李 建，田禮喬，陳曉玲

1. 武漢大學遙感信息工程學院，湖北 武漢 430079; 2. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079

?

水環(huán)境參數(shù)定量遙感反演空間尺度誤差分析

李 建1，田禮喬2，陳曉玲2

1. 武漢大學遙感信息工程學院，湖北 武漢 430079; 2. 武漢大學測繪遙感信息工程國家重點實驗室，湖北 武漢 430079

1. School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China; 2. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China

對地觀測技術的快速發(fā)展為水環(huán)境定量遙感監(jiān)測提供了多源遙感數(shù)據(jù)的有利支撐，然而多源數(shù)據(jù)空間尺度差異引起的遙感數(shù)據(jù)和定量產品的不一致性嚴重制約了水環(huán)境科學研究和業(yè)務化應用。針對多源遙感數(shù)據(jù)的空間尺度轉換和尺度誤差問題，本文提出一種模擬遙感成像過程點擴散函數(shù) (PSF) 的多源遙感數(shù)據(jù)空間尺度轉換方法。以高空間分辨率GF-1衛(wèi)星16 m遙感數(shù)據(jù)為基礎，模擬了常用的內陸水環(huán)境監(jiān)測衛(wèi)星Landsat TM/ETM+/OLI(30 m)、Terra/Aqua MODIS (250 m、500 m、1000 m)數(shù)據(jù)，系統(tǒng)研究了高動態(tài)渾濁水體(以鄱陽湖懸浮顆粒物監(jiān)測為例)多源定量遙感監(jiān)測的空間尺度誤差，并對比分析了常用的多源數(shù)據(jù)尺度轉換方法(基于遙感反射率數(shù)據(jù)平均法和基于懸浮顆粒物產品平均法)的有效性。結果表明，基于點擴散函數(shù)的空間尺度轉換方法與傳統(tǒng)方法具有較高的相關性，基于遙感反射率數(shù)據(jù)平均法的水環(huán)境定量遙感產品的誤差水平低于基于懸浮顆粒物產品平均法；相對于南海等相對平穩(wěn)水體的低空間尺度誤差水平(<0.5%)，在高動態(tài)渾濁的內陸或近岸水環(huán)境遙感監(jiān)測中，由空間尺度變化引起的產品誤差可達±5%左右。因此，在高精度水環(huán)境定量遙感發(fā)展應用的需求和多源多尺度遙感數(shù)據(jù)協(xié)同的背景下，本文研究對于提高多源遙感監(jiān)測產品的一致性和應用能力具有重要理論和現(xiàn)實意義。

水環(huán)境；遙感反射率；空間尺度；多源數(shù)據(jù)；尺度誤差

海岸帶和內陸湖泊區(qū)域承載著全球超過70%的人類活動，隨著全球氣候變化及人類活動的加劇，海岸帶水環(huán)境面臨水質下降和富營養(yǎng)化等一系列問題，陸地湖泊正經歷劇烈變化，面積萎縮、水質惡化、生態(tài)環(huán)境遭受嚴重破壞、湖泊功能和效益不斷下降等一系列問題日益凸顯[1]。因此，水環(huán)境問題不僅關系到區(qū)域可持續(xù)發(fā)展，更是實現(xiàn)國民經濟持續(xù)發(fā)展和國家穩(wěn)定的戰(zhàn)略需求。

作為一種大面積水環(huán)境生態(tài)監(jiān)測的快捷手段，針對海洋及海岸帶水體的衛(wèi)星遙感研究已經廣泛開展。然而內陸湖泊面積相對較小，水環(huán)境光學特性復雜，對衛(wèi)星傳感器的光譜，輻射以及時空分辨率都有著較高的要求，致使內陸湖泊水環(huán)境定量遙感研究很難取得突破性進展[2]。為了提高衛(wèi)星遙感對湖泊、海岸帶等區(qū)域的水環(huán)境監(jiān)測能力，多源多尺度遙感數(shù)據(jù)包括陸地衛(wèi)星多光譜傳感器也得到了應用，如Terra/Aqua MODIS[3]，Envisat-1 MERIS[4]，Landsat TM/ETM+[5]、HJ-1 CCD[6]、GF-1 WFI[7]等。這些衛(wèi)星數(shù)據(jù)覆蓋了多種光譜輻射分辨率(約10～100 nm)，以及空間分辨率(1000～10 m)，將有效提高湖泊、河口水質遙感監(jiān)測的能力，然而由于多源數(shù)據(jù)尺度引起的遙感輻射數(shù)據(jù)和定量產品的不一致性和誤差亟須解決。

