， ， ，，

(1.浙江水利水電學院 測繪與市政工程學院，杭州 310018；2.浙江工商大學 旅游與城鄉(xiāng)規(guī)劃學院，杭州 310018；3.浙江省水文局，杭州 310024； 4.浙江水利水電學院 水利與環(huán)境工程學院，杭州 310028)

1 研究背景

水體中的葉綠素a和懸浮物是重要的水質(zhì)參數(shù)。葉綠素 a 是浮游植物或藻類植物中最豐富的色素，其含量大小在一定程度上反映了水體富營養(yǎng)化的程度[1]。懸浮物是指懸浮在水中的固體物質(zhì)，包括不溶于水的無機物、有機物、泥沙、黏土和微生物等，是我國近岸海水環(huán)境和湖泊水環(huán)境質(zhì)量檢測的重要參數(shù)之一[2-3]。常規(guī)的水質(zhì)參數(shù)人工監(jiān)測方法費時、費力，且由于河流水體流動性大，采樣點的數(shù)目和次數(shù)有限，監(jiān)測結(jié)果難以代表整個水體中水質(zhì)指標的分布狀況。利用遙感方法監(jiān)測水體水質(zhì)范圍廣、速度快、成本低，可以反映水質(zhì)參數(shù)在空間和時間上的分布情況和變化，便于長期動態(tài)監(jiān)測。

目前國內(nèi)外主要是利用基于中低分辨率遙感數(shù)據(jù)如MODIS，MERIS，Landsat/TM，HJ1 /CCD和高分辨率遙感數(shù)據(jù)如SPOT，GF-1等對河流的典型水色參數(shù)葉綠素 a濃度和懸浮物濃度進行反演模型研究[4-6]。然而，這些研究主要關注面積較大的內(nèi)陸湖泊或海洋等水體，對于寬度較小、水體流動性大的河流水體關注較少；另外針對與城鎮(zhèn)人口生活關系密切的河流水體，必須使用高空間分辨率的遙感數(shù)據(jù)進行水質(zhì)參數(shù)估算，才能快速監(jiān)測河流水質(zhì)參數(shù)的空間分布變化特征。2013 年 4 月，我國自主研制的第一顆民用高分辨率衛(wèi)星高分一號( GF-1)成功發(fā)射，GF-1衛(wèi)星搭載了2臺2 m分辨率全色/8 m分辨率多光譜相機和4臺16 m分辨率多光譜相機，光譜信噪比高，為寬度較小、水體流動性大的河流水體進行典型水色參數(shù)遙感估算提供了重要的硬件基礎。

錢塘江水系是浙江省最大的水系，是浙江省重要命脈，錢塘江水環(huán)境污染問題會嚴重制約經(jīng)濟社會的可持續(xù)發(fā)展[7]?；诟叻忠惶?GF-1)16 m分辨率的GF-1/WFV傳感器數(shù)據(jù)和地面實測數(shù)據(jù)，利用地面實測光譜反射率數(shù)據(jù)模擬的WFV波段組合，構(gòu)建水體葉綠素a和總懸浮物濃度遙感模型，對錢塘江流域杭州段水體水質(zhì)進行遙感估算，以期探索利用高分一號衛(wèi)星數(shù)據(jù)遙感監(jiān)測河流水色參數(shù)，也為后續(xù)基于高分遙感影像的河流水質(zhì)監(jiān)測的理論和方法研究提供重要的參考依據(jù)。

2 研究區(qū)概況和數(shù)據(jù)源處理

2.1 研究區(qū)與樣點

研究區(qū)域為錢塘江杭州段之江水文站斷面，采樣區(qū)域長2 km，寬1 km，各樣點之間間隔300～500 m，低潮位時水深約3 m，測量樣點15個，樣點分布如圖1所示。測量時間為2016年12月7日9：00—16：00，間隔0.5 h取樣測量一次,測量內(nèi)容包括光譜測量和水樣采集。

