留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

近岸/内陆典型水环境要素定量遥感空间尺度问题研究

李建 周屈 陈晓玲 田礼乔 李亭亭

李建, 周屈, 陈晓玲, 田礼乔, 李亭亭. 近岸/内陆典型水环境要素定量遥感空间尺度问题研究[J]. 武汉大学学报 ● 信息科学版, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
引用本文: 李建, 周屈, 陈晓玲, 田礼乔, 李亭亭. 近岸/内陆典型水环境要素定量遥感空间尺度问题研究[J]. 武汉大学学报 ● 信息科学版, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
LI Jian, ZHOU Qu, CHEN Xiaoling, TIAN Liqiao, LI Tingting. Spatial Scale Study on Quantitative Remote Sensing of Highly Dynamic Coastal/Inland Waters[J]. Geomatics and Information Science of Wuhan University, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
Citation: LI Jian, ZHOU Qu, CHEN Xiaoling, TIAN Liqiao, LI Tingting. Spatial Scale Study on Quantitative Remote Sensing of Highly Dynamic Coastal/Inland Waters[J]. Geomatics and Information Science of Wuhan University, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174

近岸/内陆典型水环境要素定量遥感空间尺度问题研究

doi: 10.13203/j.whugis20160174
基金项目: 

国家自然科学基金 41331174

测绘地理信息公益性行业科研专项 201512026

湖北省自然科学基金面上项目 2016CFB244

测绘遥感信息工程国家重点实验室开放基金 1501

详细信息
    作者简介:

    李建, 博士, 讲师, 主要从事多源对地观测数据水环境定量遥感方法研究。lijian@whu.edu.cn

  • 中图分类号: P231.5

Spatial Scale Study on Quantitative Remote Sensing of Highly Dynamic Coastal/Inland Waters

Funds: 

The National Natural Science Foundation of China 41331174

Surveying & Mapping and Geoinformation Research in the Public Interest 201512026

Natural Science Foundation of Hubei Province 2016CFB244

the Open Research Fund Program of State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing 1501

More Information
    Author Bio:

    LI Jian, PhD, lecturer, specializes in multi-source remote sensing monitoring of inland and coastal waters. E-mail: lijian@whu.edu.cn

  • 摘要: 近岸/内陆水环境遥感的空间尺度问题研究包括空间变异尺度及遥感监测空间尺度需求,以及多源多尺度遥感数据及定量产品的空间尺度误差两个方面。利用长时序高分一号16 m遥感数据集高时空分辨率的综合优势,采用空间半变异函数分析方法获取了中国近岸/内陆典型水环境要素(以悬浮颗粒物为例)的空间变异尺度。基于水环境要素空间变异的连续性和泰勒级数展开理论,定量化地描述了空间尺度误差解析函数。结果表明,近岸/内陆水体等高动态水体的空间变异尺度平均在150 m以下,而外海等相对稳定水体空间变异尺度在300 m以上。随着空间分辨率的降低,受到空间变异和水环境要素非线性定量反演模型的共同影响,悬浮颗粒物的空间尺度误差显著增大,亟需重点研究区域化的尺度误差校正方法。
  • 图  1  研究区域高分一号遥感影像示意图

    Figure  1.  GF-1 Images of Study Areas

    图  2  近岸/内陆水体与外海水体空间尺度对比分析

    Figure  2.  Spatial Variance Scale of Coastal/Inland and Open Sea Waters

    图  3  近岸/内陆水环境典型空间变异尺度分布图

    Figure  3.  Spatial Variance Scale of Typical Water Quality Parameters in Coastal/Inland Waters

    图  4  空间分辨率变化对像元内变异的影响分析及对悬浮颗粒物定量反演的误差影响

    Figure  4.  Effects of Spatial Scales on Remote Sensing Products of Typical Water Quality Parameters

    图  5  鄱阳湖、太湖空间尺度误差分布图

    Figure  5.  Spatial Scale Errors of Typical Water Quality Parameters in Coastal/Inland Waters

    表  1  空间分辨率差异对空间定量解析能力的影响分析

    Table  1.   Effects of Spatial Scales on Quantitative Remote Sensing of Typical Water Quality Parameters

    分辨率/m 块金值 基台值 未解析变量/%
    16 0.18 0.78 18.75
    30 0.26 0.81 24.30
    100 0.28 0.80 25.93
    250 0.43 0.82 34.40
    下载: 导出CSV
  • [1] 李小文, 王祎婷.定量遥感尺度效应刍议[J].地理学报, 2013, 68(9):1163-1169 doi:  10.11821/dlxb201309001

