CN107589075B - 一种浅水湖泊固有光学参数的olci遥感监测方法 - Google Patents

Abstract

本发明提供一种浅水湖泊固有光学参数的OLCI遥感监测方法，在准分析算法的基础上，假设750nm的水体总吸收等于纯水的吸收，建立水体遥感反射比与总吸收系数、后向散射系数的关系；根据水体各组分的吸收系数的特征及其与遥感反射比光谱、后向散射系数的关系，进一步将水体总吸收系数分解为水体组分的吸收系数；结合巢湖、太湖、洪泽湖野外试验测量的水体遥感反射比光谱及相应的水体组分吸收系数，建立基于野外实测光谱的面向水体光学特性复杂的不同湖泊的IOP反演算法；将IOP反演算法推广到经过6S大气校正的OLCI影像数据，实现富营养化浅水湖泊的水体固有光学参数空间分布的遥感监测。

Description

一种浅水湖泊固有光学参数的OLCI遥感监测方法

技术领域

本发明涉及一种浅水湖泊固有光学参数的OLCI遥感监测方法。

背景技术

水体固有光学参数(Inherent Optical Properties，IOPs)是指只与水体介质有关，而与周围环境光场无关的量(Mobley,1994)，包括吸收系数a、散射系数b、后向散射系数b_b、体散射函数β(Volume Scattering Function，VSF)、衰减系数c、单次散射反照率ω₀、比吸收系数等。其中基本的固有光学量为吸收系数a和体散射函数β，其它的IOPs都可以由两者关系得出：

c(λ)＝a(λ)+b(λ) (2)

Morel等(1977)把水体分为一类水体和二类水体，一类水体主要由浮游植物主导，而且其它水体组分与叶绿素a浓度协同变化。二类水体光学活性物质组成和来源复杂，相互之间没有相关性，导致水体的光学特性比较复杂。大洋水体多属于一类水体，沿岸和内陆湖泊受人为活动影响严重，多属于二类水体。在近岸海域，水体固有光学特性受到入海河流带来的悬浮泥沙和CDOM的共同影响。在富营养化浅水湖泊，地表径流的汇入、风浪、底泥再悬浮、藻华等过程导致水体组分含量的空间和垂向变化较大，直接影响了水体的固有光学特性的分布状况(Naik et al.,2011)。

水体光学活性物质的组成及浓度的变化，通过改变水体的固有光学特性，影响了水下光场的分布，继而与水体遥感反射比之间固有的内在关联。浮游植物色素、非色素颗粒物、CDOM以及纯水共同决定了水体的吸收和散射特性。水体的固有光学特性是由浮游植物、非色素颗粒物、CDOM等水体组分的浓度、组成、粒径大小等决定的(Aurin et al.,2010；Bricaud et al.,2010；McKee et al.,2003；

et al.,2014)。

1)水体吸收特性

不同水体组分的吸收系数是决定水体光学复杂性和表观光学特性的重要参数(Bricaud et al.,2010)。水体组分吸收系数已经被广泛应用于反演浮游植物生物量、色素浓度(叶绿素a浓度(Bricaud et al.,1998)、藻蓝素浓度(Li et al.,2015)等)、总悬浮物浓度(Cui et al.,2013)、可溶有机碳DOC(Hestir et al.,2015；Jiang et al.,2012)、粒径分布(Bricaud et al.,2012；Devred et al.,2011；Roy et al.,2013)等。CDM(coloreddetrital matter)的吸收在碳循环中起重要作用，并控制了紫外–蓝光辐射在表层海水的穿透深度(Bricaud et al.,2012)。

很多学者研究了海洋(Bricaud et al.,2010；Morel and Maritorena,2001；Naiket al.,2013)与近岸水体(Babin,2003；McKee et al.,2003)的水体组分的吸收特性以及吸收系数的多变性。光学特性较为复杂的内陆水体的吸收特性的研究也广泛展开(Bindinget al.,2008；Shi et al.,2014；Wu et al.,2011；Zhang et al.,2007；Zhang et al.,2009)。二类水体中，水体组分的复杂来源和组成增加了水体光学特性的复杂性，使其具有明显的空间和季节变化。吸收系数的垂向变化对IOP的垂向特征和水体表观光学特性的了解具有重要作用。这种垂向非均匀分布增加了基于垂向均一假设建立的水色参数反演模型的误差。

