宋子豪

摘 要：本文以鄱陽湖為研究區(qū)，對(duì)水體進(jìn)行光學(xué)分類，并針對(duì)不同類別水體構(gòu)建懸浮泥沙濃度反演模型，以提高其反演精度。結(jié)果表明，分類后懸浮泥沙濃度反演模型精度均有所提高。

關(guān)鍵詞：鄱陽湖;光學(xué)分類;懸浮泥沙;反演模型

中圖分類號(hào)：TP79;X832文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2021）10-0121-04

Research on Retrieval of Suspended Sediment Concentration in Poyang Lake Based on Remote Sensing Reflectance Classification

SONG Zihao

（School of Civil and Surveying & Mapping Engineering， Jiangxi University of Science and Technology，Ganzhou Jiangxi 341000）

Abstract： In this paper， Poyang Lake is taken as the research area， the water body is optically classified， and the inversion model of suspended sediment concentration is constructed for different types of water body to improve the inversion accuracy. The results show that the accuracy of the model is improved after classification.

Keywords： Poyang Lake;optical classification;suspended sediment;inversion model

懸浮泥沙是評(píng)價(jià)水體水質(zhì)的重要指標(biāo)之一，其濃度的高低直接影響水體的光學(xué)性質(zhì)，因此，獲得懸浮泥沙濃度在時(shí)間和空間上的分布信息對(duì)于管理和保護(hù)湖泊生態(tài)系統(tǒng)是非常必要的[1]。利用遙感技術(shù)反演水體的懸浮泥沙濃度具有方便、快速及有效的特點(diǎn)，使得大范圍、低成本的水質(zhì)監(jiān)測(cè)成為可能[2]。受氣候、陸地和人類活動(dòng)的影響，二類水體成分和光學(xué)特性較為復(fù)雜，目前還無法建立一種通用的高精度懸浮泥沙反演模式。為了克服二類水體水色參數(shù)反演算法時(shí)空上的局限性，很多學(xué)者提出對(duì)具有相似光學(xué)特性的水體進(jìn)行分類，分別為每一類水體單獨(dú)開發(fā)一種特定的反演模型，以提高其反演精度，并取得了不錯(cuò)的成果。周曉宇等基于太湖水體原位觀測(cè)數(shù)據(jù)，對(duì)太湖水體進(jìn)行了光學(xué)分類，并基于分類建立了適用于不同類別水體的總懸浮物濃度高光譜反演模型。結(jié)果表明，分類后反演模型在精度和穩(wěn)定性上均有所提升[3]。李淵等利用環(huán)境一號(hào)建立了基于分類的太湖和巢湖水體總懸浮物濃度反演模型，同樣表明了基于分類的方法可以有效提高反演估算精度[4]。Vantrepotte等使用Ward算法把不同季節(jié)英吉利海峽東部、北海南部和法屬圭那三個(gè)地區(qū)水域的211個(gè)站位的水體光譜數(shù)據(jù)分成了4類，通過對(duì)懸浮物濃度的估計(jì)，證明了基于分類的反演算法在改善海洋顏色產(chǎn)品檢索方面的潛力，以及該類特定算法在衛(wèi)星信息方面的適用性[5]。本文以鄱陽湖為研究區(qū)，對(duì)水體進(jìn)行光學(xué)分類，針對(duì)不同類別水體構(gòu)建懸浮泥沙濃度反演模型，以提高其反演精度。

1 數(shù)據(jù)處理與研究方法

研究中使用2014年7月、9月和2015年8月野外航行采集的實(shí)測(cè)數(shù)據(jù)，主要包括采樣點(diǎn)經(jīng)緯度坐標(biāo)、懸浮泥沙濃度和水體光譜數(shù)據(jù)。其中，2014年7月和9月的反射率數(shù)據(jù)用于水體的分類研究，2015年8月的懸浮泥沙濃度數(shù)據(jù)作為反演模型的精度驗(yàn)證。

