漫衰减系数是水体表观光学量和固有光学量随深度变化的反映，直接决定着水中的光强和光场结构，可用于真光层深度的计算，是水生态系统的重要影响因素. 国内外已有众多学者对漫衰减系数的特性及其与水体组分的吸收、 散射之间的关系进行了大量研究^{[1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11]}，不同区域、 不同时间水体的漫衰减系数呈现着一定的空间差异性和时间差异性，研究水体的漫衰减系数有助于了解水体的光学特性、 光学类型及其对水生态系统的影响.

漫衰减系数遥感反演方法主要分为经验方法和半分析方法，Austin等^[12]和Mueller等^[13]针对大洋一类水体，分别基于CZCS和SeaWiFS传感器提出了漫衰减系数蓝绿比值反演算法； Morel^[14]根据一类水体的光学特性，以叶绿素浓度作为中间量获取叶绿素浓度反演得到漫衰减系数； 王晓梅等^[15] 针对黄东海二类水体光学特性，利用490、 550、 670 nm处遥感反射比的波段组合建立漫衰减系数反演经验算法； 崔廷伟等^[16]利用渤海生物光学数据集建立了基于遥感反射率的漫衰减系数K_d(490)反演经验模型，并以ENVISAT MERIS数据为例进行了模型的示范应用； 乐成峰等^[17]通过分析2007年秋季太湖漫衰减系数特性及影响因子，构建漫衰减系数反演模型，发现利用R_rs(550)、 R_rs(675)、 R_rs(731)进行多元线性回归的效果好于单波段R_rs(731)算法； 金鑫等^[18]根据2009年6月巢湖实测数据发现利用591、 702、 842 nm 处的遥感反射率进行多元线性回归反演得到的K_d(490)效果较好； 吴婷婷等^[19]根据黄东海及珠江口附近海域17个航次的实测水下光谱剖面数据,建立了基于水体遥感反射比光谱数据与490 nm波段水体漫衰减系数K_d(490)的遥感反演算法； Shi等^[20]分析了太湖水体有效光合辐射衰减系数K_d(PAR)的影响因子，基于MERIS影像数据反演了K_d(PAR)，分析了太湖K_d (PAR)的季节性与空间性变化； 陈雨等^[21]分析了冬季长江口邻近海域漫衰减系数光谱特征、 K_d (490)的空间分布及影响因子，建立了该研究区域新的冬季漫衰减系数反演模型，并建立了研究区域内K_d (490)与有效光合辐射衰减系数K_d(PAR)的关系.

Lee等^{[22, 23, 24]}基于生物光学模型，建立了漫衰减系数半分析算法，Doron等^[25]尝试进行半分析算法的简化，假定颗粒后向散射仅存在弱的光谱依赖性，利用490 nm和709 nm处的辐照度反射率反演a(490)和b_b(490)，再借助Lee等建立的半分析模型来实现漫衰减系数的反演； Wang等^[26]对Lee的算法进行进一步改进，对清洁水体和浑浊水体采用不同算法，加入权重，将新算法应用到了沿岸浑浊水体的漫衰减系数反演中； 刘忠华等^[27]基于光学闭合原理，构建了太湖春季水体K_d(490)反演的半分析模型并将其应用到环境一号卫星影像上进行了遥感反演.

对于我国典型内陆二类水体太湖，目前漫衰减系数相关研究大多是基于地面野外实测数据，使用遥感影像进行大面积、 动态的太湖漫衰减系数的研究还相对较少. 另外，由于大多数卫星传感器时间分辨率的限制，对漫衰减系数变化的研究多是季节性变化特征，无法做到更小的时间尺度上. GOCI数据可提供08:00~15:00以1 h为间隔的8景影像，具有较高的时间分辨率，基于GOCI影像构建太湖漫衰减系数反演模型，可以分析太湖漫衰减系数的日变化特征，结合其空间变化特征可以更加系统地揭示太湖水体漫衰减系数及水下光场的时空变化规律，这对太湖水质与水生态系统的监测有重要意义，并且可为GOCI数据监测水环境参数提供参考.

本研究采用多年的太湖野外实测数据，结合GOCI的波段参数，分别构建漫衰减系数经验模型和半分析模型，寻找适合GOCI影像的太湖漫衰减系数反演模型，并将模型应用于GOCI影像，分析太湖水体漫衰减系数的时空变化特征.