浮游植物色素吸收系数的光谱特征主要与藻种及其含量有关，但是，环境因素如光照条件、营养盐等也会影响藻类细胞的状态而最终影响吸收光谱，导致浮游植物色素吸收在光谱形状和大小的变动，此外，吸收光谱变动的另一个原因来自于打包效应(packageeffect)。因此，色素组成直接决定浮游植物色素吸收光谱谱型，打包效应影响色素对光的吸收效率(Bricaud et al.,1995)。一般来说，水体中浮游植物色素吸收具有两个诊断性特征：一个位于430–500nm蓝光波长范围内的440nm附近，另一个位于650–700nm红光波长范围内的676nm附近(Ma et al.,2006)，而且前峰值一般要大于后峰值。440nm附近吸收，除了叶绿素a，还包含了其他色素成分的贡献，而676nm附近处的吸收主要是叶绿素a的贡献。浮游植物的比吸收系数a_ph ^*(λ)一般定义为浮游植物吸收系数与叶绿素a浓度的比值，用以表示叶绿素a对光的吸收作用的强弱。通过它可将水体中的藻类含量与固有光学属性相联系，藻类的垂向分布类型自然影响到水体固有光学属性在垂向上的分布。然而，受色素成分和色素打包效应，以及不同藻类群落组成的影响(Hoepffner and Sathyendranath,1991)，浮游植物比吸收系数并不为常数，且与叶绿素a浓度的关系亦比较复杂(马荣华等,2010)。

2)水体散射特性

物质的散射特性决定于其体积散射函数(β(θ))，描述了光子被散射到某一特定角度θ的概率。体积散射函数为在θ方向单位散射体积、单位立体角内散射辐射强度与入射在该散射体积上辐照度之比。散射系数b是所有方向的散射光子之和。体积散射函数(β(θ))在4π立体角空间内积分便可得到总散射系数。散射系数可以分为两部分：前向散射系数(Forward Scattering Coefficient，b_f)、后向散射系数(Back Scattering Coefficient，b_b)。遥感获取的是水体的后向散射信息，因此，水体成分的后向散射特性对遥感反演模型的建立具有关键性的作用。

水体组分的吸收和散射共同影响着光线在水体中的传输过程，水体光学活性物质的组成和含量的变化导致水体固有光学特性的差异。水体组分的比吸收系数、比散射系数、后向散射概率是联结水体组分含量和水体固有光学特性的重要物理量，不同水域甚至同一水域不同季节的这些物理量并不是常数，存在着显著的地域性或季节性差异。因此，通过室内试验或野外测量的方式，获取研究区浮游植物的比吸收系数、后向散射概率是开展水体光学特性研究的前提和基础。

二类水体光学特性的复杂性对水质参数反演模型的精度和准确性提出了挑战，这需要更加深入的了解一个区域的水体光学特性的物理驱动或水动力机制(Aurin et al.,2010)。基于经验的统计方法的遥感反演模型通常是水质参数浓度与单波段遥感反射比或者波段组合的关系式(

et al.,2014)。经验模型对水体固有光学量的空间或季节变化较为敏感，在一个区域或季节建立的模型很难适用于其它区域(Odermatt et al.,2012；Sathyendranath,2000)。考虑固有光学量的多变性是建立精确的水质参数反演模型和水下光场辐射传输模拟的必要基础(Campbell et al.,2010；Oubelkheir et al.,2006)。

目前，湖泊水环境关键参数(水温、透明度、叶绿素浓度、悬浮物浓度等)的遥感监测方面的问题主要是：(1)湖泊水体光学特性复杂，不同湖泊之间差异性较大，很难建立统一的水质参数反演算法；(2)湖泊水环境关键参数受全球气候变化和人类活动的影响不明确。同一个水质参数反演算法很难适用于不同的湖泊水体，究其原因是湖泊中藻类来源和组成复杂或者河流入湖带来大量悬浮泥沙导致水体组分的比吸收、比散射系数变化较大，这直接导致了一部分基于比吸收系数不变的假设建立的模型难以奏效。

参考文献

Aurin,D.A.,H.M.Dierssen,M.S.Twardowski,and C.S.Roesler.2010.Opticalcomplexity in Long Island Sound and implications for coastal ocean colorremote sensing.Journal of Geophysical Research,115(C7):1487-1496.

