标题

Size: px

Start display at page:

Download "标题"

禄贞隗
5 years ago
Views:

1 第 34 卷长江科学院院报 Vol 年 Journal of Yangtze River Scientific Research Institute 2017 doi: / ckyyb 基于 GF-1 / WFV 的钱塘江叶绿素 a 和总悬浮物浓度遥感估算程春梅 1a, 李渊 2, 丁奕 3, 涂乾光 1a 1b, 秦鹏 (1. 浙江水利水电学院 a. 测绘与市政工程学院 ;b. 水利与环境工程学院, 杭州 ; 2. 浙江工商大学旅游与城乡规划学院, 杭州 ; 3. 浙江省水文局, 杭州 ) 摘要 : 利用卫星数据监测大尺度河流水质演化对掌握污染动向及时快速决策具有重要意义使用高分一号 (GF -1) 卫星数据的 16 m 分辨率的 GF-1 / WFV 传感器数据和地面实测数据, 基于地面实测光谱反射率数据模拟 WFV 波段组合, 构建水体叶绿素 a 和总悬浮物浓度遥感模型, 从而对钱塘江流域杭州段水体水质参数进行估算研究结果表明, 基于 B1-B3 差值的二次多项式模型用于叶绿素 a 浓度估算 (R 2 = 0.83,RMSE = 0.74 μg / L), 基于 B3 波段的二次多项式模型用于总悬浮物浓度的估算 (R 2 = 0.92,RMSE = 1 mg / L ), 通过模型应用于准同步的 GF-1 / WFV 数据, 较好反映了低潮位钱塘江杭州段水体叶绿素 a 和总悬浮物浓度的空间分布, 为高分一号卫星数据遥感监测钱塘江水色参数做出了有益的探索性工作, 研究方法及数据对其他流域河流水色遥感研究具有重要的参考价值关键词 : 钱塘江 ;GF-1 / WFV; 叶绿素 a 浓度 ; 总悬浮物浓度 ; 遥感中图分类号 :TP79 文献标志码 :A 1 研究背景水体中的叶绿素 a 和悬浮物是重要的水质参数叶绿素 a 是浮游植物或藻类植物中最丰富的色素, 其含量大小在一定程度上反映了水体富营养化的程度 [1] 悬浮物是指悬浮在水中的固体物质, 包括不溶于水的无机物有机物泥沙黏土和微生物等, 是我国近岸海水环境和湖泊水环境质量检测的重要参数之一 [2-3] 常规的水质参数人工监测方法费时费力, 且由于河流水体流动性大, 采样点的数目和次数有限, 监测结果难以代表整个水体中水质指标的分布状况利用遥感方法监测水体水质范围广速度快成本低, 可以反映水质参数在空间和时间上的分布情况和变化, 便于长期动态监测目前国内外主要是利用基于中低分辨率遥感数据如 MODIS,MERIS,Landsat / TM,HJ1 / CCD 和高分辨率遥感数据如 SPOT 和 GF-1 等, 对河流的典型水色参数叶绿素 a 浓度和悬浮物浓度进行反演模型研究 [4-6], 然而, 这些研究主要关注面积较大的内陆湖泊或海洋等水体, 对于宽度较小水体流动性大的河流水体关注较少, 另外针对与城镇人口生活关系密切的河流水体, 必须使用高空间分辨率的遥感数据进行水质参数估算, 才能快速监测河流水质参数的空间分布变化特征 2013 年 4 月份, 我国自主研制的第一颗民用高分辨率卫星高分一号 ( GF-1) 成功发射,GF -1 卫星搭载了两台 2 m 分辨率全色 / 8 m 分辨率多光谱相机,4 台 16 m 分辨率多光谱相机, 光谱信噪比高, 为宽度较小水体流动性大的河流水体进行典型水色参数遥感估算提供了重要的硬件基础钱塘江水系是浙江省最大的水系, 是浙江省重要命脉, 钱塘江水环境污染问题会严重制约经济社会的可持续发展 [7] 本文依托国家海洋局第二海洋研究所作为数据分析平台, 利用高分一号 (GF-1) 卫星数据的 16 m 分辨率的 GF-1/ WFV 传感器数据和地面实测数据, 基于地面实测光谱反射率数据模拟的 WFV 波段组合, 构建水体叶绿素 a 和总悬浮物浓度遥感模型, 对钱塘江流域杭州段水体水质进行遥感估算, 为高分一号卫星数据遥感监测河流水色参数做出了有益探索, 也为后续基于高分遥感影像的河流水质监测的理论和方法研究提供了重要的参考依据 2 研究区概况和数据源处理 2.1 研究区与样点研究区域为钱塘江杭州段之江水文站断面, 采收稿日期 : ; 修回日期 : 基金项目 : 国家自然科学基金青年基金项目 ( ); 浙江省自然科学青年基金项目 ( Q16D010001); 浙江省教育厅科研项目 (Y ); 浙江省教育厅访问学者专业发展项目 (FX ) 作者简介 : 程春梅 (1987-), 女, 湖北武汉人, 讲师, 博士, 主要从事水环境遥感研究,( 电话 ) ( 电子信箱 )ccm8711@ 163.com

