辽东湾水体吸收系数区域性半分析反演算法

苏园园 , 丘仲锋, 张艳萍

(1.南京信息工程大学 电子信息工程学院, 江苏 南京 210044; 2.南京信息工程大学 海洋科学学院, 江苏南京 210044)

水体吸收系数属于水体固有光学特性(inherent optical properties, IOPs)之一, 其量值取决于水体三要素的含量, 即浮游植物、非藻类颗粒物及黄色物质(colored dissolved organic matter, CDOM)。这些组分的吸收系数不但可以表征该组分在水中的含量, 还可以帮助我们更好地认识海洋学问题, 尤其是生态系统与生物地球化学相互作用的问题, 同时水体总吸收系数又是影响水体光场分布的主要参数之一[1-2],值得我们深入研究。水体固有光学特性可以在现场准确地测量到, 但在环境、仪器及财力等条件的限制下很难通过现场观测大范围同步获取水体固有光学特性。这种情况下, 卫星遥感以其大范围同步观测的优势被广泛应用于水体光学特性研究, 如 Lee等[3]利用遥感反射率反演吸收系数, Carder等[4]针对MODIS传感器, 以浮游植物吸收系数和黄色物质吸收系数为变量, 建立了相应的半分析反演算法。

半分析算法以生物光学模型为基础, 是常用的水质参数遥感估测方法。在目前的半分析算法中, 以QAA(quasi-analytical algorithm)算法最具代表性,2002年 Lee等[5]提出 QAA算法, 此算法是一种广泛应用于反演海水固有光学特性的算法, QAA算法的模型结构明朗清晰, 易于检查可能造成误差的原因。经过不断修正, 目前该算法最新形式为QAA_v5 算法[6]。

辽东湾位于渤海北部, 是我国最北端的一个半封闭性内湾, 全海区水深较浅[7], 沿岸有多条河流注入, 这些河流携带的大量营养盐流入到湾内致使辽东湾水体中浮游植物大量生长繁殖[8]。纵观学者的诸多研究, 针对辽东湾水体吸收系数等固有光学特性的半分析算法尚不多见, 对于半分析算法在辽东湾水体中的表现以及在应用中是否存在问题仍缺乏了解。针对这一现状, 本文在2012年9月航次观测的基础上, 建立了水体总吸收系数半分析反演算法,并与 QAA_v5算法[6]进行比较, 分析算法的精度与适用性。

1 数据方法

1.1 实验数据采集及处理

2012年9月本课题组在辽东湾区域开展了为期6 d的航次调查, 观测区域范围在 120°~122°E,39°~41°N(图1), 共 30 个站点。测量的参数包括: 总悬浮颗粒物吸收系数、非藻类颗粒物吸收系数、浮游植物吸收系数、CDOM 吸收系数、后向散射系数及遥感反射率等。

图1 辽东湾采样站位Fig.1 Sampling stations of the Liaodong Bay

采用分光光度计测量水体组分的吸收系数。首先用Niskin采水器分别采集了标准层深度的海水(本文采用表层深度的数据), 在低压情况下将一定体积(200~800 mL)的水样过滤到孔径0.7 μm的GF/F滤膜上, 利用分光光度计测量滤膜的吸收光谱, 可得总悬浮颗粒物吸收系数ap(λ); 再用约90%的甲醇溶液浸泡样品滤膜 90~180 min, 测量沉积在滤膜上的非藻类颗粒物的吸收系数anap(λ)。根据水体中各类物质吸收光谱的线性叠加原理, 利用悬浮颗粒物和非藻类颗粒物的光谱吸收系数计算浮游植物吸收系数aph(λ), 即aph(λ) =ap(λ)-anap(λ)。将上述样品过滤后的滤液再使用0.2 μm的聚碳酸酯滤膜过滤, 提取出CDOM放入比色皿中, 利用分光光度计测量其光密度, 通过计算可获得CDOM的吸收系数acdom(λ)。水体总吸收系数a(λ)等于水体各组分吸收系数之和,即a(λ) =aw(λ)+aph(λ)+anap(λ)+acdom(λ), 其 中aw(λ)[9]表示纯水的吸收系数。后向散射系数bb的测量使用6通道光谱后向散射测量仪HS6 (HydroScat-6 Spectral Backscattering Sensor), HS6的数据校正主要是 Sigma校正[10]。遥感反射率Rrs的测量使用ASD(analytical spectral devices)地物光谱仪, 采用水面之上法进行观测。在每个采样点, 光谱仪测量的参量有海面、天空光的辐亮度以及标准板反射率; 对于每个参量, 仪器自动采集10~20条光谱曲线数据。先对测得的光谱数据进行异常数据剔除, 去除明显异常的光谱曲线, 再对剩下的光谱数据取平均值, 最后将平均处理后的数据通过计算即可得到实测的遥感反射率等遥感物理量。具体过程参照唐军武[11]、汪小勇[12]; 其中海气界面的天空光反射率取值0.021。

