水体叶绿素ａ浓度遥感反演方法（一）

参考文献：潘应阳, 国巧真, 孙金华. 水体叶绿素a浓度遥感反演方法研究进展 [J]. 测绘科学, 2017(1):43-48.

1.为什么要做叶绿素浓度遥感反演？

叶绿素ａ浓度是水体富营养化的重要指标。

卫星遥感技术具有连续监测、视角宽广、周期性等特点，在一定周期内可以有效地监测水质参数在空间和时间上的变化状况，非常适用于大范围的水体监测。

2.概念

二类水体：在遥感领域，水体可划分为一类水体和二类水体。第一类水体主要是大洋开阔水体，第二类水体主要为近岸水体和内陆水体。

特点：针对一类水体的叶绿素ａ反演模型比较成熟，其数据源类型也比较多；

对于二类水体来说，水质比较复杂，研究过程比较繁琐，数据质量要求相对较高。

非星载遥感数据源：机载遥感数据和地面实测光谱数据

机载遥感数据：美国的ＡＶＩＲＩＳ、加拿大的ＣＡＳＩ、中国的ＯＭＩＳ、芬兰的AISA 等

地面实测光谱数据主要是应用各种地物光谱仪测得的水体光谱数据，如美国的ASD野外光谱仪、GER野外光谱辐射仪等。

国内主要研究单位：中国科学院南京地理与湖泊研究所湖泊与环境国家重点实验室、中国环境科学研究院、中国科学院南海海洋研究所、中国科学院东北地理与农业研究所、中国科学院遥感应用研究所、国家海洋环境监测中心等。国内的高校也有对叶绿素ａ浓度反演进行深入研究，包括中国海洋大学的信息科学与工程学院、南京师范大学虚拟地理环境教育部重点实验室、南京大学环境学院、浙江大学环境与资源学院、北京师范大学环境学院、北京大学城市与环境学院等。

３反演方法

3.1经验模型
经验模型主要以叶绿素ａ浓度和遥感参数之间的统计关系为基础来实现对水体叶绿素ａ浓度的遥感反演，是一种较为广泛的叶绿素ａ浓度反演模型。根据实测光谱或水质参数和模拟数据直接求取表观光学量与水体成分浓度的经验关系式，是最常用的叶绿素ａ浓度遥感反演算法。

3.2半经验／半分析模型

半经验／半分析模型是２０世纪９０年代以来常用的水体叶绿素ａ浓度反演方法，这种方法体现了电磁辐射在水体的传输过程，结合经验方程与辐射传输模型，采用理论分析与经验统计相结合的方法来描述模型过程，具有一定的物理依据。

半经验／半分析模型能够基本满足叶绿素ａ浓度反演精度的要求，对于常用的以单波段或波段比值作为遥感定量反演叶绿素ａ浓度的方法，研究者更多的会采用三波段或先分类后建模的方法来提高结果精度。

3.3 分析模型
分析模型通过辐射传输模型来模拟电磁波在水体中的传播过程，借助生物光学模型分析并得到遥感辐照度比与水体叶绿素ａ的吸收系数和后向散射系数之间的关系，利用遥感数据反演出水体中叶绿素ａ浓度。叶绿素ａ在红波段反射率低、而在近红外反射率高的这一特征使生物光学模型用于评估叶绿素ａ浓度成为可能。

3.4 方法比较
经验算法因其简便、精度高而成为业务上的重要算法，但是缺乏物理依据，参数之间的关系难以用明确的物理原理说明，并且不同地区的水质特征及光谱规律也不相同，不能完全把握水体的全部信息，难以建立统一的经验反演模型，成为制约经验方法发展的最大障碍；半经验／半分析模型主要是针对水体的光谱反射特征，分析水体组分与固有光学量、固有光学量与表观光学量之间的关系，选择具有代表性的波段或波段组合建立反演模型，具有一定的可行性和应用价值，反演精度不会出现太大的偏差而且较为稳定，但模型的普适性不够强；分析模型物理依据较强，不需要大量的地面实时采集数据，但是物理机理过于复杂，需要了解纯水、叶绿素、悬浮物、黄色物质等的光谱特性，建立模型的难度较大，实用性较差，在精度方面，分析模型的反演精度在可接受范围，但受水体的吸收、后向散射系数参数精确度和参考波段处的叶绿素比吸收系数等的影响会产生不同程度的误差，其比较结果见表３。

４叶绿素ａ浓度反演存在的问题

遥感技术在叶绿素ａ浓度监测中起到了重要的应用，但由于水体本身、遥感器、数据处理技术等方面的原因，仍存在以下问题：①目前一类水体的叶绿素ａ浓度遥感反演比较成熟，但在遥感传感器精细化方面还可以有所延伸发展，也可以为内陆二类水体的水质参数反演提供一些借鉴；②模型建立方面，大多数假设对整个水体光学活性成分的浓度建立模型，然而，根据实地情况，模型可能是线性、指数或多项式，使用不适当的模型函数来估计水质参数可能会导致高估或低估；③针对内陆二类水体的遥感监测，大气对叶绿素ａ的遥感信息的影响十分严重，即使是很小的大气校正误差也会造成很大的叶绿素ａ反演误差，要提高内陆水体叶绿素ａ浓度反演的精度，必须改进大气校正的方法；④对二类水体叶绿素ａ的光谱特征和敏感波段的研究较少，并且只针对一定的研究区域，其研究结果不具有普适性，对于像天津滨海新区这类水系复杂的地区，有必要研究明确的、有针对性的反演方法；⑤ 目前还没有适合监测内陆二类水体的水色传感器，大多数传感器的光谱分辨率还没有达到监测内陆水体的要求，这对内陆水体叶绿素ａ浓度反演精度有决定性的影响。

基于水体的复杂特性和遥感技术的发展现状，从叶绿素ａ浓度反演模型的建立及模型的精度进行展望。
１）遥感反演水质参数受综合因素影响，是个复杂的非线性过程。对于地表水体环境这种复杂对象来说，影响因素多，以找到最佳的拟合模型，另外计算叶绿素ａ浓度最佳波段的选取依赖于叶绿素ａ的浓度，因此对于不同区域的水体，要采用不同的研究模型进行分析，此外，还可以结合多种遥感数据源和多种遥感影像辐射校正处理方法进行对比论证，得出合适的模型组合方法。叶绿素ａ浓度反演方法的发展与遥感技术的发展有密切联系，鉴于目前遥感传感器分辨率的限制，水体叶绿素ａ浓度反演方法主要还是以经验模型、半经验／半分析模型为主，随着未来遥感传感器分辨率的提高以及遥感影像处理技术的增强，阻碍分析模型应用的壁垒将会慢慢被打破，分析模型将会有很大的发展空间。
２）叶绿素ａ浓度反演的精度受多方面因素的影响，由于自然环境带来的误差是绝对的，因此，重点要放在遥感传感器的改进、遥感图像的处理以及反演模型的优化上。高光谱数据可以提供细微的波段选择，直接影响后期的反演精度，大力发展高光谱遥感以及超光谱遥感是进行高精度叶绿素ａ浓度反演的条件；遥感图像的精确处理是提高反演精度的关键，建立快速有效的遥感图像处理方法是很有必要的。随着遥感传感器性能的不断优化，卫星传感器能够捕获到的地物光谱信息也将更加丰富，叶绿素ａ特征波段的波段位置与波段宽度将会更加明确和清晰，有利于提高反演模型的精度，也将会进一步把握叶绿素ａ浓度的变化动态。