由于多源傳感器輻射特性和空間尺度固有差異的影響，并且受到水環(huán)境參數(shù)自身的空間異質性以及遙感反演模型的非線性影響，不同空間尺度的水色遙感數(shù)據(jù)和產品存在顯著的尺度誤差。文獻[8]研究了亞像元級水環(huán)境參數(shù)空間變化對水色產品的影響，認為由于空間分辨率的降低，引起了對水環(huán)境遙感產品的低估。文獻[9]利用太湖區(qū)域Landsat/TM 影像數(shù)據(jù)和同步實測泥沙濃度及光譜數(shù)據(jù)的分析表明: 懸浮泥沙濃度定量模型的尺度效應誤差與反演模型密切相關。利用Landsat-5 TM 和Envisat MERIS數(shù)據(jù)，針對長江口懸浮泥沙的空間尺度分析也表明了空間分辨率差異引起的定量遙感產品誤差[10]。而受到研究區(qū)域代表性和數(shù)據(jù)分辨率的限制，仍缺乏對我國近岸/內陸高時空動態(tài)水體的空間尺度誤差特性的綜合評價，以及未考慮到傳感器成像特點對遙感數(shù)據(jù)和產品的一致性進行校正?？紤]遙感傳感器成像過程，像元內部的光譜信息來源于瞬時視場。一般來說，理想的情況是每一個像元的反射率不受其他反射率的圖像，而實際情況是像元的反射率信息受到鄰近像元反射率的影響[11-12]。傳統(tǒng)的重采樣尺度轉換方法都是對遙感傳感器瞬時視場內的輻射值加權平均得到的，從而轉換為低分辨的遙感數(shù)據(jù)，實現(xiàn)尺度上推的轉換，但是這種方法與遙感傳感器實際的信號獲取和測量過程不一致，實際過程是通過一種新的加權函數(shù)來實現(xiàn)圖像上不同位置輻射的加權，這種加權函數(shù)也就是圖像傳感器的點擴散函數(shù)[13]。因此，本文研究擬以傳感器成像過程分析為基礎，重點解決多源多尺度遙感數(shù)據(jù)光譜輻射一致性問題，以及考慮傳感器成像特點的遙感數(shù)據(jù)光譜和定量遙感產品的空間尺度誤差校正問題，以期提高多源遙感數(shù)據(jù)在水環(huán)境高精度定量遙感的應用能力。

1 研究區(qū)域與數(shù)據(jù)

1.1 研究區(qū)域

針對我國水環(huán)境的空間分布特點，分別選擇鄱陽湖和南海為高動態(tài)渾濁水體和相對穩(wěn)定清潔水體研究區(qū)，研究水環(huán)境參數(shù)定量遙感反演的空間尺度問題。鄱陽湖位于江西省北部，是我國最大的淡水湖泊，也是我國僅次于青海湖的第二大湖泊,對于維系長江中下游乃至我國的生態(tài)安全都具有舉足輕重的地位[14]。鄱陽湖受氣候變化，人為活動(如采砂等)、濕地生態(tài)系統(tǒng)過程等多種因素的影響，其光學特性異常復雜，湖區(qū)內既有懸浮泥沙濃度很高的高渾濁水體，也同時存在相對較清潔的水體，為水環(huán)境遙感試驗提供了良好的條件。

1.2 數(shù)據(jù)分析與處理

選擇了2013年初到2014年底所有可用的清潔無云的高分一號GF-1 WFI影像15景。GF-1衛(wèi)星是中國高分辨率對地觀測系統(tǒng)的第一顆衛(wèi)星，其全色波段的空間分辨率達到2 m，為水環(huán)境定量遙感的空間尺度誤差研究提供了高空間分辨率數(shù)據(jù)基礎。所有的影像經過幾何校正后，采用式(1)進行影像輻射定標