1.2 反演算法

参考QAA算法建立的一般流程, 本文建立了如下水体吸收系数半分析反演算法(图2), 根据实测数据得到的经验关系给出相应模型参数, 各参数的含义见表1。

表1 算法各参数含义Tab.1 Parameters of the algorithm

图2 半分析算法流程图Fig.2 Flowchart of semi-analytical algorithm

卫星传感器的信号经过定标和大气校正后, 可以得到遥感反射率Rrs。在计算水体固有光学参量的过程中, 首先要将遥感反射率换算为水面之下遥感反射率rrs[5]:

光在水中的传输满足辐射传输方程, 很多学者给出了大量的理论研究。其中Gordon等[13]将表观光学量与固有光学量之间的关系表示为

由公式(1)、(2)得到:

其中g0=0.089 5,g1=0.125。

由公式(1)、(2)、(3)、(4)得到

这样, 固有光学量的计算就转化为非线性方程的求解问题。对于a(λ)、bb(λ)两个未知量, 需要构建2个方程。在求解方程之前, 我们将总吸收除去纯水的吸收表示为

利用相邻波段之间的总吸收系数与后向散射呈线性关系的研究结果[14], 可以近似假设存在

这里i、j分别代表波长; 取i=488 nm,j=550 nm。

图3给出了实测at–w、bb随波长变化的情况, 从图中可以很明显地看出相邻波段间总吸收系数与后向散射系数的线性关系, 通过公式(7)和公式(8)拟合得到ε1=0.416 6,ε2=0.847 3; 其标准差分别为0.030 6,0.030 9。

图3 实测数据的光谱变化Fig.3 Spectra of measured data

将公式(6)、(7)、(8)代入公式(5), 可得

其中u(488)、u(550)由公式(5)得到。

通过遥感反射率算得550 nm处总吸收系数与后向散射系数后, 可利用后向散射系数波段关系推算其他波段的固有光学量。bbp(λ)通常表示为

这里λ0是参考波长;Y是后向散射系数波段比例系数。

根据Lee等[6]的研究,Y可以表示为

事实上,Y的大小是随区域的不同而变化的[15-16],Lee等[5]指出从近岸水体到开阔大洋水体Y值在0~2变化; 宋庆君等[17]研究发现黄东海区域Y值的范围为0.5~1.1。图4给出了辽东湾区域Y变化的情况。由图4可以看出, 多数站点, 利用公式(11)推算出的Y值(0.005 9~1.207 5)相较于由公式(12)得出的Y值(0.545 8~0.846 3)偏大。

图4 Y在各站点的值Fig.4 Values of Y in each sampling station

图5给出了由公式(11)推算得到的Y值随波长变化的情况。图中黑色细虚线表示各个站点的Y值随波长变化; 均值用黑色粗实线表示, 范围为 0.7~1.4;黑色粗虚线为均值与波长的拟合曲线, 其拟合得到如下表达式

