Search
E-mail
RSS

Online submission Editor-in-chief Peer review Staff Login

Journal of Tropical Oceanography >

2017 , Vol. 36 >Issue 5: 33 - 39

DOI: https://doi.org/10.11978/2017008

Orginal Article

A study on retrieving chlorophyll concentration by using GF-4 data

  • YANG Chaoyu , 1 ,
  • TANG Danling 2 ,
  • YE Haibin , 2
Expand
  • 1. South China Sea Marine Prediction Center, State Oceanic Administration, Guangzhou 510310, China
  • 2. South China Sea Institute of Oceanography, Chinese Academy of Sciences, Guangdong Key Lab of Ocean Remote Sensing; Guangzhou 510301, China
Corresponding author: YE Haibin. E-mail:

Received date: 2017-01-09

  Request revised date: 2017-02-04

  Online published: 2017-09-22

Supported by

National Natural Science Foundation of China (41506196, 41430968)

Science and Technology Planning Project of Guangxi (AB16380339)

State Key Laboratory of Tropical Oceanography Under Independent Project (LTO1511)

South China Institute of Environmental Sciences, the Ministry of Environmental Protection of the People's Republic of China , Ministry of Environmental Protection (PM-zx703-201601-014)

National Key Research and Development Program of China(2016YFC1401407)

Copyright

热带海洋学报编辑部
Fold

Abstract

Gaofeng-4 products have become available since June 2016. GF-4 is the first geosynchronous orbit remote sensing satellite in China. The virtue of the satellite is its high spatial and temporal resolution. So, the satellite is useful for monitoring marine disasters. In this study, we established a model to retrieve the chlorophyll concentration from GF-4 satellite data based on the in situ measured data on 22th October 2009 (the coefficient of determination r2=0.90; root mean square error RMSE=0.1). The algorithm has been shown to have a relatively better applicability by comparing the result with Hydrolight (r2=0.92; RMSE=0.23). The model was further applied to analyze the harmful algal bloom in Guangxi in May 2016 by using GF-4 satellite data. The result showed a good agreement with the in situ survey data. This is the first time to retrieve chlorophyll concentration from the remote sensing reflectance, including the harmful algal bloom waters in Guangxi by using GF-4 products. The research can provide an effective technique for constructing marine civilization and marine disaster investigation.

Key words： harmful algal bloom; reflection peak value; Pearl River; Guangxi

Cite this article

YANG Chaoyu , TANG Danling , YE Haibin . A study on retrieving chlorophyll concentration by using GF-4 data[J]. Journal of Tropical Oceanography, 2017 , 36(5) : 33 -39 . DOI: 10.11978/2017008