Lλ=gainλ×DNλ+offsetλ

(1)式中，Lλ為波段λ的輻亮度(單位為W·m-2·sr-1·μm-1)；gainλ和offsetλ為對應波段的輻射定標增益和偏移系數(shù)；DNλ是影像灰度值。輻射定標后的影像通過式(2)轉換為天頂反射率數(shù)據(jù)ρλ

ρλ=π·Lλ·d2·/[E0(λ)·cosθs]

(2)

式中，d代表日地天文距離；E0(λ)為波段λ的大氣層頂太陽輻照度；θs為太陽天頂角。為了分析水體信號的變化，需要精確的去除大氣散射的影響，本研究采用了一種基于MODIS數(shù)據(jù)輔助的大氣校正方法[15]，獲取遙感反射率影像作為研究的基準數(shù)據(jù)。利用SeaDAS內嵌的MODIS瑞利散射查找表，實現(xiàn)MODIS瑞利散射校正。對于GF-1 WFI影像，獲取成像時刻的觀測幾何，通過設置完全相同的MODIS觀測幾何參數(shù)，利用MODIS瑞利散射查找表，計算對應的瑞利散射值，并通過中心波長轉換方法獲得GF-1 WFI影像對應的瑞利散射值。具體實現(xiàn)過程見式(3)—式(5)

τr(λ)=0.008 569λ-4(1+0.011 3λ-2+ 0.000 13λ-4)

(3)

〈τr(λ)〉MODIS=∫τr(λ)S(λ)E0(λ)dλ/ ∫S(λ)E0(λ)dλ

(4)

β=τr(λ0)/〈τr(λ)〉MODIS

(5)

波長λ處的瑞利光學厚度τr(λ) 可以通過λ-4的方程計算，因此，MODIS中心波長為λ的波段的瑞利光學厚度〈τr(λ)〉MODIS可以通過τr(λ)與該波段的波段響應函數(shù)S(λ)積分獲得，從而可獲得中心波長處的瑞利光學厚度與波段均值的瑞利光學厚度的轉換系數(shù)β。

因此，利用通過MODIS瑞利查找表計算得到的波段瑞利光學厚度獲得GF-1 WFI中心波長對應的瑞利散射值，獲得相同觀測條件下的HJ-1A CCD1的瑞利散射值。通過式(2)獲得的天頂反射率數(shù)據(jù)減去瑞利散射后，得到精確瑞利校正后的水體遙感反射率數(shù)據(jù)。對于氣溶膠散射校正，本文采用文獻[16]提出的SWIR大氣校正算法，處理與GF-1 WFI影像準同步的Terra/MODIS數(shù)據(jù)，得到551 nm處的氣溶膠光學厚度(AOD)分布，并統(tǒng)計出研究區(qū)域出現(xiàn)頻率最高的AOD數(shù)據(jù)，實現(xiàn)GF-1 WFI的氣溶膠校正。

2 空間尺度誤差研究方法

2.1 傳統(tǒng)尺度轉換方法

以水環(huán)境參數(shù)總懸浮顆粒物(TSS)反演為例，由高空間分辨率的遙感反射率數(shù)據(jù)(ρ)上推得到低空間分辨率的TSS產品有兩種方法：①在原始高空間分辨率數(shù)據(jù)上，通過TSS反演模型f(ρ)得到高空間分辨率的TSS產品，然后通過空間聚合方法得到低空間分辨率的TSS產品(TSSmean)；②首先通過空間聚合獲取低空間分辨率的ρmean，然后通過TSS遙感反演模型f(ρmean)直接計算得到低空間分辨率的TSSapp

(6)

(7)

TSSapp=f(ρmean)

(8)

傳統(tǒng)的空間尺度上推和空間聚合方法多是假設傳感器的成像函數(shù)為一個標準的矩形窗函數(shù)，采用多像素平均的算法由多個高空間分辨率遙感像元聚合得到低空間分辨率的一個像元值。雖然該方法可以相對準確地描述空間尺度變化的影響，但是由于遙感傳感器的成像函數(shù)并不是一個標準的矩形窗函數(shù)，因此該假設仍會帶來水環(huán)境參數(shù)反演的誤差。尤其是對于水環(huán)境遙感定量產品來講，往往自身的變化程度比較低，更需要精確地去除空間尺度轉換引入的誤差。

