 波段遥感反射率比值。

本文GOCI 卫星数据同样采用指数模型，根据以往的相关研究的经验[17,26,30]和建模尝试，确定其反演模型（图3），并计算各模型的反演误差（表2），计算公式为

式中，X为GOCI 第8 波段与第6 波段遥感反射率比值。

由表2 可知，相较而言，GOCI 卫星建模得到的反演模型，与实测数据相比，误差较小，决定系数相对较高，GF-4 卫星建模得到的反演模型RMSE 为223.2mg/L，而GOCI 卫星为212.6mg/L。为探究误差的来源，将实测SSC 按0～500mg/L、500～1000mg/L、1000～2000mg/L 进行分段，并分别计算各区间的RMSE 与MRE（表3）。由表3 可知，在实测低浓度区域，GOCI与GF-4 卫星模型的误差均较小，且较为接近。而在实测高浓度区域，二者算法均存在一定的误差，且二者之间的误差也较大。

图3 GF-4 实测点与建模点悬浮泥沙浓度对比Fig. 3 Comparison of suspended sediment concentration retrived by GF-4 satellitemeasured point andmodeling point

表2 悬浮泥沙浓度反演模型误差Table 2 Error of different suspended sediment concentration inversionmodels

表3 各区间反演模型误差Table 3 Model error of interval inversion

3.2 悬浮泥沙浓度反演结果分析

利用反演模型对GOCI 和GF-4 卫星影像分别进行计算，得到悬浮泥沙浓度结果及其空间分布（图4）。从图中可以看得出，GOCI 及GF-4 卫星的杭州湾悬浮泥沙浓度趋势基本一致。具体表现为：湾顶的浓度大于湾口，且浓度随着离岸距离的增加而降低，两景影像悬浮泥沙浓度的极大值均出现在近岸水域，并且南岸的悬浮泥沙浓度普遍高于北岸，陆地或岛屿周边的水体悬浮泥沙浓度较高，以其为中心，悬浮泥沙浓度向四周辐散减小，与杭州湾悬浮泥沙实际分布基本一致。

对比两者的反演结果，在湾顶、湾口区域，两景影像的SSC 大致相同，湾顶区域反演SSC 在440.8～530.8mg/L 之间，湾口区域在100.6～243.4mg/L 之间。但在悬浮泥沙浓度较高的南岸区域，GOCI 卫星反演所得的SSC 明显高于GF-4 卫星，GOCI 卫星反演的SSC 分布在641.12～1403.9mg/L 之间，而GF-4卫星反演的SSC 在646.5～980.1mg/L 之间，且随SSC增高差异逐渐增大。对比影像总体的反演结果，GF-4和GOCI 卫星反演的悬浮泥沙浓度变化趋于一致，GF-4 卫星反演的SSC 大体分布在100.6～980.1mg/L的范围内，而GOCI 卫星影像的反演SSC 范围则大体分布在103.7～1403.9mg/L。

为了验证GF-4 卫星影像反演结果的可靠性，通过计算两组影像SSC 的最大值、最小值、平均值，从而对反演结果进行定量分析（表4）。

由表4 可以看出，GOCI 卫星影像反演的SSC 均值为256.8mg/L，而GF-4 卫星影像反演的SSC 均值为171.8mg/L。在两景影像SSC 均值上，GOCI 卫星影像的反演结果较高，由于在低值区域，GF-4 和GOCI 卫星的悬浮泥沙浓度接近，在高值区，GOCI 卫星的悬浮泥沙浓度远高于GF-4 卫星，因此悬浮泥沙平均值的差异可能是由于高值区GOCI 卫星反演浓度较高导致的。

图4 GF-4（a）和GOCI（b）卫星反演悬浮泥沙浓度结果Fig. 4 Inversion results of suspended sediment concentration retrived by GF-4 satellite (a) and GOCI satellite (b)

表4 杭州湾悬浮泥沙反演结果（单位：mg/L）Table 4 Inversion results of suspended sediment concentration in the Hangzhou Bay（unit：mg/L）

3.3 星星交叉区域对比

研究表明，杭州湾内动能从湾口至湾顶先减小后增大，水动力条件的不同导致悬浮泥沙的浓度有较大差异[31]。为更好地比较GOCI 和GF-4 卫星在不同水动力条件下的悬浮泥沙反演效果，在影像中选取4 个实验区域进行对比（图5），其中区域A 位于湾顶，水流流速较快，再悬浮能力较强；区域B 靠近杭州湾南岸，水流流速较慢，水深较浅；区域C、区域D 位于湾口的主要潮汐通道上，受水动力条件差异的影响，C 区域表现为以冲刷作用为主，而D 区域则表现为淤积[32]。