随着增长的人类经济活动对自然界产生的耦合效应, 近年来海水污染问题也越发严重, 海洋生态环境遭受着前所未有的威胁。我国沿岸赤潮呈频发态势, 给当地渔业、旅游业等造成了重大损失。卫星遥感技术以其覆盖范围广、全天候、同步性强和长期连续观测等优点在海洋环境监测工作中起着越来越重要的作用, 已成为海洋环境实时监测不可缺少的手段(Tang et al, 2004)。
近年来, 国内外科研人员陆续应用空间信息技术开展了海洋遥感监测的工作。Bresciani等(2011) 采用波段比的方法提取了意大利伊德罗湖赤潮藻类阿氏浮丝藻Planktothrix agardhii的光谱特征及其影响海域面积。Sathyendranath等(2004)和Westberry等(2005)建立了半经验算法提取束毛藻Trichodesmium的分布信息。Carvalho等(2010)研究了腰鞭毛藻Karenia brevis的生物光学特性。Lubac等(2008) 采用了442.5、490、510nm的波段比值将球形棕囊藻P. globosa与其他藻华水体进行区分识别。美国国家海洋和大气管理局(NOAA)采用叶绿素浓度异常参数来对赤潮爆发地点、时间、及其影响面积进行判断。国内科研人员还开发了一些基于遥感数据的叶绿素反演技术, 主要包括水温法、水色法、人工神经网络法、多波段差值比值法、QAA算法(Lee et al, 2011)、三波段算法(马金峰 等, 2009)等。但是目前使用的算法大多是以Modis、MERIS、Landsat等遥感数据波段设置为基础。由于ENVISAT的技术问题, MERIS 遥感数据已于2012年停用。此外, Modis 遥感数据空间分辨率较低, 虽然是研究大洋清洁水体、一类水体的有效技术方法, 但是由于近岸水体特别是我国沿海水体光学特性复杂多变, 加上天气影响, 近岸数据质量较好的Modis遥感数据十分受限。这种限制使得赤潮爆发期间经常出现无有效数据可用的情况, 因此严重阻碍了光学浅水叶绿素浓度遥感信息提取技术和赤潮遥感监测技术的发展。Landsat遥感数据空间分辨率较高, 但时间分辨率较低, 重返周期为16天。因此, 基于以上遥感卫星波段设置建立的叶绿素遥感反演算法, 在近岸的二类水体的海洋生物光学研究中应用仍然存在着一定问题。
2016年6月, 空间分辨率达50m地球同步轨道光学卫星——高分四号(GF-4)遥感卫星数据被正式公布并投入使用, 它是中国航天科技集团公司空间技术研究院研发的高分辨率的同步轨道遥感卫星。高分四号(GF-4)遥感卫星具备可见光、多光谱和红外成像能力, 可见光和多光谱的空间分辨率优于50m, 为近岸水体的海洋遥感研究重新注入新鲜血液。GF-4作为我国第一颗地球同步轨道遥感卫星, 可以通过指向控制, 实现对藻华、赤潮等海洋灾害事件进行实时加密观测, 提供快速、可靠、稳定的光学遥感数据。因此, 我们急需开发一套适用于高分四号波段设置的遥感反演算法, 从而进一步推进智慧海洋建设, 提升海洋信息化管理能力, 积极推动海洋灾害信息管理智能化。
2014年南海区共监测到赤潮16次, 赤潮累计面积约684km2。2016年5月南海区发现2起赤潮。2016年5月3—10日深圳市大鹏湾附近海域(22°28′16.2″N, 114°33′28.4″E)发生夜光藻Noctiluca scintilllans赤潮, 赤潮海域海水为橘红色, 呈带状不连续分布, 赤潮最大面积为0.5km2, 赤潮带中夜光藻Noctiluca scintillans最大细胞密度为5.6×105个·L-1。2016年5月18—20日, 北海海洋环境监测中心站对广西附近海域(21°38′27″N, 108°36′58″E)红色赤潮藻Gymnodinium sanguineum进行了应急监视监测。赤潮海域海水为红褐色, 呈块状分布, 赤潮最大面积约20km2, 赤潮带中红色赤潮藻最大细胞密度为9.1×105个·L-1。赤潮直接威胁着人类的生存环境, 已经成为我国目前主要的海洋灾害之一。因此, 南海海域的赤潮监测研究工作已经迫在眉睫。赤潮监测预警体系亟须完善, 赤潮防治、应急处理能力有待提高。
本研究应用GF-4遥感数据提取近岸水体的叶绿素浓度分部信息, 并进一步用来监测赤潮爆发状况。该研究为我国海洋生态环境监测以及海洋灾害赤潮事件等提供技术支持和数据基础。

1 数据与方法

1.1 现场实验

2009年10月, 一次大规模的赤潮事件发生在珠江口临近的海域, 此次赤潮事件的影响面积共达300km2。2009年10月22日, 内伶仃岛附近海域爆发强壮前沟藻赤潮Amphidinium carterae Hulburt, 影响面积为5km2。pH值为8.23, 水温26.98℃, 溶解氧DO 11.27mg·L-1, 水体呈深褐色, 有大量泡沫漂浮和明显的腥臭味, 无明显生物死亡现象。珠海沿岸海域(113°35′20.400″E, 22°15′18.000″N)发现赤潮, 优势藻种为多环旋沟藻, 藻密度为2.68×106个·L-1, 有毒。珠海沿岸海域(113°35′06.000″E, 22°15′50.400″N)发现赤潮, 优势藻种为多环旋沟藻, 藻密度为6.12×107个·L-1, 有毒。珠海沿岸海域(113°37′12.000″E, 22°14′49.200″N)发现赤潮, 优势藻种为多环旋沟藻, 6.12×107个·L-1, 有毒; 红色裸甲藻, 1.25×106个·L-1, 无毒。本文算法的现场数据基于珠江口的野外实验调查结果, 采集时间是2009年10月22日, 地理范围为22°—23.5° N、113°—114°E。其中光学测量时参考了SeaWIFS的海洋现场调查研究规范(Mueller et al, 1995)。光学参数测量中的遥感反射率测量采用了表面测量法, 使用的仪器为USB4000光谱仪, 波段范围是350~1000nm; 光学传感器的探头视场角为10°。此外, 进行了水样采集, 并采用25mm Whatman GF/F 滤膜进行了现场过滤。其中OD值(吸光度)的测量使用了Perkin Elmer Lambda 19(Tassan et al, 1995)。方法主要是用次氯酸钠对滤膜进行了漂白, 然后测量漂白过的滤膜的OD值, 测量范围在380~750nm(Ferrari et al, 2003)。浮游植物吸收系数是漂白前的吸收系数与漂白后的吸收系数的差(Tassan et al, 2002)。叶绿素浓度采用高效液相色谱法 (High performance liquid chromate, HPLC)(Vidussi et al,1996)方法。

