许勇，成长春，张鹰，张东

（1.盐城师范学院 城市与资源环境学院，江苏 盐城 224002；2.江苏沿海开发研究院 盐城师范学院，江苏 盐城 224002；3.南京师范大学 地理科学学院，江苏 南京 210046）

海水中氮磷营养盐的浓度是制约浮游植物生长最重要的因素，其中能够直接被浮游植物吸收利用的是可溶性无机氮（Dissolved Inorganic Nitrogen，DIN）和可溶性无机磷 （Dissolved Inorganic Phosphorus，DIP），可溶性无机氮包括硝酸盐、亚硝酸盐和氨盐，可溶性无机磷的主要成分是活性磷酸盐。江苏沿海地区长期以来与省内苏南地区相比经济发展水平相对滞后，因此这一地区对经济发展的需求也更加迫切，一些地区为经济的发展过度开发利用海洋资源，使海洋环境承受了巨大的压力。从污染物的角度讲，我省近岸海域最主要的污染物是活性磷酸盐和无机氮，它们的污染分担率达到50%以上（江苏省环保厅，2007），从这个角度讲，开展对江苏沿海无机氮磷营养盐浓度的遥感监测具有重要的实践意义和推广价值。

1 研究方法

射阳河发源于建湖县的射阳湖，是苏北里下河地区主要的入海通道，其河口位于射阳县通海镇。本研究通过在射阳河口海域现场采集光谱和水样，分析了该海域DIN和DIP浓度与光谱反射率间的相关性及这种相关性所反映的内在机理，并用实测光谱重采样模拟MODIS前4个波段的反射率，根据相关性分析的结果选择适当的波段组合因子建立基于MODIS影像的浓度反演模型。

图1 研究区及采样点分布图

1.1 数据获取

野外光谱测量时间为2008年5月29-31日，在射阳河口附近海域进行了3个航次的测量和采样，每天测量的时间为9∶30-14∶30，共在60个测点测量了水体的光谱（最后剔除6个异常测点，共54个样本）。光谱测量所用光谱仪是ASD公司生产的FieldSpec地物光谱仪，该仪器测定的光谱范围为282～1 090 nm，标准板是经严格定标的反射率为0.3的灰板。在每个样点上按表面以上测量法规定的几何条件分别测取水体、天空光和标准板的DN值各10条，通过下式直接计算遥感反射率：

式中，Sw、Ssky和Sp分别是水体、天空光和标准板的DN值，ρp是经严格定标后的标准板的半球反射率（Mobley，1999；唐军武等，2004）。在测量光谱的同时采取水样，测定其中的硝酸盐氮、亚硝酸盐氮、氨氮和活性磷酸盐的浓度，按照《海洋监测规范》 （GB 17378.4-1998）规定的方法完成。

此外，由于射阳河口地处江苏沿海中部，海水中悬浮颗粒（泥沙）含量较高，泥沙是影响该海域水色的主要因素，本次野外采样测量还采用了光学后向散射浊度计（OBS-3A）测定了各取样点表层水体的浊度。对于OBS而言，泥沙浓度与OBS输出值之间存在着3个转换区：线性区、饱和区和颗粒屏蔽区，线性区泥沙浓度的范围是0～10 kg/m3（Kineke etal，1992），根据常年实测资料，射阳河口的悬浮泥沙浓度最大不超过11.08 kg/m3，因此在该海域悬浮泥沙浓度与浊度间主要呈线性关系（Buntetal，1992），而本研究主要探讨泥沙浓度与光谱的相关关系，并不是要反演泥沙本身的浓度，因此，本研究直接使用OBS输出的浊度值作为泥沙浓度的指标。

本研究使用的MODIS影像为从NASA网站下载的2004-2008年每年夏半年的MODISTerra 1B数据，共11景。使用ENVI中的Georeference MODIS模块进行几何校正，并去除“弯弓”效应，大气校正采用基于直方图的暗像元法，每个波段减去该波段反射率的最小值，以去除大气程辐射的影响（祝令亚等，2006）。

