高光谱遥感技术监测内陆水体氮磷中的应用

王 东 豪

(陆军工程大学国防工程学院,江苏 南京 210007)

水体氮磷含量是定义水质的重要指标之一，也是水体富营养化的主要致因。传统的监测方法需对水样进行高温高压消解，费时耗力[1]，且传统的水质监测手段无法满足对于未知水域水质的大面积、时效性的动态监测要求。

研究表明，遥感水质监测技术具有宏观、动态、成本低等显著特点[2]，可满足大规模水质监测的需要，亦可动态跟踪污染事件的发生、发展，其优势是传统地面侦查方法无防取代的。

遥感技术在监测叶绿素、黄色物质等指标的研究较为成熟，其分析方法、遥感模型已初步探明。但由于氮磷是非光活性物质，不存在显著的光谱特征与光学特性[3]，对反射特征影响十分微弱[4]，因此总体估算精度低。高光谱遥感数据具有较高光谱分辨率，适用于氮、磷等微量水质参数的遥感反演。近年来，利用高光谱遥感微量水质参数的监测频现于文献。有鉴于此，本文综合近期文献报道，总结归纳遥感技术监测水体氮磷的基本原理、高光谱遥感数据特点、内陆水体无机氮磷的遥感反演，以期为进一步开展高光谱遥感监测水质氮磷提供方向。

1 遥感技术监测水体氮磷的基本原理

遥感技术监测水体氮磷，是运用遥感技术对海洋、内陆等水体的氮磷成分开展探测与研究。水体中氮磷含量对太阳光的特定波长的吸收及反射特征与水体其他组分不同，并能经传感器捕获在遥感图像得到体现，构成了遥感定量反演水体氮磷含量的理论基础。就水体而言，最常用最敏感的波段为可见光波段和近红外波段。

在水质遥感辐射传输过程中,搭载在卫星或者飞机上的传感器接收到的总信号Lt组成为：

Lt=Lp+Ls+Lv+Lb。

其中，Lp为大气向上辐射和大气反射的太阳下行辐射，反映大气特征；Ls为水体表面反射的辐射能，反映水体近表面特征；Lv为水体内部散射的辐射能，反映水体内部组成；Lb为水底反射的能量,反映水体底质特征。

采用水面以上测量法,光谱仪接收到的总信号Lsw组成为：

Lsw=Lw+rLsky+Lwc+Lg。

其中，Lw进入水体又被水体散射回来进入仪器的辐射能,包括水体内部散射和水底反射的辐射能、水面反射的辐射能；rLsky为水面反射的能量，r为气—水界面反射率;Lwc为海面白帽的信息；Lg为水面波浪对太阳直射光的随机反射。

2 高光谱遥感数据

2.1 特点

高光谱遥感的成像技术是成像技术与分光谱技术的有机结合[5]，因此，与多光谱遥感数据相比，高光谱遥感数据具有波段多、空间分辨率高、宽视域等特性。其强大功能能实现图谱合一，因而可以实现对复杂水体中的氮、磷等微量水质参数变化的获取捕捉。其所提供的连续光谱，客观反映了水体光谱特征的细微变化，为氮磷的高光谱遥感模型确立与定量遥感反演提供数据保证[6]。

2.2 高光谱数据采集器分类

现阶段，国内外大量使用的高光谱数据采集器分两类，分别是成像光谱仪和非成像光谱仪。成像光谱仪主要运用于不同高度的卫星、飞机(航空器)上。非成像光谱仪主要搭载于地面工作平台。

成像光谱仪可采集大量“连续”波段、很窄的波段间隔的光谱数据[5]，对地面物体进行遥感成像，以便探测识别水质微量组分的细节特征。目前，利用美国的AVIRIS数据、加拿大的CASI数据、芬兰的AISA数据、德国的ROSIS及中国的CIS数据对内陆水体水质参数，如叶绿素浓度[7-9]、水体混浊度[7,9]、悬浮物浓度[9]的估测中以得以应用。若成像光谱仪光谱分辨率更高，光谱数据更多，间隔更窄，所反映的水质参数光谱就更详细逼真，使得根据成像光谱仪提供的光谱信息直接判读和识别水质组分成为可能。

3 内陆水体无机氮磷的遥感反演

氮、磷是导致水体发生富营养化的主要致因，对水体藻类生长和蓝藻的爆发具有重要的影响。它们与藻类生物量之间的关系一直是研究水体富营养化的重要内容[10,11]。叶绿素a(Chl-a)含量是表征藻类现存量的重要指标之一。虽然总磷(TP)与总氮(TN)含量对光谱的影响和遥感监测机理目前尚未完全明确，但是TP和TN很大程度影响水体中的浮游生物生长及繁殖，又受到悬浮物的吸附、迁移，与Chl-a存在较为显著的相关性，因此，研究叶绿素a与总氮、总磷浓度的关系，对认识湖泊富营养化的机理具有重要意义。近年来的研究大多是通过数学统计方法分析它们和光谱反射率找出相关性来估测TN与TP。

