基于Sentinel-3OLCI影像的秦皇岛海域悬浮物浓度遥感反演

王 林,王 祥,王新新,孟庆辉,马玉娟,陈艳拢

基于Sentinel-3OLCI影像的秦皇岛海域悬浮物浓度遥感反演

王 林*,王 祥,王新新,孟庆辉,马玉娟,陈艳拢

(国家海洋环境监测中心,辽宁 大连 116023)

基于2013～2021年期间秦皇岛海域遥感反射率、悬浮物浓度及叶绿素a浓度等实测数据,开展了该海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演模型研究.结果表明,文献中常用的典型经验模型形式均不适用于秦皇岛海域,以490、620及708.75nm为悬浮物反演的敏感波段,以560nm为参比波段,将各敏感波段与参比波段的比值作为自变量,最终建立了适用于秦皇岛海域的Sentinel-3 OLCI四波段悬浮物浓度遥感反演模型(2=0.69,MAPE=24.79%,RMSE=2.82mg/L);并采用2021年7月24日Sentinel-3 OLCI影像进行悬浮物浓度遥感反演产品的真实性检验,得到反演值与实测值的平均相对误差为13.24%.将上述四波段模型用于2021年1～12月秦皇岛海域的Sentinel-3 OLCI影像,反演得到月均悬浮物浓度,发现秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低,秋冬季高、春夏季低的时空变化特征;且2018～2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清.

悬浮物；遥感反演；Sentinel-3OLCI影像；秦皇岛海域；污染特征

悬浮物是近岸海域水质监测与评价的重要指标,是水体中营养盐、重金属等污染物的重要载体,对水体透明度、水下光场及初级生产力具有重要影响[1],同时悬浮物对河道、河口及海岸带冲淤变化过程有重要作用,因此悬浮物监测对海洋生态环境管理、海岸工程及港口建设等均具有重要意义[2].秦皇岛市地处环渤海地区的中心部位、华北与东北两大经济区的交接地带,自2018年渤海综合治理攻坚战以来,秦皇岛近岸海域的生态环境已得到明显改善,为巩固治理成果,对其生态环境的持续高质量监测成为首要任务.近年来,遥感技术已成为海洋生态环境监测的重要手段,监测产品越来越丰富且精度逐步提升[3-6].

悬浮物浓度遥感监测已开展多年,技术相对较为成熟,但因不同海域水体光学特性的差异,反演算法存在明显的区域性特征.目前,悬浮物浓度的遥感反演方法主要有经验方法、半分析方法及分析方法.经验方法以大量的实测数据为基础,建立悬浮物浓度和遥感反射率之间的统计关系,进而实现对悬浮物浓度的遥感反演,是一种应用最为广泛的反演方法.经验方法又包含单波段算法、波段比值算法及多元回归算法等.对于无机组分含量较高的近岸水体,红光波段反射光谱的高低与悬浮物浓度存在较好的相关性,由此单波段算法[7-10]得到一定的推广应用.但对于无机组分比例不占绝对优势或水体颗粒物构成复杂的水体,单波段算法的适用性通常较差,波段比值算法或多元回归算法[11-14]则能在一定程度上剔除或削弱粒径和光照对悬浮物浓度反演算法的影响,也可减少大气校正等卫星影像预处理过程对反演结果的影响,有效提升了反演精度.半分析方法[15-17]是基于水体固有光学量与表观光学量之间的辐射传输原理,通过建立固有光学量中后向散射系数与悬浮物浓度的统计关系,进而达到反演悬浮物浓度的目的,该方法具有一定的物理依据,反演精度较高,但需要大量且多种实测光学数据作支撑,很难广泛应用.分析方法采用辐射传输方程来描述水体光谱与其组分含量之间的关系,通过求解辐射传输方程来获取各组分浓度,该方法中所用参数均具有明确的物理含义,不受时间和地域限制,具有广泛的适用性,但自然水体成分千差万别,并且方程内部的辐射传输过程也非常复杂,这使得分析方法实际应用受到极大的限制[18].除上述方法外,神经网络、CatBoost及随机森林等方法[19-20]也逐渐应用于悬浮物浓度的遥感反演研究.总体而言,经验方法相对简单易行,就区域性研究而言仍是目前应用最为广泛的悬浮物浓度遥感反演方法.

