0 引言

【研究意义】长江口是我国最大的河口，每年约有4×10⁸ t泥沙及大量污染物质被径流携带入海，其中作为浮游植物营养盐的N、P、Si等的含量非常高^[1]。长江口特殊的水文条件使其成为一个对环境污染非常敏感的水域，同时，其生态环境和生物资源的变化与人类生活和经济发展密切相关^[2]。叶绿素是各种浮游植物体内普遍含有的光合作用色素，是海洋浮游植物生物量的一个良好指标^[3]。因此，海洋水体叶绿素浓度是海洋生物和海洋化学研究的重要水质参数之一^[4]。悬浮物同样也是重要的水质参数，它可直接影响光在水体中的传播，进而影响水体透明度、真光层深度、水色等光学性质，同时限制着浮游植物对光照的利用，最终影响水体中的生物^[5]。遥感技术在水质参数检测中已有大量的应用，其提供的数据资料具有水平范围大和瞬时近乎同步的特点，能有效地监测海洋水色要素的海域分布和动态变化^[6]。利用卫星数据反演叶绿素a浓度和悬浮物浓度等水色要素能够直观有效的对水域环境情况做出评估。【前人研究进展】国内外学者对复杂水体中的叶绿素a浓度和悬浮物浓度的反演已经展开过许多有价值的研究。Doerffer等^[7]针对MERIS数据产品开发了C2P (case 2 waters processor)算法来反演二类水体水色组分，但由于长江口为高浑浊含沙水域，叶绿素a浓度往往被高估或无效估计^[8]。洪官林等^[2]在对长江口水体叶绿素a浓度进行经验模型的反演时，发现SCI (Synthetic chlorophyll index)模型在精度上要高于二波段比值法和三波段比值法，并得出整个长江口叶绿素a浓度分布呈“低-高-低”的分布特征。李素菊等^[9]在巢湖利用反射率比值(705 nm/680 nm)和690 nm处反射率的一阶微分与叶绿素a浓度之间较好的相关性，建立了较高反演精度的叶绿素a浓度反演模型。He等^[10]利用GOCI (geostationary ocean color imager)卫星数据反演了在沿岸水域的总悬浮物浓度的日动态分布状况。【本研究切入点】我国长江口水域属于典型的二类水体，其光谱信号受多种水质参数的影响，因此对该区域的水质评价不能局限于单一的变量。【拟解决的关键问题】为此，本研究在分析了实测的高光谱水体遥感反射率数据的基础上，利用长江口区域实测的叶绿素a浓度和总悬浮物浓度的数据，分别建立叶绿素a浓度和总悬浮物浓度的最佳经验模型。并将同时段的MERIS卫星数据应用到所建立的经验算法中，以获取大面积同步的水质参数分布情况，进而对长江口水环境进行综合评价。

1 材料与方法 1.1 研究区域与实测数据

长江全长6 300多千米，是我国最长的河流，其河口区自安徽大通向下到水下三角洲前缘长达700多千米。河口段自徐六径(122°55′12″E，31°44′54″N)向下由崇明岛分为南、北两支水道。南支水道在吴淞口附近被长兴岛以及横沙岛分割为南港和北港；而南港又被九段沙分为南槽和北槽，从而形成三级分叉，四口入海的特征；长江口往外则为面积约1万km²的水下三角洲，其前缘最东可达123°E^[2]。研究区域站点分布如图 1所示。

本研究所利用的实测数据观测时间为2011年5月中下旬，一共30个站点数据。测量参数包括水体高光谱遥感反射率、总悬浮物浓度和叶绿素a浓度。水体光谱数据采用美国分析光谱仪器公司(Analytical Spectral Devices)制造的ASD Field Spec Pro便携式光谱辐射计测量，该仪器波段范围为350~1 050 nm，光谱分辨率为2 nm。选择水面平静，天空晴朗时测量。具体步骤按照唐军武等^[11]提出的关于内陆二类水体水面以上光谱测量的方法进行，并最终计算出水面遥感反射率参数。