2.2 基于點擴散成像函數(shù)方法

真實狀況下的傳感器成像過程并不是傳感器視場內的像元輻射的算術平均值，而是受到傳感器光電子元件和大氣散射的影響，是成像視場內像元及鄰近像元到中心視場反距離權重的加權值。描述傳感器成像過程中不同位置加權值的函數(shù)叫作傳感器的點擴散函數(shù)(pointspreadfunction,PSF)[17]。因此在進行遙感數(shù)據(jù)的空間尺度轉換時，利用高空間分辨率的遙感數(shù)據(jù)與對應傳感器的點擴散函數(shù)通過空間加權可以獲得更接近真實值的低空間分辨率遙感數(shù)據(jù)。常用的傳感器點擴散函數(shù)多以高斯函數(shù)模擬，如式(9)所示[18]

(9)

式中，x、y為當前的中心像元位置；u、v是鄰近像元與中心像元的坐標；σ是傳感器的空間分辨率的1/2值。式(10)和式(11)給出了通過點擴散函數(shù)空間聚合到低空間分辨率的遙感反射率數(shù)據(jù)，然后利用懸浮泥沙反演模型獲取懸浮顆粒物的過程

ρexa=?PSF(x-u,y-v)·ρ(u,v)dudv

(10)

TSSexa=f(ρexa)

(11)

為了分析不同的空間尺度轉換方法對懸浮顆粒物的定量反演影響，考慮到GF-1WFI數(shù)據(jù)的波段設置和輻射特性，本文研究選擇了兩類水體懸浮顆粒物反演較為常用的基于紅光波段的冪指數(shù)反演模型[19]。在2008—2014年之間，針對鄱陽湖區(qū)域開展了5個航次的船載走航觀測。通過多次現(xiàn)場觀測，獲取了鄱陽湖豐-枯水期共320個站位的現(xiàn)場觀測數(shù)據(jù)，包括：ASD光譜儀實測水體光譜，光譜測量規(guī)范參照水面之上光譜測量法[20]；水色要素(懸浮泥沙、葉綠素、有色可溶性有機質(CDOM))樣品實驗室分析數(shù)據(jù)。利用上述鄱陽湖多年實測數(shù)據(jù)針對GF-1WFI數(shù)據(jù)對懸浮泥沙反演模型進行了參數(shù)化[7]，得到TSS反演模型

TSS=2.8×exp[62·Rrs(red)]

(12)

該懸浮顆粒物遙感反演模型的相對誤差經實測數(shù)據(jù)驗證，相對誤差為30%左右，滿足目前水色遙感對近岸/內陸兩類渾濁水體定量遙感產品精度的需求。因此以該指數(shù)模型為基礎，結合空間尺度誤差研究和分析方法，利用空間尺度轉換函數(shù)，分析了近岸/內陸典型水體的懸浮顆粒物產品的空間尺度誤差。

圖1展示了基于點擴散函數(shù)PSF的高空間分辨率通過尺度轉換為低空間遙感影像數(shù)據(jù)的示意圖。利用16m的GF-1WFI高空間分辨率遙感數(shù)據(jù)集，分別利用對應的空間尺度點擴散函數(shù)模擬了32m、96m、256m、496m、756m和992m的逐級降低的低空間分辨率遙感數(shù)據(jù)。并以真實高分數(shù)據(jù)為基礎，對比分析不同轉換方法的一致性和誤差。

3 定量遙感光譜數(shù)據(jù)和產品尺度誤差分析

3.1 光譜一致性分析

以基于點擴散函數(shù)PSF的空間尺度轉換方法為基礎，對比分析了廣泛使用的基于像元平均的空間尺度上推方法的精度。圖2給出了兩種轉換方法的相關性和差異性分析結果的強度散點圖，其中紅色實線為1∶1對角線，分別對32m、96m、256m、496m、756m和992m的6種空間尺度轉換的結果進行了相關性分析。結果顯示兩種方法的相關性在各個空間尺度上都較高(R2>0.99)，但是隨著空間尺度的不斷降低，兩者線性回歸的斜率逐漸增大。在32m的空間尺度上，像元平均法相對于點擴散函數(shù)法的回歸函數(shù)的斜率小于1，意味著像元平均法所獲得的遙感反射率數(shù)據(jù)低于點擴散函數(shù)獲得的結果。