2 2 长江科学院院报 2017 年样区域长 2 km 宽 1 km, 各样点之间间隔 300 ~ 500 m 低潮位时水深约 3 m, 测量样点 15 个, 样点分布如图 1 所示测量时间为 2016 年 12 月 7 日, 从 9:00 到 16:00 间隔 0.5 h 取样测量一次 ( 测量内容包括光谱测量和水样采集 ) 取根据公式 (1) 由实测高光谱遥感反射率 ( 波长间隔为 1 nm) 计算传感器通道 i 的反射率, 其中 r i 代表光谱通道 i 的反射率,λ s i 是通道 i 的起始波长,λ ei 是通道 i 的终止波长,r( λ) 为波长 λ 处的反射率值,φ i (λ) 为波段 i 在波长 λ 处的光谱响应因子 r i = λe i λs i r(λ)φ i (λ) / λei λs i φ i (λ) (1) 3 监测数据的反演模型构建与影像处理图 1 研究区及采样点分布 Fig.1 Study area and sample distribution 2.2 实验数据获取与处理野外光谱测量使用美国分析光谱仪器公司 (Analytical Spectral Devices) 的 ASD 野外光谱辐射仪 (ASD FieldSpec.) 为减少水体镜面反射和船体自身阴影的影响, 测量采用二类水体水面以上光谱测量方法 [8], 测量时距离水面 0.5 ~ 1 m 测量的数据有标准灰板 ( 反射率为 30% ) 水体和天空光的光谱辐亮度信息, 每个对象采集 20 条光谱数据, 选取每个样点重复测量的遥感反射率的中值作为该点的反射率在测量得到的光谱曲线中, 选择 350 ~ 900 nm 的数据计算遥感反射率 [8] 野外采集的水样避光保存, 并于当天送到国家海洋局第二海洋研究所卫星海洋环境动力学国家重点实验室进行实验分析, 测定叶绿素 a 和总悬浮物浓度室内叶绿素 a 浓度 ( Chla) 使用直径 25 mm 的 Whatman GF / F 滤膜进行过滤, 丙酮萃取后, 使用荧光光度法进行测量总悬浮物浓度 (TSM) 使用事先称重的直径 47 mm 的 Whatman GF / F 滤膜过滤, 并采用常规的干燥烘烧称重法进行测定所有样品均设置 2 个平行样, 两次测量结果的均值作为最终浓度由于 GF-1 / WFV 卫星影像的获取时间与实测数据时间存在差异, 会影响数据的代表性及模型精度, 因此使用实测光谱反射率拟合 GF-1 / WFV 各波段光谱数据进行模型构建高分 1 号卫星影像的波段设置为蓝 (45 ~ 530 nm) 绿(510 ~ 600 nm) 红 (62 ~ 700 nm) 近红外(750 ~ 900 nm), 其光谱响应函数可以在中国资源卫星应用中心网站上进行获 3.1 反演模型的构建与评价基于拟合得到的 GF-1 / WFV 各通道光谱数据与水质参数浓度, 建立 Chla 和 TSM 反演模型, 再将适用性较好的模型应用于 GF-1 / WFV 遥感影像上实测数据共有 15 组, 选择 10 组进行反演模型的构建,5 组数据进行模型验证反演模型构建基于遥感的水质监测主要是通过研究水体光谱特征与水质参数间的关系, 并构建反演模型常规的水质参数遥感反演方法主要有经验方法半经验 / [9] 半分析方法分析方法和机器学习算法等 [10-11] 其中, 利用高光谱或多光谱数据选取特征波段或波段组合, 与同步实地测量的水质参数浓度建立半经验 / 半分析算法, 能够较好地反映水体水质参数的光学响应特征, 物理意义明确且精度较高, 是水体水质参数遥感估算的主要方法, 在实际应用中最为广泛由于 GF - 1 / WFV 传感器的波段设置与 Land sat / ETM, HJ1 / CCD, SPOT 波段设置相似 ( 图 2), 因此, 借鉴这些传感器的波段组合与模型构建方法, 进行 Chla 和 TSM 的反演研究本文所使用的模型构建方法包括 :(1) 基于实测高光谱数据拟合得到的 WFV 波段, 使用穷举法列举各种模型波段组合, 包括单波段基于不同波段两两组合的比值和差值组合等, 并针对这些波段组合变量分别进行线性回归对数线性回归非线性回归 ( 幂指数多项式 ) 拟合建模 (2) 基于单个 2 个 3 个和 4 个光谱波段分别进行多元回归拟合建模 (3) 验证已有的特殊波段组合, 包括 ( B1 B4) / ( B3 B4) Ln ( B3 + B4) / (B1 + B2) (B2 / B1) + B3 (B3+B4) / B2 (B2 B3) / B1 (B1 B3) / B2 (B4-B3) / (B4+B3), 并根据 Chla 和 TSM 的光谱响应特征, 参考已有的波段组合构建方式, 构建了 9 种新的模型组合, 包括 (B4-B3) / ( B1 - B3) ( B4 + B3) / ( B1 + B3) ( B4 - B3) / (B1 + B3) ( B4 + B3) / ( B1 - B3) B2 / B3 + B1

