MERIS影像水環(huán)境遙感大氣校正算法評價
——以鄱陽湖葉綠素a濃度反演為例?

曾 群，張海東，陳曉玲，田禮喬??，李文凱，王國良

（1：華中師范大學學報編輯部，武漢430079）（2：華中師范大學城市與環(huán)境科學學院，武漢430079）（3：武漢大學測繪遙感信息工程國家重點實驗室，武漢430079）

MERIS影像水環(huán)境遙感大氣校正算法評價
——以鄱陽湖葉綠素a濃度反演為例?

曾 群1，2，張海東2，陳曉玲3，田禮喬3??，李文凱2，王國良3

（1：華中師范大學學報編輯部，武漢430079）（2：華中師范大學城市與環(huán)境科學學院，武漢430079）（3：武漢大學測繪遙感信息工程國家重點實驗室，武漢430079）

MERIS是2002年發(fā)射的在軌運行近10年的ENVISAT-1衛(wèi)星上搭載的主要傳感器之一，在波段設置和輻射靈敏度等方面有非常突出的優(yōu)勢，能夠較好地運用于Ⅱ類水體葉綠素a濃度反演，但Ⅱ類水體的大氣校正仍然是亟待解決的一個關鍵問題.以我國第一大淡水湖——鄱陽湖為研究區(qū)域，采用FLAASH、6S、BEAM和QUAC共4種大氣校正算法對2005和2011年具有同步實測光譜數(shù)據(jù)的鄱陽湖ENVISAT-1衛(wèi)星MERIS影像進行大氣校正處理，并對12種葉綠素a濃度反演模型的波段組合因子進行大氣校正效果的對比分析.結果表明：（1）4種大氣校正中，大氣校正結果精度由高到低表現(xiàn)為FLAASH＞6S＞BEAM＞QUAC，平均相對誤差分別為31.13%、31.88%、69.48%和42.64%；決定系數(shù)（R2）分別為0.60、0.57、0.38和0.24；（2）在12種葉綠素a濃度反演模型的波段組合因子中，F(xiàn)LAASH得到的結果最優(yōu)，其次是6S，BEAM和QUAC最差，在FLAASH算法中，由665、708和753 nm 3個波段遙感因子（（Rrs（510）／［Rrs（443）／Rrs（560）］）組成的模型精度最高，平均相對誤差為25.12%，R2為0.74.建議采用FLAASH大氣校正結果組成這個波段組合進行鄱陽湖葉綠素a濃度反演.

水色遙感；大氣校正；葉綠素a；MERIS；FLAASH；6S；BEAM；QUAC；鄱陽湖

the most accurate one，the MRE is 25.12%，the determination coefficient is 0.74.This band combination of FLAASH atmospheric correction results is recommended for the chlorophyll-a inference in the Lake Poyang.

?國家自然科學基金項目（41571344，41331174）、中國水利水電科學研究院流域水循環(huán)模擬與調(diào)控國家重點實驗室開放研究基金項目（IWHR-SKL-201514）和2015測繪地理信息公益性行業(yè)科研專項（201512026）聯(lián)合資助.2015-07-25收稿；2016-03-02收修改稿.曾群（1971～），女，博士，副教授；E-mail：zengqun＠m(xù)ail.ccnu.edu.

??通信作者；E-mail：tianliqiao＠whu.edu.cn.

和許多發(fā)展中國家一樣，中國的水污染已經(jīng)成為一個非常嚴重的環(huán)境問題，并且給人類的健康帶來了很大的風險［1］.由于自然環(huán)境的變化和人類活動的影響，中國的一些大湖正在遭受越來越嚴重的富營養(yǎng)化（如太湖、巢湖）［2-4］，并且導致嚴重的環(huán)境問題和社會問題.鄱陽湖作為我國第一大淡水湖，具有涵養(yǎng)水源、調(diào)蓄洪水、調(diào)節(jié)氣候和保護土壤等生態(tài)功能［5］.隨著社會經(jīng)濟的快速發(fā)展，近年來鄱陽湖也有著水體富營養(yǎng)化的趨勢［6-7］.葉綠素a濃度不僅是重要的水色參數(shù)之一，也是中國環(huán)境監(jiān)測總站推薦的湖泊（水庫）營養(yǎng)化評價指標之一.因此，鄱陽湖水體葉綠素a濃度的監(jiān)測對于水質(zhì)、水環(huán)境的監(jiān)控以及社會經(jīng)濟可持續(xù)發(fā)展有重要的現(xiàn)實意義.

