曾 群，張海東，陳曉玲，田禮喬??，李文凱，王國(guó)良

（1：華中師范大學(xué)學(xué)報(bào)編輯部，武漢430079）（2：華中師范大學(xué)城市與環(huán)境科學(xué)學(xué)院，武漢430079）（3：武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，武漢430079）

MERIS影像水環(huán)境遙感大氣校正算法評(píng)價(jià)
——以鄱陽(yáng)湖葉綠素a濃度反演為例?

曾 群1，2，張海東2，陳曉玲3，田禮喬3??，李文凱2，王國(guó)良3

（1：華中師范大學(xué)學(xué)報(bào)編輯部，武漢430079）（2：華中師范大學(xué)城市與環(huán)境科學(xué)學(xué)院，武漢430079）（3：武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室，武漢430079）

MERIS是2002年發(fā)射的在軌運(yùn)行近10年的ENVISAT-1衛(wèi)星上搭載的主要傳感器之一，在波段設(shè)置和輻射靈敏度等方面有非常突出的優(yōu)勢(shì)，能夠較好地運(yùn)用于Ⅱ類水體葉綠素a濃度反演，但Ⅱ類水體的大氣校正仍然是亟待解決的一個(gè)關(guān)鍵問(wèn)題.以我國(guó)第一大淡水湖——鄱陽(yáng)湖為研究區(qū)域，采用FLAASH、6S、BEAM和QUAC共4種大氣校正算法對(duì)2005和2011年具有同步實(shí)測(cè)光譜數(shù)據(jù)的鄱陽(yáng)湖ENVISAT-1衛(wèi)星MERIS影像進(jìn)行大氣校正處理，并對(duì)12種葉綠素a濃度反演模型的波段組合因子進(jìn)行大氣校正效果的對(duì)比分析.結(jié)果表明：（1）4種大氣校正中，大氣校正結(jié)果精度由高到低表現(xiàn)為FLAASH＞6S＞BEAM＞QUAC，平均相對(duì)誤差分別為31.13%、31.88%、69.48%和42.64%；決定系數(shù)（R2）分別為0.60、0.57、0.38和0.24；（2）在12種葉綠素a濃度反演模型的波段組合因子中，F(xiàn)LAASH得到的結(jié)果最優(yōu)，其次是6S，BEAM和QUAC最差，在FLAASH算法中，由665、708和753 nm 3個(gè)波段遙感因子（（Rrs（510）／［Rrs（443）／Rrs（560）］）組成的模型精度最高，平均相對(duì)誤差為25.12%，R2為0.74.建議采用FLAASH大氣校正結(jié)果組成這個(gè)波段組合進(jìn)行鄱陽(yáng)湖葉綠素a濃度反演.

水色遙感；大氣校正；葉綠素a；MERIS；FLAASH；6S；BEAM；QUAC；鄱陽(yáng)湖

the most accurate one，the MRE is 25.12%，the determination coefficient is 0.74.This band combination of FLAASH atmospheric correction results is recommended for the chlorophyll-a inference in the Lake Poyang.

?國(guó)家自然科學(xué)基金項(xiàng)目（41571344，41331174）、中國(guó)水利水電科學(xué)研究院流域水循環(huán)模擬與調(diào)控國(guó)家重點(diǎn)實(shí)驗(yàn)室開放研究基金項(xiàng)目（IWHR-SKL-201514）和2015測(cè)繪地理信息公益性行業(yè)科研專項(xiàng)（201512026）聯(lián)合資助.2015-07-25收稿；2016-03-02收修改稿.曾群（1971～），女，博士，副教授；E-mail：zengqun＠m(xù)ail.ccnu.edu.

??通信作者；E-mail：tianliqiao＠whu.edu.cn.

和許多發(fā)展中國(guó)家一樣，中國(guó)的水污染已經(jīng)成為一個(gè)非常嚴(yán)重的環(huán)境問(wèn)題，并且給人類的健康帶來(lái)了很大的風(fēng)險(xiǎn)［1］.由于自然環(huán)境的變化和人類活動(dòng)的影響，中國(guó)的一些大湖正在遭受越來(lái)越嚴(yán)重的富營(yíng)養(yǎng)化（如太湖、巢湖）［2-4］，并且導(dǎo)致嚴(yán)重的環(huán)境問(wèn)題和社會(huì)問(wèn)題.鄱陽(yáng)湖作為我國(guó)第一大淡水湖，具有涵養(yǎng)水源、調(diào)蓄洪水、調(diào)節(jié)氣候和保護(hù)土壤等生態(tài)功能［5］.隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，近年來(lái)鄱陽(yáng)湖也有著水體富營(yíng)養(yǎng)化的趨勢(shì)［6-7］.葉綠素a濃度不僅是重要的水色參數(shù)之一，也是中國(guó)環(huán)境監(jiān)測(cè)總站推薦的湖泊（水庫(kù)）營(yíng)養(yǎng)化評(píng)價(jià)指標(biāo)之一.因此，鄱陽(yáng)湖水體葉綠素a濃度的監(jiān)測(cè)對(duì)于水質(zhì)、水環(huán)境的監(jiān)控以及社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展有重要的現(xiàn)實(shí)意義.