隨著空間尺度的降低，兩者的回歸函數(shù)斜率逐漸增大，在96m空間尺度的時候，基于像元平均法得到的遙感反射率數(shù)據(jù)開始呈現(xiàn)出大于基于點擴散函數(shù)結果的趨勢，并且該趨勢隨著尺度的降低而增大，其斜率分別為0.998、1.003、1.011、1.015、1.019、1.024。由于回歸函數(shù)的截距非常小且接近于0，因此可以認為斜率直接反映了兩者之間的大小關系。雖然兩種方法得到的遙感反射率數(shù)據(jù)結果相關性較高，且相對偏差量級較小，然而由于水環(huán)境參數(shù)定量遙感反演使用的非線性模型，可能導致水環(huán)境參數(shù)產品誤差的急劇增大。

3.2 尺度誤差分析

為了分析不同空間尺度轉換方法的水環(huán)境參數(shù)定量遙感產品的尺度誤差，本研究利用16m高空間分辨率數(shù)據(jù)，采用3種空間尺度轉換方法分析了懸浮顆粒物產品的誤差空間分布：第1種轉換方法是首先采用點擴散函數(shù)方法進行空間尺度轉換，得到低空間分辨率的遙感反射率數(shù)據(jù)，然后利用懸浮顆粒物反演模型，獲得低空間尺度的懸浮顆粒物產品，并以此為基礎評價其他兩種轉換方法的產品誤差；第2種方法采用空間像元平均方法得到低空間分辨率的遙感反射率數(shù)據(jù)，然后通過相同的懸浮顆粒物模型，得到低空間分辨率的懸浮顆粒物產品；第3種方法為在高空間分辨率遙感數(shù)據(jù)的基礎上，直接采用懸浮顆粒物反演模型下獲得懸浮顆粒物產品，然后利用空間像元平均的方法，計算得到低空間分辨率的懸浮顆粒物產品。

圖3和圖4分別給出了基于遙感反射率數(shù)據(jù)像元平均法，以及基于懸浮顆粒物產品像元平均法的懸浮顆粒物反演誤差趨勢分布圖。結果顯示兩種空間轉換方法的尺度誤差都具有典型的隨空間尺度增大而顯著增大的整體趨勢。如圖5所示，當空間尺度由32m遞降到992m時，兩種尺度轉換誤差的絕對值均值由0.15%左右增加到1%左右，誤差絕對值的最大值由約1.5%增加到5%左右。且對于局部高度渾濁的水體，其空間尺度誤差可達到10%左右。

對比分析圖3和圖4的兩種空間尺度轉換方法的誤差分布趨勢圖，結合圖5的誤差統(tǒng)計直方圖，可以得出以下結論：①基于遙感反射率數(shù)據(jù)(PSF-RRS)的空間像元平均法的水環(huán)境遙感產品的誤差水平整體要小于基于懸浮顆粒物產品(PSF-

TSS)的像元平均法的產品，表現(xiàn)為在多個尺度轉換過程中，前者的相對偏差更趨近于0，且偏差直方圖的分布更集中，誤差的動態(tài)范圍更小。如在空間尺度為32m、256m、496m和756m時，基于懸浮顆粒物產品(PSF-TSS)的像元平均法的誤差的最高值和動態(tài)范圍都遠大于基于遙感反射率數(shù)據(jù)(PSF-RRS)的空間像元平均法；②基于懸浮顆粒物產品(PSF-TSS)的像元平均法的誤差的均值隨著空間尺度下降而增大的速率大于基于遙感反射率數(shù)據(jù)(PSF-RRS)的空間像元平均法，即PSF-TSS方法引起的誤差會隨著空間尺度的降低而快速增大。

為了進一步研究近岸/內陸水體的高動態(tài)空間變異特性引起的空間尺度問題，同時以南海相對平靜清潔的水體進行了對比分析。圖5為兩種空間尺度轉換方法的誤差分布趨勢圖： 針對南海水體，采用兩種空間尺度轉換方法引起的懸浮顆粒物產品的空間尺度誤差均相對較小，整體的誤差水平均小于±0.5%；兩種方法雖然存在一定的誤差水平的差異，但整體結果比較一致，其誤差絕對值的平均值均小于0.2%，并且誤差水平隨空間尺度下降而變化的趨勢不明顯，只有在空間分辨率降低到992m的時候，空間尺度誤差才由較穩(wěn)定的0.05%升高到0.12%。