Babin,M.2003.Variations in the light absorption coefficients ofphytoplankton,nonalgal particles,and dissolved organic matter in coastalwaters around Europe.Journal of Geophysical Research,108(C7):4-1.

Binding,C.,J.Jerome,R.Bukata,and W.Booty.2008.Spectral absorptionproperties of dissolved and particulate matter in Lake Erie.Remote Sensing ofEnvironment,112(4):1702-1711.

Bricaud,A.,M.Babin,H.Claustre,J.Ras,and F.Tièche.2010.Lightabsorption properties and absorption budget of Southeast Pacificwaters.Journal of Geophysical Research,115(C8):488-507.

Bricaud,A.,A.M.Ciotti,and B.Gentili.2012.Spatial-temporal variationsin phytoplankton size and colored detrital matter absorption at global andregional scales,as derived from twelve years of SeaWiFS data(1998-2009).Global Biogeochemical Cycles,26(1):262-269.

Bricaud,A.,A.Morel,M.Babin,K.Allali,and H.Claustre.1998.Variations oflight absorption by suspended particles with chlorophyllaconcentration inoceanic(case 1)waters:Analysis and implications for bio-opticalmodels.Journal of Geophysical Research,103(C13):31033-31044.

Cui,L.,Y.Qiu,T.Fei,Y.Liu,and G.Wu.2013.Using remotely sensedsuspended sediment concentration variation to improve management of PoyangLake,China.Lake and Reservoir Management,29(1):47-60.

Devred,E.,S.Sathyendranath,V.Stuart,and T.Platt.2011.A threecomponent classification of phytoplankton absorption spectra:Application toocean-color data.Remote Sensing of Environment,115(9):2255-2266.

Hestir,E.L.,V.Brando,G.Campbell,A.Dekker,and T.Malthus.2015.Therelationship between dissolved organic matter absorption and dissolvedorganic carbon in reservoirs along a temperate to tropical gradient.RemoteSensing of Environment,156:395-402.

Hoepffner,N.,and S.Sathyendranath.1991.Effect of pigment compositionon absorption properties of phytoplankton.Marine Ecology Progress,73(1):11-23.

Jiang,G.,R.Ma,S.A.Loiselle,and H.Duan.2012.Optical approaches toexamining the dynamics of dissolved organic carbon in optically complexinland waters.Environmental Research Letters,7(3):34014-34019.

Li,L.,L.Li,and K.Song.2015.Remote sensing of freshwatercyanobacteria:An extended IOP Inversion Model of Inland Waters(IIMIW)forpartitioning absorption coefficient and estimating phycocyanin.Remote Sensingof Environment,157:9-23.

Ma,R.,J.Tang,and J.Dai.2006.Bio-optical model with optimal parametersuitable for Taihu Lake in water colour remote sensing.International Journalof Remote Sensing,27(19):4305-4328.

McKee,D.,A.Cunningham,J.Slater,K.J.Jones,andC.R.Griffiths.2003.Inherent and apparent optical properties in coastalwaters:a study of the Clyde Sea in early summer.Estuarine,Coastal and ShelfScience,56(2):369-376.

Morel,A.,and S.Maritorena.2001.Bio-optical properties of oceanicwaters:A reappraisal.Journal of Geophysical Research,106(C4):7163-7180.

Morel,A.,and L.Prieur.1977.Analysis of variations in oceancolor.Limnology and Oceanography,22(4):709-722.

Naik,P.2010.Assessment of particulate absorption properties in thesoutheastern Bering Sea from in-situ and remote sensing data.Journal ofApplied Remote Sensing,4(1):043561.

Naik,P.,E.J.D’Sa,H.d.R.Gomes,J.I.Goés,and C.B.Mouw.2013.Lightabsorption properties of southeastern Bering Sea waters:Analysis,parameterization and implications for remote sensing.Remote Sensing ofEnvironment,134:120-134.

Odermatt,D.,A.Gitelson,V.E.Brando,and M.Schaepman.2012.Review ofconstituent retrieval in optically deep and complex waters from satelliteimagery.Remote Sensing of Environment,118:116-126.

Oubelkheir,K.,L.A.Clementson,I.T.Webster,P.W.Ford,A.G.Dekker,L.C.Radke,and P.Daniel.2006.Using inherent optical properties to investigatebiogeochemical dynamics in a tropical macrotidal coastal system.Journal ofGeophysical Research:Oceans,111(C7):520-522.