3 第期程春梅等基于 GF-1 / WFV 的钱塘江叶绿素 a 和总悬浮物浓度遥感估算 3 B1 / B3+B2 (B2 B1) / B3 (B2+B1) / B3 B1+B2+B3 +B4 最后选择与 Chla 和 TSM 相关性最大的多光谱波段组合模型, 讨论其模型精度和验证应用精度, 经过对比选择适合 GF-1 / WFV 传感器的最优 Chla 和 TSM 估算模型图 2 常用传感器的波段设置对比 Fig.2 Comparison of band settings of remote 模型评价 sensing sensors 本文使用回归分析构建各波段组合与水质参数浓度间的模型表达式, 因此, 使用可决定系数 R 2 F 检验值和 p 值来评价回归模型的精度和稳健性基于模型预测值和实测值, 使用均方根误差 ( RMSE, Root mean square error) 平均绝对误差 ( MAE,Mean absolute error) 和平均相对误差 ( MRE,Mean relative error) 来评价模型的精度, 其计算方法如下 : RMSE = MRE = MAE = (y - y') 2 y - y' y n - 2 y - y' n n 100%, (2), (3) (4) 式中 :y 是测量得到的水质参数浓度 ;y 是估算出的水质参数浓度 ;n 是样点数目 3.2 GF-1 / WFV 影像处理 GF-1 / WFV 高分影像数据下载自遥感集市网站 ( http: / / www. rscloudmart. com / ) 由于与野外实验同步的 WFV 高分影像存在 30% 以上的云层覆盖, 影像质量较差, 选择与野外实验日期相近的 2016 年 11 月 28 日 ( 农历十月二十九 ) 进行钱塘江杭州段水体 Chla 和 TSM 的遥感估算该期数据的获取时间处于钱塘江低潮位, 数据共包括 2 景 WFV2 和 1 景 WFV1 数据, 对其分别进行辐射定标几何纠正大气校正和影像拼接等处理, 得到钱塘江流域杭州段的 WFV 数据首先, 根据绝对定标系数和辐射定标公式, 利用 ENVI 5.1 软件对 GF-1 / WFV 图像进行定标, 将卫星载荷观测值转化成辐亮度 GF-1 星的 WFV 相机辐射定标参数, 包括 4 个波段的增益偏置参数及定标公式, 均可从中国资源卫星应用中心网站上获取 2016 年 WFV 数据的辐射定标公式为 : Le ( λe) = Gain DN + Offset, 其中 Le( λe) 为转换后辐亮度, Gain 为波段增益,DN 为卫星载荷观测值,Offset 为偏置其次, 对定标后的大气顶部反射率进行大气校正, 使用 ENVI 5.1 软件的 FLAASH 模块进行大气校正将定标后的影像转化成 BIL 格式, 使用 10 的比例系数将输入光谱数据的单位转换成 μw / (cm 2 sr nm), 设定传感器高度为 645 km, 像元大小为 16 m, 大气模型为 Mid-latitude Summer, 气溶胶模型为 Rural, 并根据头文件查找影像获取时间等参数最后, 使用 ERDAS 9.2 软件中的 Geo -referen cing 模块进行几何纠正, 以研究区经过几何精纠正的 TM 图像为基准, 通过在研究区选取控制点完成对 GF-1 / WFV1 和 WFV2 图像的几何精纠正, 纠正后的误差控制在 1 个像元范围以内对预处理后的遥感影像进行拼接, 然后使用浙江省杭州市的行政区矢量文件进行掩膜, 得到钱塘江杭州段的 GF-1 / WFV 遥感影像图参考中国科学院计算机网络信息中心地理空间数据云平台上提供的免费 Landsat 中国内陆水体信息产品, 进行水体范围提取 4 结果与讨论 4.1 实测数据分析钱塘江杭州段采集的野外实测光谱和拟合得到的 WFV 各波段光谱数据 ( 图 3) 表明, 实测光谱反射率呈现出典型的二类水体特征 [11] : 蓝光波段 (350 ~ 500 nm) 由于水体吸收反射率相对较低,560 nm 附近的绿光反射峰和 710 nm 附近的荧光峰是含藻水体的典型特征,710 nm 附近和 810 nm 附近的 2 个峰值是含悬浮泥沙水体的典型特征水样的室内分析测定结果表明 ( 图 4), 由于采样时间处于低潮位, 水质较为清澈, 水体中叶绿素 a 和总悬浮物浓度不高, 并且由于样点集中在一个断面附近分布, 水质参数浓度变化不大水体中叶绿素 a 浓度范围为 1.36 ~ 7.51 μg / L, 与已有的研究结果较为一致 [12] 较多研究认为钱塘江水体主要由悬浮物主导, 而实测数据表明低潮位时悬浮物的扰动效应较小, 叶绿素 a 与总悬浮物浓度相当当潮流和径流速度较小时, 叶绿素 a 也会在一定程度上主导河流水体的光学特性, 例如 2014 年钱塘江暴发了严

