無人機(jī)水質(zhì)遙感監(jiān)測(cè)方法

朱熹 劉黎明 葉張林

摘 要：面對(duì)高分辨率水質(zhì)監(jiān)測(cè)的需求，運(yùn)用無人機(jī)多光譜傳感器，本文提出了一種水質(zhì)參數(shù)反演方法。以上海市淀山湖和元蕩為實(shí)驗(yàn)區(qū)，總磷、氨氮、高錳酸鹽、溶解氧為待反演水質(zhì)參數(shù)，構(gòu)建相應(yīng)的反演模型，基于國家標(biāo)準(zhǔn)得到水質(zhì)類別。實(shí)驗(yàn)結(jié)果顯示，各水質(zhì)參數(shù)相對(duì)誤差均在30%以內(nèi)，湖內(nèi)的污染主要集中在細(xì)小分支和岸邊。

關(guān)鍵詞：無人機(jī)多光譜;水質(zhì)監(jiān)測(cè);水質(zhì)反演

中圖分類號(hào)：X832 ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：1006—7973（2021）07-0157-03

1引言

水資源是我們賴以生存的重要資源[1]，然而人類活動(dòng)對(duì)水環(huán)境的影響日趨嚴(yán)重。傳統(tǒng)檢測(cè)方法主要以實(shí)驗(yàn)檢測(cè)法為主，但是該方法需要大量的人力物力，且覆蓋范圍有限，需要新的手段相結(jié)合構(gòu)建新的水質(zhì)監(jiān)測(cè)體系。遙感由于其成本低，速度快，監(jiān)測(cè)面積大等優(yōu)點(diǎn)被廣泛應(yīng)用于水質(zhì)監(jiān)測(cè)，但是針對(duì)更小尺度上的河道，受限于衛(wèi)星傳感器的時(shí)空分辨率，衛(wèi)星遙感反演的效果受限，此時(shí)無人機(jī)遙感的優(yōu)勢(shì)得以體現(xiàn)[7-8]。無人機(jī)具有機(jī)動(dòng)靈活、操作簡(jiǎn)便、時(shí)空分辨率高等優(yōu)點(diǎn)，可以根據(jù)監(jiān)測(cè)水域特征制定不同的檢測(cè)方案，及時(shí)發(fā)現(xiàn)水質(zhì)問題區(qū)域，對(duì)于微小水域的水質(zhì)監(jiān)測(cè)具有重要意義。

目前水質(zhì)反演方法主要分析法，經(jīng)驗(yàn)法[2-6]等。分析法主要基于水體的光譜反射散射特性，建立在光學(xué)傳輸?shù)睦碚摶A(chǔ)之上，具有嚴(yán)密的物理邏輯推演過程，但是所需輔助數(shù)據(jù)眾多，模型構(gòu)建過程繁瑣且具有一定的區(qū)域局限性。而經(jīng)驗(yàn)法建立在樣本數(shù)據(jù)與光譜數(shù)據(jù)的統(tǒng)計(jì)關(guān)系之上，模型構(gòu)建成本低，指定區(qū)域季節(jié)內(nèi)精度較高，但采樣難度高難以與衛(wèi)星影像同步匹配[7-8]。

近些年來無人機(jī)的應(yīng)用領(lǐng)域在不斷拓展，其中有針對(duì)葉綠素相對(duì)含量反演，還有在水環(huán)境中應(yīng)用于水土流失狀況分析，但目前針對(duì)水質(zhì)反演的研究還較少，基于此，本文以上海市青浦區(qū)金澤鎮(zhèn)淀山湖部分區(qū)域?yàn)閷?shí)驗(yàn)區(qū)，利用樣本點(diǎn)、地面光譜儀、縱橫無人機(jī)及K6多光譜相機(jī)構(gòu)建DO（溶解氧）、CODMN（高錳酸鹽指數(shù)）、TP（總磷）、TN（總氮）、NH3（氨氮）的遙感反演模型，并驗(yàn)證其精度。

2研究區(qū)及數(shù)據(jù)

