一种中低营养水体的叶绿素a浓度反演方法

技术领域

本发明涉及光学遥感技术领域，特别是涉及一种中低营养水体的叶绿素a浓度反演方法。

背景技术

水库，分布范围广泛，一般具有防洪抗旱、发电、灌溉、城市及工业供水等综合功能，是重要的水源地和后备水源地，在生态和社会经济上发挥着至关重要的作用。作为人工湖泊的一种，水库兼有河流和湖泊二者的特征，其更新速度慢，稀释自净能力相对弱的特点使水库水质安全已经成为监管部门与科研人员共同关注的问题，尤其对于水源型水库。浮游植物叶绿素a浓度(Chlorophyll a,Cchl-a)一直被作为衡量水生生态系统生态完整性的重要指标，尽管适量的浮游植物对水生生态系统至关重要，但其过量存在可能对生态系统功能和公众健康造成损害。传统实测方法无法在空间尺度准确监测所有湖泊的水质，光学遥感长期以来一直被用作一种有效的水质观测方法，经济快速地对水体生态系统中关键物理-生物过程和水域天气进行观测。

光学遥感监测Cchl-a的原理是通过光学遥感传感器获取水体固有光学特性，即大气顶部记录的遥感信号去除大气效应，简化为遥感反射率，量化水体的光学特性，然后估算Cchl-a。浮游植物的反射率特征主要为在560nm和700nm附近形成明显的反射率峰值，在675nm处的特征可以抵消700nm左右的近红外散射峰。根据浮游植物吸收和后向散射特性，形成了使用蓝绿色波段或红色和近红外波段的波段组合半经验算法。蓝绿比值算法适用于只受浮游植物及其分解物影响的一类水体，发展为成熟的ocean color系列算法，应用于全球海洋的Cchl-a估算，能高精度的估算清水中的Cchl-a，但它往往会高估内陆和沿海水域的Cchl-a。红-近红外方法假设有色溶解有机物和非藻类粒子的吸收可以忽略不计，且对大气校正中的不确定性不太敏感，适用于受到碎屑物质或彩色溶解有机物的强烈影响的二类水体，应用于MERIS光谱波段反演Cchl-a。除此之外针对浑浊的富营养化水体建立了三波段模型和四波段模型。针对高浑浊水体建立了TC2模型。针对高悬浮泥沙低叶绿素水体开发了SCI指数模型。根据浮游植物700nm附近反射峰的变化，665-685nm区域的Cchl-a吸收和荧光峰的基础特点开发了荧光算法。以及一些基于固有光学性质(IOP)反演的算法和智能算法。逐渐清楚的是，蓝绿比仅限于营养贫乏的水域，而红-近红外比仅适用于Cchl-a浓度大于10mg.m

针对不同光学性质水域的Cchl-a反演算法已经能够取得较高的精度，切换和混合多种算法或加权集成方案优于单个算法。以遥感反射率波形特征的光学分类进行水体分类，函数数据分析聚类分析如k-mean方法、模糊C均值聚类Fuzzy C-Means等。如Neil(2019)收集了全球185个内陆和沿海水系统收集的原始遥感反射率数据(n＝2807)将水体分为13种不同的光学水类型(OWTs)。每个OWT与不同的生物光学特性相关，重新调整算法以优化每个单独OWT的参数化(即一个算法，多个参数化)可以提高Cchl-a的整体反演精度。根据固有光学特征的分类包括孙德勇以折射系数np为指标，将水体分为浮游植物、无机颗粒物主导和两者共同主导的水域。姜广甲根据浮游植物色素为主和非色素为主的颗粒吸收aph(443)/ad(443)的比值，将水域类别分为以碎屑、色素为主的水域和中间水域，并根据浮游植物的吸收反射特性，利用CI672和CI555来区分3种状态的水体。Gomez et al.(2011)提出了两种归一化差异指数(即705nm和665nm波段，560nm和442nm波段)将欧盟地中海湖泊划分为两种类型。Matsushita et al(2015)利用maximum chlorophyll index(MCI)的不同阈值将水体分为10mg.m

综上，水体分类和Cchl-a反演算法已经在一些内陆水域进行了验证，但是这些算法在其他水域的应用存在局限性，尤其对于一些中小型低营养和中营养型内陆水库水体，这类研究还非常有限。中小型水库水域面积不大，以往应用于Visible Infrared ImagingRadiometer Suite、Ocean and Land Colour Instrument、MEdium Resolution ImagingSpectrometer等中低卫星的空间分辨率难以应用，导致这类水体的遥感监测不足。且近几十年来，大部分内陆水质研究都集中在富营养化水体，对于中营养和低营养水体Cchl-a的水体采样不足，反演方法的相对较少，且反演精度不确定性更高，限制了此类Cchl-a估计方法的开发和验证。Sentinel-2卫星最高10m的空间分辨率、5天的重访周期能很好地解决以往卫星分辨率低的问题，被认为是最适合内陆水体遥感反演的卫星，但是由于波段设置的问题，成熟算法中涉及到的555nm、672nm、708nm、751nm等波段不存在，针对这颗卫星的水体分类以及不同水体适用的Cchl-a反演方法的研究涉及较少。

