基于HJ1B卫星CCD数据的湖泊叶绿素遥感监测

基于 HJ1B卫星 CCD数据的湖泊叶绿素遥感监测

李隆安 1，马于茗 1

1.南京信息工程大学应用气象学院 江苏 南京 210044

摘要：随着卫星和各种传感器技术的日益成熟，通过遥感数据估算水质的方法与技术也变得越来越成熟，本文使用环境小卫星HJ1B-CCD数据反演太湖叶绿素a浓度，主要分以下步骤，1）数据读取与辐射定标；2）几何校正；3）大气校正；4）图像的裁剪；5）建立反演模型；6）验证反演结果。本文建立了使用HJ1B-CCD近红外和红波段数据反演叶绿素a浓度模型y=0.0422x+0.0164，并利用实地采样数据验证了反演结果的可靠性，为进一步开展遥感水质监测研究奠定了基础。

关键词：水质监测；叶绿素a；遥感；湖泊。

1.引言

随着中国经济飞速发展和人民生活水平不断提高，由其带来的负面影响也越来越严重，其中最主要的就是对水环境的污染。随着逐年增加的工业废水排量，城市处理污水的能力也开始跟不上脚步，就造成了大量废水被随意排放的结果，最终影响到地表水体自净，对生态环境造成极大污染。目前，我国在地表水和水资源监测方面还存在许多问题，包括水质监测的指标、水质监测的技术应用和对水资源的保护和管理等。为了修复生态环境，消除污染对地表水的影响，必须要找到切实有效的对策和方法来确保获得准确的数据。水质监测的主要对象是监测水体的污染方式及其产生的原因，能够提供水体中污染物和污染因素的各项参数。水质监测的主要对象是监测水体的污染方式及其产生的原因，能够提供水体中污染物和污染因素的各项参数^[1]。然而传统传感器进行的水质监测不仅耗时长，且准确度底，难以反映湖泊的整体水质。新型遥感技术成本低和检测范围广，是未来湖泊水质监测的发展方向^[2]。其中常用HJ-CCD环境小卫星数据反演悬浮物浓度方面。并且研究发现HJ-CCD的第三和第四波段在遥感监测中具有较好相关性，数据较易获得且精准度较高^[3]。

太湖的水体富营养化严重，从1987年至今，太湖沿岸富营养化程度较高，自2007年5、6月太湖蓝藻爆发事件以来夏季经常有蓝藻滋生，严重影响水质^[4]。据统计，每年光太湖污染所导致的经济损失就达到了50亿元以上，且有持续上升趋势^[5]。叶绿素a是水生植物的主要组成部分，因此常常使用叶绿素a浓度作为湖泊水质参数。其浓度能够直接反映出水生植物的种类和数量以及分布情况，是水质评价和控制其污染的过程中的一个重要指标^[6]。因此，本文的研究内容为实现环境小卫星HJ1B-CCD数据反演太湖叶绿素a浓度。

2 数据方法

2.1 数据来源

本次实验数据主要使用了以下几种数据：

1）环境小卫星HJ1B-CCD1数据，即太湖遥感影像的基础数据。2008年发射的环境小卫星HJ1B由两颗光学小卫星和一颗雷达小卫星组成，提供的数据类型包括宽覆盖多光谱数据（CCD）；红外数据（IRS）；高光谱数据（HSI）以及微波数据(SAR),光谱范围覆盖了近红外、短波红外、中红外和热红外谱段4个波段。本次试验所使用的数据为宽覆盖多光谱数据（CCD）。其波谱范围为0.43~0.9μm共有四个波段（0.43-0.52um，0.52-0.60um，0.63-0.69um，0.76-0.90um），其星下点空间分辨率为30 m,单台幅宽为360km，两台幅宽为700km。HJ1B卫星所搭载的CCD相机具有宽幅、中高分辨率的特点,适合用于区域的大范围中尺度覆盖监测。本次实验数据取自2009年10月6日03:01:05到03:01:57我国的环境小卫星HJ-CCD1B的遥感数据。

