基于高光谱叶绿素指数的太湖分析案例

背景介绍

卫星遥感技术在内陆水体水质监测中具有重要作用，可以大范围、较快速、低成本的实现主要水质参数的反演。但内陆水体水质监测也对卫星遥感技术提出了较高要求：小型水体需要较高的空间分辨率；快速变化的水质要求较高的时间分辨率；复杂多变的水体光学特性要求较高的光谱分辨率。因此，同时满足高空间、高时间、高光谱分辨率的卫星数据在内陆水体监测中具有巨大的优势。

叶绿素ａ是重要的水质参数，是藻类植物的重要色素，可以反映不同藻类植物的生物总量以及分布情况，衡量水体的富营养化程度。

水华暴发时，水体绝大部分区域的叶绿素浓度一般都超过了100mg·m^-3，此时叶绿素ａ浓度已难以作为水华的预警，在水华暴发前夕或初期，对水体的叶绿素ａ浓度进行监测可以得到水体藻类的生物量以及水质状况，对于水华预警以及有针对性的预防具有重要意义。

方法和原理

该案例中使用2025年6月18日西光壹号05星（天仙配号）拍摄的太湖地区高光谱影像，开展了多种叶绿素指数的计算，并根据指数对应的结果对太湖区域水质情况进行分析。

表1. 数据介绍

该案例中，指数计算使用经过大气校正的L2C级反射率数据，具体操作流程如下：

1.数据预处理

辐射定标：对原始DN值数据，使用辐提供的射定标系数进行辐射校正，得到表观辐亮度数据，可以使用ENVI中的Radiometric Calibration工具进行。

大气校正：使用基于6S或MODTRAN模型的大气校正工具进行大气校正，得到地表反射率数据，例如ENVI中的FLAASH大气校正工具。

光谱平滑：在ENVI中对地表反射率数据使用Savitzky-Golay（SG）算法进行平滑，光谱降噪的同时提高后续相关指数计算的可靠性。

水体掩膜：通过对地表反射率数进行归一化水体指数计算，根据计算结果的直方图选择合适阈值，提取太湖区域。

指数计算：计算各光谱指数。

2.光谱指数计算

• NDWI

水体范围的提取采用光谱指数法。具体是基于FLAASH处理后的地表反射率图像进行归一化水体指数 NDWI （Normalized Difference Water Index） 计算，然后基于NDWI图像的直方图，设定阈值完成水体提取。计算公式如下：

• 二波段比值指数（BR）

通过 705nm 与 671nm 波段的遥感反射率 R_rs​ 比值，突出叶绿素光谱差异，计算公式如下：

• 归一化叶绿素指数（NDCI）

利用 705nm 和 671nm 波段反射率的归一化差异，可用于提取与叶绿素相关的地物（如藻类、植被等）信息，计算公式如下：

• 三波段指数（TBI）

结合 671nm、705nm 波段的反射率倒数差，再与 731nm 波段反射率相乘，可能用于突出浊水体浊度变化或差异，计算公式如下：

结果展示

图1 真彩色合成影像（西光壹号05星（天仙配号）， 20250618）

SG滤波前后太湖区域光谱曲线对比（反射率扩大10000倍，西光壹号05星（天仙配号），20250406）

图2 SG滤波前后光谱曲线对比

对西光壹号05星（天仙配号）进行上述水体提取、指数计算，得到以下结果：

图3 二波段比值指数（BR）分布图（西光壹号05星（天仙配号），20250618）

图4归一化叶绿素指数（NDCI）分布图（西光壹号05星（天仙配号），20250618）

图5三波段指数（TBI）分布图（西光壹号05星（天仙配号），20250618）

从上述结果图中可以看到BR、TCDI指数结果整体分布结果较为一致，而TBI的分布存在一定的差异性。整体看来西太湖区域藻华严重，靠近藻华的区域叶绿素a浓度比较高，这是由于太湖西部是入湖河流集中的地方，随河流汇入带来了大量营养盐，导致藻类生长旺盛，从而引发蓝藻水华和叶绿素 a 浓度升高； 湖心和东太湖区域受到的影响相对小一些，因此水质状况好于西太湖，东部有水草生长，且叶绿素a浓度较低。

结合历史资料分析，太湖的西北部湖湾、竺山湾、梅梁湾等是蓝藻水华发生频次最高的水域，这３个水域的水华情况最为严重。水面表层的藻类会受风浪影 响。一方面会在水流作用下流动，蓝藻集中堆积在湖湾区域，形成水华；另一方面因为太湖地区夏季的主导风向是东风和东南风，当蓝藻上浮到水面，会在风力作用下向太湖的北部和西部漂移，与这些水域自身生长的蓝藻结合形成严重的水华。

中心湖区是较大规模的水华分布区，在夏季中心湖区一旦暴发水华，覆盖范围较大，中心湖区均有历史暴发大范围水华并且超出其他水域水华范围。而西南湖区很少发生水华现象，东太湖水域几乎未暴发水华，说明东太湖水域环境较好。