-
近年来,卫星遥感技术广泛应用于环境监测、资源调查、城市规划等领域。特别是在水质监测方面,由于卫星遥感技术具有快捷、经济、覆盖范围广等传统地面监测手段所不具备的优势,且能直接获取水质空间分布和时序变化情况[1-3],已越来越多地应用于海洋及内陆水体的水质监测。水质遥感反演的精度依赖于卫星传感器的辐射分辨率和光谱分辨率,而其所能反演的时空尺度则依赖于遥感图像的空间分辨率和时间分辨率。因此,实际工作中一般根据监测区域的时空分布和精度需求,选择适当的卫星遥感数据开展遥感反演工作,在保证监测质量、精度的同时,采用经济和时序长的卫星遥感数据资料,对水质进行长期动态监测成为水质卫星遥感监测的普遍原则[4]。
美国Landsat系列卫星是地表水环境遥感领域应用较为广泛的卫星,其较高的空间分辨率和完备的观测数据积累,在区域尺度的地表水环境监测中发挥了重要作用[5-7]。但是,由于其两颗主力卫星中的Landsat 7号星于2003年发生故障,使其实用价值大打折扣,而Landsat 5号星也于2012年底退役,从而造成Landsat共40 a的连续对地观测一度中断。美国地质调查局 (United States Geological Survey, USGS) 及太空总署 (National Aeronautics and Space Administration, NASA) 于2013年2月成功发射了Landsat 8,使得该系列卫星的对地观测得以延续。目前, NASA已开放了该数据库,用户注册后可下载[8]。
已往的研究表明,水体浊度作为河流的重要水质参数,可反映内陆水体的泥沙含量、悬浮物浓度,甚至水华和重金属污染情况[9]。同时,水体浊度所具有的光谱特征,使其可以被卫星传感器探测[3, 10]。本文研究区域位于南水北调中线水源地丹江口水库下游,是武汉、仙桃、潜江等沿岸城市的重要饮用水源。20世纪90年代以来,随着区域经济的发展,高强度的人类活动作用下,该区域发生了数次“水华”事件。随着南水北调中线工程的输水,汉江中下游江段流量减少,流速变缓,水体对沿岸污染的稀释自净能力减弱,区域水环境将面临更大挑战。
在此背景下,本文以Landsat 8搭载的新传感器OLI影像为数据来源,对汉江下游水体浊度进行反演,并评价该传感器不同波段组合对反演精度的影响。
-
已有分析表明,Landsat 8卫星数据很好地延续了Landsat系列卫星的一贯特点,其搭载的OLI成像仪采用推扫式结构设计,使得OLI成像仪比扫摆式结构设计的Landsat 5/7成像仪具有更好的几何稳定性。同时,该成像仪获取的遥感图像辐射分辨率达到12比特,图像的几何精度和数据信噪比更高[11]。
本文采用了3幅Landsat 8 OLI遥感影像,时相分别为2013-04-26、2013-06-13和2013-11-20,影像获取时天空非常晴朗,风力小于2级。研究区域位于汉江下游潜江-仙桃段,江面宽800~1 500 m,长度约50 km,可以满足影像分辨率条件。本文在卫星过境当天使用HACH 2100P便携式浊度仪,根据仪器操作手册,在江面每隔2~3 km设立一个监测点进行采样监测,每时相设立20个监测点,总共60个监测数据。研究区域和采样信息见图 1和表 1。表 1中,NTU为散射浊度单位 (nephelometric turbidity units), UTC为世界协调时间 (coordinated universal time)。各采样点水体透明度均较低,所以不必考虑水底反射的影响。
表 1 研究所用影像和实测浊度数据描述表
Table 1. Description of Landsat 8 OLI Images and In-situ Turbidity Used in this Paper
浊度采样与卫星过境日期 影像号 卫星过境时间 浊度采样时间 浊度值范围/NTU 浊度平均值/NTU 2013-04-26 LC81230392013116LGN01 02:58 UTC 02:46UTC~05:39UTC 20.8~49.7 32.3 2013-06-13 LC81230392013164LGN00 02:58 UTC 01:52UTC~05:06UTC 39.3~54.4 47.5 2013-11-20 LC81230392013324LGN00 02:58 UTC 02:44UTC~06:04UTC 15.8~25.9 20.3 -