哨兵3号A、B星于2016、2018年相继成功发射,其搭载的海陆彩色成像仪(OLCI)包含21个光谱波段,中心波长在400～1020nm之间,空间分辨率为300m,全球覆盖时间为1～2d,具有全球多光谱中等分辨率海洋/陆地观测能力,成为近阶段国际上十分重要的生态环境监测遥感数据源.目前,利用Sentinel-3 OLCI影像针对我国福建近海、杭州湾及南黄海等开展生态环境要素的反演研究已有文献报道[1,20-21],但未见针对秦皇岛海域的相关成果.本文以秦皇岛海域为研究对象,利用2013～2021年遥感反射率和悬浮物浓度等实测数据,建立了基于Sentinel-3 OLCI影像的秦皇岛海域悬浮物浓度遥感反演模型,并将模型应用于2018～2021年遥感影像,分析了该海域悬浮物浓度的时空分布特征.

1 材料与方法

1.1 研究区域与站位分布

研究区域选择在秦皇岛海域,2013～2021年开展了多航次海洋光学与水色要素等参数的外业调查实验,遥感反射率与悬浮物浓度同步观测有效数据共计236站次,并将2021年7月24日9个站位的悬浮物浓度实测数据用于遥感反演产品的真实性检验,具体站位分布如图1所示.

图1 秦皇岛海域调查站位

1.2 数据获取与分析

1.2.1 光谱数据 现场光谱测量采用水面以上测量法,实验仪器为美国ASD公司生产的便携式地物光谱仪,具体测量步骤和遥感反射率的计算可参考海洋调查规范[22].

获取现场水体的遥感反射率后,根据Sentinel-3 OLCI光谱响应函数进行实测rs()的波段等效处理,具体公式如下:

式中:rs(Bandx)(sr-1)为卫星传感器Bandx波段的等效遥感反射率;rs(sr-1)为ASD光谱仪现场获取遥感反射率;s(µW/cm3)为日地平均距离处大气层外太阳辐照度;x(无量纲)为Bandx波段的光谱响应函数.

1.2.2 水色要素浓度数据 悬浮物浓度测量采用称重法,玻璃纤维滤膜过滤海水样品后,在60℃烘干24h除去水分,称量悬浮物的重量,除以样品过滤体积即得到悬浮物浓度.然后,将滤膜在450℃煅烧4h除去有机颗粒物后,称重无机颗粒的质量,除以样品的体积即得到无机颗粒物浓度.悬浮物浓度减去无机颗粒物浓度即得到有机颗粒物浓度.

叶绿素a浓度测量采用荧光法,样品测量使用美国Turner公司生产的TD700实验室荧光仪,具体测量步骤与数据处理可参考海洋监测规范[23].

海水样品采集与光谱测量同步进行.

1.2.3 卫星影像数据 卫星影像数据通过欧洲航天局官方网站(https://coda.eumetsat.int/#/home)下载得到.本研究采用2021年7月24日Sentinel-3 OLCI L2 WFR影像进行悬浮物浓度遥感反演产品的真实性检验,并下载2018～2021年1～12月秦皇岛近岸海域每日Sentinel-3 OLCI L2 WFR影像进行时空分布特征研究.WFR数据为OLCI专门针对水体探测提供的高分辨率2级产品,已完成辐射定标、空间重采样、像素分类、C2RCC算法大气校正等一系列处理.影像下载后应用SNAP软件进行均值处理,得到含有遥感反射率的影像数据,并基于本研究建立的算法反演获取秦皇岛海域月均悬浮物浓度.

