鐘煒萍，姚煥玫，陳華權(quán)

(1.廣西大學(xué)資源環(huán)境與材料學(xué)院，廣西南寧 530004；2.廣西壯族自治區(qū)海洋環(huán)境監(jiān)測中心站，廣西北海 536000)

0 引言

傳統(tǒng)的海洋環(huán)境監(jiān)測工作方式主要是通過船只走航，依靠人工采集樣品后在實驗室進行分析，最后根據(jù)分析結(jié)果來判定海洋環(huán)境質(zhì)量。近幾十年來，隨著遙感技術(shù)的快速發(fā)展，以及傳感技術(shù)和無線數(shù)據(jù)傳輸技術(shù)的進步，現(xiàn)代海洋環(huán)境監(jiān)測已經(jīng)進入立體化的新時代。要實現(xiàn)海洋環(huán)境監(jiān)測立體化，除不需要大量人力物力就可在海洋環(huán)境惡劣的情況下進行有效工作，并具有自動、長期、連續(xù)、實時收集海洋環(huán)境監(jiān)測數(shù)據(jù)的自動監(jiān)測浮標外，遙感是另一種重要的技術(shù)手段。遙感技術(shù)具有快速、連續(xù)、范圍廣、可視化程度高等特點，在大尺度環(huán)境狀況和非點源污染監(jiān)測方面具有明顯優(yōu)勢[1]。Hakvoort等[2]使用機載成像光譜數(shù)據(jù)結(jié)合矩陣反演技術(shù),對Veluwe湖泊的有色可溶性有機物(CDOM)、葉綠素a等水質(zhì)參數(shù)進行反演,獲得較好的效果。閻福禮等[3]使用MODIS數(shù)據(jù)對富營養(yǎng)化程度較高的太湖進行水質(zhì)參數(shù)反演。鄭炎輝等[4]利用GF-1 WFV遙感影像和BP神經(jīng)網(wǎng)絡(luò)模型，建立廣東東風水庫葉綠素a、透明度、總磷、總氮等水質(zhì)參數(shù)反演模型。Pahlevan等[5]以美國路易斯安那州Grand Lake為研究區(qū)域，使用 Sentinel-2和Landsat-8衛(wèi)星數(shù)據(jù)產(chǎn)品進行遙感反射率的定量和定性驗證，反演水質(zhì)參數(shù)總懸浮物濃度。崔文君等[6]基于Landsat-8 OLI衛(wèi)星遙感數(shù)據(jù)，發(fā)現(xiàn)Band 3和Band 4是反演珠江口近岸海域溶解氧的最佳波段組合，利用實測光譜一階微分值構(gòu)建模型得出的平均相對誤差為19.2%。王冰等[7]使用Landsat TM影像結(jié)合實測數(shù)據(jù)獲得呼倫湖溶解氧敏感波段，建立反演模型，約半數(shù)點位相對誤差超過10%?？傮w來說，針對淡水湖泊葉綠素a、營養(yǎng)鹽類等水質(zhì)參數(shù)反演的衛(wèi)星遙感研究較多，而對海水中溶解氧的遙感反演研究較少，且已有研究主要使用Landsat系列衛(wèi)星影像數(shù)據(jù)，分辨率較低，且得到的模型精度一般。

溶解氧(Dissolved Oxygen，DO)指溶解在水中的分子態(tài)氧，溶解氧可能會因為藻類的生長而過飽和，當水體受有機或無機還原性物質(zhì)污染時，溶解氧會降低[8]。廣西欽州灣位于北部灣北部，由內(nèi)灣(茅尾海)和外灣(欽州灣)構(gòu)成，中間狹窄，兩端寬闊，東、西、北三面為陸地所環(huán)繞，南面與北部灣相通，是一個半封閉型的天然海灣[9]。近十年來，欽州灣一直是北部灣近岸海域中污染最嚴重的海區(qū)之一，尤其是欽州灣內(nèi)灣茅尾海海域，局部海域常年為第四類或劣四類海水水質(zhì)[10]。同時，溶解氧作為赤潮發(fā)生前后重要的水質(zhì)參數(shù)之一[11]，對其展開研究在海洋生態(tài)方面具有重要意義。目前，雖然廣西在近岸海域海洋自動監(jiān)測上已有一定的基礎(chǔ)，但是缺少以遙感技術(shù)為手段，對廣西近岸海域水質(zhì)進行大面積監(jiān)測的研究工作。本文利用遙感手段，基于自動監(jiān)測數(shù)據(jù)，建立欽州灣的溶解氧反演模型，為欽州灣海域的合理開發(fā)、科學(xué)管理提供技術(shù)支撐。

