張棋斐, 吳志峰, 解學(xué)通

廣東省地理國(guó)情監(jiān)測(cè)與綜合分析工程技術(shù)研究中心，廣州大學(xué)地理科學(xué)學(xué)院，廣州 510006

河口及近岸海域水體葉綠素濃度反演方法綜述

張棋斐, 吳志峰*, 解學(xué)通

廣東省地理國(guó)情監(jiān)測(cè)與綜合分析工程技術(shù)研究中心，廣州大學(xué)地理科學(xué)學(xué)院，廣州 510006

由于近岸河口地區(qū)水體復(fù)雜的光學(xué)特性, 以往大洋一類(lèi)水體的葉綠素a反演方法已不再適用。為提高河口及近岸海域水體葉綠素a濃度反演精度, 具體從水體組分復(fù)雜性和光譜響應(yīng)差異性?xún)蓚€(gè)方面描述河口及近岸水體光學(xué)特性的不確定性; 分析影響河口及近海水體葉綠素 a濃度反演精度的關(guān)鍵因素, 總結(jié)歸納近十年來(lái)水體光譜數(shù)據(jù)處理方法及河口及近岸海域水體葉綠素 a濃度遙感反演方法; 最后從反演算法、數(shù)據(jù)處理和算法體系三個(gè)方面, 對(duì)河口及近岸渾濁水體提高反演葉綠素精度提出幾點(diǎn)展望。

河口; 近岸海域; 葉綠素a; 遙感; 反演

1 前言

近年來(lái), 隨著經(jīng)濟(jì)發(fā)展和人類(lèi)活動(dòng)的影響, 河口及近岸海域水體富營(yíng)養(yǎng)化現(xiàn)象時(shí)有發(fā)生, 水質(zhì)不斷惡化, 嚴(yán)重影響人類(lèi)宜居環(huán)境與經(jīng)濟(jì)的健康可持續(xù)發(fā)展。葉綠素a濃度是指示水體富營(yíng)養(yǎng)化的一個(gè)重要指標(biāo)[1], 也是水色遙感中重要的反演參數(shù)之一[2], 葉綠素 a濃度能夠直觀的反映水體的富營(yíng)養(yǎng)化程度, 評(píng)價(jià)水質(zhì)的健康狀況、有機(jī)污染程度[3]。通過(guò)對(duì)葉綠素a濃度進(jìn)行估算能夠定量地了解水體基本生態(tài)信息, 評(píng)估人類(lèi)活動(dòng)及外部環(huán)境變化對(duì)水體生態(tài)系統(tǒng)所造成的影響[4]。因此, 如何準(zhǔn)確、及時(shí)、大范圍地獲取河口及近岸海域水體葉綠素a濃度變得尤為重要。對(duì)比常規(guī)監(jiān)測(cè)方法, 利用遙感技術(shù)迅速、準(zhǔn)確、大范圍地反演河口及近岸海域水體葉綠素 a濃度具有不可替代的優(yōu)越性[5]。自20世紀(jì)70年代以來(lái), 眾多學(xué)者針對(duì)水體葉綠素 a遙感反演建立起不同的估算模型, 并在大洋一類(lèi)水體取得較好的反演效果[6]。

遙感反演水體葉綠素a濃度的精確度很大程度取決于葉綠素 a最佳敏感波段的選擇; 然而, 與大洋一類(lèi)水體不同, 近岸河口地區(qū)處于海陸交匯作用的強(qiáng)地帶, 水體組成成分復(fù)雜, 眾多水色要素共同主導(dǎo)光學(xué)特性, 給河口及近岸海域水體葉綠素 a濃度的反演帶來(lái)很大的不確定性, 應(yīng)用大洋一類(lèi)水體的反演方法難以滿(mǎn)足反演的精度要求。因此, 本文從水體組分復(fù)雜性和光譜響應(yīng)差異介紹河口及近岸水體特征; 分別從光譜數(shù)據(jù)處理與模型改進(jìn)兩方面,對(duì)目前河口及近岸海域水體葉綠素a濃度遙感監(jiān)測(cè)方法進(jìn)行總結(jié)歸納; 最后, 在文獻(xiàn)綜述的基礎(chǔ)上探討針對(duì)該類(lèi)水體如何提高葉綠素 a反演精度, 以期為進(jìn)一步開(kāi)展河口及近岸海域水體的水質(zhì)遙感監(jiān)測(cè)工作以及建立相關(guān)模型提供參考。

2 河口及近岸海域反演復(fù)雜性

2.1 水體組分復(fù)雜性

河口及近岸海域水體受陸源物質(zhì)的影響嚴(yán)重,水體組分較為復(fù)雜, 水體光學(xué)特性共同受浮游植物色素、懸浮顆粒物以及有色可溶解性有機(jī)物(CDOM)等物質(zhì)的影響。此外, 河口及近岸海域地區(qū)水體組分受漲落潮及近海環(huán)流水體交換作用的影響, 水體懸浮物濃度整體較高、水體組分分布具有時(shí)空多變性等特征。

