Landsat-8的舟山近岸海域总悬浮物遥感反演与时空变异研究

引用本文

逄淑娜, 朱渭宁, 陈江, 孙楠, 黄李童, 张昱森, 张泽亮. 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 Shu-na, ZHU Wei-ning, CHEN Jiang, SUN Nan, HUANG Li-tong, ZHANG Yu-sen, ZHANG Ze-liang. Using Landsat-8 to Remotely Estimate and Observe Spatio-TemporalVariations of Total Suspended Matter in Zhoushan Coastal Regions[J]. Spectroscopy and Spectral Analysis, 2019,39(12): 3826-3832.
Doi:10.3964/j.issn.1000-0593(2019)12-3826-07 复制到剪切板

Permissions

《光谱学与光谱分析》期刊社所有

Landsat-8的舟山近岸海域总悬浮物遥感反演与时空变异研究

逄淑娜¹, 朱渭宁^1,^*, 陈江², 孙楠³, 黄李童¹, 张昱森¹, 张泽亮¹

1. 浙江大学海洋学院, 浙江舟山 316021

2. 武汉大学遥感信息工程学院, 湖北武汉 430079

3. 自然资源部第二海洋研究所, 浙江杭州 310012

*通讯联系人 e-mail: zhuwn@zju.edu.cn

作者简介: 逄淑娜, 女, 1995年生, 浙江大学海洋学院硕士研究生 e-mail: shunapang@zju.edu.cn

收稿日期: 2018-10-19 接受日期: 2019-02-16

基金: 国家自然科学基金项目(41971373, 41471346)和浙江省自然科学基金项目(LY17D010005)资助

摘要

总悬浮物(TSM)是海洋水质和水环境评价的主要参数之一。舟山海域位于杭州湾边缘, 泥沙含量多, 总悬浮物长期处于高浓度状态, 其分布与动态变化对近岸水质、水循环以及该区域的渔业、旅游业都有较大影响。 Landsat-8卫星影像作为一种应用广泛、空间分辨率高、便于获取的光学信息, 可以为舟山海域的TSM观测提供有力的技术手段。利用舟山近岸海域实测TSM吸收系数 a_p(440)和水面光谱, 开发了基于Landsat-8反演TSM的最优模型, 发现基于近红外和蓝色波段比B5/B2的S-函数和线性函数模型反演精度较好, 相对于线性模型, S-函数具有更强的鲁棒性, 该模型形式为 a_p=3.72/(0.009+e^-5.249B5/B2), 克服了常用函数模型(如线性、对数、指数函数)应用于实际卫星影像时出现光谱幅度范围受限的困难。海岸带内陆复杂水体水色遥感的另一难点是大气校正, 以往的研究往往只采用某种大气校正模型, 但该模型不一定适合研究水域, 从而使得校正结果并不一定是最优的。在本研究中, 验证比较了FLAASH, 6S和ACOLITE三种大气校正方法面向Landsat-8水色反演的校正结果, 发现ACOLITE方法获取的光谱形状最准确, 误差最小, 特别在蓝色波段, 明显好于FLAASH和6S方法。将最优模型应用于舟山近岸海域2013到2018年的10幅Landsat-8图像。实测数据和反演结果显示: 舟山近岸海域的TSM吸收系数 a_p(440)的变化范围在1.64~417.04 m^-1, 均值118.47 m^-1, TSM吸收占水体总吸收的90%以上, 该海域实测的水面光谱形状呈现典型的河口海岸带复杂浑浊水体的光谱特征, 很多光谱曲线具有双峰特征, 遥感反射率幅值较大, 特别是红色、近红外波段, 由于受河口高浓度TSM的影响, 遥感反射率高于远海较清洁的海水; 衢山、洋山、宁波等近岸区域的TSM浓度明显高于东极、嵊泗等远海区域, 随河口羽化区呈现由高到低的梯度变化, 在近岸区域分布复杂, 外海区域分布较为均匀。在时间分布上具有冬季浓度远高于夏季的特点, 其中12月最高, 最大值为413.32 m^-1, 8月最低, 最小值为3.69 m^-1, 5月、 10月期间也有TSM的局部峰值。这些TSM时空变异特征表明舟山海域悬浮物的分布和变化一方面受地形、海流、潮汐、季风、台风等自然环境因素的影响, 另一方面也受如海运、港口建设、海岛旅游等人类活动的较大影响。

关键词: 水色遥感反演; 总悬浮物; Landsat-8; 近岸海域; 时空变异

中图分类号:X87 文献标志码:A

Using Landsat-8 to Remotely Estimate and Observe Spatio-TemporalVariations of Total Suspended Matter in Zhoushan Coastal Regions

PANG Shu-na¹, ZHU Wei-ning^1,^*, CHEN Jiang², SUN Nan³, HUANG Li-tong¹, ZHANG Yu-sen¹, ZHANG Ze-liang¹

