内陆与近岸水体的色度学遥感研究进展
李恺霖, 廖廓, 党皓飞
福建省气象科学研究所,福州 350007
摘要:
水色是人眼受悬浮颗粒物、叶绿素和可溶性有机物等多种物质复合影响的水体颜色最直观的感知,是具有悠久历史的水环境参量。水色对于研究内陆与近岸水体的生态具有十分重要的意义。随着色度学的研究及高光谱卫星遥感技术的进步,发展出水色的色度学方法。通过系统回顾内陆与近岸水体色度学研究的发展过程,从表观光学量和固有光学量2个角度阐述了色度学方法从理论到实际应用的情况。并介绍了卫星遥感数据的色度学处理方法。色度学方法是水色定量表达的技术方法,是水色研究的重要分支,也是对水色组分研究的扩展和补充,具有广阔的应用前景。未来,为了进一步提高色度学方法在内陆与近岸水体中的应用,需要加强水体生物-光学数据集的建设。从表观光学量和固有光学量2个维度开展色度学研究。同时加强国产卫星色度学方法的研究,扩展水色产品类型。
0 引言
水色是人眼对悬浮颗粒物、叶绿素和可溶性有机物等多种物质组成的水体颜色最直观的感知。海洋水色是表征海洋环境的重要要素,也是鉴别水质的重要参量,它与海水的化学成分、物理性质、海洋动力状态,尤其与海水中的悬浮物和有色可溶性物质都具有极密切的关系。1890年,Forel把湖水从蓝到黄绿分成了11个等级,2 a之后德国人Willi Ule把刻度扩展了10个,颜色从绿到棕色[1]。自从这2种刻度结合以后,就成为了目前熟知的FU(Forel-Ule)色度标比色皿。1889年11月澳大利亚洪堡浮游生物探险队利用FU进行了观测记录。自此,FU色度标尺已成为测定海洋、湖泊和河流颜色的最常用、最简单的色度标尺。整个20世纪,甚至在出现了现代光谱辐射计之后,在全球范围内的观测依旧使用FU方法。它被海洋学家和湖泊专家广泛用于分类各种类型的水域。归档的FU记录是除了盐度、温度和透明度之外最古老的有关于海洋信息的记录,它包含全球各地和很久以前关于水质变化的信息,因此也包括关于叶绿素浓度的间接信息。这些记录为我们提供了对海洋和湖泊更长远的理解[1]。因此对于水色的研究及海洋生态环境有着重要的意义。
海水颜色的定量研究最早由印度物理学家Raman提出[2],经过研究发现海水的蓝色不是由于反射天空颜色所引起的,而是海水本身的一种性质。海水对长波的吸收最大,而对短波的吸收较弱,因此短波容易发生散射和折射。故对于可见光波段来说,海水对红色光的吸收率最大,对橙色光的吸收率次之,对蓝色和紫色光吸收率最小。人眼对紫光不敏感,对蓝光比较敏感,因此海水绝大多数呈现出蓝色。影响海水颜色的主要物质有3种: 叶绿素、有色可溶性有机物(colored dissolved organic matter,CDOM)和黄色物质等。由于其存在与相互作用改变了海水对光的散射与吸收,因此海水会呈现出不同的颜色。Raman的发现为水色研究从现象到机理提供了充分的理论依据[2]。
随着光谱技术和卫星遥感技术的发展,目前大多采用光谱与遥感方法进行水色观测,主要通过反演,而不是真彩色的方法得到水色组分,因此FU色度标尺在近十几年中较少使用。但该尺度具有稳定和观察结果可重复的优点[3]。过去主要的障碍在于没有建立起FU色度标尺与高光谱或遥感仪器之间的关系。Wernand等[1⇓⇓⇓-5]通过一系列的研究发展出基于色度学的水色定量表达的技术,使历史悠久的FU观测重新焕发生机,这项技术将成为水色研究的重要分支,是对水色组分研究的扩展和补充。本研究从表观光学量(apparent optical properties,AOP)和固有光学量(inherent optical properties,IOP)2个维度开展色度学研究。
1 基于AOP的色度学表达
1.1 水体颜色表达的理论基础
