松嫩平原水体叶绿素a、悬浮物及盐分浓度遥感反演研究

马 驰

（辽宁省交通高等专科学校，沈阳 110122）

水体中叶绿素、悬浮物以及盐分是内陆水体水质的重要指标[1,2]。近年来，随着全球气候的变化、人类活动的加剧、农牧业生产者不断向耕地牧场施加化肥与农药，造成河流湖泊等水体水质下降，主要体现在水体叶绿素、悬浮物及盐分的浓度升高，严重影响了区域生态环境和经济的可持续发展[3-5]。诸多研究表明，水体的光学特征控制着传感器所成遥感影像的反射率，而叶绿素、悬浮物及盐分的浓度直接影响着水体的光学特征，从而决定了遥感影像反射率的光谱特征[6,7]。由于遥感技术具有影像覆盖范围广、数据获取经济方便、影像数据更新快等优势，因此，利用遥感技术实时监测水体水质潜力巨大。

近年来，国内外学者相继展开了对水体水质的遥感研究。Dekker 等[8]在利用Landsat TM 遥感数据研究荷兰的Loosdrecht湖水水质时发现，Landsat TM 遥感影像第2 波段反射率与Loosdrecht 湖水体叶绿素a和总悬浮物浓度均具有较好相关性；周德明等[9]以太湖为研究对象，利用Landsat TM 遥感影像估测水体叶绿素a 和水体悬浮物浓度，发现波段反射率组合(TM1+TM3)/TM1/TM3与叶绿素a 相关性最好，TM2+TM3与悬浮物相关性最好；汪雨豪等[10]利用高分2号（GF-2）遥感数据研究苏州市区水体水质时发现，以近红外波段、红光波段估测水体叶绿素a浓度精度较好，以绿波段、近红外波段、红光波段估测水体悬浮物浓度精度较好；孙德勇等[11]使用ASD Field Spec Pro野外光谱辐射仪测量太湖水体高光谱数据，辅以水体叶绿素a浓度的实验室化验值，采用光学分类的方法建立3个类别水体的反演模型，研究结果显示，四波段模型适合第一类水体，一阶微分模型适合第二、三类水体；徐祎凡等[12]利用环境灾害小卫星高光谱影像（HJ-1A HSI）研究太湖水体营养化状态，经过相关性分析发现，利用第73、76、80 三个波段建立的叶绿素a浓度的反演模型决定系数R2达到0.862 6；董舜丹[13]等比较了Landsat 8 与Sentinel-2 两种多光谱遥感影像对香港近海叶绿素a浓度的反演能力，结果显示：两种遥感影像对于反演香港近海海域叶绿素a浓度均具有较强的实用性，且Landsat 8遥感影像的反演精度略高于Sentinel-2。

综上所述，现阶段针对水体水质遥感方面的研究多以单个河流、湖泊等小区域为研究对象，常用的遥感影像数据中，Landsat TM、ETM 传感器已经停止接收数据，无法保证其现势性；EO-1、GF-2 等商业数据费用较高，限制了其使用范围；ASD Field Spec Pro 实测光谱数据、HJ-1A HSI 等高光谱数据，由于其光谱波段太多，数据冗余度较高，数据处理复杂。哨兵2A （Sentinel-2A）遥感卫星于2015年升空，其遥感影像免费提供给世界用户使用，与Landsat TM 等多光谱遥感影像相比较，Sentinel-2A 遥感影像具有更高的空间分辨率、更精细的波谱分辨率以及更短的重访周期，必将在地表地物识别等方面发挥巨大潜力，但利用Sentinel-2A 遥感数据估测水体水质等方面的研究仍处于试验阶段。松嫩平原是我国重要的商品粮基地，上世纪中后期以来，受自然条件、地质地貌、人为因素等多方面影响，松嫩平原生态环境趋向恶化，主要表现为土壤沙化、盐碱化严重，河流湖泊等水体的叶绿素、悬浮物浓度升高。为此，本文试验利用Sentinel-2A 遥感影像反演松嫩平原河流、湖泊等水体叶绿素a、悬浮物、盐分等3 种水质参数的浓度，为松嫩平原区域水体水质监测提供数据支持，为Sentinel-2A 遥感数据在水体水质等方面的研究提供参考。

1 材料与方法

1.1 研究区概况

松嫩平原位于东北平原中部，主要包括黑龙江省中南部、吉林省大部、辽宁省北部，由松花江、嫩江冲积而成，面积约10 万km2。松嫩平原东部、北部、西部地区为山前台地地貌，平均海拔150～300 m，中部、南部地区为冲积平原地貌，地势开阔平坦，多河流、湖泊、沼泽，平均海拔110～180 m。