4 长江科学院院报 2017 年 (a) 实测光谱重的蓝藻水华现象水体中总悬浮物浓度范围为 2.43 ~ 12.97 mg / L, 显著低于钱塘江河口水体的悬浮物浓度 [12], 这是由于内河段悬沙含量低于河口, 且低潮位采样时风浪对泥沙的扰动作用较小 4.2 水质参数浓度的遥感估算 4.2.1 叶绿素 a 浓度遥感估算基于拟合得到的 GF-1 / WFV 四个波段的光谱数据和实测叶绿素 a 浓度数据, 使用 3.

4 4 长江科学院院报 2017 年 (a) 实测光谱重的蓝藻水华现象水体中总悬浮物浓度范围为 2.43 ~ mg / L, 显著低于钱塘江河口水体的悬浮物浓度 [12], 这是由于内河段悬沙含量低于河口, 且低潮位采样时风浪对泥沙的扰动作用较小 4.2 水质参数浓度的遥感估算叶绿素 a 浓度遥感估算基于拟合得到的 GF-1 / WFV 四个波段的光谱数据和实测叶绿素 a 浓度数据, 使用节中的波段组合构建叶绿素 a 浓度反演模型基于穷举法构建波段组合的模型结果表明, 单波段模型中, 基于 B3 波段的多项式拟合结果最优 ( 图 5( a)); 比值模型中, 基于 B1 / B3 组合的多项式拟合结果最优 ( 图 5 (b)); 差值模型中, 基于 B1-B3 组合的多项式拟合结果最优 (R 2 = 0.83,RMSE = 0.74 μg / L)( 图 5(c)), 并且 B1-B3 的差值组合拟合结果优于单波段和波段比值组合 (b) 拟合的 GF-1 / WFV 波段光谱图 3 钱塘江杭州段实测光谱和拟合的 GF-1 / WFV 波段光谱 Fig.3 In situ spectral reflectance and the fitted GF-1 / WFV channel spectrum in Hangzhou section of Qiantang River (a) 单波段组合 (b) 比值组合 (a) 叶绿素 a 浓度 (b) 总悬浮物浓度图 4 钱塘江杭州段水体的叶绿素 a 和总悬浮物浓度 Fig.4 The Chlorophyll-a and total suspended matter concentration in Hangzhou section of Qiantang River (c) 差值模型图 5 常用的叶绿素 a 浓度估算模型 Fig.5 The Chlorophyll-a concentration estimation models 此外, 基于多个波段数据的多元回归拟合模型也取得了较高的精度, 并且使用的波段数量越多, 模型精度越高例如, 基于 B1,B2,B3,B4 四个波段的多元回归模型精度为 R 2 = 0.81,RMSE = 0.79 μg / L, MAE = 0.70 μg / L,MRE = 22.73%, 显著高于基于两个波段的多元回归模型同时, 对节中的已有波段组合和构建的 9 种新的波段组合进行拟合验证结果表明, 特殊波段组合的模型结果与已有的比值或差值模型结果相当, 丰富的波段信息和组合变换形式并没有改进模型的精度上述基于多元线性回归和特殊波段组合的模型结果均低于基于 B1 -B3 的差值组合模型因此, 选择精度最高的差值模型 B1-B3 作为最终的 Chla 反演模型, 其模型形式为 Chla = (B1-B3) (B1-B3)