    Li Xiaowen, Wang Yiting. Prospects on Future Developments of Quantitative Remote Sensing[J]. Acta Geographica Sinica, 2013, 68(9):1163-1169 doi:  10.11821/dlxb201309001
    [2] Woodcock C E, Strahler A H. The Factor of Scale in Remote Sensing[J]. Remote Sensing of Environment, 1987, 21(3):311-332 doi:  10.1016/0034-4257(87)90015-0
    [3] Atkinson P M, Curran P J. Defining an Optimal Size of Support for Remote Sensing Investigations[J]. IEEE Transactions on Geoscience and Remote Sensing, 1995, 33(3):768-776 doi:  10.1109/36.387592
    [4] Entin J K, Robock A, Vinnikov K Y, et al. Temporal and Spatial Scales of Observed Soil Moisture Variations in the Extratropics[J]. Journal of Geophysical Research:Atmospheres, 2000, 105(D9):11865-11877 doi:  10.1029/2000JD900051
    [5] Ju J, Gopal S, Kolaczyk E D. On the Choice of Spatial and Categorical Scale in Remote Sensing Land Cover Classification[J]. Remote Sensing of Environment, 2005, 96(1):62-77 doi:  10.1016/j.rse.2005.01.016
    [6] Treitz P, Howarth P. High Spatial Resolution Remote Sensing Data for Forest Ecosystem Classification:An Examination of Spatial Scale[J]. Remote Sensing of Environment, 2000, 72(3):268-289 doi:  10.1016/S0034-4257(99)00098-X
    [7] Bissett W P, Arnone R A, Davis C O, et al. From Meters to Kilometers[J]. Oceanography, 2004, 17:32-42
    [8] Aurin D, Mannino A, Franz B. Spatially Resolving Ocean Color and Sediment Dispersion in River Plumes, Coastal Systems, and Continental Shelf Waters[J]. Remote Sensing of Environment, 2013, 137:212-225 doi:  10.1016/j.rse.2013.06.018
    [9] Zhang Minwei, Tang Junwu, Dong Qing, et al. Atmospheric Correction of HJ-1 CCD Imagery Over Turbid Lake Waters[J]. Optics Express, 2014, 22(7):7906-7924 doi:  10.1364/OE.22.007906
    [10] Feng L, Hu C, Chen X, et al. Human Induced Turbidity Changes in Poyang Lake Between 2000 and 2010:Observations from MODIS[J]. Journal of Geophysical Research Oceans, 2012, 117(C7):165 http://cn.bing.com/academic/profile?id=1bb9652d90ca813382207ad4c1411e08&encoded=0&v=paper_preview&mkt=zh-cn
  • [1] 王培, 江南, 王玉晶, 张亚军, 刘小春.  利用视距进行多源空间数据尺度集成 . 武汉大学学报 ● 信息科学版, 2020, 45(7): 1008-1014. doi: 10.13203/j.whugis20180401
    [2] 舒时立, 李锐, 吴华意.  基于地名树的最佳空间尺度新闻事件地点提取方法 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1416-1422. doi: 10.13203/j.whugis20170358
    [3] 崔生成, 朱文越, 杨世植, 李学彬.  基于正则化的地表反射特性参数反演方法 . 武汉大学学报 ● 信息科学版, 2018, 43(8): 1264-1270. doi: 10.13203/j.whugis20160244
    [4] 牛继强, 徐丰, 姚高伟, 樊勇, 林昊.  基于粗集的多尺度空间拓扑关系不确定性定量评价模型 . 武汉大学学报 ● 信息科学版, 2017, 42(6): 756-761, 781. doi: 10.13203/j.whugis20140904
    [5] 鲁仕维, 方志祥, 萧世伦, 张希瑞, 尹凌.  城市群体移动模式研究中空间尺度影响的定量分析 . 武汉大学学报 ● 信息科学版, 2016, 41(9): 1199-1204. doi: 10.13203/j.whugis20140524
    [6] 刘爱龙, 杜清运, 张东, 蔡忠亮, 李鹤元.  嵌入式环境下全球尺度瓦片地图数据组织与索引机制 . 武汉大学学报 ● 信息科学版, 2015, 40(4): 516-520. doi: 10.13203/j.whugis20140415
    [7] 邓敏, 陈倜, 杨文涛.  融合空间尺度特征的时空序列预测建模方法 . 武汉大学学报 ● 信息科学版, 2015, 40(12): 1625-1632. doi: 10.13203/j.whugis20130842
    [8] 谢树明, 潘鹏飞, 周晓慧.  大空间尺度GPS网共模误差提取方法研究 . 武汉大学学报 ● 信息科学版, 2014, 39(10): 1168-1173.
    [9] 游炯, 张景雄.  土地覆盖信息尺度转换的判别空间方法 . 武汉大学学报 ● 信息科学版, 2013, 38(11): 1349-1352.
    [10] #石岩, 邓敏, 刘启亮, 唐建波.  融合尺度空间聚类思想的海温多尺度分区方法 . 武汉大学学报 ● 信息科学版, 2013, 38(12): 1484-1489.
    [11] 张友静, 邓世赞, 马荣华, 张滔.  湖泊水环境卫星遥感监测系统的设计与实现 . 武汉大学学报 ● 信息科学版, 2011, 36(9): 1017-1019.
    [12] 程昌秀.  矢量数据多尺度空间索引方法的研究 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 597-601.
    [13] 韩鹏, 龚健雅, 李志林.  基于信息熵的遥感分类最优空间尺度选择方法 . 武汉大学学报 ● 信息科学版, 2008, 33(7): 676-679.
    [14] 蔡剑红, 李德仁.  多尺度下的不确定性空间方向锥形模型研究 . 武汉大学学报 ● 信息科学版, 2007, 32(8): 735-739.
    [15] 闫利, 岳昔娟, 崔晨风.  一种定量确定遥感融合图像空间分辨率的方法 . 武汉大学学报 ● 信息科学版, 2007, 32(8): 667-670.
    [16] 艾廷华, 成建国.  对空间数据多尺度表达有关问题的思考 . 武汉大学学报 ● 信息科学版, 2005, 30(5): 377-382.
    [17] 胡鹏, 李圣权, 亢江妹.  空间数据问题与GIS发展的思考 . 武汉大学学报 ● 信息科学版, 2005, 30(9): 796-800.
    [18] 李霖, 应申.  空间尺度基础性问题研究 . 武汉大学学报 ● 信息科学版, 2005, 30(3): 199-203.
    [19] 江柳, 沈未名, 种衍文, 段汉文.  基于多尺度空间分析的图像阈值分割方法 . 武汉大学学报 ● 信息科学版, 2002, 27(6): 582-585.
    [20] 桑吉章.  联合平差中大地网定向和尺度系统误差的影响和分离 . 武汉大学学报 ● 信息科学版, 1987, 12(3): 91-101.
  • 加载中
图(5) / 表(1)
计量
  • 文章访问数:  329
  • HTML全文浏览量:  9
  • PDF下载量:  206
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-12-09
  • 刊出日期:  2018-06-05

