太湖水域叶绿素a浓度的遥感反演研究_顾亮

1、第32卷第6期2007年6月环境科学与管理ENVIRONMENTALSCIENCEANDMANAGEMENTVol132No16June2007文章编号:1673-1212(2007)06-0025-05太湖水域叶绿素a浓度的遥感反演研究顾亮,张玉超,钱新,钱瑜(南京大学环境学院污染控制与资源化研究国家重点实验室,江苏南京210093)摘 要:利用太湖水域MODIS遥感数据的各波段反射率组合计算值,与实测的叶绿素a浓度进行相关性分析,找到相关性最好的反射率组合,建立反演太湖叶绿素a浓度的遥感模型。结果表明,利用MODIS数据可以较好地实现对太湖水域叶绿素a浓度的定量反演计算,并以MODIS数据

2、第3、第17波段的反射率组合作为遥感指数建立了反演叶绿素a浓度的模型。第3、第17波段的波长范围分别为459nm479nm、890nm920nm,这一波段选择与以往使用TM数据得到的结论有所不同。关键词:太湖;叶绿素a;遥感;定量反演;MODIS数据中图分类号:X524文献标识码:AStudyonRetrievalofChlorophyll-aConcentrationbyRemoteSensinginTaihuLakeGuLiang,ZhangYuchao,QianXin,QianYu(StateKeyLaboratoryofPollutionControlandResourceReuse,

3、SchooloftheEnvironmen,tNanjingUniversity,Nanjing210093,China)Abstract:UsingMODISremotesensingdatainTaihuLake,calculatetheindicesofreflectivityindifferentwavebandcomb-ination,andcomparedwithchlorophyll-aconcentrationmeasurementsbycorrelationanalysis.Then,findthebestreflectivitycombinationincorrelatio

4、ntobuildthemodelofretrievalofchlorophyll-aconcentrationinTaihuLake.TheresultshowthatMO-DISmiagedataispreferablyusefulinquantitativeretrievalmodelofchlorophyll-aconcentrationinTaihuLake.Andusethere-flectivitycombinationofband3andband17(Rcndextoretrievechlorophyll-aconcentration.The17-Rc3)/(Rc3+Rc17)a

5、stheiwavebandsofband3andband17are459nm479nmand890nm920nmwhichbelongtothenear-infraredbandandblueband,whichbandswechosearedifferentfromtheconclusionbasedbyTMdata.Keywords:TaihuLake;chlorophyll-a;remotesensing;quantitativeretrieva;lMODISmiagedata前言太湖,水域面积2250km,是中国第三大淡水湖泊。位于江南鱼米之乡的太湖,是当地城镇居民生活用水、工农业生产

6、用水的重要水源。然而在经济发展中,由于不合理的开发利用,导致太湖出现了严重的污染与富营养化问题,危害了区域的可持续发展。要解决这些问题首先需要对湖泊水质进行有效的监测。虽然中国的常规水质监测能力已经有了长足的进步,对太湖这一重点湖泊也一直在进行长期的监测,但是由于人力财力的限制,常规监测在时间收稿日期:2007-01-30项目来源:教育部重点项目:湖泊水环境动态模拟系统研究(105079);教育部博士点基金(20060284011)作者简介:顾亮(1982-),男,江苏南通人,硕士研究生,主要从事环境规划、环境模拟研究。2和空间维度上都存在着取样点少的不足,难以反映太湖水质全面、动态的信息。利

7、用遥感技术对太湖水质进行监测,有着快速、动态、范围广、相对成本低的优势。叶绿素a浓度作为表征水质状况的重要参数之一,是决定水体的反射光谱特征的重要因素,也是水质遥感领域研究较多的一项水质参数。研究叶绿素a浓度的遥感定量反演可以为湖泊水质监测与评价提供新的思路和方法。目前已有众多国内外学者对叶绿素a参数进行了研究,并建立了相应的遥感估算模型,1如ThiemannS等利用实测光谱和IRS-1C卫星数据对德国Mecklenburg湖的叶绿素浓度进行了探测,并对湖泊的富营养状态进行了评价;Pulliainen等认为悬浮物浓度和叶绿素a浓度有很大的相关性,提出先根据悬浮物浓度对监测水体进行分类,再对不同