5 第期程春梅等基于 GF-1 / WFV 的钱塘江叶绿素 a 和总悬浮物浓度遥感估算 5 ( B1-B3) (5) 模型 (5) 的精度为 R 2 = 0.83,RMSE = 0.74 μg / L, MAE = 0.57 μg / L,MRE = 19.67% 使用验证数据集对该模型进行直接验证, 结果为 RMSE = 1.98 μg / L, MAE = 1.71 μg / L,MRE = 24.97%, 表明基于 B1-B3 差值的二次项模型可以用于钱塘江杭州段的 Chla 的遥感估算研究已有研究也表明 B1 和 B3 波段的比值 [13-15] 或差值模型可以用于二类水体 Chla 的遥感估 [16-19] 算, 而使用更为广泛的 B4/ B3 波段组合在本文的数据中并不适用, 可能是由于低潮位时悬浮物浓度对叶绿素 a 的光谱响应干扰所造成的总悬浮物浓度遥感估算基于拟合得到的 GF-1 / WFV 四个波段的光谱数据和实测总悬浮物浓度数据, 使用节中的波段组合构建 TSM 反演模型使用穷举法构建的波段组合的反演模型结果表明, 单波段模型中, 基于 B3 波段的多项式拟合结果最优 ( 图 6( a)); 比值模型中, 基于 B2 / B3 组合的线性拟合结果最优 ( 图 6 (b)); 差值模型中, 基于 B3-B4 组合的多项式拟合结果最优 ( 图 6(c)) 其中, 基于 B3 单波段的二次多项式模型结果最优 (R 2 = 0.92,RMSE = 1 mg / L) (a) 单波段组合 (c) 差值模型 (b) 比值组合图 6 常用的总悬浮物浓度估算模型 Fig.6 The total suspended matter concentration estimation models 对节中已有的波段组合和新构建的 9 种波段组合进行验证, 结果表明各波段组合的模型结果与已有的比值和差值模型结果相当, 丰富的变换形式对模型精度的改进作用不明显, 其中拟合效果最佳的 ( B2 B3) / B1 B2 / B3 +B1 和 ( B2 +B1) / B3 组合, 拟合精度 R 2 分别为 0.88,0.88 和 0.88, 仍低于或约等于常规的比值或差值反演模型的结果对比多种模型构建结果, 包括基于单波段波段比值和差值的线性和非线性拟合, 以及基于多个光谱波段的多元回归拟合等, 发现基于多个波段的多元回归模型精度最高, 并且总体呈现出波段数量越多, 多元回归模型精度越高的趋势其中, 基于 B1, B2,B3, B4 四个波段的多元回归模型 TSM = B B B B4, 具有最高的反演精度 (R 2 = 0.98,F = 61.83,p<0.05;RMSE = 0.49 mg / L,MAE = 0.42 mg / L,MRE = 8.72%) 多元回归的反演效果优于基于代数运算所构建的各种模型组合, 是一种有效利用传感器多波段信息的方法, 然而, 多元回归所使用的全部波段信息存在高度相关的现象, 如 B1 与 B2 相关系数为 0.98,B1 和 B3 相关系数为 0.89 多元线性回归分析中这种变量的多重相关性常会严重影响参数估计, 扩大模型误差, 破坏模型的稳健性, 从而导致整体的拟合度很大, 但个体参数估计值的 t 统计量却很小, 并且无法通过检验 [20], 因此, 多元回归模型并不适用于本文数据的模型构建因此, 选择基于 B3 单波段的多项式模型作为总悬浮物浓度的反演模型, 其模型形式为 TSM = B3 B B (6) 式 (6) 模型的精度为 R 2 = 0.92,RMSE = 1 mg / L,MAE = 0.85 mg / L,MRE = 17.22% 使用验证数据集对该模型进行直接验证, 其结果为 RMSE = 3.53 mg / L, MAE = 2.25 mg / L,MRE = 32.95% 针对悬浮泥沙含量高的河口区域, 单独使用 B4 波段进行 TSM 估算的研究较多 [21], 但 B4 波段在本数据集中应用效果较差 (R 2 <0.6), 可能是由于低潮位的内河段水体中悬浮物受风浪扰动潮流和径流影响较小, 悬浮物浓度较低, 波长较短的 B3 波段更适合对其进行反演 4.3 基于 GF-1 / WFV 数据的水质参数分布将前面建立的最佳叶绿素 a 浓度遥感估算模型 ( 式 (5)) 和总悬浮物浓度遥感估算模型 ( 式 (6)) 代入到经过大气校正的 11 月 28 日的 GF-1 / WFV 遥感影像上进行钱塘江杭州段 Chla 和 TSM 估算, 得到的叶绿素 a 浓度的空间分布如图 7(a) 所示, 总悬浮物浓度的空间分布如图 7(b) 所示由图 7(a) 看出, 由于低潮位时叶绿素 a 浓度受潮汐和悬浮泥沙的扰动作用较小, 呈现出较高的值, 该结果与同期水质监测资料的结果基本一致 [22] 从空间分布差异上来看, 千岛湖水质较好, 叶绿素 a 浓度最低, 钱塘江干流杭州段的叶绿素 a 浓度值域范围相差不大, 空间差异并不显著已有研究结果表明, 钱塘江叶绿素 a 浓度时间差异显著, 呈现夏秋季节高冬春季节低的规律, 并且叶绿素 a 浓度与温度呈显著正相关, 叶绿素 a 与 TN,TP 之间的相关关系在不同江段有所差异 [22] 对比浙江省地表水水

