夏 雙，阮仁宗，張 月，顏梅春

(河海大學(xué)地球科學(xué)與工程學(xué)院，南京 210098)

0 引言

湖泊是地球上最重要的淡水資源之一，是湖泊流域地區(qū)經(jīng)濟(jì)可持續(xù)發(fā)展和人們賴以生存的重要基礎(chǔ)[1]。因此，湖泊的水質(zhì)情況及其發(fā)展演變與人類的生產(chǎn)生活密切相關(guān)。目前，利用遙感技術(shù)進(jìn)行水質(zhì)參數(shù)的提取已經(jīng)有了很多較為成熟的方法，如物理方法、經(jīng)驗(yàn)方法和半經(jīng)驗(yàn)方法等[2-5]。但是，要取得定量化的水質(zhì)提取結(jié)果，還要考慮一些不確定性因素(如大氣條件變化等)對提取結(jié)果的影響。近年來，國內(nèi)外學(xué)者在利用遙感技術(shù)提取水質(zhì)信息方面做了很多相關(guān)的研究。Schiebe等[6]用MSS數(shù)據(jù)對Chicot湖懸浮物的研究表明，懸浮物的濃度與外大氣層反射率有著指數(shù)曲線的關(guān)系;Dekker等[7]選取SPOT，TM以及航空照片研究過荷蘭Loosdrecht湖多種水質(zhì)參數(shù)的空間分布規(guī)律;Fraser[8]對Nebraska的21個(gè)湖泊的混濁度與TM各波段圖像反射率間的相關(guān)性進(jìn)行過研究;段洪濤等[9]基于不同遙感數(shù)據(jù)(包括 MODIS/Terra，CBERS-2 CCD，ETM和IRS-P6 LISS3)，結(jié)合藍(lán)藻水華光譜特征，采用單波段、波段差值及比值植被指數(shù)等方法，提取不同歷史時(shí)期太湖藍(lán)藻水華信息。由于目前的研究中還缺乏對大氣影響、太陽高度角及傳感器觀測角等不確定性因素影響的定量分析，而這些不確定性因素如何影響信息提取結(jié)果、其影響程度如何，恰恰是目前比較關(guān)注的諸多問題之一。為此，本文采用不同方法(單波段法和比值植被指數(shù)法)、不同MODIS產(chǎn)品(MOD 02和MOD 09)對藍(lán)藻信息的提取結(jié)果進(jìn)行了對比分析，探討了氣溶膠光學(xué)厚度(AOT)對太湖藍(lán)藻信息提取的影響程度，得出AOT與信息提取閾值和結(jié)果間的定量關(guān)系。

1 研究區(qū)概況和數(shù)據(jù)源

1.1 研究區(qū)概況

太湖是我國第三大淡水湖，介于N 30°55′42"～31°33′50"，E 119°53′45" ～ 120°36′15"之間。太湖是一個(gè)典型的淺水湖泊，是太湖流域最重要的供水源地和天然調(diào)蓄水庫;湖泊面積約為2 338.1 km2，南北長68.5 km，東西平均寬24 km，最寬處56 km;湖泊平均水深為1.9 m;湖區(qū)年均溫度為15.3～16℃，年均降水量為950～1 250 mm，年日照時(shí)數(shù)為2 000～2 200 h。太湖自東向西有東太湖、青口灣、貢湖、梅梁湖和竺山湖5個(gè)湖灣。目前這幾個(gè)湖灣大都因?yàn)樗骶徛?，水深較淺及盛行風(fēng)向的作用而成為太湖受污染或富營養(yǎng)化較為嚴(yán)重的地方[10-11]，致使太湖流域生態(tài)與環(huán)境急劇惡化，特別是水體污染與富營養(yǎng)化程度日趨嚴(yán)重，大部分水體處于中度甚至極度富營養(yǎng)狀態(tài)，嚴(yán)重的常常誘發(fā)藍(lán)藻水華。如太湖北部的梅梁灣湖區(qū)，幾乎每年都會發(fā)生藍(lán)藻水華[12]。藍(lán)藻水華的發(fā)生造成周邊地區(qū)的飲用水安全缺乏保障，給居民的生活和經(jīng)濟(jì)造成重大損失。因此，太湖的生態(tài)與環(huán)境問題是不容忽視的，急需找到行之有效的解決辦法。