8、的类别选择合适的算法计算叶绿素a2第32卷第6期2007年6月顾亮等#太湖水域叶绿素a浓度的遥感反演研究Vol132No16June2007的浓度,可提高算法的精度;Giorgio等利用高光谱数据模拟了MODIS数据的波段设置,分析并确认了其红光到红外波段在定量反演混浊水体叶绿素浓度方面的潜力。国内一些学者也对遥感数据在水质监测方面的应用有所研究,太湖是其中研究较多的区域。雷坤4等利用中巴地球资源卫星高分辨率CCD相机第3波段(630nm690nm)、第4波段(770nm890nm)的组合(DB3+DB4)/lnDB3对太湖叶绿素a浓度进行了定量估算。李旭文、马荣华、杨一78鹏、吕恒等人均利用

9、了常规陆地卫星遥感数据LandsatTM/ETM定量反演太湖叶绿素a浓度,并分别提出了反演精度最佳的波段组合:TM4-TM3,TM4/TM3,TM3/TM1,TM3/(TM1+TM4)。祝令亚9等应用MODIS监测太湖水体叶绿素a浓度的研究表明MODIS影像可用于太湖的水质监测中,并认为其中250m分辨率波段1、2的比值组合r2/r1与叶绿素a浓度实测值相关性最好。563几何校正采用UTM投影,结合MODIS1B数据集自带的经纬度信息进行校正。并利用NASA提供的经精确几何校正的MODIS数据,通过选取地面控制点的方法对几何校正的结果进行再配准,完成精确校正。2.2 辐射定标辐射定标是将传感器

10、记录的遥感数据灰度值(即DN值)转换成传感器的入瞳辐亮度的处理过程。利用MODIS1B数据中记录的遥感影像灰度值(DN)、反射率缩放比(Scale)、反射率缩放截距(Of-fset),可以计算得到反射率值。公式如下:R=Scale(DN-Offset) R即为计算得到的反射率值。2.3 大气校正相对于陆地,水体的反射率很低,传感器上的入瞳辐亮度含有大量来自于大气的干扰信息。对于水质定量反演研究而言,精确的大气校正是研究工作的基础。本文采用ENVI软件提供的FLAASH模块进行大气校正。1 数据源1.1 MODIS遥感数据中分辨率成像光谱仪MODIS是由美国国家航空航天局研制的一种大型空间遥感探

11、测器,设置了可见光到热红外共36个波段,波谱范围014Lm14Lm,空间分辨率250m1000m。搭载在Terra和Aqua两颗卫星上的MODIS时间分辨率很高(一天两次成像),辐射分辨率也较高(12bi,t而TM数据为8bit),加上数据获取方便,使其成为水质遥感领域内最有潜力的数据源之一。文章选用2005年9月16日上午的MODIS1B影像数据,配合准同步的实地监测数据,对太湖水域的叶绿素a浓度进行遥感反演研究。当日太湖上空晴朗无云,遥感影像质量很好,在研究中选择了MO-DIS数据可见光到近红外波段(即第1到第19波段及第26波段)的1000m空间分辨率数据进行分析。1.2 实测数据太湖水

12、体叶绿素a浓度的现场监测时间是2005年9月1415日,采样点共计32个。由于遥感影像的空间分辨率不高,靠近岸边的水体像元受陆地像元的混合作用影响,不能反映水体的真实反射率,因此在与遥感数据的具体对比分析过程中,删除了靠近湖岸的采样点数据,最终保留了14个采样点数据。3 模型构建与分析3.1 归一化处理为了便于比较各波段数据对叶绿素a浓度的响应关系,在得到大气校正后的反射率值之后,本文针对太湖水域面积内的各波段反射率值范围,将全图的数据进行了归一化处理。具体的操作过程是:选取太湖水域为感兴趣区,统计该区域内各个波段数据的最大值和最小值,分别计算各个波段归一化的反射率值,公式如下:Rc=(R-R