大洋一類(lèi)水體的光學(xué)特性主要由浮游植物色素所主導(dǎo), 水體中有色可溶解性有機(jī)物與浮游植物具有伴生關(guān)系[6]。而近岸河口地區(qū)水體受上游地表徑流注入、工業(yè)與居民生活污水的影響, 水體中的有色可溶解性有機(jī)物與當(dāng)?shù)氐母∮沃参镏g不存在共生關(guān)系; 水體中的光學(xué)活性物質(zhì)相互獨(dú)立, 光學(xué)特性受幾種物質(zhì)獨(dú)立影響, 每一種水色因子又包含多種組分, 不同組分光譜之間存在復(fù)雜的耦合作用機(jī)制給葉綠素濃度反演帶來(lái)了眾多不確定因素。

2.2 光譜響應(yīng)差異性

河口及近岸地區(qū)處于水體交換作用的強(qiáng)地帶,受人類(lèi)活動(dòng)影響顯著, 水體各組分濃度差異較大,導(dǎo)致光譜響應(yīng)規(guī)律存在顯著差異。這些因素共同導(dǎo)致機(jī)理模型與經(jīng)驗(yàn)/半經(jīng)驗(yàn)?zāi)Ｐ蛻?yīng)用于河口及近岸水體水質(zhì)參數(shù)反演的精度問(wèn)題, 因此針對(duì)該類(lèi)水體需要通過(guò)大量的野外實(shí)驗(yàn)量化其水質(zhì)參數(shù)與光譜的響應(yīng)關(guān)系。此外, 在高懸浮物濃度及有色可溶解性有機(jī)物的影響下, 一方面使得水體組分反演的特征信號(hào)可能會(huì)被掩蓋, 出現(xiàn)模棱兩可的現(xiàn)象; 另一方面限制了反演特征波段的使用, 不能可靠的根據(jù)寬波段的衛(wèi)星平臺(tái)反演水質(zhì)參數(shù)。

3 光譜數(shù)據(jù)處理方法

河口及近岸海域水體的物質(zhì)組成復(fù)雜, 水體中懸浮物等眾多水色要素對(duì)葉綠素a特征波段產(chǎn)生顯著影響。眾多研究表明, 對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理將顯著削弱光譜背景信息的影響，有效提高模型的反演精度。因此, 本文在前人的基礎(chǔ)上總結(jié)了目前常用的光譜數(shù)據(jù)處理方法。

3.1 光譜基線校正

基線校正又稱(chēng)為背景校正, 利用光譜反射率減去基線值, 以削弱水體其他組分對(duì)葉綠素 a光譜信息的影響, 突出水體中葉綠素a光譜信息, 使得測(cè)量結(jié)果能在同一個(gè)標(biāo)準(zhǔn)上比較[7]。Althuis等[8]依據(jù)水體在750 nm處反射率近似為零的特點(diǎn), 將750 nm的反射率作為水體的光譜基線; Mustapha等[9]則將波長(zhǎng)為685 nm的反射率作為基線, 以去除渾濁水體對(duì)葉綠色a反演精度的影響; 而Wang等[10]則利用波長(zhǎng)740 nm處反射率作為基線。韋玉春[7]與劉朝相等[11]分別利用750 nm與500—750 nm反射率值連線作為水體的光譜基線, 以去除渾濁水體對(duì)葉綠色 a反演精度的影響, 結(jié)果均表明光譜基線校正在一定程度上提高葉綠素a濃度的反演精度。

3.2 導(dǎo)數(shù)光譜法

對(duì)光譜進(jìn)行一階求導(dǎo)可以很好的消除水面的菲涅爾(Fresnel)反射效應(yīng)[12], 二階導(dǎo)數(shù)可以很好的消除天空光以及懸浮物的影響[13](公式 3-1、3-2), 這為在高懸浮物濃度的河口近岸水體準(zhǔn)確地估算葉綠素濃度提供了可能。相關(guān)研究表明, 對(duì)實(shí)測(cè)光譜進(jìn)行求導(dǎo)后, 可以很好的消除混濁水體背景因素的影響, 從而突出浮游植物吸收系數(shù)特征[14–16]。

3.3 光譜平滑法

光譜平滑法從分析化學(xué)領(lǐng)域引入用于平滑水體光譜。利用平滑算法對(duì)光譜數(shù)據(jù)平滑, 削弱光譜中的噪聲干擾, 提高信號(hào)的信噪比, 從而突出數(shù)據(jù)的總體特征。目前, “移動(dòng)平均法(Moving)”和“Savitzky-Golay多項(xiàng)式平滑(SG)”是較為常用的平滑算法。韋玉春等[17]通過(guò)設(shè)定不同分布類(lèi)型干擾和不同干擾強(qiáng)度, 對(duì)比四種平滑算法的效果, 得出核回歸算法更適用于水面光譜平滑處理的結(jié)論。程春梅等[18–19]探討了平滑處理對(duì)反演葉綠素a濃度的應(yīng)用精度和改進(jìn)程度, 進(jìn)一步表明了光譜平滑法能有效提高水體葉綠素a反演的精度。