圖1 研究區(qū)及采樣點分布Fig.1 Distribution of sampling points in the study area

2.2 實驗數(shù)據(jù)獲取與處理

野外光譜測量使用美國分析光譜儀器公司的ASD(Analytical Spectral Devices)野外光譜輻射儀(ASD FieldSpec.)。為減少水體鏡面反射和船體自身陰影的影響，測量采用二類水體水面以上光譜測量方法[8]，測量時距離水面0.5～1.0 m。測量的數(shù)據(jù)有標準灰板(反射率為30%)、水體和天空光的光譜輻亮度信息，每個對象采集20條光譜數(shù)據(jù)，選取每個樣點重復測量的遙感反射率的中值作為該點的反射率。在測量得到的光譜曲線中，選擇350～900 nm的數(shù)據(jù)計算遙感反射率[8]。

野外采集的水樣避光保存，并于當天送到國家海洋局第二海洋研究所衛(wèi)星海洋環(huán)境動力學國家重點實驗室進行實驗分析，測定葉綠素a和總懸浮物濃度。室內(nèi)葉綠素a濃度(Chla)使用直徑25 mm的Whatman GF/F濾膜進行過濾，丙酮萃取后，使用熒光光度法進行測量?？倯腋∥餄舛?TSM)使用事先稱重的直徑47 mm的Whatman GF/F濾膜過濾，并采用常規(guī)的干燥、烘燒、稱重法進行測定。所有樣品均設置2個平行樣，2次測量結(jié)果的均值作為最終濃度。

由于GF-1/WFV衛(wèi)星影像的獲取時間與實測數(shù)據(jù)時間存在差異，會影響數(shù)據(jù)的代表性及模型精度，因此使用實測光譜反射率擬合GF-1/WFV各波段光譜數(shù)據(jù)進行模型構(gòu)建。高分一號衛(wèi)星影像的波段設置為4段：藍(波長450 ～ 520 nm，)、綠( 520～590 nm)、紅(630～690 nm)、近紅外(770～890 nm)，其光譜響應函數(shù)可以在中國資源衛(wèi)星應用中心網(wǎng)站上進行獲取。根據(jù)式(1)，由實測高光譜遙感反射率(波長間隔為1 nm)計算傳感器通道i的反射率，傳感器光譜通道i的反射率ri為

(1)

式中：λsi為通道i的起始波長；λei為通道i的終止波長；r(λ)為波長λ處的反射率值；φi(λ)為波段i在波長λ處的光譜響應因子。

3 監(jiān)測數(shù)據(jù)的反演模型構(gòu)建與影像處理

3.1 反演模型的構(gòu)建與評價

基于擬合得到的GF-1/WFV各通道光譜數(shù)據(jù)與水質(zhì)參數(shù)濃度，建立Chla和TSM反演模型，再將適用性較好的模型應用于GF-1/WFV遙感影像上。實測數(shù)據(jù)共有15組，選擇10組進行反演模型的構(gòu)建，5組數(shù)據(jù)進行模型驗證。

3.1.1 反演模型構(gòu)建

基于遙感的水質(zhì)監(jiān)測主要是通過研究水體光譜特征與水質(zhì)參數(shù)間的關系構(gòu)建反演模型。常規(guī)的水質(zhì)參數(shù)遙感反演方法主要有經(jīng)驗方法、半經(jīng)驗/半分析方法、分析方法[9]和機器學習算法等[10-11]。其中，利用高光譜或多光譜數(shù)據(jù)選取特征波段或波段組合，與同步實地測量的水質(zhì)參數(shù)濃度建立半經(jīng)驗/半分析算法，能夠較好地反映水體水質(zhì)參數(shù)的光學響應特征，物理意義明確且精度較高，是水體水質(zhì)參數(shù)遙感估算的主要方法，在實際應用中最為廣泛。常用傳感器的波段設置對比如圖2所示,圖中括號內(nèi)的數(shù)據(jù)為傳感器的分辨率。

