多源高分辨率衛(wèi)星影像監(jiān)測黑臭水體的適用性研究

王茹，申茜，彭紅春，姚月，李俊生，汪明秀，史佳睿，徐雯婷

1.江蘇海洋大學 海洋技術與測繪學院,連云港222005;

2.中國科學院空天信息創(chuàng)新研究院 數(shù)字地球實驗室,北京100094;

3.東華理工大學 測繪工程學院,南昌330105

1 引 言

由于經濟的快速發(fā)展，大量的生活和工廠污水被排放到城市河道中，導致城市河道變黑變臭，最終形成城市黑臭水體（中華人民共和國住房和城鄉(xiāng)建設部和中華人民共和國環(huán)境保護部，2015；白慧文等，2019）。黑臭水體現(xiàn)象的出現(xiàn)對人類的基本生活造成威脅（申茜等，2017），成為目前亟需解決的問題。傳統(tǒng)的黑臭水體地面監(jiān)測方式耗時耗力，遙感手段以其低成本、范圍廣、速度快等優(yōu)勢，逐漸替代傳統(tǒng)的地面監(jiān)測。而黑臭水體監(jiān)測是黑臭水體監(jiān)督和治理的前提（胡淼等，2017），因此，黑臭水體遙感監(jiān)測具有十分重要的科學價值和現(xiàn)實意義。

早期，一些學者基于現(xiàn)場數(shù)據(jù)和海洋水色遙感數(shù)據(jù)，在春季長江入?？诎l(fā)現(xiàn)了一個黑水區(qū)（Bai等，2009），使用了Landsat 8 OLI 和Sentinel-2 MSI影像通過水質參數(shù)識別黑湖問題（Kutser 等，2016；李旭文等，2012），他們的研究表明遙感技術在識別污染的黑湖方面是有用的（Nichol，1993；Zhao 等，2013），隨著高分辨率影像的發(fā)展，目前，黑臭水體遙感監(jiān)測主要采用高空間分辨率影像，主要利用國產的GF-2、GF-1、北京二號、美國的PlanetScope 衛(wèi)星影像以及高光譜機載CASI 影像數(shù)據(jù)，對某些城市黑臭水體進行監(jiān)測，包括北京、重慶、南京、欽州、太原、深圳、沈陽等，而黑臭水體監(jiān)測方法大致可分為兩類，一類是基于黑臭水體的遙感反射率光譜與一般水體反射率光譜特征差異，構建光譜指數(shù)閾值分割模型，包括利用綠光波段遙感反射率的的單波段閾值、藍，綠波段差值、紅，綠波段比值，以及色度值構建了黑臭水體遙感識別算法（溫爽等，2018），對南京主城區(qū)進行黑臭提取；基于GF-1 PMS 和GF-2 PMS 影像，利用城市黑臭水體反射率光譜在綠光—紅光波段變化比一般水體平緩的特點，提出基于反射率光譜指數(shù)BOI（Black and Odorous water Index）的黑臭水體識別模型（姚月等，2019），并應用于沈陽；基于實測等效數(shù)據(jù)值，利用CIE顏色純度算法提取城市黑臭水體，并將該算法應用于沈陽和北京的GF-2 PMS 影像，具有較好的識別精度（Shen 等，2019）；基于機載高光譜CASI 圖像數(shù)據(jù)，提出一種可以有效消除陰影和植被影像的黑臭水體模型（Huang和Zheng，2019）；基于欽州PlanetScope 影像的藍、綠、紅、近紅波段，構建歸一化黑臭水體指數(shù)法—NDBWI（姚煥玫等，2019）；基于GF-1 PMS 衛(wèi)星水體清潔指數(shù)（WCI）的太原市黑臭水體模型（李佳琦等，2019）；基于GF-1 PMS 數(shù)據(jù)對比4 種模型在深圳市的適用性（張雪等，2019）等；為了有效識別城市黑臭水體，另一類是通過水質參數(shù)的反演評價城市黑臭水體，如靳海霞等（2017）反演北京河段的葉綠素a濃度、懸浮物濃度、透明度及綜合營養(yǎng)狀態(tài)指數(shù)，并利用綜合營養(yǎng)狀態(tài)指數(shù)評價黑臭程度。由此可見，利用多源影像大范圍監(jiān)測黑臭水體的研究很少。