1.2 數(shù)據(jù)源

本研究采用的數(shù)據(jù)為MODIS兩種圖像產(chǎn)品(經(jīng)過輻射校正和地理定位的MOD 02、經(jīng)過大氣校正的MOD 09)和氣溶膠產(chǎn)品(MOD 04)。圖像產(chǎn)品的空間分辨率為250 m或500 m。為了使后續(xù)的波段疊加工作便于操作，利用最鄰近像元法將500 m分辨率的綠光波段數(shù)據(jù)重采樣成250 m分辨率，以保證數(shù)據(jù)空間分辯率的一致性。

2 原理與方法

2.1 氣溶膠光學(xué)厚度

氣溶膠是指懸浮在氣體中的固體和(或)液體微粒與氣體載體共同組成的多相體系。氣溶膠通過散射和吸收作用干擾太陽輻射，造成直接輻射強(qiáng)迫和間接輻射強(qiáng)迫影響氣候系統(tǒng);氣溶膠同樣可以通過改變云的屬性來影響降雨，造成對氣候系統(tǒng)的間接影響[14-15]。可見，氣溶膠對地球的輻射平衡改變起著重要的作用。由于氣溶膠的變化勢必會影響到遙感圖像的提取精度，若想得到真實(shí)的地表反射率信息，一定要對信號傳輸過程中的氣溶膠光學(xué)厚度(AOT)加以校正，使其影響程度降至最低。

2.2 內(nèi)陸水體和藻類的光譜特征

內(nèi)陸水體中葉綠素和黃色物質(zhì)對藍(lán)光的強(qiáng)吸收使水體藍(lán)光反射率較低，但藍(lán)光波段的瑞利散射和氣溶膠散射強(qiáng)烈，水體信號所占比例非常小，大氣校正細(xì)微的誤差都會對校正后的水體反射率產(chǎn)生較大影響。然而，內(nèi)陸水體在綠光至近紅外波段的反射率較高，而且大氣瑞利散射和氣溶膠散射隨波長的增加逐漸減小，水體信號所占比例增大，因而大氣校正精度也相對較高。因此，綠光至近紅外波段是內(nèi)陸水體遙感主要使用的波段。水體中藻類的光譜反射率是色素吸收與細(xì)胞表面散射相互作用的結(jié)果。由于藻類中都含有葉綠素，所以反射光譜曲線的大致形態(tài)基本相似，但如果水體中所含藻類密度不同，其光譜反射峰的具體位置和數(shù)值也會有所變化[16]，如圖1所示。

圖1 不同藻類密度的內(nèi)陸水體反射光譜特征Fig.1 Reflectance spectrum characteristics of inland water bodies with different algae densities

從圖1可以看出，盡管水體中藻類密度存在差別，但在主要由顆粒散射所形成的反射光譜曲線上，均明顯表現(xiàn)出2個(gè)特征吸收谷(分別在440 nm和670 nm附近)和2個(gè)特征反射峰(分別在570 nm和710 nm附近)[17-20]。當(dāng)藻類密度較高時(shí)，水體光譜反射率曲線在440 nm和670 nm附近出現(xiàn)了吸收谷，但受散射作用的影響，不同藻類密度的水體反射率在上述2處谷值的差異并不明顯。因此通常將570 nm和710 nm附近反射峰的是否存在被認(rèn)為是判定水體是否含有藻類葉綠素的依據(jù)[21-22]，即綠光波段和近紅外波段是準(zhǔn)確提取藍(lán)藻信息的重要波段。

2.3 太湖藍(lán)藻水華信息提取方法

藍(lán)藻水華信息的提取通常采用2種方法:①構(gòu)建遙感圖像合成方案，通過比較合成圖像上藍(lán)藻水華發(fā)生區(qū)域與周圍水體區(qū)域的顏色差異來提取藍(lán)藻水華信息[23-24];②通過設(shè)定植被指數(shù)(如比值植被指數(shù)、歸一化差值植被指數(shù)等)閾值和構(gòu)建決策樹來實(shí)現(xiàn)對藍(lán)藻水華的識別[25]。依據(jù)不同藻類密度水體的反射光譜特征，本文利用MODIS綠光波段和近紅外波段數(shù)據(jù)構(gòu)建大氣校正前(MOD 02)后(MOD 09)藍(lán)藻水華信息的提取方法，并闡述單波段法和比值植被指數(shù)法的原理、特征以及閾值的選取方法。閾值的設(shè)定采用了固定閾值法和自選閾值法。

