杭州灣及其鄰近海域總懸浮物濃度衛星遙感*

葉小敏 王曉梅 鄒 斌 王福濤

1（國家衛星海洋應用中心 北京 100081）

2（自然資源部空間海洋遙感與應用重點實驗室 北京 100081）

3（中國科學院空天信息創新研究院 北京 100094）

0 引言

總懸浮物（Total Suspend Matter, TSM）是指懸浮在水中的固體物質，主要包括懸浮泥沙和浮游植物，是水質分類與評價的重要參數之一，直接影響水體光學性質。衛星遙感監測近海和海灣TSM 濃度研究主要集中在針對遙感載荷波段設置的反演方法或模型及其對應的大氣校正方法[1-11]。例如Ma 等[6]和Tang 等[5]分別針對HY-1A 衛星CCD 和COCTS建立了黃東海的水色要素遙感反演模型；Zhang 等[10]建立了黃東海針對MODIS 的總懸浮物反演模型；He 等[9]利用地球靜止衛星水色數據在杭州灣海區開展大氣校正并獲得了懸浮物的日間動力過程。杭州灣內水體具有高渾濁性，是典型的衛星遙感TSM 濃度的研究試驗區。杭州灣水體的TSM 濃度衛星遙感研究，包括基于GOCI 的懸浮泥沙遙感反演[12]、基于OLCI 的懸浮物濃度估算及其數據適用性分析[13]、基于GF-1 衛星和GF-4 衛星的懸浮泥沙濃度遙感反演模型的構建[14,15]。針對單一遙感載荷，尤其是針對新型遙感載荷的反演研究較多，而多載荷遙感結果融合、反演結果長時序分析研究較少。

中國HY-1C 和HY-1D（HY-1C/D）衛星分別自2018 和2020 年發射以來，實現了全球海洋水色水溫的遙感監測[16-18]。對于HY-1C/D 衛星的TSM 濃度遙感，Cai 等[19]利用HY-1C 衛星海岸帶成像儀（Coastal Zone Imager，CZI）分析了舟山海域島嶼對TSM 濃度分布的影響。而對HY-1C/D 衛星水色水溫掃描儀（Chinese Ocean Color and Temperature Scanner，COCTS）在杭州灣等近海的總懸浮物濃度遙感反演研究則仍存在研究空白。本文利用現場實測光譜和TSM 濃度數據，建立HY-1C/D 衛星COCTS 在杭州灣及其鄰近海域的TSM 濃度衛星遙感反演模型，同時得到統一形式的COCTS，VIIRS，MODIS 和GOCI 等主要水色觀測載荷的TSM 濃度反演模型公式，開展TSM 濃度多源衛星遙感與融合處理，分析杭州灣及其鄰近海域TSM 濃度的長時序變化特征。

1 研究區域與數據源

杭州灣位于中國浙江省東北部，緊鄰長江口，與舟山海域、北侖港海域相連，呈喇叭型。杭州灣是錢塘江入東海形成的喇叭狀河口灣，因此其既是海灣又是錢塘江的入?？?。杭州灣內的港口航道、灘涂及水產資源豐富，經濟開發利用價值巨大。杭州灣及其鄰近海域是典型的近岸海域，受人類活動影響較大且與人類關系密切，赤潮災害頻發。陸源污染、圍填海工程和旅游觀光等不僅給該海域的生態環境帶來了較大的壓力，也給當地漁業養殖帶來了很大危害[20]。杭州灣是著名的強潮型河口，在強烈的潮流作用下，海灣內沉積物懸浮受強勁復雜的動力作用影響，水中懸浮物濃度很高[14]。

選擇中國杭州灣及其鄰近海域（28.5°—32.5°N，120.5°—125°E）為研究區，開展水體TSM 濃度多源衛星遙感反演研究。該研究區同時覆蓋了長江口及其鄰近海域。研究區地理位置及其遙感影像如圖1 所示。

圖1 研究區及其HY-1C 衛星海岸帶成像儀遙感影像（2019 年11 月11 日）Fig. 1 Study area and remotes sensing image acquired by Coastal Zone Imager （CZI） on the HY-1C satellite （11 November 2019）