6 长江科学院院报 2017 年果较好由于钱塘江的潮汐浪涌水流冲击力非常强, 给高潮位现场采样带来很大难度, 因此现阶段我们的研究主要是围绕钱塘江低潮位情况下展开的, 而对于高潮位遥感影像进行测量建模反演有待今后进一步研究 5 结论 (a) 11 月 28 日叶绿素 a 浓度分布 (b) 11 月 28 日总悬浮物浓度分布图 7 基于 GF-1 / WFV 数据估算的叶绿素 a

6 6 长江科学院院报 2017 年果较好由于钱塘江的潮汐浪涌水流冲击力非常强, 给高潮位现场采样带来很大难度, 因此现阶段我们的研究主要是围绕钱塘江低潮位情况下展开的, 而对于高潮位遥感影像进行测量建模反演有待今后进一步研究 5 结论 (a) 11 月 28 日叶绿素 a 浓度分布 (b) 11 月 28 日总悬浮物浓度分布图 7 基于 GF-1 / WFV 数据估算的叶绿素 a 和总悬浮物浓度分布 Fig.7 Distribution of the Chlorophyll-a and the total suspended matter concentration estimated by the GF-1 / WFV data 质自动监测平台 ( http: / / wms. zjemc. org. cn / wms / wmsflex / index.html) 上提供的监测数据, 本研究的 Chla 分布变化规律与已有的水质调查监测结果中的 TN 和 TP 监测结果趋势基本一致, 较好地说明了 Chla 与该水质指标间存在一定的相关性, 表明 Chla 也是反映河流水体富营养化的重要指标之一由图 7(b) 看出, 整个钱塘江流域水体总悬浮物浓度比较高, 且在空间分布上具有一定差异, 其中河口处总悬浮物浓度最高, 千岛湖最低, 总悬浮物浓度范围是 0.23 ~ mg / L, 与已有的悬浮物监测结果基本一致 [5] 造成钱塘江流域悬浮物浓度空间分布差异的主要原因是人为活动引起的土地利用变化, 河口区域聚集大量沿海滩涂开发工程, 河口上游泥沙的淤积, 使河流的悬浮物浓度增大 ; 而新安江 ( 千岛湖 ) 段是国家级重点风景名胜区, 生态保护较好, 土地利用变化较少, 使得其悬浮物浓度低 ( 8 mg / L 以内 ) 且变化较小由于采样日期 (2016 年 12 月 7 日 ) 处于钱塘江低潮位, 建立的 Chla 和 TSM 模型用于卫星过境时间相近的 2016 年 11 月 28 日的 GF-1 / WFV 数据效 (1) 基于拟合的 GF-1 / WFV 光谱通道构建钱塘江流域杭州段叶绿素 a 和总悬浮物浓度遥感反演模型, 其中基于 B1-B3 差值组合的二次多项式模型可以用于水体 Chla 的遥感估算, 基于 B3 波段的二次多项式模型可以用于水体 TSM 的遥感估算, 表明 WFV 数据的波段设置能够较好地用于河流水体水质参数的遥感估算, 为高分一号卫星数据遥感监测河流水色参数做出了有益探索, 也为后续基于高分遥感影像的河流水质监测的理论和方法研究提供了重要的参考依据 (2) 基于 GF-1 / WFV 数据进行钱塘江流域杭州段叶绿素 a 和总悬浮物浓度分布制图能够较好地显示其空间分布差异, 河口区域 TSM 和 Chla 较高, 内河段或千岛湖区域水质较好,GF-1 / WFV 的高空间分辨率对钱塘江河流水体的水质变化细节特征描述得较为详细 (3) 由于钱塘江恶劣的潮汐浪涌水动力特点, 为现场采样测量带来了困难, 因此对小数据量样本建模的代表性及准确性进行验证是下一阶段研究的重点, 另外通过 FLAASH 的 GF-1 / WFV 大气校正对叶绿素 a 和总悬浮物浓度分布变化进行精确定量反演与验证也有待进一步深入研究致谢 : 野外实验观测得到浙江省水文局相关人员的支持和帮助, 室内实验分析得到国家海洋局第二海洋研究所卫星海洋环境动力学国家重点实验室相关人员的帮助, 在此表示感谢参考文献 : [1] Moses W J,Gitelson A A,Berdnikov S, et al.estimation of chlorophyll - a concentration in case II waters using MODIS and MERIS data successes and challenges[ J]. Environmental Research Letters,2009,4(4): [2] Ondrusek M,Stengel E,Kinkade C S, et al.the develop ment of a new optical total suspended matter algorithm for the Chesapeake Bay[ J]. Remote Sensing of Environment, 2012,119(8): [ 3] Petus C,Chust G,Gohin F, et al.estimating turbidity and total suspended matter in the Adour River plume ( South