太湖位于长江三角洲的南缘，是中国五大淡水湖之一，太湖湖泊面积2427.8 km²，水域面积为2338.1 km²，湖岸线全长393.2 km，平均水深1.9 m. 太湖是典型的内陆二类水体，光学特性复杂，水体漫衰减系数存在着空间差异性和时间差异性.

本研究采用了地面实测数据和GOCI影像数据，其中，地面实验数据选自课题组2006~2009年的野外实测数据(覆盖全湖)，去除异常点，有效数据一共112个，用于建模的数据为77个，用于验证的数据为35个. 星地同步验证数据选自2013年5月14日、 2014年8月5日和2014年10月24日的地面实测漫衰减系数数据，2013年5月14日采样时间分别为11:00~15:00每小时各1个，2014年8月5日采样时间分别为09:00点2个、 11:00点2个、 12:00~14:00每小时各1个，2014年10月24日采样时间分别为10:00、 12:00、 13:00各1个. GOCI影像数据选用2013年5月14日、 2014年8月5日和2014年10月28日这3 d的影像.

地面观测的数据包括水面遥感反射率、 水体漫衰减系数等表观光学参数，水体组分吸收系数、 后向散射系数等固有光学参数，叶绿素浓度、 悬浮颗粒物浓度等水质参数信息，以及透明度、 风速风向、 水温等辅助数据.

水体光谱数据采用美国分析光谱仪器公司(Analytical Spectral Devices)制造的ASD Field Spec Pro便携式光谱辐射计测量，仪器波段范围为350~1050 nm，光谱分辨率为2 nm. 选择水面平静，天空晴朗时测量. 具体测量按照唐军武等^[28]提出的关于内陆二类水体水面以上光谱测量的方法进行测量，并最终计算出水面遥感反射率参数.

总颗粒物的吸收系数采用定量滤膜技术(QFT)测定^[29]，用直径为47 mm的GF/F滤膜(Whatman公司)过滤200 mL水样，在紫外分光光度计下测量滤膜上颗粒物的吸光度，用湿润程度相同的空白滤膜作为参比，并且以750 nm处吸光度为零点进行校正，总颗粒物的光谱吸收系数a_p(λ)按下式计算得到：

非藻类颗粒物吸收系数的测量方法为用一定体积的次氯酸钠漂白水样中的藻类，漂白15 min后用上述同样的方法测定非藻类颗粒物的吸收系数a_d(λ). 根据水体中各类物质吸收光谱的线性叠加原理，总颗粒物吸收系数减去非藻类颗粒物的吸收系数即为浮游藻类的吸收系数a_p(λ).

CDOM吸收系数的测定采用0.22 μm的Millipore滤膜过滤已经过滤过颗粒物之后的水样，然后将CDOM水样放进比色皿中，用紫外分光光度计测定其吸光度，采样间隔为1 nm，然后根据Bricaud等^[30]的方法进行散射效应的校正，计算得到a_g(λ).

总悬浮颗粒物的后向散射系数通过Wetlabs公司生产的散射仪(ECO-BB9)测得^[31]. ECO-BB9共有9个光谱通道，分别是412、 440、 488、 510、 532、 595、 660、 676和715 nm，测量精度为0.005 m^-1. 由于ECO-BB9 利用的是微球散射体，由散射引起的衰减部分，使用Scale factor(由Wetlabs公司提供)校正成为水体总体散射函数，接着要对总体散射函数进行吸收校正，如式(4)：

叶绿素浓度测量采用陈宇炜等^[32]提出的浮游植物叶绿素a测定的“热乙醇法”进行测量，总颗粒物、 有机颗粒物、 无机颗粒物浓度的测量采用灼烧称重法.

水面以下光谱数据采用德国TriOS公司生产的TriOS水下光谱仪测量，该仪器由3个探头组成，可以同时测量上行辐亮度L_u(λ，z)和下行辐照度E_d(λ，z)，波段测量范围为320~950 nm，光谱分辨率为3.3 nm，可重采样至1 nm. 测量方法采用剖面测量法，测量深度分别为0、 0.2、 0.4、 0.6、 0.8、 1、 1.2 m，数据采集的时间间隔为5 s，不同深度采集10条光谱数据，去除异常值，其余取平均值. 通常在船的向阳一侧采集数据，测量时用撑杆将仪器伸出船沿1.5 m左右，尽量减少船体阴影的影响.

