引用本文
徐雯佳, 杨斌, 田力, 葛超英, 徐永利. .应用MODIS数据反演河北省海域叶绿素a浓度[J]. 国土资源遥感, 2012,24(4): 152-156
XU Wen-jia, YANG Bin, TIAN Li, GE Chao-ying, XU Yong-li. .Retrieval of Chlorophyll-a Concentration by Using MODIS Data in Hebei Sea Area[J]. REMOTE SENSING FOR LAND & RESOURCES,2012,24(4): 152-156  
Permissions
Copyright©2012, 《国土资源遥感》编辑部
《国土资源遥感》编辑部
应用MODIS数据反演河北省海域叶绿素a浓度
徐雯佳1,2, 杨斌1, 田力1, 葛超英1, 徐永利2
1.河北省地矿局水文工程地质勘查院,石家庄 050021
2.河北省地质调查院,石家庄 050081

第一作者简介: 徐雯佳(1983-),女,硕士,工程师,目前主要从事遥感应用工作。E-mail: jiajiawen1227@163.com。

收稿日期: 2011-12-02
基金: 河北省国土资源厅基础类项目“基于国家海洋卫星河北海洋水色水温等环境要素遥感监测”(编号: 2011995559)资助
摘要

为了建立更加合理、准确的叶绿素a遥感反演模型,利用地物光谱仪测定了河北省海域水面的光谱反射率,分析了光谱反射率与实测叶绿素a浓度之间的关系。在此基础上,通过MODIS数据各波段及波段组合的反射率与实测叶绿素a浓度的相关分析,确定第1波段(B1)为最佳反演波段,建立了应用B1反演叶绿素a浓度的遥感模型,并对模型精度进行验证。结果表明: 该模型相关系数为0.66,反演结果均方根误差为0.48 mg/m3,模型精度优于SeaDAS的OC3标准经验算法; 该模型反演河北省海域表层水体的叶绿素a浓度有较好的效果。

关键词: MODIS; 叶绿素a浓度; 河北省海域
中图分类号:TP79 文献标志码:A 文章编号:1001-070X(2012)04-0152-05 doi: 10.6046/gtzyyg.2012.04.25
Retrieval of Chlorophyll-a Concentration by Using MODIS Data in Hebei Sea Area
XU Wen-jia1,2, YANG Bin1, TIAN Li1, GE Chao-ying1, XU Yong-li2
1.Hebei Prospecting Institute of Hydrogeology and Engineering Geological, Shijiazhuang 050021, China
2.Institute of Geological Survey of Hebei Province, Shijiazhuang 050081, China
Abstract

In order to build a more reasonable and accurate remote retrieval model than the models used before, the authors measured water spectral reflectance by field spectrometer in sea area of Hebei Province. Based on analyzing the relationship between spectral reflectance and actual measured value of chlorophyll-a concentration, the authors conducted correlation analysis between the reflectance of each band or band combination of MODIS data and measured value of chlorophyll-a concentration. The result shows that the best inversion band is B1. Then the remote sensing monitoring model of chlorophyll-a concentration was built by using B1 of MODIS data. The retrieval results and corresponding actual measured results were compared with each other at last. The results show that the correlation coefficient of this model is 0.66 and the root mean square error of inversion result is 0.48 mg/m3. The precision of this retrieval model is better than OC3 standard empirical algorithm of SeaDAS. Therefore, the model could be employed to retrieve chlorophyll-a concentration of surface water of Hebei sea area effectively by using MODIS data.