发明内容

本发明提供了一种中低营养水体的叶绿素a浓度反演方法，可以解决现有技术中存在的问题。

本发明提供一种中低营养水体的叶绿素a浓度反演方法，包括以下步骤：

获取多张地表反射率图像；

根据多张地表反射率图像获取中低营养水体的反射率数据，根据反射率数据计算多个分类波段反射比；

根据多个分类波段反射比将中低营养水体分类为多种不同水体类型；

对多种不同水体类型选择不同反演波段，根据不同的反演波段计算反演波段反射比，根据反演波段反射比建立多项式波段比值反演模型，通过多项式波段比值反演模型对多种不同水体类型的叶绿素a浓度进行反演；

所述多项式波段比值反演模型如下所示：

Cchl-a＝a*BR(i)

式中，Cchl-a为叶绿素a浓度，BR(i)为不同水体类型的波段反射比，a,b,c均为常数。

优选的，基于哨兵2号卫星获取多张地表反射率图像，所述哨兵2号卫星搭载多光谱影像仪，从可见到近红外的8个光谱波段获得辐射测量，其中心波长分别为443nm、490nm、560nm、665nm、705nm、740nm、783nm和842nm。

优选的，在获取中低营养水体的反射率数据之前，需要对获取的多张地表反射率图像进行大气校正和最近邻重采样预处理；所述大气校正基于Sen2Cor处理器中的LIBRADTRAN辐射传输模型，所述最近邻重采样将光谱波段的空间分辨率从20米转换为10米。

优选的，利用地物波谱仪从多张地表反射率图像获取中低营养水体的反射率数据。

优选的，所述反射率数据包括490nm、560nm、665nm、705nm和842nm的波段数据。

优选的，根据多个波段反射比将中低营养水体分类为多种不同水体类型，具体包括以下情况：

当R490/R560不小于0.8时，水体为类型1；

当R490/R560小于0.8且R665/R560不小于0.6时，水体为类型2；

当R490/R560小于0.8且R665/R560小于0.6时，水体为类型3，

其中，R为反射率。

优选的，所述类型1是清澈水体，类型2是浮游植物主导的水体，类型3是浮游植物和其他物质共同主导的水体。

优选的，对多种不同水体类型选择不同反演波段，根据不同的反演波段计算反演波段反射比，具体包括以下情况：

所述类型1选择665nm和490nm，其反演波段反射比为R665/R490；

所述类型2选择705nm和560nm，其反演波段反射比为R705/R560；

所述类型3选择842nm和665nm，其反演波段反射比为R842/R665。

与现有技术相比，本发明的有益效果是：

本发明基于实测光谱和地表反射率图像，提出了简单的波段比值水体分类算法，对低、中营养水体进行分类，同时建立了不同水体波段比值混合算法，提高叶绿素a反演精度，适用于低、中营养化水体的中小型水库或湖泊。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一种中低营养水体的叶绿素a浓度反演方法的流程图；

图2为本发明的一种中低营养水体的叶绿素a浓度反演方法的流程框图；

图3(a)为基于R490/R560波段反射比区分不同水体的示意图；

图3(b)为基于R665/R560波段反射比区分不同水体的示意图；

图4为本发明的三种水体的遥感反射率波谱图；

图5为本发明的三种水体Cchl-a反演结果图；

图6(a)为MCI与Cchl-a的关系图；

图6(b)为BR与Cchl-a的关系图；

图6(c)为TBA与Cchl-a的关系图；

图7(a)为MCI与经典算法的反演结果与实测结果的对比图；

图7(b)为BR与经典算法的反演结果与实测结果的对比图；

图7(c)为TBA与经典算法的反演结果与实测结果的对比图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参照图1，本发明提供了一种中低营养水体的叶绿素a浓度反演方法，基于Sentinel-2高分辨率(10m)卫星数据和实测遥感反射率数据，以中国中部地区的中小型水库：陆浑湖水库、小浪底水库(东南部)、宿鸭湖水库和丹江口水库(丹江库区)为研究区域，研究一种适用于不同营养类型水体(超寡营养、寡营养和中营养水体)叶绿素a浓度反演的混合算法。通过单一实测遥感反射率比值法将水体分为三类，然后建立适合于每种水体类型的双波段反射比经验模型，提高不同水体类型的叶绿素a浓度反演精度。具体包括以下步骤：