7 第期程春梅等基于 GF-1 / WFV 的钱塘江叶绿素 a 和总悬浮物浓度遥感估算 7 Bay of Biscay) using MODIS 250-m imagery[ J].Conti nental Shelf Research,2010,30(5): [4] 刘王兵, 于之峰, 周斌, 等. 杭州湾 HJ CCD 影像悬浮泥沙遥感定量反演 [ J]. 遥感学报,2013,17(4): [5] 姚伟. 基于遥感的水体悬浮物含量变化研究以钱塘江流域浙江段为例 [D]. 杭州 : 浙江大学,2006. [6] Cai L N,Tang D L,Li C Y.An investigation of spatial var iation of suspended sediment concentration induced by a bay bridge based on Landsat TM and OLI data[ J]. Ad vances in Space Research,2015, 56(2): [7] 秦鹏, 王英华, 王维汉等. 河流健康评价的模糊层次与可变模糊集耦合模型 [J]. 浙江大学学报 ( 工学版 ), 2011,45(12): [8] 唐军武, 田国良, 汪小勇, 等. 水体光谱测量与分析 Ⅰ: 水面以上测量法 [J]. 遥感学报,2004,8(1): [9] Carder K L,Chen F R,Lee Z P, et al.semianalytic Mod erate - Resolution Imaging Spectrometer algorithms for chlorophyll a and absorption with bio - optical domains based on nitrate - depletion temperatures [ J]. Journal of Geophysical Research:Oceans, 1999, 104 ( C3): [10] Awad M.Sea water chlorophyll-a estimation using hyper spectral images and supervised Artificial Neural Network [ J].Ecological Informatics,2014,24: [11] Sun D,Li Y,Wang Q, et al.a novel support vector re gression model to estimate the phycocyanin concentration in turbid inland waters from hyperspectral reflectance[ J]. Hydrobiologia,2012,680(1): [12] 王繁, 周斌, 徐建明, 等. 基于实测光谱的杭州湾悬浮物浓度遥感反演模式 [ J]. 环境科学,2008,29(11): [13] Han L,Jordan K J.Estimating and mapping chlorophyll a concentration in Pensacola Bay, Florida using Landsat ETM+ data[ J]. International Journal of Remote Sensing, 2005,26(23): [14] Brivio P A,Giardino C,Zilioli E.Determination of chloro phyll concentration changes in Lake Garda using an image -based radiative transfer code for Landsat TM images[ J]. International Journal of Remote Sensing, 2001,22(2 / 3): [15] 王景琪. 基于 GF-1 影像的鄱阳湖水体叶绿素反演及光谱形态分类研究 [D]. 南昌 : 东华理工大学,2013. [16] Duan H,Zhang Y,Zhang B, et al.assessment of chloro phyll-a concentration and trophic state for Lake Chagan using Landsat TM and field spectral data [ J]. Environ mental monitoring and assessment,2007, 129(1 / 3): [17] 旷达, 韩秀珍, 刘翔, 等. 基于环境一号卫星的太湖叶绿素 a 浓度提取 [ J]. 中国环境科学,2010, 30(9): [18] 陈静, 吴传庆, 申维, 等. 基于环境一号卫星 CCD 数据的巢湖叶绿素 a 的动态监测 [ J]. 中国环境监测, 2012,28(1): [19] 朱利, 李云梅, 赵少华, 等. 基于 GF- 1 号卫星 WFV 数据的太湖水质遥感监测 [ J]. 国土资源遥感,2015, 27(1): [20] 谢小韦. 多元线性模型中偏最小二乘回归的分析研究 [D]. 南京 : 河海大学,2008. [21] 何青, 恽才兴, 时伟荣. 长江口表层水体悬沙浓度场遥感分析 [J]. 自然科学进展,1999,9(2): [22] 盛海燕, 韩轶才, 姚佳玫, 等. 