常規(guī)的葉綠素a逐點(diǎn)采樣方法不僅受諸多條件限制，而且僅僅能夠提供空間上的點(diǎn)狀信息，不能同步提供整個(gè)水域葉綠素a濃度的空間分布情況，遙感具有視點(diǎn)高、視域廣、數(shù)據(jù)獲取快和可重復(fù)覆蓋、連續(xù)觀測(cè)的特點(diǎn)，能夠?qū)θ~綠素a濃度進(jìn)行有效監(jiān)測(cè).常用的水色傳感器MODIS和SeaWiFS具有較高的信噪比，但是1100 m的空間分辨率限制了其在較小水域面積中的應(yīng)用，而Landsat TM／TM＋雖然有30 m的空間分辨率，但是其有限的光譜設(shè)置和較低的信噪比依然不能很好地解決在渾濁、動(dòng)態(tài)水域的葉綠素a濃度反演問(wèn)題.中等分辨率成像頻譜儀（Medium Resolution Imaging Spectrometer Instrument：MERIS）是ENVISAT-1上搭載的主要傳感器之一，空間分辨率為300 m，地面刈幅寬為1150 km，與MODIS、Landsat傳感器相比，在波段設(shè)置和輻射靈敏度等方面都有較大的優(yōu)勢(shì)，是目前最有優(yōu)勢(shì)的能用于葉綠素a濃度反演的水色傳感器之一［8］.

水體區(qū)域作為一種暗目標(biāo)信號(hào)，其有效輻射信號(hào)（離水輻亮度）僅占傳感器總信號(hào)的10%左右（大洋I類水體）［9］.對(duì)于水色遙感而言，首要問(wèn)題在于大氣校正.Gordon提出的大氣校正方法在I類水體得到廣泛應(yīng)用［10］，但不適用于沿海和內(nèi)陸II類水體區(qū)域.歐洲空間局（European Space Agency，ESA）發(fā)展的MERIS數(shù)據(jù)處理軟件BEAM內(nèi)嵌的II類水體大氣校正算法能否適合中國(guó)渾濁水體區(qū)域還需要進(jìn)一步驗(yàn)證.目前，在鄱陽(yáng)湖葉綠素a濃度反演研究中，只有馮練等［11］通過(guò)一種新的經(jīng)驗(yàn)算法對(duì)鄱陽(yáng)湖葉綠素a濃度進(jìn)行過(guò)相應(yīng)的研究，但并沒有從大氣校正的角度來(lái)對(duì)鄱陽(yáng)湖葉綠素a濃度進(jìn)行深入探討.

本文采用FLAASH、6S、BEAM和QUAC共4種不同的大氣校正算法，以鄱陽(yáng)湖為研究區(qū)域，對(duì)2005和2011年兩景具有同步實(shí)測(cè)光譜數(shù)據(jù)的MERIS影像進(jìn)行處理并對(duì)比分析，來(lái)綜合評(píng)判4種算法的優(yōu)缺點(diǎn)和適用性，以期為鄱陽(yáng)湖水域葉綠素a濃度的動(dòng)態(tài)監(jiān)測(cè)提供基礎(chǔ)支撐.

1 研究區(qū)域及數(shù)據(jù)預(yù)處理

1.1 研究區(qū)域

鄱陽(yáng)湖（28°22′～29°45′N，115°47′～116°45′E）位于江西省北部、長(zhǎng)江南岸，是我國(guó)最大的淡水湖（圖1）.有著典型的過(guò)水性、吞吐型、季節(jié)性內(nèi)陸湖泊的特征［12］，鄱陽(yáng)湖上承贛江、撫河、信江、饒河和修水“五河”之水，下接長(zhǎng)江，經(jīng)調(diào)蓄后由湖口注入長(zhǎng)江.近年來(lái)由于工業(yè)廢水和生活用水的排放，鄱陽(yáng)湖水質(zhì)越來(lái)越差，水體富營(yíng)養(yǎng)化趨勢(shì)進(jìn)一步加劇［12-13］.