4 河口及近岸海域水體葉綠素a反演方法

4.1 葉綠素?zé)晒夥?/h3>

1977年Morel與Neville分別通過(guò)分析不同色素濃度水體的水表面反射比曲線以及利用機(jī)載光譜儀的驗(yàn)證, 確定了685 nm處的峰值為葉綠素?zé)晒夥錥20–21]。此后, 葉綠素?zé)晒馑惴ū粡V泛地應(yīng)用到葉綠素濃度反演中。目前, 國(guó)內(nèi)外相關(guān)研究揭示葉綠素?zé)晒夥ㄖ械臒晒饣€高度法(FLH)、歸一化熒光高度法(NFH)與熒光包絡(luò)面積法(FEA)對(duì)渾濁水體和赤潮水體中葉綠素 a濃度反演均取得較好的精度,這主要是由于葉綠素的熒光信號(hào)不會(huì)與黃色物質(zhì)及懸浮物等信號(hào)混淆, 具有較強(qiáng)的唯一性; 此外, 葉綠素的熒光信號(hào)主要位于紅光波段, 受大氣的影響比較小, 只需進(jìn)行簡(jiǎn)單的大氣校正便能進(jìn)行反演。

4.1.1 熒光基線高度法

熒光基線高度法(FLH)其基本原理是以熒光峰左右兩側(cè)通道(λL, λR)的連線作為基線計(jì)算熒光基線的高度, 根據(jù)熒光基線高度(λF)與葉綠素濃度存在的關(guān)系, 利用公式(4-1)來(lái)反演葉綠素濃度, 如圖 1所示。Hu等[22]利用MODIS衛(wèi)星數(shù)據(jù)構(gòu)建熒光基線高度算法監(jiān)測(cè)佛羅里達(dá)近岸海域赤潮的分布, 研究發(fā)現(xiàn)熒光基線高度法在水體組分較為復(fù)雜的近岸海域, 能夠有效地監(jiān)測(cè)藻華的濃度與分布。Gower等[23]則利用 MERIS、MODIS驗(yàn)證了熒光基線高度算法在格魯吉亞海峽沿岸水域的反演精度, 研究表明該方法反演精度優(yōu)于常規(guī)的藍(lán)-綠波段比值模型。馬萬(wàn)棟等[24]通過(guò)分析煙臺(tái)近海水體實(shí)測(cè)反射光譜曲線,利用熒光基線高度法構(gòu)建葉綠素a含量遙感反演模型。王林等[25]在大連灣及鄰近海域利用實(shí)測(cè)熒光峰波長(zhǎng)建立的熒光基線高度算法, 反演葉綠素 a濃度取得較好的效果。

4.1.2 歸一化熒光高度法

歸一化熒光高度法最早由 Vos提出[26], 其基本原理是將紅光波段熒光峰最大值的輻射率(Rmax)歸一化到 560 nm處(NFH1)的反射峰或 675 nm處(NFH2)的吸收峰, 如圖 2所示。前人研究結(jié)果揭示該方法較適用于葉綠素 a濃度較高的富營(yíng)養(yǎng)水體,回歸方程的相關(guān)系數(shù)都比較高[27–28]。Ghanea等[29]驗(yàn)證了歸一化熒光高度法監(jiān)測(cè)波斯灣赤潮的適用性。馬萬(wàn)棟等[24]利用歸一化熒光高度法反演煙臺(tái)近海水體葉綠素濃度, 也取得了較好的反演精度。

圖1 熒光基線高度法示意圖Fig.1 The principle of fluorescence line height

圖2 歸一化熒光高度法示意圖Fig.2 The principle of normalized fluorescence height

4.1.3 熒光包絡(luò)面積法

該方法采用包絡(luò)線去除方法得到葉綠素?zé)晒夥宓陌j(luò)曲線, 進(jìn)而計(jì)算包絡(luò)面積與葉綠素濃度的關(guān)系建立葉綠素a反演算法, 表達(dá)式如公式(4-4)所示。熒光峰面積涵蓋了熒光峰高度以及熒光峰寬度等信息, 該方法選擇包絡(luò)線去除方法消除背景值的影響,有效消除光譜整體反射率整體抬高對(duì)葉綠素濃度反演的影響。Liu等[30–31]在對(duì)珠江口近岸水體, 利用實(shí)測(cè)高光譜數(shù)據(jù)驗(yàn)證熒光包絡(luò)面積法的反演精度。