1 材料與方法

1.1 研究區(qū)域與數(shù)據(jù)獲取

研究區(qū)域位于廣西北部灣北部欽州灣，即21°33′36″—21°55′12″E，108°24′36″—108°43′48″N[12]。溶解氧實測數(shù)據(jù)來自廣西近岸海域水質(zhì)自動監(jiān)測網(wǎng)絡(luò)布設(shè)在欽州灣的3個自動監(jiān)測站位(Z1-Z3，見圖1)。監(jiān)測儀器為YSI 6600V2多參數(shù)水質(zhì)分析儀，可每0.5 h出具一次溶解氧監(jiān)測結(jié)果，高頻率的溶解氧實測數(shù)據(jù)可在較大程度內(nèi)與Sentinel-2衛(wèi)星影像的成像時間接近。

Sentinel-2系列衛(wèi)星中的Sentinel-2 A于2015年6月23日發(fā)射，攜帶一枚多光譜成像儀，覆蓋13個光譜波段，衛(wèi)星傳感器掃描寬度達290 km，光譜范圍為0.4—2.4 μm。其在可見光、近紅外到短波紅外具有不同的空間分辨率，分別為10 m (4個波段)，20 m (6個波段)和60 m (3個波段)，其中可見光波段及近紅外波段空間分辨率為10 m，可用于觀測地球土地覆蓋變化，森林、湖水及近海水域污染情況[12]。本文選取2017—2019年研究區(qū)域內(nèi)云量<30%的影像作為影像數(shù)據(jù)源。

1.2 影像數(shù)據(jù)預(yù)處理

采用SNAP軟件中附帶的插件Sen2cor v2.8.0對影像進行輻射定標和大氣校正。校正完成之后，對影像進行重采樣，將藍、綠、紅、近紅外(寬)4幅10 m分辨率的單波段影像導(dǎo)出為ENVI格式，并以Layer Stacking工具重新合成為一幅影像。為方便影像數(shù)據(jù)的進一步處理和專注于研究區(qū)的影像數(shù)據(jù)分析，對研究區(qū)域進行裁剪并提取監(jiān)測點位的波段數(shù)據(jù)。影像預(yù)處理流程圖如圖2所示。

圖2 Sentinel-2影像預(yù)處理流程

1.3 構(gòu)建波段組合

本文以溶解氧濃度(DO)作為溶解氧反演模型的因變量，以波段組合作為自變量，通過建立數(shù)學(xué)模型設(shè)法找出最能代表溶解氧濃度與波段組合之間關(guān)系的數(shù)學(xué)表達式。Sentinel-2搭載的傳感器上有4種分辨率為10 m的波段，為表述方便，本文以B1—B4來分別表示Sentinel-2傳感器的藍、綠、紅、近紅外波段(表1)。將自動監(jiān)測站位所在像元的4個波段反射率值導(dǎo)出，通過相加、相比、取倒數(shù)、取對數(shù)等方式進行波段組合的構(gòu)建。

表1 Sentinel-2產(chǎn)品的4種波段

1.4 Pearson相關(guān)性分析

Pearson相關(guān)系數(shù)(R)是一種線性相關(guān)系數(shù)，反映2個變量間的線性相關(guān)程度[13]，可用來分析不同波段組合與自動監(jiān)測站位溶解氧實測值的相關(guān)程度，從中篩選出敏感程度最高的波段組合。其公式如下：

1.5 回歸分析

回歸分析是指確定自變量與因變量間相互依賴的定量關(guān)系的統(tǒng)計分析過程。雖然自變量x和因變量y之間可能沒有嚴格、確定的函數(shù)關(guān)系，但可以通過回歸分析建立起變量之間的相關(guān)關(guān)系近似數(shù)學(xué)表達式[14]。