公式(13)的拟合结果与实测相比, 其相关系数达到了0.93, 说明拟合结果很好。从图5也可以看出,拟合曲线与实测结果一致性很好。

图5 Y随波长变化的特征Fig.5 Characteristics of the variations of Y with wavelengths

1.3 算法误差估计

算法本身误差及估算时各种经验参数带来的误差、数据测量所使用的仪器校正误差都会通过算法传递到反演结果上, 为了评价半分析算法, 定义

表征算法的精度。其中RMSE为均方根误差、δ为平均相对误差,Xmi代表各个站点的模型反演值,Xoi代表各个站点的实测值,n代表站点个数。

2 结果

2.1 实测水体光学特性分布情况

表2给出了研究区域实测水体各组分吸收系数的分布情况。总体而言, 非藻类颗粒物及浮游植物吸收系数均随着波长增加变化幅度变大, 体现在变异系数不断增加。变异系数定义为标准差与平均值之比, 表征了吸收系数变化的相对程度。以443 nm处吸收系数为例, 非藻类颗粒物吸收系数anap最大值为0.256 7 m–1, CDOM吸收系数acdom最大值为0.448 9 m–1,浮游植物吸收系数aph最大值为 1.884 1 m–1; 而CDOM吸收系数在443 nm处波动幅度最大, 较其在另外2个波段的变异系数偏大, 变异系数为29.33%。根据朱建华等[18]的研究, 在封闭或半封闭海湾以及河口海域的acdom(440)较其他海域明显偏大, 总体表现出近岸等区域量值较大, 远岸区域量值较小。辽东湾属于acdom(440)量值较大的区域之一, 其CDOM吸收分布存在差异, 这或许导致了443 nm处CDOM吸收系数波动程度略高、变异系数略大。总吸收系数a在各站点的变化情况与 CDOM较为一致, 其最大变异系数为20.19%。

表2 水体各组分吸收系数数据变化范围Tab.2 The ranges of the absorption coefficient for different water components

从各组分占的比重看, 对总吸收系数的贡献与波段有关。在412 nm处, 对总吸收系数贡献最大的是黄色物质, 对总吸收的贡献在 40%~50%, 其平均值为0.356 2 m–1; 在443 nm处, 对总吸收系数贡献最大的是浮游植物, 大约占总吸收的 50%, 其平均值为0.312 2 m–1; 550 nm处的吸收系数也是浮游植物占最大比重, 其平均值为0.068 7 m–1。

图6给出了实测遥感反射率光谱, 光谱在 350~450 nm波段其值变化相对平缓, 这是因为在短波段叶绿素及 CDOM 有较强的吸收作用; 在波长 525~575 nm、625~675 nm范围附近出现2个反射峰, 反射峰是由藻类光合色素的弱吸收和悬浮颗粒物的强散射共同作用形成[19]; 750 nm之后遥感反射率光谱特征基本保持不变, 这样的遥感反射率变化的主要因素是纯水的吸收。

图6 遥感反射率光谱图Fig.6 Spectra of remote-sensing reflectance

图7是辽东湾区域水体各组分30个站点吸收系数光谱, 图8是辽东湾水体各组分吸收系数的平均光谱。就各个组分变化趋势而言(图7), 辽东湾非藻类颗粒物吸收光谱与CDOM吸收光谱均随波长呈递减趋势, 此变化趋势从表2中也可以看出; 辽东湾水体浮游植物吸收光谱随波长变化出现 2个峰值, 分别在443、675 nm附近。由图8可知, 浮游植物吸收光谱高于非藻类颗粒物吸收光谱, 且辽东湾水体总悬浮颗粒物吸收系数的光谱变化趋势与浮游植物吸收光谱相似, 总颗粒物吸收光谱在443、675 nm附近也出现2个峰值, 675 nm处峰值要比443 nm处峰值明显, 这可能是由于在443 nm处峰值受到非藻类颗粒物的影响而表现的不是特别明显。从表2、图7、图8中可看出, 辽东湾水体总悬浮颗粒物吸收光谱的变化趋势主要受浮游植物影响, 其水体呈现出藻类颗粒物浓度高, 非藻类颗粒物浓度低的特点, 这也许正是辽东湾区域浮游植物吸收系数在各站点的变化幅度较其他组分大的原因之一。这种光谱类型表明辽东湾水体中浮游植物含量较高, 有机质丰富。与黄河口及其附近海域相比, 辽东湾河流输入泥沙较少, 水体相对较清; 且辽东湾水体交换能力差, 并有辽河、大凌河、小凌河等携带大量各种营养物质的河流注入, 这有利于浮游植物生长[20], 因而导致辽东湾水体中浮游植物含量相对较高。

图7 吸收系数光谱Fig.7 Spectra of absorption coefficients

图8 吸收系数光谱均值Fig.8 Spectra of the average absorption coefficients

2.2 算法反演结果

通过对数据的质量控制, 我们共获取23个站点有效匹配的实测数据集。为了对算法进行参数标定和验证, 我们将数据集随机分成 2个数据子集, 即19组数据用作模型建立, 4组作为独立的验证数据用于模型结果验证。图9给出了半分析算法反演412、443、550 nm波段处的总吸收系数与实测值的比较,其中虚线、实线、点虚线表示实测值与反演值的比率, 其比率分别为1: 2、1: 1、2: 1。从图9a可以看出, 412 nm与443 nm波段的估算结果与实测值相比普遍偏小。总吸收系数的反演结果波段550 nm优于443、412 nm; 总吸收系数在低值区反演精度要高于高值区的。验证数据集的检验结果与建模数据集的估算结果大体一致, 但与建模数据集相比, 412 nm及443 nm处的低估程度相对较低(图9b)。