13、min)/(Rmax-Rmin 其中Rc为计算得到的归一化反射率值,R为原反射率值,Rmin为感兴趣区内的最小反射率值,Rmax为感兴趣区内的最大反射率值。3.2 遥感指数计算文章选用NDVI算法对波段进行组合计算,再与实测数据进行对比分析。NDVI算法的形式为:Index(i,j)=(Rci-Rcj)/(Rci+Rcj) 其中Rci、Rcj分别代表不同波段的反射率值,Index(i,j)为计算得到的遥感指数。NDVI算法在陆地植被遥感领域使用较多,它的优点在于能够消除部分大气影响。3.3 相关性分析根据实测数据的经纬度信息,从遥感影像数据中提取相应点位的各遥感指数值,与实测的叶绿素a浓度数据

14、进行Pearson相关性分析。分析结果见表1。2 遥感数据预处理2.1 几何校正26第32卷第6期2007年6月顾亮等#太湖水域叶绿素a浓度的遥感反演研究Vol132No16June2007表1 MODIS数据各遥感指数与叶绿素a相关性分析结果与实测数据显著相关的遥感指数(显著性水平0.01)显著相关的波段组合中出现频次较高的波段Band1Index(1,2),Index(1,16),Index(1,17),Index(2,3),Index(2,4),Index(2,7),Index(2,10),Index(2,11),Index(3,16),Index(3,17),Index(3,19),I

15、ndex(4,16),Index(4,17),Index(7,16),Index(7,17),Index(7,18),Index(7,19),Index(10,16),Index(10,17),Index(11,16),Index(11,17)Band2Band3Band4Band7Band10Band11Band16Band17注:Index(1,2)=(Rc2-Rc1)/(Rc1+Rc2),即Band1和Band2组合计算的指数,其余类似。波段波长范围(nm)62067084187645947954556521052155483493546556862877890920从表中可以看出,与实

16、测叶绿素a浓度相关性好的波段组合大多是蓝绿色光波段和红外光波段的组合,此外还有红光波段与红外波段、两个红外波段的组合。这与藻类的反射波谱特征是分不开的,藻类光谱反射率特征主要表现在:一是在绿光波段有一个反射率峰,由叶绿素引起;二是在红外波段也有高的反射率,主要由藻类细胞结构决定。此外,藻类在红光波段有一个稳定的反射率的波谷。10根据胡雯等对巢湖不同叶绿素浓度水体光谱反射率的研究,不同叶绿素浓度的水体的反射率存在明显的差异,并且主要体现在近红外波段(700nm1100nm),即随着叶绿素a浓度的增大,水体对近红外光的反射率显著增大(见图1)。太湖与巢湖基本位于同一纬度,主要水质情况大致相当,因而

17、巢湖的水体光谱监测结果亦可作为太湖水体叶绿素a敏感波段的检验依据。5这些波段大致可以分成两类,即处于近红外波段对叶绿素浓度很敏感的第2、16、17波段,和处于可见光波段对叶绿素浓度敏感度不高的第1、3、4、10、11波段。观察表1所列与实测叶绿素a浓度显著相关的遥感指数可以发现,除了第7波段和因出现频次低而未加评析的波段,其余占绝大部分的波段组合恰好就是上述这两类波段间的两两组合。因此,相关性分析的结果表明,使用一个叶绿素敏感波段(近红外波段)和一个非敏感波段的反射率组合能够良好地反映实际叶绿素a浓度的变化,并且MODIS数据的多波段设置为此提供了众多组合选择。3.4 模型建立与评价根据相关性

