吕 航，马蔚纯，周立国，2，汤 琳，怀红燕

（1.复旦大学 环境科学与工程系，上海 200433；2.遥感科学国家重点实验室中国科学院遥感应用研究所，北京 100101；3.上海市环境监测中心，上海 200030）

遥感是一种高效的信息采集手段，具有分辨率高、范围大、连续性强、成本低等特点，在内陆湖泊水质动态监测中具有很大的应用潜力［1，2］.我国自行研究发射的HJ－1A卫星携带超光谱成像仪（HSI）遥感器，能够提供平均光谱分辨率为5nm的高光谱遥感数据，为进一步提高反演精度提供了可能［3］.

随着内陆水体富营养化日益严重，内陆二类水体的水体成分变得复杂.总磷、总氮、溶解氧、高锰酸盐指数、pH等主要水质参数是影响内陆水体质量的主要参数指标.国内外学者首先针对水体叶绿素α质量浓度和悬浮泥沙浓度的遥感估算进行了大量研究［4-7］，并建立了相应的估算模型，主要包括经验模型、半经验模型［8］和生物光学模型［9，10］等，这些算法可以为水质参数的定量遥感监测提供参考［11-14］.近年来，更多学者逐渐关注二类的水体中的微量水质参数，探讨水质参数间的互相作用和协同监测方法.王学军等［15］利用TM卫星数据和主成分分析法，对太湖水体中溶解氧、生化需氧量等参数进行定量分析.马跃良等［16］选取9个珠江广州河段监测断面，同样利用TM遥感数据，对pH等水质参数进行分析.宋玲玲［17］则针对COD等水质参数，建立了黄浦江上游水质参数估算的数据模型.

本文针对常规水质采样中业务化例行的9个微量水质参数，利用遥感高光谱卫星数据和同步水面监测数据，寻找水质指标与单波段反射率、不同波段之间反射率的比值以及不同波段之间反射率的差值之间的相关关系，找到最大相关性的特征波段和特征波段组合，研究线性模型和非线性模型等经验模型的精度，并用所得模型对水质参数的浓度进行估算.

1 数据源

1.1 淀山湖概况

淀山湖位于上海市西南角，青浦区西部，北纬30°59′～31°16′，东经120°53′～121°17′，与江苏省交界，面积62km2，最大深度3.59m，平均深度2.11m.淀山湖主要受纳太湖流域来水，出水经黄浦江流入长江口至东海，沿湖进出河流众多，总计59条，主要进水河有急水港、大朱库、白石矶.淀山湖是上海市最大的淡水湖泊，也是上海市重要水源地，对上海市经济发展和市民生命健康有重要影响.

淀山湖面临富营养化的威胁.2001～2007年淀山湖水质监测结果表明，淀山湖的水质均未达到Ⅱ类水质标准，主要超标项目为氨氮、TP、TN、石油类、高锰酸盐指数、COD和BOD5，处于中度富营养状态［18］.湖泊中氮、磷负荷过大是造成湖泊富有养化的主要因素，磷是淀山湖水污染的主要因子.夏季水体温度上升时，暴发蓝藻水华，湖中心、湖东北区污染较为严重［19］.淀山湖目前的水质状况与其作为上海用水来源的地位是极不相称的［20］.因此，运用高光谱遥感数据对淀山湖水质进行遥感监测反演显得尤其迫切.

1.2 实地采样数据

2010年8月23日在淀山湖水域进行了同步水质采样，共选取11个样点，记录其经纬度坐标.水样由上海市青浦区环境监测站测定，包括pH、溶解氧、高锰酸盐指数、总磷、总氮等9个水质参数.pH、溶解氧为现场测定，其他参数带回实验室分析测定，测定结果的参数范围见表1.根据采样点的经纬度，制成采样点平面分布图，如图1所示.