图5 悬浮泥沙浓度反演的4 个实验区域Fig. 5 Four experimental regions for inversion of suspended sediment concentration

4 个实验区域SSC 空间分布特征如图6 所示（具体数值见表5），由图可知，4 个区域均表现为GOCI卫星影像反演的SSC 数值较高。在远离湾顶的区域C、区域D，反演SSC 数值基本一致，且两者反演的SSC 数值相对较低。在SSC 略高的湾顶区域A，GF-4卫星反演的SSC 结果略低于GOCI 卫星。而在SSC最高的区域B，GOCI 卫星反演的SSC 数值明显高于GF-4 卫星。

图6 反演得到的4 个实验区域的悬浮泥沙浓度箱线图Fig. 6 Box-plot of suspended sediment concentration in four experimental regions

表5 杭州湾实验区域悬浮泥沙浓度（单位：mg/L）Table 5 Suspended sediment concentration of experimental regions in the Hangzhou Bay (unit:mg/L)

表6 大气校正后GF-4 卫星相对GOCI 卫星反演的悬浮泥沙浓度平均误差Table 6 Average error of suspended sediment concentration retrieved by GF-4 satellite relative to GOCI satellite after atmospheric correction

综上，在SSC 较低的水域，两者反演的结果差异较小，在高SSC 区域，两者反演的结果差异增大，且GOCI 卫星的反演结果高于GF-4 卫星。一方面，两种反演模型均为底数大于1 的指数模型，其一阶导数随着自变量的增加而增大，表现为在高值区两种数据源反演的SSC 差异增大。另一方面，计算GF-4 卫星与GOCI 卫星的近红外和红波段大气校正后的相对误差（表6），由表6 可知，GF-4 卫星平均反射率高15%，且主要来源于浓度低于500mg/L 的区域。根据反演结果可知，浓度低于500mg/L，GF-4 卫星结果比GOCI 卫星高26%，而当水体悬浮泥沙浓度为500～1000mg/L，GF-4 卫星结果较GOCI 卫星高11.8%，当浓度大于1000mg/L，GF-4 卫星结果仅高6.7%。结合模型拟合原理，当GF-4 卫星第5 波段在SSC 较低的区域大气校正结果相对偏差较大，而该区域占杭州湾总体比重较高，模型将尽可能还原水域面积较大的低SSC 水体的真实情况，在此过程中，模型在高值区误差会有所扩大，这也是两种卫星在高SSC 水体反演中差异较大的原因。GF-4 卫星的大气校正结果精度在一定程度上影响了反演结果的比对，此外，GOCI 卫星的校正也对交叉检验结果有一定影响。李军等[33]指出由于GOCI 卫星大气校正算法在高浑浊水体的精度不足，近红外波段的离水辐亮度精确不足，导致MODIS 与GOCI 卫星的遥感反射率差异会随着水体浑浊度的增大而增大。尽管GF-4 和GOCI 卫星的大气校正均采用了目前较为主流的算法，但是两种算法也存在一定不足，考虑为造成杭州湾高SSC 水体反演结果差异的主要原因。

4 结论

GF-4 卫星具有高时间和高空间分辨率的特点，可以实现对水质指示因子悬浮泥沙的动态监测。本研究通过对杭州湾的实测悬浮泥沙数据、光谱数据以及GF-4 卫星影像的分析，得到以下结论:

（1）通过实测数据构建基于GF-4 卫星数据的悬浮泥沙反演模型，该指数模型的MRE 为17.2%，RMSE 为223.2mg/L，反演精度较高。

（2）利用GOCI 卫星影像反演的SSC 结果进行交叉验证，分析两景影像杭州湾SSC 的空间分布情况，并以此来验证GF-4 卫星在悬浮泥沙遥感监测精度。结果表明，在SSC 较低的水域，两种数据源的反演结果差异较小，但在高SSC 区的差异随浓度增高而增大，该误差考虑来源于大气校正。

（3）通过与GOCI 卫星的对比，研究表明GF-4 卫星可以应用于近海二类水体的悬浮泥沙监测，其结果基本满足应用需求。