遥感数据预处理包括辐射定标、几何校正、大气校正和水体提取。采用Landsat 8定标参数与定标公式进行辐射定标[12],在ENVI 5.1支持下,采用一幅经过几何精校正的同区域2011-06-08的TM影像 (空间分辨率30 m) 为参考底图进行几何校正,校正精度控制在0.5个像元以内。由于本文实验样区缺少同步的大气资料,故采用暗目标法对影像进行大气校正[13],并采用归一化差异水体指数 (modified normalized difference water index, WNDWI)[14]进行水体范围提取。
-
利用Landsat卫星建立遥感水质反演模型通常有经验、半经验,神经网络等方法[3, 6, 15-17],本文采用经验模型中的多元逐步回归分析方法。反演采用预处理后的OLI影像反射率为模型输入,选取汉江45个样点的浊度实测值与对应监测点在影像上的各波段的遥感反射率Bn以及它们的波段组合作线性、对数、多项式等多元逐步回归分析,通过剩下15个样点的验证,筛选出相关性高而且参数项少的最优模型。回归分析采用Grapher 8.0软件完成。
设定F检验的显著性概率p≤0.05,通过初步筛选后,选择了10种相关系数较大的波段反射率组合进行比较 (见表 2)。
表 2 波段反射率组合与浊度实测值相关关系
Table 2. Correlation Coefficient of Turbidity and Reflection of Bands Combination
序号 波段组合 相关系数 1 B3/B2 0.728 2 B3/B1 0.703 3 B3/B2+B3/B1 0.719 4 B4/B1 0.722 5 (B4+B3)/B1 0.739 6 B5×B1 -0.897 7 (B5×B1)1/2 -0.882 8 B2/(B1+B5) 0.714 9 B3/(B1+B5) 0.822 10 B4/(B4+B5) 0.785 注:Bn表示经大气校正的OLI影像的第n波段反射率。 根据表 2,相关性最大的为B5×B1(第五波段与第一波段反射率乘积),达到了-0.897,但是考虑到对水体光谱辐射亮度的不同波段作比值处理,可以部分消除大气影响,也可以消除在空间上和时间上水面粗糙度变化的干扰。同时,已有学者运用地物光谱仪对水体光谱进行了实测[5, 17-18],发现悬浮物含量高的水体在近红外波段反射作用增强,使得其在0.772~0.889 μm以及0.893~0.909 μm的波段上形成了较强的相关关系,这一位置正好位于Landsat 8 OLI的第五波段 (0.845~0.885 μm)。因此,本文使用了该波段来估测浊度。综合考虑到相关性和理论依据,本文选用相关性较高的波段反射率组合B3/(B1+B5) 为自变量进行定量遥感反演。
-
本文选取B3 /(B1+ B5) 作为自变量进行建模,考虑到模型的稳定性,最终采用一元二次模型构建反演模型:
$$ Y=-166.61+471.58X-257.19{{X}^{2}} $$ (1) 式中,X为B3/(B1+B5);Y为浊度 (单位为NTU)。
图 2是该模型在45个建模样点处的预测值和实测值散点图,直观地显示了模型的拟合效果。方差分析显示,相关系数R2=0.767,相关系数显著。
-
用上文得到的浊度反演模型计算表 1所列的3个时像的汉江下游浊度空间,运用ENVI 5.1和ARCGIS 10即可得到浊度的空间分布图 (见图 3)。
从图 3中可以看出,同一时像的浊度分布空间差异较小,这与泥沙在河流中经过充分混合后的特征相符。通过比较不同的时像发现,2013-06-13的浊度整体水平最高,这是因为当时在研究区域潜江段的江面上进行泥沙挖掘作业的船只较多,在挖沙过程中,机械对水体的搅拌导致局部浊度偏高,而另外两时相的同步采样中江面泥沙挖掘作业偏少,使得水体整体透明度相对较好。