1.3 评价方法

为了筛选悬浮物浓度反演的敏感波段,评价各模型的优劣及验证遥感反演产品的真实性,最终确定悬浮物浓度的最佳反演模型,本研究采用的评价指标主要包括相关系数()、决定系数(2)、平均相对误差(MAPE)和均方根误差(RMSE),计算公式如下:

2 结果与讨论

2.1 水色要素与光谱特征分析

叶绿素a的浓度范围为0.30～71.83µg/L,均值为(6.70±11.54)µg/L;悬浮物的浓度范围为2.0～71.0mg/ L,均值为(8.9±7.3)mg/L;对部分样品无机与有机组分的测量结果显示,无机组分的浓度范围为0.7～ 30.4mg/L,均值为(5.8±3.6)mg/L,有机组分的浓度范围为0.3～45.2mg/L,均值为(3.3±6.4)mg/L;而有机与无机组分的比值范围为0.04～3.77,均值为(0.52± 0.64).表明秦皇岛海域水体中浮游藻类含量较高,而悬浮物浓度的整体水平不高,有机组分约为无机组分的一半,与杭州湾[1]等浑浊水体存在较大差别.

由于秦皇岛海域水体中浮游藻类含量较高,反射光谱呈现较为显著的富营养水体光谱特征,如图2所示.遥感反射率特征光谱曲线具有明显的双峰特征,主峰位于绿光波段500～600nm,次峰位于红光波段650～750nm,随反射率增大反射峰的位置均存在“红移现象”,而近红外波段810nm处浑浊水体明显存在的反射峰则非常微弱;蓝光波段反射率较低,部分光谱曲线因叶绿素a的强吸收作用出现反射谷.与浑浊水体[1,12,24]相比,秦皇岛海域水体的反射光谱值整体偏低,峰形也存在较大差别.

图2 秦皇岛近岸海域遥感反射率特征光谱曲线

SPM表示悬浮颗粒物浓度,mg/L;Chla表示叶绿素a浓度,µg/L;OPM表示有机颗粒物浓度,mg/L;IPM为无机颗粒物浓度,mg/L

此外,当悬浮物和叶绿素a浓度均较低时,水体的反射主要在蓝绿光波段,光谱强度处于中低水平,反射峰平缓且有波动,其余波段的光谱强度均非常低,红光波段无反射峰,表明水体澄清;随悬浮物和叶绿素a浓度的不断增加,各波段的光谱强度逐渐变大,绿光波段的反射峰更为显著,水体趋于浑浊;当叶绿素a浓度接近10.00µg/L时,悬浮物浓度达到11.0mg/L,因高含量浮游藻类的强吸收作用导致蓝绿光波段的光谱强度减弱,红光波段出现反射谷与反射峰;随叶绿素a浓度的进一步增加,浮游藻类含量达到赤潮基准,有机与无机组分的比值超过1,蓝绿光波段的光谱强度呈不断减弱趋势,红光和近红外波段则因高含量颗粒物的强散射作用逐渐增强,双峰特征变得更为明显,水体浑浊呈红褐色.

2.2 敏感波段筛选

将现场实测的遥感反射率转化为传感器波段的等效遥感反射率后,与悬浮物浓度进行线性拟合,结果如图3所示.400～510nm波段两者为负相关关系,从560nm开始转化为正相关关系,分析原因在于秦皇岛海域水体的光学特性受浮游藻类作用显著,以蓝光为主的短波波段遥感反射率的高低主要由浮游藻类叶绿素a的吸收作用控制,故悬浮物(浮游藻类占比相对较高)浓度越大,吸收作用越强,反射率则越低;以红光为主的长波波段浮游藻类的吸收作用减弱,遥感反射率的高低由颗粒物的散射作用控制,故悬浮物浓度越大,散射作用越强,反射率则越高;而560nm绿光波段,遥感反射率受水色组分浓度变化的影响不明显,相关系数最低,通常作为参比波段.这与胶州湾水体的相关研究结果类似[25],但对于光学特性受无机颗粒物作用明显的水体,如黄河口水体等,通常可见光的全波段均呈现正相关关系[2,24].因此,可将442.5,490,620,681.25,708.75及753.75nm等波段作为秦皇岛近岸海域悬浮物浓度遥感反演的敏感波段.