1.2 数据处理

首先，由于在波长小于350 nm和大于900 nm的范围内光谱仪所测得的信号不稳定，受噪声影响比较大，在本研究中剔除了上述范围内测得的遥感反射率。此外，由于最终所建立的遥感反演模型是针对MODIS影像的，因此，对实测的光谱按MODIS的光谱响应函数进行光谱重采样，以模拟MODIS的光谱响应特征。重采样后各波段的反射率按如下公式计算：

其中Ri代表波段i的反射率，λui是波段i的起始波长，λli是波段i的终止波长，R（λ）是波长λ处的反射率，Φi（λ）是波段i在波长λ处的光谱响应函数值（王璐等，2007）。由于MODIS的前7个波段在350～900 nm范围内仅有4个波段，它们分别是第 1波段 （620～670 nm）、第 2波段 （841～876 nm）、第 3波段 （459～479 nm）和第 2波段（545～565 nm），因此，实际采用了经重采样模拟的MODIS的前4个波段用于分析和建模。

对MODIS数据反射率的单波段因子和波段组合因子与DIN、DIP的浓度进行相关分析，若Ri（i=1…7）表示MODIS各波段的反射率，分别计算下列各因子（表1）与DIN、DIP浓度间的相关系数。

表1 单波段因子和波段组合因子

2 相关性分析结果

2.1 实测光谱与DIN、DIP浓度间相关性分析结果

从相关性分析的结果可以发现（图2），DIN、DIP浓度与反射率间的相关性在近红外波段较高，相关系数超过0.7，而且该海域DIN、DIP浓度与光谱间的相关性几乎是一致的，在同一波长上，它们间相关系数最大相差不超过0.07，而且它们的相关系数曲线在随波长变化而变化的趋势上几乎完全一致。浊度和光谱间的相关性与DIN、DIP浓度与光谱的相关性相差不大，这三者在相同的波段上不仅相关系数相差不大，而且它们相关系数曲线的变化趋势也基本一致。这都说明在该海域DIN浓度、DIP浓度与悬浮颗粒浓度间存在着紧密的联系。

射阳河口附近海域水体混浊，泥沙含量高，目前很多研究表明水体中底部沉积物的再悬浮作用是营养盐的重要来源，这种再悬浮作用所导致的表层营养盐浓度的增加是单纯扩散作用导致营养盐浓度增加的数十倍（Reddy et al，1996；Sondergaard et al，1992；逄勇等，2007）。另一方面，射阳河口和江苏中部大部分河流一样，在河口附近有闸，闸门大部分时间处于关闭状态，也就是说在该河口附近，污染物并非时时刻刻都通过河流向海中排放，当闸门关闭时，内源性的释放也就是沉积物再悬浮过程中的释放成为该海域营养盐的主要来源，尽管这些营养盐从根本上讲大都来自于陆源的排放。正是由于沉积物的再悬浮过程中的释放是该海域营养盐的主要来源，才使得DIN浓度、DIP浓度和浊度与光谱间的相关性具有高度的一致性，这也使得在该海域反映浊度特征的光谱波段同时也能够反映DIN和DIP的浓度。

图2 实测光谱与DIN、DIP浓度 （a）以及与浊度 （b）间的相关性

2.2 MODIS单波段及波段组合因子与DIN、DIP浓度间相关性分析结果

单波段因子与DIN、DIP浓度间的相关分析结果表明它们之间的相关性特征非常相似（图3），差异仅表现为DIP浓度的相关系数略高于DIN浓度的相关系数，这一特点与前面实测光谱相关性分析的结果是一致的。能够反映水体混浊程度的第一波段（红波段）和第二波段（近红外波段）与DIN浓度、DIP浓度的相关系数较高，而且第二波段的相关系数高于第一波段的相关系数，第三波段（蓝波段）与DIN、DIP浓度间呈轻微的负相关，第四波段（绿波段）则与这两者都没有明显的相关关系，上述特点与悬沙水体的光谱特点是吻合的（刘志国等，2006），同时也表明在该海域，能够表征悬浮颗粒（泥沙）浓度特征的光谱波段也能够表征DIN和DIP的浓度。