1.2 數(shù)據(jù)源

1.2.1 實(shí)測(cè)數(shù)據(jù) 2005年7月4日和2011年7月24日，對(duì)鄱陽(yáng)湖進(jìn)行2次野外觀測(cè)，獲取20個(gè)站位（圖1）的光譜數(shù)據(jù)和水質(zhì)數(shù)據(jù)等現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù).水體光譜測(cè)量采用美國(guó)Ocean Optics公司的HR2000光纖光譜儀，該光譜儀的波段范圍200～1100 nm，共2048個(gè)波段，最高光譜分辨率為0.035 nm（FWHM）.采樣當(dāng)天，天空晴朗無(wú)云，水面少有微風(fēng).數(shù)據(jù)以12 b格式存儲(chǔ)，積分時(shí)間可調(diào)（3 ms～65 s），視場(chǎng)角可調(diào).采用NASA和SIMBIOS推薦的觀測(cè)幾何參數(shù)，即儀器觀測(cè)平面與太陽(yáng)入射平面的夾角?v和儀器與海面法線方向的夾角θv（?v＝135°，θv＝40°），對(duì)水體進(jìn)行水面以上法光譜測(cè)量，并推導(dǎo)出水體遙感反射率（1／sr）.

1.2.2 影像數(shù)據(jù) 本文采用的衛(wèi)星遙感數(shù)據(jù)為MERIS影像，對(duì)于水體光學(xué)特征復(fù)雜的鄱陽(yáng)湖而言，能更好地

發(fā)揮MERIS在波段設(shè)置和輻射靈敏度方面的優(yōu)勢(shì).并且在國(guó)內(nèi)外已經(jīng)有很多的專家學(xué)者利用MERIS影像評(píng)估內(nèi)陸和沿海水質(zhì)的案例［7］.綜合考慮云覆蓋衛(wèi)星數(shù)據(jù)質(zhì)量與獲取時(shí)間、太陽(yáng)光照條件變化、實(shí)測(cè)數(shù)據(jù)質(zhì)量等因素，選取2005年7月4日和2011年7月24日MERIS兩景鄱陽(yáng)湖區(qū)域無(wú)云MERIS影像進(jìn)行大氣校正.從歐洲空間局網(wǎng)站http：／／eopi.esa.int／esa／esa／可以獲得更多關(guān)于MERIS傳感器及相關(guān)信息.獲取的MERIS影像為原始DN值，在大氣校正處理前，采用公式（1）進(jìn)行輻射定標(biāo)處理：

圖1 鄱陽(yáng)湖2005年7月4日和2011年7月24日MERIS影像及同步采樣站點(diǎn)分布Fig.1 Location of sampling sites in Lake Poyang on July 4th 2005 and July 24th 2011

式中，Lλ為MERIS影像波段的光譜輻射亮度（W／（m2·sr·μm）），gain和offset分別為絕對(duì)定標(biāo)增益和偏移系數(shù)，可以從頭文件中獲得，DN為原始影像灰度值.

2 MERIS影像大氣校正處理方法

2.1 FLAASH大氣校正

FLAASH是光學(xué)成像研究所-波譜科學(xué)研究所（Spectral Sciences Inc.）在美國(guó)空軍研究實(shí)驗(yàn)室（U.S.Air Force Research Laboratory）支持下開發(fā)的大氣校正模塊.波譜科學(xué)研究所在1989年大氣輻射傳輸模型開發(fā)初期就廣泛從事MODTRAN的研究工作，已成為大氣輻射傳輸模型開發(fā)過(guò)程中不可缺少的一員.FLAASH能適用于高光譜遙感數(shù)據(jù)和多光譜遙感數(shù)據(jù)處理［12，14-15］.

選擇ENVI（4.8）軟件中的FLAASH大氣校正模塊對(duì)兩景MERIS影像進(jìn)行大氣校正.校正前需要將影像存儲(chǔ)格式由BSQ（波段順序格式）轉(zhuǎn)換成BIP（波段逐像元交叉順序）或BIL（波段逐行交叉順序）.其中，F(xiàn)LAASH大氣校正模塊所需的中心經(jīng)緯度、傳感器高度、飛行時(shí)間、地面分辨率等具體參數(shù)均可在頭文件（.hdr）中獲得.大氣模型選擇農(nóng)村型，氣溶膠模型根據(jù)查找表獲得，大氣能見度是從同步的實(shí)測(cè)MICROTOPSⅡ太陽(yáng)光度計(jì)獲取的550 nm波段的氣溶膠光學(xué)厚度轉(zhuǎn)換得到（表1）.