1.2 研究方法与技术路线

利用Sentinel-2A 遥感数据进行松嫩平原水质遥感监测的技术路线如图1所示。

图1 技术路线Fig.1 Technical route

1.3 数据获取与处理

2018年5月5日至5月11日在研究区内沿交通干线选择中型以上水库、湖泊以及嫩江干、支流进行水体采样，采得嫩江干、支流水样9 个，天然湖泊水样15 个，人工水库水样8个，共计水样32 个，同时测量采样点坐标，采样点分布见图2。采样后在实验室化验水样的叶绿素a、悬浮物、盐分等3种水质参数浓度。其中，叶绿素a 浓度的测定采用分光光度法；悬浮物浓度采用称重法，即：利用玻璃纤维滤膜过滤水样，以60 ℃烘烤24 h 去除水分，以0.001 g 天平称重获得悬浮物重量，再除以样品体积获得悬浮物浓度；盐分浓度测定采用滴定法，测算每升水样中盐分阴、阳离子的质量，将盐分阴、阳离子求和从而计算出水样盐分浓度。

图2 水体采样点分布Fig.2 Distribution of water sampling points

为了保证水体采样时间与遥感影像获取时相具有一致性，本试验选择成像时间为2018年5月7日的覆盖松嫩平原全境的sentinel-2A 遥感影像共12 景。遥感影像的预处理主要包括影像的辐射校正、大气校正、几何校正以及影像的裁剪与拼接，数据预处理工作采用ENVI 5.3软件进行。

为了在遥感影像中清晰表现出松嫩平原水体信息，本试验提取了sentinel-2A 遥感影像中的河流、湖泊等水体，即：通过分析水体、城镇、裸土等地表地物在sentinel-2A 遥感影像中的光谱特征，利用ENVI 5.3 软件采用决策树分类的方法从选取的12 景Sentinel-2A 遥感影像中提取出河流、湖泊等水体。

1.4 水体叶绿素a、悬浮物、盐分浓度与水体反射率的相关性分析

将采得的32 个水样分成建模样本和检验样本两部分：随机选取22 个水样作为建模样本，剩余的10 个水样作为模型检验样本。将水样叶绿素a、悬浮物、盐分3 种水质参数的浓度与sentinel-2A 遥感影像反射率逐波段进行相关性分析[见式（1）]，获取松嫩平原水体叶绿素a、悬浮物、盐分浓度的敏感波段，用以建立3种水质参数的反演模型。

式中：r为3 种水质参数的浓度与sentinel-2A 遥感影像反射率的相关系数；xi与x-为3 种水质参数浓度的实测值与平均值；yi与y-为研究区水体反射率的实测值与平均值。

诸多学者的研究表明[3,14,15]，将遥感影像反射率进行适当的波段组合或数学变换，可以有效抑制遥感影像中噪声影响，提高遥感影像反射率与水体叶绿素a、悬浮物、盐分的相关性。本试验引入归一化植被指数、悬浮物指数、盐分指数等多种波段组合，并与研究区水体水质参数浓度进行相关性分析，选取相关性最好的波段组合作为反演因子建立研究区3种水质参数的反演模型。

1.5 模型建立及模型精度评定

以sentinel-2A 遥感影像反射率为自变量，研究区采样水体叶绿素a、悬浮物、盐分等水质参数浓度为因变量，利用SPSS软件采用回归分析的方法建立研究区水体叶绿素a、悬浮物、盐分浓度的反演模型。模型的精度采用决定系数（Coefficient of determination，R2）和均方根误差（Root mean square error，RMSE）予以评定，选取R2较大、RMSE较小的模型作为研究区水质参数的反演模型。

式中：yi为水质参数浓度的实测值；为水质参数浓度的平均值；为水质参数浓度的反演值；n为建模样本个数。

2 光谱特征分析与建模

水体叶绿素a、悬浮物、盐分等水质参数浓度直接影响水体的光谱特征，并分别反映于不同的光谱波段[16,17]。因此，通过分析叶绿素a、悬浮物、盐分浓度与水体光谱之间的关系，能够定量反演出3 种水质参数的浓度。本试验在分析3 个水质参数浓度与sentinel-2A 反射率相关性的基础上，选取叶绿素a、悬浮物、盐分的敏感波段，建立3种水质参数的反演模型。