第一步：获取多张地表反射率图像。

哨兵2号(Sentinel-2)是欧洲空间局哥白尼计划下的一个地球观测任务，由2颗相同的卫星哨兵2号A(Sentinel-2A)与B(Sentinel-2B)组成，可实现5天全球重访。每颗卫星都搭载相同的多光谱影像仪(Multi-spectral instrument,MSI)。该影像仪可从可见到近红外的8个光谱波段获得辐射测量，具有不同的空间分辨率，其中心波长分别为443(60m)、490(10m)、560(10m)、665(10m)、705(20m)、740(20m)、783(20m)和842nm(10m)。本发明获取了2020-2022年对应的Level-2A地表反射率图像7张。

对获取的图像进行大气校正和最近邻重采样预处理。大气校正是基于Sen2Cor处理器中的LIBRADTRAN辐射传输模型。采用最近邻重采样将光谱波段的空间分辨率从20米转换为10米。

第二步：利用地物波谱仪从多张地表反射率图像获取水体的反射率数据，反射率数据包括490nm、560nm、665nm、705nm和842nm的波段数据。

根据反射率数据计算多个分类波段反射比，即波段反射率比值，根据多个分类波段反射比对多种水体类型进行区分。

大多数基于遥感反射率的光学分类方法直接利用遥感光谱的特定特征将光学复杂水域划分为不同的光学类型。由于叶绿素a和胡萝卜素的弱吸收以及细胞散射作用，水体的第一个反射峰位于530-580nm之间，随叶绿素a浓度增加而增大，含叶绿素a浓度低的水体在蓝光波段的反射率大于其他实体，所以利用蓝光波段与峰值波段的比值，能有效区分含叶绿素a浓度低的水体与其他水体，这也是采用蓝绿波段比值法提取海洋叶绿素a浓度的基础。其余两种水体光谱形状相似，除了量级上明显变化外，均在560nm处达到峰值之后下降，一种水体在560nm到665nm迅速下降，之后逐渐接近为0，而另一种水体则呈阶梯式下降，所以通过665nm下降的剧烈程度，区分这两类水体。

参照图2-4，本发明基于R490/R560和R665/R560波段反射率比值区分三类水体，具体包括以下情况：

当R490/R560不小于0.8时，水体为类型1；

当R490/R560小于0.8且R665/R560不小于0.6时，水体为类型2；

当R490/R560小于0.8且R665/R560小于0.6时，水体为类型3。

类型1是清澈水体，类型2是浮游植物主导的水体，类型3是浮游植物和其他物质(悬浮物)共同主导的水体。

第三步：对区分后的多种水体类型选择不同反演波段，根据不同的反演波段计算反演波段反射比，根据反演波段反射比建立多项式波段比值反演模型，通过多项式波段比值反演模型对不同水体类型的叶绿素a浓度进行反演。

经验方法根据实验数据建立了光学测量和组分浓度之间的关系。它们易于开发和实施，但它们的内在设计使它们对水成分的组成变化特别敏感。所以针对不同类型水体进行不同光学波段的选择。因为使用波段比值可以部分消除反射率双向变化的影响。因此，本发明采用反射率比值来开发Chl-a的反演算法。考虑到Sentinel特有的波段，因此3种水体选择的反演波段分别为b665/b490，b705/b560，b842/b665。随着水体的浑浊程度不断增加，分子和分母波段的选择向长波波段移动。

多项式波段比值反演模型如下所示：

Cchl-a＝a*BR(i)

式中，Cchl-a为叶绿素a浓度，BR(i)为波段反射比，a,b,c均为常数。

参照表1，利用b665/b490，b705/b560，b842/b665建立多项式波段比值反演模型，得到三种水体的叶绿素a反演结果，如图5所示。

表格1不同水体类型对应的双波段比值叶绿素a反演模型

表2已知分类方法和经典算法的反演结果(MCI、BR、TBA)与本研究的反演结果对比

参照图6、图7与表2，与已知的分类模型(maximum chlorophyll index(MCI)、twoband ratio method(BR)和three band algorithm(TBA))进行对比验证，说明本发明提出的分类及反演模型在中低营养水体中的适用性。本发明的方法针对每一种水体的反演精度都高于其他经典算法，平均绝对误差最小，总体偏差不超过1mg/m

湖泊、水库是内陆水体的重要组成部分，目前具备成熟叶绿素a浓度反演算法的传统中低分辨率卫星在针对以上面积不大、峡谷型水库时，反演精度大大降低。而且算法大多针对富营养水体，以中国中部城市河南省为例，全省水库营养化水平为中营养。但是已有算法针对低、中营养的水体反演不确定性高于富营养化水体。所以，本发明针对低、中营养水体，提出适用于高精度分辨率卫星的叶绿素a浓度反演算法，简单高效，且更适用于目前内陆中小型水库和湖泊。不仅可以丰富不同类型水体水色参数反演理论和方法，而且对富营养化湖泊水环境监测、管理和治理等具有重要实际意义。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要

求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。