太阳光在光学性质均一的水体中传播时遵循指数规律衰减^[33]：

GOCI为韩国发射的静止海洋观测卫星成像仪，由ASTRIUM公司生产，发射时间为2011年4月，具有可见光到近红外8个波段，空间分辨率为500 m，其最突出的特点，是可提供从08:00~15:00每小时的遥感影像. GOCI传感器参数设置如表 1所示.

本次研究选用了具有同步实测漫衰减系数的GOCI影像，分别为2013年5月14日和2014年8月5日的每天8景影像，以及2014年10月24日的6景影像.

分别采用平均相对误差MAPE和均方根误差RMSE两个指标对模型精度进行评价，各指标由公式(7)、 (8)求得.

表 1(Table 1)

表 1 GOCI传感器参数设置 Table 1 Parameters of GOCI sensor 波段 1 2 3 4 5 6 7 8 中心波长/nm 412 443 490 555 660 680 745 865 波宽/nm 20 20 20 20 20 10 20 40 最大海洋辐亮度/W ·m-2 ·nm ·sr 150.0 145.8 115.5 85.2 58.3 46.2 3.0 23.4

表 1 GOCI传感器参数设置 Table 1 Parameters of GOCI sensor

式中，n是样点数目，Es_i和O_i分别是第i个样点的模型估算值和实测值.

水体漫衰减系数和遥感反射率都属于表观光学特性，二者都随着水体吸收系数、 散射系数等固有光学特性和光照条件的变化而变化，因此二者之间存在一定的函数关系. 由于GOCI影像较新，目前没有针对GOCI影像的比较成熟的漫衰减系数反演模型，因此本研究参考前人的研究成果，结合已有方法，针对GOCI数据传感器波段参数，并结合漫衰减系数的敏感波段，分别构建单波段模型、 波段比值模型和不同形式波段组合模型共15个经验模型，模型构建如表 2所示.

模型1为相关性最高的第7波段构建的单波段模型，模型2~6为波段比值模型，其中模型2、 3为蓝绿波段比值模型，多用于大洋一类水体的漫衰减系数反演，模型4~6是对比值算法用于二类水体的改进，由于内陆二类水体水质较为浑浊，悬浮物含量较高，是水体表观光学特性的重要影响因子，而长波波段可以很好地突出悬浮物的特征信息，因此引入GOCI传感器5、 6、 7波段分别与第4波段构建适合内陆二类水体的比值模型. 模型7~15分别为不同形式的波段组合模型，模型7为蓝绿波段比值与近红外、 绿波段比值的组合模型，模型8为蓝绿波段比值和近红外、 绿波段加值的组合模型，模型9为绿波段、 近红外波段差值和近红外、 绿波段比值的组合模型，模型10为近红外、 绿波段加值和近红外、 绿波段比值的组合模型，模型11为绿波段、 近红外波段差值和近红外、 绿波段加值的组合模型，模型12为蓝绿波段比值和绿波段、 近红外波段差值的组合模型，模型13为蓝绿波段比值和近红外、 绿波段加值以及近红外、 绿波段比值的组合模型，模型14为蓝绿波段比值和绿波段、 近红外波段差值以及近红外、 绿波段比值的组合模型，模型15为近红外波段、 红波段和绿波段的组合模型.

表 2(Table 2)

表 2 漫衰减系数反演经验模型统计 Table 2 Statistics of the empirical models for Kd inversion 编号 经验模型 1 Kd(490)=a(R745)+b 2 Kd(490)=a(R443/R555)+b 3 Kd(490)=a(R490/R555)+b 4 Kd(490)=a(R660/R555)+b 5 Kd(490)=a(R680/R555)+b 6 Kd(490)=a(R745/R555)+b 7 Kd(490)=a(R490/R555)+b(R745/R555)+c 8 Kd(490)=a(R490/R555)+b(R745+R555)+c 9 Kd(490)=a(R555-R745)+b(R745/R555)+c 10 Kd(490)=a(R745+R555)+b(R745/R555)+c 11 Kd(490)=a(R555-R745)+b(R745+R555)+c 12 Kd(490)=a(R490/R555)+b(R555-R745)+c 13 Kd(490)=a(R490/R555)+b(R745+R555)+c(R745/R555)+d 14 Kd(490)=a(R490/R555)+b(R555-R745)+c(R745/R555)+d 15 Kd(490)=a(R745)+b(R660)+c(R555)+d

表 2 漫衰减系数反演经验模型统计 Table 2 Statistics of the empirical models for Kd inversion

半分析方法是以辐射传输理论为基础，基于固有光学量和表观光学量之间的关系，构建漫衰减系数反演模型.半分析模型从机理的角度出发，其选择的波段具有普适性的意义，可以一定程度上克服季节性、 区域性的差异，因此半分析模型对于漫衰减系数的获取具有重要的意义.