2.2 6S大氣校正

6S（Second Simulation of Satellite Signal in the Solar Spectrum）輻射傳輸模型考慮了氣體吸收分子和氣溶膠散射，在太陽(yáng)—地物—傳感器的光線傳輸路徑中，對(duì)光線受大氣的影響進(jìn)行不同的描述，其中包括7種大氣模式和3種用戶自定義大氣模式、8種氣溶膠模式和4種用戶自定義氣溶膠模式.在遙感觀測(cè)的太陽(yáng)—目標(biāo)—傳感器這種模式中，無(wú)論是使用衛(wèi)星或是飛機(jī)，獲取數(shù)據(jù)的過(guò)程中都不可避免地受到大氣的影響.6S就是為了模擬這種地氣系統(tǒng)中的太陽(yáng)輻射，計(jì)算衛(wèi)星入瞳處的輻射能量，通過(guò)這種模擬就可以知道大氣對(duì)太

陽(yáng)輻射的影響大小，由此來(lái)進(jìn)行大氣校正［16-17］.

表1 FLAASH大氣校正輸入?yún)?shù)Tab.1 The input parameters of FLAASH atmospheric correction model for MERIS

6S大氣校正參數(shù)和FLAASH輸入?yún)?shù)類似，如：衛(wèi)星參數(shù)（傳感器類型、傳感器高度和波段范圍）、幾何參數(shù)（太陽(yáng)、衛(wèi)星天頂角和方位角）、大氣參數(shù)（大氣模式和能見度）和觀測(cè)目標(biāo)高度等（表2）.

表2 6S大氣校正輸入?yún)?shù)Tab.2 The input parameters of 6S atmospheric correction model for MERIS

通過(guò)以上參數(shù)信息，利用6S模型可以得到3個(gè)參數(shù)（xa、xb、和xc（表3））及對(duì)應(yīng)的公式（2）、（3）.計(jì)算出校正后的反射率，最后再轉(zhuǎn)換成遙感反射率.

表3 2005年7月4日和2011年7月24日MERIS影像6S大氣校正輸出參數(shù)Tab.3 The output parameters of 6S atmospheric correction model for MERIS

式中，L為經(jīng)過(guò)輻射定標(biāo)后的大氣層頂輻亮度（μW／（cm2·sr·nm）），ρ為校正后的反射率.

2.3 BEAM大氣校正

BEAM（Basic ERS＆ENVISAT（A）ATSR and MERIS Toolbox）是ESA提供的處理（A）ATSR、MERIS與ASAR數(shù)據(jù)的軟件，完全由Java語(yǔ)言編寫可以實(shí)現(xiàn)MERIS數(shù)據(jù)基本的可視化分析處理功能，并且為了用戶方便靈活地使用處理ENVISAT的有關(guān)數(shù)據(jù)提供了API接口，可以直接在www.envisat.com下載.BEAM還提供了MERIS數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)大氣校正算法，得到水體的葉綠素、懸浮物質(zhì)以及溶解有機(jī)物濃度.本實(shí)驗(yàn)運(yùn)用BEAM 5.0對(duì)2005年和2011年兩景MERIS影像進(jìn)行大氣校正，其校正流程見圖2.

圖2 BEAM大氣校正流程圖Fig.2 The flow chart of BEAM atmospheric correction

2.4 QUAC大氣校正

QUAC它可以不需要配套信息而是直接從影像（觀測(cè)像元光譜）內(nèi)獲取大氣補(bǔ)償參數(shù)，模型對(duì)大氣參數(shù)的依賴性小，實(shí)現(xiàn)比較容易.QUAC模型雖在精度上不及FLAASH，但它對(duì)輸入?yún)?shù)和儀器標(biāo)定精度的依賴性小，有其特定的適用性［14-16］.

在ENVI軟件中，通過(guò)QUAC工具可以自動(dòng)從影像上收集不同物質(zhì)的波譜信息，獲取經(jīng)驗(yàn)值完成高光譜和多光譜的快速大氣校正.輸入的數(shù)據(jù)可以是輻亮度值、表觀反射率或者是無(wú)單位的raw數(shù)據(jù)，并且存儲(chǔ)格式和類型沒有特殊要求，QUAC大氣校正流程見圖3，但必須提供多光譜和高光譜傳感器數(shù)據(jù)的每個(gè)波段的中心波長(zhǎng)信息.

