杭州西小江位于浙江省东部, 源自杭州市萧山区临浦镇的麻溪村, 流经临浦、 所前、 新塘、 衙前等镇(街道), 在绍兴市钱清镇汇入杭甬运河, 至绍兴三江附近入钱塘江, 为典型的内陆二类水体。 其中杭州段(含杭甬运河重合段)起自临浦镇白鹿塘村, 终至钱清镇西小江大桥北, 长29.75 km, 水域面积2.40 km², 常水位3.98 m^[7]。 西小江水域支流众多, 是整个蜀山平原水资源载体, 以及防汛排涝的主要承载。 随着杭甬运河改造, 以及“ 浙东引水” 工程的建设, 西小江在航运、 防洪等方面的作用逐步加强。 实测的西小江河段位于东经120° 21'— 120° 23', 北纬30° 9'— 30° 10'之间, 如图1所示。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 研究区及观测位置图Fig.1 Study area and observation sites

于2020年8月21日8:30— 9:30, 用三台ASD便携式野外光谱仪FiledSpec HandHeld 2 Pro, 按照规划在图1所示河段中沿河道中心进行快速连续的河道表层水体反射光谱的走航观测。 ASD便携式野外光谱仪FiledSpec HandHeld 2 Pro拥有超高的灵敏度和高出标准型5倍以上的信噪比, 且测量时间短, 非常适用于二类水体的快速遥感研究, 其波长范围为325~1 075 nm。

与观测水体光谱数据同步, 利用英国Aquaread公司生产的AP-2000多参数水质传感器及德国TriOS公司生产的荧光计系列水质分析仪采集水质成分数据。 其中AP-2000多参数水质传感器携带了水温、 pH、 浊度(turbidity)等多个探头, 荧光剂系列水质仪包括叶绿素(chlorophyll, Chl)、 蓝藻(cyanobacteria , Cyno)、 黄色物质(colored dissolved organic matter, CDOM)荧光计。 本研究选用浊度、 叶绿素浓度、 黄色物质浓度来作为水色分析参数。

选择特征波长依次查看参考板光谱、 天空光光谱和水体反射光光谱三者的突变值, 并进行对比, 以剔除由于河道上方的桥梁遮蔽所引起的异常值。 同时, 剔除受太阳耀光影响的异常水体反射光光谱及其对应的参考灰板光谱和天空光光谱。

计算遥感反射率公式如式(1)

Rrs=(αLw-ρβLsky)ρpπEs(1)

式(1)中, L_w, L_sky和E_s分别为光谱仪面向水体、 天空和标准板时的测量值, ρ _p为经过严格定标的标准板反射率, ρ 为气-水界面对天空光的反射率, 依据Mobley^[8]的研究, ρ 取0.020, α 和β 为实测前根据标定实验得到的互交系数。

3.3.1 时间匹配

将光谱仪观测时间设置为固定时间间隔, 但由于光谱仪记录存在数据延迟等现象, 光谱数据并未严格依据所设定的固定时间间隔进行数据采集和记录, 因此需要进行时间匹配处理。 具体操作为, 对于缺乏光谱数据记录的时刻, 采用其前后时刻的两条光谱数据的均值进行插值处理, 对于存在多条光谱数据记录的时刻, 则以该时刻内的多条光谱数据的均值进行替代处理, 由此获得固定时间间隔的光谱数据结果, 达到时间上连续观测的目的。 在本次西小江河道观测中所设定的时间间隔为1 s。

3.3.2 空间匹配

利用连续观测的卫星定位数据, 按照光谱数据时间同步处理后的时间间隔, 插值出同步的时间间隔经纬度数据, 从而实现对经纬度数据和内陆河道表层水体遥感反射率数据的时间-空间匹配, 得到在时空上连续的内陆河道表层水体遥感反射率。