图3 Sentinel-3 OLCI主要波段遥感反射率与悬浮物浓度的相关系数

2.3 反演模型建立

首先,选择文献中悬浮物浓度遥感反演的经典经验模型,包括单波段、波段比值、三波段、多元回归及光谱吸收指数(SAI)等模型形式,进行秦皇岛海域的适用性分析,结果如表1所示.除三波段模型各精度评价指标较佳外,其余模型均不适用于秦皇岛海域,分析原因在于大多经典的经验模型主要基于浑浊水体而建立,与秦皇岛海域的水体类型差异较大,文献中悬浮物的敏感波段并不适用于秦皇岛海域.

表1 经典经验模型应用于秦皇岛海域实测数据的精度评价

注:、、为各模型的拟合系数.

基于悬浮物敏感波段的筛选结果,并结合大气校正对卫星影像各波段精度的影响,本研究选择490,620,681.25及708.75nm四个波段作为敏感波段,560nm作为参比波段,进行了秦皇岛海域悬浮物浓度区域性遥感反演模型研究,M1～M16模型的精度评价结果如表2所示.悬浮物浓度线性坐标下模型2最高可达0.86,但MAPE却普遍较高,最低为26.83%,而悬浮物浓度对数坐标下模型2最高仅为0.69,MAPE却普遍较低,最低为24.79%,这是由于线性坐标下悬浮物部分高值点将模型2提升,但同时以增大模型MAPE为代价;M1、M2单波段模型精度均较差,三波段的经典模型(M9、M10)替换研究海域悬浮物敏感波段后精度并无明显改善.此外,由于秦皇岛海域高浮游藻类含量的水体特征,波段比值成为秦皇岛海域悬浮物浓度遥感反演的关键因子,对比发现随引入模型中波段比值自变量数量的增加,模型精度逐步上升,但四波段与五波段模型精度相近,2最高0.86为M13、M16模型,MAPE最低24.79%为M12模型,RMSE最低2.70mg/L为M13、M16模型.综合考虑随模型中波段数量的增加,对Sentinel-3 OLCI各波段大气校正后的精度要求越高,反演结果可能会存在更多的不确定因素,故分别选择模型精度相对较高的M3、M6、M7、M8、M12及M16作为秦皇岛海域悬浮物浓度遥感产品真实性检验的备选模型.

表2 秦皇岛海域悬浮物浓度遥感反演模型的精度评价

2.4 产品真实性检验

表3 基于各备选模型反演的悬浮物浓度遥感产品与实测值的相对误差统计

分析表明,检验数据中悬浮物浓度范围为3.3～ 13.4mg/L,均值为(6.6±3.2)mg/L,基本覆盖秦皇岛海域悬浮物浓度的变化区间.将6种备选模型分别应用于2021年7月24日的Sentinel-3 OLCI影像,实测悬浮物浓度与反演结果的误差分析如表3所示.M12四波段模型反演的遥感产品准确度最佳,相对误差最大值为31.31%,均值为13.24%,实测浓度与反演结果的对比如图4所示;M8三波段模型次之,相对误差最大值为53.16%,均值为19.43%;M3、M6波段比值模型、M7三波段模型及M16五波段模型反演的遥感产品准确度差,最大相对误差均超过100%,均值均超过35%.因此,将M12四波段模型作为秦皇岛海域悬浮物浓度Sentinel-3 OLCI影像遥感反演的最佳模型.

图4 实测悬浮物浓度与反演结果的对比

2.5 时空分布特征分析

图5 秦皇岛海域月均悬浮物浓度(2021.1～2021.12)

将M12四波段模型应用于2021年1～12月秦皇岛海域Sentinel-3 OLCI影像,反演得到秦皇岛海域月均悬浮物浓度,如图5所示.秦皇岛海域悬浮物浓度整体呈现沿岸海域高、离岸海域低的空间分布特征,冬季沿岸区域存在悬浮物高浓度的斑点条带,可能与海冰有关;且存在秋冬季高、春夏季低的时间变化规律,秋冬季悬浮物中、高浓度的海域面积明显大于春夏季,低浓度的海域面积则相反.