反射率是水體分類的核心，為了獲取水體原位反射率，對(duì)參數(shù)進(jìn)行計(jì)算，公式為：

[Rrs=Lsw-ρ Lsky/Lpλπ/ρpλ]? ? ? ? ? ? （1）

式中：[Lsw]為水面總輻亮度;[ρ]為氣水界面對(duì)天空光的反射率;[Lsky]為天空方向的輻亮度;[ρpλ]為標(biāo)準(zhǔn)板反射率;[Lpλ]為測(cè)得的標(biāo)準(zhǔn)板輻亮度。通過計(jì)算，得到2014年兩次采樣的反射率曲線（見圖1）。選擇與實(shí)測(cè)數(shù)據(jù)相近時(shí)間的Landsat8遙感影像，使用ENVI5.3軟件對(duì)影像進(jìn)行輻射定標(biāo)和大氣校正，以獲取影像反射率值，用于反演模型的建立。

K均值算法是目前應(yīng)用較為廣泛的一種聚類分析方法，已有諸多學(xué)者將其應(yīng)用于水體分類研究中。Feng等利用K均值算法對(duì)東京灣45個(gè)觀測(cè)站的水體光譜進(jìn)行分類，并基于水體分類提出了一種優(yōu)化參數(shù)反射模型的方法，與未分類水體相比，分類水體的模型精度在正向上顯著提高[6]。Xue等使用K均值算法，對(duì)長江和淮河流域下游的幾個(gè)大型湖泊現(xiàn)場(chǎng)測(cè)量的遙感反射率進(jìn)行分類，針對(duì)不同類別水體開發(fā)了用于估算浮游植物的反演算法。結(jié)果表明，基于類別的反演算法在估算生物光學(xué)參數(shù)以及監(jiān)測(cè)光學(xué)變化復(fù)雜的湖水研究中具有很好的潛力[7]。本研究利用K均值算法對(duì)反射率曲線進(jìn)行聚類，采用逐次迭代的聚類方法，即初始類別數(shù)目定義一個(gè)較大的數(shù)，每次聚類完成后合并距離最近的兩個(gè)類，反復(fù)迭代直到聚類結(jié)束。

2 結(jié)果與分析

2.1 反射率分類結(jié)果

使用2014年7月和9月的反射率進(jìn)行分類研究，在聚類過程中初始類別定義為10類，在考慮每一類的光譜形狀后將水體反射率數(shù)據(jù)集最終分為4類（見圖2），并統(tǒng)計(jì)了四種類別水體懸浮泥沙參數(shù)，見表1。從圖2可以看出，類別一到類別四所包含的反射率曲線數(shù)量、大小和形狀均有所不同。通過分析每一類水體的光譜曲線特征和水色參數(shù)濃度可知：對(duì)于類別一，其光譜曲線在570～710 nm形成了一個(gè)略斜的寬峰，且峰值整體較高，反射率在0.05以上，懸浮泥沙平均濃度為0.066 7 g/L，該類水體屬于高度渾濁水體;對(duì)于類別二，其光譜曲線在570～710 nm同樣有一個(gè)寬峰，斜率較類型一水體高，而在580 nm附近有一個(gè)較窄的反射峰，隨著波長的增加，反射率峰值下降，在670 nm附近出現(xiàn)一個(gè)不太明顯的反射谷值，在810 nm，出現(xiàn)一個(gè)低峰，懸浮泥沙平均濃度為0.060 2 g/L，該類水體屬于中度渾濁水體;對(duì)于類別三，其光譜曲線的寬峰狀態(tài)不太明顯，570 nm附近的反射峰更為明顯，隨著波長的增加，反射率值下降得較前兩類水體快，即坡度更為陡峭，懸浮泥沙平均濃度為0.051 0 g/L，該類水體屬于低度渾濁水體;對(duì)于類別四，其反射率值整體最低，最高值在0.025以下，在560 nm附近出現(xiàn)明顯的峰值，主要是由藻類色素的低吸收和無機(jī)懸浮物、浮游植物細(xì)胞壁的散射作用所致，反射率整體形狀為中間高兩側(cè)低，675 nm處出現(xiàn)谷值，而在700 nm處又出現(xiàn)一個(gè)峰值，懸浮泥沙平均濃度為0.023 9 mg/L，該類水體屬于清澈水體。