图1 淀山湖水质监测站点分布Fig.1 Distribution of water quality sampling points in Dianshan Lake

表1 实测淀山湖水质参数变化范围Tab.1 Ranges of water parameters measured from experiments in Dianshan Lake

1.3 遥感数据

HJ－1A卫星搭载了CCD相机和超光谱成像仪HSI.HSI形成的图像幅宽大于50km，地面像元分辨率为100m.本文采用的HSI光谱数据的成像时间为2010年8月23日，工作波段为459～956nm，波段数为115.采样当天淀山湖上空晴朗，有少数团块状云散乱分布在湖面东南方和北方，湖面风力小.对获取的遥感数据分别进行几何校正和辐射校正，由于传感器原因剔除图像1～14波段，利用6S大气校正技术对15～115波段，即波长从491～956nm波段的图像进行大气校正，并获得101个波段的水体遥感反射率.

2 数据处理与分析

本文基于统计分析的方法，选择对于内陆水体实用性较强的经验模型，利用实验获取的水质参数的浓度与校正后的光谱反射率数据，通过分析各水质参数与单波段反射率、不同波段之间反射率的比值和不同波段之间反射率的差值之间的相关关系，将水质参数分成两组讨论，以便选择各水质参数的特征波段和波段组合.

2.1 各水质参数之间的相关关系

对9个水质参数之间进行相关分析，发现pH与高锰酸盐指数呈良好的正相关（r＝0.9），总磷与pH和高锰酸盐指数正相关，氨氮与其他水质参数相关性不大，与总氮成正相关.pH、高锰酸盐指数、总磷三个水质参数与总氮和氮的其他形式（除去氨氮）的水质参数均呈负相关.氮的几种形态中，硝氮、硝酸盐氮与总氮呈良好的正相关（r＞0.9）.

水质参数间的相关关系间接表现了水质参数间的变化机制.水温在15～31℃时有利于藻类的生长，水温随季节而变化.8月份处于夏季蓝藻高发期.8月23日当天，各监测点平均水体温度31℃.湖心北区、千墩港和赵田湖中心水体表层叶绿素浓度较高，湖心北区达到25mg／L.从本次淀山湖试验数据来看，在低叶绿素浓度区域，总氮含量范围较广，总磷则表现低值，说明总氮不是限制湖泊藻类生长的主要因素；水体叶绿素与总磷含量呈正相关，说明总磷与藻类生长相关，而磷元素是藻类生长的重要营养元素，因此总磷可能是淀山湖富营养化的主要限制因子.当外部磷元素通过径流输入湖泊，湖泊中的总磷浓度升高，湖泊中的藻类因获得磷元素而大量繁殖，湖泊中的叶绿素浓度升高，湖泊中的磷从可溶磷酸盐的形式转化为生物体有机物形式.湖泊内藻类迅速繁殖的初期，光合作用使得水体溶解氧浓度升高，表现出溶解氧浓度与叶绿素浓度正相关.蓝藻生长区域的水体中含有大量生物体，增加了水体有机物含量，高锰酸盐指数相应增加.在蓝藻暴发期间，蓝藻大量繁殖，其呼吸作用使得水体的二氧化碳浓度升高，表现出pH与叶绿素浓度正相关［21，22］.

2.2 水质参数与反射率单波段因子

将9个水质参数分别与101个波段反射率值进行相关分析，得到9条相关系数曲线.根据9条曲线线型的区别和联系，将9个水质参数分成2组：pH、溶解氧、高锰酸盐指数、总磷；总氮、氨氮、硝氮、硝酸盐氮、亚硝酸盐氮，如图2，图3所示.

pH、溶解氧、高锰酸盐指数、总磷与反射率的相关系数曲线的波峰和波谷的变化有同步性.总氮和氮的各种形态水质参数的相关系数曲线的波峰和波谷的变化也有同步性.两组水质参数组内参数间的相关性都很高.

溶解氧与反射率在700～930nm间反相关，在900nm处达到谷值，相关系数为－0.69；pH、高锰酸盐指数和总磷与反射率在500～700nm间正相关，在716nm处达到峰值，其中总磷的相关系数为0.53.单波段因子的相关系数的绝对值都未超过0.8，线性关系一般.因此单波段模型的误差较大，反演实际意义不大.