目前的相關研究都是利用某一種高分辨率衛(wèi)星監(jiān)測某個城市的黑臭水體。但是，一般高分辨衛(wèi)星幅寬較小，單顆衛(wèi)星覆蓋能力比較差。因此，無法滿足一定時段內的黑臭水體監(jiān)測需求。有必要聯(lián)合多源衛(wèi)星監(jiān)測黑臭水體。但是，衛(wèi)星遙感器的空間分辨率、波段設置等方面都存在差異，因此在黑臭水體監(jiān)測方法和效果上也會存在不同。目前，還缺乏這方面的系統(tǒng)性研究。

因此，為了滿足一定時段內的黑臭水體監(jiān)測要求，本文將從高分辨率衛(wèi)星傳感器波段設置、黑臭水體識別模型、衛(wèi)星影像成本等方面分析多源遙感影像監(jiān)測黑臭水體的適用性，為多源衛(wèi)星影像監(jiān)測全國范圍黑臭水體提供應用參考和借鑒。

2 數(shù) 據(jù)

2.1 多源高分辨率衛(wèi)星影像數(shù)據(jù)

選取國內外常用的全色波段分辨率在2 m 以內高分辨率遙感影像作為數(shù)據(jù)源，通過人工目視解譯，剔除受云和太陽耀光影響較大的圖像，保留高質量的遙感影像。主要選取了2017年—2020年高質量的GeoEye-1、WorldView-2、北京二號（DMC3）、高景一號SV1（SuperView-1）以及GF-PMS系列（GF-1/1B/1C/1D、GF-2、GF-6）衛(wèi)星影像（表1）。

表1 多源高分辨率遙感影像使用情況Table 1 Usage of multi-source high-resolution remote sensing images

為了對比多源衛(wèi)星影像傳感器設置的差異性，從空間分辨率、波段設置、光譜響應函數(shù)等方面介紹多源衛(wèi)星影像的異同點。

（1）空間分辨率。一般地，空間分辨率越高，獲取的信息越詳盡。目前國產衛(wèi)星往往同時搭載了全色和多光譜傳感器（孫偉偉等，2020），多源衛(wèi)星影像的全色和多光譜波段空間分辨率如表2所示。

表2 多源衛(wèi)星影像空間分辨率對比Table 2 Comparison of spatial resolution of multi-source satellites remote sensing images

（2）波段設置。GeoEye-1、DMC3、SV1 以及GF系列影像均設置了4個波段，分別為藍、綠、紅、近紅波段；WorldView-2影像設置了8個波段，即深藍、藍、綠、黃色、紅、紅邊、2個近紅外波段。

（3）光譜響應函數(shù)。在相同的觀測條件下，光譜響應函數(shù)的差異會導致不同傳感器觀測到的地物反射率不同。如圖1，多源衛(wèi)星影像在藍光波段、綠光波段和近紅波段的光譜響應函數(shù)基本一致，在紅光和全色譜段存在差異。圖1（a）中，DMC3影像的紅光波段的光譜響應函數(shù)與其他多源衛(wèi)星影像存在差異，主要是位置差異，GeoEye-1的紅光波段光譜響應寬度小于其他多源衛(wèi)星傳感器；圖1（b）中，DMC3 衛(wèi)星和WorldView-2 衛(wèi)星的全色波段光譜響應寬度小于其他遙感衛(wèi)星。

圖1 多源衛(wèi)星影像光譜響應函數(shù)Fig.1 The spectral response function of the multi-source sensor images

2.2 實測數(shù)據(jù)

實測光譜數(shù)據(jù)的獲取是使用ASDFiledSpec?3便攜式地物光譜儀，基于“表面法”進行水面反射率光譜測量（唐軍武等，2004）。對每個采樣點，測量了水體上行輻亮度Lu（λ）、天空光下行輻亮度Lsky（λ）以及參考板的輻亮度數(shù)據(jù)Lp（λ），通過Mobley（1999）等提出的公式計算遙感反射率，同時，采集的水樣點使用塞氏盤測量透明度，氧化還原電位ORP（mV）和溶解氧DO（mg/L）由哈希HQ30D便攜式溶解氧測定儀測量，氨氮（mg/L）由哈納HI96733氨氮測定儀測量。

結合《城市黑臭水體整治工作指南》（中華人民共和國住房和城鄉(xiāng)建設部和中華人民共和國環(huán)境保護部，2015）中透明度（cm）、溶解氧（mg/L）、氧化還原電位（mV）和氨氮（mg/L）等特征指標（表3），判斷采樣點水體類型。