2.1 叶绿素a浓度的反演

2.1.1 相关性分析

总结前人经验，现阶段常用的水质参数遥感反演的波段类型主要包括：单波段、双波段求商、多波段组合、比值植被指数以及归一化植被指数等。本试验将建模水样叶绿素a浓度的化验值与水样对应的sentinel-2A 各波段反射率进行相关性分析，分析结果如表1所示。从相关性分析结果看出，sentinel-2A 第8 波段与松嫩平原水体叶绿素a 浓度相关性最好，相关系数达到0.688，第10、11、12 等3 个波段与叶绿素a 浓度相关性较差，相关系数均未达到0.5。双波段求商中，蓝波段、深蓝波段与绿波段的反射率求商，与研究区水体叶绿素a 浓度的相关性较好，分别达到-0.721 和-0.785；多波段组合中，近红外（第8波段）、窄近红外（第8A 波段）与红波段的组合（归一化植被指数）及与蓝波段、深蓝波段的组合，与研究区叶绿素a 浓度相关性较好，其中，窄近红外（第8A波段）与深蓝波段（第1 波段）的组合(B8A-B1)/(B8A+B1)与叶绿素a 的浓度相关系数为0.835，窄近红外（第8A 波段）与红波段（第4 波段）的组合(B8A-B4)/(B8A+B4)与叶绿素a 的浓度相关系数达到了0.862。

表1 波段反射率及其组合与叶绿素a浓度的相关系数Tab.1 Correlation coefficient between band reflectance and combination and chlorophyll a concentration

2.1.2 叶绿素a浓度反演模型的建立与精度评价

参考相关性分析结果，以sentinel-2A 影像多波段组合(B8A-B4)/(B8A+B4)为反演因子，Pearson 为相关系数，反演因子与水体叶绿素a 浓度的相关性分析结果显示，其显著性p＜0.001，表明在超过99%的置信区间内两者显著相关。故将(B8A-B4)/(B8A+B4)作为反演松嫩平原水体叶绿素a 浓度的特征因子，建立研究区水体叶绿素a浓度的一元一次、一元二次、对数、倒数、指数、指数、幂等反演模型。

利用模型决定系数R2和模型均方根误差RMSE对叶绿素a浓度反演模型进行精度评价。表2显示，利用一元二次建模方法建立的叶绿素a 浓度反演模型Y=15.13X+19.606X2+5.849，模型决定系数最大，为R2=0.887，表明其模型精度高于其他4种反演模型，均方根误差最小，为RMSE=0.523 μg/L，表明一元二次模型的叶绿素a浓度反演值与实测值的偏差均小于其他4种模型，故认为利用一元二次建模方法建立的松嫩平原水体叶绿素a浓度反演模型Y=15.13X+19.606X2+5.849最优。

表2 叶绿素a浓度反演模型及精度对比Tab.2 Inversion model and precision comparison of chlorophyll a concentration

2.2 水体悬浮物浓度的反演

2.2.1 相关性分析

松嫩平原水体悬浮物浓度与Sentinel-2A 影像反射率相关性分析结果显示，研究区水体悬浮物浓度与水体反射率呈正相关性，且第5 波段相关性最好，为r=0.664，其次为第4 波段，相关系数为0.651，第10 波段相关性最差，仅为0.104，未达到显著水平（表3）。

表3 波段反射率及其组合与悬浮物浓度的相关系数Tab.3 Correlation coefficient between band reflectance and combination and suspended solids concentration

双波段求商、多波段组合与研究区水体悬浮物浓度相关性分析结果显示（图3），第5波段与第1波段的商B5/B1与研究区水体悬浮物浓度的相关性最好，为r=0.751，其次为第6 与第2 波段求商B6/B2，与悬浮物浓度相关系数为0.714，再次为第8 与第9 波段求商B9/B8，相关系数为-0.709。多波段组合中，第8 波段与第1 波段的组合(B8-B1)/(B8+B1)与研究区水体悬浮物浓度相关性最好，为r=0.746，其次为第3、第5波段的组合(B5-B3)/(B5+B3)，与悬浮物浓度的相关系数为r=0.729。

图3 波段反射率组合与悬浮物相关性分析Fig.3 Correlation analysis between band reflectance combination and suspended solids