水中的氮元素和磷元素的光谱特征是由其中的各种物质对光辐射的吸收和散射性质决定的，是遥感监测的基础，研究光谱特征的目的是为了优化波段组合，并获得最佳光谱信息[12]。

为准确捕捉微量水质参数无机氮的变化及其特征光谱，龚绍琦(2008)等[13]利用高光谱遥感技术，通过测量试验室纯水条件下配比不同浓度氮溶液的反射光谱，探索水体中有效态氮的特征光谱。404 nm和477 nm波段与无机氮浓度有很好的相关性，为进一步对湖泊、水库和河流等大型内陆水体的氮素进行遥感定量研究奠定了基础。

3.1 相关性分析

高光谱反射率和总氮总磷参数的相关性分析是找到敏感波段并建立特征波段组合算法关键[4]。由于水分子强烈吸收近红外光，因此氮、磷溶液反射率在波长1 000 nm后迅速下降至接近为0 nm，由此对于氮磷光谱数据分析范围因集中在350 nm～1 000 nm之间[13]。

太阳光短波的能量高，氮磷容易被激发产生各自的特征光谱，由此反应在氮磷的光谱曲线——氮在波长404 nm处有一小峰、477 nm处有个明显的反射峰，磷在350 nm处有一明显的反射峰，这也与紫外分光光度法测量氮磷浓度时所采用的波长相吻合。氮在404 nm和477 nm波段的相关系数最高，为0.969和0.970,磷在350 nm处的相关系数最高，为0.988。

3.2 无机氮反演模型

张东(2010)等[14]用野外实测光谱结合Hyperion数据，筛选出630 mm,804 nm两个对DIN浓度变化敏感的波段，计算R840×R630/(R840-R630)指数建立了高悬沙含量沿海河口可溶性无机氮的高光谱非线性遥感模型。刘大召(2013)[15]等以粤西海域为研究对象基于实测高光谱遥感数据分析等多种方法的精度。徐良将(2013)等[16]基于实测高光谱数据，建立对比单波段组合以及微分法和波段比值法的总氮浓度进行反演。郭邵萌(2013)等[17]针对聊城与悬浮物相关的东昌湖，基于实测高光谱和水质参数,建立反演总氮的双波段组合的线性回归模型。

3.3 无机磷反演模型

前人对磷的波普特征及其与其他水质参数的关系分析后，建立了大量的经验模型。Kaishan Song(2012)等[18]基于AISA高光谱数据,通过遗传算法，在印度三个主要水源地开展总磷反演。潘邦龙(2012)等[19]以巢湖为例，利用环境一号和高光谱遥感数据，建立基于协同克里格遗传算法的总磷浓度反演模型。徐良将(2013)等[16]基微分法和波段比值法的总磷浓度反演模型。郭邵萌(2013)等[17]针对聊城于实测高光谱数据的东昌湖，基于实测高光详和水质参数，建立反演总磷的双波段组合的线,建立性回归模型。杜成功(2016)等[20]采用波段组合法构建了基于GOCI影像的总磷反演模型。郭邵萌(2013)等[17]针对聊城于实测高光谱数据的东昌湖，基于实测高光详和水质参数,建立反演总磷的双波段组合的线,建立性回归模型。

4 结语

氮磷作为水体富营养化主要致因，是内陆水体水质监测中必不可少的项目。高光谱遥感技术数据光谱具有高分辨率、高信噪比等特点，经过图像预处理和大气纠正，适用于氮、磷等微量水质参数的遥感反演，可以充分满足内陆水质监测的精度要求。基于已有的研究进展，有如下问题值得今后研究：

1)现阶段研究只针对特定研究区进行研究，系统地对内陆水体高光谱数据测量仍还在起步，且对氮、磷的光谱特征和敏感波段的研究较少，其结果不备通用性。还需进一步地扩大采样范围和定期采集光谱数据。从分子光谱学和光学机理出发，全面地揭示对氮、磷光谱特征，建立普遍适用的遥感反演模型。

2)现阶段氮磷遥感模型主要以经验、半经验模型为主，不利于推广。RBF神经网络可以增强模型的通用性。后续研究可在新数据进行充分验证后进一步引入一些其他方法，例如主成分分析、遗传算法等进行推广应用。