董舜丹， 何宏昌， 付波霖， 范冬林， 王濤濤

(桂林理工大學測繪地理信息學院， 桂林 541006)

伴隨著沿海人口數量的大幅度增長，近海海域的海洋環(huán)境保護也面臨著極大的挑戰(zhàn)。人為破壞和自然因素雙重壓迫下，近海海域水體質量嚴重下降，監(jiān)測和修復近海海域生態(tài)環(huán)境從而保護海洋環(huán)境迫在眉睫。葉綠素a作為水體的重要組成部分，其濃度可以準確有效的反映水體中浮游植物的生物含量，是海洋初級生產力的主要評估參數，同時也是監(jiān)測海水水質狀況和水體營養(yǎng)化程度重要指標之一。

香港近海海域屬于典型的近岸海域，是受到陸地資源和海洋環(huán)境綜合污染影響明顯的海洋區(qū)域，水質類型為二類水體，其主要用途為漁場水產養(yǎng)殖、工業(yè)制造冷卻水源、廢水排放所在地以及海上交通運輸等。由于香港西部的珠江口沿岸經濟發(fā)展速度日益增長，與此同時發(fā)展所伴隨著的工業(yè)區(qū)水體污染以及居民的生活污水均對香港海域水質造成了極大的影響。而香港東部海域為天然半封閉的海灣特質，導致其海域范圍內水體流動受到周圍陸地地形的影響和限制，水體污染一旦進入該海岸范圍，很難通過海水的流動性自行排出或凈化。為改善上述現象，合理有效的修復香港海域環(huán)境，對海域海水水色水質的監(jiān)測成為主要的方法和手段之一。

由于二類水體水質區(qū)域性強，水體成分復雜，選用人工布點海水采樣監(jiān)測的方法來監(jiān)測海水水質成本較高，工作量大。與此同時，隨著遙感技術的日益提升，利用衛(wèi)星遙感數據監(jiān)測近海海域水體葉綠素的空間分布成為海水水色水質監(jiān)測的主要途徑。利用衛(wèi)星遙感數據反演葉綠素a濃度主要有經驗分析法、半分析模型法、理論分析法等[1]。經驗分析法是基于研究區(qū)域內的水體數據采集，對其采集數據進行統計學分析，而后建立采集數據與研究對象之間的定性或定量關系；半分析模型法是借助高光譜數據的光學特征，與不同的水質參數建立數學模型，并利用實測數據進行驗證；理論分析法是通過借助太陽輻射到水體的過程中產生的水體吸收系數、后向散射系數等不同參數的運算，估算水體組分濃度。利用半分析模型法估算葉綠素a濃度的研究中，O’Reilly等[2]建立的海洋葉綠素3(ocean chlorophyll 3，OC3)，海洋葉綠素3(ocean chlorophyll 4，OC4),等一系列算法作為美國國家航空航天局(NASA)官方處理全球葉綠素a濃度數據的業(yè)務化算法，但由于MODSI數據應用于海洋水色的空間分表率為1 km，對大范圍海洋水色變化研究適用，不適用于香港近海海域。文獻[3]利用Landsat-8 陸地成像儀(operational land imager，OLI)多光譜數據，對珠江口懸浮泥沙和葉綠素a進行定量遙感反演，實現了OLI傳感器對懸浮泥沙以及葉綠素a的定量反演和監(jiān)測。楊廣普等利用1986—2015年的Landsat TM/ETM+影像，用過構建基于實測數據的定量反演模型，結合膠州灣實測葉綠素a濃度數據，得到了30年來膠州灣海域秋季葉綠素a濃度的分布情況[4]。針對水體的各參數反演都具有嚴格的指向性，不同類型的水體，相同類型水體不同的水體參數得到的反演模型都是截然不同的，故上述針對不同地域水體的反演模型中的參數敏感度都不同，香港近海水域具有其自身對光學影像的敏感參數。席紅艷等利用剖面數據外推以及水體光譜模擬的方法完成對水下表面遙感反射率光譜的外推，建立反演低濃度區(qū)葉綠素a的半分析算法[5]，但是只是對香港近海部分海域進行了研究，并未覆蓋整個香港海域。Poddar等[6]以Landsat-8 OLI與Sentitle-2多光譜成像儀(multispectral imager，MSI)兩類遙感數據為數據源，利用半分析模型估算了孟加拉灣地區(qū)北部沿海葉綠素a濃度含量，估算效果精度良好，表明了該兩類數據在海洋水色遙感的可行性。Landsat-8與Sentinel-2遙感數據較MODIS遙感數據等具有較高的空間分辨率，而現今存在的基于Landsat-8 OLI以及Sentinel-2 MSI遙感數據的反演大多集中在內陸湖泊，湖泊與海洋的水體結構存在差異，且水質特征不同，證明上述兩類數據對于建立適用于近海屬于典型二類水體的海域的葉綠素a濃度反演模型的可行性。利用遙感影像數據反演對于圖像的云覆蓋率要求嚴格，且上述兩類數據重返周期時間較長，同時研究兩類數據用于全面監(jiān)測該類型水域水色水質變化顯得尤為重要。