4.2 波段模型

圖3 熒光包絡(luò)面積法示意圖Fig.3 The principle of fluorescence envelope area

波段模型反演葉綠素a最基礎(chǔ)的算法為藍(lán)-綠波段比值法, 該方法較多的運(yùn)用在深海大洋一類(lèi)水體中, 但在高渾濁復(fù)雜的河口與近岸水體, 該方法的精度受到限制[32]。Gitelson等[33]針對(duì)渾濁水體建立三波段模型(TBM), 并利用MERIS數(shù)據(jù)對(duì)TBM模型進(jìn)行驗(yàn)證。Le等[34]在三波段模型TBM的基礎(chǔ)上,引入第四波段削弱純水和懸浮物對(duì)反演精度的影響; 同時(shí), Le等[35]在不做任何參數(shù)調(diào)整的情況下,在湖泊、河口以及沿海水域等水體環(huán)境證明了三波段反演模型具有一定的普適性。周琳等[36]以水體較為渾濁復(fù)雜的太湖和巢湖為實(shí)驗(yàn)區(qū), 在總結(jié)三波段模型(TBM)的基礎(chǔ)上構(gòu)建適用高渾濁水體的改進(jìn)三波段模型(ETM)和四波段模型(FBM), 得出四波段模型更適合高渾濁水體, 但假設(shè)條件的普適性有待驗(yàn)證。姜廣甲等[37]對(duì)比了兩波段、三波段、改進(jìn)三波段和四波段4個(gè)模型在高渾濁二類(lèi)水體反演葉綠素a的精度, 得出了利用三波段、改進(jìn)的三波段等方法在一定程度上提高了葉綠素a濃度的反演精度。筆者總結(jié)了三波段模型、改進(jìn)三波段模型和四波段模型三種模型的假設(shè)與限制條件, 詳見(jiàn)表1。

4.3 非線性映射法

表1 TBM、ETM和FBM模型條件Tab.1 The conditions of TBM、ETM and FBM model

相關(guān)學(xué)者根據(jù)河口及近岸海域水體中水色要素的關(guān)系具有非線性和隨機(jī)性等特征, 利用支持向量機(jī)(SVM)及人工神經(jīng)網(wǎng)絡(luò)(ANN)等非線性方法來(lái)反演河口及近岸海域復(fù)雜水體中葉綠素a濃度。但此類(lèi)方法需要預(yù)先選擇訓(xùn)練樣本, 即特征波段特征參數(shù)的輸入; 因此, 特征波段與特征參數(shù)是否具有代表性決定了該類(lèi)非線性模型反演精度。所以, 相關(guān)學(xué)者結(jié)合前文所述的光譜預(yù)處理、熒光法、波段法等算法構(gòu)建更具代表性的訓(xùn)練樣本, 提高非線性模型的反演精度。Sun等[38]將最優(yōu)三波段因子作為輸入?yún)?shù)建立支持向量機(jī)模型。王春磊等[39]評(píng)價(jià)了熒光法與SVM在萊州灣反演葉綠素a濃度的精度, 結(jié)果既肯定了葉綠素?zé)晒夥ㄌ綔y(cè)葉綠素濃度的有效性,同時(shí)又表明了 SVM 算法能更有效地對(duì)葉綠素光譜特性進(jìn)行擬合。Park等[40]利用支持向量機(jī)及人工神經(jīng)網(wǎng)絡(luò)對(duì)Juam和Yeongsan水庫(kù)進(jìn)行葉綠素濃度反演, 結(jié)果表明SVM和ANN均能精確的反演水庫(kù)葉綠素a濃度。此外, 部分學(xué)者對(duì)支持向量機(jī)及神經(jīng)網(wǎng)絡(luò)的缺陷進(jìn)行優(yōu)化[41–42], 大大提高了模型的反演精度, Song等[43]運(yùn)用最小二乘法對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化, 向先全等[44]利用渤海灣實(shí)測(cè)水質(zhì)構(gòu)建了遺傳優(yōu)化神經(jīng)網(wǎng)絡(luò)模型, 吳志峰等[45]利用粒子群PSO算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò), 克服BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)解的缺陷, 提高了河口近岸水體葉綠素 a濃度的反演精度。

4.4 機(jī)理模型

機(jī)理模型是一種以光學(xué)傳輸機(jī)理為基礎(chǔ)的水質(zhì)參數(shù)反演模型; 其中, 最具代表性的機(jī)理模型是由Gordon在1975年提出的分析模型[46](公式4-5、4-6、4-7)。該模型利用生物光學(xué)模型建立水質(zhì)參數(shù)與反射光譜之間的關(guān)系, 進(jìn)而反演水質(zhì)參數(shù)。雖然眾多學(xué)者利用分析模型取得不錯(cuò)的反演精度[47–48]。Ambarwulan等[49]利用生物光學(xué)模型對(duì)Berau沿海水域的葉綠素a和懸浮物濃度進(jìn)行反演, Ampe等[50]針對(duì)渾濁水體水質(zhì)參數(shù)的反演(葉綠素a), 提出了小波增強(qiáng)的生物光學(xué)模型, 以提高模型反演精度。但是,目前對(duì)分析模型中的參數(shù)確定多是參考前人研究結(jié)果, 不同研究區(qū)的這些參數(shù)存在差異, 且參數(shù)隨著監(jiān)測(cè)的季節(jié)而發(fā)生變化, 尤其對(duì)于河口及近岸渾濁水體, 直接應(yīng)用國(guó)外開(kāi)發(fā)的生物光學(xué)模型會(huì)產(chǎn)生較大誤差[51–52]。因此, 近年來(lái)部分學(xué)者通過(guò)地面實(shí)測(cè)數(shù)據(jù)構(gòu)建生物光學(xué)模型, 韓留生等[53]針對(duì)近岸二類(lèi)水體優(yōu)化模型參數(shù), 提高生物光學(xué)模型在近岸渾濁水體的應(yīng)用精度。