圖2 常用傳感器的波段設置對比Fig.2 Comparison of band settings of remote sensing sensors

由于GF-1/WFV傳感器的波段設置與Landsat/ETM， HJ1/CCD， SPOT波段設置相似(圖2)，因此，借鑒這些傳感器的波段組合與模型構(gòu)建方法，進行葉綠素a濃度(Chla)和總懸浮物濃度(TSM)的反演研究。本文所使用的模型構(gòu)建方法包括：

(1)基于實測高光譜數(shù)據(jù)擬合得到的WFV波段，使用窮舉法列舉各種模型波段組合，包括單波段、基于不同波段兩兩組合的比值和差值組合等，并針對這些波段組合變量分別進行線性回歸、對數(shù)線性回歸、非線性回歸(冪、指數(shù)、多項式)擬合建模。

(2)基于單個、2個、3個和4個光譜波段分別進行多元回歸擬合建模。

(3)驗證已有的特殊波段組合，包括(B1-B4)/(B3-B4)，Ln(B3 + B4)/(B1 + B2)，(B2/B1) + B3，(B3+B4)/B2，(B2×B3)/B1，(B1-B3)/B2，(B4-B3)/(B4+B3)，并根據(jù)Chla和TSM的光譜響應特征，參考已有的波段組合構(gòu)建方式，構(gòu)建9種新的模型組合，包括(B4-B3)/(B1-B3)，(B4+B3)/(B1+B3)，(B4-B3)/(B1+B3)，(B4+B3)/(B1-B3)，B2/B3+B1，B1/B3+B2，(B2×B1)/B3，(B2+B1)/B3，B1+B2+B3+B4。

最后選擇與Chla和TSM相關性最大的多光譜波段組合模型，討論其模型精度和驗證應用精度，經(jīng)過對比選擇適合GF-1/WFV傳感器的最優(yōu)Chla和TSM估算模型。

3.1.2 模型評價

本文使用回歸分析構(gòu)建各波段組合與水質(zhì)參數(shù)濃度間的模型表達式，因此，使用決定系數(shù)R2、F檢驗值和顯著性水平p值來評價回歸模型的精度和穩(wěn)健性?；谀Ｐ皖A測值和實測值，使用均方根誤差(Root Mean Square Error, RMSE)、平均絕對誤差(Mean Absolute Error，MAE)和平均相對誤差(Mean Relative Error, MRE)來評價模型的精度，其計算方法如下：

(2)

(3)

(4)

式中:y是測量得到的水質(zhì)參數(shù)濃度;y′是估算出的水質(zhì)參數(shù)濃度;n是樣點數(shù)目。

3.2 GF-1/WFV影像處理

GF-1/WFV高分影像數(shù)據(jù)下載自遙感集市網(wǎng)站(http:∥www.rscloudmart.com/)。由于與野外實驗同步的WFV高分影像存在30%以上的云層覆蓋，影像質(zhì)量較差，選擇與野外實驗日期相近的2016年11月28日(農(nóng)歷十月二十九)進行錢塘江杭州段水體葉綠素a濃度和總懸浮物濃度的遙感估算。該期數(shù)據(jù)的獲取時間處于錢塘江低潮位，數(shù)據(jù)共包括2景WFV2和1景WFV1數(shù)據(jù)，對其分別進行輻射定標、大氣校正、幾何糾正和影像拼接等處理，得到錢塘江流域杭州段的WFV數(shù)據(jù)。

2016年WFV數(shù)據(jù)的輻射定標公式為

Le(λe)= Gain·DN+ Offset 。

(5)

式中：Le(λe)為轉(zhuǎn)換后輻亮度；Gain 為波段增益；DN 為衛(wèi)星載荷觀測值；Offset為偏置。

數(shù)據(jù)具體處理步驟如下：

(1)輻射定標。根據(jù)絕對定標系數(shù)和輻射定標公式，利用ENVI 5.1軟件對GF-1/WFV圖像進行定標，將衛(wèi)星載荷觀測值轉(zhuǎn)化成輻亮度。GF-1星的WFV相機輻射定標參數(shù)，包括4 個波段的增益、偏置參數(shù)及定標公式，均可從中國資源衛(wèi)星應用中心網(wǎng)站上獲取。