1. Ocean College, Zhejiang University, Zhoushan 316021, China

2. School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China

3. Second Institute of Oceangraphy, Ministry of Natural Resources, Hangzhou 310012, China

*Corresponding author

Abstract

Total suspended matter (TSM) is one of the important parameters for ocean water quality and aquatic environment assessment. Zhoushan Islands is located on the edge of Hangzhou Bay, where sediments present very high concentration and TSM shows suspended status for long-term. The distribution and variation of TSM in Zhoushan Islands have great impacts on its coastal water quality, ferry, fishery and tourism. Because of its high spatial resolution and open access, Landsat-8 imagery has been widely used for ocean color studies and hence providing good spectral information for observing variations of TSM in Zhoushan coastal regions. This study used in-situ measured TSM absorption coefficient ( a_p(440), m^-1) and water surface spectra to develop the TSM remote sensing model based on Landsat-8 imagery, and results show that the S-function using blue and near-infrared bands of Landsat-8 performed better than the other functions. The S-function is with the form a_p=3.72/(0.009+e^-5.249B5/B2). This function overcomes the shortcomings of previous inversion functions (e. g., linear, logarithmic, and exponential functions) which performed well for modeling datasets, but often failed when they were applied to real satellite images since spectral values in images are often much larger than those in the modeling dataset. Another problem of coastal and inland water color remote sensing is the atmospheric correction. The previous studies usually used a specific atmospheric correction method, but it might not return the best results. In this study, we tested and compared three types of atmospheric corrections models, FLAASH, 6S, and ACOLITE, and found that ACOLITE was better than the other two methods for ocean color remote sensing using Landsat-8, especially in blue band, where ACOLITE performed better than the FLAASH and 6S methods. The S-model was used to a series of Landsat-8 images covering the Zhoushan Islands from 2013 to 2018. The field measured and image-derived results show that TSM absorption coefficients in Zhoushan Islands were extremely high, ranging from 1.64 to 417.04 m^-1, with mean 118.47 m^-1, which account for more than 90% of total water absorption coefficients. The measured above-surface spectra demonstrated typical spectral signatures of complex turbid coastal water, with two peaks within green and red bands and relatively high reflectance within red and near-infrared bands. Due to the high concentrations of the riverine discharged TSM, remote sensing reflectance in estuarine and coastal regions were much higher than those in open sea. TSM concentrations illustrated a clear downward gradient from Hangzhou Bay to open sea, and TSM in coastal areas such as Qushan, Yangshan and Ningbo were much higher than those in open sea area such as Dongji and Shengsi. TSM distribution pattern in coastal regions were usually more complex than those in offshore regions. TSM concentrations in winter were usually much higher than those in summer, where the highest was found in December with value of 413.32 m^-1, and the lowest was found in August with value of 3.69 m^-1. There are also local peaks of TSM during May and October. Our results indicate that the TSM spatio-temporal variations in Zhoushan Islands are not only controlled by many natural environmental factors, such as currents, tides, typhoons, monsoons, but also aresignificantly influenced by many human activities, such as ferry, ocean shipping, harbor projects and island tourism.

Keyword: Ocean color remote sensing; Total suspended matter; Landsat-8; Coastal regions; spatio-temporal variations

文章图片

引言

总悬浮物(total suspended matter, TSM)是指悬浮在水中的固体物质, 主要包括悬浮泥沙和浮游植物^[1]。 TSM是一种重要的水质参数, 是影响水下光场分布的主要因素之一, 对光具有强烈的吸收和散射作用, 从而直接影响水体透明度、浑浊度和真光层深度等光学参数^[2]。舟山群岛海域位于杭州湾东侧, 北临长江入海口, 有长江和钱塘江注入, 是典型的河口海岸地区。杭州湾作为长江和钱塘江河口的交汇区域, 具有潮强、水流急、泥沙含量高的特点, 舟山群岛海域的TSM浓度高达1.103 g· L^{-1 [3]}。了解舟山海域悬浮物吸收系数对研究东海泥沙流动和近岸水体环境有重要作用, 也对舟山海域的航运、港口建设和涉水工程开发具有重要意义, 在现阶段需要对该海域的TSM加强监测。

相比于传统的水质参数监测方法, 遥感监测方法具有观测面积大且能连续观测等优点, 因此近年来利用遥感监测沿海TSM浓度的技术和方法发展迅速^[4]。目前, 国内外对悬浮物的遥感研究主要集中于建立遥感反射率与悬浮物浓度的相关关系。利用遥感估算TSM浓度的方法主要有经验方法^[4], 半分析方法^[5]和分析方法^[6], 以经验和半分析方法为主。经验方法简单易于构建, 而且应用到卫星影像上时能一定程度上降低大气校正误差的影响; 与经验算法相比, 半分析算法结合了经验参数和生物光学模型, 将水体的表面光学量和固有光学量结合, 能够在一定程度上提高模型的适用范围。此外, 基于相同的方法, 也存在不同的模型来估算TSM浓度, 例如, 张毅博等^[4]以Landsat-8的第2, 3和8波段为自变量构建了多元回归模型, 较好地估算了新安江水库总悬浮物浓度; Zhang等^[7]利用2000年— 2010年的Landsat TM和ETM+数据监测和评估了黄河口的悬浮泥沙浓度, 并分析了该区域年际和季节变化原因; 但是这些在其他区域开发的模型不一定适用于舟山近海海域。