常規(guī)的葉綠素a逐點采樣方法不僅受諸多條件限制，而且僅僅能夠提供空間上的點狀信息，不能同步提供整個水域葉綠素a濃度的空間分布情況，遙感具有視點高、視域廣、數(shù)據(jù)獲取快和可重復覆蓋、連續(xù)觀測的特點，能夠?qū)θ~綠素a濃度進行有效監(jiān)測.常用的水色傳感器MODIS和SeaWiFS具有較高的信噪比，但是1100 m的空間分辨率限制了其在較小水域面積中的應用，而Landsat TM／TM＋雖然有30 m的空間分辨率，但是其有限的光譜設置和較低的信噪比依然不能很好地解決在渾濁、動態(tài)水域的葉綠素a濃度反演問題.中等分辨率成像頻譜儀（Medium Resolution Imaging Spectrometer Instrument：MERIS）是ENVISAT-1上搭載的主要傳感器之一，空間分辨率為300 m，地面刈幅寬為1150 km，與MODIS、Landsat傳感器相比，在波段設置和輻射靈敏度等方面都有較大的優(yōu)勢，是目前最有優(yōu)勢的能用于葉綠素a濃度反演的水色傳感器之一［8］.

水體區(qū)域作為一種暗目標信號，其有效輻射信號（離水輻亮度）僅占傳感器總信號的10%左右（大洋I類水體）［9］.對于水色遙感而言，首要問題在于大氣校正.Gordon提出的大氣校正方法在I類水體得到廣泛應用［10］，但不適用于沿海和內(nèi)陸II類水體區(qū)域.歐洲空間局（European Space Agency，ESA）發(fā)展的MERIS數(shù)據(jù)處理軟件BEAM內(nèi)嵌的II類水體大氣校正算法能否適合中國渾濁水體區(qū)域還需要進一步驗證.目前，在鄱陽湖葉綠素a濃度反演研究中，只有馮練等［11］通過一種新的經(jīng)驗算法對鄱陽湖葉綠素a濃度進行過相應的研究，但并沒有從大氣校正的角度來對鄱陽湖葉綠素a濃度進行深入探討.

本文采用FLAASH、6S、BEAM和QUAC共4種不同的大氣校正算法，以鄱陽湖為研究區(qū)域，對2005和2011年兩景具有同步實測光譜數(shù)據(jù)的MERIS影像進行處理并對比分析，來綜合評判4種算法的優(yōu)缺點和適用性，以期為鄱陽湖水域葉綠素a濃度的動態(tài)監(jiān)測提供基礎支撐.

1 研究區(qū)域及數(shù)據(jù)預處理

1.1 研究區(qū)域

鄱陽湖（28°22′～29°45′N，115°47′～116°45′E）位于江西省北部、長江南岸，是我國最大的淡水湖（圖1）.有著典型的過水性、吞吐型、季節(jié)性內(nèi)陸湖泊的特征［12］，鄱陽湖上承贛江、撫河、信江、饒河和修水“五河”之水，下接長江，經(jīng)調(diào)蓄后由湖口注入長江.近年來由于工業(yè)廢水和生活用水的排放，鄱陽湖水質(zhì)越來越差，水體富營養(yǎng)化趨勢進一步加劇［12-13］.