(2)大氣校正。對定標后的大氣頂部反射率進行大氣校正，使用ENVI 5.1軟件的FLAASH模塊進行大氣校正。將定標后的影像轉(zhuǎn)化成BIL格式，使用10的比例系數(shù)將輸入光譜數(shù)據(jù)的單位轉(zhuǎn)換成 μW/ (cm2·sr·nm)，設定傳感器高度為645 km，像元大小為16 m，大氣模型為Mid-latitude Summer，氣溶膠模型為Rural，并根據(jù)頭文件查找影像獲取時間等參數(shù)。

(3)幾何糾正。使用ERDAS 9.2軟件中的Geo-referencing 模塊進行幾何糾正，以研究區(qū)經(jīng)過幾何精糾正的 TM 圖像為基準，通過在研究區(qū)選取控制點完成對 GF-1/ WFV1和WFV2圖像的幾何精糾正，糾正后的誤差控制在1個像元范圍以內(nèi)。

(4)影像拼接。對預處理后的遙感影像進行拼接，然后使用浙江省杭州市的行政區(qū)矢量文件進行掩膜，得到錢塘江杭州段的GF-1/WFV遙感影像圖。參考中國科學院計算機網(wǎng)絡信息中心地理空間數(shù)據(jù)云平臺上提供的免費Landsat 中國內(nèi)陸水體信息產(chǎn)品，進行水體范圍提取。

4 結(jié)果與討論

4.1 實測數(shù)據(jù)分析

錢塘江杭州段采集的野外實測光譜和擬合得到的WFV各波段光譜數(shù)據(jù)(圖3)表明，實測光譜反射率呈現(xiàn)出典型的二類水體特征[11]：藍光波段(350～500 nm)由于水體吸收反射率相對較低，560 nm附近的綠光反射峰和710 nm附近的熒光峰是含藻水體的典型特征，710 nm 附近和810 nm 附近的2個峰值是含懸浮泥沙水體的典型特征。

圖3 錢塘江杭州段實測光譜和擬合的GF-1/WFV波段光譜Fig.3 In situ spectral reflectance and fitted GF-1/WFV channel spectra in Hangzhou segment of Qiantang River

圖4 錢塘江杭州段水體的葉綠素a和總懸浮物濃度Fig.4 Chlorophyll-a and total suspended matter concentration in Hangzhou segment of Qiantang River

水樣的室內(nèi)分析測定結(jié)果表明(圖4)，由于采樣時間處于低潮位，水質(zhì)較為清澈，水體中葉綠素a和總懸浮物濃度不高，并且由于樣點集中在一個斷面附近分布，水質(zhì)參數(shù)濃度變化不大。水體中葉綠素a濃度范圍為1.36～7.51 μg/L， 與已有的研究結(jié)果較為一致[12]。較多研究認為錢塘江水體的光學特性主要由懸浮物主導，而實測數(shù)據(jù)表明低潮位時懸浮物的擾動效應較小，葉綠素a與總懸浮物濃度相當。當潮流和徑流速度較小時，葉綠素a也會在一定程度上主導河流水體的光學特性，例如2014年錢塘江暴發(fā)了嚴重的藍藻水華現(xiàn)象。內(nèi)河段水體中總懸浮物濃度范圍為2.43～12.97 mg/L，顯著低于錢塘江河口水體的懸浮物濃度[12]，這是由于內(nèi)河段懸沙含量低于河口，且低潮位采樣時風浪對泥沙的擾動作用較小。