表3 城市黑臭水體判別標準Table 3 The criteria for determination of urban black and odorous water

2016-08-28、2017-09-20、2018-09-05、2019-09-16和2019-09-18 在北京市分別開展了5 次野外水面試驗，共采集了54 組黑臭水體，39 組一般水體（圖2（a））；2016-09-19—20 和2016-10-09 在沈陽市分別開展了兩次野外水面試驗，共采集了47組黑臭水體，27組一般水體（圖2（b））。

圖2 北京市和沈陽市實測點位分布圖Fig.2 Distribution map of measured points in Beijing and Shenyang

其中2019-09-05 GF-2 在北京同步過境，當天共采集了12 個采樣點（3 組黑臭水體，9 組一般水體）的數(shù)據(jù)。

3 方 法

為了對比多源衛(wèi)星影像監(jiān)測黑臭水體的適用性，首先，基于實測光譜數(shù)據(jù)，利用衛(wèi)星影像的光譜響應函數(shù)，將實測水面反射率等效為衛(wèi)星影像上各個波段的遙感反射率。然后，基于等效的反射率數(shù)據(jù)，確定黑臭水體識別模型閾值，并進行精度評價，最后，基于多源影像對示范區(qū)進行應用。具體的模型適用性研究的流程如圖3。

圖3 模型適用性方法研究技術流程圖Fig.3 Technical flow chart of model applicability method research

3.1 基于實測水面光譜的的黑臭水體監(jiān)測方法和對比

（1）基于實測光譜的多源衛(wèi)星波段等效。利用多源遙感影像的光譜響應函數(shù)，將實測水體反射率模擬等效為多源衛(wèi)星影像上的各個波段的反射率Rrseq，計算公式如下：

式中，Rrseq為衛(wèi)星波段等效反射率；Rrs（λ）為實測的遙感反射率；fSRF（λ）為衛(wèi)星的光譜響應函數(shù)；F0（λ）為大氣層外太陽輻照度（中國資源衛(wèi)星應用中心，2016）。

（2）基于波段等效光譜的黑臭水體識別模型。采用姚月等（2019）等提出的BOI（Black and Odorous water Index）模型，計算等效數(shù)據(jù)的BOI 值。BOI模型計算公式如下：

式中，Rrs（B）為藍光波段的遙感反射率，Rrs（G）為綠光波段的遙感反射率，Rrs（R）為紅光波段的遙感反射率，T為閾值。

（3）基于波段等效光譜的黑臭水體識別評價。為了確定模型閾值，將獲取的155組實測數(shù)據(jù)（98組黑臭水體，57 組一般水體）經過等效計算，隨機篩選出3/4組實測數(shù)據(jù)（74組黑臭水體，43組一般水體）進行模型閾值的確定，剩余的1/4 組實測數(shù)據(jù)（14組一般水體，24組黑臭水體）用于檢驗模型閾值的精度。2018-09-05 同步采集的12 個采樣點（3組黑臭水體，9組一般水體）將用于大氣校正精度評價。

基于等效的遙感反射率，如表4所示，采用整體識別正確率、黑臭水體錯分率、黑臭水體漏分率、一般水體錯分率和一般水體漏分率評價模型閾值的可靠性。

表4 各精度評價公式Table 4 Each accuracy evaluation formula

3.2 基于衛(wèi)星影像的黑臭水體識別方法和對比

（1）多源衛(wèi)星影像預處理。為了準確對比多源遙感數(shù)據(jù)之間的差異，利用多源衛(wèi)星影像監(jiān)測黑臭水體時，采用相同的預處理步驟。預處理步驟主要包括圖像融合、幾何精校正、大氣校正以及利用水體中心線法提取河流矢量。

首先利用像素刻刀處理軟件對全色和多光譜影像進行融合（像素刻刀高分衛(wèi)星處理軟件，2018），然后利用參考影像自動提取控制點，同時在影像重疊區(qū)提取連接點，并在SRTM DEM 數(shù)據(jù)的輔助下進行區(qū)域網平差，完成幾何精校正（Long等，2016）。