悬浮物浓度C_TSM采用滤膜法测量。基本方法为实验前将滤膜烘干6~8 h称重获取空白膜质量记为w₁，实验时将一定体积的水样通过0.45 μm的滤膜，过滤后密封带回实验室处理，将带回实验室的滤膜再次烘干，称量留在滤膜上的悬浮颗粒物的重量记为w₂，运用如下公式计算出海水中悬浮颗粒物浓度:

${{C}_{TSM}}=\frac{{{\omega }_{2}}-{{\omega }_{1}}-\Delta \omega }{V},$

(1)

式中C_TSM为悬浮物浓度，单位为mg·L^-1; w₂为过滤后滤膜重量，单位为mg; Δw为过滤前滤膜重量，单位为mg; V为空白校正滤膜正值(应为负值)，单位为mg；V为水样体积，单位为L。具体测量步骤参见GB 17378.4-2007(文献[12])。

本研究中叶绿素a浓度的测量方法采用热乙醇法^[13]。首先利用GF/F膜过滤200 mL原水，加入热乙醇水浴2 min，再将萃取样品放到室温下避光处萃取4~6 h。萃取结束后，用25 mm玻璃纤维滤膜过滤萃取液并定容至10 mL，将10 mL叶绿素样品萃取液在UV-2550紫外分光光度计上用90%乙醇作为参比液进行比色，先后在665 nm和750 nm波长处测消光率E₆₆₅和E₇₅₀，然后在样品比色皿中加一滴1 mol/L的盐酸进行酸化，加盖摇匀，1 min后重新在665 nm和750 nm波长处测消光率A₆₆₅和A₇₅₀。由E₆₆₅、E₇₅₀、A₆₆₅、A₇₅₀、萃取液定容的体积和过滤水样的体积求得叶绿素a浓度。

1.2 卫星数据

MERIS是搭载于欧洲空间局(ESA)发射的迄今为止最大的综合性环境卫星ENVISAT-1上的主要传感器，是目前水色传感器中最有优势的传感器之一，专门测量海洋及近岸水体水色。MERIS传感器在可见光与近红外(412~900 nm)设置了15个波段，带宽为3.75~20.00 nm，在可见光波段平均带宽为10 nm (文献[14])。本研究选取2011年5月的月平均遥感反射率数据进行卫星数据反演研究。

1.3 模型精度评价

本研究利用数据处理软件(Matlab)对水质参数进行统计分析与建模。在30组数据中随机选取20组数据建模，10组数据验证，并使用平均绝对百分比误差(MAPE)、均方根误差(RMSE)、相关系数R、决定系数R²等参数进行精度评价，公式如下：

$RMSE=\sqrt{\frac{\sum\nolimits_{i=1}^{n}{{{\left( {{x}_{i}}-{{y}_{i}} \right)}^{2}}}}{N}},$

(2)

${\text{MAPE = }}\frac{1}{N}\sum\limits_{i = 1}^n {\left| {\frac{{{x_i} - {y_i}}}{{{x_i}}}} \right| \times 100\% } ,$

(3)

$R=\frac{\sum\nolimits_{i=1}^{n}{\left( {{x}_{i}}-\bar{x} \right)\left( {{y}_{i}}-\bar{y} \right)}}{\sqrt{\sum\nolimits_{i=1}^{n}{{{\left( {{x}_{i}}-\bar{x} \right)}^{2}}}\cdot \sum\nolimits_{i=1}^{n}{{{\left( {{y}_{i}}-\bar{y} \right)}^{2}}}}},$

(4)

式中x表示实测数据，y表示反演数据，N表示样本数据，决定系数是相关系数的平方。

2 结果与分析 2.1 水质参数与遥感反射率

图 2为实测叶绿素a浓度与总悬浮物浓度取对数后得到的频数分布图，实测叶绿素a浓度的变化范围为0.07~20.09 mg·m^-3，从取对数图中可看出对数浓度小于1 mg·m^-3的站点占53%，图 2a表明叶绿素a浓度较多集中在低浓度，仅有个别站点数值较大。总悬浮物浓度的变化范围为7.2~374.7 mg·L^-1，图 2b表明站点以低浓度为主。