Lee等^[24]基于辐射传输模型，建立了漫衰减系数与太阳天顶角，水体吸收系数和后向散射系数的关系，构建了漫衰减系数反演的半分析模型，表达式如下：

根据Gordon等^[34]的研究，固有光学量和遥感反射率存在如下关系：

基于上述关系式Lee提出了QAA算法^[22]，该算法主要思路是首先选择一个参考波长λ₀，该波长处吸收系数通过经验模型可以较为准确地计算出来(通常选择555 nm)，根据上述公式(10)计算出参考波长处的后向散射系数b_b(λ₀)，然后根据经验模型得到后向散射系数b_b(λ)，再根据公式(10)计算得到a(λ)，将吸收系数和后向散射系数代入公式(9)最终得出漫衰减系数. 表 3为QAA算法计算流程.

表 3(Table 3)

表 3 QAA算法计算流程 Table 3 Steps of the QAA algorithm

表 3 QAA算法计算流程 Table 3 Steps of the QAA algorithm

Doron等^[25]研究表明，490 nm处的后向散射系数b_b(490)与709 nm处刚好位于水面以下的反射率呈很好的线性关系. 分析GOCI传感器各波段反射率与490 nm处的后向散射系数的相关性得出，第7波段的遥感反射率与之相关性最好，因此b_b(490)可由R_rs(745)反演得到(图 1)，其表达式如下所示：

结合公式(10)和公式(11)即可求得490 nm处的吸收系数a(490)，再结合公式(9)即可得到490 nm处的漫衰减系数.

图 1

Fig. 1

图 1 bb(490)与Rrs(745)的拟合结果 Fig. 1 Fitting results between bb(490) and Rrs(745)

分析太湖水体漫衰减系数光谱曲线(图 2)可以看出，除了少数样点漫衰减系数出现波动外，漫衰减系数在400~550 nm之间随着波长的增加呈现指数衰减规律，在550 nm附近出现拐点，550~650 nm之间漫衰减系数随波长增加变化不大，少数样点有些许波动，其余样点几乎没有产生变化，光谱曲线较为稳定，部分样点在675 nm附近由于叶绿素的吸收出现小的峰值，675 nm之后漫衰减系数呈现下降的趋势，并且在700 nm附近出现极小值，700~900 nm范围内漫衰减系数呈现出与纯水吸收相似的特征，这是因为在此波段范围内，浮游植物、 悬浮物和CDOM的吸收系数都很小，光的衰减主要由纯水的吸收导致.

图 2

Fig. 2

图 2 太湖水体漫衰减系数光谱曲线 Fig. 2 Spectral curves of the diffuse attenuation coefficient of Lake Taihu

分析490 nm处的色素吸收系数、 非色素吸收系数、 CDOM吸收系数以及后向散射系数对K_d(490)的贡献率(图 3)可以得出，非色素颗粒物的吸收对漫衰减系数的贡献率最大，非色素颗粒物占主导影响的样点数超过80%，并且非色素颗粒物吸收的贡献率远远高于其他影响因子，所有样点中非色素颗粒物吸收贡献率最高为85%，贡献均值为54%； 其次为色素颗粒物的吸收，色素颗粒物的吸收对于接近一半的样点来说是影响太湖漫衰减系数的第二主导因子，所有样点中色素颗粒物吸收贡献率最高为80%，贡献均值为23%，非色素颗粒物吸收的贡献率与色素颗粒物吸收的贡献率大体上呈现相反的关系，这主要与有机悬浮物浓度和无机悬浮物浓度在总悬浮物浓度中所占百分比有关； 后向散射与CDOM吸收的贡献率相对较小，其中后向散射的贡献率大体上高于CDOM吸收的贡献率，并且部分样点后向散射的贡献位居第二，所有样点中后向散射贡献率最高为34%，贡献均值为15%，CDOM吸收贡献率最高为27%，贡献均值为8%.