Roy,S.,S.Sathyendranath,H.Bouman,and T.Platt.2013.The globaldistribution of phytoplankton size spectrum and size classes from theirlight-absorption spectra derived from satellite data.Remote Sensing ofEnvironment,139:185-197.

Sathyendranath,S.2000.Reports of the International Ocean-ColourCoordinating Group.IOCCG,Dartmouth,Canada,3:140.

Shi,K.,Y.Zhang,X.Liu,M.Wang,and B.Qin.2014.Remote sensing of diffuseattenuation coefficient of photosynthetically active radiation in Lake Taihuusing MERIS data.Remote Sensing of Environment,140:365-377.

Wu,G.,L.Cui,H.Duan,T.Fei,and Y.Liu.2011.Absorption and backscatteringcoefficients and their relations to water constituents of Poyang Lake,China.Applied Optics,50(34):6358-6368.

P.,K.Kallio,and J.

2014.Absorption properties of in-water constituents and their variation among various lake types in the borealregion.Remote Sensing of Environment,148:190-205.

Zhang,Y.,B.Zhang,X.Wang,J.Li,S.Feng,Q.Zhao,M.Liu,and B.Qin.2007.Astudy of absorption characteristics of chromophoric dissolved organic matterand particles in Lake Taihu,China.Hydrobiologia,592(1):105-120.

Zhang,Y.L.,M.L.Liu,X.Wang,G.W.Zhu,and W.M.Chen.2009.Bio‐opticalproperties and estimation of the optically active substances in Lake Tianmuhuin summer.International Journal of Remote Sensing,30(11):2837-2857.

马荣华,段洪涛,唐军武等.湖泊水环境遥感[M].2010,北京:科学出版社.

发明内容

本发明的目的在于提供一种浅水湖泊固有光学参数的OLCI遥感监测方法，可获取浅水湖泊固有光学参数的时空分布，可以为全国湖泊群的水环境关键参数、初级生产力的遥感监测提供依据，为湖泊生态环境治理和水资源保护提供决策支撑。

本发明的上述目的通过独立权利要求的技术特征实现，从属权利要求以另选或有利的方式发展独立权利要求的技术特征。

为达成上述目的，本发明所采用的技术方案如下：

一种浅水湖泊固有光学参数的OLCI遥感监测方法，包括如下步骤：

步骤10：获取巢湖、太湖、洪泽湖三个湖泊的实测遥感反射比光谱，基于QAA算法，建立面向实测遥感反射比的IOP反演算法；

步骤11：基于实测遥感反射比光谱计算水体总吸收系数a与后向散射系数b_b；

其中，所述水体总吸收系数是指水体各组分的吸收系数总和；后向散射系数是指颗粒物后向散射系数和纯水的后向散射系数之和；其表达式分别如下

a(λ)＝a_ph(λ)+a_d(λ)+a_g(λ)+a_w(λ) (1)

b_b(λ)＝b_bp(λ)+b_bw(λ) (2)

其中，a_ph(λ)、a_d(λ)、a_d(λ)、a_w(λ)分别为色素颗粒物phytoplankton；无机颗粒物NAP、黄色物质CDOM和纯水的吸收系数；b_bp(λ)、b_bw(λ)分别为水体颗粒物和纯水的后向散射系数，纯水的后向散射系数为已知量；

假设750nm波长下的水体总吸收等于纯水的吸收，计算获取水体总吸收系数a与后向散射系数b_b；

步骤12：分解水体总吸收系数；

根据步骤11得到的a和b_b，基于实测遥感反射比光谱数据，将水体总吸收系数分解得到除纯水外上述水体各组分的吸收系数；

步骤20：实现基于OLCI卫星影像的浅水湖泊固有光学参数的遥感监测；

获取待测湖泊的OLCI卫星影像；应用至步骤10-12构建的反演算法，在对不同湖泊多幅的OLCI卫星影像处理后获取浅水湖泊IOP的空间分布规律。

其中，所述步骤10中，遥感反射比光谱由美国ASD公司生产的地物双通道光谱仪测量；水体组分吸收系数由岛津分光光度计室内测得。

所述步骤11中水体总吸收系数a与后向散射系数b_b计算模型如下；

r_rs(λ)＝R_rs(λ)/(0.52+1.7R_rs(λ)) (4)