随着人们对于颜色的认识逐渐形成了色彩理论。为了能够定量表征颜色而发展出了色度学,色度学是一种颜色的科学测量方法或者颜色测量系统,最先由国际照明委员会(International Commission on illumination,CIE)在1931年提出,色度学被认为是科学的一个分支,涉及到用电磁光谱上辐射功率所表示的数字化的颜色,即用标准颜色来评价未知颜色的一种技术[2]。目前应用于水色研究的色彩空间包括LAB,RGB,CIE-XYZ和HSB等。
1.1.1 RGB颜色系统
RGB是目前最常见的颜色系统。RGB颜色空间基于颜色的加法混色原理,从黑色不断叠加红、绿、蓝的颜色,最终可以得到白色光。大多数扫描仪和CRT显示器的呈色空间均为RGB模式。RGB模式给彩色图像中每个像素的RGB分量分配一个从0(黑色)到255(白色)范围的强度值,虽然只是自然界中可见光的一部分,但足以在计算机上呈现千变万化的数字图像。然而,由于这种颜色模型在使用过程中受显示设备限制,造成使用不方便。为了克服这种问题,从而引入了CIE-XYZ颜色系统。
1.1.2 CIE-XYZ颜色系统
CIE根据人眼视觉特性进行了大量的颜色混合匹配实验,建立了全部光谱三刺激值即“标准色度观察者”[6],1931年CIE给出了光谱三刺激值,后根据此光谱三刺激值绘制出CIE1931标准色度系统色品图。CIE-XYZ 系统中选择了3个理想的原色X,Y和Z代替了RGB系统中的3个原色R,G和B,使得色度系统中光谱的三刺激值X,Y和Z全为正值。RGB与CIE-XYZ之间的转换关系为:
X=2.768 9R+1.751 7G+1.130 2B,
(1)
Y=1.000 0R+4.590 7G+0.060 1B,
(2)
Z=0.000 0R+0.565 0G+5.593 4B,
(3)
式中: X,Y和Z分别为色度坐标; R,G和B分别为红、绿、蓝原色。X,Y和Z所形成的范围将整个光谱色轨迹包含在内,经过一系列的色度坐标变换得到二维CIE-XYZ系统的色度图(图1)。
图1
1.1.3 HSB颜色系统
CIE色度坐标虽消除了RGB系统颜色匹配时所产生的负值,且在应用时不受任何设备限制,但无法展现颜色的亮度。而HSB模型对亮度做了定量化描述,HSB模型描述颜色的3个基本特征为: 色相H是从物体反射或透过物体传播的颜色,在0°~360°的标准色轮上,按位置度量的,通常由颜色名称标识的; 饱和度S是指颜色的强度或纯度,表示色相中灰成分所占的比例,用从0%(灰色)~100%(完全饱和)的百分比来度量; 亮度B是颜色的相对明暗程度,通常用从0%(黑)~100%(白)的百分比来度量。RGB与HSB之间的转换见文献[8]。
1.2 基于AOP的色度学表达方法
水体颜色由水的2大光学特性AOP和IOP所决定。AOP是指随光照条件变化而变化的量,包括离水亮度Lw、归一化离水辐亮度LwN、遥感反射率Rrs以及刚好处于水面以下深度的辐照度比R(0-)等[9-10]。自然界中水体的每个波长光谱都可以通过X,Y和Z三基色刺激值组合产生,因此水体颜色由水体光谱决定。水体光谱由AOP和IOP决定,因此研究水体颜色需从AOP和IOP切入,进而深入了解水体光谱及其产生的水体颜色。Wernand等[3]通过一系列的研究证明: 光谱信息,例如物体的颜色或海洋的颜色,最终可以通过色度学计算转换和简化为2个数值,即色度坐标(x,y),从色度学坐标(x,y)再转化为色度角实现定量表达。这种转换过程通过遥感反射率Rrs实现。Woerd等[11]通过推导,得到了从Rrs到三刺激值从而得到色品值和色度角的方法。
Novoa等[13]计算了新的FU色度标尺中每个颜色在色度平面上所对应的角度及其范围。随着色度角概念的提出,色度角α直接与FU建立起一一对应关系(图2)。实现了用色度角这个简单的参数对于水色的定量表达。
2 基于IOP的颜色位表达