近岸/内陆典型水环境要素定量遥感空间尺度问题研究

doi: 10.13203/j.whugis20160174
    基金项目:

    国家自然科学基金 41331174

    测绘地理信息公益性行业科研专项 201512026

    湖北省自然科学基金面上项目 2016CFB244

    测绘遥感信息工程国家重点实验室开放基金 1501

    作者简介:

    李建, 博士, 讲师, 主要从事多源对地观测数据水环境定量遥感方法研究。lijian@whu.edu.cn

  • 中图分类号: P231.5

摘要: 近岸/内陆水环境遥感的空间尺度问题研究包括空间变异尺度及遥感监测空间尺度需求,以及多源多尺度遥感数据及定量产品的空间尺度误差两个方面。利用长时序高分一号16 m遥感数据集高时空分辨率的综合优势,采用空间半变异函数分析方法获取了中国近岸/内陆典型水环境要素(以悬浮颗粒物为例)的空间变异尺度。基于水环境要素空间变异的连续性和泰勒级数展开理论,定量化地描述了空间尺度误差解析函数。结果表明,近岸/内陆水体等高动态水体的空间变异尺度平均在150 m以下,而外海等相对稳定水体空间变异尺度在300 m以上。随着空间分辨率的降低,受到空间变异和水环境要素非线性定量反演模型的共同影响,悬浮颗粒物的空间尺度误差显著增大,亟需重点研究区域化的尺度误差校正方法。