1.2 Hydrolight 模拟实验

除了现场测量数据, 本研究还应用了辐射传递方程的数值计算软件Hydrolight模拟数据对算法进行了验证。辐射传输模拟软件Hydrolight可以有效地对水下光场的分布以及光传输进行数值模拟。本研究应用Hydrolight软件对不同叶绿素浓度的光学参数-遥感反射率值Rrs(λ)进行了模拟。由于本研究算法主要针对二类水体, 因此在模拟过程中得模型选择了二类水体模型, 该模型包括了纯水、矿物质、有机颗粒物和可溶性有机物(CDOM)。本文数值模拟过程中颗粒物散射相函数选用的是Petzold(1972)建立的经验模型。

2 叶绿素浓度反演算法研究

2.1 叶绿素反演模型

基于2009年10月在珠江口海域爆发大规模赤潮事件时期的现场光学测量数据和GF-4光谱响应函数, 应用现场高光谱遥感反射率数据模拟了GF-4波段的遥感数据, 波段设置参数见图1a, 计算方法如下:
其中, λ是波长, Rrs(λi)是在GF-4第i波段的模拟遥感反射率, λmax、λmin是GF-4第i波段所对应带宽的最大、最小波长。其中f(λ)是关于λ的GF-4光谱响应函数。Rrs(λ)是1nm间隔的高光谱遥感反射率。
图1b是应用高光谱反射率模拟的GF-4波段的遥感反射率。
Fig. 1 The reflectance curves collected in the Pearl River Estuary on 22th October 2009 and simulated. (a) Hyperspectral reflectance curves; and (b) simulated GF-4 reflectance

图1 珠江口2009年10月22日赤潮水体反射率光谱曲线
a. 高光谱反射率曲线; b. GF-4波段模拟反射率曲线

从图1a可以看出, 针对赤潮水体的遥感反射率曲线, GF-4对应的红光波段包含了一部分叶绿素荧光高值, 同时也包含了红光波段的吸收谷, 因此在红光波段的信息里, 叶绿素信号提取困难。基于以上分析, 根据GF-4波段设置特点和赤潮水体的光谱特征, 我们选定用波段3对应的峰值高度为波段指数I。为了减小算法区域性的影响, 我们选择使用波段1的值对峰值高度进行归一化, 具体计算方法如下:
本研究根据计算的波段指数的对数x=lgI和叶绿素浓度C数据进行了非线性拟合, 拟合公式如下:
其中a、b、c和d是拟合参数, 数值分别是-0.5889、0.665、1.341和0.4037。
本研究应用该模型对2009年10月22日的现场实测数据进行了计算, 计算结果见图2。从结果可以看出这个拟合算法可以较好地表征叶绿素浓度的值。此次实验总共20组数据, 通过模拟数据比对, 两组数据相关系数r2是0.9, 斜率为1, 截距偏差为-0.001, 单位是mg·m-3。从图2可以看出应用叶绿素反演模型得到的模拟数值结果较均匀地分布在1∶1的真实值附近。
Fig. 2 Comparison between in situ measured chlorophyll collected in the Pearl River Estuary and modeled ones. The dashed lines represent 1︰1.5, 1︰1 and 1.5︰1 line between in situ measured chlorophyll and modeled ones, respectively.