IOP是仅与水体成分有关的光学量,如光束衰减系数c、吸收系数a 、散射系数b、散射相函数P等,这些量不随入射光场的变化而变化。国际上有学者提出,从IOP与水色的关系为出发点[15-16],研究水色与藻类的关系,从而提出了颜色位的概念。
2.1 颜色位的研究历史
19世纪末,Engelmann率先证明了光养生物可以利用光谱的特定部分。随后人们发现了许多光合色素,每种色素都有其自身的特征吸收光谱[17]。光谱的利用可以根据经典生态理论来解释,早期人们将光视作一种资源,根据生态学理论,沿光谱范围的生态位分化减少了物种之间的竞争,从而促进了物种之间的共存[18]。物种的吸收光谱差异导致沿光谱的生态位分化。Stomp等[15]研究表明红色和绿色的微蓝细菌可以通过吸收光谱的不同部分共存,还通过实地调查证实,湖泊和海洋中红色和绿色微蓝细菌的相对丰度与水下光色有关。哪些颜色可用于光养微生物?针对这个问题,Stomp等[15]从微观角度对水下光色和光养微生物的关系进行了研究,认为水分子的振动会在水下光谱中形成间隙,这为光养微生物产生了一系列独特的颜色。
2.2 颜色位的理论基础——分子振动
水分子在特定波长下能更有效地吸收光子,这些光子的能量使H2O中共价O-H键产生分子振动。表现出3种基本的振动模式: 对称拉伸、不对称拉伸和弯曲。基本的振动模式及其组合(称为谐波)在水的吸收光谱的可见光和红外部分产生了一系列的肩峰。拉伸振动的第4—8谐波分别在742 nm,605 nm,514 nm,449 nm和401 nm处被识别。
Stomp等[15]发现水及其光学成分的吸收特性在水生生态系统中产生了一系列不同的颜色。这一发现的核心是水分子本身的行为。水分子在特定的波段吸收光,这些波段与它们的拉伸和弯曲振动所需的能量相匹配。尽管在这些特定波长处的光吸收仅在纯水的吸收光谱中显示为细微的肩部,但由于光衰减的指数性质,这些细微的肩部在水下光谱中会产生较大的间隙,这些间隙之间的波段在水下光谱中定义了一系列不同的颜色位,这些独特的光谱空间与地球上主要光合色素的光吸收光谱相匹配。
2.3 颜色位的计算
Stomp等[15]的这些概念如何应用于实际生态系统并没有给出答案。由于光束衰减由水的IOP决定,于是Holtrop等[16]利用实测数据通过对水下光谱吸收变化情况的研究给出了5个颜色的定量描述,利用Ecolight新型模型通过数值方式求解透光层处的光谱分布。该模型将天空辐射模型、空气-水界面模型、底部反射模型和生物光学模型耦合在一起,以计算在每个指定深度z上相对于方位角的辐射分布。
3 颜色定量表达的应用
3.1 水体卫星真彩色的实现与识别
早在1973年Smith等[19]利用塞盘和光谱仪对Tahoe湖与Crater湖进行测量后指出,水色是观察湖水变化情况的有效工具和客观指标; Wernand[2]认为水色是近百年来记录海洋的有效工具,而对其的定量表达能反映出海洋真实的变化。因此水色的定量识别就显得特别重要。
在Landsat MSS传感器时代,就已经开始了水体颜色的监测研究。前期的一些研究主要集中在选择适当的颜色参量,并试图建立颜色与水体水质参数的关系。Alfoldi等[20]利用Landsat MSS假彩色数据,将其绿光、红光和近红外波段分别作为CIE标准色度系统中的X,Y,Z三刺激值,将图像色度坐标与水质参数联系起来,分析了Landsat MSS 假彩色数据的色调和饱和度与水体状况的关系。