1.2 數(shù)據(jù)源

1.2.1 實測數(shù)據(jù) 2005年7月4日和2011年7月24日，對鄱陽湖進行2次野外觀測，獲取20個站位（圖1）的光譜數(shù)據(jù)和水質(zhì)數(shù)據(jù)等現(xiàn)場實測數(shù)據(jù).水體光譜測量采用美國Ocean Optics公司的HR2000光纖光譜儀，該光譜儀的波段范圍200～1100 nm，共2048個波段，最高光譜分辨率為0.035 nm（FWHM）.采樣當天，天空晴朗無云，水面少有微風.數(shù)據(jù)以12 b格式存儲，積分時間可調(diào)（3 ms～65 s），視場角可調(diào).采用NASA和SIMBIOS推薦的觀測幾何參數(shù)，即儀器觀測平面與太陽入射平面的夾角?v和儀器與海面法線方向的夾角θv（?v＝135°，θv＝40°），對水體進行水面以上法光譜測量，并推導出水體遙感反射率（1／sr）.

1.2.2 影像數(shù)據(jù) 本文采用的衛(wèi)星遙感數(shù)據(jù)為MERIS影像，對于水體光學特征復雜的鄱陽湖而言，能更好地

發(fā)揮MERIS在波段設置和輻射靈敏度方面的優(yōu)勢.并且在國內(nèi)外已經(jīng)有很多的專家學者利用MERIS影像評估內(nèi)陸和沿海水質(zhì)的案例［7］.綜合考慮云覆蓋衛(wèi)星數(shù)據(jù)質(zhì)量與獲取時間、太陽光照條件變化、實測數(shù)據(jù)質(zhì)量等因素，選取2005年7月4日和2011年7月24日MERIS兩景鄱陽湖區(qū)域無云MERIS影像進行大氣校正.從歐洲空間局網(wǎng)站http：／／eopi.esa.int／esa／esa／可以獲得更多關于MERIS傳感器及相關信息.獲取的MERIS影像為原始DN值，在大氣校正處理前，采用公式（1）進行輻射定標處理：

圖1 鄱陽湖2005年7月4日和2011年7月24日MERIS影像及同步采樣站點分布Fig.1 Location of sampling sites in Lake Poyang on July 4th 2005 and July 24th 2011

式中，Lλ為MERIS影像波段的光譜輻射亮度（W／（m2·sr·μm）），gain和offset分別為絕對定標增益和偏移系數(shù)，可以從頭文件中獲得，DN為原始影像灰度值.

2 MERIS影像大氣校正處理方法

2.1 FLAASH大氣校正

FLAASH是光學成像研究所-波譜科學研究所（Spectral Sciences Inc.）在美國空軍研究實驗室（U.S.Air Force Research Laboratory）支持下開發(fā)的大氣校正模塊.波譜科學研究所在1989年大氣輻射傳輸模型開發(fā)初期就廣泛從事MODTRAN的研究工作，已成為大氣輻射傳輸模型開發(fā)過程中不可缺少的一員.FLAASH能適用于高光譜遙感數(shù)據(jù)和多光譜遙感數(shù)據(jù)處理［12，14-15］.

選擇ENVI（4.8）軟件中的FLAASH大氣校正模塊對兩景MERIS影像進行大氣校正.校正前需要將影像存儲格式由BSQ（波段順序格式）轉換成BIP（波段逐像元交叉順序）或BIL（波段逐行交叉順序）.其中，F(xiàn)LAASH大氣校正模塊所需的中心經(jīng)緯度、傳感器高度、飛行時間、地面分辨率等具體參數(shù)均可在頭文件（.hdr）中獲得.大氣模型選擇農(nóng)村型，氣溶膠模型根據(jù)查找表獲得，大氣能見度是從同步的實測MICROTOPSⅡ太陽光度計獲取的550 nm波段的氣溶膠光學厚度轉換得到（表1）.