English Abstract

李建, 周屈, 陈晓玲, 田礼乔, 李亭亭. 近岸/内陆典型水环境要素定量遥感空间尺度问题研究[J]. 武汉大学学报 ● 信息科学版, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
引用本文: 李建, 周屈, 陈晓玲, 田礼乔, 李亭亭. 近岸/内陆典型水环境要素定量遥感空间尺度问题研究[J]. 武汉大学学报 ● 信息科学版, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
LI Jian, ZHOU Qu, CHEN Xiaoling, TIAN Liqiao, LI Tingting. Spatial Scale Study on Quantitative Remote Sensing of Highly Dynamic Coastal/Inland Waters[J]. Geomatics and Information Science of Wuhan University, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
Citation: LI Jian, ZHOU Qu, CHEN Xiaoling, TIAN Liqiao, LI Tingting. Spatial Scale Study on Quantitative Remote Sensing of Highly Dynamic Coastal/Inland Waters[J]. Geomatics and Information Science of Wuhan University, 2018, 43(6): 937-942. doi: 10.13203/j.whugis20160174
  • 水环境定量遥感空间尺度问题是由于水环境要素如悬浮颗粒物的高度空间变异特性产生的,其对应了水环境遥感监测的两个关键问题:①采用何种空间尺度/空间分辨率可以最优地表征水环境的空间变化信息;②在多源遥感数据框架下,不同遥感观测平台的空间尺度差异如何解析并校正。Simonett指出“尺度问题是遥感科学的核心问题”[1]。根据地学现象的尺度本身出发,选择最佳空间分辨率的遥感数据研究不同遥感影像空间分辨率之间的定量对应关系, 非常有现实意义。目前已有的最优尺度选择方法主要包括基于局部方差的方法[2]和基于变异函数(variogram)的方法[3]。尺度问题研究集中于陆表生态过程遥感监测,如土壤水分变化[4]、土地利用变化[5]、森林生态系统监测[6]等,水环境定量遥感监测中的尺度效应目前还鲜有研究。尤其是针对沿岸及内陆湖泊区域,水环境时空变化剧烈,其物理及生物化学过程发生的空间尺度从千米级到毫米级不等[7],因此亟需用遥感的手段定量化地分析其空间尺度问题。

    遥感监测必须能够有效地捕捉到典型水环境要素(如叶绿素、悬浮物浓度、黄色物质等)的时空变异信息,如何有效地平衡监测需求与传感器发展的技术指标、资金限制等之间的关系[8],关键在于考虑水环境信息时空变化尺度最优化的空间分辨率以及空间覆盖范围。而目前已有的水环境遥感监测研究多集中于水色参数的各类反演算法,针对空间尺度的研究还较为鲜见。随着多源遥感数据的快速发展,开展针对高动态的沿岸/内陆水环境定量应用的遥感数据和产品的空间尺度误差及一致性问题研究,对于提升多源遥感数据在水环境高精度定量遥感的应用能力,促进水环境定量遥感的发展具有重要的科学意义和应用价值。

    • 基于空间统计学中的空间自相关理论的遥感影像尺度问题研究方法是目前应用较为广泛的一种方法。依据地理学第一定律:空间上邻近的地物之间的相关程度要强于空间上距离较远的地物。半变异函数是定量化描述空间依赖性和异质性的一个综合性指标。经验性半变异函数的计算公式为:

      $$ r\left( h \right) = \frac{1}{{2N\left( h \right)}}\sum\limits_{i = 1}^{N\left( h \right)} {{{\left[ {z\left( x \right) - z\left( {x + h} \right)} \right]}^2}} $$ (1)

      式中,r(h)为区域化半变异函数值;z(x)为地理要素在位置x处的变量值;z(x+h)是与位置x相距距离为h的地理要素的变量值;N(h)为相距距离为h的点对数目。r(h)表征了半变异函数的经验估计值,通过最小二乘法,即可得到半变异函数的理论模型:

      $$ {r^\prime }\left( h \right) = {c_0} + {c_1}[\left( {\frac{{3h}}{{2a}}} \right) - 0.5{\left( {\frac{h}{a}} \right)^3}] $$ (2)