本文以青浦區(qū)金澤鎮(zhèn)淀山湖風(fēng)景區(qū)為實(shí)驗(yàn)區(qū)，水域以淀山湖和元蕩為主，2019年7月31日飛行一個(gè)架次，覆蓋面積約3平方公里。

與此同時(shí)，在無人機(jī)飛行期間，同步采取40個(gè)水樣并在當(dāng)天送檢，檢測(cè)指標(biāo)為總磷、總氮、氨氮、高錳酸鹽、溶解氧。

3水質(zhì)參數(shù)反演模型構(gòu)建

3.1等效反射率計(jì)算

對(duì)于多光譜及高光譜傳感器，每個(gè)波段都有一定的光譜響應(yīng)寬度，同時(shí)在該波長(zhǎng)寬度范圍內(nèi)的入射輻亮度并沒有被完整的記錄，一般會(huì)有一個(gè)單峰函數(shù)來描述該波段的輻射接收情況，即為光譜響應(yīng)函數(shù)，是傳感器在每個(gè)波長(zhǎng)接受的輻亮度與入射的輻亮度的比值。

那么傳感器在每個(gè)波長(zhǎng)接收到信號(hào)時(shí)，利用以下這個(gè)公式求出無人機(jī)多光譜通道（波段）信號(hào)的等效反射率值。

其中g(shù)函數(shù)代表傳感器的光譜響應(yīng)函數(shù)，X代表著在該波長(zhǎng)的實(shí)測(cè)反射率值。共獲得450nm、490nm、550nm、615nm、650nm、685nm、725nm和808nm八個(gè)通道地的光譜響應(yīng)函數(shù)，如圖1所示。

將實(shí)測(cè)的水體反射率曲線與各通道的光譜響應(yīng)函數(shù)按照上述公式計(jì)算即可得到對(duì)應(yīng)于該多光譜相機(jī)的等效反射率。

3.2水質(zhì)參數(shù)敏感性分析

通過分析單波段及組合波段與實(shí)測(cè)水質(zhì)參數(shù)之間的相關(guān)性，挑選相關(guān)性較高的組合，從而為設(shè)計(jì)相應(yīng)的模型提供支持。其中單通道相關(guān)性如下圖所示。

由上圖可以看出，除DO（溶解氧）外，CODMN（高錳酸鹽指數(shù)）、TP（總磷）、TN（總氮）、NH3（氨氮）與單波段等效反射率的相關(guān)性都不高（<0.5），無明顯相關(guān)性，需要進(jìn)行波段比值的相關(guān)性分析。除此之外對(duì)各波段組合也進(jìn)行相關(guān)性分析。

3.3反演模型構(gòu)建

3.3.1 CODMN反演模型構(gòu)建

CODMN于725/550波段處有較強(qiáng)的相關(guān)性，因此選擇725nm和550nm作為特征波段，使用波段比值構(gòu)建模型。

在建模之前并不是所有的樣本點(diǎn)數(shù)據(jù)都可以用于建模，如果建模數(shù)據(jù)中存在一些異常點(diǎn)都會(huì)對(duì)模型性能造成較大的影響，因此需要在建模之前對(duì)異常點(diǎn)進(jìn)行剔除。將725/550比值與CODMN分別進(jìn)行排序，再根據(jù)平均值和標(biāo)準(zhǔn)差設(shè)定閾值，將數(shù)據(jù)點(diǎn)與平均值差值絕對(duì)值大于閾值的點(diǎn)刪除。

對(duì)數(shù)化后的CODMN與特征波段比值有明顯的線性關(guān)系，通過最小二乘求解可得。

3.3.2 TN反演模型構(gòu)建

TN與單波段相關(guān)性都較低，但是從550-615相關(guān)系數(shù)有明顯下降，從685-725有明顯上升，結(jié)合615/550、725/685的比值相關(guān)性較高，選取該比值為特征波段。隨后去除異常值并取對(duì)數(shù)，采用多元線性回歸構(gòu)建模型。