Keyword: MODIS; chlorophyll-a concentration; Hebei sea area
0 引言

叶绿素a浓度与水体中藻类的种类和数量等有密切关系, 可以反映浮游植物的现存量, 是决定海洋初级生产力的主要因子[1], 也是评价和监测海洋水质的重要参数[2], 因此监测叶绿素a浓度对于掌握海域赤潮和富营养化状况具有重要的现实意义。卫星遥感技术具有大范围、连续、动态和有效观测等优势, 已成为监测海洋叶绿素a浓度的重要手段[3]。国内外学者对叶绿素a的光谱特征和利用不同传感器数据建立遥感反演模型进行了大量研究。Carder等应用MODIS数据, 以675 nm的浮游植物吸收系数和400 nm的黄色物质吸收系数为变量, 建立了叶绿素a浓度的半分析算法[4]; Letelier等针对一类水体, 使用荧光法, 建立了MODIS荧光通道(B13, B14, B15)的叶绿素a浓度反演模型[5]; Brivio等应用TM图像, 利用辐射传输模型, 对意大利Garda湖的叶绿素a浓度变化进行了研究[6]; 吕恒等应用TM数据, 建立了太湖叶绿素a浓度的线性反演模型和神经网络反演模型[7]; 陈军等应用TM数据, 构建太湖叶绿素a浓度反演模型, 并用数值模拟方法研究了试验数据误差与水质浓度反演模型经验常数之间的关系[8]。由于研究的水体、使用的遥感数据和建模方法都各不相同, 现有的反演模型大多在适用性上具有一定的局限性。尤其是二类水体(近海), 由于其自身的光学特性相对复杂[9], 并且不同海域水体的光学特性存在一定差异, 使得该类型水体叶绿素a浓度的遥感监测模型区域局限性强, 普适性不高。河北省海域属于二类水体, 因此, 需要针对具体海域的水体特点建立特定的叶绿素a浓度反演模型。本文利用2010年5~10月、2011年5月的叶绿素a浓度实测数据和准同步的MODIS遥感数据, 在分析水体光谱特征与实测叶绿素a浓度关系的基础上, 选择最佳波段组合, 建立适用于河北省海域叶绿素a浓度的反演模型。

1 数据采集与预处理
1.1 实测数据采集

叶绿素a浓度的采样地点为河北省秦皇岛海域。本次数据采集共设计6条样线, 样点分布如图1所示。

图1 叶绿素a浓度的现场采样点位 (6号样线未进行光谱测量, 未对其样点编号)Fig.1 Sampling points of chlorophyll-a concentration in the field

6号样线为固定样线, 其上样点分别采集于2010年5月19日、8月20日、9月20日和10月3日; 1~5号样线为同期样线, 样点采集于2011年5月2~6日。样点共计68个, 剔除异常数据和近岸混合像元的样点数据, 最终保留47个样点数据。4号样线数据设为反演模型的验证数据。海水样本由秦皇岛海洋环境监测中心站水质检测人员使用专用的水样采集器现场采集并密封低温保存, 所有样本均在当日返航后在实验室测定。根据海洋监测规范, 叶绿素a浓度测量采用荧光光度法。海上光谱测量采用美国ASD公司的FieldSpec PRO FR便携式分光辐射光谱仪, 在天空基本无云、水面波动较小、船体停止摆动的情况下, 参照唐军武等推荐的水面以上光谱测量法[10]进行测量, 每个样点至少测量15次, 取其平均值作为该点的反射光谱。

1.2 遥感数据预处理

从国家卫星海洋应用中心获取了2010年5~10月和2011年5月的L1B级MODIS数据。筛选出与采样日期准同步的晴空下的遥感数据, 其时相分别为2010年5月19日、8月16日、9月23日、10月4日和2011年5月3日、5月7日。

大气校正是定量反演叶绿素a浓度的基础[11]。本文采用辐射传输模型中的MODTRAN模型, 利用ENVI软件提供的FLAASH模块对MODIS数据进行大气校正, 设置大气模型和气溶胶类型等参数, 获得遥感图像上各个像元的反射率。

采用Geographic Lat/Lon 投影, 结合MODIS 1B 数据中自带的经纬度信息对大气校正后的MODIS遥感图像进行几何纠正。纠正后的位置精度达到0.5个像元。

2 水体光谱特征分析

由于水体中叶绿素a的存在, 使得其在近红外波段反射率明显上升, 主反射峰在700~1 100 nm波段区间。各采样点由于叶绿素a含量不同, 使得在近红外波段的反射峰值表现出较大的差异[12]: 叶绿素a浓度越高, 近红外波段的反射峰值越大; 叶绿素a在440 nm(蓝波段)和678 nm(红波段)波长附近都有显著的吸收, 当叶绿素a含量较高时, 水体光谱反射曲线在这2个波段附近出现吸收谷; 在685 nm附近, 叶绿素a有明显的荧光峰[13], 含藻类水体最显著的光谱特征是在685~715 nm范围出现反射峰, 其存在与否通常被认为是判定水体是否含有藻类叶绿素的依据, 并且反射峰的位置和峰值是叶绿素a浓度的指示[14]。