相比以鄱陽湖為典型代表的近岸/內陸高動態(tài)渾濁水體，在本文研究的空間尺度變化范圍內，由尺度差異引起的水環(huán)境定量產品差異在南海等平靜清潔海水區(qū)域可以忽略不計。而對于鄱陽湖等渾濁水體，由于其較活躍的水環(huán)境特性，空間尺度變化引起的產品誤差可能超過±5%，最大可達到±10%左右。

圖1 基于點擴散函數(shù)(PSF)的尺度轉換原理示意圖Fig.1 Schematic diagram of Point-Spread-Function (PSF) based spatial scale transformation

圖2 基于點擴散函數(shù)和像元平均的空間尺度轉換方法的水體遙感反射率數(shù)據(jù)對比分析圖Fig.2 Comparisons of remote sensing reflectance (sr-1) between PSF based and Pixel averaged method spatial scale transformation

圖3 基于遙感反射率數(shù)據(jù)像元平均法的鄱陽湖懸浮顆粒物反演誤差趨勢分布圖Fig.3 Error distribution trends between PSF based and Pixel reflectance averaged spatial scale transformation methods from 32 meters to 992 meters

圖4 基于懸浮顆粒物產品像元平均法的鄱陽湖懸浮顆粒物反演誤差趨勢分布圖Fig.4 Error distribution trends between PSF based and Pixel TSS averaged spatial scale transformation methods from 32 meters to 992 meters

圖5 基于遙感反射率數(shù)據(jù)(PSF-RRS)和基于懸浮顆粒物產品(PSF-TSS)像元平均法誤差趨勢圖Fig.5 Influence of spatial scales on error distribution between Pixel reflectance averaged (PSF-RRS) and Pixel TSS averaged (PSF-TSS) based spatial scale transformation methods

5 結 論

利用基于點擴散函數(shù)PSF的空間尺度轉換方法可以更真實地描述高空間分辨率到低空間分辨率遙感數(shù)據(jù)的成像過程的優(yōu)點，采用理論PSF模型為基準，對比分析了水環(huán)境定量遙感多空間尺度轉換方法的精度。在近岸/內陸水環(huán)境監(jiān)測中，基于遙感反射率數(shù)據(jù)(PSF-RRS)的空間像元平均法得到水環(huán)境遙感產品的誤差水平整體要小于基于懸浮顆粒物產品(PSF-TSS)的像元平均法。在相對穩(wěn)定的南海區(qū)域，由尺度差異引起的水環(huán)境定量產品差異較小，而在高動態(tài)活躍的水環(huán)境監(jiān)測中，由空間尺度變化引起的產品誤差可能超過±5%。因此，在高精度水環(huán)境定量遙感發(fā)展應用的需求，以及多源多空間尺度遙感數(shù)據(jù)綜合應用的背景下，本文關于空間尺度及尺度誤差問題的研究具有重要理論和現(xiàn)實意義。

[1] 楊桂山, 翁立達, 李利鋒. 長江保護與發(fā)展報告2007[M]. 武漢: 長江出版社, 2007. YANG Guishan, WENG Lida, LI Lifeng. Yangtze Conservation and Development Report: 2007[M]. Wuhan: Changjiang Press, 2007.

[2] 潘德爐, 馬榮華. 湖泊水質遙感的幾個關鍵問題[J]. 湖泊科學, 2008, 20(2): 139-144. PAN Delu, MA Ronghua. Several Key Problems of Lake Water Quality Remote Sensing[J]. Journal of Lake Sciences, 2008, 20(2): 139-144.

[3] BARNES B B, HU Chuanmin, SCHAEFFER B A, et al. MODIS-derived Spatiotemporal Water Clarity Patterns in Optically Shallow Florida Keys Waters: A New Approach to Remove Bottom Contamination[J]. Remote Sensing of Environment, 2013, 134: 377-391.

[4] DOXARAN D, LAMQUIN N, PARK Y J, et al. Retrieval of the Seawater Reflectance for Suspended Solids Monitoring in the East China Sea Using MODIS, MERIS and GOCI Satellite Data[J]. Remote Sensing of Environment, 2014, 146: 36-48.