      式中, r′(h)为拟合后的区域化半变异函数值; a为变程; c0为块金值; c1为偏基台值。

      常用的拟合模型有球状模型、指数模型、高斯模型,本研究根据数据情况和经验,选择使用较为通用的球状拟合模型。拟合后的理论模型提供了可定量化描述空间变异的3个重要参数:变程(a)、块金值(c0)和基台值(c0+c1)。变程a表征了地理要素的空间变异尺度,空间距离大于变程a的地理变量将不具有空间相关性。利用时序遥感影像大气校正后获取的红光波段遥感反射率数据统计获取的空间变程a,可定量化地分析近岸/内陆典型水环境空间变异尺度。块金值c0表示在当前空间尺度下不能被解析的空间变化信息,即小于当前观测尺度的空间变异特征。基台值c0 + c1表征了研究区域的整体变异程度。块金值与基台值的比值表征了当前空间尺度下无法被解析的空间变异信息。

    • 以总悬浮颗粒物(total suspended sediment, TSS)反演为例,由高空间分辨率遥感反射率数据(ρ)推导出低空间分辨率的TSS产品有两种方法:①在原始高空间分辨率数据上,通过TSS反演模型f(ρ)得到高空间分辨率的TSS产品,然后通过空间聚合方法得到低空间分辨率的TSS产品TSSmean; ②首先通过空间聚合获取低空间分辨率的ρmean,然后通过TSS遥感反演模型f(ρmean)直接计算得到低空间分辨率的TSS产品TSSapp

      在假设传感器的成像函数为一个标准的矩形窗函数的理想状态下,第二种尺度推导方法可以认为更接近地表参数变量的真实值。因此,以悬浮颗粒物为例的水环境要素定量监测的遥感尺度误差可以表达为:ε = TSSapp-TSSmean。由于地表参数的变化(如悬浮颗粒物空间变化)多是自然的、连续的空间过程,因此利用泰勒公式将TSSmean函数在ρmean处展开,并忽略残余项较小的三次及三次以上的展开项,具体过程为:

      $$ \begin{array}{*{20}{c}} {\varepsilon = {\rm{TS}}{{\rm{S}}_{{\rm{app}}}} - {\rm{TS}}{{\rm{S}}_{{\rm{mean}}}} = f\left( {\frac{1}{n}\sum\limits_{i = 1}^n {{\rho _i}} } \right) - \frac{1}{n}\sum\limits_{i = 1}^n {f\left( {{\rho _i}} \right)} \approx - \frac{1}{n}}\\ {\sum\limits_{i = 1}^n {f'\left( {{\rho _{{\rm{mean}}}}} \right)\left( {{\rho _i} - {\rho _{{\rm{mean}}}}} \right)} - \frac{1}{n}\sum\limits_{i = 1}^n {\frac{{f''\left( {{\rho _{{\rm{mean}}}}} \right)}}{2}{{\left( {{\rho _i} - {\rho _{{\rm{mean}}}}} \right)}^2}} = }\\ { - f'\left( {{\rho _{{\rm{mean}}}}} \right)\left( {\frac{1}{n}\sum\limits_{i = 1}^n {\left( {{\rho _i} - {\rho _{{\rm{mean}}}}} \right)} } \right) - \frac{1}{n}\sum\limits_{i = 1}^n {\frac{{f''\left( {{\rho _{{\rm{mean}}}}} \right)}}{2}{{\left( {{\rho _i} - {\rho _{{\rm{mean}}}}} \right)}^2}} = }\\ {0 - \frac{1}{n}\sum\limits_{i = 1}^n {\frac{{f''\left( {{\rho _{{\rm{mean}}}}} \right)}}{2}{{\left( {{\rho _i} - {\rho _{{\rm{mean}}}}} \right)}^2}} \approx - \frac{{f''\left( {{\rho _{{\rm{mean}}}}} \right)}}{2} \times }\\ {\frac{1}{n}\sum\limits_{i = 1}^n {{{\left( {{\rho _i} - {\rho _{{\rm{mean}}}}} \right)}^2}} = - \frac{{f''\left( {{\rho _{{\rm{mean}}}}} \right)}}{2} \times {\rm{STD}}\left( {\sum\limits_{i = 1}^n {{\rho _i}} } \right)} \end{array} $$ (3)

      式中,n为参与空间尺度变换的像元数;ρi为第i个像元的遥感反射率;ρmean为参与空间尺度转换的像元的平均反射率;${\rm{STD}}(\sum\limits_{i = 1}^n {{\rho _i}} )$为参与空间尺度转换的像元反射率的标准差。

