基于SDGSAT-1 影像的总悬浮物浓度反演方法研究

郑 直，李连伟，苏 博，张源榆

（1.中国石油大学（华东）海洋与空间信息学院，山东 青岛 266580；2.山东省海洋资源与环境研究院，山东 烟台 264006）

总悬浮物（Total Suspended Matter，TSM）是内陆和海洋的重要水质参数之一[1]，指悬浮在水中的固体物质，以悬浮泥沙和浮游生物为主[2]。随着工业化进程的推进和社会经济的快速发展，人类活动和工业污染物排放使水体中总悬浮物浓度迅速上升，对水生生物产生一定的影响。在2015 年9 月，联合国可持续发展峰会通过了《2030 年可持续发展议程》[3]，在该纲领性文件的17 项可持续发展目标中，第14 项目标旨在保护海洋环境和合理利用海洋资源以促进可持续发展，实时监测沿海区域的水质总悬浮物浓度、酸化程度和富营养化程度等，保护生态系统功能和生物多样性。对近海海域总悬浮物浓度进行动态监测是我国沿海地区海洋环境管理的一个重点治理环节。传统的近海海域总悬浮物浓度监测是以采用现场随船逐点取样的方式进行，不仅耗费时间和人力，而且难以全面反映水体总悬浮物浓度的空间变化[4]。随着遥感技术的不断发展，各类遥感信息在数据层面上已经体现了高价值（Value）、变化快（Velocity）、准确性（Veracity）、种类多（Variety）和体量大（Volume）的“5V”特征[5]，通过遥感技术手段获取水质参数浓度已成为当前近海海域水体环境研究的重要方式。

2021 年11 月5 日10 时19 分，可持续发展科学卫星1 号（SDGSAT-1）在太原卫星发射中心用长征六号运载火箭发射升空，卫星顺利进入预定轨道。SDGSAT-1 作为中国科学院首颗自主研发的地球科学卫星，搭载了高分辨率宽幅热红外、微光及多谱段成像仪3 种载荷，其中多光谱成像仪成像幅宽为300 km，优于国外主流卫星如Landsat 8（180 km）和哨兵2 号（290 km），相较于Landsat 8 的空间分辨率（30 m）与重访周期（16 天），SDGSAT-1 的空间分辨率高达10 m，重访周期仅约11 天，拥有较高的信噪比（B1逸130，B2~B6逸150），卫星设计有“热红外+多谱段”“热红外+微光”及单载荷观测等多种观测模式，可实现全天时、多载荷协同观测。

国内外学者对于总悬浮物浓度的反演研究已开展多年[6-10]，但基于SDGSAT-1 影像的总悬浮物浓度反演方法尚无相关成果，基于国产SDGSAT-1 卫星对总悬浮物浓度进行反演，能在保证精度的同时拥有更高的空间分辨率。本文以黄河口为研究区域，利用2022 年4 月的黄河口总悬浮物浓度实测数据，根据QAA 算法得出水体固有光学量，建立基于SDGSAT-1 影像的黄河口区域总悬浮物浓度反演模型，且将基于SDGSAT-1 影像的反演结果与实测数据及基于Sentinel-2B 影像的反演结果进行对比，并将模型应用于SDGSAT-1 遥感影像。

1 材料与方法

1.1 研究区域与站位分布

黄河是全球最大的输沙河，以水少沙多著称于世[11]，每年携带大量的泥沙进入半封闭的渤海，年径流量约3 ×1010m3，年均造陆约8 ×107m3。黄河口位于山东省东营市垦利县黄河口镇境内，濒临渤海，在渤海与莱州湾的交汇处。黄河口近岸海域水体长期处于高悬浮物浓度状态，受黄河径流及潮汐和风浪等动力过程的影响，水体组分动态变化剧烈，水体光学性质特殊，属于典型的二类浑浊水体[4]。本文研究选择黄河口近海区域，于2022 年4 月下旬开展了总悬浮物浓度外业调查实验，有效观测总悬浮物浓度共计192 站次，全部站位区域东至山东省龙口市，西至山东省东营市河口区，北至山东省东营市河口区北部，南至山东省昌邑市北部，均匀分布在近海区域。分布于黄河口附近区域的站位为黄河口站位，为高浓度站位，其分布区域西起东营市垦利区，东至潍坊市寒亭区，共计73 个站位；分布于黄河口站位两侧站位的为低浓度站位，共计119 个站位。

1.2 卫星影像数据

遥感影像数据来自SDGSAT-1 卫星数据共享服务网站（http://124.16.184.48:6008），卫星多谱段成像仪主要参数如表1 所示，目前SDGSAT-1 仅对用户开放4 级产品，该级数据经过了相对辐射校正和几何校正处理，但没有经过大气校正。使用ENVI5.3 对影像数据进行辐射定标和大气校正，SDGSAT-1 影像的辐射定标公式为L =DN ×Gain +Bias，其中，L是辐射亮度值；DN是像元亮度值；Gain和Bias分别是增益量和偏移量。选用FLAASH算法进行大气校正，将辐亮度值转换为实际地表遥感反射率，该大气校正模型对于浑浊水体的校正效果较好，被国内外研究学者广泛应用[12]，在黄河口区域具有较好的适用性。