Jaquet等 [21]将TM影像的红光、绿光、蓝光波段作为CIE色度系统中三刺激值,对瑞士西部和法国东部50多个湖库水体进行了色度计算,分析水体营养状态和色度坐标的关系; Sovdat等[22]利用Sentinel-2的DN值研究了CIE色彩空间与RGB空间的关系,首先通过对DN值预处理得到大气校正后反射率数据,在反射率基础上进行CIE,LAB和RGB色彩间的转换,并结合Gamma拉伸和色彩调整等方法得到真彩色图像实现了色度角与真彩色的关联; Jolliff等[23]以OLCI作为经验值对GOES-ABI数据进行了CIE到RGB的转换,得到增强的JPEG格式图像。GOESABI图像序列忠实地再现了在OLCI真彩色重建中检测到的主要颜色图案。在佛罗里达大湾地区附近的色彩重建中明显的明亮的绿松石色可表明沉积物的重新悬浮过程。
尽管上述学者对水体真彩色的实现做了诸多研究,但由于其通用性问题,一直无法在更多的探测装置上应用。直到Wernand等[4]率先研究了Forel-Ule MERIS(FUME)算法,开启了利用卫星遥感对水色定量识别的先河,通过与实地观测的FU值拟合分析,高光谱和FUME算法所反演的FU值与实测相比结果良好(R2分别为0.81和0.71)。而其后色度角方法的提出[11-12]与随之进行的多卫星遥感仪器之间比对及与IOCCG数据集和实地验证的一系列工作表明,色度角在不同仪器之间有良好的一致性,且与实测数据相比,也有着相当高的准确率,所列出的仪器与高光谱相比R2均大于0.9,这说明色度角可以统一地用于几乎所有的水色仪器。这为水色的定量识别打下了良好基础。
3.2 水体真彩色的逆转化
Novoa等[24]开发了一种算法WACODI(water color from digital images)。这种算法能将廉价相机拍摄到的数码图像用于水体的科研与监测中。具体的方法为利用相机拍摄的sRGB色彩空间通过Gamma拉伸和光源校正(如水体镜面反射等)转换成为CIE-XYZ色彩空间。不论光源与天气条件如何,利用获得的高光谱与相机图像,通过转化成CIE-XYZ坐标后对比发现,两者具有很好的一致性。在欧洲的Citclops计划中,通过WACODI算法,利用数字化的FU色度标尺和色度角,让公民只用手机和所开发的APP软件,就可以进行水色观测,这将极大地丰富了数据的来源。该计划致力于利用廉价的数码相机和手机APP,让公民参与到水环境数据资料的收集中,扩展数据的来源,用低廉的方法对水环境进行有效监测[12]。基于这项计划,实地的验证工作也有序开展[25⇓⇓-28],通过一系列的采样、对比与验证证明,在大多数天气与光照条件下,无论是内陆水体还是近岸或者是开阔大洋水体,Citclops所开发的APP都能准确获取水色信息,提供相当准确的真彩色定量表达。
尽管Citclops计划鼓励了更多公民的参与,扩展了数据来源的渠道。但由于其时空的局限性,更多对水色定量的识别还是基于卫星来实现。Wernand等[4]开启了利用卫星遥感对水色定量识别的先河; 段洪涛等[29-30]系统总结了水色遥感的历史和发展方向,从最初的水色三要素遥感为基础的水色遥感,发展到水质遥感,而后再补充和发展到水环境遥感。随着更多基于卫星的水色定量识别算法被开发,应用领域也沿着水色遥感的发展趋势和方向一起,从开阔大洋水体到近岸二类水体[31⇓⇓⇓⇓⇓⇓⇓-39],从流域水体到内陆湖泊水体及水库水体[40⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓⇓-52],从一般城市水体到城市黑臭水体[53⇓-55]。总的来说从Citclops研究结果和卫星数据在不同水体的研究表明,从公民和卫星获取的数据既有优势也有局限性,而且两者间高度互补。因而水色定量识别的领域和应用范围得到了很大扩展。
3.3 气候变化定量表达因子
