光谱成像技术对海洋生态监测

1 前序

高光谱成像作为一种新型的光谱成像技术，在海洋生态监测领域中充分展现了其自身的技术优势。由于高光谱成像光谱仪具有光谱覆盖范围广、分辨率高和波段多、图谱合一等优点，因此已成为海洋总氮、总磷等的有效监测手段。它既可用于海水中高锰酸盐浓度、悬浮泥沙含量、某些污染物和表层水温探测，还可用于海冰、海岸带等地表的探测。

国内海洋遥感应用基础研究主要是一些数学模型的构建。在海洋水质监测应用方面，只有可见光波段的光谱能够观测水下的状况。另外，陆源污染、海水养殖、滩涂等海岸带典型要素的光谱特性研究工作也在开展，研究人员以航空/卫星的高光谱图像为数据源，选取陆源污染、海水养殖、滩涂为监测要素，进行上述要素的光谱波段敏感性研究，获得其探测的最佳波段，并进一步发展准确、快速识别和探测技术。在海洋表面温度测量、海洋表层悬浮泥沙浓度的定性或半定量的观测、海洋动力现象的研究等方面都开展了相应的研究。通过水质遥感监测分析水体反射光谱特征与水质参数浓度之间的关系，建立水质参数的反演算法。这是一种不仅省时省力，而且还可以利用卫星影像进行全面、及时的水质监测的方法。

2  材料与试验部分

野外试验飞行总共为两次，均在中国的某段海面上进行。

2.2  数据采集设备

本次试验采用大疆六旋翼无人机M600 Pro(无人机净重约4 kg，最大载重约 10 kg)，在无人机遥感平台上搭载高光谱成像光谱仪，该成像系统采用拥有自主知识产权的内置推扫方式获取地面图像(其主要参数见表1)。无人机的飞行高度均为300m，分别采集了33景和37景图像，无人机遥感平台的实景图如图1所示。

表1   GaiaSky-mini2 无人机载成像高光谱仪系统参数

图1   无人机高光谱成像系统实景图

2.3  无人机高光谱数据的预处理与分析

无人机高光谱图像的预处理在软件中进行，包括镜像变换、黑白帧校准（如公式1所示）。

     (1)

式中，Rref 是黑白校正过的图像的反射率值，DNraw 是原始图像的DN值，DNwhite为白板的白帧数据，DNdark 是相机的系统误差DN值。

考虑到无人机飞到一定高度后，高光谱成像仪获取的高光谱影像数据可能会受到大气、水汽等因素的影响。为了消除这些因素的影响，我们（系统）在无人机起飞之前，在拍摄区域放置一块经过国家计量院标定过的2m*2m灰布，在高光谱影像获取的时候，只需要在其中的一景高光谱影像中覆盖到灰布即可。消除大气、水汽等因素影响的方法如公式2所示。

    (2)

式中，Rfixed 是消除大气、水汽等因素后的图像光谱反射率，Rref是经过黑白校正后的图像反射率，Rstandard是经过国家计量院标定的灰布的光谱反射率，Rgrayref 是经过黑白校正后图像中灰布的光谱反射率。

2.4  无人机高光谱影像拼接

无人机高光谱影像的拼接采用无人机高光谱拼接软件进行拼接，该拼接软件有图像筛选、拼接预览、投影方式选择、拼接方法选择、重采样方法选择、是否匀色、拼接结果格式输出选择等功能。拼接软件界面如图2所示。

图2  无人机高光谱拼接软件SpecStitcher

3  结果与分析

图3.1（左）及图3.2（左）为利用无人机高光谱拼接软件SpecStitcher对海面及其海岸的无人机高光谱影像的三波段拼接效果预览图（RGB分别代表640 nm/550 nm/460 nm最邻近波长）。从拼接结果来看，第一次与第二次采集到的海面影像数据拼接效果较好。提取出陆地和海水的光谱曲线如图3所示。

 

图4 海水与陆地光谱对比

无人机高光谱影像不仅包含有河流，还有其他的树木、杂草、土壤、道路、建筑物等，从影像中提取感兴趣的目标物，通常的方法有非监督分类、监督分类、决策树、面向对象分类等，本研究采用监督分类的马氏距离法对拼接好的无人机高光谱影像进行分类，从而提取了两次数据中的海水信息，并对第二次海水进行可见总氧、总磷和高锰酸盐等水质参数的反演。两次飞行提取出的海水信息如图3.1（右）及图3.2（右）所示。

3.2  无人机高光谱影像河流提取方法

3.3  总氮、总磷和高锰酸盐的反演

水体中总氮、总磷和高锰酸盐含量是衡量水质的重要指标。常规氮磷和高锰酸盐的测量方法需要长时间的高温、高压消解，且消解的温度、时间和试剂对测定的结果均有较大的影响，整个操作烦琐、费时和耗力；因此本研究试图利用高光谱遥感技术，通过对水体中氮、磷和高锰酸盐光谱的测定，探索水体氮、磷和高锰酸盐与反射光谱特征的关系，建立氮、磷浓度和高锰酸盐的反演模型，为湖泊、水库和河流等大型内陆水体氮磷及高锰酸盐遥感定量监测提供理论依据。目前的一些研究仅根据总氮、总磷、高锰酸盐与海水水质之间具有的密切相关关系，建立总氮、总磷和高锰酸盐的遥感信息模型。

以第二次无人机飞行数据为例，利用机载高光谱影像反演海水的总磷浓度、总氮和高锰酸盐浓度的分布图，如图5所示。

4 结论与讨论

本文以中国某段海面作为研究对象，利用无人机搭载高光谱成像仪获取的海面光谱图像信息，采用拼接软件对获取的影像进行拼接以得到一段完整的海面及海滩的高光谱影像数据；基于海水的固有特性，提取了两次无人机高光谱数据中的海水信息；进而根据现有报道的地面尺度研究海洋、湖泊富营养以及水污染的高光谱数据模型，选择了稳定性较好的经典模型，对两段海面进行富营养（总氮、总磷和高锰酸盐）的反演研究。结合现场调研以及高光谱影像反演效果来看，本实验可以很好地反映出海面的富营养和受污染程度。该研究为水利、水电部门和环保部门提供了一种监测海水富营养及受污染的分布情况的有效方法，为相关技术人员判断污染源以及寻找水体富营养的原因提供了有效的技术手段。