鑒于上述現象，分別使用Landsat-8和Sentinel-2兩類遙感影像數據，以香港近海海域為研究對象，結合兩種遙感影像多光譜數據和實測葉綠素a濃度數據，采用半分析模型法，分別建立其對應的葉綠素a濃度反演模型，通過精度評價確定兩種遙感影像數據各自最佳反演模型，并與標準化反演葉綠素a濃度的OCx Ocean Chlorophyll X模型進行比較。利用得到模型對兩種數據衛(wèi)星均有效運行時間段2017—2019年的香港港近海海域葉綠素a濃度進行反演，并對反演結果進行分析。

1 數據獲取及預處理

1.1 實測數據獲取

圖1 研究區(qū)地理位置及實測葉綠素a濃度監(jiān)測點分布

香港近海海域位于中國南部沿岸，北部靠近廣東省，南岸面向中國南海，西岸背對珠江口，東部為半封閉區(qū)域。研究所使用的香港港近海海域葉綠素a實測數據通過香港環(huán)保署官網(https://cd.epic.epd.gov.hk/)下載，總計10個水質控制區(qū)，76個監(jiān)測站點，監(jiān)測點呈環(huán)繞狀分布于香港近岸海岸，每個測站點采樣周期視水體污染程度不同每月2～3次。下載的實測葉綠素a濃度數據與Landsat-8與Sentinel-2遙感影像無云且清晰的數據日期相對應，單位為μg/L。

1.2 遙感影像數據獲取及處理

1.2.1 Landsat-8 OLI遙感數據獲取及處理

Landsat-8衛(wèi)星由NASA于2013年2月11日成功發(fā)射，Landsat-8遙感數據可通過美國地質勘探局(USGS)官網(https://earthexplorer.usgs.gov/)獲得，所使用的遙感影像數據為該衛(wèi)星OLI傳感器拍攝的多光譜數據，OLI陸地成像儀有9個波段，波段1～7、9的空間分辨率為30 m，波段8為15 m分辨率的全色波段，衛(wèi)星每16 d可以實現一次全球覆蓋。成像寬幅為185 km×185 km，共下載2013—2018年研究區(qū)上空云覆蓋程度低于10%，大氣透明度良好且與葉綠素a實測數據采集日期對應的遙感影像11景。

Landsat-8遙感影像的預處理包括輻射定標、大氣校正、水陸分離和波段反射率提取。 輻射定標是將影像的像元值DN經過相應的運算轉化成為輻射強度值或反射率等物理量的處理過程。對于Lansat-8數據來說，輻射強度計算公式為

Lλ=GgainDN+Ooffset

(1)

式(1)中，Lλ為多光譜、熱紅外數據波長為λ時所對應的熱輻射強度，運用ENVI(environment for visualizing images) 5.3軟件中Radiomotric Calibrationm模塊得到；DN為像元值；Ggain為波段增益系數，Ooffset為偏移系數；以上這些大參數均可從Landsat-8原始影像的頭文件(MTL.txt)中獲取[7]。大氣校正是由于衛(wèi)星遙感所接收到各種輻射能(主要指太陽短波輻射能)大多是經過大氣散射、吸收等一系列過程之后被衰減的能量，在能量吸收過程中，受這些因素的影響，傳感器最終接收到的光譜也會發(fā)生變化，為了去除大氣的干擾，得到真實的地表發(fā)射率，需要對影像進行大氣校正，使之能夠精確地反映地物信息。運用ENVI5.3軟件中的FLAASH(fastline-of-sight atmospheric analysis of spectral hypercubes)模型，對Landsat-8多光譜數據進行大氣校正，該模塊是根據MODTRAN(moderate spectral resolution atmospheric transmittan algorithm and computer model)大氣輻射傳輸模型基于像素級的校正。最后根據歸一化水體差異系數(normalized difference water index，NDWI)確定適合香港近海海域水體閾值，進行水陸分離以便精確提取研究區(qū)水體信息，利用ARCGIS 軟件對監(jiān)測點提取各個波段遙感反射率[8]。

