1 引言

我國(guó)河流、湖泊眾多，伴隨經(jīng)濟(jì)的高速發(fā)展，人類(lèi)活動(dòng)的增強(qiáng)，河流、湖泊水質(zhì)污染問(wèn)題日益嚴(yán)重，已經(jīng)成為制約城市可持續(xù)發(fā)展的關(guān)鍵因素，因此有必要利用高新技術(shù)手段展開(kāi)河流、湖泊水質(zhì)污染問(wèn)題研究，及時(shí)、快速的提供河流、湖泊的水質(zhì)狀況，保障人們正常的生產(chǎn)生活。

遙感技術(shù)的發(fā)展與進(jìn)步為河流、湖泊水體的監(jiān)測(cè)和研究開(kāi)辟了新的途徑。目前，國(guó)內(nèi)外學(xué)者利用特定的遙感平臺(tái)，構(gòu)建了針對(duì)特定水域的不同水質(zhì)參數(shù)的模型，并取得了一定的成果。在衛(wèi)星平臺(tái)上，Thiemann等用IRS-1C數(shù)據(jù)對(duì)德國(guó)梅克倫堡州湖泊群的水體葉綠素ａ進(jìn)行了反演，并結(jié)合卡爾森模型(TSI)評(píng)價(jià)了該地區(qū)水體富營(yíng)養(yǎng)化程度；柳晶輝等利用HJ-1衛(wèi)星多光譜數(shù)據(jù)監(jiān)測(cè)湖北武漢東湖藍(lán)藻爆發(fā)情況，研究表明利用HJ-1遙感數(shù)據(jù)可快速鑒別藍(lán)藻范圍及其程度，大氣校正突出了藍(lán)藻水體和其他地物光譜差異，EVI方法精度較高，可剔去水質(zhì)中泥沙等懸浮物的干擾，可作為城市湖泊藍(lán)藻變化檢測(cè)經(jīng)驗(yàn)?zāi)Ｐ?。在機(jī)載平臺(tái)上，F(xiàn)link等收集了瑞典兩個(gè)湖泊的 CASI 數(shù)據(jù)，利用主成分分析法找出與葉綠素 a 濃度的相關(guān)最好的波段，對(duì)其進(jìn)行分析并繪制了葉綠素濃度圖。Hakvoort等運(yùn)用機(jī)載成像高光譜數(shù)據(jù)對(duì)CDOM、Chl-a、TSS等水質(zhì)參數(shù)進(jìn)行監(jiān)測(cè)；Olmanson等利用機(jī)載高光譜影像數(shù)據(jù)分析了明尼蘇達(dá)河和密西西比河交匯處、密西西比河和圣克羅伊河交匯處、明尼蘇達(dá)河和密西西比河交匯處附近的濁度葉綠素a分布圖。在地面平臺(tái)上，段洪濤等利用地物光譜儀ASD對(duì)長(zhǎng)春市南湖水質(zhì)參數(shù)進(jìn)行了研究分析，分別構(gòu)建了葉綠素a、總磷等水質(zhì)參數(shù)的單波段監(jiān)測(cè)模型；吳廷寬等利用地物光譜儀對(duì)貴州市百花湖富營(yíng)養(yǎng)進(jìn)行評(píng)價(jià)，得出水質(zhì)參數(shù)Chl-a、TP、TN、SD、CODMn的敏感波段分別為699nm、823nm、399 nm 、563nm、504nm，利用水質(zhì)參數(shù)敏感波段對(duì)湖泊水質(zhì)參數(shù)進(jìn)行估測(cè)的效果較為理想。這些研究表明，將衛(wèi)星、機(jī)載、近地面遙感技術(shù)應(yīng)用于水質(zhì)監(jiān)測(cè)，其方法已經(jīng)較為成熟，也可取得較好的成果。然而受衛(wèi)星遙感影像空間分辨率、時(shí)間分辨率等限制，衛(wèi)星遙感技術(shù)目前多應(yīng)用于大面積水域的水質(zhì)監(jiān)測(cè)；另外機(jī)載遙感技術(shù)受航空管制等因素的影響，不能及時(shí)的檢測(cè)水質(zhì)污染狀況，因此對(duì)于小微水域中水質(zhì)參數(shù)的空間分布情況，需要采用新的方法予以解決。