对该模型得出的60个点的反演值和实测值进行比较 (见图 4),可以看出,在变化的趋势上,两者非常接近,只是在个别数值上出现较大的误差。表 3是运用该模型得出的反演值和验证数据的实测值之间的比较,可以看出,两者R2可达0.71,平均相对误差在15%左右。误差的来源有可能是大气校正,采样过程中船只的移动,以及采样的时间点难以完全和卫星过境时间吻合造成采样所在的点与影像像元难以完全一一对应等。总体来看,运用该波段组合的回归模型可以较为准确地反映研究区域实际的浊度分布状况。
图 4 反演值与实测值比较
Figure 4. Comparison of Turbidity Between Retrieval Values from Landsat 8 Images and In-situ Data
表 3 验证数据误差分析表
Table 3. Static Index Applied to Models for Turbidity Validation
R2 平均绝对误差/NTU 均方根误差/NTU 平均相对误差/% 0.71 5.04 6.65 15.44 -
本文通过与Landsat 8卫星影像基本同步的水质参数的实地测量, 获取了汉江下游潜江-仙桃段20个点3个时相的水质参数,进行了建模和水体浊度的反演分析,所建立的模型精度可满足实际内陆水体水质动态监测应用的需求。随着Landsat 8卫星相关反演模型的研究进一步深入,其在内陆水环境监测中的应用将更为广泛。
-
摘要: 综合比较Landsat 8 OLI遥感影像与地面同步水质监测结果,发现Landsat 8的近红外波段与其他波段的组合和水体浊度具有较高的相关性,以此为基础运用OLI的第1、3、5波段组合建立了汉江中下游浊度的遥感反演数学模型。根据该模型生成了2013年4~11月共3幅汉江中下游浊度分布图,并进行了空间分析。精度验证表明,模型相对误差在15%左右,R2=0.71,表明运用Landsat 8 OLI可有效地监测该区域水体浊度分布情况。Abstract: This research investigated the Landsat 8 Operational Land Imager (OLI) performance in monitoring dynamic riverine turbidity in a case study of he Hanjiang River in China, the largest tributary of the Yangtze River. Field surveys conducted between April and November 2013 showed a wide range of turbidity (15.8~54.4 NTU). A practical exponential retrieval algorithm used in conjunction with the OLI bands1, 3 and 5 on the Landsat 8 was developed to assess compatibility between satellite remote sensing reflectance and in-situ measured data. Results obtained for the whole area accurately matched the in-situ data at most stations (R2=0.71, MAPE=15.44%) during the validation phase. It was found that Landsat 8 OLI imagery can be used to estimate turbidity in inland riverine systems when a suitable retrieval algorithm is applied.