最后進行大氣校正，基于輻射傳輸模型進行衛(wèi)星遙感影像精確大氣校正時，需要衛(wèi)星遙感器進行了精確的輻射定標。但是對于高分辨率衛(wèi)星來說，主要用途是目視解譯和分類識別，衛(wèi)星數(shù)據(jù)提供方對于輻射定標往往不夠重視，導致輻射定標的精度不能夠滿足精確大氣校正的要求。此外，基于輻射傳輸模型的大氣校正一般還需要短波紅外波段來反演氣溶膠，這也是常有的高分辨率衛(wèi)星所不具備的；而且，多光譜波段與全色波段融合之后，光譜會發(fā)生變化，再應用于基于輻射傳輸模型的大氣校正會存在問題。綜上，基于輻射傳輸模型的大氣校正方法很難應用于融合的高分辨率衛(wèi)星。為了解決這些問題，本文采用相對輻射歸一化的方法進行大氣校正（郭麗峰等，2009）。其核心原理和操作步驟如下：（1）找到一種輻射定標比較精確、具有短波紅外波段、空間分辨率相對較高的衛(wèi)星遙感數(shù)據(jù)作為參考數(shù)據(jù)，本文選擇具有10 m 分辨率的Sentinel-2 MSI；（2）對于一景待處理的高分辨率衛(wèi)星影像，找到與其時間相近的Sentinel-2 MSI，基于輻射傳輸大氣校正方法計算得到Sentinel-2 MSI 圖像的地表反射率；（3）假設Sentinel-2 MSI 圖像中有一些地物（如建筑物屋頂、道路、裸土等）的反射率與待處理高分辨率圖像的同一個地物反射率是近似不變的，將Sentinel-2 MSI 圖像的反射率賦給待處理高分辨率圖像的地物；（4）利用待處理高分辨率地物的反射率和對應的DN 值，進行線性擬合，得到DN值與反射率的線性關系；（5）將得到的線性關系，應用于待處理高分辨率圖像全圖DN 值，得到反射率，其中，將輸出的地表反射率影像除以π，忽略天空光影響，最終近似得到水體的遙感反射率。

（2）大氣校正評價。將獲取的北京市2018-09-05 的12 組實測遙感反射率和對應的2 景同步GF-2遙感影像，利用均方根誤差RMSE（Root Mean Square Error）和平均相對誤差MRE（Mean Relative Error）兩個指標評價大氣校正精度，各指標計算公式如下：

式中，Pi為實測遙感反射率，Ai為大氣校正后衛(wèi)星影像的遙感反射率，n為采樣點個數(shù)。

（3）多源衛(wèi)星影像黑臭水體識別評價。將確定的閾值應用于2 景星—地同步的GF-2 影像，利用同步采集的12 個采樣點，采用上述5 個精度評價指標進行精度評價，并且選取高質量多源衛(wèi)星影像對北京通州區(qū)的某一重疊區(qū)域進行示范應用。

4 結果與討論

4.1 基于實測水面反射率光譜等效的模型閾值確定和精度評價

4.1.1 黑臭水體識別模型閾值的確定

利用隨機篩選出的117 個采樣點（3/4 的樣本點）（74組黑臭水體，43組一般水體）確定黑臭識別模型閾值。如圖4 所示，GeoEye-1、WorldView-2、SV1 和高分系列影像上一般水體與黑臭水體的BOI值有很明顯的分界限，黑臭水體與一般水體的BOI值多數(shù)在一定的范圍內：黑臭水體BOI 值范圍為-0.068—0.051，一般水體范圍為0.057—0.25，最終確定閾值T=0.05 區(qū)分黑臭水體和一般水體。而DMC3影像的一般水體和黑臭水體BOI值沒有明確的分界，對BOI模型不適用。

圖4 多源衛(wèi)星影像實測等效數(shù)據(jù)BOI模型閾值確定Fig.4 Threshold determination of BOI model for measured equivalent data of Multi-source Satellite Images

在模型閾值的確定過程中，存在黑臭水體BOI值明顯高于一般水體的情況，如圖4 藍框所示的4 個樣本點，根據(jù)現(xiàn)場測量指標和水體周圍環(huán)境判別4 個樣點均屬于典型的黑臭點，由于這4 個點的葉綠素濃度很高，而葉綠素a 在675 nm 附近有個強吸收，導致紅波段的遙感反射率偏低，計算的BOI 值會偏高，從而導致黑臭水體誤判為普通水體。既是黑臭水體、葉綠素濃度又高的河流，在缺水型的北方城市中很少見，本文主要研究的是缺水型、非渾濁的城市黑臭水體，故采取T=0.05的閾值雖然會帶來一些誤差，不過這種影響相對比較小，而且對于波段比較少的高分辨率衛(wèi)星來說暫時也沒有更好的解決辦法。