表1 SDGSAT-1 影像主要参数

1.3 反演模型构建方法

1.3.1 模型构建方法

总悬浮物浓度遥感反演方法已经相对成熟，影响反演精度的主要因素有遥感影像的预处理、实测数据的选取和反演方法的选择。目前，总悬浮物浓度的遥感反演方法主要是经验算法、半分析方法和分析方法。经验算法作为应用最为广泛的反演方法，是根据遥感反射率与总悬浮物浓度实测数据建立两者之间的统计关系，从而实现对总悬浮物浓度的遥感反演。经验算法具有简洁、高效等特点，但该方法建立在特征周期或具体区域的基础上，受到时间、空间等因素的影响，使得模型的适用性不强。半分析方法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，建立固有光学量系数与总悬浮物浓度的统计关系以达到反演总悬浮物浓度的目的，反演精度较高[13]。宋庆君等[14]通过对东海、黄海水体固有光学量测量数据进行分析，得到后向散射系数与总悬浮物浓度之间的关系，从而建立了半分析模型。分析方法是利用辐射传递模型，计算出水体成分吸收系数与反向散射系数之比，进而求得水中成分的浓度，该方法的计算精度高、计算结果可靠、时间和空间通用性强，但是域类水体较为复杂，建模需要确定多种水体的光学量参数，导致该方法的应用受到了一定的影响[15]。除上述方法以外，神经网络、随机森林及CatBoost 等方法也逐渐应用到总悬浮物浓度的遥感反演研究中[16]。总体而言，半分析方法相比经验算法有一定物理基础，较分析方法更简单易行，对总悬浮物浓度反演而言仍是目前最为合适的总悬浮物浓度反演方法。

1.3.2 QAA 算法

QAA 算法是半分析方法，LEE Z P 等[17]于2002年开发，该方法只需要遥感反射率Rrs，可以算出水体的吸收系数a、悬浮物的后向散射系数bbp等，QAA 算法具体步骤如表2 所示。邢帅等[18]使用海洋和陆地颜色仪（Ocean and Land Color Instrument，OLCI）影像数据验证QAA 算法的反演性能，结论是QAA 算法在轻度浑浊的吸收型水体中有着良好的反演效果。段化杰等[19]使用Sentinel 3A OLCI 遥感数据，基于QAA 模型反演岱海总悬浮物浓度，结果表明QAA 在中高悬浮物浓度区域反演效果良好。本文基于SDGSAT-1 影像波段替换QAA 算法的相近波段，利用QAA 算法建立水体表观光学量与固有光学量之间的转换关系。构建总悬浮物浓度反演模型主要分为两个步骤：第一步是输入遥感反射率数据，利用QAA 算法估算水体固有光学特征量（Inherent Optical Properties，IOP）；第二步是根据QAA 算法估算的水体固有光学量与总悬浮物实测浓度值建立回归模型，进而反演水体总悬浮物浓度。

表2 QAA 算法具体步骤

1.4 评价指标

为评价各个模型的优劣、验证反演结果的精度，本文采用的评价指标主要包括：决定系数（Coefficient of Determination，CoD）、均方根误差（Root Mean Square Error，RMSE）、平均绝对百分比误差（Mean Absolute Percentage Error，MAPE）、平均绝对误差（Mean Absolute Error，MAE）、德宾-沃森值（Durbin-Watson，DW），计算公式如下。

式中，R2为决定系数；R（mg/L）为均方根误差；M1为平均绝对百分比；M2（mg/L）为平均绝对误差；D为德宾-沃森值；n为样本个数；xi（mg/L）为第i个总悬浮物浓度实测值；X（mg/L） 为实测值的均值；yi（mg/L）为第i个总悬浮物浓度反演值；u（mg/L）为第i个总悬浮物浓度实际观察值与反演值之间的差（xi-yi）。

2 结果与讨论

2.1 反演模型建立

构建模型时，在192 个总悬浮物浓度实测数据点中，根据与空间临近点的数值差异作为异常点的判定标准，去掉部分异常点，按区域随机选择120个实测数据点构建模型，剩余44 个总悬浮物浓度实测数据点用于验证所构建模型的精度。以QAA得出的各波段I值为自变量，总悬浮物浓度实测观测值为因变量，选择总悬浮物浓度遥感反演中应用广泛的经验模型，包括单波段、波段加减、波段比值，以及多波段组合等模型形式，进行黄河口反演模型的适用性分析，结果如表3 所示。结果表明SDGSAT-1 单波段模型的IB5(656nm)与实测数据拟合程度比其他单波段要好，符合研究人员普遍得出的656 nm 接近为黄河口区域的总悬浮物浓度反演的敏感波段的规律[20]。总体来说，模型自变量为的模型与总悬浮物实测浓度拟合程度最好，该自变量以总悬浮物浓度反演敏感波段IB5(656nm)为自变量主导因素，同时采用多波段组合比值形式，经多次实验对比，自变量分子中IB3(495nm)与IB4(553nm)的系数为0.5 最佳，该模型R2为0.579，RMSE为9.43 mg/L，高于自变量为，但略差于的RMSE（9.31 mg/L）。