Landsat-8陆地卫星是NASA Landsat系列的最新卫星, 配备有OLI和TIRS两个成像仪, 重访周期16 d。 OLI是一种推扫式成像扫描仪, 空间分辨率30 m, 共有9个波段, 其中5个可用于水色遥感。基于Landsat-8的叶绿素^[8]、有色溶解有机物^[9]和悬浮物^[10]的相关研究已经陆续展开, 例如, Watanabe等^[8]估算了Barra Bonita水电站的叶绿素a浓度和营养状态; Chen等^[9]建立了Landsat-8红绿波段比模型, 实现了休伦湖有色溶解有机物的动态监测; 黄李童等^[11]对杭州西湖的总悬浮物进行了遥感监测, 建立了基于红绿波段的指数模型。在舟山区域, 基于其他卫星(如GF-1)的TSM遥感反演也有一定进展, 如章敏超等^[3]发现GF-1号B2, B3波段组合的线性模型适用于舟山近岸水体悬浮泥沙浓度反演, 并得到该区域悬浮泥沙含量呈西高东低的结论。然而这些研究涉及到的卫星时间跨度小、可用数据少, 利用Landsat-8对舟山近海海域总悬浮物反演的研究还鲜有报道。

特别值得注意的是, 在应用卫星数据时, 需要高精度的大气校正结果, 目前常用的大气校正方法有FLAASH, 6S, ACOLITE和暗像元等, 如Pan等^[12]在研究长江口悬浮物分布时, 使用ACOLITE方法。不同大气校正结果也存在很大的偏差, 基于Landsat-8水色遥感反演的大气校正方法, 哪一种更简易准确, 目前也缺少比对研究。

因此, 本研究将通过实测数据, 建立适用于舟山近岸海域基于Landsat-8的TSM反演模型, 分析不同大气校正模型面向Landsat-8水色应用的校正效果, 反演Landsat-8时间序列影像, 分析该海域TSM的时空分布规律及其环境影响因素, 以期对包括舟山海域在内的东海沿岸及其他近海海域的研究提供借鉴。

1 数据获取

1.1 研究区域概况

舟山群岛(图1)位于长江口以南, 杭州湾外缘的浙江北部海域(121° 30'— 123° 25' E, 29° 32'— 31° 04' N), 是我国最大的群岛, 总面积22 000 km², 海域面积20 800 km²。舟山地区有许多深水港口和航道资源, 自然环境优越。该地区受环流影响, 营养物充沛, 有著名的近海渔场舟山渔场, 渔业资源丰富。中国(浙江)自由贸易试验区2017年在舟山挂牌成立, 是中国唯一由陆域和海洋锚地组成的自由贸易园区, 也是中国立足环太平洋经济圈的前沿地区, 因此研究舟山海域总悬浮物的状况对舟山群岛新区的海洋生态与工程建设以及我国海洋经济发展均有重要的现实意义。

	Figure Option View Download New Window
	图1 研究区域与采样点分布Fig.1 Study site and sampling points

1.2 实地数据采集

2018年3月到4月在舟山近海海域进行五次野外采样, 共计采集108个样本, 见图1。采集时间主要集中于上午9点到11点, 下午2点到4点, 空气质量状况良好, 无云或少云。水样用琥珀瓶储存并低温冷藏, 当日或次日在实验室进行测量。在每个采集点, 根据NASA推荐使用的水上测量法^[13], 使用ASD地物光谱仪(波长325~1 075 nm, 间隔1 nm)测量三组海表光学量: 白板辐亮度L_g、天空光辐亮度L_sky和水面总反射率R_t。每个光学量采集10条光谱, 以减少波浪、白帽等引起的不确定性。根据这三组光学量, 海面遥感反射率(remote sensing reflectance, R_rs)由式(1)计算

$R_{rs} = \frac{1}{π} (R_{t} - \frac{ρ L_{sky}}{L_{g}})$ (1)

其中ρ 是水表面反射系数, 根据ASD指导手册和Mobley推荐值^[14], 设为0.028。

在实验室中, 水样经0.45 μ m滤膜过滤, 再用Agilent Cary-100分光光度计测量原液和滤液在200~800 nm之间的吸光度A(λ )(测量前晃动使得TSM再悬浮), 再转换成吸收系数, a_Total(λ )是原液在波长λ 处的吸收系数, 表示水体总吸收系数, a_CDOM(λ ) 是滤液在波长λ 处的吸收系数, 表示有色可溶性有机物(colored dissolved organic matter, CDOM)的吸收, 因此可知TSM相应的吸收系数a_p(λ )为

$a_{p} (λ) = a_{Total} (λ) - a_{CDOM} (λ)$ (2)