图 3

Fig. 3

图 3 490nm处太湖水体各衰减因子对漫衰减系数的贡献率 Fig. 3 Contributions of the attenuation factors to Kd at 490nm in Lake Taihu

通过对本研究建立的15个经验模型的验证结果进行误差统计分析(表 4)可以看出，单波段模型的精度较差，拟合结果R²为0.419，验证结果平均相对误差和均方根误差分别为46.4%和2.124. 基于蓝绿波段比值构建的模型2、 3拟合结果和验证结果都很差，R²在0.1以下，平均相对误差和均方根误差也较高，分别高于60%和2.9，这说明适合于大洋一类水体的蓝绿波段比值模型并不适用于太湖这样的典型内陆二类水体. 红绿波段比值模型4、 5的拟合结果和验证结果较蓝绿波段比值模型有些许提高，但是结果仍然较差，当比值模型的长波波段选择第七波段近红外波段后，模型6的精度有较大的提高，其中拟合结果R²为0.685，验证结果平均相对误差和均方根误差分别为39.2%和1.825，说明近红外波段可以较好地反应水体悬浮物的特征信息. 模型7~14是基于蓝绿波段比值、 近红外波段和绿波段比值、 绿波段和近红外波段的加减运算而构建的不同组合模型，可以看出包含蓝绿波段比值的组合模型精度相对较差，而包含近红外波段和绿波段比值的组合模型精度相对较好，其中精度最高的是模型14，拟合结果R²为0.728，验证结果平均相对误差和均方根误差分别为37.8%和1.832. 模型15为绿波段、 红波段和近红外波段的多元线性组合模型，模型拟合结果R²为0.737，验证结果平均相对误差和均方根误差分别为28.6%和1.495. 总的来说，经验模型中模型15的反演效果最好.

通过对漫衰减系数反演半分析模型验证结果进行误差统计(表 5)，可以看出，基于反演得到的固有光学量构建的半分析模型的验证结果相对较差，模型1和模型2验证结果平均相对误差分别为61.6%和41.5%，均方根误差分别为2.168和2.959，基于实测固有光学量构建的半分析模型的验证精度较高，平均相对误差和均方根误差分别为34.5%和1.559.

表 4(Table 4)

表 4 经验模型验证结果误差统计 Table 4 Error statistics of validation results for empirical models 编号 经验模型 R2 MAPE/% RMSE 1 Kd(490)=308.59R745+0.3556 0.419 46.4 2.124 2 Kd(490)=8.6787(R443/R555)+0.0285 0.04 71.4 2.969 3 Kd(490)=4.8432(R490/R555)+1.4442 0.01 68.7 2.916 4 Kd(490)=20.594(R660/R555)-11.35 0.449 78.6 5.11 5 Kd(490)=16.939(R680/R555)-7.329 0.413 80.6 5.166 6 Kd(490)=21.781(R745/R555)-2.9624 0.685 39.2 1.825 7 Kd(490)=4.988(R490/R555)+21.791(R745/R555)-6.476 0.696 39.3 1.756 8 Kd(490)=-1.224(R490/R555)+73.662(R745+R555)+1.752 0.127 62.8 2.658 9 Kd(490)=-63.323(R555-R745)+20.402(R745/R555)-0.895 0.702 38.1 1.933 10 Kd(490)=-28.517(R745+R555)+23.825(R745/R555)-2.157 0.699 38.6 1.948 11 Kd(490)=-399.422(R555-R745)+168.061(R745+R555)+5.699 0.676 35.9 1.839 12 Kd(490)=13.303(R490/R555)-236.723 (R555-R745)+1.368 0.252 54.2 2.559 13 Kd(490)=8.787(R490/R555)-46.816(R745+R555)+25.153(R745/R555)-7.894 0.727 38.5 1.856 14 Kd(490)=8.312(R490/R555)-93.4(R555-R745)+19.763(R745/R555)-5.769 0.728 37.8 1.832 15 Kd(490)=436.581R745+290.84R660-448.66R555+6.970 0.737 28.6 1.495

表 4 经验模型验证结果误差统计 Table 4 Error statistics of validation results for empirical models

图 4

Fig. 4

图 4 基于QAA模型的IOPs反演结果与实测值对比图 Fig. 4 Comparison between retrieval of IOPs by QAA model and in situ observed IOPs

表 5(Table 5)

表 5 半分析模型验证结果误差统计 Table 5 Error statistics of validation results for semi-analytical models 编号 半分析模型 MAPE/% RMSE 1 QAA-半分析模型 61.6 2.168 2 Doron-半分析模型 41.5 2.959 3 实测IOPs-半分析模型 34.5 1.559

表 5 半分析模型验证结果误差统计 Table 5 Error statistics of validation results for semi-analytical models

半分析模型有较为清晰的理论基础，一定程度上可以克服区域性和季节性的差异，但其反演精度很大程度上依赖于固有光学量的反演精度. 从QAA模型反演固有光学量的反演值与实测值的对比分析中(图 4)可以看出，a(490)的反演值变化区间较窄，低值区的反演结果较好，但是无法预测出吸收系数的高值区域，b_b(490)的反演结果显示反演值普遍出现高估现象，只有少数样点的反演结果相对较好，值域变化较大.