2.2.2 水体悬浮物浓度反演模型的建立与精度评价

依据反射率的单波段、双波段求商、多波段组合与松嫩平原水体悬浮物浓度相关性分析结果，选取双波段求商B5/B1作为研究区水体悬浮物浓度反演的特征因子，建立悬浮物浓度反演的一元一次、一元二次、倒数、对数、指数、幂等反演模型（表4）。

表4 悬浮物浓度反演模型及精度对比Tab.4 Suspended solids concentration estimation model and precision comparison

建模结果显示，利用一元二次建模方法建立的研究区水体悬浮物浓度反演模型Y=-0.205X+0.403X2+0.191，模型决定系数最大，为R2=0.765，表明该模型精度高于其他5 种模型，模型的均方根误差为RMSE=0.074 g/L，均小于其他5个模型的均方根误差。因此，将一元二次模型Y=-0.205X+0.403X2+0.191 作为研究区水体悬浮物浓度的最优反演模型，并将其应用于松嫩平原水体悬浮物浓度制图。

2.3 水体盐分浓度的反演

2.3.1 相关性分析

松嫩平原水体盐分浓度与sentinel-2A 各波段反射率的相关性分析结果表明（表5），第4 至第9 波段的相关性大于0.5，其中，第9 波段反射率与水体盐分的相关性最好，达到r=0.780，其次为第8A 波段，相关系数为r=0.672。第一波段反射率与水体盐分浓度相关性最差，仅为r=0.313。

表5 波段反射率及其组合与盐分浓度的相关系数Tab.5 Correlation coefficient between band reflectance and combination and salt concentration

为了探究波段组合对遥感影像噪声的削弱效果，参考前人研究成果，本试验引入多种盐分指数，包括(R-NIR)/(R+NIR)、B/R、(B-R)/(B+R)、(B×R)/B、(B×R)/G、(B×NIR)/G等。多波段组合与研究区水体盐分浓度的相关性分析结果显示，(B2×B8)/B3盐分指数与水体盐分浓度相关性最好，达到r=0.876，其次为(B8-B4)/(B8+B4)盐分指数，与水体盐分浓度的相关系数为r=0.819。B2/B3与水体盐分浓度相关性较差，仅为r=-0.615。

2.3.2 水体盐分浓度反演模型的建立与精度评价

选择盐分指数(B2×B8)/B3作为松嫩平原水体盐分浓度的特征因子，以倒数、对数、指数、一元线性、一元二次、幂等方法建立研究区水体盐分浓度的反演模型（表6）。建模结果表明，以(B2×B8)/B3为特征因子建立的一元二次反演模型Y=-5.592X+29.841X2+0.728，模型决定系数均大于其他5 个模型，达到R2=0.848，相应的，该模型的均方根误差最小，为RMSE=0.385 g/L，故将一元二次反演模型Y=-5.592X+29.841X2+0.728作为研究区水体盐分浓度的最优反演模型，并应用于制图。

表6 盐分浓度反演模型及精度对比Tab.6 Salt concentration estimation model and precision comparison

2.4 模型精度检验

根据研究区水体叶绿素a、悬浮物、盐分浓度的建模结果，选择3种水质参数的最优反演模型，利用检验样本所对应sentinel-2A 影像的反射率计算叶绿素a、悬浮物、盐分浓度的反演值，并利用相对误差[式（4）]对3种水质参数反演模型进行精度检验（见图4）。

图4 水质参数相对误差散点图Fig.4 Scatter diagram of relative error of water quality parameters

水体叶绿素a、悬浮物、盐分的相对误差分析结果显示，分别有8个叶绿素a检验样本、7个悬浮物检验样本、7个盐分检验样本的相对误差处于-20%至+20%之间，分别占总检验样本的80%、70%、70%。其中，水体叶绿素a 浓度的反演值与实测值相对误差的最大值为48.4%，最小值为6.2%；悬浮物浓度的反演值与实测值相对误差的最大值为41.1%，最小值为7.7%；水体盐分浓度的反演值与实测值相对误差的最大值为46.3%，最小值为1.1%，表明本试验选定的3个水质参数反演模型具有足够的精度和稳定性，能够胜任松嫩平原水体3个水质参数的反演工作。