图3 MODIS单波段因子与DIN、DIP浓度的相关性

进一步通过波段组合因子的相关性分析发现，在波段组合因子中 F7、F9、F10和 F12等因子与DIN、DIP浓度相关性较高，其中因子F9和F10的相关性比较突出，通过详细分析这些因子中与DIN、DIP浓度的相关系数高的波段组合，可以发现由第二波段与其他波段的比值与差值构成的因子与DIN、DIP浓度的相关系数最高，其中因子F10(2，3)与DIN和DIP浓度相关性最高，分别达到0.765和0.826（表2-表3），从总体看，波段组合因子与DIN、DIP浓度的相关系数比单波段因子有明显的提高。

表2 MODIS影像波段组合因子F10与DIN浓度的相关性

表3 MODIS影像波段组合因子F10与DIP浓度的相关性

3 模型建立及评价

3.1 DIN、DIP浓度反演模型

根据相关性分析的结果，最终选定波段组合因子F10(2，3)用于建模，分别选取线性、二次多项式、三次多项式、指数、对数、幂函数等模型构建DIN和DIP浓度的回归模型。将54个样本数据随机地分为两组，其中建模组含40个样本，检验组含14个样本，用建模组数据建立模型，用检验组数据验证，通过比较各模型的R2、平均相对精度和均方根误差（RMSE）等指标从中选择最合适的DIN和DIP浓度的定量反演模型。

表4 MODIS影像DIN浓度回归模型及其预测相对精度比较

表5 MODIS影像DIP浓度回归模型及其预测相对精度比较

从建模的结果来看，DIN浓度的反演模型R2可以达到0.6以上，各模型预测的平均相对精度大都在60%左右，各模型在预测的相对精度方面没有太大的差别。DIP浓度反演模型的R2大都在0.7以上，各模型在预测精度方面差别也很小，特别是检验组样本的预测精度与建模组的预测精度相差不大，都达到了60%以上。无论是DIN还是DIP的反演模型，都以因子的三次多项式模型的R2最高，其预测的平均相对精度也最高。

DIP浓度模型的情况与DIN浓度模型的情况类似，也是因子F10(2，3)的三次多项式模型的RMSE最低，但是该模型建模组和检验组RMSE的差距在所有模型中并不是最小，考虑到在该海域DIN浓度和DIP浓度具有共同的来源和释放机制，而且在数量上也呈强烈的正相关，因此，也选择因子F10(2，3)的三次多项式模型作为最终的DIP浓度定量反演的模型。

3.2 模型精度的评价

通过建立上述模型实测值与预测值比较的散点图（图4-图5）可以发现，虽然这两个模型在所有模型中精度最高，RMSE最小，但是精度依然不令人满意，尤其是对一些实测浓度较低的样本有较大的相对误差，而对浓度较高的样本相对误差则较小，这种情况在DIP浓度反演模型中表现得十分明显，因此有必要将样本按不同的浓度进行分组，分别讨论它们的精度和RMSE。考虑到该海域DIN和DIP的平均浓度比海州湾海域要高得多，对于DIN浓度按200μg/L为阈值将所有样本分为≥200μg/L和＜200μg/L两组，对于DIP浓度则按20μg/L为阈值将所有样本分为≥20μg/L和＜20μg/L两组。按上述分组，分别利用模型（3）和模型（4）计算各分组的平均相对精度和RMSE。

图5 DIP浓度回归模型预测值与实测值比较

从表6和表7中可以发现，无论是DIN浓度的反演模型还是DIP浓度的反演模型，对于实测浓度相对较高的样本组，模型预测精度都超过了70%，而对于浓度较低的样本组，模型的预测精度则很不理想。但是由于射阳河口DIN和DIP浓度的均值（在本次野外测量中均值分别为318.47μg/L和46.58μg/L）远远超过了浓度分组的阈值200μg/L和20μg/L，因此，可以认为该模型在射阳河口海域具有很高的预测精度和实际应用价值。