1、2月,悬浮物浓度较高,水体浑浊;从3月开始,悬浮物浓度逐渐降低(个别月份略有波动),中高浓度海域面积不断减小,秦皇岛海域水体开始越来越澄清,到7月时悬浮物浓度均值最小,为5.3mg/L,其中浓度低于5.0mg/L的海域面积约占62.30%,5.0～ 10.0mg/L约占33.31%,而浓度高于10mg/L仅占4.39%;8月之后,悬浮物浓度逐渐升高,中高浓度海域面积不断增大,秦皇岛海域水体逐渐变浑浊;12月时,悬浮物浓度均值达到最大,为10.7mg/L,其中浓度高于10.0mg/L的海域面积约占42.12%,5.0～ 10.0mg/L约占57.87%,而浓度低于5.0mg/L仅占0.01%.

风力和水动力是影响秦皇岛海域悬浮物浓度分布呈现季节性差异的主要原因.秋冬季海面风速通常较大且风期较长,风生波浪可有效阻止表层悬浮物的沉降,且近岸海域水深较浅,大风引起的波浪运动加剧了底层颗粒物的再悬浮,极大增加了表层悬浮物浓度,据统计渤海8级以上的大风天气75%发生在11月至来年4月[28-29];而春夏季风速一般较低且风期较短,水体紊动弱,悬浮物浓度较低.此外,因天气因素每月质量优良的Sentinel-3 OLCI影像数量和时间顺序均不一致,月均悬浮物浓度的代表性受到一定影响,个别月份悬浮物浓度的变化趋势出现波动可能与此有关.

2.6 年际变化特征研究

2018～2021年秦皇岛海域遥感反演的年均悬浮物浓度,如图6所示.2018～2021年秦皇岛海域悬浮物浓度逐年递减,年均值分别为10.6,9.0,8.2,7.9mg/L,2020～2021年浓度低于10.0mg/L的海域面积增加至90%以上,表明水体越来越澄清,体现出渤海综合治理之后,秦皇岛近岸海域的生态环境得到持续改善.

图6 秦皇岛海域年均悬浮物浓度(2018～2021)

3 结论

3.1 秦皇岛海域属于富营养化水平较高的典型近岸Ⅱ类水体,500～600nm、650～750nm光谱呈现显著的双峰特征;敏感波段筛选发现,悬浮物浓度遥感反演的敏感波段为442.5,490,620,681.25,708.75及753.75nm,560nm为参比波段.

3.2 波段比值为秦皇岛海域悬浮物浓度遥感反演的敏感因子,以490/560、620/560及708.75/560三个波段比值为自变量、lg(SPM)为因变量的四波段模型为秦皇岛海域Sentinel-3 OLCI影像的悬浮物浓度遥感反演最佳模型(2=0.69,MAPE=24.79%,RMSE=2.82mg/L);遥感产品的真实性检验得到反演值与实测值的平均相对误差为13.24%.

3.3 2021年1～12月秦皇岛海域月均悬浮物浓度整体呈现沿岸海域高、离岸海域低的空间分布特征;且存在秋冬季高、春夏季低的时间变化规律,秋冬季悬浮物中高浓度的海域面积明显大于春夏季,低浓度的海域面积则相反.5～7月秦皇岛海域水体最为澄清,其中7月的悬浮物浓度均值最小,为5.3mg/L; 1～2、11～12月水体最为浑浊,悬浮物浓度均值均大于9.0mg/L,12月最大,达10.7mg/L.此外,2018～2021年秦皇岛海域悬浮物浓度的年均值逐年递减,水体越来越澄清,表明渤海综合治理之后,秦皇岛近岸海域的生态环境得到持续改善.

[1] 李 渊,郭宇龙,程春梅,等.基于OLCI数据的杭州湾悬浮物浓度估算及其产品适用性分析[J]. 海洋学报,2019,41(9):156-169.