1.2.2 Sentinel-2 MSI遙感數據獲取及處理

Sentinel-2衛(wèi)星是歐洲航天局(ESA)研發(fā)的高分辨率多光譜成像衛(wèi)星，Sentinel-2A、Sentinel-2B分別于2015年6月23日，2017年3月07日由“織女號”運載火箭發(fā)射上空。Sentinel-2衛(wèi)星攜帶一枚MSI，高度為786 km，可覆蓋13個光譜波段，幅寬達290 km。地面分辨率分別為10、20、60 m，一顆衛(wèi)星的重訪周期為10 d，兩顆互補，重訪周期為5 d，衛(wèi)星數據如表1所示。從可見光和近紅外到短波紅外，具有不同的空間分辨率，在光學數據中，哨兵-2號數據是唯一一個在紅邊范圍含有3個波段的數據，通過美國地質勘探局官網USGS(https://earthexplorer.usgs.gov/)共下載2017—2018年研究區(qū)上空云覆蓋量低于10%的Sentinel-2影像數據11景，其中Sentinel-2A影像數據5景，Sentinel-2B影像數據6景,具體影像數據如表2所示。

表1 Sentinel-2 傳感器光譜特征信息

表2 Landsat-8 OLI及Sentinel-2 MSI 成像參數

Sentinel-2遙感影像數據的預處理包括大氣校正、重采樣、幾何校正、水陸分離以及波段反射率提取。下載的是Sentinel-2L1C級遙感影像數據，該數據覆蓋范圍為100 km2，為經過UTM/WGS84投影正射影像組成，正射校正時使用數字高程模型(digital elevation model，DEM)投影至制圖坐標下。大氣校正是使用歐空局自身提供的開源大氣校正插件Sen2Cor，它是Sentinel-2 L2A產品生成和格式化處理器，其中B10波段在大氣校正后會被刪除，該波段主要是為大氣校正提供卷積云信息[8-11]。重采樣是基于SNAP軟件的S2 Resampling Processor，使用最鄰近像元法，分辨率為10 m。利用經過幾何精校正的Landsat-8影像作為基準影像，使用ENVI5.3軟件中的Image Registration Workflow插件，選擇同名點后利用3次卷積法進行幾何校正。利用ARCGIS中的幾何提取工具得到監(jiān)測點各個波段遙感反射率。

2 葉綠素a濃度反演

NASA對葉綠素a濃度反演的研究已經達到了相對成熟的地步，由O’Reilly等通過試驗總結得到適應于目前各類遙感數據的全球葉綠素a濃度反演的模型OCx(ocean chlorophyll x)[2]。但由于該模型是建立在全球大范圍海洋面積的葉綠素a濃度反演，對于香港近海小面積海域是否適應存在疑惑。針對香港近海海域，基于半分析模型提出基于Landsat-8 OLI和Sentinel-2 MSI兩種遙感數據的反演模型，并與上述OCx模型進行比較，探究更適應于香港近海海域的海洋葉綠素a濃度反演模型。

2.1 基于OCx模型反演

OCx模型是關于波段反射率Rrs和葉綠素a濃度Cchla的四階多項式，Rrs為波長位于440～670 nm波段的波段反射率。該模型的表達式為

(2)

式(2)中：ai、a0為系數;Rrs(λblue)為輸入Rrs位于藍色波長范圍內最大值；Rrs(λgreen)為Rrs位于綠色波長范圍內的值。

對于Landsat-8 OLI遙感數據的波段分布而言，B1(430～450 nm)、B2(450～510 nm)中心波長分別為443、482 nm，屬于藍色波長范圍；B3(530～590 nm)中心波長為562 nm屬于綠色波長范圍，則模型表達式為

(3)