(1)一元線性回歸：采用相關(guān)性最高的波段組合依次作為自變量x來進行一元線性回歸。

(2)一元非線性回歸：采用相關(guān)性最高的波段組合的對數(shù)值依次作為自變量x來進行回歸建模，篩選出模型精度最高的模型。

(3)二元線性回歸：以相關(guān)性最高的兩組波段組合共同作為自變量x。

(4)三元非線性回歸：以相關(guān)性最高的三組波段組合共同作為自變量x。

4種回歸模型均以溶解氧濃度實測值作為因變量y，最后篩選出顯著性較強、驗證精度最高的回歸模型。

1.6 逐步回歸分析

逐步回歸分析是一個刪除不顯著因素、保留顯著因素的過程。逐步回歸分析在引入和剔除變量的過程中可以保證最后保留的變量是互相獨立、無多重共線性的，非常適用于多個自變量的多元回歸模型構(gòu)建[15]?；赟entinel-2影像數(shù)據(jù)構(gòu)建的波段組合和溶解氧實測數(shù)據(jù)進行逐步回歸分析，剔除不顯著波段組合，最終得到的逐步回歸模型。

1.7 模型精度驗證

反演模型的驗證非常重要，要判斷模型是否穩(wěn)定可靠，必須從多個角度來對反演模型的精度進行驗證。本研究采用決定系數(shù)(R2)、平均相對誤差(MRE)、均方根誤差(RMSE)進行精度驗證。

(1)R2：將實測值與模型輸出值進行線性擬合，線性擬合的R2值越大，表明模型輸出值與實測值之間的相關(guān)性越高。值得注意的是，相關(guān)性高并不意味著模型輸出值與實測值相近，因此不能僅憑R2值來判斷模型精度。

(2)MRE：表明模型輸出值與實測值的偏離程度。計算公式如下：

MRE(%)=

(3)RMSE：亦稱標準誤差，均方根誤差對一組測量中的特大或特小誤差非常敏感，所以能夠很好地反映測量的精密度。計算公式如下：

2 結(jié)果與分析

2.1 最佳波段組合

本文共獲得370種波段組合，以下選取了Pearson相關(guān)性(R)較高的24個波段組合(表2)，研究區(qū)域中有3個組合波段與溶解氧濃度相關(guān)性效果較好，分別是1/B3、lnB3/(lnB1+lnB2)和B3/(B1+B2)，其Pearson相關(guān)系數(shù)(R)分別為0.905 2，-0.897 0和-0.889 2，已基本滿足欽州灣溶解氧濃度反演的需求。

2.2 建模結(jié)果

在相關(guān)性分析結(jié)果的基礎(chǔ)之上，通過篩選得到48個影像質(zhì)量良好的點位監(jiān)測數(shù)據(jù)，隨機抽取其中的40個點位分別進行回歸建模嘗試，并獲得4個回歸反演模型公式：

(1)一元線性回歸模型y=1100.345x+4.925，x=1/B3，R2=0.837 8;

(2)一元非線性回歸方程模型y=1.5995x+17.209，x=ln(B1/B3)，R2=0.752 9;

(3)二元線性回歸模型y=603.192x1-29.39x2+19.745，x1=1/B3，x2=lnB3/(lnB1+lnB2)，R2=0.857 3;

(4)三元非線性回歸模型y=605.842x1-27.8376x2-0.3227x3+19.12，x1=1/B3，x2=lnB3/(lnB1+lnB2)，x3=B3/(B1+B2)，R2=0.857 3;

以及逐步回歸分析模型：y=771.854x1-1.476x2+6.435，x1=1/B3，x2=B3×B3/(B1×B1)，R2=0.863。

隨機抽取剩余的8個點位對以上5個模型公式進行精度驗證，結(jié)果如表3所示。通過對5種回歸模型的綜合比較可知(表3)，逐步回歸模型的決定系數(shù)、平均相對誤差和均方根誤差是5種模型中最小的。平均相對誤差和均方根誤差越小，說明模型輸出結(jié)果與實際值更貼近，反演模型的穩(wěn)定性也更有保證。