总氮和氮的各种形态参数的单波段相关性在500nm附近达到谷值，与反射率呈负相关，其中总氮的相关系数为－0.68；在900nm附近达到峰值，与反射率成正相关，其中氨氮的相关系数为0.39，氨氮的单波段因子在整个波段范围中的相关性一般，不适合单波段因子反演.总氮、硝氮等水质参数的单波段因子在521nm左右的范围与反射率有较好的相关性，但其精度仍然不够高.

以总氮为例进行单波段的拟合计算，计算结果如图4所示.用非线性模型进行拟合，可以得到比线性模型精度稍高的结果.线性模型的决定系数R2为0.46，对数模型为0.56，三次多项式模型为0.60.

图4 总氮在521nm单波段因子的回归模型Fig.4 Regression model of TN in 521nm

2.3 水质参数与反射率双波段组合因子

单波段反射率在491～956nm上的分布具有一定趋势.部分波段处，单波段反射率呈现峰值或谷值，另一部分波段处，单波段反射率呈现水平趋势或者连续震荡趋势.利用单波段反射率在波段上的分布特点，利用双波段组合因子可以突出水质参数的光谱特征，使得非特征波段和特征波段不重合的其他水质参数的交叉影响所造成的误差平均化和随机化.同时，相除因子和相差因子都是突出水质参数的光谱特征波段的有效运算方法.光谱反射率的微分因子是反射率双波段相差因子的子集，这里不做另外讨论.因此选择相除和相减两种组合方式处理所选波段的反射率.

将波长从491～956nm的所有波段反射率的相除和相减两种组合因子与各水质指标进行相关分析，得到水质参数与各波段比值的相关系数分布图.

由于氮的各种形态表现出与总氮类似的相关系数分布，因此只给出总氮的相关系数分布图作为代表.pH、溶解氧、高锰酸盐指数、总磷和总氮五个水质参数相除因子和相减因子的相关系数分布图分别见图5和图6.

从图5，6中可见，尽管特征波段组合的形式有差别，但基本原理一致，水质参数与反射率波段相除因子（图5（a）～5（e））及反射率波段差值因子（图6（a）～6（e））的相关系数分布近似，实际的相关性上，波段差值因子总体上高于波段相除因子.

总磷、pH、高锰酸盐指数和溶解氧的相关系数分布图近似.分子波长（B1）在680～690nm间，分母波长（B2）在635～645nm间具有小块的相关性高值区.分子波长（B1）在710～740nm，760～820nm间，分母波长（B2）在850～920nm间具有块状的相关性高值带，分母波长（B2）在740～760nm间具有另一个的相关性高值区.溶解氧除与上述参数近似的高值区外，在分子波长（B1）在740～960nm间，分母波长（B2）在500～720nm间具有大片的相关性高值带.

氮的各形态的相关系数分布图与总氮的相关系数分布图类似，分子波长（B1）在610～620nm间，分母波长（B2）在625～635nm间具有狭窄的相关性高值区.分子波长（B1）在625～635nm间，分母波长（B2）在665～675nm间具有另一个狭窄的相关性高值区.分子波长（B1）在890～920nm间，分母波长（B2）在500～800nm间具有狭长的相关性高值带.

3 模型选择与反演结果

根据选择的特征波段和特征波段组合，建立各水质参数与波段因子之间的一元线性回归方程，见表2（见第243页）所示.同时对各特征波段和波段组合建立非线性回归方程，比较线性方程与非线性方程的精度.

表2 水质参数与波段比值／差值因子的线性关系模型Tab.2 Linear models between the spectral reflectance ratios／D value and the water quality parameters

按照C（水质参数）＝F（波段因子）的函数关系，用统计回归分析的方法拟合模型有线性和非线性两种，非线性模型主要有：Logarithmic（对数）、Inverse（倒数）、Quadratic（二次）、Cubic（三次）、Power（幂）、Compound（复合）、S－curve（S－曲线）、Growth（增长）、Exponential（指数）.根据选用的波段因子分为：单波段模型、双波段模型和多波段模型.其中单波段因子即单波段反射率，双波段因子有波段比值（B1／B2）、波段差值（B1－B2）及（B1－B2）／（B1＋B2）等形式.多波段模型有复合模型（如（B1－B2）／（B3－B4））和平均模型（如（B1＋B2＋B3）／3）等.