GF-1/1B/1C/1D/2 的PMS1 和PMS2 傳 感 器等效計算值基本相同，故圖4 中僅對比各衛(wèi)星的PMS1傳感器等效的BOI 值折線圖；高景一號的4 顆星則采用01星代表。

對于不適用BOI模型的DMC3影像，采用歸一化水體指數(shù)NDWI（Normalized Difference Water Index）識別黑臭的方法（McFeeters，1996；Liu等，2017），計算公式如下：

式中，Rrs（Green）和Rrs（NIR）為DMC3影像的綠波段和紅波段的遙感反射率。

針對DMC3影像，黑臭水體NDWI范圍在-0.51—0.53，一般水體范圍為0.037—0.85（圖5），故選取N=0.55 作為判別一般水體和黑臭水體的閾值。閾值N=0.55 雖然會帶來一些誤差，不過誤差相對較小。

圖5 DMC3影像等效數(shù)據(jù)的NDWI指數(shù)閾值的確定Fig.5 Determination of NDWI index threshold of DMC3 image equivalent data

4.1.2 黑臭水體識別精度評價

針對GeoEye-1、WorldView-2、SV1和GF系列影像，利用38 組實測數(shù)據(jù)（1/4 樣本點）（14 組一般水體，24 組黑臭水體），基于5 個精度評價指標評價BOI=0.05 的閾值精度。如圖6，GF 系列和SuperView-1影像3組黑臭水體被誤判為一般水體；GeoEye-1和WorldView-2影像4組黑臭水體點被誤判為一般水體。如表5所示，整體識別正確率均較高，黑臭水體和一般水體的錯分率、漏分率都較低，表明多源衛(wèi)星影像的模擬等效數(shù)據(jù)是可以用來以一定的精度識別黑臭水體。

表5 多源衛(wèi)星影像實測等效數(shù)據(jù)的精度評價統(tǒng)計Table 5 Accuracy evaluation statistics of measured equivalent data of multi-source satellite images

圖6 多源衛(wèi)星影像實測等效數(shù)據(jù)BOI閾值精度評價Fig.6 Accuracy evaluation of BOI threshold for measured equivalent data of multi-source satellite images

針對DMC3影像，使用上述38組實測數(shù)據(jù)評價閾值N=0.55的精度，共有4組誤判點（圖7），其中1組黑臭水體點被誤判為一般水體，3組一般水體點被誤判為黑臭水體，識別正確率達到89.5%；黑臭水體錯分率、黑臭水體漏分率、一般水體的錯分率、一般水體漏分率分別為11.5%、4.1%、8.3%、21.4%。表明基于DMC3 影像模擬等效數(shù)據(jù)使用NDWI指數(shù)識別黑臭水體是可行的（Liu等，2017）。

圖7 DMC3影像等效數(shù)據(jù)NDWI指數(shù)閾值的精度評價Fig.7 The accuracy evaluation of the NDWI index threshold of DMC3 image equivalent data

4.2 基于衛(wèi)星影像的黑臭水體識別結果評價

4.2.1 大氣校正精度評價

利用北京市2018-09-05 的12 組實測遙感反射率和GF-2 影像上對應點位的遙感反射率，進行定量評價（圖8）。得到藍（Band1）、綠（Band2）、紅（Band3）的MRE 分別為30.6%、22.5%、33%。RMSE 分 別 為0.0008 sr-1、0.0013 sr-1、0.0012 sr-1，實測反射率值與大氣校正后的遙感反射率值接近，表明相對輻射歸一化大氣校正方法能夠有效消除氣溶膠等影響。

圖8 GF-2影像遙感反射率與實測遙感反射率對比Fig.8 Comparison of remote sensing reflectance of GF-2 image and measured data

利用相同的參考影像，對2019-06-06 同時過境的GF-2 和GF-6 影像進行大氣校正，對比不同地物的遙感反射率，發(fā)現(xiàn)GF-2 與GF-6 影像上屋頂、植被和水體的遙感反射率數(shù)值接近，波形近似。大氣校正后的衛(wèi)星影像可用于黑臭水體識別。