18、分析的结果,选择与实测数据相关性最好的Index(3,17)作为建立叶绿素a浓度反演模型的遥感指数。通过一元线性回归分析,建立了如下的反演模型:Cchl-a=251278(Rc169317-Rc3)/(Rc3+Rc17)+20 其中Cchl-a为叶绿素a浓度,RcRc3、17分别为MODIS数据第3、第17波段的反射率。如图2所示模型的回归拟合分析。从图中可以看出MODIS数据第3、第17波段的反射率值的组合(Rc17-Rc3)/(Rc3+Rc17)与实测叶绿素a浓度呈现出良好的线性关系,决定系数R为016413,具有较好的反演精度。从波段选择上看,第3波段(459479nm)属于蓝色光,第1

19、7波段(890920nm)属于近红外光。本文选用的MODIS数据第17波段正处于对叶绿素浓度敏感的近红外波段,并且在该波段范围内,叶绿素a高浓度水体的反射率峰值很高;而第3波段对2图1 巢湖不同叶绿素浓度水体反射光谱10叶绿素浓度并不敏感,不同叶绿素a浓度水体的反射率差别很小(如图1)。因此,第3、17波段的组合体现了水体中叶绿素的敏感波段特征,能够很好的反映不同叶绿素浓度水体的差异。将表1中所列出现频次较高的波段投映到图1中(第7波段因超出图1范围,未加标示)可以发现,第32卷第6期2007年6月顾亮等#太湖水域叶绿素a浓度的遥感反演研究Vol132No16June2007MODIS数据第3

20、、17波段相当于TM数据的第1、4波段,这与前人用TM数据反演太湖水体叶绿素5-8a浓度的结论有所不同。虽然这两个波段的数据在前人对太湖叶绿素a浓度的反演研究中也被采用过,但都不是单独以这两个波段的组合作为反演叶绿素a浓度的指数。这与MODIS数据和TM数据的波谱分辨率、空间分辨率差别有关,如:MO-DIS数据第3波段的波长范围是459nm479nm,仅有20nm,而相应的TM数据第1波段的波长范围为450nm520nm,大大提高了波谱分辨率;另一方面,MODIS数据的空间分辨率的局限也是导致这一差异的原因。7-8为主,湖面的风向、风速对于漂浮在湖泊表面的藻类的分布影响很大。结合当日太湖地区刮

21、东南风的天气情况,浮游藻类在太湖北部的竺山湖、梅梁湾等湖湾里聚集,这在图中也有较好的表现。总之,太湖叶绿素a浓度的反演结果既体现了入湖河道污染物的基础性影响,也反映了风速风向等气象因素的随机性影响。需要指出的是,由于采用的MODIS数据的空间分辨率较低,为1000米,难以实现对空间尺度较小的浮游藻类的聚集带的监控。此外,东太湖水域由于存在茂盛的水生植物,遥感影像并不能正确反映水体实际的叶绿素a浓度,本文在作图过程中未将其范围包含在图3中。5 结论文章的研究表明,MODIS遥感影像可以应用于太湖的叶绿素a浓度的遥感监测。尽管由于空间分辨率的局限,MODIS数据1000米分辨率的波段较难实现对浮游

22、藻类聚集带的监控,但通过对其高光谱分辨率的利用,可以较好的实现对太湖水域叶绿素a浓度空间分布的整体把握。研究过程中发现,与太湖水体叶绿素a浓度相关性高的波段组合有很图2 反演模型的回归拟合分析4 反演结果与讨论利用此模型和MODIS遥感数据反演2005年8月15日太湖的叶绿素a浓度,得到当日太湖的叶绿素a浓度分布图(见图3)。多,说明MODIS数据在反演太湖水质时可资利用的波段多,为进一步研究具有较好时间适应性的反演模型提供了条件。因此,利用MODIS数据监测太湖水质与富营养化水平具有很好的潜质和现实意义。但由于本文目前只选择了单个时间点的遥感数据和实测数据进行比较分析,得到的反演模型能否在时