4.2 水質(zhì)參數(shù)濃度的遙感估算

4.2.1 葉綠素a濃度遙感估算

基于擬合得到的GF-1/WFV4個波段的光譜數(shù)據(jù)和實測葉綠素a濃度數(shù)據(jù)，使用3.1.1節(jié)中的波段組合構(gòu)建葉綠素a濃度反演模型?；诟F舉法構(gòu)建波段組合的模型結(jié)果表明，單波段模型中，基于B3波段的多項式擬合結(jié)果最優(yōu)(圖5(a))；比值模型中，基于B1/B3組合的多項式擬合結(jié)果最優(yōu)(圖5(b))；差值模型中，基于B1-B3組合的多項式擬合結(jié)果最優(yōu)(R2=0.83，RMSE=0.74 μg/L)(圖5(c))，并且B1-B3的差值組合擬合結(jié)果優(yōu)于單波段和波段比值組合。

圖5 常用的葉綠素a濃度估算模型Fig.5 Commonly used models for estimating chlorophyll-a concentration

此外，基于多個波段數(shù)據(jù)的多元回歸擬合模型也取得了較高的精度，并且使用的波段數(shù)量越多，模型精度越高。例如，基于B1,B2,B3,B4這4個波段的多元回歸模型精度為R2=0.81，RMSE=0.79 μg/L，MAE=0.70 μg/L，MRE=22.73%，顯著高于基于2個波段的多元回歸模型。同時，對3.1.1節(jié)中已有波段組合和構(gòu)建的9種新的波段組合進行擬合驗證結(jié)果表明，特殊波段組合的模型結(jié)果與已有的比值或差值模型結(jié)果相當，豐富的波段信息和組合變換形式并沒有改進模型的精度。上述基于多元線性回歸和特殊波段組合的模型結(jié)果均低于基于B1-B3的差值組合模型。因此，選擇精度最高的差值模型B1-B3作為最終的葉綠素a(Chla)反演模型，其模型形式為

Chla=-367 852×(B1-B3)×(B1-B3)-

467.48×(B1-B3)+ 5.700 6 。

(6)

式中：Chla為葉綠素a濃度； B1為B1波段反射率；B3為B3波段反射率。

式(6)中模型的精度為R2=0.83，RMSE=0.74 μg/L，MAE=0.57 μg/L，MRE=19.67%。使用驗證數(shù)據(jù)集對該模型進行直接驗證，結(jié)果為RMSE=1.98 μg/L，MAE=1.71 μg/L，MRE=24.97%，表明基于B1-B3差值的二次項模型可以用于錢塘江杭州段的Chla的遙感估算研究。已有研究[13-15]也表明B1和B3波段的比值或差值模型可以用于二類水體Chla的遙感估算，而使用更為廣泛的B4/B3波段組合[16-19]在本文的數(shù)據(jù)中并不適用，可能是由于低潮位時懸浮物濃度對葉綠素a的光譜響應干擾所造成的。

4.2.2 總懸浮物濃度遙感估算

基于擬合得到的GF-1/WFV4個波段的光譜數(shù)據(jù)和實測總懸浮物濃度數(shù)據(jù)，使用3.1.1中的波段組合構(gòu)建TSM反演模型。使用窮舉法構(gòu)建的波段組合的反演模型結(jié)果表明，單波段模型中，基于B3波段的多項式擬合結(jié)果最優(yōu)(圖6(a))；比值模型中，基于B2/B3組合的線性擬合結(jié)果最優(yōu)(圖6(b))；差值模型中，基于B3-B4組合的多項式擬合結(jié)果最優(yōu)(圖6(c))。其中，基于B3單波段的二次多項式模型結(jié)果最優(yōu)(R2=0.92， RMSE=1 mg/L)。

圖6 常用的總懸浮物濃度估算模型Fig.6 Commonly used models for estimating total suspended matter concentration

對3.1.1節(jié)中已有的波段組合和新構(gòu)建的9種波段組合進行驗證，結(jié)果表明各波段組合的模型結(jié)果與已有的比值和差值模型結(jié)果相當，豐富的變換形式對模型精度的改進作用不明顯，其中擬合效果最佳的 (B2×B3)/B1，B2/B3+B1和(B2+B1)/B3 組合，擬合精度R2分別為0.88,0.88,0.88，仍低于或約等于常規(guī)的比值或差值反演模型的結(jié)果。