2.3.1 單波段法

從圖1可以看出，在710 nm波長附近，水體存在一個(gè)反射峰。經(jīng)研究發(fā)現(xiàn)，近紅外波段是區(qū)分藍(lán)藻水華與渾濁、清潔水體的最好波段。因此，本文利用MODIS數(shù)據(jù)的近紅外波段數(shù)據(jù)，通過確定藍(lán)藻信息的提取閾值，提取藍(lán)藻水華信息。固定閾值法中的閾值設(shè)定為0.1，當(dāng)圖像亮度值DNNIR＞0.1時(shí)，提取出的信息即為藍(lán)藻水華信息;自選閾值法中的閾值設(shè)定則根據(jù)近紅外波段數(shù)據(jù)直方圖來確定，閾值基本都選直方圖主峰的右下端數(shù)值，大于該閾值的像元?jiǎng)t為藍(lán)藻水華信息。

2.3.2 比值植被指數(shù)法

由于部分渾濁水體在近紅外波段反射率相對較高，使得藍(lán)藻水華信息與高渾濁水體信息易混淆，因此，僅使用上述單波段方法容易夸大或者減弱藍(lán)藻信息，而植被指數(shù)的提出則可以對單波段法加以改進(jìn)。

由于藍(lán)藻水華在近紅外波段具有高反射、在可見光波段具有低反射的光譜特征(水體恰好相反)，因此，采用MODIS數(shù)據(jù)產(chǎn)品(MOD 02和MOD 09)的近紅外波段和綠光波段亮度值之比，即比值植被指數(shù)，便可迅速確定藍(lán)藻水華范圍。本文利用比值植被指數(shù)法分別獲得2006年的MOD 02和MOD 09太湖藍(lán)藻水華信息。其公式為

式中:DNNIR為近紅外波段像元亮度值;DNG為綠光波段像元亮度值。固定閾值法中將閾值設(shè)定為1，當(dāng)RVI＞1時(shí)，提取出藍(lán)藻水華信息;自選閾值法中的閾值則是根據(jù)RVI直方圖的趨勢確定。

2.3.3 精度驗(yàn)證方法

利用2006年太湖站提供的14個(gè)樣點(diǎn)的葉綠素a濃度(Ca)實(shí)測數(shù)據(jù)，對上述提取結(jié)果進(jìn)行評價(jià)。根據(jù)湖泊營養(yǎng)等級劃分標(biāo)準(zhǔn):Ca＜3 μg/L定義為貧營養(yǎng)化;3≤Ca＜11 μg/L 為中營養(yǎng)化;11≤Ca＜78 μg/L為富營養(yǎng)化;Ca≥78 μg/L 為超富營養(yǎng)化[13]。實(shí)測數(shù)據(jù)采樣點(diǎn)的分布情況如圖2所示。

圖2 太湖站采樣點(diǎn)分布圖Fig.2 Distribution of sampling sites in Taihu Lake

根據(jù)上述劃分標(biāo)準(zhǔn)，利用實(shí)測數(shù)據(jù)對上述2種方法提取的大氣校正前(MOD 02)后(MOD 09)藍(lán)藻水華信息的精度分別進(jìn)行驗(yàn)證。

對于單波段法，不論采用的是MOD 02數(shù)據(jù)還是MOD 09數(shù)據(jù)，提取的藍(lán)藻信息均有11個(gè)點(diǎn)與實(shí)測情況相符，而有3個(gè)樣點(diǎn)未被檢測出;對于比值植被指數(shù)法，采用MOD 02和MOD 09數(shù)據(jù)均有12個(gè)點(diǎn)反映出了藍(lán)藻分布的真實(shí)情況。可見，比值植被指數(shù)法的提取精度較單波段法高，其提取結(jié)果基本上可以反映湖泊的富營養(yǎng)化狀況。