研究所用數據包括現場觀測數據和衛星遙感數據，其中現場觀測數據用于TSM 濃度的衛星遙感反演方法建模與精度檢驗，衛星遙感數據用于TSM 濃度遙感反演。

1.1 現場觀測數據

現場觀測的遙感反射比（Rrs）光譜數據和總懸浮物濃度數據，包括2003 年黃東海春季和秋季兩個航次的觀測數據，檢驗數據還包括2018 和2020 年HY-1C/D 衛星在軌測試、業務化定標與真實性檢驗航次部分觀測數據。本文所用的總懸浮物濃度測量方法是采用大洋懸浮體測量的方法：使用濾膜的孔徑為0.45 μm 的濾膜，用真空過濾裝置對海水進行過濾，過濾結束后，用過離子水沖洗容器1 次，濾膜洗鹽3 次，每次用蒸餾水50 mL。實驗室稱重稱量天平采用精度為0.01 mg·L-1的電子分析天平。分析過程按規范進行，空白濾膜及懸浮體的稱重進行了多次稱量，前后2 次稱重誤差應在0.01 mg·L-1數量級以內[5]。實測數據點分布如圖2 所示，該實測數據基本覆蓋了杭州灣灣口及長江口外海域，在研究區內均有實測點分布且分布均勻。

圖2 遙感反演建模所用實測點位置分布Fig. 2 Locations of in-situ measurements used for remote sensing retrieval modeling

圖3 為圖2 中各實測站位處遙感反射比實測曲線，圖3 反射比光譜曲線差異明顯，代表了這些站位水體光學特性有所差異，適用于水色要素遙感反演模型的建模。

圖3 研究區內實測站點實測遙感反射比光譜曲線Fig. 3 Spectral curves of remote sensing reflectance at measured stations in the study area

1.2 衛星遙感數據

衛星遙感數據包括：HY-1C/D 衛星水色水溫掃描儀（COCTS）數據，Suomi NPP 和JPSS-1 衛星VIIRS 數據，Aqua 和Terra 衛星MODIS 數據，COMS衛星GOCI 數據等。HY-1C/D 衛星COCTS 于國家衛星海洋應用中心海洋衛星數據分發網獲取** https://osdds.nsoas.org.cn/#/** https://oceancolor.gsfc.nasa.gov/*** http://kosc.kiost.ac.kr。Suomi NPP 和JPSS-1 衛星VIIRS，Aqua 和Terra 衛星MODIS，COMS 衛星GOCI 等數據均于美國NASA海洋水色網址獲取*** https://osdds.nsoas.org.cn/#/** https://oceancolor.gsfc.nasa.gov/*** http://kosc.kiost.ac.kr，其中部分GOCI 數據于韓國海洋衛星中心下載獲取**** https://osdds.nsoas.org.cn/#/** https://oceancolor.gsfc.nasa.gov/*** http://kosc.kiost.ac.kr。本文所用數據源時空分辨率、實測時間范圍和幅寬等信息見表1。

表1 衛星數據源信息Table 1 Satellite data source information used in this study

從表1 所列衛星數據源信息可見，各衛星載荷對地觀測時空分辨率、在軌時間范圍均有所差異。為滿足研究區的TSM 濃度遙感，同時考慮到數據獲取途徑和資料處理的可行性和可靠性，COCTS 和GOCI 數據為輻亮度，開展其大氣校正和TSM 濃度反演，大氣校正方法及其云檢測方法參照文獻Ye 等[17]；VIIRS 和MODIS 數據為大氣校正后的遙感反射比，直接使用本文所建的模型反演TSM 濃度。

2 總懸浮物濃度遙感反演方法

采用對實測光譜和TSM 濃度實測數據半經驗分析的方法，建立TSM 濃度的遙感反演方法模型。各遙感載荷波段的等效遙感反射比通過下式計算獲得：

式中，S（λ）為遙感載荷光譜響應函數，Rrs（λ）為實測光譜的遙感反射比。通過分析各遙感載荷的波段設置和特性情況，建立特征波段與TSM 濃度間的統計關系式，研究區內可利用實測數據共計67 組，位置分布如圖2 所示。

2.1 HY-1C/D 衛星COCTS 遙感反演模型

由圖2 觀測站點位置（不同TSM 濃度）和圖3 光譜曲線差異可見，對于HY-1C/D 衛星COCTS 的波段設置情況，在670 nm 處遙感反射比Rrs值差異明顯，同時490 至565 nm 遙感反射比的斜率也存在明顯的差異，由此可得由490，565 和670 nm 波段Rrs的組合并建立TSM 濃度的遙感反演模型，同時參考文獻Tang 等[5]遙感反演公式結論，以中心波長為490，565 和670 nm 的波段建立HY-1C/D 衛星COCTS的杭州灣及其鄰近海域的TSM 濃度遙感反演模型。由于HY-1C 和HY-1D 衛星COCTS 在該3 波段的光譜響應相近，因此采用同一公式計算TSM 濃度CTSM，具體如下：