Li Y,Guo Y L,Cheng C M,et al. Remote estimation of total suspended matter concentration in the Hangzhou Bay based on OLCI and its water color product applicability analysis [J]. Haiyang Xuebao,2019,41(9):156-169.

[2] 周 媛,郝艳玲,刘东伟,等.基于Landsat 8影像的黄河口悬浮物质量浓度遥感反演 [J]. 海洋学研究,2018,36(1):35-45.

Zhou Y,Hao Y L,Liu D W,et al. Estimation of suspended particulate matter concentration based on Landsat 8data in the Yellow River Estuary [J]. Journal of Marine Sciences,2018,36(1):35-45.

[3] 王凤霞,夏卓异,郭雨辉,等.基于GEE的中国南海水质反演与富营养化评价[J]. 中国环境科学,2022,42(2):826-833.

Wang F X,Xia Z Y,Guo Y H,et al. Water quality inversion and eutrophication assessment of the South China Sea based on GEE [J]. China Environmental Science,2022,42(2):826-833.

[4] 孙宏亮,何宏昌,付波霖,等.香港近海海域叶绿素a定量反演及时空变化分析[J]. 中国环境科学,2020,40(5):2222-2229.

Sun H L,He H C,Fu B L,et al. Quantitative inversion and analysis of spatio-temporal changes of chlorophyll-a concentration in Hong Kong's coastal waters [J]. China Environmental Science,2020,40(5): 2222-2229.

[5] 蒋兴伟,何贤强,林明森,等.中国海洋卫星遥感应用进展 [J]. 海洋学报,2019,41(10):113-124.

Jiang X W,He X Q,Lin M S,et al. Progresses on ocean satellite remote sensing application in China [J]. Haiyang Xuebao,2019,41(10): 113-124.

[6] 张际标,张 鹏,戴培东,等.海南岛近岸海域溶解无机磷时空分布及富营养化 [J]. 中国环境科学,2019,39(6):2541-2548.

Zhang J B,Zhang P,Pei D D,et al. Spatiotemporal distributions of DIP and the eutrophication in Hainan Island adjacent coastal water [J]. China Environmental Science,2019,39(6):2541-2548.

[7] Miller R L,Mckee B A. Using MODIS Terra 250m imagery to map concentrations of total suspended matter in coastal waters [J]. Remote Sensing of Environment,2004,93:259-266.

[8] Wang L,Zhao D Z,Yang J H,et al. Retrieval of total suspended matter from MODIS 250m imagery in the Bohai Sea of China [J]. Journal of Oceanography,2012,68(5):719-725.

[9] 孟庆辉,王 林,陈艳拢,等.基于GOCI的渤海悬浮物分布及日变化遥感初探[J]. 海洋技术学报,2018,37(6):73-78.

Meng Q H,Wang L,Chen Y L,et al. Preliminary study on the distribution and daily variation of total suspended particulate matters in the Bohai Sea based on the geostationary ocean color imager [J]. Journal of OceanTechnology,2018,37(6):73-78.

[10] 王 林,陈艳拢,袁仲杰,等.大连长兴岛海域疏浚区GF-1 WFV影像悬浮物遥感反演研究[J]. 海洋技术学报,2019,38(1):6-11.

Wang L,Chen Y L,Yuan Z J,et al. Retrieval of suspended matters from GF-1 WFV imagery in the dredged area of Changxing Island,Dalian [J]. Journal of Ocean Technology,2019,38(1):6-11.

[11] 唐军武,王晓梅,宋庆君,等.黄、东海二类水体水色要素的统计反演模式[J]. 海洋科学进展,2004,22(z1):1-7.

Tang J W,Wang X M,Song Q J,et al. Statistical inversion models for caseⅡwater color elements in the Yellow Sea and East China Sea [J]. Advances inMarine Science,2004,22(z1):1-7.

[12] 王 林,杨建洪,李冠男,等.江苏近岸海域HJ CCD影像悬浮泥沙遥感反演[J]. 海洋科学,2016,40(2):77-83.