2.2 6S大氣校正

6S（Second Simulation of Satellite Signal in the Solar Spectrum）輻射傳輸模型考慮了氣體吸收分子和氣溶膠散射，在太陽—地物—傳感器的光線傳輸路徑中，對光線受大氣的影響進行不同的描述，其中包括7種大氣模式和3種用戶自定義大氣模式、8種氣溶膠模式和4種用戶自定義氣溶膠模式.在遙感觀測的太陽—目標—傳感器這種模式中，無論是使用衛(wèi)星或是飛機，獲取數(shù)據(jù)的過程中都不可避免地受到大氣的影響.6S就是為了模擬這種地氣系統(tǒng)中的太陽輻射，計算衛(wèi)星入瞳處的輻射能量，通過這種模擬就可以知道大氣對太

陽輻射的影響大小，由此來進行大氣校正［16-17］.

表1 FLAASH大氣校正輸入?yún)?shù)Tab.1 The input parameters of FLAASH atmospheric correction model for MERIS

6S大氣校正參數(shù)和FLAASH輸入?yún)?shù)類似，如：衛(wèi)星參數(shù)（傳感器類型、傳感器高度和波段范圍）、幾何參數(shù)（太陽、衛(wèi)星天頂角和方位角）、大氣參數(shù)（大氣模式和能見度）和觀測目標高度等（表2）.

表2 6S大氣校正輸入?yún)?shù)Tab.2 The input parameters of 6S atmospheric correction model for MERIS

通過以上參數(shù)信息，利用6S模型可以得到3個參數(shù)（xa、xb、和xc（表3））及對應的公式（2）、（3）.計算出校正后的反射率，最后再轉換成遙感反射率.

表3 2005年7月4日和2011年7月24日MERIS影像6S大氣校正輸出參數(shù)Tab.3 The output parameters of 6S atmospheric correction model for MERIS

式中，L為經(jīng)過輻射定標后的大氣層頂輻亮度（μW／（cm2·sr·nm）），ρ為校正后的反射率.

2.3 BEAM大氣校正

BEAM（Basic ERS＆ENVISAT（A）ATSR and MERIS Toolbox）是ESA提供的處理（A）ATSR、MERIS與ASAR數(shù)據(jù)的軟件，完全由Java語言編寫可以實現(xiàn)MERIS數(shù)據(jù)基本的可視化分析處理功能，并且為了用戶方便靈活地使用處理ENVISAT的有關數(shù)據(jù)提供了API接口，可以直接在www.envisat.com下載.BEAM還提供了MERIS數(shù)據(jù)的神經(jīng)網(wǎng)絡大氣校正算法，得到水體的葉綠素、懸浮物質(zhì)以及溶解有機物濃度.本實驗運用BEAM 5.0對2005年和2011年兩景MERIS影像進行大氣校正，其校正流程見圖2.

圖2 BEAM大氣校正流程圖Fig.2 The flow chart of BEAM atmospheric correction

2.4 QUAC大氣校正

QUAC它可以不需要配套信息而是直接從影像（觀測像元光譜）內(nèi)獲取大氣補償參數(shù)，模型對大氣參數(shù)的依賴性小，實現(xiàn)比較容易.QUAC模型雖在精度上不及FLAASH，但它對輸入?yún)?shù)和儀器標定精度的依賴性小，有其特定的適用性［14-16］.

在ENVI軟件中，通過QUAC工具可以自動從影像上收集不同物質(zhì)的波譜信息，獲取經(jīng)驗值完成高光譜和多光譜的快速大氣校正.輸入的數(shù)據(jù)可以是輻亮度值、表觀反射率或者是無單位的raw數(shù)據(jù)，并且存儲格式和類型沒有特殊要求，QUAC大氣校正流程見圖3，但必須提供多光譜和高光譜傳感器數(shù)據(jù)的每個波段的中心波長信息.

3 大氣校正結果分析

3.1 大氣校正結果

為了評價4種大氣校正算法效果，以衛(wèi)星過境時間前后3 h為時間窗口，選取實測光譜轉換后的同步等效遙感反射率共計20個點來評價4種大氣校正結果的精度.