R (0,λ)為水表面在波長(zhǎng)為λ時(shí)的向上輻照度與向下輻照度的比值, T (λ)為波長(zhǎng)為λ時(shí)吸收系數(shù), Ub(λ)為波長(zhǎng)為λ時(shí)的后向散射系數(shù),f為常數(shù)。

4.5 算法比較

葉綠素a濃度遙感反演方法經(jīng)過(guò)40多年的發(fā)展,眾多領(lǐng)域的學(xué)者為這一領(lǐng)域的發(fā)展做出了巨大的貢獻(xiàn); 然而, 由于河口及近岸海域水體的特殊性, 要建立業(yè)務(wù)化、普適性的反演算法還遠(yuǎn)遠(yuǎn)不夠, 各反演算法的精度還需進(jìn)一步提高。從表2可以發(fā)現(xiàn)每種反演方法的特點(diǎn)和所適用范圍都不同, 因此, 對(duì)不同類(lèi)型的河口及近岸水體, 應(yīng)充分挖掘其間的光學(xué)特性間的異同。對(duì)于反演特征波段的選取及光譜信息的提取需要進(jìn)一步發(fā)展光譜數(shù)據(jù)的處理方法以及提高光譜數(shù)據(jù)的分辨率, 為提高反演精度提供基礎(chǔ)。其次, 了解近岸河口地區(qū)水體其季節(jié)性、局地性的變化規(guī)律, 研究不同水體間的光學(xué)特性差異,結(jié)合不同類(lèi)型的水體發(fā)展出更精確的反演算法。

5 討論與展望

表2 河口及近岸水體葉綠素濃度反演算法比較Tab.2 The comparison of the inversion algorithm of chlorophyll concentration in estuarine and coastal waters

河口及近岸海域水體葉綠素a濃度遙感反演對(duì)于水環(huán)境的宏觀實(shí)時(shí)監(jiān)測(cè)具有廣闊的應(yīng)用前景。但由于河口及近岸水體的光學(xué)特性遠(yuǎn)比大洋水體復(fù)雜,不同水色成份的吸收和散射光譜有重疊區(qū)域,應(yīng)用傳統(tǒng)大洋一類(lèi)水體的反演方法無(wú)法滿(mǎn)足其精度要求; 而對(duì)于不同類(lèi)型的河口及近岸水體, 業(yè)務(wù)化通用的高精度反演算法還沒(méi)有建立起來(lái)。因此, 本文從河口及近岸水體的復(fù)雜性進(jìn)行闡述, 總結(jié)并對(duì)比了近十年來(lái), 河口及近岸海域水體光譜數(shù)據(jù)的處理以及葉綠素 a濃度反演方法, 提出今后河口及近海沿岸葉綠素濃度的遙感業(yè)務(wù)化監(jiān)測(cè)還有待于在以下幾個(gè)方面加強(qiáng)研究:

1)在算法機(jī)理方面。深入研究河口及近岸海域水體各參數(shù)的光學(xué)特性, 進(jìn)一步發(fā)展光譜分析技術(shù);在充分考慮葉綠素反演模型的各種影響因子的基礎(chǔ)上, 增強(qiáng)模型的適用性和可移植性; 同時(shí)加強(qiáng)葉綠素反演的分析方法研究, 提高反演模型的適用性。

2)在數(shù)據(jù)處理方面。由于水體的特性導(dǎo)致水體的有效信號(hào)只占 5%-10%, 而且河口及近岸水體成分的復(fù)雜性進(jìn)一步導(dǎo)致反演葉綠素的難度。因此,在數(shù)據(jù)處理方法上需要發(fā)展更多算法以消除背景信息及噪聲的影響, 突出葉綠素特征光譜, 并利用高光譜技術(shù)充分挖掘已有遙感數(shù)據(jù)的應(yīng)用潛力。

3)在反演算法體系上。由于各類(lèi)河口海區(qū)的水質(zhì)、光學(xué)特性都存在區(qū)域性和季節(jié)性的差異, 引起固有光學(xué)特性大的空間分異。導(dǎo)致目前區(qū)域性的算法比較多, 而全球大范圍的算法比較少。因此, 今后在不斷積累各個(gè)海區(qū)實(shí)驗(yàn)數(shù)據(jù)的同時(shí), 應(yīng)當(dāng)仔細(xì)研究各類(lèi)河口海區(qū)的異同, 探討各類(lèi)河口及近岸水體光學(xué)特性的共性和個(gè)性, 發(fā)展出適合不同類(lèi)型河口海區(qū)及不同季相的葉綠素反演算法體系。

[1]鄭高強(qiáng), 陳蕓芝, 汪小欽, 等.基于HJ-1衛(wèi)星CCD數(shù)據(jù)的廈門(mén)海域葉綠素a濃度反演[J].遙感技術(shù)與應(yīng)用,2015, 30(2): 235-241.