-
Key words:
- Hanjiang River /
- Landsat 8 /
- turbidity /
- retrieval miodel /
- inland water systems
-
表 1 研究所用影像和实测浊度数据描述表
Table 1. Description of Landsat 8 OLI Images and In-situ Turbidity Used in this Paper
浊度采样与卫星过境日期 影像号 卫星过境时间 浊度采样时间 浊度值范围/NTU 浊度平均值/NTU 2013-04-26 LC81230392013116LGN01 02:58 UTC 02:46UTC~05:39UTC 20.8~49.7 32.3 2013-06-13 LC81230392013164LGN00 02:58 UTC 01:52UTC~05:06UTC 39.3~54.4 47.5 2013-11-20 LC81230392013324LGN00 02:58 UTC 02:44UTC~06:04UTC 15.8~25.9 20.3 表 2 波段反射率组合与浊度实测值相关关系
Table 2. Correlation Coefficient of Turbidity and Reflection of Bands Combination
序号 波段组合 相关系数 1 B3/B2 0.728 2 B3/B1 0.703 3 B3/B2+B3/B1 0.719 4 B4/B1 0.722 5 (B4+B3)/B1 0.739 6 B5×B1 -0.897 7 (B5×B1)1/2 -0.882 8 B2/(B1+B5) 0.714 9 B3/(B1+B5) 0.822 10 B4/(B4+B5) 0.785 注:Bn表示经大气校正的OLI影像的第n波段反射率。 表 3 验证数据误差分析表
Table 3. Static Index Applied to Models for Turbidity Validation
R2 平均绝对误差/NTU 均方根误差/NTU 平均相对误差/% 0.71 5.04 6.65 15.44 -
[1] 童小华, 谢欢, 仇雁翎, 等.黄浦江上游水域的多光谱遥感水质监测与反演模型[J].武汉大学学报·信息科学版, 2006, 31(10):851-854 http://ch.whu.edu.cn/CN/abstract/abstract2572.shtml Tong Xiaohua, Xie Huan, Qiu Yanlin, et al. Multi-spectral Remote Sensing Based Water Quality Monitoring and Inversion Modeling in Upper Stream of Huangpu River[J].Geomatics and Information Science of Wuhan University, 2006, 31(10):851-854 http://ch.whu.edu.cn/CN/abstract/abstract2572.shtml [2] 张友静, 邓世赞, 马荣华, 等.湖泊水环境卫星遥感监测系统的设计与实现[J].武汉大学学报·信息科学版, 2011, 36(9):1017-1019 http://ch.whu.edu.cn/CN/abstract/abstract642.shtml Zhang Youjing, Deng Shizan, Ma Ronghua, et al. Design and Development of Remote Sensing Lake Water Environment Monitoring System[J].Geomatics and Information Science of Wuhan University, 2011, 36(9):1017-1019 http://ch.whu.edu.cn/CN/abstract/abstract642.shtml [3] Guttler F N, Niculescu S, Gohin F. Turbidity retrieval and Monitoring of Danube Delta Waters Using Multi-sensor Optical Remote Sensing Data:An Integrated View from the Delta Plain Lakes to the Western-Northwestern Black Sea Coastal Zone[J].Remote Sensing of Environment, 2013, 132:86-101 doi: 10.1016/j.rse.2013.01.009 [4] 何报寅, 丁超, 杨小琴, 等.Landsat7 ETM+ SLC-OFF数据的修复及其在武汉东湖水质反演中的应用[J].长江流域资源与环境, 2011, 20(1):90-95 http://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201101016.htm He Baoyin, Ding Chao, Yang Xiaoqin, et al. Recovering of Landsat7 ETM+ SLC-OFF Data and Its Application on Water Quality Retrieval in East Lake in Wuhan[J]. Resources and Environment in the Yangtze Basin, 2011, 20(1):90-95 http://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201101016.htm [5] Ghabavati E, Firouzabadi P Z, Jangi A, et al. Monitoring Geomorphologic Changes Using Landsat TM and ETM+ Data in the Hendijan River Delta, Southwest Iran[J]. International Journal of Remote Sensing, 2008, 29(4):945-959 doi: 10.1080/01431160701294679 [6] Onderka M, Pekárová P. Retrieval of Suspended Particulate Matter Concentrations in the Danube River from Landsat ETM Data[J].Science of the Total Environment, 2008, 397:238-243 doi: 10.1016/j.scitotenv.2008.02.044 [7] 杨一鹏, 王桥, 肖青, 等.基于TM数据的太湖叶绿素a浓度定量遥感反演方法研究[J].