Wang L,Yang J H,Li G N,et al. Retrieval of suspended sediment concentration from HJ-CCD imagery in Jiangsu coastal sea [J]. Marine Sciences,2016,40(2):77-83.

[13] 逄淑娜,朱渭宁,陈 江,等.Landsat-8的舟山近岸海域总悬浮物遥感反演与时空变异研究[J]. 光谱学与光谱分析,2019,39(12):3826- 3832.

Pang S N,Zhu W N,Chen J,et al. Using landsat-8 to remotely estimate and observe spatio-temporal variations of total suspended matter in Zhoushan Coastal Regions [J]. Spectroscopy and Spectral Analysis,2019,39(12):3826-3832.

[14] Lei S,Xu J,Li Y,et al. An approach for retrieval of horizontal and vertical distribution of total suspended matter concentration from GOCI data over Lake Hongze [J]. Science of the Total Environment,2020,700:134524.

[15] Lee Z P,Carder K L,Arnone R A. Deriving inherent optical properties from water color: a multiband quasi-analytical algorithm for optically deep waters [J]. Applied Optics,2002,41(27):5755-5772.

[16] Zhang Y,Shi K,Zhang Y,et al. A semi-analytical model for estimating total suspended matter in highly turbid waters [J]. Optics Express,2018,26(26):34094-34112.

[17] 顺布日,青 松,郝艳玲.基于半分析方法的黄河口悬浮物浓度遥感反演 [J]. 海洋科学,2019,43(12):17-27.

Shun B R,Qing S,Hao Y L. Remote sensing retrieval of suspended- particulate-mattercon-centrations in Yellow River estuary based on semi-analytical method [J]. Marine Sciences,2019,43(12):17-27.

[18] 王 皓,赵冬至,王 林,等.水质遥感研究进展 [J]. 海洋环境科学,2012,31(2):285-288.

Wang H,Zhao D Z,Wang L,et al. Advance in remote sensing of water quality [J]. Marine Environmental Science,2012,31(2):285-288.

[19] 谢 旭,陈芸芝.基于PSO-RBF神经网络模型反演闽江下游水体悬浮物浓度 [J]. 遥感技术与应用,2018,33(5):900-907.

Xie X,Chen Y Z. Retrieval of total suspended matter in the lower of Minjiang River based on PSO-RBF [J]. Remote Sensing Technology and Application,2018,33(5):900-907.

[20] 卢雪梅,苏 华.基于OLCI数据的福建近海悬浮物浓度遥感反演 [J]. 环境科学学报,2020,40(8):2819-2827.

Lu X M,Su H. Retrieving total suspended matter concentration in Fujian coastal waters using OLCI data [J]. Acta Scientiae Circumstantiae,2020,40(8):2819-2827.

[21] 李旭文,魏爱泓,姜 晟,等.基于“哨兵3号”卫星OLCI影像和C2RCC算法的南黄海叶绿素a及总悬浮物反演效果分析[J]. 环境监控与预警,2020,12(2):6-12.

Li X W,Wei A H,Jiang S,et al. Retrieval of Chlorophyll-a and total suspended matter concentrations from Sentinel-3 OLCI imagery by C2RCC algorithm in South Yellow Sea [J]. Environmental Monitoring and Forewarning [J]. 2020,12(2):6-12.

[22] GB/T 12763.5-2007 海洋调查规范第5部分:海洋声、光要素调查 [S].

GB/T 12763.5-2007 Specifications for oceanographic survey. Part 5: Survey of acoustical and optical parameters in the sea [S].

[23] GB 17378.7-2007 海洋监测规范第7部分:近海污染生态调查和生物监测 [S].

GB 17378.7-2007 The specification for marine monitoring. Part7: Ecological survey for offshore pollution and biological monitoring [S].

[24] 刘振宇,崔廷伟,李 佳,等.黄河口悬浮物浓度Landsat8 OLI多波段反演研究 [J]. 环境科学学报,2018,38(4):1579-1585.