分析基于Doron方法反演固有光学量的验证结果(图 5)，a(490)的反演值普遍低估，特别是高值区，无法体现出值域变化情况，b_b(490)的反演结果较好，模型反演值和实测值非常接近.

综上所述，固有光学量的反演均出现了较大的误差，这是导致本研究中半分析模型反演效果不好的主要原因.

根据上述的研究结果，以经验模型15作为太湖漫衰减系数反演最优模型，进行基于GOCI影像的太湖水体漫衰减系数反演. GOCI数据获取时间为2013年5月14日、 2014年8月5日和2014年10月24日.

本研究中采用目前较为常用的6S模型算法进行GOCI影像的大气校正，并选择有相应地面同步实测点的影像对大气校正结果进行精度验证.

图 5

Fig. 5

图 5 基于Doron方法的IOPs反演结果与实测值对比图 Fig. 5 Comparison between retrieval of IOPs by Doron model and in situ observed IOPs

漫衰减系数反演模型15用到的GOCI波段为第4、 5、 7波段，表 6为2013年5月14日GOCI影像第4、 5、 7波段的大气校正结果误差统计表，可以看出对于这3个波段，大气校正效果最好的是10:00的影像，其平均相对误差和均方根误差分别只有9.33%和0.0019，除了14：00的影像外，其余的影像大气校正结果都比较好，分析同步实测点的位置发现14:00的影像其地面同步实测点所处位置有薄云覆盖，这导致了各波段6S大气校正值相对于实测值出现偏高现象.

表 6(Table 6)

表 6 2013年5月14日GOCI影像6S大气校正结果误差统计 Table 6 Error statistics of 6S atmospheric correction results for GOCI on 14th May,2013 影像时间 MAPE/% RMSE 09:00 18.28 0.0067 10:00 9.33 0.0019 11:00 13.47 0.0026 12:00 12.30 0.0025 13:00 22.16 0.0045 14:00 79.05 0.0147

表 6 2013年5月14日GOCI影像6S大气校正结果误差统计 Table 6 Error statistics of 6S atmospheric correction results for GOCI on 14th May,2013

对比2014年8月5日、 10月24日的大气校正结果，都得到了相似的结果，说明6S算法适用于该研究区域.

对比分析基于GOCI影像的模型验证结果与基于实测数据的模型验证结果发现，基于GOCI影像的模型反演精度高于基于实测数据的反演精度. 由于模型的验证精度与模型自变量的取值范围有关，地面验证数据由于较大的数据量以及较大的时间差异，不同波段遥感反射率值域范围较大，相对来说会增加模型的误差，而GOCI影像的验证数据较少，自变量取值范围较小，模型的验证精度较高.

表 7(Table 7)

表 7 GOCI影像漫衰减系数反演精度验证 Table 7 Accuracy verification of Kd(490) inversion results based on GOCI images 影像日期 MAPE/% RMSE 2013-05-14 10.2 0.584 2014-08-05 17.4 1.021 2014-10-24 10.6 0.937

表 7 GOCI影像漫衰减系数反演精度验证 Table 7 Accuracy verification of Kd(490) inversion results based on GOCI images

图 6

Fig. 6

图 6 2013年5月14日太湖水体漫衰减系数空间分布 Fig. 6 Spatial distribution of diffuse attenuation coefficient of Lake Taihu on 14th May,2013