對于Sentinel-2 MSI遙感數據有Sentinel-2A，Sentinel-2B兩類數據，但中心波長相差5 nm范圍內，對結果影響甚微，合并為一個模型表達式。其中B1(430～453 nm)、B2(458～523 nm)中心波長分別為443、490 nm屬于藍色波長范圍；B3(543～78 nm)中心波長為560 nm屬于綠色波長范圍，則模型表達式為

(4)

對于Landsat-8與Sentinel-2遙感數據的OCx模型構建，都是隨機選取2/3的香港葉綠素a濃度實測數據作為構建OCx模型的應變量，與其相對應的兩種遙感數據關于上述所用波段的波段反射率作為自變量，利用MATLAB軟件進行擬合回歸，生成Landsat-8與Sentinel-2遙感數據對應的OCx模型。

如表3所示，基于Landsat-8與Sentinel-2遙感數據的OCx模型，決定系數R2均低于0.5，與實測葉綠素a濃度并不能達到很好程度的擬合。均方根誤差(root mean squared error，RMSE)相對偏大，說明通過構建OCx模型得到的葉綠素a濃度反演值與實測值相差較大。兩類遙感數據基于OCx模型的反演值與實測葉綠素a濃度的分布均不集中，基于Landsat-8遙感數據得到的反演值均低于2 μg/L，與實測值相差較大，而基于Sentinel-2遙感數據得到的反演值在小于1μg/L范圍內缺失。由于OCx模型的主要是用范圍是針對全球大范圍面積尺度的海洋葉綠素a濃度反演，對于香港近海海域小范圍面積葉綠素a濃度反演并不適用。且OCx模型是建立在較大規(guī)模數據的基礎上進行試驗得到的模型基準，試驗數據相對大范圍面積海洋數據規(guī)模偏小，使實驗結果不理想。

表3 OCx模型構建及精度分析

2.2 基于半分析模型反演

半分析模型反演主要是利用波段反射率或者是波段組合的反射率建立關于葉綠素a濃度的公式算法。Landsat-8和Sentinel-2遙感影像數據經過預處理后，對香港近海海域監(jiān)測站點實測葉綠素a濃度和兩種多光譜數據的各個波段反射率進行Pearson相關性分析，得到與實測數據相關性較大的波段，并對其進行各種類型的波段數學組合。最后得到與實測數據相關性最大的波段或波段組合，以該因子為自變量，實測葉綠素a濃度為因變量，建立葉綠素a濃度反演模型。

2.2.1 葉綠素a濃度反演波段確定

隨機選取2/3的實測數據和其對應的Landsat-8波段反射率，進行Pearson相關性分析。相關性結果表明，在B2(450～510 nm)波段處，遙感反射率與葉綠素a實測值相關性最高，結合葉綠素的反射光譜特性，有與葉綠素對藍光和紅光的吸收作用強，故在B2波段(綠光)附近反射作用處于一個峰值狀態(tài)。與此同時對于B1(430～450 nm)和B3(530～590 nm)兩個波段和實測葉綠素a濃度的相關性顯著，說明對于反射率并不是非常高的波段，葉綠素a濃度也會相對比較敏感。

結合海洋葉綠素a濃度反演研究的經驗，現有常用的水色遙感反演波段類型主要有：單波段因子、雙波段比值、多波段組合和歸一化植被指數[9-10]。利用2/3的實測葉綠素a濃度數據以及對應的Landsat-8遙感影像數據提取的遙感反射率，結合上述單波段相關性系數r，對Landsat-8的7個波段進行上述反演因子組合，并對其組合產生結果及其實測對應葉綠素a濃度再次進行Pearson相關性分析。從分析結果得出，B2+B3/B1+B4該波段與實測數據的相關性最高，r=0.816，將該波段作為Landsat-2 OLI遙感數據建立半分析模型的輸入自變量。

相比Landsat-8 遙感影像數據，Sentinel-2遙感影像數據對于電磁波波長具有更加詳細的劃分，如圖2所示，結合站點的反射光譜曲線分析發(fā)現，在B2(490 nm)與B3(560 nm)處，香港近海海域葉綠素a的光譜反射率呈現一定的峰值，這是由于葉綠素a的生物構造對綠光反射作用強造成。同時在B9(945 nm)近紅外波段，也存在一個反射陡坡，這是因為水體在含有葉綠素的情況下，近紅外波段的反射率會有一定的抬升[9]。利用隨機選取2/3的實測數據和其對應的Sentinel-2波段反射率，進行Pearson相關性分析。