剔除样点2_9的异常光谱数据, 制作1~5号样线43个采样点的实测光谱曲线图(图2)。

图2 实测水体光谱特征曲线Fig.2 Spectral characteristics curves of water bodies in the field

可以看到, 光谱曲线有2个明显的反射峰。550~580 nm处的反射峰是由于叶绿素和胡萝卜素弱吸收和细胞的散射作用形成的; 675~695 nm范围反射峰的出现是含藻类水体最显著的光谱特征。在425~500 nm处由于叶绿素和黄色物质的强烈吸收形成吸收谷, 在650~670 nm处由于叶绿素的吸收形成吸收谷。所以565 nm和685 nm为叶绿素的反射峰位置, 对应MODIS波段的中心波长为551 nm和678 nm, 其反射率呈现高值; 443 nm和665 nm是叶绿素光谱的2个吸收谷位置, 对应MODIS波段的中心波长为443 nm和667 nm。

3 叶绿素a浓度反演模型
3.1 模型建立与评价

分别采用常用的单波段法、比值法、组合法和差值法[15, 16, 17, 18, 19, 20, 21]对叶绿素a浓度敏感的MODIS各波段数据进行相关分析与算法对比, 选择相关性较高的波段作为反演最佳波段。表1为MODIS数据与实测叶绿素a浓度的相关分析结果。

表1 MODIS数据与实测叶绿素a浓度相关分析结果① Tab.1 Results of correlation analysis between MODIS data and measured concentration of chlorophyll-a

根据相关分析结果, 以B1, B4及其组合作为因子时, 反演模型相关系数较高, 由于B4图像上条带现象较明显, 所以选取ln B1作为最佳反演因子, 构建基于MODIS的叶绿素a浓度遥感监测模型, 相关系数为0.66。通过一元线性回归分析, 建立的模型为

Chla= e1.0413lnr1+3.7139, (1)

式中: r1为大气校正后B1的反射率; Chla为叶绿素a浓度。

为了验证模型的反演精度和增加模型的对比性, 本研究采用NASA发布的海洋数据分析系统(SeaDAS 4.7)软件提供的OC3标准经验算法来反演基于MODIS的叶绿素a浓度。SeaDAS 4.7反演叶绿素a浓度主要是基于生物-光学标准经验算法(bio-optical algorithm), 算法所依据的基础数据来自全球范围内900多个海洋观测站点。OC3算法计算公式为[22]

Chla=1 0(0.283-2.753R+1.457R2+0.659R3-1.403R4), (2)

式中: R=lg{max[Rrs(443, 488)]/Rrs(551)}, Rrs(λ )为MODIS波长λ 的遥感反射率。

将9个采样点的验证数据分别代入式(1)(2), 得到叶绿素a浓度的反演值, 并与实测叶绿素a浓度进行比较分析(图3)。

图3 叶绿素a浓度反演值与实测值比较Fig.3 Comparison between retrieval and measured value of chlorophyll-a concentration

叶绿素a浓度反演结果及其误差分别见表2, 3。

表2 叶绿素a浓度反演结果 Tab.2 Retrieval results of chlorophyll-a concentration (mg/m3)
表3 叶绿素a浓度反演误差分析 Tab.3 Error analysis of retrieval results of chlorophyll-a concentration(mg/m3)

由图3、表2和表3可知, 新建模型的反演值与叶绿素a浓度的实测值较为接近, 而OC3算法的反演误差较大。经验证, 选择MODIS第1波段(B1)所建立的反演模型的平均误差为0.34 mg/m3, 均方根误差为0.48 mg/m3; 而OC3算法的平均误差为6.16 mg/m3, 均方根误差达到6.86 mg/m3。这说明虽然二者同为经验算法, 但本文所建立的反演模型更加适用于河北省海域的叶绿素a浓度遥感监测。这是由于OC3算法所依据的基础数据绝大部分来自一类水体、海上气溶胶浓度较低的海洋观测站点, 对于海上气溶胶浓度普遍偏高的近岸海域, OC3算法的适用性受到限制[22]。可见, 对于不同海域和不同数据源应该采用不同的反演算法[23], 对于二类水体建立特定海域的反演模型是必要的。