?近年來(lái)隨著無(wú)人機(jī)發(fā)展的日漸成熟，無(wú)人機(jī)搭載高光譜相機(jī)的應(yīng)用領(lǐng)域不斷拓展，例如，萬(wàn)余慶等利用無(wú)人機(jī)高光譜對(duì)新疆生產(chǎn)建設(shè)兵團(tuán)共青團(tuán)團(tuán)場(chǎng)的土壤氮磷鉀進(jìn)行了監(jiān)測(cè)研究，研究結(jié)果為團(tuán)場(chǎng)的大范圍施肥提供決策依據(jù)；Du等利用無(wú)人機(jī)高光譜獲取沈陽(yáng)農(nóng)業(yè)大學(xué)水稻田的高光譜影像，進(jìn)而分析水稻的葉片氮含量，所構(gòu)建的模型精度為R2 = 0.85，研究結(jié)果為無(wú)人機(jī)高光譜遙感反演水稻氮水平提供了理論依據(jù)；Sankey等利用無(wú)人機(jī)高光譜和雷達(dá)技術(shù)進(jìn)行森林的樹(shù)高樹(shù)冠覆蓋度研究；Ishida等利用無(wú)人機(jī)高光譜技術(shù)對(duì)植物區(qū)域的不同地物進(jìn)行分類(lèi)研究，總體分類(lèi)精度為94.5%。然而目前針對(duì)無(wú)人機(jī)高光譜技術(shù)對(duì)水體（如湖泊、河流等）的水質(zhì)研究甚少。

基于此，本文以云南玉溪市星云湖和深圳市茅洲河為研究對(duì)像，通過(guò)無(wú)人機(jī)搭載高光譜傳感器獲取其高光譜圖像反射率數(shù)據(jù)，構(gòu)建總氮(TN)、總磷(TP)、葉綠素 (CHL-a)、懸浮物 (TSS)、和濁度(TUB)的監(jiān)測(cè)模型并研究其濃度空間分布，以期為不同水體的水質(zhì)監(jiān)測(cè)提供新的技術(shù)手段。

2 材料與方法

2.1 研究區(qū)域概況

星云湖位于中國(guó)云南省玉溪市江川縣縣城以北2公里，距縣城約一公里。地理位置為東經(jīng) 102°45′ ，至102°48′，北緯24°17′至 24°23′，南與杞麓湖相鄰，北與撫仙湖相通，屬珠江流域南盤(pán)江水系的源頭湖泊，為滇中高原陷落性淺水湖，是撫仙湖上游的唯一湖泊。星云湖湖灣多，灣弧多，魚(yú)草繁茂，岸邊柳樹(shù)蘆草成行，周?chē)噢r(nóng)田，湖底平緩多泥，有機(jī)物質(zhì)淤積較厚，湖內(nèi)水草繁茂，浮游生物和底棲生物也較豐富，屬高原斷陷湖泊，是一座富營(yíng)養(yǎng)化湖泊，為云南九大高原湖泊之一，近年來(lái)星云湖被列為劣V類(lèi)水質(zhì)。

全長(zhǎng)31公里的茅洲河是深圳第一大河，也是它流經(jīng)深圳、東莞兩市，兩岸一級(jí)支流27條，每一條都在經(jīng)濟(jì)騰飛進(jìn)程中被嚴(yán)重污染，兩岸工廠企業(yè)眾多、水污染問(wèn)題最為棘手，是深圳市污染河流中最具有代表性的一條。污染直接危害了流域內(nèi)人民的正常生活和身體健康，不能滿(mǎn)足人民對(duì)美好生活環(huán)境的要求對(duì)旅游事業(yè)也帶來(lái)了一定影響。

2.2 采樣點(diǎn)的分布

本文以星云湖的進(jìn)水口和茅洲河的第三支流作為研究區(qū)，在2018年7月18日和2019年7月26日分別對(duì)茅洲河的第三支流和星云湖的幾個(gè)進(jìn)水口進(jìn)行了野外試驗(yàn)，在星云湖和茅洲河分別采集了5和15個(gè)采樣點(diǎn)的水質(zhì)參數(shù)。試驗(yàn)采樣點(diǎn)分布如圖1所示。

圖1 星云湖（左）和茅洲河（右）的采樣點(diǎn)分布圖

2.3 無(wú)人機(jī)高光譜影像獲取

采用大疆無(wú)人機(jī)高光譜成像儀獲取星云湖和茅洲河的高光譜影像。無(wú)人機(jī)飛行高度為100米，采用的是2*4 binning方式獲取高光譜影像（2是空間維的，8是光譜維）（Binning是一種圖像讀出模式，將相鄰的像元中感應(yīng)的電荷被加在一起，以一個(gè)像素的模式讀出），高光譜影像的空間分辨率約為4cm。其中無(wú)人機(jī)高光譜影像的預(yù)處理主要包括鏡像變換、黑白幀校正、場(chǎng)地校正等。