3 大氣校正結(jié)果分析

3.1 大氣校正結(jié)果

為了評(píng)價(jià)4種大氣校正算法效果，以衛(wèi)星過(guò)境時(shí)間前后3 h為時(shí)間窗口，選取實(shí)測(cè)光譜轉(zhuǎn)換后的同步等效遙感反射率共計(jì)20個(gè)點(diǎn)來(lái)評(píng)價(jià)4種大氣校正結(jié)果的精度.

總體來(lái)講，F(xiàn)LAASH和6S算法校正結(jié)果比較接近，并且表現(xiàn)比較理想，大氣校正平均相對(duì)誤差分別為31.43%和32.02%，R2分別為0.60和0.57.BEAM大氣校正結(jié)果整體偏低，大氣校正平均相對(duì)誤差也最大，達(dá)到65.25%，R2為0.38.QUAC方法得到的平均相對(duì)誤差為42.93%，R2為0.24，大氣校正結(jié)果并不理想（圖4）.

單波段而言，4種算法表現(xiàn)差異較大.其中，F(xiàn)LAASH算法中，表現(xiàn)最好的是第5波段，平均相對(duì)誤差僅為10.75%，R2為0.82.6S算法中，表現(xiàn)最好的是第7波段，平均相對(duì)誤差為21.3%，R2為0.74.BEAM算法中，表現(xiàn)最好的是第6波段，平均相對(duì)誤差為57.92%，R2為0.59.QUAC算法中，表現(xiàn)最好的是第3波段，平

均相對(duì)誤差為30.2%，R2為0.35.查看站位圖可以發(fā)現(xiàn)，大氣校正誤差較大的點(diǎn)基本位于鄱陽(yáng)湖水域的北部與長(zhǎng)江交匯的地方，湖水與江水的交換可能是造成誤差較大的原因之一.

圖3 QUAC大氣校正流程圖Fig.3 The flow chart of QUAC atmospheric correction

圖4 4種大氣校正算法結(jié)果比較Fig.4 Comparison of the atmospheric correction results provided by methods

3.2 葉綠素a濃度反演分析

在葉綠素a濃度反演上，國(guó)內(nèi)外專家學(xué)者提出了一系列水體葉綠素a濃度遙感定量反演模型，而建立模型主要在于遙感因子的構(gòu)建.本文收集了12種葉綠素a濃度反演模型，來(lái)綜合評(píng)價(jià)4種大氣校正算法組成的遙感因子用于鄱陽(yáng)湖葉綠素a濃度反演各自的優(yōu)缺點(diǎn)（表4）.

以同步實(shí)測(cè)遙感反射率組成的葉綠素濃度反演遙感因子數(shù)據(jù)為基礎(chǔ)，與4種大氣校正方法得到的遙感反射率進(jìn)行對(duì)比可以得出，F(xiàn)LAASH算法中，Y8的效果最優(yōu)，相對(duì)誤差為25.12%，R2為0.74.6S算法中，效果最好的是Y8，相對(duì)誤差為25.7%，R2為0.51.而不管怎樣的波段組合，BEAM中，Y8的決定系數(shù)為0.54，相對(duì)誤差達(dá)到135.27%.QUAC中，效果最好的是Y3，相對(duì)誤差是86.94%，R2為0.28.QUAC算法效果均不理想.從葉綠素a濃度反演角度來(lái)說(shuō)，F(xiàn)LAASH大氣校正算法的Y8組合因子最適用于鄱陽(yáng)湖水域（表5）.

表5 不同葉綠素a濃度反演的遙感因子大氣校正精度比較分析?Tab.5 The accuracy comparison of different chlorophyll-a concentration inversion of remote sensing factors

3.3 誤差分析

通過(guò)2005年和2011年2次共20個(gè)同步現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)，對(duì)FLAASH、6S、BAEM和QUAC大氣校正算法

的MERIS數(shù)據(jù)處理效果進(jìn)行對(duì)比分析.通過(guò)上述分析可以看出，F(xiàn)LAASH和6S算法除了在前幾個(gè)波段的校正值偏高，有高估現(xiàn)象，中間幾個(gè)波段相對(duì)誤差較小，精度較高.而BEAM和QUAC算法都無(wú)法獲得較好的大氣校正效果.對(duì)于鄱陽(yáng)湖這樣的高動(dòng)態(tài)渾濁水體，可能存在以下幾點(diǎn)原因：

1）就算法本身來(lái)講，F(xiàn)LAASH和6S兩種大氣校正算法都不是針對(duì)水體目標(biāo)開發(fā)的，因此在針對(duì)水體目標(biāo)進(jìn)行大氣校正時(shí)，有必要進(jìn)一步對(duì)算法進(jìn)行改進(jìn).