      分析表明,空间尺度误差ε受到两个因素的共同影响:一是参数反演模型的二阶导数,二是像元尺度内的空间变异方差。因此,若悬浮颗粒物反演模型为线性模型,或者像元内变异方差为0,即像元均一,均可以忽略尺度误差的影响。然而对于近岸/内陆二类水体,光学特性较为复杂,其参数反演模型多为非线性模型,且同时存在较大的空间变异,因此会对定量遥感水色产品引入较大的空间尺度误差。

    • 针对国内水环境的空间分布特点,选择了两个典型内陆湖泊(鄱阳湖、太湖)、3个河口海岸(渤海湾、长江口、珠江口)为研究区域。以1个外海区域水体作为参考,研究典型水环境的空间尺度特征,同时对比分析沿岸/内陆水体与相对清洁水体在时空尺度上的差异。针对每个研究区域,挑选了2013-2014年底所有可用的清洁无云高分一号(GF-1)影像。其中包括鄱阳湖15景、太湖10景、渤海湾11景、长江口10景、珠江口7景、南海海域3景,如图 1所示。所有的影像经过几何校正、辐射定标、MODIS数据辅助的大气校正[9],获取遥感反射率影像作为研究的基准数据。针对每一个典型区域,采用所有可用影像分析讨论后的平均水平作为本研究的结论支撑,以减少水体自身异常变化引起的空间误差分析的不确定性,提高研究结果的有效性和代表性。

      图  1  研究区域高分一号遥感影像示意图

      Figure 1.  GF-1 Images of Study Areas

    • 近岸/内陆水体与外海水体存在典型的空间尺度的差异,如图 2~3所示,其中图 2中拟合半变异函数的变程稳定处的大小表征了其空间变异尺度。结果表明,近岸/内陆水体的空间变异尺度平均在150 m以下,而外海由于其水环境要素空间变化相对稳定,空间尺度变化在300 m以上。类似的空间特征在近岸区域具有明显的空间分布差异。以渤海、长江口和珠江口为例,靠近陆地、河流入口的区域往往表现出较高的空间动态变化特征,因此需要更高的空间分辨率对其进行监测。

      图  2  近岸/内陆水体与外海水体空间尺度对比分析

      Figure 2.  Spatial Variance Scale of Coastal/Inland and Open Sea Waters

      图  3  近岸/内陆水环境典型空间变异尺度分布图

      Figure 3.  Spatial Variance Scale of Typical Water Quality Parameters in Coastal/Inland Waters

      其次,对于不同的近岸/内陆水体,由于各自的水体组分、光学特性、外界影响因素不同,其空间变异尺度也表现出较明显的区域化差异。其中,鄱阳湖的平均空间尺度为80 m,太湖为140 m,渤海湾为100 m,长江口为100 m,珠江口为160 m。不同区域的水体空间变异尺度受到水体相对变化的剧烈程度影响,在高强度人类活动或自然因素影响的区域,如河口、湖口、采砂区等,其水体往往表现出高动态的变化特征,因此其空间变异尺度较低;而在相对稳定的水体区域,如平静的大洋水体,相对平稳的湖心区域等,其空间变异尺度相对较高。由于传统的水色传感器如MODIS,其可用于近岸/内陆水环境监测的影像数据的空间分辨率为250 m,远低于这些区域自身的空间变异尺度。因此,传统的水色传感器数据在近岸/内陆水环境监测中虽然发挥了长时序、大范围监测的优势,但是由于空间分辨能力的不足,也引起了空间变异信息解析能力不足的问题。

      通过逐级递减分辨率的方法,获取了相同研究区域16 m、30 m、100 m、250 m的多空间尺度遥感数据,并分别采用半变异函数分析方法,获取了不同空间尺度遥感影像对水环境监测能力的结果,如表 1所示。随着空间分辨率的降低,块金值表现出逐渐增大的趋势,空间未解析信息的比例逐渐升高,约18%的空间变异信息无法在16 m的空间尺度上被解析,当空间分辨率降低到256 m,整体未解析的空间变异信息升高到34%。

      表 1  空间分辨率差异对空间定量解析能力的影响分析

      Table 1.  Effects of Spatial Scales on Quantitative Remote Sensing of Typical Water Quality Parameters