近年来,水体颜色被世界气象组织(World Meteorological Organization, WMO)和全球气候观测系统(Global Climate Observing System, GCOS)计划列为基本气候变量之一。欧洲航天局所提出的气候变化倡议,致力于利用卫星组成全球气候观测系统,利用卫星数据生成基本气候变量数据集。而其中的一个子项目: 海洋颜色气候变化倡议(European Space Agency Ocean Colour Climate Change Initiative, ESA-OC-CCI)旨在建立一个长期的、连续的、并带有误差评价的长时序海洋颜色数据产品[56]。随着水色定量遥感研究的深入及数据的不断累积,基于多源卫星融合的数据集ESA-OC-CCI发布问世。该数据集反映了过去20 a全球大洋的水色信息,包含了FU、色度角和塞盘深度等定量描述水色的参数。数据集中月数据的空间分辨率为4 km,目前该版本是最新发布的,采用了最新的反演技术且应用不局限于任何特定的水体类型[14,57]。
中国科学院空天信息创新研究院科研团队发布全球首套湖库遥感水色指数科学数据集,该数据集反映了全球范围千余个大型湖库在过去近20 a的水色长时间序列时空变化趋势,在这套数据集中,通过实地测量的从清澈贫营养到浑浊富营养的多种湖泊水体,将离水反射率重采样到MODIS相应的波段后计算FUI(FU index)值,一般来说卫星遥感水色产品能允许的误差范围在30%以内,而此数据集的误差率小于10%。由于该数据集采用一致的反演算法,保证了数据集在监测水体颜色变化时的稳定性[58-59]。这2套定量描述水色的数据集的发布,为全球大洋和水库水色的变化和监测提供了重要的科学数据支撑。随着人工智能的发展,利用上述数据集进行降尺度从而匹配更高分辨率数据用以衍生其用途[37],相关的研究还在不断进行中。除了标准化的数据产品之外,在Citclops计划中采用EyeOnWater APP所采集的接近5 000条全球观测的水色、透明度和荧光数据,用户可以通过门户网站European Marine Observation and Data Network (http://www.emodnet.eu)和Global Earth Observation System of Systems(http://www.earthobservations.org)进行访问。
3.4 水体成分的识别
不管是大洋一类清洁水体,还是海洋近岸、湖泊、河流二类浑浊水体,除了纯水本身外,对于自然光有吸收和散射作用的主要有浮游植物色素、非色素颗粒物和CDOM等3 种物质,一般统称为光学活性物质[29]。由于其存在与相互作用改变了水体对光的散射与吸收,因此水体会呈现出不同的颜色。水色定量识别的目的在于探究水色与水色组分的关系,从而从水色反演出水色组分的含量,进而对水体生态进行定量监测。与传统水色方法反演不同,以往利用多光谱数据获取水体中三要素浓度,难以实现精确的组分反演,因而有必要确定复杂的局部散射和吸收特性。相比之下,在色度空间内定义的FU不依赖于单个波段的信号响应,大大降低了水色计算的不确定性[43]。
3.4.1 叶绿素
海洋浮游在海洋生态过程、地球化学循环、渔业和其他重要海洋过程中起着关键作用[60]。由于一类水体的光学特性主要由浮游植物及其伴生物决定,因此在开阔大洋中利用水色定量识别叶绿素方法已经相当成熟,这部分研究主要关注于海洋叶绿素的长期变化、对气候变化的响应和对海洋遥感反射率、水色的影响等[3,61]。