图 6为GOCI影像反演得到的2013年5月14日太湖水体漫衰减系数空间分布，可以看出太湖水体漫衰减系数呈现出一定的梯度变化. 早上08：00太湖东部水体漫衰减系数明显低于西部水体，东部水体漫衰减系数值域分布在4~8 m^-1，中部及西部水体漫衰减系数值域分布在8~15 m^-1，09：00在贡湖湾东部近岸水体出现了漫衰减系数相对低值区，值域分布在0~4 m^-1，中值区由太湖东部逐渐向中部扩散，面积增大，值域依然保持在4~8 m^-1，高值区的面积减小，西北部靠近竺山湾的部分水体以及西部高值区内的小部分水体漫衰减系数值域降至4~8 m^-1，10:00~13:00，贡湖湾低值区面积逐渐向西北部扩大，基本上占据了整个贡湖湾，太湖东部及东南部部分水体也出现低值区并且随着时间的推移面积逐渐扩大，同样，中值区面积逐渐向太湖西北部扩大，占据了大部分太湖水域，高值区面积逐渐减小，到13:00高值区主要集中在太湖西南沿岸，西北部陈东港入湖河流入口处以及竺山湾和梅梁湾小部分近岸水域，14:00开始，低值区开始消散，到15:00低值区只集中在贡湖湾及其附近小部分水域，中值区也逐渐减小，高值区面积从太湖西部向东逐渐扩大. 总体来说，2013年5月14日太湖水体漫衰减系数空间上呈现出东部低于西部的趋势，时间上从08:00~13:00，漫衰减系数自东向西逐渐减小，13:00之后自西向东逐渐增大. 分析当天的气象情况，当天以东风东南风为主，这会使水体表层的悬浮物质逐渐向西漂移，从而使东部水体较为清洁，下午13:00之后风速逐渐减小，

图 7

Fig. 7

图 7 2014年8月5日太湖水体漫衰减系数空间分布 Fig. 7 Spatial distribution of diffuse attenuation coefficient of Lake Taihu on 5th August,2014

水体表层悬浮物质又逐渐向东扩散，导致漫衰减系数高值区的面积向东扩大，这说明风速、 风向等气象因子在一定程度上影响着太湖漫衰减系数一日内的空间分布. 此外，太湖西部水体漫衰减系数高于东部水体漫衰减系数的原因主要是太湖西部河流多为入湖河流，并且太湖西部工业较为发达，河流携带工业废水与生活污水进入太湖，湖水富营养化程度较高，而太湖东部大部分河流为出湖河流，并且水质较好，因此太湖东部的水体比西部水体清澈，另外，太湖边界出现异常高值的原因主要是混合像元包含了陆地的信息，影响了漫衰减系数的反演结果.

图 8

Fig. 8

图 8 2014年10月24日太湖水体漫衰减系数空间分布 Fig. 8 Spatial distribution of diffuse attenuation coefficient of Lake Taihu on 24th October,2014

图 7为GOCI影像反演得到的2014年8月5日太湖水体漫衰减系数空间分布图，可以看出，08:00太湖水体漫衰减系数主要分布在4~8 m^-1，在东部以及中部湖心区的部分水域，漫衰减系数较小，值域在0~4 m^-1，在太湖北部的竺山湾、 梅梁湾和贡湖湾部分水域以及西部入湖河流陈东港入口处附近的水域漫衰减系数较大，值域分布在8~15 m^-1，竺山湾和梅梁湾北部出口处漫衰减系数超过20 m^-1，09:00~11:00，太湖漫衰减系数逐渐降低，低值区面积逐渐向西部扩大，出现湖心区的漫衰减系数高于沿岸水体漫衰减系数的现象，高值区的面积变化不大，值域主要分布在8~15 m^-1，仍是集中在太湖西北部以及3个湖湾处，在陈东港入口处以及竺山湾和梅梁湾近岸水体的漫衰减系数高值区超过20 m^-1，11:00的影像因为太湖东部有云覆盖导致了贡湖湾以及东部部分水域漫衰减系数出现异常高值，12:00~15:00，太湖北部的漫衰减系数逐渐变大，低值区面积逐渐减小，集中在太湖中部以及贡湖湾，相对高值区仍然集中在太湖西北部并且面积变化不大，12:00的影像太湖西部有薄云覆盖，对反演结果产生一定影响，导致12:00太湖漫衰减系数空间分布呈斑驳状，14:00和15:00的影像太湖南部有云层覆盖，也是南部水体漫衰减系数出现异常高值的原因. 总体来说，2014年8月5日太湖水体漫衰减系数呈现湖心区高于近岸区，西北部高于东南部的趋势，这是因为太湖西部的污染要高于东部，并且当天的风向主要是东南风，但是由于风速较小(1 m ·s^-1左右)，所以随着时间的流逝，漫衰减系数变化并没有明显的规律性，主要体现在低值区与中值区面积的变化，另外由于2014年8月5日的GOCI影像部分区域受到云层的影响较大，漫衰减系数反演结果出现一些异常值，一定程度上影响了对太湖水体漫衰减系数空间分布日变化特征的分析.