地理与地理信息科学, 2006, 22(2):5-8 http://www.cnki.com.cn/Article/CJFDTOTAL-DLGT200602001.htm Yang Yipeng, Wang Qiao, Xiao Qing, et al. Quantitative Remote Sensing Inversion Methods of ChlorophyⅡ-a Concentration in Taihu Lake Based on TM Data[J].Geography and Geo-Information Science, 2006, 22(2):5-8 http://www.cnki.com.cn/Article/CJFDTOTAL-DLGT200602001.htm [8] NASA. A Closer Look at LDCM's First Scene.[EB/OL].http://www.nasa.gov/mission_pageslandsat/news/first-images-feature.html, 2013 [9] Wang B B, Cao M H, Zhu H D, et al. Distribution of Perfluorinated Compounds in Surface Water from Hanjiang River in Wuhan, China[J]. Chemosphere, 2013, 93(3):468-473 doi: 10.1016/j.chemosphere.2013.06.014 [10] Shen F, Salama M H D, Zhou Y X, et al. Remote-Sensing Reflectance Characteristics of Highly Turbid Estuarine Waters:A Comparative Experiment of the Yangtze River and the Yellow River[J].International Journal of Remote Sensing, 2010, 31(10):2639-2654 doi: 10.1080/01431160903085610 [11] NASA. A Closer Look at LDCM's First Scene[EB/OL]. http://www.nasa.gov/mission_pageslandsat/news/first-images-feature.html, 2013 [12] 陈云.基于Landsat 8的城市热岛效应研究初探:以厦门市为例[J].测绘与空间地理信息, 2014, 37(2):123-128 http://www.cnki.com.cn/Article/CJFDTOTAL-DBCH201402036.htm Chen Yun. A Preliminary Study on the Urban Heat Island Effect Based on Landsat 8:Case of Xiamen City[J].Geomatics and Spatial Information Technology, 2014, 37(2):123-128 http://www.cnki.com.cn/Article/CJFDTOTAL-DBCH201402036.htm [13] Song C, Woodcock C E, Seto K C, et al. Classification and Change Detection Using Landsat TM Data:When and How to Correct Atmospheric Effects?[J]. Remote Sensing of Environment, 2001, 75(2):230-244 doi: 10.1016/S0034-4257(00)00169-3 [14] 徐涵秋.利用改进的归一化差异水体指数 (MNDWI) 提取水体信息的研究[J].遥感学报, 2005, 9(5):589-595 http://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200505011.htm Xu Hanqiu. A Study on Information Extraction of Water Body with the Modified Normalized Difference Water Index (MNDWI)[J]. Journal of Remote Sensing, 2005, 9(5):589-595 http://www.cnki.com.cn/Article/CJFDTOTAL-YGXB200505011.htm [15] Pahlevan N, Schott J R. Characterizing the Relative Calibration of Landsat-7(ETM+) Visible Bands with Terra (MODIS) over Clear Waters:The Implications for Monitoring Water Resources[J]. Remote Sensing of Environment, 2012, 125:167-180 doi: 10.1016/j.rse.2012.07.013 [16] Chebud Y, Naja G M, Rivero R G, et al. Water Quality Monitoring Using Remote Sensing and an Artificial Neural Network[J]. Water Air Soil Pollut, 2012, 223:4875-4887 doi: 10.1007/s11270-012-1243-0 [17] 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 http://www.cnki.com.cn/Article/CJFDTOTAL-DXJZ200502007.htm Lü Heng, Jiang Nan, Li Xinguo, et al. The Study on Water Quality of Inland Lake Monitoring by Remote Sensing[J]. Advances in Earth Science, 2005, 20(2):185-192 http://www.cnki.com.cn/Article/CJFDTOTAL-DXJZ200502007.htm [18] 马荣华, 戴锦芳.结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物含量[J].湖泊科学, 2005, 17(2):97-103 http://www.cnki.com.cn/Article/CJFDTOTAL-FLKX200502002.htm Ma Ronghua, Dai Jingfang. Quantitative Estimation of ChlorophyⅡ-a and Total Suspended Matter Concentration with Landsat ETM Based on Field Spectral Features of Lake Taihu[J].Journal of Lake Sciences, 2005, 17(2):97-103 http://www.cnki.com.cn/Article/CJFDTOTAL-FLKX200502002.htm -