虽然在有些情况下，非线性模型更能准确、真实地表达水质参数与反射率之间的关系.但是由于水质参数是复杂环境因子综合作用的表现结果，很难用一种固定参数的经验模型准确模拟其变化规律，而线性模型具有直观和普适性强的优点，也具有很强的容差性.本文这里统一用线性模型来拟合并进行精度表示.

用上述线性模型对8月23日的9个水质参数的双波段减法模型进行反演，得到总磷、总氮、pH、溶解氧含量、高锰酸盐指数、氨氮、硝氮、硝酸盐氮和亚硝酸盐氮的浓度反演图，如图7所示.

从图7可见，湖体的水质分布不均匀，总体上湖心北区较湖心南区的pH偏碱性、高锰酸盐指数偏高、总磷含量偏大，表现了pH、高锰酸盐指数与总磷在蓝藻爆发过程中的变化协同性.总磷浓度高值区成小团块状散乱分布在湖体中，总体上湖中心区域比南区平均浓度高，高值斑块数量更多，分布更密.溶解氧分布散乱，但湖心南区部分与pH等表现类似.总氮等水质参数在湖体分布散乱，浓度高低相间，反映出淀山湖不同区域的富营养化程度不均一.湖心北区、湖心东区、急水港、白石矶桥和赵田湖中心等监测点附近含磷高，溶解氧含量高，易发蓝藻.

图7 2010年8月23日HJ－1A卫星反演淀山湖水质参数分布图（彩图见加页Ⅱ）Fig.7 The distribution of different water quality parameters in Dianshan Lake on Aug 23，2010based on HJ－1AHSI image

本文将淀山湖作为研究对象，选取总磷、总氮、pH、溶解氧、高锰酸盐指数、氨氮、硝氮、硝酸盐氮、亚硝酸盐氮9个主要水质参数，利用实测水质参数浓度数据，选取单波段反射率、不同波段之间反射率的比值以及不同波段之间反射率的差值3个波段因子，建立了淀山湖9个水质参数的水质遥感模型.

（1）单波段反射率因子与各水质参数浓度的相关性均不高，双波段组合因子与各水质参数浓度的相关性比单波段因子高，普遍达到0.89左右.不同波段之间反射率的差值比不同波段之间反射率的比值的相关性更高.pH的敏感波段组合为B（716nm）／B（893nm）和B（711nm）－B（855nm）；溶解氧的敏感波段组合为B（636nm）／B（669nm）和B（636nm）－B（674nm）；高锰酸盐指数的敏感波段组合为B（777nm）／B（893nm）和B（717nm）－B（926nm）；总磷的敏感波段组合为B（771nm）／B（893nm）和B（771nm）－B（878nm）；总氮的敏感波段组合为B（616nm）／B（632nm）和B（616nm）－B（632nm）；氨氮的敏感波段组合为B（789nm）／B（737nm）和B（900nm）－B（917nm）；硝氮的敏感波段组合为B（616nm）／B（632nm）和B（616nm）－B（632nm）；硝酸盐氮的敏感波段组合为B（616nm）／B（632nm）和B（616nm）－B（632nm）；亚硝酸盐氮的敏感波段组合为B（636nm）／B（665nm）和B（636nm）－B（665nm）.

（2）HSI高光谱数据的空间分辨率为100m，较MODIS卫星数据有提高.对于蓝藻水华爆发的空间尺度而言，100m的空间分辨率能够基本上表现其发展、演化和湮灭的过程，说明HJ－1A卫星在监测中小型湖泊富营养化程度的任务上能够有很好的表现力.另外HJ－1A卫星的时间分辨率为4d，如果在不考虑天气情况下，若数据能够连续获得也基本满足水质监测的时间分辨率要求.