1.3 遥感影像数据

为了观察TSM在舟山海域的时空变化, 从美国地质调查局(USGS)网站下载了2013年— 2018年质量较好且无云或少云的10景Landsat-8 OLI L1T级别的影像数据(行列号: 117, 39), 成像时间分别为2013年8月6日、 12月12日、 2015年4月22日、 10月15日、 7月27日、 2017年1月21日、 5月29日、 9月18日和2018年3月13日、 6月1日, 其中由于2018年3月13日影像的成像时间和2018年3月12号的实地采样时间接近, 可用于大气校正和TSM反演结果的验证。

2 实验部分

2.1 基于实测数据的反演建模

根据Landsat-8的相对光谱响应函数, 使用实测光谱模拟Landsat-8的前五个波段(433~885 nm), 然后与实测的a_p(440)通过统计回归方法建立多种经验模型, 并确定最佳反演模型。

本研究测试了线性、指数、对数和S-函数。线性、指数和对数函数在水色遥感反演研究中应用较多, 但是它们的输出范围都没有上界, 特别是线性和指数函数, 一旦自变量R_rs超出建模所使用的数值范围(这种情况在通过卫星图像获取反射率时常会出现), 输出(TSM吸收系数)就有可能产生很大误差。 S-函数在生物统计学、数量心理学、 BP神经网络等领域有较广泛的应用, 其特征是在输入变量很大或很小时, 输出变量会趋向于确定的最大和最小值, 这与研究对象的实际情况较吻合, 因为在确定的研究区域, a_p(440)总在一定的范围内, 既不可能极大, 也不可能出现负值情况, 因此S函数在针对遥感图像反演的应用上, 具有较强的鲁棒特征。 S-函数的具体形式如式(3)

$y = a / (b + e^{- kx})$ (3)

式中x为不同波段或波段组合的R_rs, y为实测TSM的吸收系数, a, b, k为模型参数。

从108组实测数据中随机选取73组用于模型构建, 剩下35组用于模型验证。根据建模和验证数据组的统计参数, 如R², RMSE, RRMSE, AME比较各个模型的精度, R²较大或RMSE, RRMSE, AME较小的模型可以应用于遥感影像反演。

2.2 遥感图像处理与大气校正

大气校正是Landsat-8用于水色遥感反演中极为重要的图像预处理过程, 其结果的准确性对后期的反演精度有较大的影响。对比分析了FLAASH, 6S和ACOLITE三种大气校正方法, 期望获取更为准确的R_rs。 ACOLITE是一种专门针对高浊度近岸水体的大气校正方法, 能够直接输出R_rs。 FLAASH和6S方法虽然在水色遥感领域有一定的应用, 但它们更多地用于陆地卫星的大气校正, 且其输出是辐照度反射率R_t, 需将其处理成R_rs, 公式如式(4)

$R_{rs} = \frac{R_{t}}{π} - \frac{L_{r} (θ, φ)}{E_{d}}$ (4)

其中L_r(θ , φ )是天顶角θ 和方位角φ 观测下的经由水面反射的辐亮度, E_d为下行辐照度, 这两个参数可用水光学辐射传输模拟软件Hydrolight估算。

将以上三种大气校正方法应用于2018年3月13日的Landsat-8图像, 从大气校正后获取的22条实测的光谱(采用3× 3中值滤波提取)与ASD前一日的实测光谱相比较。图2(a)为比对结果, 可以看出ACOLITE的误差最小(AME< 60%, RMSE< 0.031 m^-1, RRMSE< 62%), FLAASH和6S的校正效果明显较差(AME的范围分别为54%~75%和> 60%), 特别是在蓝色波段, ACOLITE的误差明显小于另两种方法。因此根据以上结果, 本研究采用ACOLITE对Landsat-8图像进行大气校正。

	Figure Option View Download New Window
	图2 (a)比较实测R_rs与Landsat-8影像经不同大气校正模型校正后获取的R_rs; (b)实测R_rsFig.2 (a) Comparison of the in-situ measused R_rs and Landsat-8 image derived R_rsvia different atmospheric correction models; (b) the in-situ measured R_rs

3 结果与讨论

3.1 实测水质和光谱

根据研究区域内实测水体吸收系数a_Total, a_CDOM和a_p值, 水体的总吸收主要由TSM贡献, 平均占比98.08%, CDOM的贡献较小, 只占1.92%。在局部区域, 由于东极海域岛屿较少, 人类活动不频繁, 离舟山本岛较远, 水相对清澈, 因此TSM浓度相对较低(1.64~153.58 m^-1, 均值25.79 m^-1); 舟山本岛以北, 衢山、洋山海域的TSM值最高(9.36~417.04 m^-1, 均值158.25 m^-1), 因为洋山海域有大小90个岛礁, 离长江口最近, 是长江和钱塘江江水直接交汇碰撞的区域, 潮流强劲, 泥沙不易落淤, 而且有全球最大的智能集装箱码头洋山深水港, 频繁往来的大型船只众多, 吃水较深, 船体运动的扰动使得泥沙长期处于悬浮状态; 桃花岛和六横岛海域TSM浓度比衢山、洋山海域略低(19.08~336.66 m^-1, 均值124.53 m^-1), 但比东极岛海域平均值高出近100 m^-1, 该海域离舟山本岛和宁波地区的海岸带较近, 岛际、岛陆之间的客货运及旅游船只比较密集, 加之岛屿较多, 岸线曲折, 水域又相对狭小, 使得由钱塘江汇出的浑浊水体长期在此聚集, 不易向外海扩散。综合可见, 舟山海域TSM的吸收系数极值大, 变化剧烈, 水体普遍浑浊, 是典型河口海岸地区的复杂二类水体。