4水質(zhì)反演結(jié)果

對(duì)預(yù)處理過后的無人機(jī)遙感數(shù)據(jù)，針對(duì)各水質(zhì)參數(shù)進(jìn)行遙感水質(zhì)反演，得到研究區(qū)域內(nèi)個(gè)水質(zhì)參數(shù)濃度，再根據(jù)國家標(biāo)準(zhǔn)及單一指標(biāo)評(píng)價(jià)法，生成水質(zhì)等級(jí)圖，分為I類至劣V類共六類水質(zhì)等級(jí)。

由上圖可以看出，淀山湖區(qū)域水質(zhì)以II類為主，而元蕩則以III類為主，其中V類及劣V類主要分布在細(xì)小河道和水體邊緣地區(qū)，一方面原因是岸邊地區(qū)是排污區(qū)域，所以一定程度上反映排污分布情況，另一方面原因則是岸邊有河岸、植被、陰影的影響，同時(shí)混合像元現(xiàn)象普遍存在，造成類別的誤判。

5精度驗(yàn)證

采用樣本數(shù)據(jù)進(jìn)行相對(duì)誤差驗(yàn)證，結(jié)果顯示CODmn的相對(duì)誤差最低，DO的相對(duì)誤差較高，綜合來看相對(duì)誤差都在30%以下，具有較高的精度。

6結(jié)論

利用無人機(jī)多光譜數(shù)據(jù)以及準(zhǔn)同步水質(zhì)采樣數(shù)據(jù)，構(gòu)建水質(zhì)反演模型，反演總磷、總氮、氨氮、高錳酸鹽、溶解氧五類水質(zhì)參數(shù)，結(jié)合單一因子評(píng)價(jià)標(biāo)準(zhǔn)得到水質(zhì)指標(biāo)。本文實(shí)驗(yàn)結(jié)論表明，各類水質(zhì)參數(shù)相對(duì)誤差率均低于30%，錯(cuò)分像元主要集中于河岸區(qū)域，大部分區(qū)域誤差在一個(gè)類別以內(nèi)，展現(xiàn)了較高的精度。

除此之外，本模型主要針對(duì)夏季的水質(zhì)樣本，是否有全季節(jié)適用性還未進(jìn)行探究，未來面向全季節(jié)的水質(zhì)反演依然有可提升的空間。

參考文獻(xiàn)：

[1]馬榮華，段洪濤，唐軍武等.湖泊水環(huán)境遙感[M].北京：科學(xué)出版社，2010.

[2] A. G. Dekker，S. W. M. Peters. The use of the Thematic Mapper for the analysis of eutrophic lakes： a case study in the Netherlands.[J]. International Journal of Remote Sensing，1993，14（5）.

[3] Han， L.， and D. C. Rundquist. The Response of Both Surface Reflectance and the Underwater Light Field to Various Levels of Suspended Sediments： Preliminary Results. Photogrammetric Engineering and Remote Sensing， vol. 60， no. 12， 1994， pp. 1463–1471.

[4] Buckton， Daniel， et al. “The Use of Neural Networks for the Estimation of Oceanic Constituents Based on the MERIS Instrument.” International Journal of Remote Sensing， vol. 20， no. 9， 1999， pp. 1841–1851.

[5] Han， L.， and D. C. Rundquist. The Response of Both Surface Reflectance and the Underwater Light Field to Various Levels of Suspended Sediments： Preliminary Results. Photogrammetric Engineering and Remote Sensing， vol. 60， no. 12， 1994， pp. 1463–1471.

[6]武文波，劉正綱.一種基于地物波譜特征的最佳波段組合選取方法[J].測(cè)繪工程，2007（06）：22-24+33.

[7]楊振，盧小平，武永斌，苗沛基，周俊利.無人機(jī)高光譜遙感的水質(zhì)參數(shù)反演與模型構(gòu)建[J/OL].測(cè)繪科學(xué)：1-8[2020-06-11].

[8]鄒凱，孫永華，李小娟，邢瑞.基于無人機(jī)遙感的水質(zhì)監(jiān)測(cè)研究綜述[J].環(huán)境科學(xué)與技術(shù)，2019，42（S2）：69-75.

基金項(xiàng)目：上海市科學(xué)技術(shù)委員會(huì)，基于高分遙感的近海水環(huán)境監(jiān)測(cè)關(guān)鍵技術(shù)研究及示范應(yīng)用（19511100900）。