式中，r_rs(λ)为水下遥感反射率；

其中，u(λ)为后向散射系数与吸收系数和后向散射系数之和的比值；g₀、g₁为常数，g₀＝0.084，g₁＝0.17；

a(λ₀)＝a_w(λ₀)+Δa(λ₀)≈a_w(λ₀) (6)

选取λ₀＝750nm，a(λ₀)为λ₀波长下总吸收系数，a_w(λ₀)为λ₀波长下纯水吸收系数；Δa(λ₀)为除去纯水的水体各组分在λ₀波长的吸收系数之和；

b_bp(λ₀)为λ₀波长下后向散射系数；

由Hydrolight模拟数据拟合得到参数Y与r_rs(λ)的关系，即式(8)：

获取水体后向散射系数b_b(λ)和总吸收系数a(λ)的计算公式：

所述步骤12水体总吸收系数分解计算过程如下：

分析获取的实测遥感反射比光谱，建立a_d(443)与b_bp(560)的关系表达式：

a_d(443)＝2.54b_bp(560)^0.62 (11)

根据a_d(λ)定义得到：

a_d(λ)＝a_d(443)exp[S_d(443-λ)] (12)

其中，S_d是a_d(λ)的光谱斜率，取0.014；

根据式(1)、式(12)，由水体总吸收减去a_d(λ)和纯水的吸收系数得到a_phg(λ)，a_phg(λ)即色素颗粒物吸收系数a_ph(λ)与黄色物质CDOM吸收系数a_g(λ)之和；

a_phg(λ)＝a(λ)-a_d(λ)-a_w(λ) (13)

根据在665、675、709nm处的a_phg(λ)光谱值建立指数rat：

得到a_ph(675)：

a_ph(675)＝0.96rat+0.059 (15)

根据不同波段a_ph(λ)吸收光谱的相关性，

a_ph(443)＝1.75a_ph(675)^0.91 (16)

根据式(1)、式(13)，

a_g(443)＝a_phg(443)-a_ph(443) (17)

a_g(λ)＝a_g(443)exp[S_g(443-λ)] (18)

式中，S_g为a_g(λ)的光谱斜率S_g，取0.011；

a_ph(λ)＝a(λ)-a_d(λ)-a_g(λ)-a_w(λ) (19)

所述步骤4)中的OLCI卫星影像数据经过预处理，包括瑞利散射校正和大气气溶胶校正。

本发明的浅水湖泊固有光学参数的OLCI遥感监测方法，基于水体固有光学参数监测的基本原理，针对我国长江中下游浅水湖泊水体光学特性复杂的特点，假设750nm处的总吸收等于纯水吸收，建立IOP的逐步计算方法，实现对OLCI数据的固有光学参数的遥感监测，客观、高效的反映湖泊的固有光学参数的时空分布。固有光学参数的高效监测可以为全国湖泊群的水环境关键参数、初级生产力的遥感监测提供依据，为湖泊生态环境治理和水资源保护提供决策支撑。

应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。

结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。

附图说明

附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示。为了清晰起见，在每个图中，并非每个组成部分均被标记。现在，将通过例子并参考附图来描述本发明的各个方面的实施例，其中：