3.2 结果与分析

利用新建模型和MODIS数据反演2011年5月13日河北省海域的叶绿素a浓度, 得到当日监测区的叶绿素a浓度分布(图4)。

图4 河北省海域(2011-05-13)叶绿素a浓度遥感反演结果Fig.4 Retrieval results of chlorophyll-a concentration of Hebei sea area on 13th May, 2011

从图4看出, 河北省海域叶绿素a浓度的分布特征表现为南部高于北部, 近岸高于远岸。近岸海域叶绿素a浓度多为5~7 mg/m3, 远岸海域多为2~3 mg/m3。叶绿素a浓度较高的海域主要分布在沧州黄骅和天津海域, 其中沧州黄骅海域的叶绿素a浓度最高达到7.5 mg/m3, 其原因可能有沿岸海域海水浅、河口处受陆源物质排放影响、营养盐较丰富及藻类含量较高。渤海中部的叶绿素a浓度较低。利用MODIS数据反演海面叶绿素a浓度, 对于监测该海域赤潮和富营养化状况具有重要的现实意义。

4 结论

1)在分析光谱反射率与实测叶绿素a浓度关系的基础上, 通过相关分析, 选择MODIS的B1作为反演因子, 建立河北省海域基于MODIS数据的叶绿素a浓度遥感监测模型, 均方根误差为0.48 mg/m3。在河北省海域, 该模型反演精度比SeaDAS的OC3标准经验算法高, 表明对于二类水体叶绿素a浓度反演, 有必要针对具体海域建立特定的反演模型。新建模型反演的结果能够较好地表征河北省海域叶绿素a浓度的分布情况。

2)在河北省海域, 665 nm和685 nm是叶绿素a浓度的敏感波长, 对应MODIS波段的中心波长为667 nm和678 nm; 但无论是高增益还是低增益数据, MODIS在此波长处均饱和无数据。经过大气校正后的第1波段、第4波段及其波段组合与叶绿素a浓度也具有较好的相关性, 说明应用MODIS数据反演河北省海域叶绿素a浓度时, 可以利用的波段较多, 这为建立遥感监测模型提供了更多选择。

3)由于时间和经费的限制, 样点分布相对集中, 数量相对较少。此外, 海上采样受天气限制, 而卫星又易受云的影响, 致使同步数据很难获取。在今后的研究中, 需要获得更多点位的同步数据用来修正和完善模型, 从而提高河北省海域叶绿素a反演模型的精度和适用性。

志谢: 感谢国家卫星海洋应用中心提供的MODIS数据及宋庆君在海上光谱测量中提供的帮助。

The authors have declared that no competing interests exist.