總體來講，F(xiàn)LAASH和6S算法校正結果比較接近，并且表現(xiàn)比較理想，大氣校正平均相對誤差分別為31.43%和32.02%，R2分別為0.60和0.57.BEAM大氣校正結果整體偏低，大氣校正平均相對誤差也最大，達到65.25%，R2為0.38.QUAC方法得到的平均相對誤差為42.93%，R2為0.24，大氣校正結果并不理想（圖4）.

單波段而言，4種算法表現(xiàn)差異較大.其中，F(xiàn)LAASH算法中，表現(xiàn)最好的是第5波段，平均相對誤差僅為10.75%，R2為0.82.6S算法中，表現(xiàn)最好的是第7波段，平均相對誤差為21.3%，R2為0.74.BEAM算法中，表現(xiàn)最好的是第6波段，平均相對誤差為57.92%，R2為0.59.QUAC算法中，表現(xiàn)最好的是第3波段，平

均相對誤差為30.2%，R2為0.35.查看站位圖可以發(fā)現(xiàn)，大氣校正誤差較大的點基本位于鄱陽湖水域的北部與長江交匯的地方，湖水與江水的交換可能是造成誤差較大的原因之一.

圖3 QUAC大氣校正流程圖Fig.3 The flow chart of QUAC atmospheric correction

圖4 4種大氣校正算法結果比較Fig.4 Comparison of the atmospheric correction results provided by methods

3.2 葉綠素a濃度反演分析

在葉綠素a濃度反演上，國內(nèi)外專家學者提出了一系列水體葉綠素a濃度遙感定量反演模型，而建立模型主要在于遙感因子的構建.本文收集了12種葉綠素a濃度反演模型，來綜合評價4種大氣校正算法組成的遙感因子用于鄱陽湖葉綠素a濃度反演各自的優(yōu)缺點（表4）.

以同步實測遙感反射率組成的葉綠素濃度反演遙感因子數(shù)據(jù)為基礎，與4種大氣校正方法得到的遙感反射率進行對比可以得出，F(xiàn)LAASH算法中，Y8的效果最優(yōu)，相對誤差為25.12%，R2為0.74.6S算法中，效果最好的是Y8，相對誤差為25.7%，R2為0.51.而不管怎樣的波段組合，BEAM中，Y8的決定系數(shù)為0.54，相對誤差達到135.27%.QUAC中，效果最好的是Y3，相對誤差是86.94%，R2為0.28.QUAC算法效果均不理想.從葉綠素a濃度反演角度來說，F(xiàn)LAASH大氣校正算法的Y8組合因子最適用于鄱陽湖水域（表5）.

表5 不同葉綠素a濃度反演的遙感因子大氣校正精度比較分析?Tab.5 The accuracy comparison of different chlorophyll-a concentration inversion of remote sensing factors

3.3 誤差分析

通過2005年和2011年2次共20個同步現(xiàn)場實測數(shù)據(jù)，對FLAASH、6S、BAEM和QUAC大氣校正算法

的MERIS數(shù)據(jù)處理效果進行對比分析.通過上述分析可以看出，F(xiàn)LAASH和6S算法除了在前幾個波段的校正值偏高，有高估現(xiàn)象，中間幾個波段相對誤差較小，精度較高.而BEAM和QUAC算法都無法獲得較好的大氣校正效果.對于鄱陽湖這樣的高動態(tài)渾濁水體，可能存在以下幾點原因：

1）就算法本身來講，F(xiàn)LAASH和6S兩種大氣校正算法都不是針對水體目標開發(fā)的，因此在針對水體目標進行大氣校正時，有必要進一步對算法進行改進.

2）衛(wèi)星數(shù)據(jù)與實測數(shù)據(jù)不完全同步.在對鄱陽湖區(qū)域進行實測采樣的過程中，實測數(shù)據(jù)時間不能和影像過境時間完全同步，加上鄱陽湖的高動態(tài)特征，尤其是靠近北部湖區(qū)，湖水與長江交換明顯，使得水體情況變化大，對誤差也有一定影響.

