基于环境减灾二号A/B卫星HSI数据的太湖叶绿素遥感监测研究

殷守敬 周亚明 孟斌 王楠 李建

(1 生态环境部卫星环境应用中心，北京 100094) (2 国家环境保护卫星遥感重点实验室，北京 100094) (3 南京信息工程大学 遥感与测绘工程学院，南京 210066)

内陆河湖水环境状况对周边居民的饮水安全、农业灌溉和渔业经济至关重要。随着流域工业发展、污染排放增长和土地利用变化，湖泊水体营养负荷不断增加，导致很多湖泊出现富营养化现象。叶绿素a(Chl-a)是一个非常重要的水环境参数，通常被选作估算湖泊富营养化程度和初级生产力的指标[1]。因此，快速获取湖泊水体Chl-a浓度对湖泊生态系统监测评估非常重要。

传统的Chl-a监测方法是建立在合适的点位监测数据基础上。测量站点的数量有限，影响了更精细的空间尺度的水质监测。因此，遥感数据的大区域覆盖能力使得其在Chl-a监测中发挥了重要作用。相继有很多学者利用遥感手段反演大面积湖泊的Chl-a浓度。文献[2]使用从200多期MERIS图像中得到的Chl-a图来比较2003-2009年间欧洲近阿尔卑斯地区12个湖泊的水质。文献[3]建立了基于MERIS和MODIS可见光-近红外通道的叶绿素反演模型，并在太湖水体Chl-a浓度反演取得了较高的精度。基于陆地卫星(Lansat)专题绘图仪(TM)和增强型专题绘图仪(ETM+)数据，文献[4]利用一阶导数模型实现了鄱阳Chl-a浓度监测；文献[5]利用高分一号(GF-1)卫星的蓝光和红光波段，构建波段比值模型、波峰波谷模型和一阶微分模型来反演Chl-a浓度；文献[6]基于太湖实测Chl-a浓度数据以及同步环境减灾一号B卫星CCD多光谱影像,综合比较4种机器学习模型(随机森林RF，支持向量回归SVR，反向传播人工神经网络BPANN，深度学习DL)反演太湖Chl-a浓度的精度、稳定性及鲁棒性。目前的研究多利用多光谱的卫星数据进行水色参数反演，往往无法对复杂内陆水体实现高精度的叶绿素反演。而高光谱数据，由于其波段数多，波段更窄，包含更多更准确的光谱信息，非常适合于水色参数反演。而如何利用高光谱数据的优点进行水色参数反演已经成为研究的热点方向[7]。

基于《国家民用空间基础设施中长期发展规划》(2015—2025)，根据国家防灾减灾、环境保护等重大应用需求，兼顾国土资源、水利、农业、林业、地震等其他行业业务需求，我国于2020年9月27日成功发射环境减灾二号A/B(HJ-2A/B)卫星。卫星载荷包括16 m多光谱、48 m/96 m高光谱和48 m/96 m红外传感器。HJ-2A/B卫星高光谱成像仪(HSI)数据的出现大大补充了我国高光谱数据的覆盖能力，其在我国内陆湖泊的叶绿素定量反演和动态监测应用方面的能力亟待评估。

因此，本研究针对叶绿素Chl-a定量遥感监测的需求，选择我国典型内陆湖泊——太湖为研究区域，结合地面观测数据和准同步的哨兵-2卫星多光谱(Sentinel-2 MSI)数据，研究适用于太湖Chl-a的定量遥感反演模型和算法，对比分析HJ-2A/B HSI数据的定量监测能力，为HJ-2A/B HSI数据的水环境定量遥感应用提供建议和支撑。

1 研究区域与数据

1.1 太湖

太湖位于长江三角洲，是我国的五大淡水湖之一，水面面积约2338 km2。太湖流域是我国人口最密集、经济最发达、城市化程度最高的地区之一。经济的快速发展，对资源的过度消耗，导致太湖流域水污染与富营养化问题突出,大部分水体处于轻度和中度富营养状态。2007年5月间的太湖蓝藻暴发事件, 更加引起了人们对太湖水环境安全问题的关注[8]。目前遥感技术在太湖叶绿素的监测多利用MODIS[9]、Landsat等数据[10]研究其典型水环境要素时空变化，高光谱数据的应用研究相对较少。