但对于近岸和内陆水体而言,悬浮泥沙和黄色物质的增多,悬浮泥沙的后向散射和黄色物质的强烈吸收直接影响了海水的光学性质[62],导致反演叶绿素的工作十分复杂。尽管Boyce等[60]论证了FU数值小于等于10的范围内FU与叶绿素有着非常好的相关关系。但是这种相关关系在二类水体的研究中却存在高度不确定性。利用水色对叶绿素进行定量识别的主要思路是采用实测的FU值与叶绿素含量,通过大量样本建立统计关系,建立起FU与叶绿素含量的数学模型。Woerd等[12]为了说明色度角的意义,利用了IOCCG[63]不同叶绿素浓度下海水样本与实测样本,讨论了从低CDOM到高CDOM色度角与叶绿素浓度的对应关系。类似利用水色定量识别方法对叶绿素浓度进行反演的研究也大量开展,并取得丰硕成果。Wernand等[4]利用从1889年以来航海所记录的FU,由EcoLight辐射传输数值模型表明,在最清澈的海水(FU=1~4)中,藻类色素是光吸收的主导因素,FU指数与叶绿素浓度之间存在极显著的指数关系(R2=0.99),通过卫星遥感方式可以把这种关系拓展到全球开阔大洋使得在全球范围监测叶绿素成为可能; Busch等[26-27]在地中海西北部使用了高光谱仪、Citclops计划中的所使用的APP和 MERIS 卫星图像对比后得出,三者所反演出的色度角均在一个FU的角度范围内,即使是最大的误差也只有一个FU的差异。基于普通数码相机镜头的用于测量叶绿素-a荧光的原型装置SmartFluo被设计出来[64],用荧光方法计算叶绿素含量。通过实验室的对照试验,SmartFluo的结果与专业仪器所测得的结果高度一致(R2=0.97)。证明了手机拍摄的数码照片通过在欧洲Citclops 计划下能成为高质量海洋数据的来源。
3.4.2 其他水色组分
角的使用范围和物理可解释性。
3.5 水体光合作用的光适应
水的颜色变化可以改变色素组成不同的浮游植物之间的竞争性相互作用,从而利用光谱的不同部分。在CDOM浓度极低的最清澈海水中,总吸收光谱类似于纯水,在吸收光谱中可以看到PAR(photosynthetically active radiation)范围内的所有(次)谐波。在低营养化海洋典型的低CDOM浓度下,水下光谱主要由紫光和蓝光(400~500 nm)控制; 在非常高的CDOM浓度下,水下光谱主要由橙色和红光(600~700 nm)控制,水下光谱的变化进而导致光谱位的变化。CDOM和NAP(non-algal particles)都在短波波段下强烈吸收,二者浓度的变化均会引起水下光谱的变化从而改变颜色。
Holtrop等[16]以原球绿藻等蓝藻为主体研究了藻类体内色素对光谱的吸收作用,结果表明PEB/PUB/PCB/chla/chlb等藻类体内主要色素对光的吸收与5个颜色十分吻合,同时与不同纬度蓝藻的分布情况达成较好一致性。在此基础上还利用卫星数据进行了全球范围的研究,结果表明紫色谱位主导亚热带少营养海洋环流,蓝色谱位主导温带开阔海域、赤道上升流区域、黑海、地中海以及缺乏营养的湖泊; 绿色谱位主导富饶的浅海、海岸线上升流区域、波罗的海以及中富营养湖泊; 橙色和红色谱位控制富营养化和肥厚的内陆水体以及含有高浓度溶解物和碎屑物质的河口。
在温带和北方地区,由于富营养化的增加和有机质的增加,例如,湖泊的“绿化”和“褐变”[68],许多清澈的蓝色湖泊已变成浑浊的水域。浮游植物群落很可能会受到水下光谱中这些变化的影响,因为它们由不同种类的物种组成,这些物种部署了不同的光合色素和采光策略[69]。近年来,北半球许多湖泊和沿海水域的颜色发生了变化,这是由于土地利用、酸沉降和气候变化[70⇓-72]导致CDOM浓度增加所致。随着CDOM浓度的增加,水下光的颜色向更长的波长转移。约1 000个北美湖泊的研究表明[68],蓝色湖泊的数量大大减少,而黑色湖泊的数量增加,这是由于湖水的“绿化”和“褐变”。根据颜色,湖泊“褐变”意味着CDOM浓度的增加使浮游植物的光合作用从蓝色和绿色位,向橙色和红色位转变。湖泊“褐变”导致浮游植物群落结构发生重大变化,包括绿藻和硅藻的总体下降[73-74],淡水蓝藻细菌和隐藻植物的增加[75⇓-77]。这些发现得到实验[78]的进一步支持,富含PCB的蓝细菌以橙红光获胜。绿藻和硅藻的叶绿素和类胡萝卜素在紫色和蓝色生态位中有效吸收,而淡水蓝藻和隐生植物的藻蓝蛋白PEB和PCB利用绿色和橙色生态位。