圖2 香港近海海域監(jiān)測站點基于遙感影像數據反射光譜特征

相關性分析結果如表4所示，B2波段反射率與實測葉綠素a濃度相關系數為-0.817，呈現明顯的負相關，B1波段僅次于其，同樣呈現出相關性顯著的趨勢。剩余波段也各自呈現出與實測葉綠素a濃度高低不均的相關性，由于Sentinel-2遙感數據波段較多，從而挑選了相關性系數大于0.5的波段進行雙波段比值，多波段組合，歸一化植被指數等組合，將其作為反演因子與其對應實測葉綠素a濃度再次進行Pearson相關性分析。相關性結果顯示，1/B2該波段與實測數據相關性最佳r=0.857，確定將其作為確定Sentinel-2 MSI遙感數據建立半分析模型的輸入自變量。

表4 Landsat-8 遙感數據波段及波段組合反射率與實測葉綠素a濃度相關系數

為了更好地顯示各類波段與葉綠素a濃度實測值的相關性，將每種波段類型中選取相關性系數最高的波段與其對應的實測值建立散點分布(圖3)?？梢钥闯?，對于Landsat-8 OLI與Sentinel-2 MSI遙感數據，雙波段比值和多波段組合的相關性比單波段要高。但是對于Landsat-8遙感數據而言，多波段組合對實測數據更敏感；對Sentinel-2遙感數據來說，雙波段比值對實測數據更敏感。說明對于不同的數據而言，反演葉綠素a濃度具有各自不同的敏感波段，反演模型不具有通用性。

表5 Sentinel-2 遙感數據波段及波段組合反射率與實測葉綠素a濃度相關系數

圖3 實測葉綠素a濃度與遙感影像數據反演波段分布

2.2.2 基于Landsat-8 OLI 與Sentinel-2 MSI葉綠素a濃度反演模型

對于Landsat-8遙感數據而言，(B2+B3)/(B1+B4)組合作為反演因子與實測葉綠素a濃度相關性分析表明，顯著性P<0.001，表明在99%的置信區(qū)間內兩者顯著相關，故將其作為基于Landsat-8遙感數據構建香港港近海海域葉綠素a濃度反演模型的特征變量。同理可得，將1/B2組合為反演波段，作為基于Sentinel-2遙感數據構建香港近海海域葉綠素a濃度反演模型的特征變量。利用最小二乘曲線擬合原理，以上述兩種遙感數據的反演因子作為自變量，其對應的實測葉綠素a濃度作為應變量，利用MATLAB軟件對其進行回歸分析，分別建立了一元線性、e指數、一元二次、對數、冪指數模型。

利用確定系數和均方根誤差對建立的反演模型進行精度評價，對于Landsat-8 OLI遙感數據而言，一元二次模型Y=6.8x2-20.77x+17.02的R2=0.728，證明其精度高于其余4種模型，RMSE=1.189,一元二次模型的反演值與實測值的偏差小于其余四種模型，故選取Y=6.8x2-20.77x+17.02作為Landsat-8遙感數據對香港近海海域葉綠素a濃度反演半分析模型；同理對于Sentinel-2 MSI遙感數據，一元二次模型Y=-3.345e+05x2+3 826x-3.44，R2=0.757 9，RMSE=1.047，證明其反演結果優(yōu)于剩下4種回歸模型，將其作為Sentinel-2遙感數據反演香港近海海域葉綠素a濃度的反演半分析模型。

2.3 反演模型精度評價

利用Pearson(皮爾遜)相關系數來衡量反演因子與實測數據之間的相關性，Pearson系數為-1～1，當系數值為負數時表示反演因子與實測數據呈現負相關，反之當系數值為正值時則為正相關。為評價各個反演模型對葉綠素a濃度的反演精度，將剩下1/3用于驗證的遙感數據反射率代入各個模型中，計算得到的反演值與其相對應的1/3實測數據進行確定系數R2，均方根誤差RMSE評價，其中R2用于評價實測數據與反演值線性相關程度，RMSE反映反演值與實測值之間的偏差程度。

(5)

(6)

表6 基于Landsat-8 OLI和Sentinel-2 MSI 葉綠素a濃度遙感反演模型及和精度比較

(7)