该海域的实测水面光谱曲线如图2(b)所示, 大部分光谱形状具有较为典型的海岸带浑浊水体特征, R_rs普遍较高, 在400~800 nm之间的均值是0.05 sr^-1, 很多谱线具有双峰特征, 其中第一反射峰在550~600 nm之间, 第二反射峰在800 nm附近。其中洋山岛附近最浑浊水体的R_rs最大值在红绿波段达到0.15 sr^-1, 而东极岛附近较清澈水体的R_rs则明显偏低, 最大值仅有0.04 sr^-1。

3.2 基于Landsat-8波段的TSM最佳反演模型

TSM与B1— B5五个波段的R_rs的单波段或波段组合在四种函数形式下回归一共可产生190种反演模型, 表1中仅列出在某一模型下最好的单波段或波段组合, 可以看出, 波段组合算法(No.4-13, 平均R²=0.74, RMSE=57.81 m^-1)优于单波段算法(No.1-3, 平均R²=0.28, RMSE=82.98 m^-1)。另外, 由于最好的单波段或波段组合的波长大都是483或865 nm, 表明蓝和近红外波段更适合于TSM遥感建模。

表1 TSM与Landsat-8波段组合统计建模与验证的结果 Table 1 Results of statistical modeling and validation between TSM and two Landsat-8 bands

序号	模型函数	建模集		验证集			波长/nm
序号	模型函数	R²	RMSE/m^-1	R²	RMSE/m^-1	RRMSE/%	B1	B2
1	y=aB1+b	0.32	79.00	0.08	63.44	22.88	865	/
2	y=aln(B1)+b	0.34	77.30	0.002	57.95	22.02	865	/
3	y=ae^b^B1	0.19	92.65	0.08	78.90	27.03	865	/
4	y=a(B1-B2)+b	0.61	59.92	0.60	39.78	14.02	865	483
5	y=aln(B1-B2)+b	0.75	48.26	0.44	42.92	13.44	561	865
6	y=ae^b(B1-B2)	0.77	73.19	0.43	34.65	12.51	655	561
7	y=aB1/B2+b	0.77	46.29	0.75	32.04	13.05	865	483
8	y=aln(B1/B2)+b	0.64	57.23	0.34	35.21	13.47	865	483
9	y=ae^b^(B1/B2)	0.76	73.62	0.53	35.36	12.83	655	561
10	y=a $\frac{B 1 - B 2}{B 1 + B 2}$ +b	0.69	53.45	0.69	33.67	12.91	865	483
11	y=a $\frac{\ln (B 1 - B 2)}{B 1 + B 2}$ +b	0.81	41.98	0.27	45.41	16.46	865	561
12	y=a $e^{b \frac{B 1 - B 2}{B 1 + B 2}}$	0.75	75.74	0.50	37.43	17.82	654	561
13	y=a/(b+ $e^{- k (\frac{B 1}{B 2})}$ )	0.83	48.43	0.79	52.60	39.51	864	483

表1 TSM与Landsat-8波段组合统计建模与验证的结果 Table 1 Results of statistical modeling and validation between TSM and two Landsat-8 bands

从模型函数上看, 当利用双波段组合作为自变量时, 以往常用的线性、指数、对数模型反演结果相对较好(平均R²=0.73, RMSE=58.85 m^-1), 但每个函数反演精度相差不大, 其中线性函数(No.4)的反演精度较低(R²=0.61, RMSE=59.92 m^-1)。相比较而言, 基于蓝色和近红外波段的S-函数(No.13)在建模和验证中精度高、效果好[如图3(a)和(b), 建模集R²=0.83, RMSE=48.43 m^-1; 验证集R²=0.79, RMSE=52.60 m^-1, RRMSE=39.51%], 函数形式为

$y = 3.72 / (0.009 + e^{- 5.249 x}), x = R_{rs} (B 5) / R_{rs} (B 2)$ (5)

比S-函数效果次之的是基于蓝色和近红外波段的线性模型, 公式为

$y = 336.24 x - 92.66, x = R_{rs} (B 5) / R_{rs} (B 2)$ (6)

但该函数后期在图像上的应用显示, 当x< 0.28时模型输出负值, 当x> 1.7时会出现极大的y值, 因此没有将该模型实际应用于图像反演。

	Figure Option View Download New Window
	图3 R_rs(B5)/R_rs(B2)的S-函数拟合的建模与验证Fig.3 R_rs(B5)/R_rs(B2) S-function fitting and their validation results