图9 412、443、550nm波段处的总吸收系数反演值与实测值的比较Fig.9 Comparison of semi-analytical algorithm retrieved a(412), a(443) and a(550) versus in situ measurements

2.3 反演误差分析

表3列出了不同数据集半分析算法的误差分析。本文算法反演412、443、550 nm总吸收系数建模数据集的平均相对误差分别为29.75%, 24.30%, 19.42%;测试数据集的分别为为19.71%, 17.99%, 9.35%。从误差结果可以看出, 本文发展的半分析算法能较好地估算研究区域的总吸收系数, 建模数据集与测试数据集反演结果的平均相对误差均小于 30%; 其中波段550 nm处的反演效果最好, 其数据集反演结果的平均相对误差均小于20%。

表3 反演结果误差比较Tab.3 Comparison of the errors between model and retrieval

3 讨论

为了更好地说明本文建立的半分析算法的情况,我们采用实测数据对 QAA_v5算法进行区域化, 估算海区水体的总吸收系数。QAA_v5选取555 nm作为参考波长。图10给出了利用 QAA_v5算法反演412、443、550 nm波段处的总吸收系数与实测值的比较, 与本文半分析算法的结果类似, QAA_v5在550 nm处也取得了较好的反演结果, 在412 nm及443 nm同样存在低估的现象, 且低估的程度更高。本文半分析算法反演在412、443、550 nm波段处的总吸收系数的平均相对误差相较于 QAA_v5算法的分别降低了 6.82%、12.07%、5.19%; 反演结果的平均相对误差相对较小, 反演结果相对较好, 说明本文所用的半分析算法就现有数据集在辽东湾区域的反演效果要略优于 QAA_v5算法, 这也正表明了水体空间特性的不同会导致算法随区域呈现出差异。

图10 QAA_v5算法在412、443、550 nm波段处的总吸收系数反演值与实测值的比较Fig.10 Comparison of the absorption coefficients a(412),a(443) and a(550) retrieved by QAA_v5 with the in situ measurements

本文建立的半分析算法及 QAA_v5算法均出现550 nm波段估算效果好于412、443 nm波段的情况,算法是以550 nm或555 nm作为参考波长, 算法建立时更大程度地去除了参考波段处的误差影响, 这或许使得550 nm波段的反演效果最好的原因之一; 另一个原因是412、443 nm均通过公式(11)从550 nm波段外推所得, 公式(11)中的系数Y虽然经过实测数据进行了修正, 但因数据集的限制仍会存在一定的变化和误差, 从而导致412、443 nm波段的总吸收系数估算值产生一定的偏差。

半分析算法对引入方程组的原始数据有相当严格的要求, 当探测对象受到外界环境因素的影响将使得测量受到明显的干扰, 反演精度大大降低, 甚至出现负值。本文所涉及的算法建立在遥感反射率之上, 遥感反射率的精确性对本文所涉及的算法相当重要, 因而本文通过对遥感反射率引入5%的随机误差检验算法反演结果的波动情况并分析算法加入误差后的反演精度; 分2种情形讨论, 第一种将模型所用到的遥感反射率全部偏差+5%, 第二种则是遥感反射率全部偏差–5%。将全部数据应用于对算法波动的测试, 结果如下(表4)。

表4 遥感反射率中加入5%误差后反演结果的误差比较Tab.4 Comparison of the retrieval errors when the remote-sensing reflectance is deviated by 5%

就情形一, 算法反演a(412)平均相对误差波动0.8%, 反演a(443)平均相对误差波动0.03%; 就情形二, 算法反演a(412),a(443)的平均相对误差波动分别为5.01%, 5.16%; 且在2种情形下算法反演a(550)的平均相对误差均为 17.65%; 就整个算法而言, 算法平均相对误差的波动并不是很大, 波动范围在5.2%以内, 该算法是相对稳定可靠的。图11a表示的是遥感反射率全部偏差+5%的反演结果; 图11b表示的遥感反射率全部偏差–5%的反演结果。从图9、图11中看出, 对遥感反射率引入误差前后用本文半分析算法的反演结果变化不大, 说明算法是稳定的。

图11 遥感反射率引入5%的误差反演结果比较Fig.11 Comparison of the retrieval value with the model when the remote-sensing reflectance is deviated by +5% and –5%