图 8为GOCI影像反演得到的2014年10月24日太湖水体漫衰减系数空间分布，可以看出太湖水体漫衰减系数空间分布及其变化呈现出一定的规律性，08:00太湖水体漫衰减系数呈现出东部低于西部的趋势，太湖东部以及梅梁湾东部沿岸水域的漫衰减系数值域分布在0~8 m^-1，东部近岸小部分水体的漫衰减系数出现相对低值区，值域为0~4 m^-1，太湖中部及西部大部分水体的漫衰减系数都相对较高，值域分布在8~15 m^-1，竺山湾西南部部分近岸水体的漫衰减系数高达15~20 m^-1，09:00之后太湖东部的低值区和中值区面积逐渐向西部扩大，高值区面积逐渐减小，到15:00漫衰减系数高值区只集中在太湖西南部以及西北部部分水域，值域仍为8~15 m^-1，15:00低值区和中值区已经覆盖了大部分太湖水域，低值区主要分布在东部以及西北部部分水体，中值区主要分布在西南部和西北部部分水体. 此外，12:00太湖西北部靠近湖心区的部分水体出现异常高值区，之后逐渐消散，观察GOCI 12:00的影像发现该水域发生了水华，这影响了光线在水中的传输，之后水华逐渐消失，加上东南风的作用，水体逐渐变清，漫衰减系数逐渐减小. 总体来说，2014年10月24日太湖水体漫衰减系数同样呈现出西部高于东部的趋势，由于风向以东南风为主，风速平均3级左右，随着时间的流逝，漫衰减系数大体上呈现从东南向西北逐渐减小的趋势.

综合以上对于不同月份太湖水体漫衰减系数空间分布及其日变化特征分析的结果，总体来说太湖水体漫衰减系数值域主要分布在0~15 m^-1，大体可以分为3个等级，低值区值域分布在0~4 m^-1，中值区值域分布在4~8 m^-1，高值区主要分布在8~15 m^-1，部分高值区高于15 m^-1.

另外，太湖水体漫衰减系数存在一定的时空差异性. 从空间上来说，太湖水体漫衰减系数呈现一定的梯度性，从东部到西部逐渐变高，呈现西部高于东部的趋势. 这主要有以下3点原因： 一是与太湖入湖河流和出湖河流的分布有关，太湖的入湖河流大多分布于西部以及西南部，如漕桥河、 陈东港这两条太湖主要纳污河流，都分布在太湖的西南部，而太湖东部多为出湖河流，并且水质较好； 二是太湖西部的工业较为发达，工业废水随着入湖河流进入太湖，加重了太湖西部的污染； 三是太湖盛行东南风，风速较大时，会将水体表层的悬浮物向西吹散，使得太湖东部水体变清. 从时间上来说，本研究的3期数据相比，2014年8月5日的漫衰减系数整体上低于2013年5月14日和2014年10月24日的漫衰减系数，不同季节的日变化呈现出相似的规律性，即早上太湖漫衰减系数相对较高，随着时间的流逝，大体上呈现逐渐降低的趋势，其空间变化主要受到风速、 风向等气象因子的影响，同时也受到河流不同时间段的排污量以及水华暴发与消散的影响.

(1)太湖水体漫衰减系数主要受非色素颗粒物吸收主导，以GOCI第4、 5、 7波段构建的多元线性模型为适合于GOCI影像的太湖漫衰减系数反演最优模型，其精度较高，并且普适性较好.

(2)太湖水体漫衰减系数值域主要分布在0~15 m^-1，大体可以分为3个等级，低值区值域分布在0~4 m^-1，中值区值域分布在4~8 m^-1，高值区主要分布在8~15 m^-1，部分高值区高于15 m^-1.

(3)太湖水体漫衰减系数存在一定时空差异性，从空间上来说，太湖水体漫衰减系数呈现一定的梯度性，从东部到西部逐渐变高，呈现西部高于东部的趋势； 从时间上来说，早上太湖漫衰减系数相对较高，随着时间的变化，大体上呈现逐渐降低的趋势，其空间变化主要受到风速、 风向等气象因子的影响，同时也受到河流不同时间段的排污量以及水华暴发与消散的影响.