2.2 懸浮泥沙反演模型構(gòu)建

基于上述水體分類結(jié)果和Landsat8影像，對(duì)不同類別水體進(jìn)行懸浮泥沙反演模型的構(gòu)建，用于構(gòu)建模型的采樣點(diǎn)對(duì)應(yīng)的影像反射率值如圖3所示。選取適合模型構(gòu)建的敏感性波段，將波段1～7的反射率值與懸浮泥沙濃度進(jìn)行線性回歸分析，不同波段的決定系數(shù)見表2。從表2可以看出，波段1～4對(duì)懸浮泥沙濃度的敏感度最好，決定系數(shù)較高;而波段比值可以消除影像噪聲，降低其他水質(zhì)參數(shù)影響，提高模型精度，因此將波段1～4進(jìn)行組合，發(fā)現(xiàn)（Band1+Band4）/（Band1/Band4）組合可以有效提高對(duì)懸浮泥沙的敏感度，[R2]達(dá)到0.867，可以作為模型構(gòu)建的自變量因子。基于該變量分別為分類前后的水體進(jìn)行了懸浮泥沙反演模型的構(gòu)建，每種類型水體的最優(yōu)反演模型見表3。從表3可以看出，相對(duì)于未分類水體的懸浮泥沙反演模型，分類后構(gòu)建的模型相關(guān)性均有不同程度的提高。為了評(píng)價(jià)模型的有效性，使用2015年8月采樣的懸浮泥沙濃度數(shù)據(jù)對(duì)模型進(jìn)行驗(yàn)證，結(jié)果見表4。從表4可以看出，相對(duì)于未分類水體的反演模型，分類后的懸浮泥沙反演模型精度均有所提高，平均絕對(duì)誤差和平均相對(duì)誤差明顯下降，這表明對(duì)水體先分類再反演的方法可以有效提高懸浮泥沙濃度的反演精度。

3 結(jié)論

本研究利用K均值算法將鄱陽湖水體反射率分成4類，不同類別水體具有獨(dú)特的光學(xué)特性，基于Landsat8影像分別為每一類水體建立了最優(yōu)懸浮泥沙濃度反演模型，并使用實(shí)測(cè)數(shù)據(jù)進(jìn)行驗(yàn)證。結(jié)果表明，除類別三水體外，其他類型水體的最優(yōu)反演模型均為二次函數(shù)模型，相對(duì)于未分類水體，分類后反演精度均得到了提升，平均絕對(duì)誤差由0.002 2 g/L降低至0.001 075 g/L，平均相對(duì)誤差由8.76%降低至4.865%。

參考文獻(xiàn)：

[1]鄔國鋒，崔麗娟，紀(jì)偉濤.基于時(shí)間序列MODIS影像的鄱陽湖豐水期懸浮泥沙濃度反演及變化[J].湖泊科學(xué)，2009（2）：288-297.

[2]劉王兵，于之鋒，周斌，等.杭州灣HJCCD影像懸浮泥沙遙感定量反演[J].遙感學(xué)報(bào)，2013（4）：905-918.

[3]周曉宇，孫德勇，李云梅，等.結(jié)合水體光學(xué)分類反演太湖總懸浮物濃度[J].環(huán)境科學(xué)，2013（7）：2618-2627.

[4]李淵，李云梅，施坤，等.基于光譜分類的總懸浮物濃度估算[J].光譜學(xué)與光譜分析，2013（10）：2721-2726.

[5]VANTREPOTTE V，LOISEL H，DESSAILLY D，et al. Optical classification of contrasted coastal waters[J]. Remote Sensing of Environment，2012（none）：306-323.

[6]FENG H， CAMPBELL J W， DOWELL M D， et al. Modeling spectral reflectance of optically complex waters using bio-optical measurements from Tokyo Bay[J]. Remote Sensing of Environment，2005（3）：232-243.

[7]XUE K，MA R，WANG D， et al. Optical Classification of the Remote Sensing Reflectance and Its Application in Deriving the Specific Phytoplankton Absorption in Optically Complex Lakes[J].Remote Sensing，2019（2）：184.