3.3 基于Landsat-8影像的TSM估算与验证

将最佳模型[式(5)]应用于2018年3月13日的Landsat-8影像, 获得了舟山海域TSM的吸收系数分布状况。与实测值相比较, 模型的反演准确度相对较好(R²=0.88, RMSE=25.98 m^-1, RRMSE=52.72%, AME=62%)。有个别样本的误差较大, 如样本12和13的相对误差分别为238.02%和136.05%, 可能是由于这些样本靠近岸边(< 30 m), 水体光谱与陆地光谱混合, 且这几个样点处于水质较清的东极海域, TSM浓度值较小, 而建模时使用的大部分样点是较浑浊的水体, 所以应用于清水区域时有较大的不确定性。如果排除这几个点, 则实测值与预测值之间的误差仅为33%, 说明该S-函数基本适用于Landsat-8在舟山海域的TSM反演。

3.4 TSM浓度的时空变异特征

根据上述图像验证结果, 将S-函数模型应用到10景Landsat-8影像上, 获取了舟山近岸海域TSM吸收系数的空间分布及在不同月份的动态变化情况(图4)。结果显示该海域近岸水体TSM较高(最大值413.32 m^-1), 距离岸线越远值越低(最小值3.69 m^-1), 且在外海分布较为均匀, 在杭州湾湾口羽化区, 整体呈现西北向东南方向降低的趋势, 与之前有关研究一致^[3], 出现这种现象的原因可能一方面与北邻长江入海口受河流携带陆源物质的影响有关, 另一方面西北侧有洋山深水港, 受船只货轮等人为活动的影响。舟山本岛与岱山岛和宁波之间的狭小水体区域TSM长期处于较高状态(最大值409.27 m^-1), 由于这些区域客货运船只来往频繁, 船只扰动使得TSM长期处于悬浮状态。而在岛外区域(东极岛、嵊泗岛和六横岛)TSM值相对较低, 因为这些区域离舟山本岛较远, 受人类活动影响小, 水质清澈。

	Figure Option View Download New Window
	图4 舟山近岸海域不同月份的TSM的时空分布与变化Fig.4 Monthly TSM distributions and variations in Zhoushan coastal regions

从舟山近海海域2013年— 2018年TSM时间分布来看, 具有冬季高、夏季低的特点, 其中12月最高可达413.32 m^-1, 8月最低, 最小值为3.69 m^-1。 12月、 1月和4月TSM值不仅近岸较高, 而且高值区域分布较广, 一方面可能是舟山春冬季多大风, 引起泥沙再悬浮; 另一方面12月、 1月临近年底、春节, 洋山港货运频繁, 船只扰动作用使得TSM中的较大颗粒始终处于悬浮状态。但是冬季TSM较高还可能与冬季空气浑浊有关: 大气校正不能完全去除雾霾影响, 造成R_rs偏高, 从而引起反演结果升高, 所以冬季水体实际TSM浓度可能比夏季较大, 但遥感反演结果可能偏大。 5月和10月TSM值比7月、 8月高, 因为5月和10月是旅游旺季, 普陀山、嵊泗岛、桃花岛等旅游景区船只出海游览、钓鱼等活动都会加剧水体扰动。 6月— 8月份TSM吸收系数较低, 大部分区域a_p(440)< 15 m^-1, 受季风和降雨影响: 6月有梅汛, 7月和8月多台风, 降水较多, 淡水冲击力强, 对TSM有稀释作用。 8月岱山岛以北区域TSM较低, 几乎与3月外海区域接近, 可能受潮汐引起的海水内推, 稀释了河口输出的浑浊淡水; 另一方面, 由于夏季光照较强, 也会使TSM中的部分有色组分发生光褪色反应, 引起TSM的吸收降低。

另外, 从图4可以看出, 舟山本岛与岱山岛和宁波之间有小部分区域TSM浓度始终较高(即使在7月和8月份大部分海域TSM浓度较低的月份), 这与舟山三江码头与岱山高亭码头, 以及鸭蛋山码头与宁波白峰码头之间客运渡轮比较密集有关, 船体扰动使得该区域泥沙长期处于悬浮状态。

4 结论

以舟山近岸海域的实测TSM吸收系数和光谱数据为基础, 建立了基于Landsat-8近红外和蓝波段比值的S-函数反演模型, 利用Landsat影像, 获取并分析了该海域TSM的时空变化, 得到以下结论。

(1)舟山近岸海域TSM浓度整体较高(均值121 m^-1), 水体总吸收主要由TSM贡献(平均占比98%)。舟山以北的衢山、洋山区域TSM值最高(最大值417.04 m^-1), 桃花岛和六横岛海域次之(最大值336.66 m^-1), 而东极海域附近水体相对清澈, a_p(440)值相对较低, 最大值仅为153.58 m^-1。

(2)实测数据建模、验证及在图像上的应用表明, 基于近红外波段/蓝波段的S型函数模型是最适用于舟山海域的反演模型, 具体形式是: y=3.72/(0.009+e^-5.249^x), x=R_rs(B5)/R_rs(B2)。