图 3为实测光谱遥感反射率随波长变化的曲线。从中看出随着波长的增加，叶绿素a的吸收特征变弱，反射增强。在可见光的蓝、绿波段400~500 nm内，水体的反射率较低，主要是由于叶绿素a、类胡萝卜素以及有色溶解有机物在蓝光波段的强烈吸收作用引起的，悬浮泥沙的影响使得蓝光波段叶绿素a的吸收峰变得不明显。在560~580 nm附近存在一个反射峰，该反射峰主要是由于叶绿素a与胡萝卜素的弱吸收和浮游植物细胞的散射作用形成的^[5]，并且随着叶绿素浓度的增加，反射辐射随之增加。该反射峰与色素的组成有关，可以用来指示叶绿素浓度。而随着波长增加，在685~715 nm附近存在一个明显的反射峰，一般认为是由于浮游植物所含的叶绿素a的荧光效应造成的，并且该峰会随着叶绿素a浓度的增加向长波方向移动--“红移”，该荧光峰可作为含藻水体最明显的指示标志，亦可用来指示水体叶绿素a含量的高低^[15]。在大于700 nm的波段，纯水的吸收系数迅速增大，所以水体的光谱反射率降低，在850~900 nm波段，光谱的噪声较大。在整个波段范围内悬浮颗粒物对光都具有散射作用^[16]。

2.2 经验算法模型 2.2.1 总悬浮物浓度反演模型的建立

本研究选取20个站点的400~900 nm波段的遥感反射率与总悬浮物浓度进行相关性分析，结果如图 4所示:实测遥感反射率与总悬浮物浓度的相关系数在可见光范围内随波长的增加大致呈递增趋势，并在红外光波段内达到最大，而在近红外光波段的相关系数要低于红外光波段。在700~820 nm波段范围内各波长遥感反射率与总悬浮物浓度相关系数较高并在0.6以上，最大值出现在714 nm波长处，相关系数达到0.746。

将总悬浮物浓度取对数使数据符合正态分布后，根据实测光谱遥感反射率与总悬浮物浓度数据，通过优化迭代的方法，针对不同波段组合分别确定不同的敏感波长位置，波段组合有近红外单波段模型、差值模型、比值模型和一阶微分模型。之后选择相关系数较为理想的波段组合进行建模分析，针对每种波段组合模型尝试多种数学函数形式，包括一次函数型、二次函数型、指数函数型和幂函数型，模型结果如表 1所示。

表 1显示了各类反演模型构建结果(表 2为表 1中自变量的取值)。由表 1可看出，差值模型和一阶微分模型的R²、RMSE相同，并且比单波段模型和比值模型的精度高，其中二次函数模型的决定系数达到了0.837，拟合效果最好(图 5)。说明对长江口水域来说，差值模型和一阶微分模型的二次函数型反演总悬浮物浓度的效果最好。本研究选取表达式较为简单的差值模型的二次函数型作为总悬浮物浓度反演的最佳模型。

2.2.2 叶绿素a浓度反演模型的建立

本研究选取20个站点的400~800 nm波段的遥感反射率与叶绿素a浓度进行相关性分析，结果如图 6所示:在719 nm波长附近相关系数最高且呈正相关。说明在这波段附近的光谱反射率受浮游植物浓度变化的影响较大，但总体上单波段反射率与叶绿素a浓度的相关系数较小，最大值为0.414。所以在建立叶绿素a浓度模型中不适宜选择单波段作为自变量。

将叶绿素a浓度取对数使数据符合正态分布后，根据实测光谱遥感反射率与叶绿素a浓度，通过优化迭代的方法，针对不同波段组合分别确定不同的敏感波长位置，波段组合有比值模型、一阶微分模型和组合模型。之后选择相关系数较高的波段组合进行建模分析，针对每种波段组合模型尝试多种数学函数形式，包括一次函数型、二次函数型、指数函数型和幂函数型，目的是为了遴选出最优反演模型，模型结果如表 3所示。

表 3显示了各类反演模型构建结果(表 4为表 3中自变量的取值)。从表 3可知，所建立模型的决定系数在0.190~0.552。其中，R²最大值出现在比值模型的二次函数形式中，且对应的均方根误差(RMSE)较为理想，同时从图 7可看出在反演叶绿素a浓度中，尚有个别点与线性模型不拟合，但大致围绕在模型周围。因此，综合考虑选择波段比值模型的二次函数形式作为叶绿素a浓度反演的最优模型。