表3 SDGSAT-1 模型精度

2.2 反演结果与实测数据对比

利用剩余44 个总悬浮物浓度实测数据点用于所构建模型的精度验证，将剩余实测数据点代入所构建的模型，得到各个模型的总悬浮物浓度预测值，该预测值作为自变量，总悬浮物浓度实测数据为观测值，作为因变量，进行精度评定，结果如表4 所示。

表4 SDGSAT-1 模型精度评价

图1 SDGSAT-1 反演浓度与实测数据散点图

2.3 反演结果与Sentinel-2B 反演结果对比

欧洲航天局的哨兵二号（Sentinel-2） 于2017年3 月17 日发射升空，卫星携带高分辨率多光谱成像装置，可提供有关陆地植被生长、土壤覆盖状况、内河和沿海区域环境等信息，为国内外研究学者广泛使用，陈余洁等[22]基于哨兵二号提供的影像对高邮湖的总悬浮物浓度和叶绿素a 浓度进行了反演研究，反演估算的平均相对误差分别为15.0%与22.5%，反演效果良好。李航等[23]使用哨兵二号卫星遥感影像数据对长江三峡库区和长寿湖进行了总悬浮物浓度反演，证明了哨兵二号卫星对于总悬浮物浓度具有良好的监测应用能力。故本文使用Sentinel-2B 的总悬浮物反演结果与SDGSAT-1 的反演结果进行精度对比，对Sentinel-2B 的2022 年4月黄河口影像进行预处理（重投影、Sen2Cor 大气校正、重采样），基于QAA 算法得到各个波段的IOP值，按覆盖区域随机选择实测数据建立模型，并使用剩下点位验证模型。Sentinel-2B 的IB2+IB3线性模型（R2=0.583、R=7.46 mg/L、M2=6.69 mg/L、M1=17.01%）与多项式模型（R2=0.591、R=7.39 mg/L、M2=6.41 mg/L、M1=18.86%）的精度为所构模型中较高，使用线性模型与的多项式模型进行精度对比，同时根据共同覆盖点位的浓度深浅分为全点点位区域及高浓度点位地区分别进行对比，其结果散点图如图2 所示，模型验证由表5 所示。

图2 模型反演的TSM 与实测TSM 散点图

表5 SDGSAT-1 与Sentinel-2B 模型精度评价

由散点图可知，由于黄河口水域总悬浮物浓度变化范围较大，单一模型难以在大范围的区域中保证良好的反演精度，SDGSAT-1 和Sentinel-2B模型在全区域中的R2分别为0.512 与0.468，而两种卫星的模型在黄河口高浓度区域的精度都要高于各自在全范围的精度，高浓度散点图中的所有点几乎都均匀地分布在1 ：1 线的两侧附近，其中SDGSAT-1 多项式模型在黄河口高浓度区域的R2为0.622，RMSE 为7.94 mg/L，Sentinel-2B 线性模型在黄河口高浓度区域的R2为0.589，RMSE 为8.27 mg/L，SDGSAT-1 多项式模型均优于Sentinel-2B 线性模型，但Sentinel-2B 线性模型的MAPE（17.62%）指标优于SDGSAT-1 多项式模型。总体而言，在覆盖中高浓度的大区域反演中，SDGSAT-1 多项式模型效果优于Sentinel-2B 线性模型，在黄河口高浓度区域中，SDGSAT-1 多项式模型与Sentinel-2B 线性模型均可得到较好的反演结果。

3 结 论

本文利用近190 组黄河口实测数据，根据黄河口水体特性，基于QAA 算法，建立了水体固有光学量与实测数据的总悬浮物反演模型，并将模型基于SDGSAT-1 影像数据开展总悬浮物浓度反演，且将反演结果与实测数据，以及基于Sentinel-2B 影像数据的总悬浮物浓度反演结果进行精度对比，研究结论如下。

（1）黄河口海域属于典型的二类浑浊水体，敏感波段筛选发现，相较于430 nm、490 nm、550 nm波段，650 nm 为黄河口区域的总悬浮物浓度反演的敏感波段，SDGSAT-1 的IB5(656nm)与实测总悬浮物浓度的R2为0.333，Sentinel-2B 的IB3(665nm)的R2为0.470。

（2） 波段比值为黄河口海域总悬浮物浓度反演的敏感因子，以（I553nm+I656nm）/I553nm、为自变量建立模型的R2均高于其他波段组合形式模型。

（3） 基于SDGSAT-1 影像的QAA 反演算法，针对中高浓度的近岸区域反演精度良好（R2=0.622，R=7.94mg/L，M2=6.64 mg/L，M1=19.38%），与基于Sentinel-2B 影像的反演结果（R2=0.589，R=8.27mg/L，M2=6.53mg/L，M1=19.10%）精度相当。

后续研究中将继续提升模型精度，将考虑引用机器学习方法，提高构建模型效率。本文研究区域位于黄河口中高浓度区域，后续研究中将会扩大研究区域，覆盖高中低浓度区域，提升反演模型的适用性。