3 結果與分析

3.1 基于Landsat-8 OLI遙感數據反演模型精度檢驗

表7 基于Landsat-8 OLI遙感數據兩種反演模型相對誤差

如圖4所示，葉綠素a濃度實測值與驗證值折線圖，可以發(fā)現半分析模型得到的驗證值趨勢與實測葉綠素a濃度值大致相似，而OCx模型只有少許點趨勢相符合，沒有過高的點出現，整體驗證值偏低，大致走勢與葉綠素a濃度實測值大相徑庭。

圖4 基于Landsat-8 OLI遙感數據葉綠素a濃度實測值與驗證值折線圖

3.2 基于Sentinel-2 MSI遙感數據反演模型精度檢驗

表8 基于Sentinel-2 MSI遙感數據兩種反演模型相對誤差

通過葉綠素a濃度的反演值和驗證值的折線圖(圖5)可以的發(fā)現，在實測葉綠素a濃度值偏低時，OCx模型得到的驗證值普遍高于實測值；而在實測葉綠素a濃度偏高時，OCx模型的驗證值還是處于中等水平，總體趨勢不一致。半分析模型的驗證值與實測葉綠素a濃度總體走勢一致，沒有相對過高過低的值出現，半分析模型的反演較為平穩(wěn)。

圖5 基于Sentinel-2 MSI遙感數據葉綠素a濃度實測值與驗證值折線圖

3.3 不同模型精度檢驗比較

如圖6所示，實測葉綠素a濃度值與驗證值的分布圖，對于Landsat-8遙感數據，基于OCx模型中得到的驗證值總是在0～2 μg/L范圍內集中，缺少在高濃度范圍內的值；而半分析模型中的Landsat-8驗證值與實測值呈現的還是較為吻合的正相關分布。Sentinel-2遙感數據中，OCx模型(圖7)的驗證值也是主要分布在1～4 μg/L范圍內，低濃度區(qū)域值缺少，少數驗證值與實測值的擬合程度良好；在半分析模型中(圖7)，Sentinel-2遙感數據得到的驗證值與實測值在各個濃度的擬合情況都良好，整體呈現正相關。

圖6 葉綠素a濃度OCx模型反演值和實測值精度比較

圖7 葉綠素a濃度半分析模型反演值和實測值精度比較

在半分析模型中，Landsat-8遙感數據得到的驗證值結果R比Sentinel-2遙感數據得到的驗證值高，表明Landsat-8遙感數據得到的驗證結果與實測結果擬合結果更佳；而RMSE則是Sentinel-2遙感數據的驗證結果更低，表明Sentinel-2遙感數據得要的驗證結果與實測數據的偏差量更小。

整體而言，由于反演模型結果的置信度是與統計樣本呈正相關的，擴展統計樣本的數量在一定程度上可以使反演模型的精度達到更高的水平。但是由于Landsat-8 OLI傳感器以及Sentinel-2 MSI 傳感器的實際現實成像時間都較晚，尤其是Sentinel-2 MSI傳感器與之對應的實測葉綠素a采集時間自2017年開始。加之，經香港上空范圍內的Landsat-8遙感影像數據與Sentinel-2 遙感影像數據無云且晴朗的遙感影像數量較少，多數影像數據在香港近海上空都存在積云或薄云現象，實驗樣本數據偏少。此外基于遙感影像數據進行葉綠素a濃度的反演結果反映的是一定范圍內的綜合效應[8]，使用的葉綠素a濃度實測數據為次表層葉綠素a濃度，考慮到葉綠素的垂直分布特征，兩類遙感數據的反演值也是在正常范圍內[11]。

3.3 葉綠素a濃度反演

為了對Landsat-8 OLI遙感數據和Sentinel-2 MSI遙感數據反演香港近海海域葉綠素a濃度的模型進行進一步直觀的比較和分析，選取了兩個傳感器所拍攝香港上空可見度高且云量少相同日期(2017年10月—2019年10月)的遙感影像，利用OCx模型與半分析模型分別對影像進行了葉綠素a濃度回歸處理。

如圖8所示，可以看到對于Landsat-8與Sentinel-2兩類遙感數據，整體反演結果葉綠素a濃度低于4 μg/L，呈現低濃度且均一化分布，沒有地域性葉綠素a濃度劃分。位于香港近海東北部分海域，水循環(huán)緩慢，水質含惡性營養(yǎng)物質高，水中生物繁殖迅速，葉綠素a濃度偏高，但是基于OCx模型反演圖中并未體現。