图2 珠江口2009年现场实测叶绿素浓度与模型模拟结果的比对
虚线依次为实测与模拟数值1︰1.5、1︰1和1.5︰1的偏差数值模拟结果。空心圆点表示实测叶绿素浓度与模型模拟结果

此外我们还计算了均方根误差RMSE, 计算方法如下:
其中, N 是站点个数, Cin situ是实测的叶绿素浓度, Cest是模拟的叶绿素浓度。

2.2 反演算法在Hydrolight模拟数据中的应用

研究采用Hydrolight二类水体模型模拟了不同叶绿素浓度的反射率值(图3a)。为了应用GF-4波段设置的叶绿素浓度反演算法, 我们采用GF-4光谱响应函数进行GF-4遥感数据模拟, 获得模拟波段数值(图3b)。
Fig. 3 Hydrolight simulated remote sensing curves and model simulated. (a) Hyperspectral remote sensing reflectance; and (b) simulated GF-4 reflectance

图3 Hydrolight 模拟的遥感反射率曲线
a. 高光谱遥感反射率曲线; b. GF-4波段模拟反射率曲线

从反射率曲线可以看出, 在550nm和683nm对应着与叶绿素浓度相关的反射率特征峰和叶绿素荧光峰, 与叶绿素浓度一般呈现出正相关性。从采用GF-4光谱响应函数进行GF-4遥感数据模拟的结果来看(图3b), 550nm的反射率特征峰依然保留, 而683nm处的荧光峰在GF-4模拟的反射率曲线中被湮灭了。这一现象主要是由于GF-4波段设置的带宽以及波段中心对应位置造成的。因而, 对应不同的卫星遥感数据, 叶绿素反演算法会有所差异。构建模型除了根据水体的光学特性外, 还需依照所应用的卫星遥感数据特点进行调整和改变。因此本研究根据赤潮水体特性以及GF-4的波段设置特点建立了反演模型, 应用模型反演得到了叶绿素浓度, 并使用叶绿素浓度作为赤潮爆发的判断依据(图4)。相关系数r2为0.92, RMSE为0.23。
为了验证该模型对不同叶绿素浓度水体的适应性, 我们将叶绿素浓度变化范围设定在1~50mg·m-3进行了Hydrolight模拟。总共选用了244组数据, 反演结果斜率近似为1, 截距偏差为-0.002。发现该算法可以较好地适应不同浓度水体(图4)。应用叶绿素反演模型得到的模拟数值结果较均匀地分布在1︰1的真实值附近。

2.3 反演算法在GF-4遥感影像中的应用

2016年5月18—20日, 广西附近海域(21°38′27″N, 108°36′58″E)发现了红色裸甲藻Gymnodiniumsanguineum。赤潮海域海水为红褐色、品红色, 呈条带状、块状分布, 赤潮影响面积累计最大约20km2, 赤潮带中红色赤潮藻最大细胞密度为9.1×105个·L-1。此次赤潮事件的红色赤潮藻为无毒藻类。
本研究使用2016年5月19日50m分辨率的GF-4的PMS遥感影像(107°42′E, 23°12′N)。GF-4的参数设置见表1。其中F0是在GF-4的几个波段设置的大气顶层太阳辐照度, 单位是W·m-2·sr-1·μm-1。GF-4给出了5种状态的定标系数, 例如状态2-6-4-6-6指的是全色、蓝、绿、红、近红波段的积分时间分别是 2、6、4、6 和 6ms。
Tab.1 Parameters for GF-4

表1 GF-4参数设置

传感器波段
波段1 波段2 波段3 波段4 波段5
积分模式(2-6-4-6-6)增益 0.5215 0.9400 0.9885 0.7847 0.5641
积分模式(4-16-12-16-16)增益 0.3100 0.3484 0.3448 0.3095 0.2257
积分模式(6-20-16-20-20)增益 0.1681 0.3263 0.2472 0.2806 0.1997
积分模式(6-40-30-40-40)增益 0.1681 0.1252 0.1226 0.1102 0.0796
积分模式(8-30-20-30-30)增益 0.1235 0.1784 0.1878 0.1515 0.1080
大气顶层太阳辐照度/(W•m-2•sr-1•μm-1) 1595.08 1907.88 1815.42 1580.18 1098.79
Fig. 4 Comparison between chlorophyll for Hydrolight and the ones retrieved by the model. The solid line represents 1︰1 line between chlorophyll for Hydrolight and modeled ones. The dashed lines represent 1︰1.5 and 1.5︰1 line between chlorophyll for Hydrolight and modeled ones, respectively. The dotted points represent chlorophyll for Hydrolight and modeled ones