[5] 陳軍, 王保軍, 孫記紅, 等. 基于Landsat/TM影像提取太湖CDOM濃度空間分布[J]. 光譜學與光譜分析, 2011, 31(1): 34-38. CHEN Jun, WANG Baojun, SUN Jihong, et al. Study on Colored Dissolved Organic Matter Concentration Retrieved from Landsat/TM Imagery at Taihu Lake[J]. Spectroscopy and Spectral Analysis, 2011, 31(1): 34-38.

[6] 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[J]. 光譜學與光譜分析, 2013, 32(5): 1320-1326. ZENG Qun, ZHAO Yue, TIAN Liqiao, et al. Evaluation on the Atmospheric Correction Methods for Water Color Remote Sensing by Using HJ-1A/1B CCD Image-taking Poyang Lake in China as a Case[J]. Spectroscopy and Spectral Analysis, 2013, 32(5): 1320-1326.

[7] LI Jian, CHEN Xiaoling, TIAN Liqiao, et al. Improved Capabilities of the Chinese High-resolution Remote Sensing Satellite GF-1 for Monitoring Suspended Particulate Matter (SPM) in Inland Waters: Radiometric and Spatial Considerations[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015, 106: 145-156.

[8] LEE Z P, HU Chuanmin, ARNONE R, et al. Impact of Sub-pixel Variations on Ocean Color Remote Sensing Products[J]. Optics Express, 2012, 20(19): 20844-20854.

[9] 陳軍, 王偉財, 王保軍, 等. 懸浮泥沙濃度分布方差與尺度修正——八鄰域算法[J]. 紅外與毫米波學報, 2010, 29(6): 440-444, 460. CHEN Jun, WANG Weicai, WANG Baojun, et al. Distribution Variance of Suspended Sediment Concentration and Scaling Effect Correction: Eight Neighborhood Algorithm[J]. Journal of Infrared and Millimeter Waves, 2010, 29(6): 440-444, 460.

[10] 沈宏. 多源衛(wèi)星數(shù)據(jù)的光譜帶寬和空間尺度對水色參數(shù)遙感的影響[D]. 上海: 華東師范大學, 2012. SHEN Hong. Ee Ct of Spectral Bandwidth and Spatial Scale of Mul-sensors Data on Remote Sensing of Ocean Color[D]. Shanghai: East China Normal University, 2012.

[11] 郭玲玲, 吳澤鵬, 張立國, 等. 遙感相機在軌點擴散函數(shù)高精度測量方法[J]. 測繪學報, 2014, 43(3): 284-289, 297. DOI: 10.13485/j.cnki.11-2089.2014.0041. GUO Lingling, WU Zepeng, ZHANG Liguo, et al. A Precise Method to Measure the On-orbit Point Spread Function of Remote Sensors[J]. Acta Geodaetica et Cartographica Sinica, 2014, 43(3): 284-289, 297. DOI: 10.13485/j.cnki.11-2089.2014.0041.

[12] KISELEV V, BULGARELLI B, HEEGE T. Sensor Independent Adjacency Correction Algorithm for Coastal and Inland Water Systems[J]. Remote Sensing of Environment, 2015, 157: 85-95.

[13] HUANG Chengquan, TOWNSHEND J R G, LIANG Shunlin, et al. Impact of Sensor's Point Spread Function on Land Cover Characterization: Assessment and Deconvolution[J]. Remote Sensing of Environment, 2002, 80(2): 203-212.

[14] 張本. 鄱陽湖研究[M].上海: 上?？茖W技術出版社, 1988. ZHANG Ben. Studies on Poyang Lake[M]. Shanghai: Shanghai Scientific & Technical Publishers, 1988.

[15] ZHANG Minwei, TANG Junwu, DONG Qing, et al. Atmospheric Correction of HJ-1 CCD Imagery over Turbid Lake Waters[J]. Optics Express, 2014, 22(7): 7906-7924.

[16] WANG Menghua, SHI Wei. The NIR-SWIR Combined Atmospheric Correction Approach for MODIS Ocean Color Data Processing[J]. Optics Express, 2007, 15(24): 15722-15733.