图1是总吸收系数分解为水体组分吸收系数的关系图。

图2是不同湖泊水体吸收特性及平均水体组分吸收光谱曲线图。

图3是IOP反演算法总体技术路线图。

图4是实测的水体组分吸收系数与模型计算得到的水体组分吸收系数散点图。

图5是不同波段OLCI大气校正后的Rrs与实测Rrs的散点图。

图6是利用巢湖和太湖的星地同步数据对大气校正结果进行验证散点图。

图7是巢湖IOP的OLCI卫星数据监测空间分布图(2016年12月7日)。

图8是太湖IOP的OLCI卫星数据监测空间分布图(2017年3月14日)。

图9是洪泽湖IOP的OLCI卫星数据监测空间分布图(2016年12月7日)。

前述图示1-9中，作为英文形式表达的各坐标、标识或其他表示，均为本领域所公知的，并不在本例中再做赘述。

具体实施方式

为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。

在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。

实施例1

本实施例说明本发明遥感监测方法的具体实现方式。

本实施例基于OLCI数据对浅水湖泊固有光学参数进行遥感监测，实现方式如下：在准分析算法(QAA)的基础上，假设750nm的水体总吸收等于纯水的吸收，建立水体遥感反射比与总吸收系数(a)、后向散射系数(b_b)的关系；根据水体各组分的吸收系数(a_d、a_ph、a_g、a_w)的特征及其与遥感反射比光谱(R_rs)、后向散射系数的关系，进一步将水体总吸收系数分解为水体组分的吸收系数；结合2011-2016年巢湖、太湖、洪泽湖野外试验测量的水体遥感反射比光谱及相应的水体组分吸收系数，建立基于野外实测光谱的面向水体光学特性复杂的不同湖泊的IOP反演算法；通过对OLCI数据进行数据预处理，对比经过大气校正(瑞利校正和气溶胶校正)的卫星数据的R_rs与地面实测的同步R_rs，将IOP反演算法推广到经过大气校正的OLCI影像数据，实现富营养化浅水湖泊的水体固有光学参数空间分布的遥感监测。

作为示例性的描述，下面结合附图所示，对前述方法的实施进行具体说明。

步骤10：获取巢湖、太湖、洪泽湖三个湖泊的实测遥感反射比光谱，基于QAA算法，建立面向实测遥感反射比的IOP反演算法；

步骤11：基于实测遥感反射比光谱计算水体总吸收系数a与后向散射系数b_b；

其中，所述水体总吸收系数是指水体各组分的吸收系数总和；后向散射系数是指颗粒物后向散射系数和纯水的后向散射系数之和；；其表达式分别如下

a(λ)＝a_ph(λ)+a_d(λ)+a_g(λ)+a_w(λ) (1)

b_b(λ)＝b_bp(λ)+b_bw(λ) (2)

其中，a_ph(λ)、a_d(λ)、a_d(λ)、a_w(λ)分别为色素颗粒物phytoplankton；无机颗粒物NAP、黄色物质CDOM和纯水的吸收系数；b_bp(λ)、b_bw(λ)分别为水体颗粒物和纯水的后向散射系数，纯水的后向散射系数为已知量；

其中遥感反射比光谱由美国ASD公司生产的地物双通道光谱仪测量；水体组分吸收系数由岛津分光光度计室内测得。

准分析算法(QAA)是基于大洋清洁水体建立的，不适用于浑浊的内陆湖泊水体，主要是因为浅水湖泊的水体光学活性物质来源复杂，悬浮物和黄色物质浓度较高，藻华发生时叶绿素浓度也较高。QAA中假设波长大于550nm处，水体总吸收主要是纯水的贡献，而在内陆浅水湖泊，从图3来看，水体三组分的吸收系数不可忽略，750nm处的水体三组分之和接近于0，因此，假设λ₀＝750nm的水体总吸收等于纯水的吸收(式6)，首先计算750nm处的吸收和散射系数，参数Y与遥感反射比的关系由Hydrolight模拟数据拟合得到(图2a，公式8)，将Y带入公式9-10，即可得到水体后向散射系数b_b(λ)和总吸收系数a(λ)。基于QAA算法的具体计算过程如下：

r_rs(λ)＝R_rs(λ)/(0.52+1.7R_rs(λ)) (4)

式中，r_rs(λ)为水下遥感反射率；

其中，u(λ)为后向散射系数与吸收系数和后向散射系数之和的比值；g₀、g₁为常数，g₀＝0.084，g₁＝0.17；

a(λ₀)＝a_w(λ₀)+Δa(λ₀)≈a_w(λ₀) (6)

选取λ₀＝750nm，a(λ₀)为λ₀波长下总吸收系数，a_w(λ₀)为λ₀波长下纯水吸收系数；Δa(λ₀)为除去纯水的水体各组分在λ₀波长的吸收系数之和；

b_bp(λ₀)为λ₀波长下后向散射系数；

获取水体后向散射系数b_b(λ)和总吸收系数a(λ)的计算公式：

步骤12：分解水体总吸收系数；

根据步骤11得到的a和b_b，基于实测遥感反射比光谱数据，将水体总吸收系数分解得到除纯水外上述水体各组分的吸收系数；

通过对三个湖泊的实测数据进行分析，建立了a_d(443)与b_bp(560)的关系表达式(图1b，式11)；然后，根据定义，a_d(λ)可由公式12得到：

a_d(443)＝2.54b_bp(560)^0.62 (11)

a_d(λ)＝a_d(443)exp[S_d(443-λ)] (12)