      分辨率/m 块金值 基台值 未解析变量/%
      16 0.18 0.78 18.75
      30 0.26 0.81 24.30
      100 0.28 0.80 25.93
      250 0.43 0.82 34.40
    • 图 4为各研究区域的遥感反射率数据的平均空间变异(标准差)随着空间尺度的变化情况。从图 4中可以看出:①随着空间分辨率的不断降低,所有区域的空间变异水平均逐渐升高,但是升高程度受到区域化特征的影响;②近岸/内陆水体和南海水体的空间变异变化特征存在较大差别,南海水域由于空间上相对平静,因此其空间标准差较低,且受空间尺度变化影响不明显,然而近岸/内陆水体空间标准差较大,且随着空间尺度的降低,标准差显著增大。以鄱阳湖为例,当空间分辨率由32 m降低到992 m时,其空间变异标准差由0.002增大到0.012,其他水体的也表现出增大趋势,但增量略低于鄱阳湖。

      图  4  空间分辨率变化对像元内变异的影响分析及对悬浮颗粒物定量反演的误差影响

      Figure 4.  Effects of Spatial Scales on Remote Sensing Products of Typical Water Quality Parameters

      为了分析空间尺度变化引起的空间变异对悬浮颗粒物的定量化影响,考虑到GF-1 WFI数据的波段设置特点和辐射特性,本研究选择了二类水体悬浮颗粒物反演较为常用的基于红光波段的幂指数反演模型[10],并利用鄱阳湖多年实测数据针对GF-1 WFI数据对该模型进行了参数化,得到TSS反演模型:

      $$ {\rm{TSS}} = 2.8 \times {\rm{exp}}(62 \times {\rm{RRS}}\left( {{\rm{red}}} \right)) $$ (4)

      式中,exp为指数函数;RRS(red)为红光波段的遥感反射率。

      以该指数模型为基础,结合图 4的空间变异标准差的分析结果,利用空间尺度误差定量函数,分析了近岸/内陆典型水体的悬浮颗粒物空间尺度误差。鄱阳湖是一个典型的高动态的内陆湖泊,受人为活动(如采砂等)、湿地生态系统过程等多种因素的影响,其光学特性异常复杂,湖区内既有悬浮泥沙浓度很高的高浑浊水体,也有叶绿素和悬浮泥沙浓度都较低的较清洁水体,因此对多种水体光学性质的湖泊都具有一定的代表性。本文对空间变异尺度的研究是基于悬浮物的相对变化程度,同时为了减小由于不同研究区域选择不同的反演模型引起的模型误差,提高不同区域空间尺度分析的一致性和可对比性,选择了统一的悬浮物反演模型实现不同区域悬浮物浓度相对变化的分析。

      图 5展示了空间尺度变化对悬浮颗粒物定量反演的误差,分析的基准颗粒物浓度为18 mg/L。空间尺度变化引起的悬浮颗粒物反演误差的趋势与图 4所示的空间变异标准差的趋势一致。南海水体悬浮颗粒物受空间尺度变化影响较小,而其他近岸/内陆水体的悬浮颗粒物误差则随着空间尺度的降低急剧增大,且受到指数模型的共同增大关系,悬浮颗粒物误差的增大程度要远大于空间标准差的变化程度。当空间分辨率由32 m降低到992 m,上述6个区域的空间尺度误差的均值变化情况为:鄱阳湖约3 mg/L增大到约35 mg/L,太湖约3 mg/L增大到约21 mg/L,渤海湾约4 mg/L增大到约17 mg/L,长江口约4 mg/L增大到约22 mg/L,珠江口约4 mg/L增大到约20 mg/L,南海约1 mg/L增大到约4 mg/L。

      图  5  鄱阳湖、太湖空间尺度误差分布图

      Figure 5.  Spatial Scale Errors of Typical Water Quality Parameters in Coastal/Inland Waters

    • 针对国内典型的高动态时空变化的近岸/内陆水体遥感定量监测需求,在多源多尺度遥感数据广泛应用的框架下,以高空间分辨率遥感数据(GF-1, 16 m)为数据基础,研究了上述典型区域的水环境空间尺度、尺度误差的水环境定量遥感问题,得出如下结论:①近岸/内陆水体与外海水体存在典型的空间尺度差异:近岸/内陆水体的空间变异尺度平均在150 m以下,而外海由于其水环境要素空间变化相对稳定,因此空间尺度变化在300 m以上;②随着遥感数据空间分辨率的降低,悬浮颗粒物的空间尺度误差逐渐增大;③空间尺度误差具有典型的区域化特征,不同区域由于水体光学特性、空间变化特性等因素的影响差异,尺度误差分析和校正需要进行区域化的优化。

参考文献 (10)

目录

    /

    返回文章
    返回