图4 Hydrolight模拟叶绿素浓度与模型模拟结果的比对
实线是Hydrolight与模型模拟数值1︰1等值线, 虚线则分别是Hydrolight与模型模拟数值1︰1.5和1.5︰1的偏差数值模拟结果。空心圆点表示Hydrolight模拟叶绿素浓度与模型模拟结果

本研究利用ENVI软件和SRTM (shuttle radar topography mission) 高程数据DEM(digital elevation model)对影像进行了几何校正和大气校正。
影像的码值DN转换为辐亮度图像的公式为:
其中: L(λ)为辐亮度, 单位是W·m-2·sr-1·μm-1; DN为卫星载荷观测值; G为定标斜率, 单位W·m-2·sr-1·μm-1; O为绝对定标系数偏移量, 单位为W·m-2·sr-1·μm-1, GF-4的高分辨率多光谱成像仪探测器(Panchromatic multispectral sensor, PMS)数据为0。
根据文件参数进行遥感反射率计算。
Lw经过大气校正后的离水辐亮度, 单位是 W·m-2·sr-1·μm-1; d是日地距离, 单位是 m; θ是天顶角, 单位是 °。
将模型应用于计算得出的Rrs, 反演得到模型模拟的叶绿素浓度(图5)。在图5的中部区域广西附近海域(21°38′N, 108°36′E)发现存在叶绿素浓度异常的现象, 在图中呈现出黄红色斑块状异常, 叶绿素浓度大于5mg·m-3。基于广西临海的该区域在5月属于赤潮频发期, 因而判断该异常区域为赤潮引起的可能性较大。结果显示的广西附近海域这种异常对应了叶绿素浓度高值异常, 该叶绿素异常区域与南海分局现场调查结果一致。基于该海域优势藻种为赤潮藻种红色裸甲藻 Gymnodinium sanguineum, 并且该时间段为该海域赤潮多发时间段, 因此判断赤潮发生可能性较大。这一推断也与赤潮现场调研结果一致。北海海洋环境监测中心站对广西附近海域(21°38′27″N, 108°36′58″E)红色赤潮藻Gymnodinium sanguineum进行了应急监视监测。赤潮海域海水为红褐色, 呈块状分布, 赤潮最大面积约20km2, 赤潮带中红色赤潮藻最大细胞密度为9.1×105个·L-1。该遥感反演结果与现场调查结果吻合度较好, 叶绿素浓度产品反应叶绿素分布水平能力较好, 并可以为赤潮事件判断提供数据支持。
Fig. 5 GF-4 satellite image near Guangxi on 19th May 2016. (a) The location of GF-4 satellite image passed over Guangxi on 19th May 2016. (b) Chlorophyll concentration in scale retrieved by GF-4 data on 19th May 2016 (unit: mg·m-3).

图5 2016年5月19日广西附近海域GF-4遥感影像
a. 2016年5月19日在广西附近海域的GF-4影像过境位置; b. 2016年5月19日GF-4遥感数据反演的叶绿素浓度分布图(单位: mg·m-3)