1.2 HJ-2A/B HSI 数据

HJ-2A/B卫星轨道类型是太阳同步回归轨道，高度为644.547 2 km，降交点地方时是10:30AM。单星每轨可成像，每天最多可成像14次、最多累计成像100 min。HSI卫星数据星下点地面像元分辨率≤48 m(0.45～0.92 μm)，谱段数≥100(0.45～0.92 μm)，平均光谱分辨率优于5 nm，量化等级为12 bit。详细载荷参数见表1。

表1 HJ-2A/B HSI载荷技术指标Table 1 HJ-2A/B HSI load technical specifications

为了进一步交叉验证HJ-2A/B HSI的反射率数据和水环境参数产品的质量，选择了准同步的2021年1月14日Sentinel-2 MSI数据进行交叉对比验证。由于Sentinel-2 MSI传感器为多光谱数据，因此根据其蓝光、绿光、红光和近红外波段的中心波长480 nm、560 nm、655 nm和865 nm，选择HJ-2A/B HSI的对应波段。

1.3 实测数据

为了验证HJ-2A/B HSI数据遥感反射率和水质参数反演的精度，选择了与HJ-2A/B HSI数据成像日期相同、时间接近的2021年1月20日12时太湖水质监测站观测数据，包含8个站点的浊度和叶绿素观测值，该观测数据集主要用于现有水质参数反演模型的参数率，以提高模型精度。具体站点分布和观测数据如图1和表2所示。

图1 太湖影像及实测站点分布图Fig.1 Taihu Lake images and distribution of field measurement sites

表2 太湖地面同步观测数据统计表Table 2 Statistics of synchronous ground-based observation data of Taihu Lake

提取并分析了太湖水质监测站点的HJ-2A/B HSI遥感反射率(Rrs, sr-1)数据，如图2所示。总体来看，Rrs在可见光和近红外光谱区域变化很大。光谱的最大值在550 nm、690 nm处。在最大值和710 nm之间有一个明显的急剧下降；然后反射光谱略微下降到最小值。在这个波段(600～700 nm)区间，与浮游植物生物量有关的典型特征，如由于最大红光吸收而在670 nm处出现的最小值和由于Chl-a荧光而在683 nm处出现的最大值，在一些光谱中一般不存在或不明显。

图2 HJ-2A/B HSI传感器水体反射率数据 Fig.2 HJ-2A/B HSI sensor water reflectance data

1.4 数据预处理

1)几何精纠正

以经过几何精纠正的Landsat-8卫星OLI图像为基准，选择控制点，对48 m HJ-2A/B HSI数据进行几何精纠正。控制点数量为20～30个，空间上均匀分布，影像的配准精度在1个像元以内。

2)大气校正

对HJ-2A/B HSI数据进行辐射校正和大气校正。其中辐射校正的参数为系统发射前实验室定标系数，大气校正方法采用FLAASH方法。

2 结果与分析

2.1 HJ-2A/B HSI与Sentinel-2 MSI反射率数据一致性分析

图3给出了HJ-2A/B HSI与Sentinel-2 MSI在4个对应波段的反射率数据散点对比。可以看出HJ-2A/B HSI反射率数据与Sentinel-2 MSI数据存在一定的聚集关系，但相关性随波段产生变化(见表3)。在蓝光480 nm和近红外波段865 nm与Sentinel-2 MSI遥感数据相关性较小，相关性分别为0.61和0.59，而在560 nm和655 nm波段两者的相关性分别为0.80和0.83，高于蓝光和近红外波段。根据统计学中对相关系数的定义，相关系数0.8～1.0为极强相关，0.6～0.8为强相关，0.4～0.6为中等程度相关，0.2～0.4为弱相关，0.0～0.2为极弱相关或无相关。

图3 HJ-2A/B HSI与Sentinel-2 MSI对应波段遥感反射率交叉验证图Fig.3 Cross-validation of HJ-2A/B HSI and Sentinel-2 MSI in corresponding band of remote sensing reflectance

表3 HJ-2A/B HSI与Sentinel-2 MSI对应波段遥感反射率统计对比Table 3 Comparison of remote sensing reflectance statistics between HJ-2A/B HSI and Sentinel-2 MSI in corresponding bands