3 研究結(jié)果及分析

圖3給出了在固定閾值與自選閾值情況下，運(yùn)用單波段和比值植被指數(shù)2種方法提取太湖藍(lán)藻水華面積的多變化值與AOT的相關(guān)性。

圖3 藍(lán)藻水華提取面積的凈變化值與AOT的相關(guān)性Fig.3 Relations between the net changes in value of cyanobacterial bloom area and AOT

固定閾值時(shí)，單波段法與比值植被指數(shù)法提取的面積凈變化值與AOT的相關(guān)系數(shù)r分別是0.46和0.34;自選閾值時(shí)，單波段與比值植被指數(shù)法提取的面積凈變化值與AOT的相關(guān)系數(shù)r分別為0.02和0.16?？梢钥闯?，在固定閾值情況下，應(yīng)用單波段法與比值植被指數(shù)法提取的藍(lán)藻水華面積凈變化值與AOT的相關(guān)系數(shù)高于自選閾值的對應(yīng)值，這是由于大氣校正前后MODIS圖像的直方圖發(fā)生了位置平移，而形狀變化并不大，因而，當(dāng)閾值一定時(shí)，閾值一側(cè)的直方圖面積之差主要是受大氣因素的影響;而當(dāng)閾值為變值時(shí)，面積的差值中幾乎已經(jīng)不包含受大氣因素影響而產(chǎn)生的分面積的變化。因此，閾值固定時(shí)提取藍(lán)藻水華面積的凈變化值與AOT的相關(guān)性較高。

圖4給出了2種方法在大氣校正前(MOD 02)后(MOD 09)設(shè)定的閾值與 AOT的相關(guān)性統(tǒng)計(jì)結(jié)果。

圖4 2種方法選取的閾值與AOT的相關(guān)性Fig.4 Relations between selected threshold values and AOT

單波段法(圖4(a))的大氣校正前后閾值與AOT的相關(guān)系數(shù)分別為0.56和0.40;比值植被指數(shù)法(圖4(b))的大氣校正前后兩者的相關(guān)系數(shù)分別為0.27和0.04?？梢钥闯觯徽撃姆N方法，大氣校正前所設(shè)定的閾值與AOT的相關(guān)性都高于大氣校正后的相關(guān)性，這反映出大氣會對閾值的設(shè)定產(chǎn)生一定的影響，進(jìn)而影響藍(lán)藻信息的提取精度。由此可見，氣溶膠光學(xué)厚度是一個(gè)不能忽略的因素。氣溶膠光學(xué)厚度雖然對2種方法都有影響，但影響程度是不同的，單波段閾值選取的影響程度高于比值法的，這是因?yàn)楸戎涤?jì)算法通過波段之間的數(shù)值相除，能消除部分氣溶膠光學(xué)厚度因素的干擾，從而降低了兩者的相關(guān)性。

本文進(jìn)一步分析了氣溶膠光學(xué)厚度對太湖藍(lán)藻水華信息的影響，對大氣校正前后閾值的變化值與AOT的相關(guān)關(guān)系進(jìn)行了統(tǒng)計(jì)。從圖像的直方圖來考慮，推斷出閾值的變化值反映的是大氣校正前后直方圖整體平移的距離，即校正前后直方圖的變化程度。本文對大氣校正前后閾值變化的絕對值與AOT的相關(guān)性進(jìn)行了統(tǒng)計(jì)，其結(jié)果如圖5所示。

圖5 閾值變化絕對值與AOT的相關(guān)性Fig.5 Relations between the changes in threshold values and AOT

可以看出，單波段法中的閾值變化絕對值與AOT相關(guān)性較高，該結(jié)果與前面的統(tǒng)計(jì)結(jié)果基本一致，即單波段方法受氣溶膠光學(xué)厚度的影響程度較比值植被指數(shù)法的影響程度高。

通過上述分析發(fā)現(xiàn)，經(jīng)過大氣校正的MOD 09產(chǎn)品的藍(lán)藻水華信息提取閾值與AOT仍具有一定的相關(guān)關(guān)系，只是略小于AOT與MOD 02的相關(guān)關(guān)系而已，說明MOD 09雖然已經(jīng)去除了部分大氣因素的影響，但對AOT的校正并不完全。