Luimstra等[79]以颜色位为基础开发了一种新的资源竞争模型,使用以淡水蓝藻和绿藻为代表的浮游植物,通过单培养实验对模型进行参数化。随后进行了一系列竞争实验,结果与模型预测一致,绿藻在蓝光下更具生存竞争力,而蓝藻在红光下较易存活,而这些与该物种的初始相对丰度无关。这些结果与观察到的浮游植物群落结构响应湖泊“褐变”的变化一致。同样,在海水中,模型预测蓝光下以叶绿素为基础的采光复合物的前绿球菌占优势,而绿光则预测聚球菌与藻胆体的优势,两者之间存在广泛的共存关系。
3.6 应用于卫星遥感数据处理
Wernand等[4]率先提出了色度学方法应用于遥感数据的FUME算法,其随后的研究对于卫星遥感数据处理进一步完善,形成了应用于卫星遥感数据的通用算法[11,12,43]。
由于卫星数据光谱覆盖范围有限,因此光谱首先必须通过线性插值方法进行重构。重构方法基于遥感光谱波段的遥感反射。频谱区间b1和b2之间三刺激值为T,波长L1和L2之间的三刺激值ΔT以用四边形法则近似表示(图3)。
4 结论与展望
自利用光谱测量FU比色皿的三刺激值开始,水体颜色的色度学表达成为水色遥感领域的一个新的发展方向,因其具有抗干扰能力强、精度高、各种仪器之间可相互比较等特点,发展出广阔的应用前景[43],尤其是在与人类关系密切的二类水体监测中,不仅能够提高参数估算精度,而且能一定程度上避免因反演模型的区域性、时相性特征从而难以推广的问题[80]。在水色(FU)和卫星遥感的真彩色再现、水体成分的间接表达等方面已取得了一定的研究成果,但水色作为表观光学量,其与固有光学量、水色组分、水质参数的关系的研究还有待于继续深化,水色作为基本气候变量之一与气候变化的关系及其机制的研究也尚不清楚。对我国而言,已有学者开展这方面的工作,但广度和深度有待加大,同时在国产卫星的应用上仅有高分系列卫星的少量研究,更多如风云系列卫星等的研究尚处于空白状态。
首先,应加强水体生物-光学数据集的建设,除了传统的光谱测量和卫星遥感数据外,还应加强已有数据集诸如ESA-OC-CCI的验证和使用。新技术的出现,如利用人工智能方法对数据降尺度、升尺度使用、高光谱卫星影像和高光谱无人机的出现将为数据获取和应用提供新的途径。
其次,开展我国水体的色度学方法研究,应从固有和表观光学量2个维度开展,了解和掌握我国内陆和近岸水体的色度学特征。目前的色度学研究还比较分散,并未形成全面、业务化的体系。此外多数研究也仅基于表观光学量与水色组分、水质参数的关系,而水色与固有光学量的研究几乎没有。
第三,加强色度学方法在国产卫星数据上的应用,拓展卫星产品类型。目前国内仅使用高分系列卫星,利用色度学方法对内陆水体进行了初步的研究。但是更多国产卫星在色度学的应用方面还属空白。此外色度学产品目前也仅有FU、色度角和塞盘深度3种,且时空分辨率较低。还不能满足日益多样化和精细化的产品需求。因此,需要从深度和广度方面下手,利用更多国产卫星数据,拓展更多水色产品。
【作者简介】李恺霖(1989-),男,工程师,主要从事遥感应用研究。Email: likailing2008@126.com。
【通讯作者】廖廓(1978-),男,高级工程师,主要从事生态遥感研究。Email: 85832679@qq.com。
【】中国气象局创新发展专项“基于风云卫星的‘海上丝绸之路’海雾业务化监测关键技术研究”(CXFZ2022P010);华东区域气象科技协同创新基金项目“葵花-8卫星海雾(白天)业务化监测技术研究”(QYHZ202110)
【】李恺霖, 廖廓, 党皓飞. 内陆与近岸水体的色度学遥感研究进展[J]. 自然资源遥感, 2023, 35(1): 15-26.
转自：“测绘学术资讯”微信公众号
如有侵权，请联系本站删除！