其中，S_d是a_d(λ)的光谱斜率，根据实测数据统计得到，此处取0.014。

根据式(1)、式(12)，得到a_d(λ)以后，可由水体总吸收减去a_d(λ)和纯水的吸收系数得到a_phg(λ)，即为色素颗粒物吸收系数a_ph(λ)与黄色物质CDOM吸收系数a_g(λ)之和。接下来，需要把a_phg(λ)分解为a_ph(λ)与a_g(λ)，以得到各个组分的吸收系数。

a_phg(λ)＝a(λ)-a_d(λ)-a_w(λ) (13)

在665、675、709nm处的a_phg(λ)光谱值建立了一个指数rat(公式14)，据此可得到a_ph(675)(公式15)：

a_ph(675)＝0.96rat+0.059 (15)

根据不同波段吸收光谱的相关性，

a_ph(443)＝1.75a_ph(675)^0.91 (16)

根据式(1)、式(13)，

a_g(443)＝a_phg(443)-a_ph(443) (17)

a_g(λ)＝a_g(443)exp[S_g(443-λ)] (18)

式中，S_g为a_g(λ)的光谱斜率S_g，取0.011；

a_ph(λ)＝a(λ)-a_d(λ)-a_g(λ)-a_w(λ) (19)

其中所述的IOP是水体总吸收系数、组分吸收系数、后向散射系数的总称。

水体三组分的吸收对总吸收减去纯水吸收的贡献百分比决定了不同水体组分占总吸收的比重，对比三者在水体总吸收中所占的比例，可以得到水体吸收的主导类型与优势组分。a_ph、a_d、a_g占总吸收减去纯水吸收系数(a_t-w)百分比的三相图(图2a)直观地表示了在特定波段上水体吸收的主导组分。在开阔大洋等一类水体，吸收系数主要由浮游植物主导，样点集中在浮游植物的顶点附近，而在二类水体中总吸收受到浮游植物、非藻类颗粒物和CDOM的共同影响，在三相图的中央区域三个湖泊均有较多样点分布。通过对水体吸收组分贡献的判断，这三个湖泊是以NAP占主导的水体光学类型，理论上可以使用一个通用的IOP反演算法。而实际上，很多经验的算法只能适用于特定季节的某个湖泊。将步骤1-2中的算法，利用巢湖(N＝139)、太湖(N＝76)、洪泽湖(N＝31)三个湖泊的野外数据对模型参数进行率定，拟合得到通用的IOP反演算法(QAA750E)(图3)。该算法在QAA的半分析理论框架下，针对浑浊的内陆水体，在计算水体总吸收的时候根据这三个湖泊数据的统计值，假设750nm处的水体总吸收由纯水吸收系数构成；在分解a_phg(λ)时构建了一个rat指数，可以利用红光、近红外波段的a_ph(λ)吸收特征，将其与a_g(λ)分离。

图4为水体总吸收系数的QAA750E反演结果与其他两种算法QAAv6、IIMIW的反演结果的对比，结果显示QAA750E在三个内陆湖泊水体的应用效果最好。图5为水体组分吸收系数在412、443、560、665nm四个波段的反演结果。

步骤20：实现基于OLCI卫星影像的浅水湖泊固有光学参数的遥感监测；

获取待测湖泊的OLCI卫星影像；应用至步骤10-12构建的反演算法，在对不同湖泊多幅的OLCI卫星影像处理后获取浅水湖泊IOP的空间分布规律。

将步骤10-12中的通用IOP反演算法应用于OLCI卫星数据，首先要进行L1b的遥感影像的预处理，包括几何校正、大气校正，得到不同波段的遥感反射比数据。利用2016年12月7日巢湖和2016年11月4日太湖的星地同步数据对大气校正结果进行验证(图6)。

然后，将步骤3的算法应用于三个湖泊的OLCI影像，得到固有光学参数的空间分布。具体流程如下：1)利用Geographic Lat/Lon投影，结合L1B数据中的经纬度信息进行几何校正；2)在ENVI 5.3中利用各个湖泊的矢量边界(shp文件)，通过掩膜技术对影像数据进行裁剪，保留湖泊水域部分；3)OLCI数据读入MATLAB，逐像元计算固有光学参数值；4)计算完成后可得到固有光学参数的空间分布结果(见图7-9)。

虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (3)