2.5 研究区水体水质制图

参照建模结果，利用松嫩平原水质参数的3个最优反演模型反演研究区水体叶绿素a、悬浮物、盐分浓度并制图（图5～图7）。水体叶绿素a 浓度制图结果显示，研究区北部的连环湖、大庆水库、青肯泡，中部的向阳湖、嫩江一带，水体叶绿素a 浓度普遍低于3 μm/L，西部的洋沙泡、中部的南引水库、南部的花敖泡、工农湖等水域叶绿素a 浓度普遍高于5 μm/L；悬浮物浓度制图结果显示，研究区中部的月亮湖、南引水库一带，南部的查干湖、花敖泡、工农湖一带，西部的洋沙泡、头道泡一带水体悬浮物浓度较高；水体盐分浓度制图结果显示，研究区北部的龙虎泡、西部的洋沙泡一带、中部的月亮湖与南引水库一带、南部的查干湖与工农湖一带，水体盐分浓度普遍高于0.5 g/L。

图5 水体叶绿素a浓度反演结果图Fig.5 Estimation map of chlorophyll a concentration in water

图6 水体悬浮物浓度估反演果图Fig.6 Estimation map of suspended solids concentration in water

图7 水体盐分浓度反演结果图Fig.7 Salt concentration estimation map of water body

3 讨 论

水体成分及其浓度显著影响着水体的光谱特征，并直接体现在遥感影像的水体反射率上。相关研究表明，水体叶绿素a 浓度升高后会使水体的光谱曲线在近红外波段出现反射峰。本试验中，sentinel-2A的近红外光谱区域的第8、8A两个波段反射率与叶绿素a浓度相关性最好，与前人的研究结果相同[10,18,19]；纯净水在蓝、绿光谱范围存在较强反射，在红波范围存在吸收谷。但是，当水体中的悬浮物浓度增加时，水体颜色变亮，反射峰向红波区域移动，从而将提升悬浮物浓度与遥感影像红波区域反射率的相关性[20]，本试验研究结果显示，松嫩平原水体悬浮物浓度与sentinel-2A 影像反射率的相关系数峰值出现于红边1（第5）波段；随着水体中盐分浓度的增加而产生黄色物质，引起水体在可见光与近红外光谱范围出现较强的反射，进而提升与水体盐分浓度的相关性[21]，本试验中研究区水体盐分浓度与sentinel-2A 影像反射率的相关性在第8A、第9波段较好。

将波段反射率进行波段组合、波段求商等变换，尤其在引入某些有针对性的指数（如归一化植被指数、悬浮物指数、盐分指数等）以后，可以有效削弱遥感影像中噪声对成像质量的影响，显著提升与3个水质参数之间的相关性。经过波段组合以后，研究区水体叶绿素a浓度与sentinel-2A遥感影像反射率的相关系数从0.688 提升至0.862，水体悬浮物浓度与sentinel-2A 遥感影像反射率的相关系数从0.664 提升至0.751，水体盐分浓度与遥感影像反射率的相关系数从0.780 提升至0.876。本试验利用回归分析的方法建立了松嫩平原水体叶绿素a、悬浮物、盐分3 个水质参数的一元二次反演模型，模型的判定系数分别达到0.887、0.765、0.848，用该模型反演松嫩平原3个水质参数浓度，获得了较好的反演效果，其原因总结如下：①本试验所选取的遥感影像成像时间与水体采样时间同步，影像可以真实反映采样时刻研究区水体叶绿素a、悬浮物及盐分等水质参数的光谱特征；②本试验将遥感影像进行了辐射校正与大气校正，可以有效削弱影像成像过程中噪声的影响，提高了影像反射率与水体叶绿素a、悬浮物及盐分等水质参数的相关性；③构建了归一化植被指数、悬浮物指数、盐分指数等适当的波段组合后，显著提高了sentinel-2A 遥感影像对研究区水体叶绿素a、悬浮物及盐分等水质参数的敏感度，从而改善了水质参数反演模型的反演精度。

4 结 论

本试验利用sentinel-2A 遥感影像结合研究区水体采样的水质化验数据，反演了松嫩平原水体叶绿素a、悬浮物、盐分浓度，并得到以下结论：

（1）松嫩平原水体叶绿素a、悬浮物、盐分浓度与sentinel-2A 遥感影像的反射率均呈正相关性，相关系数的峰值分别出现于第8、第5和第9波段。

（2）通过引入归一化植被指数、悬浮物指数、盐分指数等波段组合后，可以有效改善与水体叶绿素a、悬浮物、盐分浓度的相关性。

（3）以一元二次建模方法建立的研究区3种水质参数反演模型精度较高，可以很好的反演松嫩平原水体叶绿素a、悬浮物、盐分浓度。制图结果显示，松嫩平原的连环湖、向阳湖、大庆水库及嫩江干支流水域的叶绿素a、悬浮物及盐分浓度较低，水质较好。