而根据图2所示站点反射率数据曲线，可以发现HJ-2A/B HSI传感器在蓝光波段反射率数据较不稳定，推测原因可能是图像噪声、辐射定标或大气校正的影响。由于水体红外波段的辐射信号较弱，更易受到传感器噪声的影响(信噪比较低)，因此导致HJ-2A/B HSI传感器数据目前在两端波段范围内数据质量仍需进一步改进的问题。

2.2 HJ-2A/B HSI叶绿素反演模型

针对叶绿素a浓度反演的建模需求，由于现阶段可获取的HJ-2A/B HSI与地面同步观测数据仍较少，无法应用传统的建模方法。因此，参数反演模型均采用了太湖区域已有的研究和应用模型，同时考虑HJ-2A/B HSI影像的各波段数据质量和稳定性，以现有的8个站点的同步数据作为输入来率定模型参数，尽可能的提高模型精度。

基于HSI数据的叶绿素a反演模型为

Cchla=0.250 7×

(1)

基于Sentinel-2 MSI数据的叶绿素a反演模型为

(2)

式中：RRrs(720)，RRrs(690)，RRrs(709)，RRrs(665)分别表示对应中心波段的遥感反射率数据，单位为sr-1，叶绿素浓度单位为mg/L。

图4和图5分别为HJ-2A/B HSI和Sentinel-2 MSI在太湖的叶绿素反演结果和模型精度验证结果。通过参数优化，HSI叶绿素a反演结果与实测值相关系数为0.29，模型的预测误差(MAPE)为37.5%，均方根误差(RMSE)为0.007 8 mg/L。因此针对目前的HJ-2A/B HSI反射率产品的数据质量如条带噪声、光谱曲线跳跃不平滑等问题仍需进一步优化，同时由于目前阶段可用于叶绿素反演建模的地面同步数据较为有限，因此针对叶绿素的监测能力仍需在影像数据质量、辐射定标/大气校正精度，以及叶绿素模型精度方面进一步改进完善。

图4 HJ-2A/B HSI叶绿素反演精度验证图Fig.4 Validation of the accuracy of HJ-2A/B HSI chlorophyll inversion

图5 叶绿素反演对比图Fig.5 Comparison of chlorophyll inversion

2.3 HJ-2A/B HSI与Sentinel-2 MSI叶绿素产品一致性评价

对比叶绿素a浓度的空间分布(图6)，可以看出HJ-2A/B HSI影像数据与Sentinel-2 MSI影像提取叶绿素浓度整体空间趋势可保持基本一致，尤其是考虑两者的成像时间差异，整体的产品在定性表达上满足基本应用需求。

但HSI和OLI两者在叶绿素产品精度上仍存在两点显著差异，首先在产品数据浓度范围上，HSI叶绿素产品浓度整体高于OLI产品，两者的线性回归斜率为0.02，相关系数约为0.17，相关性偏弱。另一个著差异为HSI的叶绿素产品的空间细节变化更为详细，反演获得的叶绿素产品更加平滑。

图6 HJ-2A/B HSI与Sentinel-2 MSI叶绿素反演对比图Fig.6 Comparison of HJ-2A/B HSI and Sentinel-2 MSI chlorophyll inversion

图7 叶绿素统计直方图Fig.7 Histogram of chlorophyll statistics

3 结束语

本文针对HJ-2A/B HSI数据的内陆湖泊水环境定量监测中的应用潜力问题，结合太湖地面观测水质数据和准同步的Sentinel-2 MSI传感器数据，综合对比分析了HJ-2A/B HSI数据质量和一致性， 初步构建了提出了HJ-2A/B HSI数据的叶绿素浓度遥感监测方法, 并对实验结果进行分析, 其精度符合II类水体叶绿素浓度的反演要求。对比分析HJ-2A/B HSI遥感反射率数据和叶绿素产品数据的初步成果看，利用该其监测内陆湖泊水体叶绿素浓度的时空分布与变化具有可行性。但本文仅是初步研究结果, 在后期的研究中还需补充观测, 探讨适用于HJ-2A/B HSI数据的大气校正和参数反演模型，充分发挥HJ-2A/B HSI数据在内陆湖泊水体中的遥感监测潜力。