颗粒有机碳(particulate organic carbon，POC)是指不能溶解在水中而以颗粒状态悬浮在水体中的碳的形式。POC的变化反映水中颗粒物的运动变化。在海洋中，POC的沉降在碳循环中占有重要作用，是气候变化重要调剂机制之一^[1]。内陆湖泊中，POC同样具有十分重要作用，与生态系统、生物生命过程及初级生产力密切相关^[2]。因此，研究内陆湖泊POC对湖泊的碳循环具有重要意义。

近年来,海洋水色卫星遥感技术进一步发展,国际水色遥感技术研究已基本解决了全球海洋水色遥感数据处理、信息提取等方面的关键性问题,在海洋水色环境监测中发挥着越来越重要的作用^[3]。在此基础上还建立了全球或区域POC水色遥感算法,为大时空尺度监测海洋表层POC 分布提供了重要的手段,弥补了传统航次调查的缺憾。

目前，针对海洋水体中的POC反演已经建立了多种算法，如基于叶绿素和颗粒物浓度的POC反演算法、基于IOP的POC反演算法、基于遥感反射率波段比值的POC反演算法等^{[3, 4, 5]}。

文献[6]等利用两步法来估算POC的浓度，即先建立POC与颗粒物后向散射b_bp之间的关系，再建立b_bp与遥感反射率Rrs之间的联系，就可以直接利用遥感反射率估算POC^[6]。随后，文献^[7]利用Rrs(490)/Rrs(555)和Rrs(443)/Rrs(555)来反演海洋中POC浓度^[7]。也有学者利用单波段的离水辐亮度(Lwn)与C_p或K₄₉₀的关系估算POC。文献^[8]建立了类似于植被指数的NDCI和MNDCI的模型，用于POC浓度反演，该模型在墨西哥湾得到了较好的效果，且在近岸二类水体中的表现也十分理想^[8]。这些算法的反演精度都较为理想，特别是MNDCI模型，R²达到了0.99，且在近海岸类水体中也具有较好的反演效果^{[5, 6, 7, 8]}，为进一步了解海洋中碳循环提供了有效的手段。

目前，利用遥感反演内陆二类水体POC浓度的研究相对较少，海洋中的POC反演模型是否适用于我国的内陆湖泊还有待验证。因此，本文旨在利用太湖及洞庭湖实测数据检验海洋水体POC遥感反演模型，并建立适用于我国内陆湖泊POC反演的算法模型，在此基础上建立基于GOCI数据的POC反演模型。

太湖是我国五大淡水湖之一，位于发展较快的长江三角洲南缘，是典型的内陆大型浅水湖泊，面积为2 338.1 km²，平均水深约为1.9 m，自东向西有东太湖、胥口湾、贡湖湾、梅梁湾和竺山湾5个湖湾^[2]。

洞庭湖为中国五大淡水湖之一，湖区位于长江中下游下荆江南岸，面积2 820 km²，号称“八百里洞庭”^[9]。

1) 实测数据

在2013年5月12~14日及8月5日，对太湖及洞庭湖部分地区进行采样(两次采样部分点位重复)，太湖采样点位置如图 1所示，两次共计82个样点，其中洞庭湖29个点。用ASD地物光谱仪实测其同步的反射光谱数据，同时测定相应的辅助数据(气温、风速、水温、水深等)，将采集的水样放入水样箱中低温保存，带回实验室对水样进行室内实验，以测定各种水质参数，包括叶绿素a(Chla)浓度、POC浓度、总悬浮物(TSM)浓度等。

图 1 采样点分布 Fig. 1 Distribution of Sample Points

图选项

对于TSM，用直径为47 mm、孔径为0.4 μm(经30 ℃条件下烘干1~3 h)的滤膜过滤水样，再烘干，称量，减去空白滤膜的重量，测得TSM数据^[10]。

对于叶绿素a，用热乙醇法测得Chla浓度。

对于POC，1~3 L的水样经已被灼烧过的直径为25 mm的GF/F玻璃纤维滤膜过滤，然后用铝薄片包裹，在30 ℃条件下烘干，用浓盐酸雾熏以去除其中的无机碳，最后通过元素分析仪测定其中碳的百分含量，以得到POC含量^[11]。

2) 遥感数据

GOCI数据通过官方网站下载(http://kosc.kordi.re.kr/index.kosc?lang=eng)，经过辐射定标及6S大气校正处理^[12]。