23、间尺度上推广,尚未进行很好的验证。但从文章表1中列举的大量与实测叶绿素a浓度高度相关的波段组合来看,这些组合都具有明显的物理意义,从中找到一个具有时间普适性的波段组合是很有可能的。但这些工作都还需要对更多时间段上的遥感与实测数据进行分析研究,幸而MODIS数据的高时间分辨率为此提供了条件,本研究在这方面的工作已经展开。参考文献:1ThiemannS,KaufmannH.Determinationofchloro-phyllcontentandtrophicstateoflakesusingfieldspectrometerandIRS-1CsatellitedataintheMecklenbu

24、rglakedistrict,GermanyJ.RemoteSensingofEnvironment,2000,73:227-图3 遥感反演太湖叶绿素a浓度分布图235.2PulliainenJ,KallioK,EloheimoK,eta1.Asemi-op-erativeapproachtolakewaterqualityretrievalfromremotesens-ingdataJ.TheScienceoftheTotalEnvironment,2001,268:79-93.从图中可以看出,太湖叶绿素a浓度的分布大致呈现出西北高、东南低的态势,反映了太湖富营养化状态的现实情况。另一方面,

25、太湖湖流以风生流28第32卷第6期2007年6月顾亮等#太湖水域叶绿素a浓度的遥感反演研究Vol132No16June20073GiorgioDallpOlmo,AnatolyA.Gitelson,DonaldC.Rundquist,eta1.AssessingthepotentialofSeaWiFSandMO-DISforestimatingchlorophyllconcentrationinturbidproductivewatersusingredandnear-infraredbandsJ.RemoteSensingofEnvironment,2005,96:176-187.4雷坤,

26、郑丙辉,王桥.基于中巴地球资源1号卫星的太湖表层水体水质遥感J.环境科学学报,2004,24(3):376-380.5李旭文,季耿善,杨静.太湖梅梁湖湾蓝藻生物量遥感估算J.国土资源遥感,1995(2):23-28.6马荣华,戴锦芳.结合LandsatETM与实测光谱估测太湖叶绿素及悬浮物含量J.湖泊科学,2005,17(2):97-103.7杨一鹏,王桥,肖青,闻建光.基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究J.地理与地理信息科学,2006,22(2):5-8.8吕恒,江南,罗潋葱.基于TM数据的太湖叶绿素A浓度定量反演J.地理科学,2006,26(4):472-476.9祝令亚,

27、王世新,周艺,阎福礼,杨龙元.应用MODIS监测太湖水体叶绿素a浓度的研究J.遥感信息,2006(2):25-28.10胡雯,杨世植,翟武全,程小泉.NOAA卫星监测巢湖蓝藻水华的试验分析J.环境科学与技术,2002,25(1):16-17.(上接第7页)方面,还没有形成有中国特色的、有效的实用技术。亟待加大研究力度,加强相关学科的协作和国际合作,进一步深入开展污染场地修复理论与技术研究,建立符合中国国情的污染场地修复的管理体系和技术体系。加快科研成果转化为生产力的速度,扶持污染场地修复环保产业发展,为中国污染场地环境管理和可持续利用提供技术和设备支撑。参考文献:1CongressofUnit

28、edStates.Comprehensiveenvironmen-talresponse,compensationandliabilityactEB/OL.,1980.2U.S.EPA.Nationaloilandhazardoussubstancepo-llutioncontingencyplanEB/OL.FinalRule,50FederalRegis-ter47912,WashingtonDC.,1985.3U.S.EPA.Nationaloilandhazardoussubstancepo-llutioncontingencyplanEB/OL.ProposedRule,53FederalRegister51394,WashingtonDC.,1988.4U.S.EPA.Riskassessmentguidanceforsu