以實測Rrs（λ）作為輸入，該模型預測值與實測值對比散點如圖4 所示，兩者線性相關系數的平方R2=0.962，平均相對偏差16.9%。

圖4 HY-1C/D 衛星COCTS 杭州灣及其鄰近海域TSM 濃度遙感反演模型效果評價散點圖Fig. 4 Scatter plot for evaluating of the TSM concentration remote sensing retrieval model of COCTS on the HY-1C satellite in Hangzhou Bay and its adjacent waters

2.2 GOCI，VIIRS 和MODIS 遙感反演模型

采用相同的方法，分析GOCI，VIIRS 和MODIS的波段設置及光譜響應特性。選用與COCTS 相近的波段，采用上文COCTS 適用的TSM 濃度遙感模型形式，分別建模得到GOCI，VIIRS 和MODIS 的TSM 濃度遙感反演公式。由于Terra 和Aqua 衛星MODIS 的波段響應特性基本相同，因此兩星MODIS采用相同的TSM 濃度反演公式系數；SNPP 和JPSS-1 衛星VIIRS 的波段響應特性有所差異，則分別建立SNPP 和JPSS-1 衛星VIIRS 的TSM 濃度反演公式，其模型公式中系數所有差異。圖5 為GOCI，VIIRS 和MODIS 在杭州灣及其鄰近海域TSM濃度遙感反演模型效果評價散點圖。建模相對誤差結果顯示GOCI，VIIRS 和MODIS 的TSM 濃度遙感反演模型精度均較高（見圖5）。

圖5 GOCI，VIIRS（SNPP 和JPSS-1 衛星）和MODIS 衛星載荷杭州灣及其鄰近海域TSM 濃度遙感反演模型效果評價散點圖Fig. 5 Scatter plot for evaluating the TSM concentration remote sensing retrieval models for satellite sensor of GOCI, VIIRS on the SNPP, VIIRS on the JPSS-1, and MODIS in Hangzhou Bay and its adjacent waters

對于COCTS，GOCI，VIIRS 和MODIS 等水色遙感載荷，選取的杭州灣及其鄰近海域TSM 濃度遙感反演模型，可將其歸納為如下統一形式：

TSM 濃度反演公式為

對于每個遙感載荷，上述模型中的波段選擇信息見表2。COCTS，MODIS，VIIRS，GOCI 等遙感載荷在杭州灣及其鄰近海域TSM 濃度遙感反演模型公式系數和建模效果評價指標（線性相關系數和平均相對誤差）匯總見表3。由表3 信息可見，COCTS，MODIS，VIIRS 和GOCI 等水色遙感探測器TSM 濃度遙感反演模型建模效果較好，相關系數R2均大于0.96，平均相對誤差不高于19%。

表2 杭州灣及其鄰近海域TSM 濃度遙感反演模型各傳感器波段選擇信息Table 2 Bands selection information of various sensors for the retrieval models of TSM concentration in Hangzhou Bay and its adjacent waters

表3 杭州灣及其鄰近海域TSM 濃度遙感反演模型公式系數及其建模效果評價結果信息Table 3 The formula coefficients and modeling evaluation indicators of TSM concentration remote sensing retrieval models in Hangzhou Bay and its adjacent waters

3 衛星遙感數據總懸浮物濃度反演與融合

3.1 衛星數據遙感反演

衛星遙感數據處理包括針對遙感衛星數據進行輻射定標、云識別、水陸識別、耀斑識別等預處理后，進行大氣校正獲得多光譜遙感數據的Rrs,使用Ye等[17]的方法對COCTS 和GOCI 數據進行云識別、水陸識別、耀斑識別和大氣校正等處理。VIIRS 和MODIS 衛星數據則直接采用NASA 戈達德太空飛行中心（Goddard Space Flight Center）海洋水色網站** https://oceancolor.gsfc.nasa.gov/獲取的大氣校正后的Rrs結果，然后利用前文建立的TSM 濃度反演模型計算得到研究區的水體TSM濃度，TSM 濃度遙感反演結果如圖6 所示。