2.4 水質(zhì)參數(shù)分析

每個(gè)采樣點(diǎn)取表層0.5m處的水樣進(jìn)行實(shí)驗(yàn)室分析，分析的參數(shù)包括總氮(TN)、總磷(TP)、懸浮物 (TSS)、濁度(TUB)、葉綠素 (CHL-a)。其中TN采用紫外可見(jiàn)分光光度計(jì)UV754N測(cè)定；TP、TUB和CHL-a采用可見(jiàn)分光光度計(jì)721型測(cè)定；TSS采用萬(wàn)分之一分析天平AL204測(cè)定。星云湖和茅洲河采樣點(diǎn)的水質(zhì)參數(shù)統(tǒng)計(jì)表如表1所示，主要包括每個(gè)水質(zhì)參數(shù)的最小值、最大值、均值、方差和變異系數(shù)。

表1 湖泊、河流水質(zhì)參數(shù)的統(tǒng)計(jì)參數(shù)

2.5 水質(zhì)參數(shù)模型構(gòu)建流程

本研究以云南玉溪市星云湖和深圳市茅洲河為研究區(qū)，利用無(wú)人機(jī)高光譜技術(shù)構(gòu)建水質(zhì)參數(shù)如總氮、總磷、懸浮物、濁度、葉綠素a的監(jiān)測(cè)模型，將最優(yōu)的監(jiān)測(cè)模型反演到無(wú)人機(jī)高光譜影像上制作總氮、總磷、懸浮物、濁度、葉綠素a的空間分布圖。具體計(jì)算路線如圖2所示。

圖2 無(wú)人機(jī)高光譜水質(zhì)監(jiān)測(cè)模型的構(gòu)建流程

2.6 模型評(píng)價(jià)標(biāo)準(zhǔn)

本研究中星云湖和茅洲河分別有5和15個(gè)采樣點(diǎn)，采樣點(diǎn)按3:2的比例運(yùn)用含量梯度法[21]選出建模集和檢驗(yàn)集。水質(zhì)參數(shù)監(jiān)測(cè)模型運(yùn)用決定系數(shù)R2、均方根誤差（Root Mean Square Error，RMSE）、預(yù)測(cè)與偏差的比率（Ratio of Prediction to Deviation，RPD）進(jìn)行精度評(píng)價(jià)，其中R2越大，RMSE和RPD越小，模型的準(zhǔn)確性越高。當(dāng)RPD> 2.0的值表示穩(wěn)定且準(zhǔn)確的預(yù)測(cè)模型，RPD值介于1.4和2.0之間，表明可以模型穩(wěn)定性一般，預(yù)測(cè)能力不穩(wěn)定，RPD<1.4時(shí)表明模型預(yù)測(cè)能力差。

3 結(jié)果與分析

3.1? 采樣點(diǎn)光譜分析

圖3為星云湖和茅洲河共20個(gè)采樣點(diǎn)的光譜反射率曲線，其中星云湖的5個(gè)采樣點(diǎn)簡(jiǎn)稱(chēng)湖+數(shù)字，茅洲河的15個(gè)采樣點(diǎn)簡(jiǎn)稱(chēng)河+數(shù)字。從圖可以看出水體的光譜特征變化：在400-590nm范圍內(nèi)，水體的光譜反射率呈上升趨勢(shì)，在570-590nm附近形成一個(gè)反射峰，是由葉綠素和胡蘿卜素吸收較弱以及水中藻類(lèi)和懸浮物的散射作用形成的；在590-680nm范圍內(nèi)，水體的光譜反射率曲線呈下降趨勢(shì)，在670-680nm范圍內(nèi)形成一個(gè)峰谷，這是由于葉綠素a的強(qiáng)吸收引起的；在690-710nm范圍內(nèi)形成的陡峰可作為水體有無(wú)葉綠素的重要依據(jù)，由于浮游植物色素的熒光效應(yīng)，使得水和葉綠素 a的吸收系數(shù)之和在此波長(zhǎng)處達(dá)到最小值；在790-810nm范圍內(nèi)形成的峰值是由于水中懸浮物的散射作用引起的。綜合分析星云湖和茅洲河采樣點(diǎn)的光譜曲線可知，不同區(qū)域、不同水質(zhì)的光譜曲線變化趨勢(shì)總體一致，是不同采樣點(diǎn)由于所含的水質(zhì)參數(shù)含量不同，其峰谷值及曲線高低變換緩慢不同。