1.一种浅水湖泊固有光学参数的OLCI遥感监测方法，其特征在于，包括如下步骤：

步骤10：获取巢湖、太湖、洪泽湖三个湖泊的实测遥感反射比光谱，基于QAA算法，建立面向实测遥感反射比的IOP反演算法；

步骤11：基于实测遥感反射比光谱计算水体总吸收系数a与后向散射系数b_b；

其中，所述水体总吸收系数是指水体各组分的吸收系数总和；后向散射系数是指颗粒物后向散射系数和纯水的后向散射系数之和；其表达式分别如下

a(λ)＝a_ph(λ)+a_d(λ)+a_g(λ)+a_w(λ) (1)

b_b(λ)＝b_bp(λ)+b_bw(λ) (2)

其中，a_ph(λ)、a_d(λ)、a_g(λ)、a_w(λ)分别为色素颗粒物phytoplankton、无机颗粒物NAP、黄色物质CDOM和纯水的吸收系数；b_bp(λ)、b_bw(λ)分别为水体颗粒物和纯水的后向散射系数，纯水的后向散射系数为已知量；

假设750nm波长下的水体总吸收等于纯水的吸收，计算获取水体总吸收系数a与后向散射系数b_b；计算模型如下；

r_rs(λ)＝R_rs(λ)/(0.52+1.7R_rs(λ)) (4)

式中，r_rs(λ)为水下遥感反射率；

其中，u(λ)为后向散射系数与吸收系数和后向散射系数之和的比值；g₀、g₁为常数，g₀＝0.084，g₁＝0.17；

a(λ₀)＝a_w(λ₀)+Δa(λ₀)≈a_w(λ₀) (6)

选取λ₀＝750nm，a(λ₀)为λ₀波长下总吸收系数，a_w(λ₀)为λ₀波长下纯水吸收系数；Δa(λ₀)为除去纯水的水体各组分在λ₀波长的吸收系数之和；

b_bp(λ₀)为λ₀波长下水体颗粒物的后向散射系数；

由Hydrolight模拟数据拟合得到参数Y与r_rs(λ)的关系，即式(8)：

获取水体后向散射系数b_b(λ)和总吸收系数a(λ)的计算公式：

步骤12：分解水体总吸收系数；

根据步骤11得到的a和b_b，基于实测遥感反射比光谱数据，将水体总吸收系数分解得到除纯水外上述水体各组分的吸收系数；分解计算过程如下：

分析获取的实测遥感反射比光谱，建立a_d(443)与b_bp(560)的关系表达式：

a_d(443)＝2.54b_bp(560)^0.62 (11)

根据a_d(λ)定义得到：

a_d(λ)＝a_d(443)exp[S_d(443-λ)] (12)

其中，S_d是a_d(λ)的光谱斜率，取0.014；

根据式(1)，由水体总吸收减去a_d(λ)和纯水的吸收系数得到a_phg(λ)，a_phg(λ)即色素颗粒物吸收系数a_ph(λ)与黄色物质CDOM吸收系数a_g(λ)之和；

a_phg(λ)＝a(λ)-a_d(λ)-a_w(λ) (13)

根据在665、675、709nm处的a_phg(λ)光谱值建立指数rat：

得到a_ph(675)：

a_ph(675)＝0.96rat+0.059 (15)

根据不同波段a_ph(λ)吸收光谱的相关性，

a_ph(443)＝1.75a_ph(675)^0.91 (16)

根据式(1)、式(13)，

a_g(443)＝a_phg(443)-a_ph(443) (17)

a_g(λ)＝a_g(443)exp[S_g(443-λ)] (18)

式中，S_g为a_g(λ)的光谱斜率S_g，取0.011；

a_ph(λ)＝a(λ)-a_d(λ)-a_g(λ)-a_w(λ) (19)

步骤20：实现基于OLCI卫星影像的浅水湖泊固有光学参数的遥感监测；

获取待测湖泊的OLCI卫星影像；应用至步骤10-12构建的反演算法，在对不同湖泊多幅的OLCI卫星影像处理后获取浅水湖泊IOP的空间分布规律。

2.根据权利要求1所述的方法，其特征在于，所述步骤10中，遥感反射比光谱由美国ASD公司生产的地物双通道光谱仪测量；水体组分吸收系数由岛津分光光度计室内测得。

3.根据权利要求1所述的方法，其特征在于，所述步骤20中的OLCI卫星影像数据经过预处理，包括瑞利散射校正和大气气溶胶校正。

Images