目前，基于遥感反射率的海洋表层POC反演模型主要有三种，分别是双波段比值模型(550/490(443、412))、NDCI模型及MNDCI模型^{[5, 6, 7, 8]}。利用实测数据检验大洋POC反演模型的适用性，结果表明，海洋表层POC反演模型并不适用二类水体，RMSE为1.6 mg/L左右，MAPE都大于57%(未列出详细验证情况)。大洋水体POC来源单一，二类水体组分较为复杂，POC来源广泛，Chla是POC的组成部分但已不是主要来源，Chla敏感波段并不能很好地反演太湖POC浓度，从而导致一类水体反演模型并不适用于内陆二类水体。

前人在研究大洋水体POC与水质参数之间的关系时，发现POC与Chla之间有很好的相关性，从而建立了以Chla敏感波段作为因子的反演模型^[6]。太湖及洞庭湖地区属于典型的二类水体，水体组份复杂，了解POC与主要水质参数之间的关系对反演模型的建立至关重要。

利用实测数据进行相关性分析，结果表明，POC与TSM呈显著相关，相关系数为0.809，与文献^[13]结果一致,而POC与Chla的相关系数仅为0.34。内陆湖泊受到人类活动影响显著，导致POC来源多样性，而其中陆源有机物为主要来源^[2]。

根据实测数据研究发现，POC主要来源为TSM与Chla，前人研究表明TSM主要敏感波段为550 nm附近的绿光波段及750~850 nm的近红外波段，其中550 nm处的绿光波段是由Chla和TSM及纯水共同作用产生的峰值，750~850 nm近红外波段水体吸收强，反射信息多为TSM造成，能较好地表达出悬浮物信息^[14]。

因此，本文利用750 ~850 nm单波段近红外波段作为模型因子，建立POC单波段反演模型，以及利用550 nm附近绿波段和750 nm~850 nm近红外波段的波段组合作为模型因子，建立双波段POC反演模型。

将82个采样点数据按照POC浓度由高到低排列，隔两个取一个点作为验证点，最终得到55个建模点和27个验证点(本文中所有模型的构建与验证数据均统一)。野外实测光谱曲线表明太湖和洞庭湖水体为典型的二类水体，在700~850 nm的近红外波段，有两个反射峰，峰值分别位于710 nm及825 nm处，其中710 nm左右主要是由于Chla造成的，825 nm处主要是由于TSM造成的。结合750~850 nm的选择范围，经过迭代循环发现POC浓度与单波段遥感反射率最大相关性出现在834 nm处。以834 nm为因子建立POC单波段反演模型(见式(1))，27个验证数据表明，该模型验证的RMSE为1.12 mg/L，MAPE为35.8%。

在太湖水体光谱曲线550 nm左右所呈现的峰值不仅仅是由于Chla的贡献，同时，TSM对550 nm处的峰值也有较大的贡献。550 nm附近峰值应当能够部分表达TSM信息，利用550 nm附近与825 nm附近的波段组合作为POC反演模型因子建立POC反演模型。经循环迭代发现最佳组合波段为834 nm/563 nm(见式(2))，验证的RMSE为1.09 mg/L，MAPE为37.3%(见图 2)。

图 2 三种模型预测值与实测值散点图 Fig. 2 Estimated POC Values Versus Measured POC Values Using Three Inversion Models

图选项

三种模型反演精度较为接近，从图 2中可以看出，部分点位相对集中在1∶1线附近，较为离散。分析了不同点位的水质特征可以发现，Chla与TSM的比例越小越集中于1∶1线，而比例较大的点位相对较为离散，点的集中或离散与Chla/TSM值密切相关。

从上述分析中可以看出，波段比值模型具有较好的反演效果，结合GOCI影像的波段设置情况，选择B8/B4波段组合作为模型反演因子。建模数据与验证数据均与前文采用的数据一致，55个建模点和27个验证点，通过实测数据模拟GOCI波段，得到基于模拟GOCI波段数据的POC反演模型(见图 3)：

图 3 基于GOCI数据的POC反演模型 Fig. 3 POC Inversion Model Based on GOCI

图选项

验证数据表明反演模型的MAPE为36.38%，RMSE为1.14 mg/L。从图 4中可以看出，该模型在POC高值区域内存在较为明显的低估现象，在小于1.5 mg/L的区域有高估现象。