[2]馬萬(wàn)棟, 王橋, 吳傳慶, 等.基于反射峰面積的水體葉綠素遙感反演模擬研究[J].地球信息科學(xué)學(xué)報(bào), 2014,16(6): 965-970.

[3]叢丕福, 曲麗梅, 王臣立, 等.基w于MODIS模擬的遼東灣葉綠素 a的遙感反演模型[J].生態(tài)環(huán)境學(xué)報(bào),2009, 18(6): 2057-2060.

[4]XING X G, ZHAO D Z, LIU Y G, et al.An overview of remote sensing of chlorophyll fluorescence[J].Ocean Science Journal, 2007, 42(1): 49-59.

[5]楊一鵬, 王橋, 王文杰, 等.水質(zhì)遙感監(jiān)測(cè)技術(shù)研究進(jìn)展[J].地理與地理信息科學(xué), 2004, 20(6): 6-12.

[6]周冠華, 唐軍武, 田國(guó)良, 等.內(nèi)陸水質(zhì)遙感不確定性:問(wèn)題綜述[J].地球科學(xué)進(jìn)展, 2009, 24(2): 150-158.

[7]韋玉春, 王國(guó)祥, 程春梅, 等.面向渾濁水體葉綠素 a濃度遙感反演的光譜基線校正[J].光譜學(xué)與光譜分析,2012, 32(9): 2546-2550.

[8]ALTHUIS I, SHIMWELL S.Modelling of remote sensing reflectance spectra for suspended matter concentration detection in coastal waters[J].Earsel Advances in Remote Sensing, 1995.

[9]MUSTAPHA B, LAROUCHE SP.Geoscience and remote sensing symposium.IGARSS 2008.IEEE International, 2008, 4(IV): 914.

[10]WANG L, PU H, SUN D W.Estimation of chlorophyll-a concentration of different seasons in outdoor ponds using hyperspectral imaging[J].Talanta, 2016, 147: 422-429.

[11]劉朝相, 宮兆寧, 趙文吉, 等.基于光譜基線校正的季節(jié)性渾濁Ⅱ類(lèi)水體葉綠素 a濃度遙感反演[J].湖泊科學(xué), 2014, 26(06): 897-906.

[12]XING Q, CHEN C, SHI H, et al.Estimation of chlorophyll-a concentrations in the Pearl River Estuary using in situ hyperspectral data: A case study[J].Marine Technology Society Journal, 2008, 42(4): 22-27.

[13]GOOD N D G, HAN L, FRASER R N, et al.Analysis of suspended solids in water using remotely sensed high resolution derivative spectra[J]. Photogrammetric Engineering & Remote Sensing, 1993, 56(4): 505-510.

[14]DUAN H T, MA R H, XU J P, et al.Comparison of different semi-empirical algorithms to estimate chlorophyll-a concentration in inland lake water[J].Environmental Monitoring & Assessment, 2010, 170(1/4):231-244.

[15]CHENG C, WEI Y, SUN X, et al.Estimation of Chlorophyll-a Concentration in Turbid Lake Using Spectral Smoothing and Derivative Analysis[J].International Journal of Environmental Research &Public Health, 2013, 10(7): 2979-2994.

[16]杜嘉, 張柏, 宋開(kāi)山, 等.松花湖水體葉綠素 a含量與反射光譜特征關(guān)系初探[J].遙感技術(shù)與應(yīng)用, 2010,25(1): 50-56.

[17]韋玉春, 王國(guó)祥, 程春梅.水面光譜數(shù)據(jù)的核回歸平滑去干擾分析[J].南京師大學(xué)報(bào): 自然科學(xué)版, 2010,33(3): 97-102.

[18]程春梅, 韋玉春, 王國(guó)祥, 等.使用光譜平滑提高渾濁水體葉綠素 a濃度估算模型的應(yīng)用精度[J].遙感技術(shù)與應(yīng)用, 2013, 28(6): 941-948.

[19]CHENG C, WEI Y, SUN X, et al.Estimation of Chlorophyll-a Concentration in Turbid Lake Using Spectral Smoothing and Derivative Analysis[J].International Journal of Environmental Research &Public Health, 2013, 10(7): 2979-2994.

[20]MOREL A, PRIEUR L.Analysis of variations in ocean color[J].Limnology and Oceanography, 1977, 22(4):709-722.

[21]NEVILLE R A, GOWER J F R.Passive remote sensing of phytoplankton via chlorophyll fluorescence[J].Journal of Geophysical Research, 1977, 82(24): 3487-3493.

[22]HU C, MULLER-KARGER F E, TAYLOR C, et al.Red tide detection and tracing using MODIS fluorescence data: A regional example in SW Florida coastal waters[J].Remote Sensing of Environment, 2005, 97(3): 311-321.