表3 基于Sentinel-2數(shù)據(jù)的溶解氧反演模型精度驗證

綜上考慮，選擇逐步回歸模型y=771.854x1-1.476x2+6.435(模型精度R2=0.863)作為欽州灣溶解氧的反演模型，對應(yīng)的波段組合為1/B3和B3×B3/(B1×B1)。

另外，為避免隨機抽取點位進行驗證可能帶來的驗證結(jié)果的偶然性，進一步對逐步回歸模型所有點位的輸出值與實測值進行比較分析。由圖3可知，實測值曲線與模型輸出值曲線保持了較高的吻合度，在前30 個點位(約占總點位數(shù)的2/3)中，模型輸出值與實測值之間的相對誤差均低于5%，表明模型的穩(wěn)定性較強，展現(xiàn)了較高的模型精度。

圖3 逐步回歸模型輸出值與實測值比較分析

2.3 欽州灣溶解氧時空分布特征

通過前面建立的溶解氧反演模型計算，得到基于Sentinel-2 A衛(wèi)星2017—2019年遙感數(shù)據(jù)的欽州灣溶解氧濃度時空分布結(jié)果(圖4)。從反演結(jié)果上看，2017—2019年欽州灣溶解氧濃度存在明顯的時間變化，按照枯水期(3，4月)、豐水期(7—9月)、平水期(11，12月)劃分，研究區(qū)域每年都基本呈現(xiàn)溶解氧濃度豐水期<枯水期<平水期的規(guī)律。按四季劃分，欽州灣溶解氧濃度基本呈現(xiàn)夏季最低、春季適中、秋冬最高的特點。在空間分布上，2017—2019年欽州灣溶解氧濃度均呈現(xiàn)內(nèi)灣<外灣的特點，且內(nèi)灣溶解氧濃度分布不均勻，越靠近河口的位置溶解氧濃度越低。

圖4 2017—2019年欽州灣溶解氧濃度反演結(jié)果

3 結(jié)論

本研究基于Sentinel-2系列衛(wèi)星遙感影像并結(jié)合自動監(jiān)測實測溶解氧濃度數(shù)據(jù)，建立廣西欽州灣溶解氧反演模型，得出1/B3、lnB3/(lnB1+lnB2)和B3/(B1+B2) 3個波段組合與溶解氧濃度相關(guān)性效果較好。采用最佳敏感波段和回歸模型構(gòu)建欽州灣的溶解氧濃度反演模型，逐步回歸模型穩(wěn)定性較佳，模型精度R2達到0.863。通過反演結(jié)果得出2017—2019年部分時段欽州灣溶解氧濃度分布圖,直觀顯示欽州灣溶解氧的空間分布狀況，可為欽州灣溶解氧實時遙感監(jiān)測提供理論依據(jù)與技術(shù)支撐。

以往水質(zhì)反演所使用的實測數(shù)據(jù)大多為衛(wèi)星過境當天，通過人工采集樣品的方式得到水質(zhì)監(jiān)測數(shù)據(jù)，而本研究使用的0.5 h/次的高頻率自動監(jiān)測數(shù)據(jù)能在較大限度內(nèi)與遙感影像數(shù)據(jù)接近，在很大程度上提高了模型精度。因此可以預(yù)見，自動監(jiān)測與遙感技術(shù)相結(jié)合的方式，在未來會有較好的發(fā)展?jié)摿Α２捎米罴衙舾胁ǘ魏突貧w模型方式構(gòu)建欽州灣的溶解氧濃度反演模型，優(yōu)勢在于模型簡單、易于實現(xiàn)，且最終得到了較好的反演效果。

本文實現(xiàn)了基于遙感技術(shù)對欽州灣溶解氧濃度的大范圍動態(tài)監(jiān)測，得出的模型精度較佳，是一次較好的嘗試。不過，影響欽州灣水環(huán)境的重要指標有很多，在未來的研究中仍需對其他指標進行研究，例如石油類、營養(yǎng)鹽等，使反演模型更加全面和實用。