3）鄱陽湖自身水體變化情況大，而MERIS影像的空間分辨率為300 m，另外南北湖區(qū)跨度100多km，氣溶膠的復雜性以及空間尺度變化大的特點.在大氣校正過程中，選擇的是固定的氣溶膠光學厚度.因此對于校正精度也存在一定的誤差.

總的來說，鄱陽湖葉綠素a濃度較高區(qū)域主要分布在鄱陽湖區(qū)西部、東部及南部地區(qū)（圖5），與馮練等［11］反演的鄱陽湖葉綠素a濃度分布基本一致.葉綠素a濃度的分布主要是由于風速、湖心位置、入湖河流的流速及水量、藻類等共同作用的結果.鄱陽湖西部，南部湖區(qū)由于水面寬度大，水體深度較淺［24］，加上岸邊的蘆葦分布以及湖北陸地植被干擾，因此葉綠素a濃度較高.鄱陽湖中部水域湖水自凈能力較強，北部湖區(qū)采砂活動頻繁，泥沙含量高，湖泊北部葉綠素a濃度較低，南部葉綠素a濃度高［13］.

圖5 鄱陽湖2005年7月4日和2011年7月24日葉綠素a濃度反演結果Fig.5 The maps of chlorophyll-a concentrations on July 4，2005 and July 24，2011 of Lake Poyang

4 結論

1）FLAASH、6S、BEAM和QUAC 4種大氣校正算法中，效果最好的是FLAASH算法，平均相對誤差為31.43%.其次是6S算法，平均相對誤差為32.02%，最差的是BEAM和QUAC算法，平均相對誤差分別為65.25%和42.93%.

2）雖然FLAASH和6S算法總體上的表現(xiàn)差異不是很大.但是從單波段來說，F(xiàn)LAASH算法優(yōu)于6S算法.BEAM雖然是專門用于處理MERIS數(shù)據(jù)的軟件，但是在處理鄱陽湖這樣的渾濁水體時，效果并不理想. QUAC雖然在處理過程，運行效率方面有一定優(yōu)勢，但是精度太低仍然不適用于鄱陽湖水域.

3）從葉綠素a濃度反演角度來說，對于FLAASH算法Y8模型的相對誤差是25.12%，決定系數(shù)是0.74.總體來說，建議采用FLAASH算法中Y8模型對鄱陽湖葉綠素a濃度進行反演.雖然在4種大氣校正算法中，F(xiàn)LAASH能夠獲得相對較好的效果，由于鄱陽湖高動態(tài)的典型特點，加之水體中懸浮泥沙及黃色物質(zhì)等都會對水體信號產(chǎn)生很大的影響，若想獲得更為精確的水體光譜信息還需從大氣校正方法方面做一定的改善和提高.

［1］ Liu ZD，Yu XG，Wang ZX.The current water pollution of Taihu drainage basin and the new management proposals.Journal of Natural Resources，2003，18（4）：467-474.

［2］ Yang L，Lei K，Wei M et al.Temporal and spatial changes in nutrients and chlorophyll-a in a shallow lake，Lake Chaohu，China：An 11-year investigation.Journal of Environmental Sciences，2013，25（6）：1117-1123.

［3］ Dong BL，Qin BQ，Gao G et al.Submerged macrophyte communities and the controlling factors in large，shallow Lake Taihu（China）：Sediment distribution and water depth.Journal of Great Lakes Research，2014，40（3）：646-655.

［4］ Liu Y，Chen W，Li D et al.Cyanobacteria-／cyanotoxin-contaminations and eutrophication status before Wuxi drinking water crisis in Lake Taihu，China.Journal of Environmental Sciences，2011，23（4）：575-581.

