光譜成像技術對海洋生態監測

1 前序

高光譜成像作為一種新型的光譜成像技術，在海洋生態監測領域中充分展現了其自身的技術優勢。由于高光譜成像光譜儀具有光譜覆蓋范圍廣、分辨率高和波段多、圖譜合一等優點，因此已成為海洋總氮、總磷等的有效監測手段。它既可用于海水中高錳酸鹽濃度、懸浮泥沙含量、某些污染物和表層水溫探測，還可用于海冰、海岸帶等地表的探測。

國內海洋遙感應用基礎研究主要是一些數學模型的構建。在海洋水質監測應用方面，只有可見光波段的光譜能夠觀測水下的狀況。另外，陸源污染、海水養殖、灘涂等海岸帶典型要素的光譜特性研究工作也在開展，研究人員以航空/衛星的高光譜圖像為數據源，選取陸源污染、海水養殖、灘涂為監測要素，進行上述要素的光譜波段敏感性研究，獲得其探測的最佳波段，并進一步發展準確、快速識別和探測技術。在海洋表面溫度測量、海洋表層懸浮泥沙濃度的定性或半定量的觀測、海洋動力現象的研究等方面都開展了相應的研究。通過水質遙感監測分析水體反射光譜特征與水質參數濃度之間的關系，建立水質參數的反演算法。這是一種不僅省時省力，而且還可以利用衛星影像進行全面、及時的水質監測的方法。

2 ?材料與試驗部分

野外試驗飛行總共為兩次，均在中國的某段海面上進行。

2.2 ?數據采集設備

本次試驗采用大疆六旋翼無人機M600 Pro(無人機凈重約4 kg，最大載重約 10 kg)，在無人機遙感平臺上搭載高光譜成像光譜儀，該成像系統采用擁有自主知識產權的內置推掃方式獲取地面圖像(其主要參數見表1)。無人機的飛行高度均為300m，分別采集了33景和37景圖像，無人機遙感平臺的實景圖如圖1所示。

表1 ??GaiaSky-mini2 無人機載成像高光譜儀系統參數

圖1 ??無人機高光譜成像系統實景圖

2.3 ?無人機高光譜數據的預處理與分析

無人機高光譜圖像的預處理在軟件中進行，包括鏡像變換、黑白幀校準（如公式1所示）。

?????(1)

式中，Rref?是黑白校正過的圖像的反射率值，DNraw?是原始圖像的DN值，DNwhite為白板的白幀數據，DNdark?是相機的系統誤差DN值。

考慮到無人機飛到一定高度后，高光譜成像儀獲取的高光譜影像數據可能會受到大氣、水汽等因素的影響。為了消除這些因素的影響，我們（系統）在無人機起飛之前，在拍攝區域放置一塊經過國家計量院標定過的2m*2m灰布，在高光譜影像獲取的時候，只需要在其中的一景高光譜影像中覆蓋到灰布即可。消除大氣、水汽等因素影響的方法如公式2所示。

? ? (2)

式中，Rfixed?是消除大氣、水汽等因素后的圖像光譜反射率，Rref是經過黑白校正后的圖像反射率，Rstandard是經過國家計量院標定的灰布的光譜反射率，Rgrayref?是經過黑白校正后圖像中灰布的光譜反射率。

2.4 ?無人機高光譜影像拼接

無人機高光譜影像的拼接采用無人機高光譜拼接軟件進行拼接，該拼接軟件有圖像篩選、拼接預覽、投影方式選擇、拼接方法選擇、重采樣方法選擇、是否勻色、拼接結果格式輸出選擇等功能。拼接軟件界面如圖2所示。

圖2 ?無人機高光譜拼接軟件SpecStitcher

3 ?結果與分析

圖3.1（左）及圖3.2（左）為利用無人機高光譜拼接軟件SpecStitcher對海面及其海岸的無人機高光譜影像的三波段拼接效果預覽圖（RGB分別代表640 nm/550 nm/460 nm最鄰近波長）。從拼接結果來看，第一次與第二次采集到的海面影像數據拼接效果較好。提取出陸地和海水的光譜曲線如圖3所示。

?

圖4?海水與陸地光譜對比

無人機高光譜影像不僅包含有河流，還有其他的樹木、雜草、土壤、道路、建筑物等，從影像中提取感興趣的目標物，通常的方法有非監督分類、監督分類、決策樹、面向對象分類等，本研究采用監督分類的馬氏距離法對拼接好的無人機高光譜影像進行分類，從而提取了兩次數據中的海水信息，并對第二次海水進行可見總氧、總磷和高錳酸鹽等水質參數的反演。兩次飛行提取出的海水信息如圖3.1（右）及圖3.2（右）所示。

3.2 ?無人機高光譜影像河流提取方法

3.3 ?總氮、總磷和高錳酸鹽的反演

水體中總氮、總磷和高錳酸鹽含量是衡量水質的重要指標。常規氮磷和高錳酸鹽的測量方法需要長時間的高溫、高壓消解，且消解的溫度、時間和試劑對測定的結果均有較大的影響，整個操作煩瑣、費時和耗力；因此本研究試圖利用高光譜遙感技術，通過對水體中氮、磷和高錳酸鹽光譜的測定，探索水體氮、磷和高錳酸鹽與反射光譜特征的關系，建立氮、磷濃度和高錳酸鹽的反演模型，為湖泊、水庫和河流等大型內陸水體氮磷及高錳酸鹽遙感定量監測提供理論依據。目前的一些研究僅根據總氮、總磷、高錳酸鹽與海水水質之間具有的密切相關關系，建立總氮、總磷和高錳酸鹽的遙感信息模型。

以第二次無人機飛行數據為例，利用機載高光譜影像反演海水的總磷濃度、總氮和高錳酸鹽濃度的分布圖，如圖5所示。

4 結論與討論

本文以中國某段海面作為研究對象，利用無人機搭載高光譜成像儀獲取的海面光譜圖像信息，采用拼接軟件對獲取的影像進行拼接以得到一段完整的海面及海灘的高光譜影像數據；基于海水的固有特性，提取了兩次無人機高光譜數據中的海水信息；進而根據現有報道的地面尺度研究海洋、湖泊富營養以及水污染的高光譜數據模型，選擇了穩定性較好的經典模型，對兩段海面進行富營養（總氮、總磷和高錳酸鹽）的反演研究。結合現場調研以及高光譜影像反演效果來看，本實驗可以很好地反映出海面的富營養和受污染程度。該研究為水利、水電部門和環保部門提供了一種監測海水富營養及受污染的分布情況的有效方法，為相關技術人員判斷污染源以及尋找水體富營養的原因提供了有效的技術手段。