圖9 大氣校正后的GF-2與GF-6影像遙感反射率對比Fig.9 Comparison of remote sensing reflectance of GF-2 and GF-6 images of atmospheric correction

4.2.2 黑臭水體識別評價

（1）基于2 景同步GF-2 影像BOI 模型的精度驗證。首先將BOI=0.05 應用于2018-09-05 同時過境的2 景GF-2 影像，進行黑臭水體識別，然后利用同步采集的12 個采樣點，包括中壩河上3 組黑臭水體，溫榆河、通惠河和通惠河灌渠上共9組一般水體。通惠河上2個一般水體被誤判為黑臭水體（圖10），采用5 種指標評價其識別精度，識別正確率為83.3%，黑臭水體錯分率和一般水體漏分率分別為40%、22.2%，黑臭水體漏分率和一般水體的錯分率為0，總體精度較高。

圖10 基于同步GF-2影像的北京黑臭水體識別結果Fig.10 The recognition result of black-odor water based on synchronized GF-2 images

根據(jù)同步影像的精度評價，發(fā)現(xiàn)一般水體和黑臭水體的錯分率和漏分率較低，黑臭識別精度在應用中可以得到保證。

（2）基于多源衛(wèi)星影像的模型應用。為了進一步證明BOI模型和NDWI模型識別黑臭水體的可靠性，將閾值T=0.05 和N=0.55 應用于適用的多源影像，在應用黑臭水體模型后，目視剔除一些受陰影和鄰近效應因素導致的混合像元；并通過目視解譯得到水草或水華矢量。

利用10 景北京區(qū)域的多源遙感影像（表1）監(jiān)測黑臭水體，結果如圖11 所示。針對重疊區(qū)域內潮白河和七級村河，分析2017-05—2020-03 兩河的黑臭水體變化情況，可見潮白河一直為一般水體，2017-05-20七級村河存在疑似黑臭水體。此后七級村河無疑似黑臭水體。

在政府的積極治理下，2017-11七級村河完成整治（七級河及西和路邊溝黑臭水體治理工程，2017）。根據(jù)遙感協(xié)同監(jiān)測結果顯示：2017-09 前（圖11），七級村河河面上存在疑似黑臭水體、水草或水華現(xiàn)象。2017-09 之后（圖11），河面已無黑臭現(xiàn)象，僅存在少量水草或水華。2018-09-05在七級村河上獲取了2組同步實測點位，經檢驗四參數(shù)（透明度、溶解氧、氧化還原點位、氨氮）值分別為：（40 cm、13.45 mg/L、205 mV、3.8 mg/L），（43 cm、9.62 mg/L、226.4 mV、2.6 mg/L）均符合一般水體的指標。表明遙感監(jiān)測結果不僅與實際治理情況相符，而且符合實測結果，證實了多源遙感影像監(jiān)測黑臭水體的適用性和可靠性。

圖11 多源遙感影像黑臭水體遙感識別分布圖Fig.11 Distribution map of black and odorous water body identified by multi-source remote sensing images

4.3 多源高分辨率遙感影像監(jiān)測黑臭水體適用性分析

4.3.1 多源高分辨率遙感影像傳感器差異性分析

為了研究多源遙感影像監(jiān)測城市黑臭水體的適用性，從空間分辨率、光譜響應函數(shù)和黑臭水體識別模型閾值的確定進行分析。

對比分析空間分辨率差異導致的黑臭水體識別差異，利用2019-06-06 同時過境、不同分辨率的GF-2和GF-6影像提取同一區(qū)域的黑臭水體，發(fā)現(xiàn)對于較窄的河道來說，較高空間分辨率的GF-2 影像能獲取更多的有效水體像元，可以有效監(jiān)測黑臭水體；而相對較低分辨率的GF-6 影像水面存在大量混合像元，黑臭水體無法識別（圖12（a）、圖12（b））。因此，監(jiān)測較狹窄河道的黑臭水體時，優(yōu)先選擇較高分辨率的遙感影像（如GeoEye-1、WorldView-2、SV1和GF-2等）。

圖12 同一河流利用不同空間分辨率影像識別黑臭水體結果不一樣Fig.12 The same river uses different spatial resolution images to identify black and odorous water bodies with different results