(3)该海域TSM的空间分布呈现近岸高、离岸低的特点, 且在外海分布较为均匀。特别在岛屿之间的狭小区域, TSM浓度较高, 而在东极岛、嵊泗岛等岛外区域, 浓度较低。在时间分布上, 呈现冬季高、夏季低的特点, 5月、 10月等旅游旺季受人为活动影响, TSM值也相对较高。

对舟山近岸海域TSM吸收系数的水色遥感反演与时空变异做了初步的探索与研究, 结果表明, 通过Landsat-8遥感评估可以为该海域的基于TSM的水质监测提供一种较为便捷准确的方法。但是由于该海域地形、海况及水质状况都较为复杂, 我们的研究尚存在一些不足之处, 受数据缺乏的限制, 一些环境因素并没有展开定量分析, 如潮汐、洋流、水团、水汽交互等海洋物理因素, 以及其他可能与TSM发生作用的水光学、海洋生物及海洋化学因素, 如黄色物质、浮游藻类、油迹等等, 这些因素对TSM及其遥感光学反演的影响有待于获取更多的数据之后做进一步的深入研究。

参考文献

文献列表

[1]	Shi K, Li Y, Li L, et al. Journal of Geophysical Research: Biogeosciences, 2013, 118(2): 860. [本文引用:1]
[2]	Tian L, Wai O, Chen X, et al. Remote Sensing, 2014, 6(10): 9911. [本文引用:1]
[3]	ZHANG Min-chao, GUO Bi-yun(章敏超, 郭碧云). Ocean Development and Management(海洋开发与管理), 2018, 35(1): 126. [本文引用:3]
[4]	ZHANG Yi-bo, ZHANG Yun-lin, ZHA Yong, et al(张毅博,张运林,査勇,等)Environmental Science(环境科学), 2015, 36(1): 56. [本文引用:3]
[5]	LIU Zhong-hua, LI Yun-mei, TAN Jing, et al(刘忠华,李云梅,檀静,等)Environmental Science(环境科学), 2012, 33(9): 3000. [本文引用:1]
[6]	Liu H, Li Q, Shi T, et al. Remote Sensing, 2017, 9(7): 761. [本文引用:1]
[7]	Zhang M, Dong Q, Cui T, et al. Remote Sensing of Environment, 2014, 146: 136. [本文引用:1]
[8]	Watanabe F, Alcantara E, Rodrigues T, et al. International Journal of Environmental Research and Public Health, 2015, 12(9): 10391. [本文引用:2]
[9]	Chen J, Zhu W N, Tian Y Q, et al. IEEE Transactions on Geoscience & Remote Sensing, 2017, 55(4): 2201. [本文引用:2]
[10]	LUAN Hong, FU Dong-yang, LI Ming-jie, et al(栾虹,付东洋,李明杰,等)Marine Environmental Science(海洋环境科学), 2017, 36(6): 892. [本文引用:1]
[11]	HUANG Li-tong, CHEN Jiang, ZHU Wei-ning, et al(黄李童,陈江,朱渭宁,等)Acta Scientiae Circumstantiae(环境科学学报), 2018, 38(10): 4073. [本文引用:1]
[12]	Pan Y Q, Shen F, Wei X D, et al. Remote Sensing, 2018, 10(2): 158. [本文引用:1]
[13]	MuellerJ L, Austin R W. Ocean Optics Protocols for SeaWiFS Validation: NASA Technical Memorand um 104566. Greenbelt, MD, NASA Goddard Space Flight Center, 1992. [本文引用:1]
[14]	Mobley C D. Applied Optics, 1999, 38(36): 7442. [本文引用:1]

2013

0.0

... 总悬浮物(total suspended matter, TSM)是指悬浮在水中的固体物质, 主要包括悬浮泥沙和浮游植物^[1] ...

2014

0.0

... TSM是一种重要的水质参数, 是影响水下光场分布的主要因素之一, 对光具有强烈的吸收和散射作用, 从而直接影响水体透明度、浑浊度和真光层深度等光学参数^[2] ...

2018

0.0

... L^{-1 [3]} ...

... 在舟山区域, 基于其他卫星(如GF-1)的TSM遥感反演也有一定进展, 如章敏超等^[3]发现GF-1号B2, B3波段组合的线性模型适用于舟山近岸水体悬浮泥沙浓度反演, 并得到该区域悬浮泥沙含量呈西高东低的结论 ...

... 69 m^-1), 且在外海分布较为均匀, 在杭州湾湾口羽化区, 整体呈现西北向东南方向降低的趋势, 与之前有关研究一致^[3], 出现这种现象的原因可能一方面与北邻长江入海口受河流携带陆源物质的影响有关, 另一方面西北侧有洋山深水港, 受船只货轮等人为活动的影响 ...

2015

0.0

... 相比于传统的水质参数监测方法, 遥感监测方法具有观测面积大且能连续观测等优点, 因此近年来利用遥感监测沿海TSM浓度的技术和方法发展迅速^[4] ...

... 利用遥感估算TSM浓度的方法主要有经验方法^[4], 半分析方法^[5]和分析方法^[6], 以经验和半分析方法为主 ...