[23]GOWER J, KING S.Use of satellite images of chlorophyll fluorescence to monitor the spring bloom in coastal waters[J].International Journal of Remote Sensing, 2012, 33(23): 7469-7481.

[24]馬萬(wàn)棟, 吳傳慶, 殷守敬, 等.基于實(shí)測(cè)光譜的煙臺(tái)四十里灣水體葉綠素a遙感反演[J].中國(guó)環(huán)境監(jiān)測(cè), 2015,31(4): 135-140.

[25]王林, 楊建洪, 趙冬至.大連灣及鄰近海域水體葉綠素濃度熒光遙感算法研究[J].應(yīng)用海洋學(xué)學(xué)報(bào), 2014,33(1): 111-117.

[26]VOS W L, DONZE M, BUITEVELD H.On the Reflectance Spectrum of Algae in Water: The Nature of the Peak at 700nm and Its Shift with Varying Algal Concentration[M].Delft University of Technology, Faculty of Civil Engineering, 1986.

[27]趙冬至, 張豐收, 楊建洪, 等.表征赤潮水體太陽(yáng)激發(fā)的葉綠素?zé)晒飧叨鹊牟ǘ蝺?yōu)化—?dú)w一化熒光高度法[J].海洋學(xué)報(bào), 2005, 27(6): 146-153.

[28]李軍, 商少凌, 李永虹, 等.基于 MODIS熒光高度變化的藻類(lèi)水華遙感監(jiān)測(cè)方法[J].廈門(mén)大學(xué)學(xué)報(bào)(自然版), 2011, 50(5): 903-908.

[29]GHANEA M, MORADI M, KABIRI K.A novel method for characterizing harmful algal blooms in the Persian Gulf using MODIS measurements[J].Advances in Space Research, 2016, 58(7): 1348-1361.

[30]LIU F, CHEN C, TANG S, et al.Retrieval of chlorophyll concentration from the enveloped areas of fluorescence spectra in Pearl River estuary, China[J].Proceedings of SPIE-The International Society for Optical Engineering,2010, 64(12): 1912-6.

[31]LIU F F, CHEN C Q, TANG S L, et al.Retrieval of chlorophyll a concentration from a fluorescence enveloped area using hyperspectral data[J].International Journal of Remote Sensing, 2011, 32(13): 3611-3623.

[32]解學(xué)通, 吳志峰, 王婧, 等.結(jié)合實(shí)測(cè)光譜數(shù)據(jù)的珠江口水質(zhì)遙感監(jiān)測(cè)[J].廣州大學(xué)學(xué)報(bào)(自然科學(xué)版), 2016,15(4): 73-78.

[33]GITELSON A A, DALL'OLMO G, MOSES W, et al.A simple semi-analytical model for remote estimation of chlorophyll- a, in turbid waters: Validation[J].Remote Sensing of Environment, 2008, 112(9): 3582-3593.

[34]LE C, LI Y, ZHA Y, et al.A four-band semi-analytical model for estimating chlorophyll a in highly turbid lakes:The case of Taihu Lake, China[J].Remote Sensing of Environment, 2009, 113(6): 1175-1182.

[35]LE C, HU C, CANNIZZARO J, et al.Evaluation of chlorophyll-a remote sensing algorithm for an optically complex estuary[J].Remote Sensing of Environment,2013, 129(2): 75-89.

[36]周琳, 馬榮華, 段洪濤, 等.渾濁II類(lèi)水體葉綠素a濃度遙感反演(Ⅰ): 模型的選擇[J].紅外與毫米波學(xué)報(bào),2011, 30(06): 531-536.

[37]姜廣甲, 周琳, 馬榮華, 等.渾濁II類(lèi)水體葉綠素a濃度遙感反演(II): MERIS遙感數(shù)據(jù)的應(yīng)用[J].紅外與毫米波學(xué)報(bào), 2013, 32(4): 372-378.

[38]SUN D Y, LI Y M, QIAO W.A unified model for remotely estimating chlorophyll a in Lake Taihu, China,based on SVM and in situ hyperspectral data[J].IEEE Transactions on Geoscience & Remote Sensing, 2009,47(8): 2957-2965.

[39]王春磊, 晁暉, 孫迪.基于 SVM 的萊州灣葉綠素濃度遙感反演[J].河北聯(lián)合大學(xué)學(xué)報(bào): 自然科學(xué)版, 2014,36(2): 71-75.

[40]PARK Y, CHO K H, PARK J, et al.Development of early- warning protocol for predicting chlorophyll-a concentration using machine learning models in freshwater and estuarine reservoirs, Korea[J].Science of the Total Environment, 2015, 502(12): 31-41.

[41]汪西莉, 周兆永, 延軍平.應(yīng)用 GA-SVM 的渭河水質(zhì)參數(shù)多光譜遙感反演[J].遙感學(xué)報(bào), 2009, 13(4):735-744.

[42]SINGH KP, BASANT N, GUPTA S.Support vector machines in water quality management.[J].Analytica Chimica Acta, 2011, 703(2): 152.