2）TM数据，即已经经过校准的Landsat TM卫星的数据，主要用来对环境小卫星HJ1B_CCD的数据进行几何校正。Landsat TM卫星数据由7个波段组成，包括蓝波段（0.45-0.52um），绿波段（0.52-0.60um），红波段（0.62-0.69um），近红外波段（0.76-0.96um），中红外波段（1.55-1.75um），热红外波段（1.04-1.25um），远红外波段（2.08-3.35um）。本次试验使用的TM数据分辨率为30m。与环境小卫星HJ1B相比，TM的数据含有更大的信息量和更高的定为精度。

3）波谱响应函数,主要用于环境小卫星数据的大气校正。本试验采用的是HJ1B_CCD波谱响应函数，其波长范围为0.40~1.00um。

4）实测点采样数据，在太湖地区的叶绿素浓度取样点，用于验证反演结果。为了获得必要的输入数据，必需要有与卫星同步的现场观测数据，一般获取采样点的方法是在卫星过境的当天或者前/后天的00:00-06:00之间，，在采样区采样点的湖泊水体表层(水面下0. 5m处)采集样本点。本次试验使用的是前人于2009年10月6日所采现成的共58个样本点，对于观测实验所采集的水样均使用标准的分光光度计三色法测定叶绿素a

^[7]。其中包括两部分，第一部分38个样本点作为反演点用来组建反演模型进行叶绿素反演；另一部分20个样本点作为验证点对试验结果进行验证。试验所用数据以样本点编号、样本点纬度、样本点经度、chla含量的方式排列。

2.2 数据处理

本实验基于获得的HJ1B-CCD1数据，使用ENVI对数据进行处理，最终修正误差后得到真实准确的遥感数据，并通过对卫星的数据进行处理，建立相应模型后反演太湖叶绿素浓度。得到关于太湖水体范围的叶绿素浓度分布图像，并对其进行验证，借此完成遥感对水质监测。具体研究方法如下：

1）获取太湖地区某日的环境小卫星HJ1B-CCD1数据，并在太湖地区设置采样点进行采样，获取采样点的叶绿素浓度；

2）对获取到的环境小卫星HJB-CCD1B数据进行预处理，包括使用环境小卫星数据补丁进行数据读取和辐射定标然后以TM影像作为基准影像进行几何校正，确保其几何精度，然后制作波谱响应函数进行大气校正，确保其不受时间和空间的特殊性影响，最后制作出太湖矢量数据进行图像裁剪，提高工作效率；

3）通过利用波段比值法对实测的叶绿素a浓度数据建立反演模型，结合模型与太湖水面区域的遥感数据，反演叶绿素a浓度。最终与采样点的实测数据作比较，验证使用遥感技术实现对湖泊水质监测方法的合理性；

2.2.1 数据读取

使用ENVI软件读取到之前获得的环境小卫星HJ1B-CCD数据计算出传感器上的辐射值。在本次试验中使用了两个扩展补丁，包括环境小卫星数据读取补丁和能够利用ASCLL码文件导入实测点的数据后在ENVI中新建成ROI的补丁。利用这两个补丁，对环境小卫星的数据进行定标和波段组合，并进行掩膜，将背景值变为0。

2.2.2 几何校正

本次试验采用已经几何精度为30m的TM数据作为基准影像，对环境小卫星的影像进行校正和裁剪。

2.2.3 数据读取

本次实验使用现有的光谱数据（第一列表示波长（nm），后面四列分别表示4个波段对应波长的波谱响应值）制成波谱响应函数后对其进行FLAASH大气校正。

2.2.4 图像裁剪

为了增加实验的精确度，减小误差。需要利用ENVI FX提供的面向对象图像分割工具，提取太湖区域水体的矢量范围，并利用ENVI的矢量编辑功能对其进行必要的编辑处理。该矢量文件用于图像的裁剪。

3. 叶绿素浓度反演

3.1 波段比值模型

本环节主要是利用定量遥感建立地面实测点与星上点的反演模型。所使用模型是经验模型之一的波段值模型（BNIR/BRED），该模型可以降低各项水质参数对试验结果造成的影响，去除多余信息，降低反演结果受时间和空间特殊性的影响。其波段比值模型为：