圖6 杭州灣及其鄰近海域TSM 濃度衛星遙感反演結果（觀測日期：2021 年1 月13 日）Fig. 6 Remote sensing retrieval results of TSM concentration from satellites covering the Hangzhou bay and its adjacent sea area （acquired on 13 January 2021）

3.2 多源衛星遙感數據融合

為開展多源衛星遙感結果的融合，首先計算各衛星遙感CTSM反演結果間的偏差并開展其一致性分析[21]。偏差計算采用比值的形式表示，即

式中，上角ref 為參考載荷，一般選擇精度較高的遙感載荷反演結果為參考載荷；i為待偏差校正的載荷。本文選用HY-1C 衛星COCTS 作為參考載荷。偏差校正后的遙感結果為

對于偏差比值缺失的網格點，則偏差校正后的遙感值為缺失（空白）值。TSM 濃度融合采用加權平均的方法進行融合，數據融合公式采用

式中，ns為參與融合的傳感器數量總和；xi為每個傳感器要素的輸入值；θi為傳感器數據存在的函數，即其值為1 代表融合數據源中存在該傳感器數據，否則取值為0；wi為每個傳感器數據在融合中所占的權重。在數據處理過程中，各傳感器數據的不確定性和質量水平相當，因此各傳感器權重因子均取值為1。

以圖6 中各衛星遙感載荷反演得到的TSM 濃度結果為例，經一致性分析和數據融合所得結果如圖7 所示。數據融合具有提高數據空間覆蓋率的優勢。以圖6 和圖7 所示數據為例，將MODIS/Terra，MODIS/Aqua，VIIRS/Suomi NPP，VIIRS/JPSS-1，COCTS/HY-1C，COCTS/HY-1D 和GOCI/CMOS共7 顆衛星遙感載荷觀測的TSM 濃度進行融合，得到該區域當天的TSM 濃度融合結果，其數據覆蓋率為97.49%，該覆蓋率相對于單星觀測數據覆蓋率均有所提高（見圖6 和圖7）。

圖7 2021 年1 月13 日杭州灣及其鄰近海域TSM 濃度多源衛星遙感融合結果Fig. 7 Merged TSM concentration from multi-source satellite remote sensing results in Hangzhou Bay and its adjacent waters on 13 January 2021

3.3 衛星數據遙感結果精度評價

利用實測TSM 濃度對遙感反演結果進行評估，評估指標包括線性相關系數R和相對偏差EUPD，計算公式如下：

式中，N為匹配數據組的數量，Xi和Yi分別為待驗證和作為真值的驗證數據。

利用2018 和2020 年兩個航次實測數據對融合TSM 濃度結果進行精度驗證，共匹配獲得5 組數據（2018 年4 組，2020 年1 組），匹配點位置見圖8 所示。檢驗結果對比散點圖見圖9。TSM 濃度遙感融合結果與實測數據對比，兩者線性相關系數R=0.72，平均相對偏差EUPD=26%。

圖8 杭州灣及鄰近海域TSM 濃度精度評估匹配點位置分布Fig. 8 Locations of matching points for TSM concentration accuracy evaluation in Hangzhou Bay and its adjacent waters

4 衛星遙感總懸浮物濃度變化趨勢與空間分布

利用本文方法獲得2015 年1 月至2022 年12 月長時序TSM 濃度衛星遙感與融合結果，使用一元線性回歸的方法分析研究區的變化趨勢特征。變化趨勢分析所使用的數據為衛星遙感反演并融合之后，再進行平均統計的月平均數據。采用一元線性回歸分析方法，計算每個網格點的變化速率，得到研究區海域的要素趨勢變化分布。對研究區內每個分辨單元內的TSM 濃度做時間序列的一元線性回歸，得到其時序變化率（見圖10）。

圖10 杭州灣及其鄰近海域遙感TSM 濃度變化趨勢（平均年變化率）分布（黑色區域有效遙感觀測數據不足80%）Fig. 10 Distribution map of TSM concentration change trend （average annual change rate） in Hangzhou Bay and its adjacent waters （The black area in the figure represents the percentage of effective remote sensing data is less than 80%）

研究區內，包括杭州灣、遠離海岸的絕大部分海域TSM 濃度基本保持不變（圖10 中白色區域）或變化不大（年變化率不超過年平均值的0.5%）。長江口和杭州灣口，以及水陸交界鄰近海域表現為降低的變化趨勢。但在靠近長江河口和錢塘江河口等近岸區域（圖中黑色區域），由于衛星遙感數據缺失較嚴重（用于統計分析的數據缺失超過20%），其結果可信度較低，未開展相關變化趨勢統計。