對比多種模型構(gòu)建結(jié)果，包括基于單波段、波段比值和差值的線性和非線性擬合，以及基于多個光譜波段的多元回歸擬合等，發(fā)現(xiàn)基于多個波段的多元回歸模型精度最高，并且總體呈現(xiàn)出波段數(shù)量越多，多元回歸模型精度越高的趨勢。其中，基于B1，B2，B3，B4這4個波段的多元回歸模型為

TSM=-4.516 8+1 926.959×B1-2 420.11×B2+

2 545.432×B3-1 440.59×B4 。

(7)

式中： TSM為總懸浮物濃度； B2為B2波段反射率；B4為B4波段反射率。

式(7)具有最高的反演精度(R2=0.98，F(xiàn)=61.83，p<0.05; RMSE=0.49 mg/L，MAE=0.42 mg/L，MRE=8.72%)。多元回歸的反演效果優(yōu)于基于代數(shù)運算所構(gòu)建的各種模型組合，是一種有效利用傳感器多波段信息的方法，然而，多元回歸所使用的全部波段信息存在高度相關的現(xiàn)象，如B1與B2相關系數(shù)為0.98，B1和B3相關系數(shù)為0.89。多元線性回歸分析中這種變量的多重相關性常會嚴重影響參數(shù)估計，擴大模型誤差，破壞模型的穩(wěn)健性，從而導致整體的擬合度很大，但個體參數(shù)估計值的t統(tǒng)計量卻很小，并且無法通過檢驗[20]。因此，多元回歸模型并不適用于本文數(shù)據(jù)的模型構(gòu)建。

因此，選擇基于B3單波段的多項式模型作為總懸浮物濃度的反演模型，其模型形式為

TSM=57 456×B3×B3-1 041×B3+6.214 1 。(8)

式(8)中模型的精度為R2=0.92，RMSE=1 mg/L，MAE=0.85 mg/L，MRE=17.22%。使用驗證數(shù)據(jù)集對該模型進行直接驗證，其結(jié)果為RMSE=3.53 mg/L，MAE=2.25 mg/L，MRE=32.95%。針對懸浮泥沙含量高的河口區(qū)域，單獨使用B4波段進行TSM估算的研究較多[21]，但B4波段在本數(shù)據(jù)集中應用效果較差(R2<0.6)，可能是由于低潮位的內(nèi)河段水體中懸浮物受風浪擾動、潮流和徑流影響較小，懸浮物濃度較低，波長較短的B3波段更適合對其進行反演。

4.3 基于GF-1/WFV數(shù)據(jù)的水質(zhì)參數(shù)分布

將前面建立的最佳葉綠素a濃度遙感估算模型(式(6))和總懸浮物濃度遙感估算模型(式(8))代入到經(jīng)過大氣校正的2016年11月28日的GF-1/WFV遙感影像上,進行錢塘江杭州段葉綠素a濃度和總懸浮物濃度估算，得到葉綠素a濃度的空間分布如圖7(a)所示，總懸浮物濃度的空間分布如圖7(b)所示。

圖7 基于GF-1/WFV數(shù)據(jù)估算的葉綠素a和總懸浮物濃度空間分布Fig.7 Distribution of chlorophyll-a and total suspended matter concentration estimated by GF-1/WFV data