图 4 POC实测值与反演值散点图 Fig. 4 Scatter Plot of Measured POC and Estimated POC

图选项

影像使用的大气校正模型为6S模型。为了检验大气校正的效果，采用9个点位的实测Rrs数据模拟GOCI波段与相对应大气校正后GOCI影像上9个采样点位数据进行比较分析，图 5为实测遥感反射率值与卫星影像8个波段的遥感反射率值散点图。

图 5 实测GOCI Rrs与模拟GOCI Rrs散点图 Fig. 5 Scatter Diagram of Measured GOCI Rrs and Estimated GOCI Rrs

图选项

通过分析发现，经6S大气校正后的遥感影像Rrs值与实测Rrs值比较接近，各个波段的平均相对误差分别为14.7%、8.66%、6.67%、15.17%、13.7%、11.99%、10.9%、13.89%，均小于16%，最小值为6.7%，最大值为15.17%，本文所应用的波段为B4、B8，其平均相对误差分别为15.17%、13.89%。结果表明实测Rrs与大气校正后的GOIC影像Rrs相差较小，证明GOCI影像经过6S大气校正处理后的精度能够满足POC反演的要求。

利用上述模型，选择2013年5月13日8个时刻的GOCI影像数据(与实测数据基本准同步的是上午9时影像)，估算太湖全湖POC浓度分布，结果如图 6所示。可以发现，POC浓度在湖心区域明显较低，沿岸区域明显较高，特别是在三个湖湾沿岸，部分POC浓度接近10 mg/L；东部区域POC浓度普遍较低，而西部区域POC浓度较高，呈现出由西向东扩散的趋势。经分析主要包括几个原因。

图 6 2013年5月13日8个时刻太湖POC浓度分布图 Fig. 6 POC Concentration Distribution of Lake Taihu at 8 Different Times on May 13，2013

图选项

1) 河流汇入，陆源有机物含量高。通过POC浓度分布明显发现，太湖属于受人类活动影响较大的湖泊，就三个湖湾而言，共计约9条河流汇入，包括沉塘湖，浯溪，梁溪等，每条河流都具有相同的特征——流域较长，汇入都伴随着大量的陆源有机物，不仅提高了TSM的浓度，也提高了POC浓度。

2) 因为风向等气象因素，特定区域出现特殊值。西南部沿岸特殊的POC高值区，以及向中间扩散的趋势，是由于风向的原因，当天上午9时的风向为西南风向，导致沉积物再悬浮。

基于5月13日一天八景影像数据，得到8个时间段POC浓度分布情况，分析发现上午8时全湖POC浓度高值区域分布最为广泛；8~12时，高值浓度区域面积随时间递减，12时达到最低值；随着时间的增加，POC浓度高值区域递增，与太阳辐照度的变化趋势相反(由图 6可以发现POC浓度为2~3 mg/L及3~4 mg/L两个范围内随时间变化明显)。这与前人研究的大洋中POC随时间变化规律较为近似，由早晨的高值降低到正午时分的最低值，再由下午到傍晚十分持续增长，夜晚时分POC持续降低，在次日清晨达到与前一日清晨十分近似的水平^[15]。

本文以太湖、洞庭湖野外实测数据为基础，建立了基于实测Rrs的POC单波段和双波段反演模型，并通过波段拟合，建立了适用于GOCI卫星数据的反演模型，在此基础上分析了太湖区域POC浓度分布及POC日变化情况，得到以下结论。

1) 海洋中POC反演模型并不适用于太湖地区POC反演模型。海洋一类水体POC反演模型不适用于内陆二类水体，模型验证平均相对误差均大于55%。原因是由于太湖水体组份复杂，光谱特性差异明显，POC来源广泛。

2) 太湖水体POC与TSM有较好的相关性，与Chla相关性较差，说明太湖地区Chla并非是POC的唯一来源。

3) 单波段模型(834 nm)及双波段模型(834 nm与563 nm)均适用于内陆二类水体POC的反演，特别是双波段比值反演模型，反演效果较好。

4) 建立了适用于GOCI卫星数据的POC反演模型，得到全湖POC浓度分布，发现POC浓度主要受到河流及气象因素等影响，并且通过GOCI数据的高时间分辨率的特点分析了太湖POC浓度日变化情况，主要表现为8~12时的POC高浓度区域面积的递减及12~15时的高浓度区域面积的递增阶段。