表6 不同浓度条件下DIN浓度回归模型的误差比较

表7 不同浓度条件下DIP浓度回归模型的误差比较

图6 影像DIN浓度的反演结果 （单位/mgL）

图7 MODIS影像DIP浓度的反演结果 （mgL）

3.3 模型的反演结果及讨论

从反演结果看（图6-图7），在射阳河口附近海域，无论是DIN还是DIP浓度，都是离岸越远，浓度越低，这一分布规律与实际情况完全吻合。在射阳河口附近有一明显的浓度高值区，DIN浓度达到500μg/L以上，DIP浓度达到80μg/L左右，其浓度远远超出了该海域DIN和DIP浓度的均值，这也反映了河口水体环境状况不容乐观。取2008年5月31日MODIS影像的反演结果与同步实测数据进行比较，DIN浓度的RMSE为75.15μg/L，DIP浓度的RMSE为6.94μg/L，均远小于模型对样本预测的RMSE，这不仅证明了模型的有效性，也证明了模型具有良好的实践应用和业务化推广潜力。

4 结论

DIN和DIP浓度与实测光谱间的相关性具有相似性，而且它们与浊度和实测光谱间的相关性也基本一致，这一结果表明在射阳河口海域，在河口没有开闸的情况下，DIN和DIP主要来源于沉积物再悬浮过程中的释放，因此，该海域反映浊度特征的光谱波段同时也能够反映DIN和DIP的浓度。

在MODIS的波段组合因子F10与DIN、DIP浓度的相关性最为突出，最终选择了由因子F10(2，3)构建的三次多项式模型作为最终的DIN和DIP浓度定量反演的模型。上述模型预测的相对精度达到了60%以上，对于DIN浓度≥200μg/L和DIP浓度≥20μg/L的样本组，其预测精度达到70%以上，而该海域大多数情况下DIN和DIP浓度都大于200μg/L和20μg/L，这证明所建立的模型具有良好的实际应用价值。影像反演的结果不仅能够正确地反映DIN、DIP浓度的分布规律，而且与同步实测数据相比，RMSE小于模型对样本数据预测的RMSE，这进一步证明了模型的稳定性和业务化应用潜力。

Bunt JA C，Larcombe P，Jago C F，1999.Quantifying the response of optical backscatter devices and transmissometers to variations in suspended particulate matter.Continental Shelf Research，（19）：1199-1220.

Kineke GC，Sternberg RW，1992.Measurements ofhigh concentration suspended sedimentsusing the opticalbackscatterance sensor.MarineGeology，（108）：253-258.

Mobley C D，1999.Estimation of the remote sensing reflectance from above-surfacemeasurements.Applied Optics，（38）：7442-7455.

Reddy K R，Fisher M M，Ivaoff D，1996.Resuspension and diffusive flux ofnitrogen and phosphorus in a hypereutrophic lake.Journalof EnvironmentalQuality，（25）：363-371.

Sondergaard M，Kristensen P，Jeppesen E，1992.Phosphorus release from resuspended sediment in the shallow and wind2exposed Lake Arreso.Denmark Hydrobiologia，（228）：91-99.

江苏省环保厅.江苏省近岸海域环境质量报告(2003～2005)2007-06，http://www.jshb.gov.cn/jshb/xxgk.

刘志国，周云轩，蒋雪中，等，2006.近岸Ⅱ类水体表层悬浮泥沙浓度遥感模式研究进展.地球物理学进展，21（1）：321-326.

逄勇，韩涛，李一平，等，2007.太湖底泥营养要素动态释放模拟和模型计算.环境科学，28（9）：1960-1964.

唐军武，田国良，汪小勇，等，2004.水体光谱测量与分析Ⅰ:水面以上测量法.遥感学报，8（1）：37-44.

王璐，蔺启忠，贾东，等，2007.多光谱数据定量反演土壤营养元素含量可行性分析.环境科学，28（8）：1822-1828.

祝令亚，王世新，周艺，等，2006.应用MODIS监测太湖水体叶绿素a浓度的研究.遥感信息，（2）：25-28.