3 结论与分析

GF-4可以在海洋灾害发生期间定位在重点观测区域, 高频高效地获取遥感信息; 并且因为空间分辨率较高, GF-4在海洋环境遥感应用方面具有较大的潜力。然而, 现有的叶绿素常规算法, 如OC3、OC4、GSM等算法又不适合GF-4波段设置, 因而急需一套适合GF-4卫星遥感数据的反演算法。本研究基于2009年10月22日珠江口现场实测数据建立了一个适应于GF-4波段设置的叶绿素浓度反演算法, 算法模拟结果较好地表征了叶绿素浓度(r2=0.90; RMSE=0.1)。此外, 我们应用Hydrolight模拟了不同叶绿素浓度的遥感反射率, 并通过Hydrolight数据进行结果比对, 结果证明该算法具有较好的适用性(r2=0.92; RMSE=0.23)。最后, 我们应用该算法和GF-4卫星遥感数据分析了2016年5月发生在广西北海的赤潮事件, 反演结果与现场调查结果吻合较好。该研究针对GF-4遥感数据的特点, 探讨了叶绿素反演模型在GF-4波段的适用性, 并应用于赤潮事件期间的海域, 反演结果较好。该研究对GF-4数据的广泛应用以及海洋自然灾害的监测预测有着重要的意义。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
马金峰, 詹海刚, 陈楚群, 等, 2009. 珠江河口混浊高产水域叶绿素a浓度的遥感估算模型[J]. 热带海洋学报, 28(1): 15-20.

MA JINFENG, ZHAN HAIGANG, CHEN CHUQUN, et al, 2009. Remote sensing retrieval of chlorophyll-a in turbid, productive estuaries: a case study of Zhujiang River estuary[J]. Journal of Tropical Oceanography, 28(1): 15-20 (in Chinese).

[2]
BRESCIANI M, GIARDINO C, BARTOLI M, et al, 2011. Recognizing harmful algal bloom based on remote sensing reflectance band ratio[J]. Journal of Applied Remote Sensing, 5(1): 053556.

[3]
CARVALHO G A, MINNETT P J, FLEMING L E, et al, 2010. Satellite remote sensing of harmful algal blooms: a new multi-algorithm method for detecting the Florida red tide (Karenia brevis)[J]. Harmful Algae, 9(5): 440-448.

[4]
FERRARI G M, BO F G, BABIN M, 2003. Geo-chemical and optical characterizations of suspended matter in European coastal waters[J]. Estuarine, Coastal and Shelf Science, 57(1-2): 17-24.

[5]
LEE Z, LANCE V P, SHANG S L, et al, 2011. An assessment of optical properties and primary production derived from remote sensing in the Southern Ocean (SO GasEx)[J]. Journal of Geophysical Research, 116(C4): C00F03.

[6]
LUBAC B, LOISEL H, GUISELIN N, et al, 2008. Hyperspectral and multispectral ocean color inversions to detect Phaeocystis globosa blooms in coastal waters[J]. Journal of Geophysical Research, 113(C6): C06026.

[7]
MUELLER J L, AUSTIN R W, 1995. Ocean optics protocols for SeaWiFS validation, revision 1[R]. NASA Technical Memorandum 104566, Vol. 25. Greenbelt, Maryland: Goddard Space Flight Center, National Aeronautics and Space Administration: 1-66.

[8]
PETZOLD T J, 1972. Volume scattering functions for selected ocean waters[R]. San Diego, California: University of California: 72-78.

[9]
SATHYENDRANATH S, WATTS L, DEVRED E, et al, 2004. Discrimination of diatoms from other phytoplankton using ocean-colour data[J]. Marine Ecology Progress Series, 272: 59-68.

[10]
TANG D L, KAWAMURA H, DOAN-NHU H, et al, 2004. Remote sensing oceanography of a harmful algal bloom off the coast of southeastern Vietnam[J]. Journal of Geophysical Research, 109(C3): C03014.

[11]
TASSAN S, FERRARI G M, 1995. Proposal for the measurement of backward and total scattering by mineral particles suspended in water[J]. Applied Optics, 34(36): 8345-8353.

[12]
TASSAN S, FERRARI G M, 2002. A sensitivity analysis of the 'Transmittance-Reflectance' method for measuring light absorption by aquatic particles[J]. Journal of Plankton Research, 24(8): 757-774.

[13]
VIDUSSI F, CLAUSTRE H, BUSTILLOS-GUZMÀN J, et al, 1996. Determination of chlorophylls and carotenoids of marine phytoplankton: separation of chlorophyll a from divinylchlorophyll a and zeaxanthin from lutein[J]. Journal of Plankton Research, 18(12): 2377-2382.

[14]
WESTBERRY T K, SIEGEL D A, SUBRAMANIAM A, 2005. An improved bio-optical model for the remote sensing of Trichodesmium spp. blooms[J]. Journal of Geophysical Research, 110(6): C06012.

Options
Outlines

/

〈 〉