本次测量共获得933条数据, 经过异常值剔除、 计算和时空匹配, 得到西小江所测河段699秒连续的水体遥感反射率光谱。 由于350 nm之前和900 nm之后的遥感反射率的值都比较小, 且受噪声影响比较大, 因此仅显示350~900 nm之间的光谱, 后续的讨论也都是基于此波长范围进行。 限于篇幅, 无法展示全部的光谱, 选择了其中12条反射率光谱进行展示(图3), 这12条反射光谱是从早上8点50分30秒到9点01分30秒每隔1 s测量一次得到的遥感反射率曲线。 图4分别为400, 440, 550, 628, 645, 676, 706, 748和869 nm这九个特征波长的走航观测反射曲线。 时空匹配后得到特征波长处在时空上连续的内陆河道表层水体遥感反射率如图5所示。

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 时间上连续的遥感反射光谱曲线Fig.3 Continuous-time remote sensing reflectance spectral curves

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 特征波长处的遥感反射光谱曲线Fig.4 Remote sensing reflectance spectral curves at characteristic wavelengths

图5

Fig.5

	Figure Option ViewDownloadNew Window
	图5 时空匹配后的河道遥感反射率Fig.5 Remote sensing reflectance of river water after spatio-temporal matching

由图3、 图4可以看出, 西小江所测河段遥感反射率从蓝波段到黄波段逐渐增加, 在570 nm附近形成反射峰, 然后随着波长的增加遥感反射率减小, 在650 nm附近出现微小峰值, 在705 nm附近出现荧光峰, 在810 nm附近出现泥沙后向散射峰^[9], 这些都是典型的二类水体波谱特征。

水体光谱特征是由水中各种物质对太阳光辐射的吸收和散射性质决定的, 反映了水体本身和水体中所含物质的综合信息, 影响水体信息的成分主要分为叶绿素、 无机悬浮物和黄色物质三种。

叶绿素的光谱特征主要体现在550~710 nm之间, 由图3、 图4看出, 在570 nm附近形成反射峰, 这是由于叶绿素的吸收系数在此波长附近达到最小值, 以及藻类植物细胞壁的散射作用形成^[10], 该反射峰与色素组成有关; 在665 nm附近的吸收谷是由于叶绿素a在该处的强烈吸收形成; 在705 nm附近的反射峰是由于水和叶绿素的吸收系数在该处达到最小, 以及浮游植物色素的的荧光效应, 该反射峰是含藻类水体最显著的光谱特征^[11], 这也正是大多数模型采用665和705 nm建立反演算法来反演叶绿素浓度^{[12, 13]}的原因, 对实测叶绿素浓度和实测遥感反射率进行建模如图6所示, 发现在665和705 nm的确定系数R²分别达到了0.889和0.884, 可见二者有较好的关联性。

图6

Fig.6

	Figure Option ViewDownloadNew Window
	图6 实测叶绿素浓度与实测遥感反射率之间的线性相关图Fig.6 Linear relationship between measured chlorophyll concentration and measured remote sensing reflectance

在典型二类水体中, 悬浮泥沙使得遥感反射率具有双峰特性, 第一反射峰在600~700 nm, 第二反射峰在760~820 nm, 在含沙量较低时, 第一反射峰值高于第二反射峰值^[14]。 由图3、 图4看出, 在650 nm附近和810 nm附近出现峰值, 满足双峰特性, 且650 nm附近的反射峰值高于810 nm附近的反射峰值, 说明西小江含沙量较低。 水体浊度、 悬浮泥沙浓度和透明度这三个变量密切相关, 因无悬浮泥沙浓度数据, 故在本研究中, 用浊度替代悬浮泥沙浓度进行定量分析; 因AP-2000多参数水质传感器浊度探头获取的浊度数据仅为每分钟的, 所以以较合理时间段的遥感反射率均值与浊度做匹配处理, 二者相关性建模如图7所示, 发现650和810 nm的确定系数R²分别达到了0.993和0.903, 虽因数据量少, 存在一定的误差, 但也反映出二者关联性较强。

图7

Fig.7

	Figure Option ViewDownloadNew Window
	图7 实测浊度与实测遥感反射率之间的线性相关图Fig.7 Linear relationship between measured turbidity and measured remote sensing reflectance

400和440 nm都曾被选为表征CDOM浓度的参数。 实测CDOM浓度和遥感反射率的线性建模如图8所示, 发现其在400和440 nm的确定系数R²仅为为0.257和0.254, 可见其二者关联性不强。 由此可见, 西小江水体遥感反射率主要受叶绿素浓度和浊度的影响, 受黄色物质的影响较小。