［5］ Yu Jinxiang，Liu Yafei，Zhong Xiaolan.Study on water environment carrying capacity and main pollution sources of Poyang Lake.Acta Agriculturae Jiangxi，2009，3（3）：90-93（in Chinese with English abstract）.［余進祥，劉婭菲，鐘小蘭.鄱陽湖水環(huán)境承載力及主要污染源研究.江西農(nóng)業(yè)學報，2009，3（3）：90-93.］

［6］ Mao Yuting，Zhou Xiaoyu，Wang Maolan.Study on the eutrophication status in Poyang Lake during lower water peirod. Journal Nanchang University：Natural Science，2014，38（6）：595-599（in Chinese with English abstract）.［毛玉婷，周曉宇，王毛蘭.枯水期鄱陽湖水體富營養(yǎng)化狀態(tài)評價.南昌大學學報：理科版，2014，38（6）：596-599.］

［7］ Tong Huijie，Ge Bangjun.Giving full play to the advantages of satellite remote sensing to promote sustainable development. The Eleventh National Symposium on Remote Sensing Technology，1999（in Chinese with English abstract）.［仝慧杰，葛榜軍.發(fā)揮衛(wèi)星遙感優(yōu)勢促進可持續(xù)發(fā)展.第十一屆全國遙感技術學術交流會，1999.］

［8］ Gao Zhongling，Wang Xiaoqin，Chen Yunzhi.The characteristic and applications of MERIS.The Fifteenth National Symposium on Remote Sensing Technology Abstracts，2005（in Chinese with English abstract）.［高中靈，汪小欽，陳云芝. MERIS數(shù)據(jù)特性及應用.第十五屆全國遙感技術學術交流會論文摘要集，2005.］

［9］ Tang JW，Gu Xingfa，Niu Shengli et al.Cross-radiation based water quality objectives of CBERS-02b CCD image and MODIS.Science China：Series E：Information Sciences，2005，35（z1）：59-69（in Chinese with English abstract）.［唐軍武，顧行發(fā)，牛生麗.基于水體目標的CBERS-02衛(wèi)星CCD相機與MODIS的交叉輻射定標.中國科學：E輯：信息科學，2005，35（z1）：59-69.］

［10］ Gordon HR，Wang M.Retrieval of water-leaving radiance and aerosol optical thickness over the oceans with SeaWiFS：a preliminary algorithm.Applied Optics，1994，33（3）：443-452.

［11］ Feng L，Hu C，Han X et al.Long-term distribution patterns of chlorophyll-a concentration in China’s largest freshwater lake：MERIS full-resolution observations with a practical approach.Remote Sensing，2014，7（1）：275-299.

［12］ Zeng Qun，Zhao Yue，Tian Liqiao et al.Poyang Lake in China as a case.Spectroscopy and Spectral Analysis，2013，5（5）：1320-1326（in Chinese with English abstract）.［曾群，趙越，田禮喬等.HJ-1A／1B衛(wèi)星CCD影像水環(huán)境遙感大氣校正方法評價研究——以鄱陽湖為例.光譜學與光譜分析，2013，5（5）：1320-1326.］

［13］ Hu Chunhua，Zhou Wenbin，Wang Maolan et al.Inorganic nitrogen and phosphate and potential eutrophication assessment in Poyang Lake.J Lake Sci，2010，5（5）：723-728（in Chinese with English abstract）.DOI：10.18307／2010.0514.［胡春華，周文斌，王毛蘭等.鄱陽湖氮磷營養(yǎng)鹽變化特征及潛在性富營養(yǎng)化評價.湖泊科學，2010，5（5）：723-728.］

［14］ Guo Yunkai，Zeng Fan.Atmospheric correction comparison of SPOT 5 image based on FLAASH and QUAC model.Bulletin of Surveying and Mapping，2012，11：21-23（in Chinese with English abstract）.［郭云開，曾繁.基于FLAASH與QUAC模型的SPOT 5影像大氣校正比較.測繪通報，2012，11：21-23.］

［15］ Kruse FA.Comparison of ATREM，ACORN，and FLAASH atmospheric corrections using low-altitude AVIRIS data of Boulder，CO.Jpl Airborne Geoscience Workshop，2004.

［16］ Wilson RT.Py6S：A Python interface to the 6S radiative transfer model.Computers＆Geosciences，2013，51（2）：166-171.