（3）应加强环境一号卫星的遥感应用，以促进我国水环境遥感监测的真正业务化运行.由于内陆水体本身的光谱特性复杂，卫星接收的辐射信息又受大气散射影响，因此要加强对水体和水汽的光学性质的研究，在数理、物化上应弄清各水质参数的浓度与水体固有光学性质之间的关系.并在此基础上，寻求HJ－1A卫星满足于各水质参数业务化监测需要的半经验化模型.另外几种水质参数的估算模型建立后，可在水质环境的预测预警上进一步研究.

［1］李四海，恽才兴.河口表层悬浮泥沙气象卫星遥感定量模式研究［J］.遥感学报，2001，5（2）：154－160.

［2］许 勇，张 鹰，张 东.基于Hyperion影像的悬浮泥沙遥感监测研究［J］.光学技术，2009，35（4）：622－625.

［3］潘邦龙，易维宁，王先华，等.基于环境一号卫星超光谱数据的多元回归克里格模型反演湖泊总氮浓度的研究［J］.光谱学与光谱分析，2011，31（7）：1884－1888.

［4］Doxaran D，Froidefond J M.Spectral signature of highly turbid waters application with SPOT data to quantify suspended particulate matter concentrations［J］.Remote Sensing of Environment，2002，81（1）：149－161.

［5］Brivio P A，Giardino C，Zilioli E.Determination of chlorophyll concentration changes in Lake Garda using an image－based radiative transfer code for Landsat TM images［J］.International Journal of Remote Sensing，2001，22（2－3）：487－502.

［6］Gitelson A A，Garbuzov G，Szilagyi，et al.Quantitative remote sensing methods for real time monitoring of inland waters quality［J］.Int J Remote Sensing，1993，14（7）：1269－1295.

［7］Forget P，Ouillon S，Lahet F，et al.Inversion of reflectance spectra of nonchlorophyllous turbid coastal waters［J］.Remote Sensing of Environment，1999，68（3）：261－272.

［8］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.

［9］张 兵，申 茜，李俊生，等.太湖水体3种典型水质参数的高光谱遥感反演［J］.湖泊科学，2009，21（2）：182－192.

［10］Gitelson A.The peak near 700nm on radiance spectra of algae and water：relationships of its magnitude and position with chlorophyll concentration［J］.International Journal of Remote Sensing，1992，13（17）：3367－3373.

［11］吕 恒，江 南，李新国.内陆湖泊的水质遥感监测研究［J］.地球科学进展，2005，20（2）：185－192.

［12］周立国，冯学智，王春红，等.太湖蓝藻水华的MODIS卫星监测［J］.湖泊科学，2008，20（2）：203－207.

［13］李素菊，王学军.内陆水体水质参数光谱特征与定量遥感［J］.地理学与国土研究，2002，18（2）：26－30.

［14］Hellweger F L，Schlosser P，Lall U.Use of satellite imagery for water quality studies in New York Harbor［J］.Estuarine Coastal and Shelf Science.2004，61（3）：437－448.

［15］王学军，马 廷.应用遥感技术监测和评价太湖水质状况［J］.环境科学.2000，11（6）：65－68.

［16］马跃良，王云鹏，贾桂梅.珠江广州河段水体污染的遥感监测应用研究［J］.重庆环境科学，2003，25（3）：13－16.

［17］宋玲玲.黄浦江上游水质和土地利用的遥感监测应用研究［D］.上海：同济大学，2007.1.

［18］杨漪帆，朱永青，株卫青.淀山湖蓝藻水华及其控制因子的模型研究［J］.环境污染与防治，2009，31（6）：58－63.

［19］程 曦，李小平.淀山湖氮磷营养物20年变化及其藻类增长响应［J］.湖泊科学，2008.20（4）：409－419.

［20］巩彩兰，尹 球，匡定波.黄浦江水质指标与反射光谱特征的关系分析［J］.遥感学报，2006，10（6）：910－916.

［21］Bergman E.Changes in nutrient load and lake water chemistry in Lake Ringsjön，southern Sweden，from 1966to 1996［J］.Hydrobiologia，1999，404（10）：9－18.

［22］陈永根，刘伟龙，韩红娟，等.太湖水体叶绿素a含量与氮磷浓度的关系［J］.生态学杂志，2007，26（12）：2062－2068.