圖3 星云湖和茅洲河采樣點(diǎn)的光譜反射率

將星云湖和茅洲河采樣點(diǎn)的水質(zhì)參數(shù)（如總氮、總磷、懸浮物、濁度和葉綠素a）分別與其對(duì)應(yīng)的光譜反射率值進(jìn)行相關(guān)性分析，得到如圖4所示的相關(guān)性曲線。從圖4可知，在400-1000nm光譜范圍內(nèi)，濁度與各波段的反射率始終呈負(fù)相關(guān)關(guān)系，且相關(guān)系數(shù)并不高，相關(guān)系數(shù)絕對(duì)值在0-0.2之間；總磷與各波段的反射率呈正負(fù)相關(guān)性，相關(guān)系數(shù)絕對(duì)值最高的在660-690nm之間；總氮與各波段的反射率在400-530nm和540-695nm處呈負(fù)相關(guān)關(guān)系，在530-540和695-1000nm處呈正相關(guān)，相關(guān)系數(shù)在490nm和690nm附近有兩個(gè)峰值；懸浮物和葉綠素a與各波段反射率相關(guān)性變化趨勢(shì)一致，在400-690nm范圍內(nèi)呈正負(fù)相關(guān)性，在690-1000nm范圍內(nèi)呈正相關(guān)性，相關(guān)系數(shù)在490nm和690nm附近有兩個(gè)峰值，在690-1000nm范圍內(nèi)保持較高的相關(guān)性。

圖4 星云湖、茅洲河的水質(zhì)參數(shù)與反射率的相關(guān)系數(shù)曲線

3.2 水質(zhì)參數(shù)的監(jiān)測(cè)模型

根據(jù)前人的研究可知，利用單波段監(jiān)測(cè)水質(zhì)的精度不如雙波段的監(jiān)測(cè)精度高；利用復(fù)雜的化學(xué)計(jì)量學(xué)分析法，如偏最小二乘法、人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等，與雙波段監(jiān)測(cè)模型相比雖然從監(jiān)測(cè)精度上有所提高，但運(yùn)用的波段數(shù)多，且運(yùn)行時(shí)間較長(zhǎng)，在實(shí)際應(yīng)用過(guò)程中不適合實(shí)時(shí)在線監(jiān)測(cè)水質(zhì)參數(shù)。然而利用雙波段組合因子不僅可以突出水質(zhì)參數(shù)的光譜特征，使得非特征波段和特征波段不重合的其他水質(zhì)參數(shù)的交叉影響所造成的誤差平均化和隨機(jī)化。同時(shí)，相除因子和相差因子都是突出水質(zhì)參數(shù)的光譜特征波段的有效運(yùn)算方法。本文根據(jù)雙波段組合，構(gòu)建歸一化指數(shù)、比值指數(shù)、差值指數(shù)，尋找最佳的雙波段組合構(gòu)建監(jiān)測(cè)模型預(yù)測(cè)水質(zhì)參數(shù)。

將波長(zhǎng)從400-1000nm的所有波段反射率構(gòu)建歸一化指數(shù)、比值指數(shù)、差值指數(shù)分別與各水質(zhì)參數(shù)進(jìn)行相關(guān)分析，得到水質(zhì)參數(shù)與各波段比值的相關(guān)系數(shù)分布圖。以水質(zhì)參數(shù)總氮為例，圖5為水質(zhì)參數(shù)總氮與歸一化指數(shù)、比值指數(shù)、差值指數(shù)任意兩波段組合的相關(guān)系數(shù)分布圖。

圖5 總氮與雙波段反射率指數(shù)相關(guān)系數(shù)分布圖

圖6 總氮模型的建立及檢驗(yàn)

圖7 總磷模型的建立及檢驗(yàn)

圖8 葉綠素a模型的建立及檢驗(yàn)

圖9 懸浮物模型的建立及檢驗(yàn)

圖10 濁度模型的建立及檢驗(yàn)

圖11 河湖水質(zhì)參數(shù)的反演

4?結(jié)論與討論

目前，衛(wèi)星遙感技術(shù)對(duì)水質(zhì)參數(shù)的監(jiān)測(cè)研究已基本成熟，但受衛(wèi)星遙感影像空間分辨率、時(shí)間分辨率等因素的影響，衛(wèi)星遙感無(wú)法針對(duì)小范圍城市河流、湖泊的進(jìn)出排水口進(jìn)行實(shí)時(shí)監(jiān)測(cè)。本研究利用無(wú)人機(jī)高光譜技術(shù)，根據(jù)已建立的指數(shù)模型，在水面上空獲取水體的高光譜影像，通過(guò)在線反演可實(shí)時(shí)觀察水環(huán)境的水質(zhì)參數(shù)總氮、總磷、葉綠素a、懸浮物、濁度的變化，為城市河流的水質(zhì)監(jiān)測(cè)提供了全新的數(shù)據(jù)來(lái)源和技術(shù)手段，同時(shí)也為湖泊、河流的水環(huán)境保護(hù)及治理提供了依據(jù)。