参考文献
[1] 张彦喆, 郑小慎, 张波. 渤海海域叶绿素浓度的遥感反演研究[J]. 天津科技大学学报, 2010, 25(1): 51-53.
Zhang Y Z, Zheng X S, Zhang B. Study on Retrieval of Chlorophyll Concentration by Remote Sensing in Bohai Sea[J]. Journal of Tianjin University of Science and Technology, 2010, 25(1): 51-53(in Chinese with English Abstract). [本文引用:1]
[2] 段洪涛, 张柏, 宋开山, 等. 长春市南湖叶绿素a浓度高光谱估测模型研究[J]. 水科学进展, 2006, 17(3): 323-329.
Duan H T, Zhang B, Song K S, et al. Hyperspectral Model of Chlorophyll-a Concentration in Nanhu Lake in Changchun[J]. Advances in Water Science, 2006, 17(3): 323-329(in Chinese with English Abstract). [本文引用:1]
[3] 王其茂, 马超飞, 郭茂华. 卫星海洋遥感的发展和预报中心遥感应用[J]. 海洋预报, 2005, 22(s1): 81-86.
Wang Q M, Ma C F, Guo M H. Development of Satellite Remote Sensing of Ocean and Applications in NMEFC[J]. Marine Forecasts, 2005, 22(s1): 81-86(in Chinese with English Abstract). [本文引用:1]
[4] Carder K L, Chen F R, Lee Z P, et al. Semianalytic Moderate Resolution Imaging Spectrometer Algorithms for Chlorophyll-a and Absorption with Bio-optica1 Domains Based on Nitrate-depletion Temperatures[J]. Journal of Geophysical Research, 1999, 104(3): 5403-5421. [本文引用:1]
[5] Letelier R M, Abbott M R. An Analysis of Chlorophyll Fluorescence Algorithms for the Moderate Resolution Imaging Spectrometer(MODIS)[J]. Remote Sensing of Environment, 1996, 58(2): 215-223. [本文引用:1]
[6] Brivio P A, Giardino C, Zilioli E. Determination of Chlorophyll Concentration Changes in Lake Garda Using an Image Based Radiative Transfer Code for Land sat TM Images[J]. International Journal of Remote Sensing, 2001, 22(2/3): 487-502. [本文引用:1]
[7] 吕恒, 江南, 罗潋葱. 基于TM数据的太湖叶绿素A浓度定量反演[J]. 地理科学, 2006, 26(4): 472-476.
Lu H, Jiang N, Luo L C. Quantitative Retrieval of Chlorophyll-a by Remote Sensing in Taihu Lake Based on TM Data[J]. Scientia Geographica Sinica, 2006, 26(4): 472-476(in Chinese with English Abstract). [本文引用:1]
[8] 陈军, 付军, 孙记红. 用数值方法模拟观测误差对水质浓度反演模型参数的影响——以叶绿素a浓度为例[J]. 国土资源遥感, 2011(1): 57-61.
Chen J, Fu J, Sun J H. The Application of the Numerical Method to Simulating the Impact of the Observation Errors on the Parameters of the Water Quality Retrieval Model: A Case Study of Chlorophyll-a Concentration[J]. Remote Sensing for Land and Resources, 2011(1): 57-61(in Chinese with English Abstract). [本文引用:1]
[9] 顾亮, 张玉超, 钱新, 等. 太湖水域叶绿素a浓度的遥感反演研究[J]. 环境科学与管理, 2007, 32(6): 25-28.
Gu L, Zhang Y C, Qian X, et al. Study on Retrieval of Chlorophyll-a Concentration by Remote Sensing in Taihu Lake[J]. Environmental Science and Management, 2007, 32(6): 25-28(in Chinese with English Abstract). [本文引用:1]
[10] 唐军武, 田国良, 汪小勇, 等. 水体光谱测量与分析I: 水面以上测量法[J]. 遥感学报, 2004, 8(1): 37-44.
Tang J W, Tian G L, Wang X Y, et al. The Methods of Water Spectra Measurement and Analysis I: Above-water Method[J]. Journal of Remote Sensing, 2004, 8(1): 37-44(in Chinese with English Abstract). [本文引用:1]
[11] 徐萌, 郁凡, 李亚春, 等. 6S模式对EOS/MODIS数据进行大气校正的方法[J]. 南京大学学报: 自然科学版, 2006, 42(6): 582-589.
Xu M, Yu F, Li Y C, et al. The Method of Atmospheric Correction on the EOS/MODIS Data with 6S Model[J]. Journal of Nanjing University: Natural Sciences, 2006, 42(6): 582-589(in Chinese with English Abstract). [本文引用:1]
[12] 胡雯, 杨世植, 翟武全, 等. NOAA卫星监测巢湖蓝藻水华的试验分析[J]. 环境科学与技术, 2002, 25(1): 16-17.