由圖7(a)及圖1看出，由于低潮位時葉綠素a濃度受潮汐和懸浮泥沙的擾動作用較小，呈現(xiàn)出較高的值，該結(jié)果與同期水質(zhì)監(jiān)測資料的結(jié)果基本一致[22]。從空間分布差異上來看，千島湖水質(zhì)較好，葉綠素a濃度最低，錢塘江干流杭州段的葉綠素a 濃度值域范圍相差不大，空間差異并不顯著。已有研究結(jié)果表明，錢塘江葉綠素a 濃度時間差異顯著，呈現(xiàn)夏秋季節(jié)高、冬春季節(jié)低的規(guī)律，并且葉綠素a 濃度與溫度呈顯著正相關，葉綠素a 與總氮量(TN)、總磷量(TP) 之間的相關關系在不同江段有所差異[22]。對比浙江省地表水水質(zhì)自動監(jiān)測平臺(http:∥wms.zjemc.org.cn/wms/wmsflex/index.html)上提供的監(jiān)測數(shù)據(jù)，本研究的葉綠素a分布變化規(guī)律與已有的水質(zhì)調(diào)查監(jiān)測結(jié)果中的TN和TP監(jiān)測結(jié)果趨勢基本一致，較好地說明了葉綠素a與該水質(zhì)指標間存在一定的相關性，表明葉綠素a也是反映河流水體富營養(yǎng)化的重要指標之一。

由圖7(b)及圖1看出，整個錢塘江流域水體總懸浮物濃度比較高，且在空間分布上具有一定差異，其中河口處總懸浮物濃度最高，千島湖最低，總懸浮物濃度范圍是0.23～1 204.5 mg/L，與已有的懸浮物監(jiān)測結(jié)果基本一致[5]。造成錢塘江流域懸浮物濃度空間分布差異的主要原因是人為活動引起的土地利用變化，河口區(qū)域聚集大量沿海灘涂開發(fā)工程，河口上游泥沙的淤積，使河流的懸浮物濃度增大；而新安江(千島湖)段是國家級重點風景名勝區(qū)，生態(tài)保護較好，土地利用變化較少，使得其懸浮物濃度低(8 mg/L以內(nèi))且變化較小。

由于采樣日期(2016年12月7日)處于錢塘江低潮位，建立的Chla和TSM模型用于衛(wèi)星過境時間相近的2016年11月28日的GF-1/WFV數(shù)據(jù)效果較好。由于錢塘江的潮汐浪涌水流沖擊力非常強，給高潮位現(xiàn)場采樣帶來很大難度，因此現(xiàn)階段我們的研究主要是圍繞錢塘江低潮位情況下展開的，而對于高潮位遙感影像進行測量、建模反演有待今后進一步研究。

5 結(jié) 論

(1)基于擬合的GF-1/WFV各波段光譜構(gòu)建錢塘江流域杭州段葉綠素a和總懸浮物濃度遙感反演模型，其中基于B1-B3差值組合的二次多項式模型可以用于水體葉綠素a濃度的遙感估算，基于B3波段的二次多項式模型可以用于水體總懸浮物濃度的遙感估算，表明WFV數(shù)據(jù)的波段設置能夠較好地用于河流水體水質(zhì)參數(shù)的遙感估算，為高分一號衛(wèi)星數(shù)據(jù)遙感監(jiān)測河流水色參數(shù)做出了有益探索，也為后續(xù)基于高分遙感影像的河流水質(zhì)監(jiān)測的理論和方法研究提供了重要的參考依據(jù)。

(2)基于GF-1/WFV數(shù)據(jù)進行錢塘江流域杭州段葉綠素a和總懸浮物濃度分布制圖能夠較好地顯示其空間分布差異，河口區(qū)域總懸浮物濃度和葉綠素a濃度較高，內(nèi)河段或千島湖區(qū)域水質(zhì)較好，GF-1/WFV的高空間分辨率對錢塘江河流水體的水質(zhì)變化細節(jié)特征描述得較為詳細。

(3)由于錢塘江惡劣的潮汐浪涌水動力特點，為現(xiàn)場采樣測量帶來了困難，因此對小數(shù)據(jù)量樣本建模的代表性及準確性進行驗證是下一階段研究的重點。另外通過FLAASH的GF-1/WFV大氣校正對葉綠素a和總懸浮物濃度分布變化進行精確定量反演與驗證也有待進一步深入研究。

致謝：野外試驗觀測得到浙江省水文局相關人員的支持和幫助，室內(nèi)試驗分析得到國家海洋局第二海洋研究所衛(wèi)星海洋環(huán)境動力學國家重點實驗室相關人員的幫助，在此表示感謝。