2）衛(wèi)星數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù)不完全同步.在對(duì)鄱陽(yáng)湖區(qū)域進(jìn)行實(shí)測(cè)采樣的過(guò)程中，實(shí)測(cè)數(shù)據(jù)時(shí)間不能和影像過(guò)境時(shí)間完全同步，加上鄱陽(yáng)湖的高動(dòng)態(tài)特征，尤其是靠近北部湖區(qū)，湖水與長(zhǎng)江交換明顯，使得水體情況變化大，對(duì)誤差也有一定影響.

3）鄱陽(yáng)湖自身水體變化情況大，而MERIS影像的空間分辨率為300 m，另外南北湖區(qū)跨度100多km，氣溶膠的復(fù)雜性以及空間尺度變化大的特點(diǎn).在大氣校正過(guò)程中，選擇的是固定的氣溶膠光學(xué)厚度.因此對(duì)于校正精度也存在一定的誤差.

總的來(lái)說(shuō)，鄱陽(yáng)湖葉綠素a濃度較高區(qū)域主要分布在鄱陽(yáng)湖區(qū)西部、東部及南部地區(qū)（圖5），與馮練等［11］反演的鄱陽(yáng)湖葉綠素a濃度分布基本一致.葉綠素a濃度的分布主要是由于風(fēng)速、湖心位置、入湖河流的流速及水量、藻類等共同作用的結(jié)果.鄱陽(yáng)湖西部，南部湖區(qū)由于水面寬度大，水體深度較淺［24］，加上岸邊的蘆葦分布以及湖北陸地植被干擾，因此葉綠素a濃度較高.鄱陽(yáng)湖中部水域湖水自凈能力較強(qiáng)，北部湖區(qū)采砂活動(dòng)頻繁，泥沙含量高，湖泊北部葉綠素a濃度較低，南部葉綠素a濃度高［13］.

圖5 鄱陽(yáng)湖2005年7月4日和2011年7月24日葉綠素a濃度反演結(jié)果Fig.5 The maps of chlorophyll-a concentrations on July 4，2005 and July 24，2011 of Lake Poyang

4 結(jié)論

1）FLAASH、6S、BEAM和QUAC 4種大氣校正算法中，效果最好的是FLAASH算法，平均相對(duì)誤差為31.43%.其次是6S算法，平均相對(duì)誤差為32.02%，最差的是BEAM和QUAC算法，平均相對(duì)誤差分別為65.25%和42.93%.

2）雖然FLAASH和6S算法總體上的表現(xiàn)差異不是很大.但是從單波段來(lái)說(shuō)，F(xiàn)LAASH算法優(yōu)于6S算法.BEAM雖然是專門用于處理MERIS數(shù)據(jù)的軟件，但是在處理鄱陽(yáng)湖這樣的渾濁水體時(shí)，效果并不理想. QUAC雖然在處理過(guò)程，運(yùn)行效率方面有一定優(yōu)勢(shì)，但是精度太低仍然不適用于鄱陽(yáng)湖水域.

3）從葉綠素a濃度反演角度來(lái)說(shuō)，對(duì)于FLAASH算法Y8模型的相對(duì)誤差是25.12%，決定系數(shù)是0.74.總體來(lái)說(shuō)，建議采用FLAASH算法中Y8模型對(duì)鄱陽(yáng)湖葉綠素a濃度進(jìn)行反演.雖然在4種大氣校正算法中，F(xiàn)LAASH能夠獲得相對(duì)較好的效果，由于鄱陽(yáng)湖高動(dòng)態(tài)的典型特點(diǎn)，加之水體中懸浮泥沙及黃色物質(zhì)等都會(huì)對(duì)水體信號(hào)產(chǎn)生很大的影響，若想獲得更為精確的水體光譜信息還需從大氣校正方法方面做一定的改善和提高.

［1］ Liu ZD，Yu XG，Wang ZX.The current water pollution of Taihu drainage basin and the new management proposals.Journal of Natural Resources，2003，18（4）：467-474.

［2］ Yang L，Lei K，Wei M et al.Temporal and spatial changes in nutrients and chlorophyll-a in a shallow lake，Lake Chaohu，China：An 11-year investigation.Journal of Environmental Sciences，2013，25（6）：1117-1123.