由时空匹配后的河道水体遥感反射率图5可以看出, 遥感反射率在各个特征波长处的变化较一致, 仅有数值上的差别。 此数据可用于卫星影像数据的校正与建模, 为此用Sentinel-2B卫星影像数据。

图8

Fig.8

	Figure Option ViewDownloadNew Window
	图8 实测CDOM浓度与实测遥感反射率之间的线性相关图 4.3 遥感数据处理与分析Fig.8 Linear relationship between measured CDOM concentration and measured remote sensing reflectance

本研究所使用的是下载于欧空局(ESA)(获取地址: https://scihub.copernicus.eu/)的2020年8月16日几乎无云的Sentinel-2B L1C和L2A数据。 Sentinel-2星座有S2-A和S2-B两颗卫星, 分别搭载一枚多光谱成像仪(MSI), 可观测从可见光到近红外的13个光谱带, 空间分辨率分别为10, 20和60 m^[15]。 L1C数据是经过正射校正和几何精校正处理的大气表观反射率数据, L2A数据是经过几何精校正和辐射定标处理的遥感反射率数据, 该数据已经过Sen2Cor大气校正处理。

使用Sentinel-2B的光谱响应函数对实测光谱进行等效光谱模拟, 转换为相应波段的等效遥感反射率, 选用10 m空间分辨率的B3(560 nm), B4(665 nm), B8(842 nm)和20 m分辨率的B5(705 nm), B6(740 nm), B7(783 nm)和B8A(865 nm)七个波段的等效遥感反射率与经过Sen2Cor大气校正的L2A数据进行反演, 并选择所测时段中最为稳定的每分钟30秒处的值(共84个值)进行建模, 建模结果如图9(a)。 由图9(a)明显看出, 相较于实测获得的水体遥感反射率, 基于Sen2Cor的大气校正后的L2A数据除少数特例外, 整体存在明显高估现象, 其主要原因是Sen2Cor处理器的最初设计目标为陆地, 水体区域会因为日照产生太阳反射。 本研究还通过L1C数据反推辐射亮度, 再用ENVI5.3进行FLAASH大气校正获取了Sentinel-2遥感反射率数据, 如式(2)

Lλ=ρλESUNλsinθπd2(2)

图9

Fig.9

	Figure Option ViewDownloadNew Window
	图9 (a)实测遥感反射率与Sen2Cor大气校正后的Sentinel-2B遥感反射率之间的相关性; (b)实测遥感反射率与FLAASH大气校正后的Sentinel-2B遥感反射率之间的相关性Fig.9 (a)The relationship between measured remote sensing reflectance and Sentinel-2B remote sensing reflectance after Sen2Cor at mospheric correction; (b) the relationship between measured remote sensing reflectance and Sentinel-2B remote sensing reflectance after FLAASH atmospheric correction

式(2)中, L_λ 为辐射亮度, 单位为W· (m²· sr· μ m)^-1; ρ _λ 为大气表观反射率, 单位为sr^-1; d为日地距离, 单位为天文单位; ESUN_λ 为太阳辐照度, 单位为W· (m²· μ m)^-1; θ 为太阳高度角, 单位为(° )。

计算结果与地面实测光谱反射率进行建模分析, 建模方式与图9(a)相同, 其结果见图9(b)。 由图9(b)可以看出, FLAASH大气校正后的RMSE=0.0059, R²=0.808。 可见其与Sen2Cor校正结果(RMSE=0.0030, R²=0.906)都有较高的确定系数R²。 虽然确定系数R²都相对较高, 但由图9明显看出, 基于Sen2Cor的大气校正结果存在高估现象, 基于FLAASH的大气校正结果在小于0.02 sr^-1时也存在高估, 此时RMSE为0.002 7, R²达到了0.887, 但在大于0.02 sr^-1时则明显低估, 这其中固然有数据获取时间不一致的因素, 但也说明现有的大气校正方法用在大样本实测数据的验证, 表现并不理想, 有关河道水体卫星影像的大气校正需要更多的研究。