[17] ROSENFELD A, KAK A C. Digital Picture Processing[M]. 2nd ed. New York: Academic Press, 1982: 457.

[18] SCHOWENGERDT R A. Remote Sensing, Models, and Methods for Image Processing[M]. 2nd ed. San Diego: Academic Press, 1997.

[19] FENG Lian, HU Chuanmin, CHEN Xiaoling, et al. Human Induced Turbidity Changes in Poyang Lake between 2000 and 2010: Observations from MODIS[J]. Journal of Geophysical Research, 2012, 117(C7). DOI: 10.1029/2011J C007864.

[20] 唐軍武, 田國良, 汪小勇, 等. 水體光譜測量與分析Ⅰ: 水面以上測量法[J]. 遙感學報, 2004, 8(1): 37-44. TANG Junwu, TIAN Guoliang, WANG Xiaoyong, et al. The Methods of Water Spectra Measurement and Analysis I: Above-Water Method[J]. Journal of Remote Sensing, 2004, 8(1): 37-44.

(責任編輯：張艷玲)

Spatial Scale Uncertainties on Quantitative Remote Sensing of Water

Qualities

LI Jian1,TIAN Liqiao2,CHEN Xiaoling2

The rapid development of the Earth Observation (EO) technology offers substantial data for remote sensing monitoring of water environment, however, the research and applications are often impeded by inconsistent products from multi-resolution remote sensing dataset. A point-spread-function (PSF) based spatial resolution transformation approach was proposed, to mitigate scale errors from multi-platform sensors of varied spatial resolution. Using the high spatial resolution data of GF-1 (16 m) as reference, medium to low spatial resolution data were simulated, including Landsat-like and Terra/Aqua MODIS-like images. Comparisons between the PSF based scale transformation method and classical method revealed significant correlation, which also prove the efficiency of the proposed method. The scale errors of the remote sensing reflectance (RRS) average method are lower than the suspended practical matter (SPM) average method. Higher than 5% scale errors were produced by spatial scale transformation in high dynamic turbid waters, while for calm ocean waters, the error was less than 0.5%. Therefore, it is crucial for selection of proper scale transformation method, to achieve consistent remote sensing products from multi-source data.

water environment; remote sensing; multi-scale data; spatial scale; scale error

The National Natural Science Foundation of China (Nos.41571344；41331174；41071261); Special Fund by Surveying & Mapping and Geoinformation Research in the Public Interest (No.201512026); The National Natural Science Foundation of Hubei Province of China (No.2016CFB244); The Open Research Fund Program of State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing (No.1501); The Fundamental Research Funds for the Central Universities (No.2042016kf0053); The China Postdoctoral Science Foundation；High Resolution Earth Observation Systems of National Science and Technology Major Projects(No.41-Y20A31-9003-15/17);Key Laboratory for National Geographic State Monitoring of National Administration of Surveying, Mapping and Geoinformation.

LI Jian(1987—)，male，PhD， lecturer，majors in remote sensing of water environment.

李建，田禮喬，陳曉玲.水環(huán)境參數(shù)定量遙感反演空間尺度誤差分析[J].測繪學報，2017,46(4)：478-486.

10.11947/j.AGCS.2017.20160296. LI Jian, TIAN Liqiao, CHEN Xiaoling.Spatial Scale Uncertainties on Quantitative Remote Sensing of Water Qualities[J]. Acta Geodaetica et Cartographica Sinica,2017,46(4):478-486. DOI:10.11947/j.AGCS.2017.20160296.

P208

A

1001-1595(2017)04-0478-09

國家自然科學基金(41571344；41331174；41071261)；測繪地理信息公益性行業(yè)科研專項項目 (201512026)； 湖北省自然科學基金面上項目(2016CFB244); 測繪遙感信息工程重點實驗室開放基金(1501)；中央高?；究蒲袠I(yè)務費專項資金(2042016kf0053)；中國博士后科學基金；高分辨率對地觀測系統(tǒng)重大專項(41-Y20A31-9003-15/17)；地理國情監(jiān)測國家測繪地理信息局重點實驗室基金

2016-06-16

李建(1987—)，男，博士，講師，研究方向為多源對地觀測數(shù)據(jù)水環(huán)境定量遙感方法。

E-mail： lijian@whu.edu.cn

修回日期： 2017-02-20