2.3 模型验证 2.3.1 总悬浮物浓度反演模型验证

将总悬浮物浓度最优反演模型利用独立的10个站点验证数据进行误差验证，得出实测值与模型估算值的MAPE为58.20%。且图 8中散点大致沿着对角线分布，说明该模型具有较高的适用性。

2.3.2 叶绿素a浓度反演模型验证

将叶绿素a浓度最优反演模型利用独立的10个站点验证数据进行误差验证，得出实测值与模型估算值的MAPE为66.20%。从图 9可看出，除了极少浓度大的点，其余散点大致沿着对角线分布。说明所建立的叶绿素a浓度反演最优模型能较好的反演低浓度的叶绿素a浓度，而对浓度较高的部分有一定的局限性。

3 MERIS卫星数据应用

图 10a为从ocean color网站下载得到2011年5月L3卫星遥感数据在665波段处的遥感反射率，在建立实测的650 nm和644 nm处遥感反射率的线性模型后，将665波段卫星数据近似代替650 nm处的遥感反射率代入线性模型，以求得卫星数据在644 nm处的遥感反射率。之后将所求得波段卫星数据经过Matlab软件代入本研究建立的叶绿素a最优模型中，从而反演出长江口区域叶绿素a浓度空间分布图。图 10b为下载得到2011年5月L3卫星遥感数据在620波段处的遥感反射率，在建立实测634 nm和644 nm处遥感反射率的线性模型后，将620波段卫星数据近似代替634 nm处的遥感反射率代入线性模型以求得近似的卫星数据在644 nm处的遥感反射率，同样将所求得波段数据代入本研究建立的总悬浮物最优模型中，进而反演出长江口区域总悬浮物浓度空间分布图。

图 10中白色部分为缺测值。由于长江口水域含有高浓度的泥沙，用标准方法进行大气校正会过高的估算气溶胶在可见光部分的反射率，使得大气校正失效即在沿岸区域出现缺测值^[17]。后续工作将针对高浑浊入海口水体的卫星数据进行大气校正研究，以获取较为全面的卫星遥感数据。

从图 10a可看出叶绿素a浓度在舟山群岛附近达到了最大值，之后往东逐渐减少，主要是由于舟山群岛附近海域在长江冲淡水以及台湾暖流的共同作用下，携带大量营养物质的上升流造成这部分海域叶绿素a浓度较高。

由图 10b看出长江口入海泥沙主要向东南方向扩散，浑水的舌端主要位于122°E以东，悬浮物浓度呈阶梯状从河口向外海递减，并且在122°30′E往外急剧减少。长江口水域高浓度悬浮泥沙的含量主要由于长江流域径流量巨大，每年随径流入海的泥沙可达几亿吨，造成长江水域属于高浑浊水体。

4 结论

本研究基于实测的长江口水域的遥感反射率、叶绿素a浓度和总悬浮物浓度，在尝试多种波段组合后选择相关系数最大的波段进行函数拟合。结果表明对于叶绿素a来说最优反演模型是比值模型(650 nm/644 nm)的二次函数形式，对总悬浮物来说最优反演模型是差值模型(634~644 nm)的二次函数形式。在对模型进行检验时发现叶绿素a浓度最优模型能较好的反演低浓度的叶绿素a浓度，而对较大的浓度会有偏差，主要是由于所获取的实测数据大部分聚集于低浓度导致的。将建立的叶绿素a浓度反演模型和总悬浮物浓度反演模型应用到MERIS卫星数据上，得到了同时间段长江口水域的水质参数分布图，可以看出总体上叶绿素a反演浓度较低，而总悬浮物反演浓度较为准确。这是由于在高浓度泥沙的水体中叶绿素a信号较弱难以反演所致。从产品分布图可以看出长江口水域叶绿素a浓度最大值在舟山群岛附近，总悬浮物浓度呈阶梯状从河口向外海减少。由于在高浑浊水体中叶绿素a浓度难以反演，所以下一步需要研究如何较为精准地反演河口区的叶绿素a浓度，进而对河口水域的生态环境做出全面有效的评估。

致谢 感谢郑鹭飞、沈晓晶和肖聪在数据分析以及成文上给予的帮助。