圖8 2017年10月、2018年10月及2019年10月基于OCx模型的香港近海海域葉綠素a濃度分布反演圖

基于半分析模型得到的葉綠素a濃度反演圖在香港近海東北位置海域葉綠素a濃度高于其他位置海域，與事實相符合。對比Landsat-8遙感數據與Sentinel-2遙感數據，Sentinel-2遙感數據的反演圖在葉綠素a濃度的劃分上現實的更加精準。對比圖8、圖9，基于半分析模型得到的反演圖較基于OCx模型得到的反演圖反演結果更佳，適用于香港近海海域葉綠素a濃度的監(jiān)測，且結合Landsat-8與Sentinel-2兩種遙感數據可以更加全面的進行監(jiān)測。

圖9 2017年10月、2018年10月及2019年10月基于半分析模型的香港近海海域葉綠素a濃度分布反演圖

兩類數據反演得到的葉綠素a濃度分布情況存在較明顯不一致區(qū)域位于香港近海海域東部吐露港及海峽與避風港區(qū)域，可以很明顯地看到基于Sentinel-2遙感數據反演的葉綠素a濃度較Landsat-8遙感數據反演的葉綠素a濃度變化明顯。2018年10月葉綠素a濃度分布結果[圖9(e)]可以看出，吐露港及海峽與避風港區(qū)域葉綠素a濃度最高達到了18.48 μg/L，且在這個小范圍近海海域，葉綠素a濃度呈現出非常明顯的濃度變化，且變化豐富，基于Sentinel-2遙感數據反演得到的結果更精細。

就香港近海海域葉綠素a濃度整體分布而言，兩類數據的反演結果都一致表明近海海域內部葉綠素a濃度高于外部，位于香港東部海域內部的吐露港及海峽與避風灣區(qū)域葉綠素a濃度均高于東部海域外部MIRS灣區(qū)域，而位于香港西部海域內部的西部緩沖區(qū)、南部緩沖區(qū)、北部緩沖區(qū)以及西部緩沖區(qū)區(qū)域的葉綠素a濃度一般高于位于香港港西南位置的維多利亞灣區(qū)域。由于香港近海海域內部靠近城市，海水中長期伴隨著生活污水，工業(yè)制造排放的廢水等富含高一樣物質水體，導致靠近城市的內部海域水體中的葉綠素a濃度增高。而位于香港近海海域外部的水體流動性較內部水體更高，與其相鄰的海水內部能量流動轉換，降低了內陸排放水源中的成分，其葉綠素a濃度也相對降低。

4 結論

基于Landsat-8 OLI及Sentinel-2 MSI 遙感數據，采用OCx模型與半分析模型算法，對香港近海海域葉綠素a濃度分別建立反演回歸模型，結合統計數據比較分析了兩類數據源對香港港近海海域葉綠素a濃度分布結果。得到以下結論。

(2)基于半分析模型反演，根據香港近海海域監(jiān)測點實測葉綠素a濃度，Landsat-8 遙感影像數據提取的對應遙感反射率計算得到的最佳反演因子為(B2+B3)/(B1+B4)，r為0.816。Sentinel-2遙感影像數據提取的對應遙感反射率計算得到的最佳反演因子為1/B2，r為0.857?；贚andsat-8遙感數據建立的最佳反演回歸模型為Y=6.8x2-20.77x+17.02，R2=0.728 0?；赟entinel-2遙感數據建立的最佳反演回歸模型為Y=-3.345e+05x2+3 826x-3.44，R2=0.757 9。

(3)對兩種模型進行精度驗證的結果顯示，半分析模型對于Landsat-8 OLI與Sentinel-2 MSI遙感數據而言，更適用于香港近海海域葉綠素a濃度反演，與此同時也證明了這兩種數據對于反演香港近海海域葉綠素a濃度的實用性。

(4)整體而言，基于Sentinel-2 遙感數據回歸得到的香港近海海域葉綠素a濃度分布結果較Landsat-8遙感數據回歸得到的結果變化更明顯。而香港近海海域也呈現出內部海域葉綠素a濃度高于外部葉綠素a濃度的現象，但由于兩類不同傳感器的影像數據受到過境時間不一致還有云量的限制，導致可以拿來比較且同一時間的影像過少，這些因素都在一定程度上影響了反演精度和對兩種數據反演結果比較的全面性。