在研究區內選擇5 個典型位置的站位A～E，分別位于杭州灣、長江口和三個離岸較遠的區域，5 個站位位置信息分別見表4，站位A～E 地理位置分布情況如圖11 所示。

表4 TSM 濃度變化分析站點位置信息Table 4 Location information of the sites for TSM concentration variation analysis

圖11 TSM 濃度衛星遙感數據2020 年平均分布及分析站位位置分布Fig. 11 Average distribution map of TSM concentration remote sensing data in 2020 and the location distribution of analysis sites

以上表中站位為中心，在邊長為0.10°的正方形內對月平均TSM 濃度數據進行取值，將獲得的該空間范圍內的TSM 濃度作為該月份的TSM 濃度值，對2015—2022 年每月數據進行時間序列分析，得到該位置處的TSM 濃度時間變化規律。站位A～E 的TSM 濃度時序變化曲線如圖12 所示。

由圖12 可見，A～E 位置處TSM 濃度均呈現明顯的周期性變化規律，且周期為12 個月，A 站位（杭州灣）還存在6 個月周期。A～E 位置均具有明顯的年內季節變化，11 月至次年1 月TSM 濃度值最高，6 月至9 月TSM 濃度最低，這和該海區長江、錢塘江入海河流枯水期和豐水期等時間變化規律一致。A 位置（杭州灣）處TSM 濃度年內季節變化相對于其他區域周期規律性較弱，可能是杭州灣內懸浮物濃度較高，受自身水動力環境影響較大，入海的錢塘江徑流量對灣內懸浮物濃度的影響占比降低?？臻g分布上（見圖11），杭州灣和長江口等靠岸海域TSM 濃度值最大，A 位置處（杭州灣）月平均最高達50 g·m-3，最低約20 g·m-3；B 位置處（長江口）月平均最高達60 g·m-3，最低約10 g·m-3；研究區東南位置（E 站位）TSM 濃度最低，最低達0.2 g·m-3，最高1.6 g·m-3。在高渾濁的近海海域，長江口海域TSM 濃度年內季節差異性最大，杭州灣TSM 濃度整體較高，季節性差異（相對于長江口海域）相對較小。

5 結論

杭州灣、長江口等近海區域的TSM 濃度變化除了受入海河流徑流量等因素影響而存在較強的季節性變化、海域開發以及人工設施影響外，在近海海域還存在由于潮汐作用而導致的日內變化，對于此類條件下的TSM 濃度監測，則需要利用地球靜止軌道水色衛星開展逐小時的高時間分辨率遙感。

基于杭州灣及其鄰近海域航次實測的TSM 濃度和光譜信息數據，建立了中國海洋水色衛星HY-1C/D 衛星COCTS，Suomi NPP 和JPSS-1 衛星VIIRS，Aqua 和Terra 衛星MODIS，COMS 衛星GOCI 等衛星載荷的TSM 濃度遙感反演模型，模型精度平均相對誤差不高于19%。使用本文建立的TSM 濃度遙感反演的局地模型，經遙感反演和融合得到了這些衛星遙感載荷在杭州灣及其鄰近海域總懸浮物的遙感反演數據集。遙感融合結果經與實測數據對比驗證，兩者線性相關系數為0.72，平均相對偏差為26%。2015—2022 年衛星遙感結果表明杭州灣及其鄰近海域總懸浮物濃度年際變化不大，其線性變化量不超過其年平均濃度值的0.5%。

利用包括HY-1C/D 衛星COCTS 等的海洋水色遙感載荷，可有效遙感反演得到杭州灣及其鄰近海域的TSM 濃度并可分析其時間變化特征。然而如需要獲得更高時空分辨率的TSM 濃度等海洋生態環境要素，則需發展地球靜止軌道海洋水色衛星和更高時空分辨率、高性能的海洋生態環境遙感監測衛星。在中國海洋水色衛星方面，規劃了發展新一代海洋水色觀測衛星、高軌海洋與海岸帶環境監測衛星，其將搭載更高時空分辨率和更高性能的極軌衛星及地球靜止軌道海洋水色環境遙感載荷，TSM 濃度遙感反演模型將為未來海洋水色衛星建設提供參考。