對比光譜響應函數(shù)差異導致的黑臭水體識別差異，選擇時間接近而光譜響應函數(shù)差異較大的DMC3（2019-06-24）和GF-1（2019-07-12）影像，并將分辨率較高的DMC3 影像重采樣為與GF-1 相同的分辨率，對選取的北京蕭太后河河段（一般水體）計算BOI 值，對比識別結果（圖13），發(fā)現(xiàn)GF-1 影像可以正確識別水體類型，DMC3 影像的識別結果出現(xiàn)一般水體和黑臭水體，對于河段水體類型無法判別，并且BOI模型是基于GF-1、GF-2影像構建的（姚月等，2019），因此，光譜像函數(shù)差異較大的DMC3影像不適用BOI模型，需要選用其他的黑臭水體識別模型。

圖13 GF-1和DMC3不同光譜響應函數(shù)導致的識別結果差異性對比Fig.13 Difference comparison of recognition results caused by different spectral response functions of GF-1 and DMC3

通過模型閾值的確定，發(fā)現(xiàn)GeoEye-1、WorldView-2、SuperView-1 和高分系列影像可以應用同一BOI模型閾值識別黑臭水體；而DMC3影像更適用于NDWI指數(shù)；基于模擬等效和同步影像數(shù)據(jù)，分別對確定的BOI閾值和NDWI閾值進行了精度評價，發(fā)現(xiàn)確定的閾值可以很好的識別一般水體和黑臭水體，整體識別正確率較高。

4.3.2 多源遙感影像成本分析

在黑臭水體監(jiān)測過程中，需要綜合考慮影像成本（表6）和城市河道寬度。進行水體提取時，當影像上河流寬度為5 個像元時，除去左右各2 個像元受鄰近效應影響，中間像元更可能是純水像元，一般認為大于5個像元寬度可以看清河流，即GeoEye-1 影像能夠監(jiān)測的最窄河道寬度為2.05 m，WorldView-2 和SV1 影像分別為2.3 m 和2.5 m，DMC3 和GF-2 影像均為4 m，GF-1/1B/1C/1D/6 影像全都為10 m。

表6 多源遙感影像購買價格對比Table 6 Comparison of purchase prices of multi-source remote sensing images

根據(jù)上述，建議聯(lián)合多源衛(wèi)星影像監(jiān)測黑臭水體，可分為兩種情況來選用影像：（1）當河道寬度大約在2—10 m，選取GF-2、SV1 或者DMC3 影像作為常規(guī)監(jiān)測影像，GeoEye-1、WorldView-2 影像為補充數(shù)據(jù)源；（2）當河道寬度大于10 m，建議選用GF-1或者GF-6影像作為常規(guī)監(jiān)測影像，補充數(shù)據(jù)源依次為GF-2、SV1、DMC3、GF-1B/1C/1D、GeoEye-1、WorldView-2影像。

5 結 論

本文針對多源高分辨率衛(wèi)星影像，研究不同傳感器對于黑臭水體遙感監(jiān)測的適用性，得出以下幾點結論：

（1）光譜響應函數(shù)的差異（主要位置差異），會導致多源影像間遙感反射率值不同，從而無法利用同一模型進行黑臭水體識別。因此，GeoEye-1、WorldView-2、SuperView-1 和GF 系列影像適用于BOI模型；而DMC3影像更適用于NDWI模型。

（2）精準的大氣校正，是保證黑臭水體識別精度的前提，通過對相對輻射歸一化的大氣校正，經過星地同步匹配檢驗，藍（Band1）、綠（Band2）、紅（Band3）的MRE 分別為30.6%、22.5%、33%，具有較好的精度，適用于高分辨率衛(wèi)星影像融合后的大氣校正。

（4）利用10 顆多源衛(wèi)星聯(lián)合監(jiān)測了北京潮白河和七級村河的黑臭水體，并與相關數(shù)據(jù)進行交叉驗證，證明具有較好的精度和一致性。

（5）綜合考慮衛(wèi)星影像的空間分辨率和影像購買成本，給出多源衛(wèi)星影像協(xié)同監(jiān)測的建議：（1）當河流寬度在2—10 m時，選取GF-2、SV1或者DMC3影像作為常規(guī)遙感影像，GeoEye-1、WorldView-2影像作為補充；（2）當河流寬度大于10 m 時，選擇GF-1 或者GF-6 影像作為常規(guī)遙感影像，補充數(shù)據(jù)源依次為GF-2、SV1、DMC3、GF-1B/1C/1D、GeoEye-1、WorldView-2影像。