[43]SONG K, LI L, LI S, et al.Using Partial Least Squares-Artificial Neural Network for Inversion of Inland Water Chlorophyll-a[J].IEEE Transactions on Geoscience &Remote Sensing, 2014, 52(2): 1502-1517.

[44]向先全, 陶建華.基于模糊識(shí)別和遺傳神經(jīng)網(wǎng)絡(luò)的渤海灣葉綠素a預(yù)測(cè)研究[J].海洋環(huán)境科學(xué), 2011, 30(2):239-242.

[45]吳志峰, 張棋斐, 解學(xué)通.基于粒子群和神經(jīng)網(wǎng)絡(luò)的珠江口葉綠素 a濃度反演[J].廣州大學(xué)學(xué)報(bào): 自然科學(xué)版, 2016, 15(6): 1-8.

[46]GORDON H R, BROWN O B, EVANS R H, et al.A semianalytic radiance model of ocean color[J].Journal of Geophysical Research Atmospheres, 1988, 93(10):10909–10924.

[47]楊偉, 陳晉, 松下文經(jīng).基于生物光學(xué)模型的水體葉綠素濃度反演算法[J].光譜學(xué)與光譜分析, 2009, 29(1):38-42.

[48]李云梅, 黃家柱, 韋玉春, 等.用分析模型方法反演水體葉綠素的濃度[J].遙感學(xué)報(bào), 2006, 10(2): 169-175.

[49]AMBARWULAN W, SALAMA M S, MANNAERTS C M, et al.Estimating specific inherent optical properties of tropical coastal waters using bio-optical model inversion and in situ measurements: case of the Berau estuary, East Kalimantan, Indonesia[J].Hydrobiologia, 2011, 658(1):197-211.

[50]AMPE E M, RAYMAEKERS D, HESTIR E L, et al.A Wavelet-Enhanced Inversion Method for Water Quality Retrieval From High Spectral Resolution Data for Complex Waters[J].IEEE Transactions on Geoscience &Remote Sensing, 2015, 53(2): 869-882.

[51]GIARDINO C, BRANDO V E, DEKKER A G, et al.Assessment of water quality in Lake Garda (Italy) using Hyperion[J].Remote Sensing of Environment, 2007,109(2): 183-195.

[52]王勝?gòu)?qiáng), 陳晉, 楊偉, 等.Lee生物光學(xué)模型在不同水體組分特性下的適用性[J].湖泊科學(xué), 2011, 23(2):217-222.

[53]韓留生, 陳水森, 李丹, 等.近岸二類(lèi)水體生物光學(xué)模型參數(shù)優(yōu)化[J].熱帶地理, 2014, 34(3): 351-358.

Research progress of the inversion algorithm of chlorophyll-a concentration in estuaries and coastal waters

ZHANG Qifei, WU Zhifeng*, XIE Xuetong
Research center of Guangdong province national condition monitoring and comprehensive analysis engineering technology,School of Geographical Sciences,Guangzhou University,Guangzhou510006,China

Due to the complex optical characteristics of the estuaries and coastal waters, the previous inversion algorithms of chlorophyll a concentration in Case-Ⅰ water are no longer applicable.Therefore, in order to improve the retrieval accuracy of chlorophyll-a concentration, the uncertainty of the optical properties of the estuarine and coastal water body are described.The key factors which affect the retrieval accuracy in estuarine and coastal waters are analyzed from two aspects, including the complexities of water components and the differences of spectral response.Then the spectral data preprocessing methods and remote sensing inversion algorithms of chlorophyll a concentration in estuarine and coastal turbid waters in recent ten years are summarized.Finally, some suggestions are put forward to improve the accuracy of the inversion of chlorophyll a concentration in estuarine and coastal waters from the three aspects of the inversion algorithm, data processing and inversion algorithm system.

estuary; coastal waters; chlorophyll a; remote sensing; inversion

10.14108/j.cnki.1008-8873.2017.05.028

X87; X832

A

1008-8873(2017)05-215-08

張棋斐, 吳志峰, 解學(xué)通.河口及近岸海域水體葉綠素濃度反演方法綜述[J].生態(tài)科學(xué), 2017, 36(5): 215-222.

ZHANG Qifei, WU Zhifeng, XIE Xuetong.Research progress of the inversion algorithm of chlorophyll-a concentration in estuaries and coastal waters[J].Ecological Science, 2017, 36(5): 215-222.

2017-04-25;

2017-06-07

廣州市產(chǎn)學(xué)研協(xié)同創(chuàng)新重大專(zhuān)項(xiàng)(201508020109); 國(guó)家自然科學(xué)基金項(xiàng)目(41476152)

張棋斐(1993-), 男, 廣東佛山人, 碩士研究生, 主要從事生態(tài)環(huán)境遙感研究, E-mail: gzuzqf@163.com

*通信作者:吳志峰, 男, 湖南湘潭人, 博士, 博士生導(dǎo)師, 教授, 主要從事城市生態(tài)城市環(huán)境遙感研究, E-mail: gzuwzf@163.com