［3］ Dong BL，Qin BQ，Gao G et al.Submerged macrophyte communities and the controlling factors in large，shallow Lake Taihu（China）：Sediment distribution and water depth.Journal of Great Lakes Research，2014，40（3）：646-655.

［4］ Liu Y，Chen W，Li D et al.Cyanobacteria-／cyanotoxin-contaminations and eutrophication status before Wuxi drinking water crisis in Lake Taihu，China.Journal of Environmental Sciences，2011，23（4）：575-581.

［5］ Yu Jinxiang，Liu Yafei，Zhong Xiaolan.Study on water environment carrying capacity and main pollution sources of Poyang Lake.Acta Agriculturae Jiangxi，2009，3（3）：90-93（in Chinese with English abstract）.［余進(jìn)祥，劉婭菲，鐘小蘭.鄱陽(yáng)湖水環(huán)境承載力及主要污染源研究.江西農(nóng)業(yè)學(xué)報(bào)，2009，3（3）：90-93.］

［6］ Mao Yuting，Zhou Xiaoyu，Wang Maolan.Study on the eutrophication status in Poyang Lake during lower water peirod. Journal Nanchang University：Natural Science，2014，38（6）：595-599（in Chinese with English abstract）.［毛玉婷，周曉宇，王毛蘭.枯水期鄱陽(yáng)湖水體富營(yíng)養(yǎng)化狀態(tài)評(píng)價(jià).南昌大學(xué)學(xué)報(bào)：理科版，2014，38（6）：596-599.］

［7］ Tong Huijie，Ge Bangjun.Giving full play to the advantages of satellite remote sensing to promote sustainable development. The Eleventh National Symposium on Remote Sensing Technology，1999（in Chinese with English abstract）.［仝慧杰，葛榜軍.發(fā)揮衛(wèi)星遙感優(yōu)勢(shì)促進(jìn)可持續(xù)發(fā)展.第十一屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)，1999.］

［8］ Gao Zhongling，Wang Xiaoqin，Chen Yunzhi.The characteristic and applications of MERIS.The Fifteenth National Symposium on Remote Sensing Technology Abstracts，2005（in Chinese with English abstract）.［高中靈，汪小欽，陳云芝. MERIS數(shù)據(jù)特性及應(yīng)用.第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集，2005.］

［9］ Tang JW，Gu Xingfa，Niu Shengli et al.Cross-radiation based water quality objectives of CBERS-02b CCD image and MODIS.Science China：Series E：Information Sciences，2005，35（z1）：59-69（in Chinese with English abstract）.［唐軍武，顧行發(fā)，牛生麗.基于水體目標(biāo)的CBERS-02衛(wèi)星CCD相機(jī)與MODIS的交叉輻射定標(biāo).中國(guó)科學(xué)：E輯：信息科學(xué)，2005，35（z1）：59-69.］

［10］ Gordon HR，Wang M.Retrieval of water-leaving radiance and aerosol optical thickness over the oceans with SeaWiFS：a preliminary algorithm.Applied Optics，1994，33（3）：443-452.

［11］ Feng L，Hu C，Han X et al.Long-term distribution patterns of chlorophyll-a concentration in China’s largest freshwater lake：MERIS full-resolution observations with a practical approach.Remote Sensing，2014，7（1）：275-299.

［12］ Zeng Qun，Zhao Yue，Tian Liqiao et al.Poyang Lake in China as a case.Spectroscopy and Spectral Analysis，2013，5（5）：1320-1326（in Chinese with English abstract）.［曾群，趙越，田禮喬等.HJ-1A／1B衛(wèi)星CCD影像水環(huán)境遙感大氣校正方法評(píng)價(jià)研究——以鄱陽(yáng)湖為例.光譜學(xué)與光譜分析，2013，5（5）：1320-1326.］

［13］ Hu Chunhua，Zhou Wenbin，Wang Maolan et al.Inorganic nitrogen and phosphate and potential eutrophication assessment in Poyang Lake.J Lake Sci，2010，5（5）：723-728（in Chinese with English abstract）.DOI：10.18307／2010.0514.［胡春華，周文斌，王毛蘭等.鄱陽(yáng)湖氮磷營(yíng)養(yǎng)鹽變化特征及潛在性富營(yíng)養(yǎng)化評(píng)價(jià).湖泊科學(xué)，2010，5（5）：723-728.］

［14］ Guo Yunkai，Zeng Fan.Atmospheric correction comparison of SPOT 5 image based on FLAASH and QUAC model.Bulletin of Surveying and Mapping，2012，11：21-23（in Chinese with English abstract）.［郭云開，曾繁.基于FLAASH與QUAC模型的SPOT 5影像大氣校正比較.測(cè)繪通報(bào)，2012，11：21-23.］

［15］ Kruse FA.Comparison of ATREM，ACORN，and FLAASH atmospheric corrections using low-altitude AVIRIS data of Boulder，CO.Jpl Airborne Geoscience Workshop，2004.