Liu Z Y,Cui T W,Li J,et al. Suspended particle concentration retrieval in Yellow River Estuary using multi-band of Landsat8 OLI [J]. Acta Scientiae Circumstantiae,2018,38(4):1579-1585.

[25] 侯琳琳,马安青,胡 娟,等.胶州湾水体悬浮物浓度遥感反演模式优化研究 [J]. 中国海洋大学学报(自然科学版),2018,48(10):98-108.

Hou L L,Ma A Q,Hu J,et al. Study on remote sensing retrieval model optimization of suspended sediment concentration in Jiaozhou Bay [J]. Periodical of Ocean University of China,2018,48(10):98-108.

[26] Tassan S. Local algorithm using SeaWiFS data for the retrieval of phytoplankton,pigments,suspended sediment and yellow substance in coastal waters [J]. Applied Optics,1994,33(12):2369-2378.

[27] Liu J,Liu J H,He X Q,et al. Diurnal dynamics and seasonal variations of total suspended particulate matter in highly turbid Hangzhou Bay waters based on the geostationary ocean color imager [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2018,11(7):2170-2180.

[28] 周 舟,张万磊,江文胜,等.渤海表层悬浮物浓度长期变化(2003～ 2014)的卫星反演研究 [J]. 中国海洋大学学报(自然科学版),2017,47(3):10-18.

Zhou Z,Zhang W L,Jiang W S,et al. Long-term variation of suspended sediment concentration in the bohai Sea based on retrieved satellite data [J]. Periodical of Ocean University of China,2017,47(3): 10-18.

[29] 崔廷伟,张 杰,马 毅,等.渤海悬浮物分布的遥感研究 [J]. 海洋学报,2009,31(5):10-18.

Cui T W,Zhang J,Ma Y,et al. The study on the distribution of suspended particulate matter in the Bohai Sea by remote sensing [J]. Acta Oceanological Sinica,2009,31(5):10-18.

Retrieval of suspended particulate matter concentration from Sentinel-3 OLCI image in the Coastal Waters of Qinhuangdao.

WANG Lin*,WANG Xiang,WANG Xin-xin,MENG Qing-hui,MA Yu-juan,CHEN Yan-long

(National Marine Environmental Monitoring Center,Dalian 116023,China).,2022,42(8)：3867～3875

Based on the-observed remote sensing reflectance (rs),SPM and chlorophyll a concentration in this area from 2013 to 2021,here a regional SPMretrieval model was developed specifically for the Sentinel-3 OLCI image. The results showed that the typical empirical models commonly used in the previous literatures were not applicable to the Qinhuangdao coastal waters,here three wavebands of 490,620 and 708.75nm are used as the sensitive ones for retrieval of SPMconcentration,and the waveband of 560nm was used as the reference one,a four-bandretrieval model of SPMconcentration (2=0.69,MAPE=24.79%,RMSE=2.82mg/L) was established. The accuracy of SPM concentration remote sensing product was tested from July 24,2021,and the mean absolute percentage error (MAPE) between the observed and the retrieval values reached 13.24%. The four-band model was then applied to the Sentinel-3 OLCI images of Qinhuangdao coastal waters from January to December 2021,and the monthly average SPM concentration are obtained and analyzed. It was found that the SPM concentration in this area displays obvious temporal and spatial variation characteristics,generally high in coastal waters and low in offshore waters,high in autumn-winter and low in spring-summer. The annual averaged SPM concentration was decreasing year by year from 2018 to 2021,and the water was becoming clearer and clearer.

suspended particulate matter；remote sensing retrieval；Sentinel-3 OLCI image；Qinhuangdao coastal waters；pollution characteristics

X145

A

1000-6923(2022)08-3867-09

2022-01-04

国家重点研发计划项目(2019YFC1407904,2018YFC1407605)

* 责任作者,副研究员,lwang@nmemc.org.cn

王 林(1981-),男,河北沧州人,副研究员,主要从事海洋生态环境遥感研究.发表论文40余篇.