高光谱反演水深的原理及其方法

一、高光谱反演水深的原理

目前国内外利用遥感测量浅海水深的原理主要是利用太阳光在水体内部的穿透能力，通过遥感器采集水下一定深度范围内信息，再通过信息处理方法分离出水体厚度信息[1]。光波穿透大气后到达水体表面,其中一部分能量在水气交界面处产生反射，返回大气中，其中绝大部分能量经水面折射进入水体，由于水体的吸收和散射，光波在传播过程中不断衰减，同时一部分散射光将被反射空气中，很少一部分光到达水底，被水底反射后也将返到空气中，又经大气被传感器接收（光波在大气和水体中传播示意图如图1所示）。

图1 光波在大气和水体中传播示意图

水体表面直接反射的光信息量与水体表面状况有关,与水深无关。水体清澈且浅,不考虑大气作用,传感器接收的光信息量主要与水深、波长衰减系数及水体反射率有关。如水体中含有悬浮物质或其他可以散射光信号的物质,传感器接收到的信号与这些物质浓度及前面分析的其他因素有关。

二、高光谱进行水深反演的基本方法

目前，利用高光谱遥感进行水深反演的方法主要有单波段模型、波段比值模型、光谱微分模型。

单波段模型：单波段模型又称简单衰减模型，该模型通过构建该程，并通过简单回归分析求得方程系数解，得到水深简单的衰减方程式。实际情况中难有水底均质，水质均一这样的情况，因而单波段反演水深方法在水质及水底变化大区域会有较大误差。

大量研究表明：绿光在水体中的穿透能力zui强。因此单波段浅海水深反演模型通常采用绿色波段图像数据[2]。

波段比值模型：波段比值模型是在单波段模型基础上发展起来的另一模型。研究表明,虽然水体衰减系数和水底反射率值随水体类型和底质种类不同有很大差异,但通过两个波段比值可以在一定程度上消除这种差异[3]。

单波段和波段比值模型主要基于底质反射模型的光信号衰减规律，适用于水体混浊度小的海域。因为，对于水体混浊度变化较大的海域，采用单波段和波段比值方法会带来较大误差。

光谱微分模型：光谱微分技术是高光谱遥感中一种常用的技术手段，它可以用来去除部分线性或接近线性的背景、噪声光谱对目标光谱的影响[4]。Goodin[5]通过试验研究认为水体的一阶微分可以消除水体的本身反射对光谱的影响。微分光谱反映了反射率随着波长变化的速率[dR(λ)/dλ]，表示波长λ处的反射率曲线的倾斜度[6]。水体的底质反射信号以及水体中后向散射信号，随着水深的变化在可见光及近红外波段的变化不是简单的线性变化。一方面通过光谱微分技术可以去除线性背景信号的影响，另一方面以反射率随着波长变化速率的微分光谱来反映水深变化，利用高光谱数据探求水深的敏感波段，减小混浊度变化带来的影响。

三、“水色”浮标固定式高光谱水质监测系统

浮标固定式高光谱水质监测系统是一款可以应用于河流、湖泊、池塘等水域的非移动定点水质监测系统，包括固定式水质监测仪、水质大数据云服务平台和水质在线监测平台三部分。该系统可以在固定位置，定时地获取水质光谱，通过4G/5G模块实时传输到云服务平台，在监测平台24小时实时在线显示水质检测结果。

浮标式水质智能监测仪（明星产品）HS-W-B(400-1000）

固定式水质监测仪由HyScan微型智能光谱仪、固定浮标（浮筒等）组成。

大数据云服务平台

大数据云服务平台是中科谱光基于物联网、云计算技术自主开发的集合各类光谱分析应用算法的共享服务平台。

用户可用客户端上传和下载智能光谱仪采集的高光谱数据，利用平台预先集成的光谱分析算法，实现对光谱数据的快速分析与结果展示；平台支持二次开发，支持上传自定义算法模型、云分析和云计算。

水质在线监测系统

水质在线监测系统大屏看板

水质在线监测系统手机APP

水质在线监测平台是基于光谱分析技术研发的一款集水质检测、设备监控、数据分析、看板展示于一体的云产品。

该平台将采集设备上传的水质光谱信息，通过云服务平台集成的应用分析算法进行水质参数反演，反演后的结果以图表形式展示在界面中。用户可实时监控其账号下所有绑定设备的工作状态与监测水质参数的变化状态，也可选择某一个设备或采集点位查看历史采集记录；用户还可通过设置设备自动采集时间、阈值范围，实现自动监测、超标报警等功能。

文章参考内容来源于网络及发表文献及图书，部分参考文献陈列于文章末尾，其余内容如有侵权，请及时联系我们予以删除。

参考文献：

[1] 刘振,胡连波,贺明霞.卫星高光谱数据反演南沙岛礁区海域浅海水深和光学参数[J].ZG海洋大学学报(自然科学版),2014,44(05):101-108.

[2] 张源榆,黄荣永,余克服,樊明顺,周国清. 基于卫星高光谱遥感影像的浅海水深反演方法[J]. 地球信息科学学报, 2020, 2020(07): 1567 -1577.

[3] Paredes J M, Spero R E. Water depth mapping from passive re-mote sensing data under a generalized ratio assumption[J]. Applied Optics, 1983, 22(8): 1134 -1135.

[4] 浦瑞良,宫鹏.高光谱遥感及其应用[M].北京:高等教育出版社, 2000.

[5] Goodin D G, Han L H, Rolland NF. et al. Analysis of suspended solids in water using remotely sensed high resolution derivative spectra[J]. Photogrammetric Engineering and Remote Sensing, 1993, 59(4):505 -510.

[6] Han L H. Estimating chlorophyll -a concentration using first -derivative spectra in coastal water[J]. International Journal of Remote Sensing, 2005, 26(23): 5235 -5244.

· 文稿：张燕

· 编辑：李雨彤

· 校对：张彩霞、蓝梓月

· 审定：张立福、孙雪剑、黄瑶