钱塘江干流杭州段水体叶绿素 a 浓度及与环境因子的关系 [J]. 生态科学,2010, 29(1): ( 编辑 :) Remote Sensing Estimation of Chlorophyll a and Total Suspended Matter Concentration in Qiantang River Based on GF 1 / WFV data CHENG Chun mei 1,LI Yuan 2,DING Yi 3,TU Qian guang 1,QIN Peng 4 (1.College of Geomatics and Municipal Engineering, Zhejiang University of Water Resources and Electric Power, Hangzhou , China; 2.School of Tourism and Urban rural Planning, Zhejiang Gongshang University, Hangzhou , China; 3.Hydrological Bureau of Zhejiang Province, Hangzhou ,China; 4. Institute of Hydraulic and Environment Engineering, Zhejiang University of Water Resource and Electric Power, Hangzhou , China) Abstract:Monitoring the evolution of large scale river water quality using satellite data is of great significance for mastering pollution trends and timely and rapid decision making. Based on the GF 1/ WFV data with 16 m resolu tion and the ground measured data, the WFV bands were simulated by the in situ spectral reflectance, and the re mote sensing estimation models of Chlorophyll a and total suspended matter concentration were constructed so as to

8 8 长江科学院院报 2017 年 estimate the water quality in Hangzhou section of Qiantang River. The results show that the quadratic polynomial model based on the B1 B3 band can be used to estimate the Chlorophyll a concentration (R 2 = 0.83,RMSE = 0.74 μg / L), and the quadratic polynomial model based on the B3 band can be used to estimate the total suspended mat ter concentration (R 2 = 0.92, RMSE = 1 mg / L). The models are applied to quasi synchronous GF 1 / WFV data, which well reflects the spatial distribution of Chlorophyll a and suspended matter concentration in the low tidal Qiantang River. This is a useful exploratory work to monitor the water color parameters of Qiantang River by the GF 1 satellite data, and the research methods and data have important reference value for the study of water color re mote sensing in other river basins. Key words:qiantang River; Chlorophyll a concentration; total suspended matter concentration; remote sensing 说明 : 该文为经编委会审查通过的录用文章, 由于尚未确定具体刊出日期, 其内容可能与最后的发表版本稍有差异, 请以最后发表为准

气溶胶光学厚度的测量原理 Ê

气溶胶光学厚度的测量原理 Ê 肖钟湧江洪余树全周国模陈然宋晓东焦荔洪盛茂常杰江波南京大学国际地球系统科学研究所南京浙江林学院国际空间生态与生态系统生态研究中心杭州杭州市环境监测总站杭州浙江大学生命科学学院杭州浙江省林业科学研究院杭州气溶胶光学厚度的测量原理 Ê 仪器和观测实验场地数据处理气溶胶光学厚度的高光谱反演浑浊度系数波长指数 Ê Ê 精度检验气溶胶光学厚度浑浊度系数