... 此外, 基于相同的方法, 也存在不同的模型来估算TSM浓度, 例如, 张毅博等^[4]以Landsat-8的第2, 3和8波段为自变量构建了多元回归模型, 较好地估算了新安江水库总悬浮物浓度 ...

2012

0.0

... 利用遥感估算TSM浓度的方法主要有经验方法^[4], 半分析方法^[5]和分析方法^[6], 以经验和半分析方法为主 ...

2017

0.0

... 利用遥感估算TSM浓度的方法主要有经验方法^[4], 半分析方法^[5]和分析方法^[6], 以经验和半分析方法为主 ...

2014

0.0

... Zhang等^[7]利用2000年#cod#x02014 ...

2015

0.0

... 基于Landsat-8的叶绿素^[8]、有色溶解有机物^[9]和悬浮物^[10]的相关研究已经陆续展开, 例如, Watanabe等^[8]估算了Barra Bonita水电站的叶绿素a浓度和营养状态 ...

2017

0.0

... Chen等^[9]建立了Landsat-8红绿波段比模型, 实现了休伦湖有色溶解有机物的动态监测 ...

2017

0.0

2018

0.0

HUANG

Li-tong

, CHEN

Jiang

, ZHU

Wei-ning

, et al(黄李童,陈江,朱渭宁等)Acta Scientiae Circumstantiae(环境科学学报), 2018, 38(10): 4073.

In recent years, more and more attentions have been paid on water quality of urban lakes. The total suspended matter (TSM) is one of the important parameters for evaluating water quality and environment. TSM directly determines underwater light field distributions, and then affects primary productivity of water. In this study, we collected and measured hyperspectral remote sensing reflectance ( R rs , sr -1 ) and TSM absorption coefficients ( a p (440), m -1 ) of the West Lake in Hangzhou. We then simulated the relations between R rs and a p (440), using combinations of different bands and band ratios as well as different empirical functions. As the results of the hyperspectral data modeling, the best function is the exponential model and the best band combination is B 1/ B 2 or ( B 1- B 2)/( B 1+ B 2). The accuracy of exponential model is acceptable ( R 2 > 0.6), the wavelength ranges of B 1 and B 2 are respectively 580~690 nm and 515~535 nm, and 700~720 nm and 515~615 nm for ( B 1- B 2)/( B 1+ B 2). Therefore, the red and green bands of Landsat-8 were used to develop models based on the hyperspectral best band ranges and Landsat-8 band settings. According to the validation results of using satellite data, the best Landsat-8-based model is a p (440)=51.17e -7.75 x , x =(OLI3-OLI4)/(OLI3+OLI4). Then the best TSM model was applied to three Landsat-8 images of West Lake, and some TSM seasonal distribution patterns and dynamics were observed from the images. The results show that human activities may strongly influence on the TSM of West Lake, and our study and results are expected to provide method, data and guidance for future water quality management of urban lakes.

近年来城市湖泊水质受到广泛关注.总悬浮物（total suspended matter，TSM）是水质和水环境评价的重要参数之一，其直接决定着水下光场分布，进而影响水体的初级生产力.本研究基于在杭州西湖的各湖区收集的遥感反射率（ R rs ，sr -1 ）数据和总悬浮物的吸收系数（ a p （440），m -1 ）进行高光谱建模，比较不同经验函数形式和不同模型输入的效果，得到高光谱下的最佳函数是指数函数，最佳模型输入是 B 1/ B 2或（ B 1- B 2）/（ B 1+ B 2）.其中，当模型输入为 B 1/ B 2和（ B 1- B 2）/（ B 1+ B 2）时，模型 R 2 >0.6，波段 B 1和 B 2范围分别是580~690 nm和515~535 nm，及700~720 nm和515~615 nm.参照最佳波段范围和Landsat-8的波段设置，选定Landsat-8红色和绿色波段反演模型.并根据卫星数据验证结果，选定最优模型 a p （440）=51.17e -7.75 x ， x =（OLI3-OLI4）/（OLI3+OLI4），在3幅Landsat-8图像上应用模型，观察西湖TSM的变化.研究结果发现人类活动可能对西湖的TSM有很大的影响，并且我们的研究和结果有望为未来城市湖泊水质管理提供方法、数据和指导.

... 黄李童等^[11]对杭州西湖的总悬浮物进行了遥感监测, 建立了基于红绿波段的指数模型 ...

2018

0.0

... 特别值得注意的是, 在应用卫星数据时, 需要高精度的大气校正结果, 目前常用的大气校正方法有FLAASH, 6S, ACOLITE和暗像元等, 如Pan等^[12]在研究长江口悬浮物分布时, 使用ACOLITE方法 ...

1992

0.0

... 在每个采集点, 根据NASA推荐使用的水上测量法^[13], 使用ASD地物光谱仪(波长325~1 075 nm, 间隔1 nm)测量三组海表光学量: 白板辐亮度L_g、天空光辐亮度L_sky和水面总反射率R_t ...

1999

0.0

... 是水表面反射系数, 根据ASD指导手册和Mobley推荐值^[14], 设为0 ...