（1）

其中，Chla为叶绿素的浓度，BNIR和BRED分别是环境小卫星HJ1B的近红外和红两个波段。α和β是基于遥感观测数据和实地测量数据回归得到的经验参数。

3.2 像素采样

本环节通过使用Band Ratio中的Band Math工具，设置表达式为float（BNIR）/BRED，在波段比值影像上导入采样点数据。

3.3 叶绿素a反演

基于B1值（即BNIR/BRED，大小范围为0.495~1.349），导入38个实测点数据，绘制成为散点图（图1（a）），如图所示该方法具有较高的模拟精度其R²值较高为0.7955。 图1 叶绿素a浓度参数反演趋势与验证结果

将建模系数带入模型，最终得到叶绿素反演参数α，β分别为α=0.0422，β=0.0164。即：

（2）

使用ENVI的Band Math工具，根据上面的模型计算整个太湖区域的叶绿素a的浓度（图2）。

图2 叶绿素a浓度反演结果

3.4 结果验证

为了实验结果的精确性与严谨性，在得出叶绿素浓度的反演结果后应该予以验证。先用ENVI导出20个验证点的叶绿素反演值，然后与对应实测点的数据进行相关性分析，两者最大差值为0.005121，最小差值为0.00034。如图1（b）所示，两者R²较高为0.969，拟合效果较好。

4 结论与讨论

本文通过对遥感水质监测的发展历程进行总结和分析，研究了目前对水质进行监测的主流理论，分析了基于该理论方法的优缺点。使用环境小卫星HJ1B-CCD的遥感数据，使用波段比值法对太湖叶绿素a浓度进行了反演以及结果验证，取得了较为成功的研究结果，通过以上研究，基本能够得到以下结论：

1）接近岸边的部分叶绿素a浓度普遍大于0.05mg/L，这是由于风场对太湖叶绿素a空间分布造成的影响^[8]。经过综合考虑空间和时间分辨率，以及可获取性，可以看到环境小卫星HJ1B-CCD数据用来对内陆水体水质进行遥感监测是非常适用的。在测量水体藻类含量时，波段值模型是一种比较有效的经验模型，它能够相对精准地反演内陆湖泊的叶绿素a浓度分布，对湖泊水质监测与分析有很大作用。根据相关方面专家研究表明

^[6]，当湖水中的叶绿素a浓度大于0.05mg/L时，即表明叶绿素a含量超标。由图2可以看出，太湖水环境已经面临着极其严峻的形势，有超过1/3的湖水中叶绿素a浓度含量超标。

2）本研究对模型的有效性进行了检验，得出利用波段比值方法反演得到的太湖叶绿素a浓度与边沿分布情况，与在实地采集测量获得的结果基本一致。利用环境小卫星HJ1B-CCD数据反演结果来进行内陆湖泊的叶绿素a浓度分布分析。结果表明该卫星可以很好地揭示湖泊水质总体变化特征，为湖泊水质监测提供方便高效的手段，对传统的测点方法做出了极大改进，对于以后宏观掌握湖泊生态环境变化很有意义。

参考文献

[1] 肖秋香，地表水水质监测现状及对策分析[J]，农村经济与科技,2016，(08)：5-6.

[2] Abdelmalik，K.W.,Research Paper: Role of statistical remote sensing for Inland water quality parameters prediction，In The Egyptian Journal of Remote Sensing and Space Sciences[J], Oct 2016：1-8.

[3] 祝令亚,，湖泊水质遥感监侧与评价方法研究[D]，北京，中国科学院研究生院，2006.

[4] 贾春燕，基于遥感技术的湖泊叶绿素a动态监测及改善空间制图详度的研究[D]，浙江，浙江大学2008.

[5] 许遐祯，钱昊钟，赵巧华，风场对太湖叶绿素a空间分布的影响[J],生态学杂志,2012，31(5)：1282-1287.

[6] 周正，刘良明，基于遥感技术的内陆湖泊水质监测系统[J]，测绘通报，2011，0(2)：35-38.

[7] 中华人民共和国行业标准.SL88-1994.叶绿素的测定（分光光度法），1994.

[8] 杨 荣,杨昆,洪亮,杨扬, 基于HJ-1A卫星CCD1数据的滇池水质参数反演模型研究. 节水灌溉[J] , 2015,0(3),42-45.

作者简介：李隆安（1997-），男，汉族，海南三亚，硕士研究生在读，农业气象方向，南京信息工程大学应用气象学院，江苏省南京市

1