［17］ Zhao W，Tamura M，Takahashi H.Atmospheric and spectral corrections for estimating surface albedo from satellite data using 6S code.Remote Sensing of Environment，2001，76（2）：202-212.

［18］ Moses WJ，Gitelson AA，Berdnikov S et al.Operational MERIS-based NIR-red algorithms for estimating chlorophyll-a concentrations in coastal waters—The Azov Sea case study.Remote Sensing of Environment，2012，121（138）：118-124.

［19］ Koponen S，Attila J，Pulliainen J et al.A case study of airborne and satellite remote sensing of a spring bloom event in the Gulf of Finland.Continental Shelf Research，2007，27（2）：228-244.

［20］ Weghorst PL.MODIS algorithm assessment and principal component analysis of chlorophyll concentration in Lake Erie. Kent：Kent State University，2008.

［21］ Gons HJ，Auer MT，Effler SW.MERIS satellite chlorophyll mapping of oligotrophic and eutrophic waters in the Laurentian Great Lakes.Remote Sensing of Environment，2008，112（11）：4098-4106.

［22］ Lyu H，Li X，Wang Y et al.Evaluation of chlorophyll-a retrieval algorithms based on MERIS bands for optically varying eutrophic inland lakes.Science of the Total Environment，2015，530：373-382.

［23］ Yang W，Matsushita B，Chen J et al.Estimating constituent concentrations in case II waters from MERIS satellite data by semi-analytical model optimizing and look-up tables.Remote Sensing of Environment，2011，115（5）：1247-1259.

［24］ Qi Shuhua，Gong Jun，Shu Xiaobo et al.Study on inundation extent water depth and storage capacity of Poyang Lake by RS.Yangtze River，2010，9（9）：35-38（in Chinese with English abstract）.［齊述華，龔俊，舒曉波等.鄱陽湖淹沒范圍、水深和庫容的遙感研究.人民長江，2010，9（9）：35-38.］

Evaluation on the atmospheric correction methods for water color remote sensing by using MERIS image：A case study on chlorophyll?a concentration of Lake Poyang

ZENG Qun1，2，ZHANG Haidong2，CHEN Xiaoling3，TIAN Liqiao3??，LI Wenkai2&WANG Guoliang3
（1：Editorial Department of Journal，Central China Normal University，Wuhan 430079，P.R.China）（2：School of Urban and Environment Science，Central China Normal University，Wuhan 430079，P.R.China）（3：State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，P.R.China）

MERIS is the sensor of ENVISAT-1 satellite in orbit nearly 10 years，which was launched in 2002.The band setting and radiation sensitivity of MERIS could well be applied to chlorophyll-a concentration inference，but the atmospheric correction in CaseⅡwater is still a key problem.Taking the Lake Poyang，the biggest freshwater lake in China as a case，the results of ENVISAT-1 satellite MERIS images using FLAASH，6S，BEAM and QUAC atmospheric correction algorithms in 2005 and 2011 with simultaneous in-situ spectral data was evaluated.The band combination factor of 12 chlorophyll-a retrieval models were also assessed.Results show that：（1）the order of atmospheric correction accuracy from high to low are FLAASH，6S，BEAM，QUAC，with the mean relative error of 31.13%，31.88%，69.48%and 42.64%，respectively；and the determination coefficients（R2）of 0.60，0.57，0.38 and 0.24，respectively.（2）Among the band-combined chlorophyll-a retrieval models，F(xiàn)LAASH is the best one，followed by 6S，BEAM and QUAC.As for FLAASH algorithm，the three bands（（Rrs（510）／［Rrs（443）／Rrs（560）］）model is

Water color remote sensing；atmospheric correction；chlorophyll-a；MERIS；FLAASH；6S；BEAM；QUAC；Lake Poyang

J.Lake Sci.（湖泊科學），2016，28（6）：1306-1315

DOI 10.18307／2016.0616

?2016 by Journal of Lake Sciences