4 结论

利用2012年9月辽东湾航次数据集分析辽东湾水体各组分吸收系数的变化情况, 结果表明辽东湾水体浮游植物的浓度较高, 有机物质较多; 并利用此航次数据建立了反演辽东湾水体总吸收系数的半分析算法。通过实测数据检验了模型精度, 分析了遥感反射率引入误差对于模型的结果影响, 通过与QAA_v5算法的结果进行比较, 验证了本文半分析算法反演结果相对稳定可靠。

致谢:感谢国家海洋技术中心、国家海洋环境监测中心、中科院海洋所等单位同仁辛苦的数据采集工作, 本文得到国家自然科学基金(41276186)、国家海洋公益性行业专项(201005030)支持。

[1] 胡连波, 刘智深.利用准分析算法由遥感反射比反演黄海水体吸收系数[J].中国海洋大学学报, 2007,37(sup.II): 154-160.

[2] 杨生光, 张坤诚.海洋“生物学-光学状态”[J].海洋科学, 1984, (4): 44-47.

[3] Lee Z P, Carder K L, Peacock T G, et al.Method to derive ocean absorption coefficients from remotesensing reflectance[J].Applied Optics, 1996, 35(3):453-462.

[4] Carder K L, Chen F R, Lee Z P, et al.Semianalytic Moderate-Resolution Imaging Spectrometer algorithms for chlorophyll a and absorption with bio-optical domains based on nitrate-depletion temperatures[J].Journal of Geophysical Research: Oceans (1978–2012),1999, 104(C3): 5403-5421.

[5] Lee Z P, Carder K L, Arnone R A.Deriving inherent optical properties from water color: a multiband quasi-analytical algorithm for optically deep waters[J].Applied optics, 2002, 41(27): 5755-5772.

[6] Lee Z P, Lubac B, Werdell J, et al.An update of the quasi-analytical algorithm (QAA_v5)[R].International Ocean Color Group Software Report, 2009.

[7] 栾振东, 李泽文, 范奉鑫, 等.渤海辽东湾区海底地形分区特征和成因研究[J].海洋科学, 2012, 36(1):73-80.

[8] 栾莎, 宫相忠, 双秀芝, 等.2009 年春季辽东湾网采浮游植物群落结构[J].海洋科学, 2012, 36(5): 57.

[9] Buiteveld H, Hakvoort J H M, Donze M.Optical properties of pure water[C]// Ocean Optics XII.International Society for Optics and Photonics, 1994:174-183.

[10] HydroScat-6 Spectral Backscattering Sensor USER'S MANUAL, Revision date: Jan 22, 2002[EB/OL].http://www.hobilabs.com, 2002-01-22/2002-05-10.

[11] 唐军武, 田国良, 汪小勇, 等.水体光谱测量与分析Ⅰ: 水面以上测量法[J].遥感学报, 2004, 8(1): 37-44.

[12] 汪小勇, 唐军武, 李铜基, 等.水面之上法测量水体光谱的关键技术[J].海洋技术, 2012, 31(001): 72-76.

[13] Gordon H R, Brown O B, Evans R H, et al.A semi-analytic radiance model of ocean color[J].Journal of Geophysical Research s, 1988, 93: 10909-10924.

[14] Smyth T J, Moore G F, Hirata T, et al.Semianalytical model for the derivation of ocean color inherent optical properties: description, implementation, and performance assessment[J].Applied Optics, 2006, 45(31): 8116-8131.

[15] Sathyendranath S, Prieur L, Morel A.A three-component model of ocean colour and its application to remote sensing of phytoplankton pigments in coastal waters[J].International Journal of Remote Sensing, 1989, 10(8):1373-1394.

[16] Garver S A, Siegel D A.Inherent optical property inversion of ocean color spectra and its biogeochemical interpretation: 1.Time series from the Sargasso Sea[J].Journal of Geophysical Research: Oceans (1978–2012),1997, 102(C8): 18607-18625.

[17] 宋庆君, 唐军武.黄海、东海海区水体散射特性研究[J].海洋学报, 2006, 28(4): 56-63.

[18] 朱建华, 周虹丽, 李铜基, 等.中国近海黄色物质吸收光谱特征分析[J].光学技术, 2012, 38(3): 295-299.

[19] Schalles J F, Gitelson A, Yacobi Y Z, et al.Chlorophyll estimation using whole seasonal remotely sensed high spectral-resolution data for an eutrophic lake[J].Journal of Phycology, 1998, 34: 383-390.

[20] 蒋岳文, 陈淑梅.辽河口营养要素的化学特性及其入海通量估算[J].海洋环境科学, 1995, 14(4): 39-45.