4 結(jié)論

本文通過單波段和比值植被指數(shù)2種方法探討了氣溶膠光學(xué)厚度(AOT)對太湖藍(lán)藻水華信息提取結(jié)果的影響。

1)通過對比分析在固定閾值與自選閾值情況下大氣校正前后藍(lán)藻信息的提取結(jié)果，得出AOT與藍(lán)藻信息提取結(jié)果和選定閾值的定量關(guān)系，證明了設(shè)定提取閾值的重要性。

2)在分析AOT對藍(lán)藻信息提取結(jié)果的影響時(shí)發(fā)現(xiàn)，大氣校正后的MOD 09產(chǎn)品與AOT仍存在著明顯的相關(guān)關(guān)系，因此本文認(rèn)為MOD 09產(chǎn)品的大氣校正并不充分。

3)今后應(yīng)采用更加合適的大氣校正算法對數(shù)據(jù)進(jìn)行校正，并分析校正后的數(shù)據(jù)與AOT的關(guān)系，以期得到對MOD 09數(shù)據(jù)質(zhì)量問題的合理解釋。

[1]Duan H，Zhang Y，Zhang B，et al.Estimation of chlorophylla concentration and trophic states for inland lakes in northeast China from landsat TM data and field spectral measurements[J].International Journal of Remote Sensing，2008，29(3):767-786.

[2]齊 峰，王學(xué)軍.內(nèi)陸水體水質(zhì)監(jiān)測與評價(jià)中的遙感應(yīng)用[J].環(huán)境科學(xué)進(jìn)展，1999，7(3):90-99.Qi F，Wang X J.Application of remote sensing techniques in monitoring and asscessing inland water quality[J].Advances in Environmental Science，1999，7(3):90-97.

[3]Forget P，Ouillon S，Lahet F，et al.Inversion of reflectance spectra of nonchlorophyllous turbid coastal waters[J].Remote Sensing of Environment，1999，68:261-272.

[4]Dekker A G，Peters S W M.The use of the thematic mapper for the analysis of Eutrophic lakes:A case study in the netherlands[J].International Journal of Remote Sensing，1993，14(5):799-822.

[5]Kloiber S M，Brezonik P L，Olmanson L G，et al.A procedure for regional lake water clarity assessment using Landsat multispectral data[J].Remote Sensing of Environment，2002，82(1):38-47.

[6]Schiebe F R，Harringington J R，Ritchie J C.Remote sensing of suspended sediments:The lake Chicot，Arkansas project[J].Internatinal Journal of Remote Sensing，1992，13(8):1487-1509.

[7]Dekker A G.The remote sensing Loosdrecht lakes project[J].International Journal of Remote Sensing，1988，9(10/11):1761-1773.

[8]Fraster R N.Hyperspectral remote sensing of turbidity and chlorophyll-a among nebrska sand hills lakes[J].International Journal of Remote Sensing，1998，19(8):1579-1589.

[9]段洪濤，張壽選，張淵智.太湖藍(lán)藻水華遙感監(jiān)測方法[J].湖泊科學(xué)，2008，20(2):145-152.Duan H T，Zhang S X，Zhang Y Z.Cyanobacteria bloom monitoring with remote sensing in lake Taihu[J].Journal of Lake Science，2008，20(2):145-152.

[10]中國科學(xué)院南京地理與湖泊研究所.太湖梅梁灣年藍(lán)藻水華形成及取水口污水團(tuán)成因分析與應(yīng)急措施建議[J].湖泊科學(xué)，2007，19(4):357-358.Nanjing institute of geography and limnology，Chinese academy of Sciences.On the cause of cyanobacterial bloom and pollution in water intake area and emergency measures in Meiliang bay，lake Taihu in 2007[J].Journal of Lake Sciences，2007，19(4):357-358.

[11]陳宇煒，秦伯強(qiáng)，高錫云.太湖梅梁灣藻類及相關(guān)環(huán)境因子逐步回歸統(tǒng)計(jì)和藍(lán)藻水華的初步預(yù)測[J].湖泊科學(xué)，2001，13(1):63-71.Chen Y W，Qin B Q，Gao X Y.Prediction of blue-green algae bloom using stepwise multiple regression between algae＆related environmental factors in Meiliang gulf，lake Taihu[J].Journal of Lake Science，2001，13(1):63-71.