［16］ Wilson RT.Py6S：A Python interface to the 6S radiative transfer model.Computers＆Geosciences，2013，51（2）：166-171.

［17］ Zhao W，Tamura M，Takahashi H.Atmospheric and spectral corrections for estimating surface albedo from satellite data using 6S code.Remote Sensing of Environment，2001，76（2）：202-212.

［18］ Moses WJ，Gitelson AA，Berdnikov S et al.Operational MERIS-based NIR-red algorithms for estimating chlorophyll-a concentrations in coastal waters—The Azov Sea case study.Remote Sensing of Environment，2012，121（138）：118-124.

［19］ Koponen S，Attila J，Pulliainen J et al.A case study of airborne and satellite remote sensing of a spring bloom event in the Gulf of Finland.Continental Shelf Research，2007，27（2）：228-244.

［20］ Weghorst PL.MODIS algorithm assessment and principal component analysis of chlorophyll concentration in Lake Erie. Kent：Kent State University，2008.

［21］ Gons HJ，Auer MT，Effler SW.MERIS satellite chlorophyll mapping of oligotrophic and eutrophic waters in the Laurentian Great Lakes.Remote Sensing of Environment，2008，112（11）：4098-4106.

［22］ Lyu H，Li X，Wang Y et al.Evaluation of chlorophyll-a retrieval algorithms based on MERIS bands for optically varying eutrophic inland lakes.Science of the Total Environment，2015，530：373-382.

［23］ Yang W，Matsushita B，Chen J et al.Estimating constituent concentrations in case II waters from MERIS satellite data by semi-analytical model optimizing and look-up tables.Remote Sensing of Environment，2011，115（5）：1247-1259.

［24］ Qi Shuhua，Gong Jun，Shu Xiaobo et al.Study on inundation extent water depth and storage capacity of Poyang Lake by RS.Yangtze River，2010，9（9）：35-38（in Chinese with English abstract）.［齊述華，龔俊，舒曉波等.鄱陽(yáng)湖淹沒范圍、水深和庫(kù)容的遙感研究.人民長(zhǎng)江，2010，9（9）：35-38.］

Evaluation on the atmospheric correction methods for water color remote sensing by using MERIS image：A case study on chlorophyll?a concentration of Lake Poyang

ZENG Qun1，2，ZHANG Haidong2，CHEN Xiaoling3，TIAN Liqiao3??，LI Wenkai2&WANG Guoliang3
（1：Editorial Department of Journal，Central China Normal University，Wuhan 430079，P.R.China）（2：School of Urban and Environment Science，Central China Normal University，Wuhan 430079，P.R.China）（3：State Key Laboratory of Information Engineering in Surveying，Mapping and Remote Sensing，Wuhan University，Wuhan 430079，P.R.China）

MERIS is the sensor of ENVISAT-1 satellite in orbit nearly 10 years，which was launched in 2002.The band setting and radiation sensitivity of MERIS could well be applied to chlorophyll-a concentration inference，but the atmospheric correction in CaseⅡwater is still a key problem.Taking the Lake Poyang，the biggest freshwater lake in China as a case，the results of ENVISAT-1 satellite MERIS images using FLAASH，6S，BEAM and QUAC atmospheric correction algorithms in 2005 and 2011 with simultaneous in-situ spectral data was evaluated.The band combination factor of 12 chlorophyll-a retrieval models were also assessed.Results show that：（1）the order of atmospheric correction accuracy from high to low are FLAASH，6S，BEAM，QUAC，with the mean relative error of 31.13%，31.88%，69.48%and 42.64%，respectively；and the determination coefficients（R2）of 0.60，0.57，0.38 and 0.24，respectively.（2）Among the band-combined chlorophyll-a retrieval models，F(xiàn)LAASH is the best one，followed by 6S，BEAM and QUAC.As for FLAASH algorithm，the three bands（（Rrs（510）／［Rrs（443）／Rrs（560）］）model is

Water color remote sensing；atmospheric correction；chlorophyll-a；MERIS；FLAASH；6S；BEAM；QUAC；Lake Poyang

J.Lake Sci.（湖泊科學(xué)），2016，28（6）：1306-1315

DOI 10.18307／2016.0616

?2016 by Journal of Lake Sciences