Hu W, Yang S Z, Zhai W Q, et al. Application of NOAA Satellite for Monitoring Blue-green Algal Bloom in Chaohu Lake[J]. Environmental Science and Technology, 2002, 25(1): 16-17(in Chinese with English Abstract). [本文引用:1]
[13] 赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社, 2003.
Zhao Y S. Remote Sensing Application Analysis Principle and Method[M]. Beijing: Science Press, 2003(in Chinese). [本文引用:1]
[14] Gitelson A. The Peak Near 700 nm on Radiance Spectra of Algae and Water: Relationships of Its Magnitude and Position with Chlorophyll Concentration[J]. International Journal of Remote Sensing, 1993, 13(17): 3367-3373. [本文引用:1]
[15] Thiemann S, Kaufmann H. Determination of Chlorophyll Content and Trophic State of Lakes Using Field Spectrometer and IRS-1C Satellite Data in the Mecklenburg Lake District, Germany[J]. Remote Sensing of Environment, 2000, 73(2): 227-235. [本文引用:1]
[16] 疏小舟, 汪骏发, 沈鸣明, 等. 航空成像光谱水质遥感研究[J]. 红外与毫米波学报, 2000, 8(4): 273-276.
Shu X Z, Wang S F, Shen M M, et al. Remote Sensing of Water Quality Monitoring Using an Airborne Imaging Spectrometer[J]. Journal of Infrared and Millimeter Waves, 2000, 8(4): 273-276(in Chinese with English Abstract). [本文引用:1]
[17] 陈晓翔, 丁晓英. 利用SeaWiFS数据估算珠江口海域表层叶绿素浓度的研究[J]. 中山大学学报: 自然科学版, 2004, 43(1): 98-101.
Chen X X, Ding X Y. Study on Estimation of Chlorophyll Concentration of Surface Water in the Pearl River Estuary Using SeaWiFS Data[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2004, 43(1): 98-101(in Chinese with English Abstract). [本文引用:1]
[18] 丛丕福, 牛铮, 曲丽梅, 等. 利用海洋卫星HY-1数据反演叶绿素a浓度[J]. 高技术通讯, 2005, 15(11): 106-110.
Cong P F, Niu Z, Qu L M, et al. Retrieval of Chlorophyll-a Concentration from Ocean Satellite HY-1[J]. Chinese High Technology Letters, 2005, 15(11): 106-110(in Chinese with English Abstract). [本文引用:1]
[19] Thiemann S, Kaufmann H. Lake Water Quality Monitoring Using Hyperspectral Airborne Data a Semiempirical Multisensor and Multitemporal Approach for the Mecklenburg Lake District, Germany[J]. Remote Sensing of Environment, 2002, 81(2/3): 228-237. [本文引用:1]
[20] 陈晓玲, 李毓湘, 李志林. 香港海域叶绿素-a浓度的时空分布规律[J]. 地理学报, 2002, 57(4): 422-428.
Chen X L, Li Y X, Li Z L. Spatio-temporal Distribution of Chlorophyll-a Concentration in Hong Kong’s Coastal Waters[J]. Acta Geographica Sinica, 2002, 57(4): 422-428(in Chinese with English Abstract). [本文引用:1]
[21] 沙慧敏, 李小恕, 杨文波, 等. 用MODIS遥感数据反演东海海表温度、叶绿素a浓度年际变化的研究[J]. 大连水产学院学报, 2009, 24(2): 151-156.
Sha H M, Li X S, Yang W B, et al. Annual Variation in Sea Surface Temperature and Chlorophyll-a Concentration Retrieved by MODIS in East China Sea[J]. Journal of Dalian Fisheries University, 2009, 24(2): 151-156(in Chinese with English Abstract). [本文引用:1]
[22] 张春桂, 曾银东, 张星, 等. 海洋叶绿素a浓度反演及其在赤潮监测中的应用[J]. 应用气象学报, 2007, 18(6): 821-831.
Zhang C G, Zeng Y D, Zhang X, et al. Ocean Chlorophyll-a Derived from Satellite Data with Its Application to Red Tide Monitoring[J]. Journal of Applied Meteorological Science, 2007, 18(6): 821-831(in Chinese with English Abstract). [本文引用:2]
[23] 曾银东, 商少凌, 张彩云, 等. 南海东北部基于标准经验算法的遥感叶绿素a反演结果比较分析[J]. 海洋科学, 2004, 28(8): 14-18.
Zeng Y D, Shang S L, Zhang C Y, et al. Comparison of Remote Sensing Chlorophyll-a (Chla) Derived from Three Empirical Algorithms in the Northeastern South China Sea Water[J]. Marine Sciences, 2004, 28(8): 14-18(in Chinese with English Abstract). [本文引用:1]