[12]祝令亞.湖泊水質(zhì)遙感監(jiān)側(cè)與評價(jià)方法研究[D].北京:中國科學(xué)院遙感應(yīng)用研究，2006.Zhu L Y.Remote sensing monitoring and assessment of water quality for lakes[D].Beijing:Institute of Remote Sensing Application，Chinese Academy of Sciences，2006.

[13]金相燦，劉明亮，中國湖泊富營養(yǎng)化[M].北京:中國環(huán)境科學(xué)出版社，1990.Jin X C，Liu X L.Eutrophication of Chinese lakes[M].Beijing:Chinese Environmental Science Press，1990.

[14]Kaufman Y J，Tanre D，Olivier B.A satellite view of aerosols in the climate system[J].Nature，2002，419:215-223.

[15]Kaufman Y J，Tanre D.Aerosol optical thickness and atmospheric path radiance[J].Journal of Geophysical Research，1993，98(D2):2677-2692.

[16]Thiemann S，Kaufmann H.Determination of chlorophyll content and trophic state of Lakes using field spectrometer and IRS-1C satellite data in the Mecklenburg Lake district，Germany[J].Remote Sensing of Environment，2000，73(2):227-235.

[17]趙冬至.AVHRR遙感數(shù)據(jù)在海表赤潮細(xì)胞數(shù)探測中的應(yīng)用[J].海洋環(huán)境科學(xué)，2003，22(1):10-14.Zhao D Z.Application of AVHRR data for detection of surface cell concentration during algal bloom[J].Marine Environmental Science，2003，22(1):10-14.

[18]黃韋艮，毛顯謀，張鴻翔，等.赤潮衛(wèi)星遙感監(jiān)測與實(shí)時(shí)預(yù)報(bào)[J].海洋預(yù)報(bào)，1998，15(3):111-115.Huang W G，Mao X M，Zhang H X，et al.Red tide in satellite remote sensing monitoring and real-time forecasting[J].Marine Forecasts，1998，15(3):111-115.

[19]Gower J F R.Observation of in situ fluorescence of chlorophyll in Seanich inlet[J].Boundary-layer Meteorology，1980，18(3):235-245.

[20]Gower J F R，Borstad G.Use of the in vivo fluorescence line at 685 nm for remote sensing surveys of surface chlorophyll-a[M]//Gower J F R.Oceanography from Space，New York:Plenum，1981，329-338.

[21]Gitelson A A，Schalles J F，Rundquist D C，et al.Comparative reflectance properties of algal cultures with manipulated densities[J].Journal of Applied Phycology，1999，11(4):345-354.

[22]Richardson L L.Remote sensing of algal bloom dynamics:New research fused remote sensing of aquatic ecosystems with algal accessory pigment analysis[J].BioScience，1996，46(7):492-501.

[23]王海君，李云梅.用ASTER數(shù)據(jù)監(jiān)測梅梁湖湖區(qū)藍(lán)藻分布的方法[J].南京師大學(xué)報(bào):自然科學(xué)版，2005，28(1):103-106.Wang H J，Li Y M.The method of monitoring the spatial distributions of blue algae in Meiliang bay using ASTER data[J].Journal of Nanjing Nornal University:Natural Science Edition，2005，28(1):103-106.

[24]徐京萍，張 柏，李 方，等.基于MODIS數(shù)據(jù)的太湖藻華水體識別模式[J].湖泊科學(xué)，2008，20(2):191-195.Xu J P，Zhang B，Li F，et al.Detecting modes of cyanobacteria bloom using MODIS data in lake Taihu[J].Journal of Lake Science，2008，20(2):191-195.

[25]陳 云，戴錦芳.基于遙感數(shù)據(jù)的太湖藍(lán)藻水華信息識別方法[J].湖泊科學(xué)，2008，20(2):179-183.Chen Y，Dai J F.Extraction methods of cyanobacteria bloom in lake Taihu based on RS data[J].Journal of Lake Science，2008，20(2):179-183.