基于BP神經(jīng)網(wǎng)絡(luò)的內(nèi)陸河流水質(zhì)遙感反演

張宏建， 王 冰， 周 健， 余 勇， 柯 帥， 皇甫款

(1.信陽市水利勘測設(shè)計院， 河南 信陽 464000；2.鄭州大學(xué)水利科學(xué)與工程學(xué)院， 鄭州 450000)

目前工業(yè)生產(chǎn)、畜禽養(yǎng)殖及人類日常生活等行為產(chǎn)生了大量有機污染物，嚴重污染了周邊水體.危害水生生物，隨著食物鏈的逐級放大，逐漸影響人類的身體健康[1-4].因此，及時、準確地掌握水體有機污染物污染程度對于水質(zhì)評價和內(nèi)陸水體污染防治具有重要意義.常規(guī)的水質(zhì)監(jiān)測方法是在整個水域范圍內(nèi)布設(shè)大量的取樣斷面，通過人工取樣檢測來獲得實時實地的水體污染物濃度.該方法取樣檢測過程不僅需要大量的人力物力財力，而且受當(dāng)?shù)厮?、氣候等自然條件的影響，部分區(qū)域很難進行取樣工作，最主要的是這種方式也只能獲取到局部點位的水質(zhì)情況，不能很好地反映整個區(qū)域水質(zhì)信息.從實際需求方面來看，水質(zhì)監(jiān)測范圍大且實時性要求高，而傳統(tǒng)的監(jiān)測方法在時間和空間上均不連續(xù)，無法達到該要求.由于不同區(qū)域的水體污染程度不同，遙感圖像上相應(yīng)的水體反射率光譜曲線也不盡相同.衛(wèi)星遙感影像覆蓋范圍廣、成像速度快、信息量豐富且性價比高，非常適合用于水質(zhì)監(jiān)測.遙感技術(shù)在水質(zhì)監(jiān)測方面的應(yīng)用能有效彌補傳統(tǒng)方法的缺點.

隨著遙感空間技術(shù)的發(fā)展，利用遙感監(jiān)測水質(zhì)信息的工作也逐漸展開，可利用衛(wèi)星影像反演的污染物類型也大大增加，反演精度不斷提高.Mahtaba等[5]通過研究發(fā)現(xiàn)二次回歸模型對懸浮物濃度的估測效果較好.Matias Bonansea等[6]在線性混合模型中加入降雨量、水面溫度等相關(guān)因子開發(fā)了反演葉綠素a濃度的算法，提高了估算的準確性.胡舉波[7]利用TM數(shù)據(jù)構(gòu)建了葉綠素和溶解氧的反演模型，模型的精度均在20%以內(nèi)；黃妙芬等[8]通過建立線性判別函數(shù)來實現(xiàn)遙感圖像上COD的識別；楊煜等[9]構(gòu)建三波段模型監(jiān)測了巢湖水體中葉綠素a濃度，在充分考慮水質(zhì)參數(shù)光譜特征的情況下，實現(xiàn)了內(nèi)陸水體的有效監(jiān)測.水環(huán)境污染過程實際上受多種因素的影響，是一個非線性的過程，傳統(tǒng)的線性反演模型限制了水質(zhì)反演結(jié)果的準確性.然而，人工神經(jīng)網(wǎng)絡(luò)具有較好的非線性逼近能力，將神經(jīng)網(wǎng)絡(luò)應(yīng)用于水質(zhì)監(jiān)測為提高水質(zhì)監(jiān)測的準確性提供了新思路.王佳楠等[10]以高錳酸鉀鹽含量為研究參數(shù)，在ARIMA時間序列預(yù)測模型基礎(chǔ)之上又試著建立BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，結(jié)果表明后者對水質(zhì)的預(yù)測更為理想.岳佳佳、龐博等[11]利用BP神經(jīng)網(wǎng)絡(luò)模型和RBP神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)了寬淺型湖泊水體的水質(zhì)反演，取得了較好效果，對城市淺型湖泊的專項治理有重大意義.在國外，Alves等[12]通過主成分分析簡化前饋神經(jīng)網(wǎng)絡(luò)的輸入變量，從而確定了水質(zhì)指數(shù)(WQI)的最優(yōu)的人工神經(jīng)網(wǎng)絡(luò)(ANN)模型為19-16-1.Dandy G C等[13]通過實驗證明用神經(jīng)網(wǎng)絡(luò)反演河水的含鹽量效果較好.

城市內(nèi)陸地表水污染受多種因素的影響，當(dāng)前對葉綠素a濃度、水溫、懸浮物、含鹽量等的相關(guān)研究相對比較成熟，而其他水質(zhì)指標的相關(guān)研究還比較少[14-18].化學(xué)需氧量(chemical oxygen demand，COD)是用化學(xué)方法測量水樣時氧化水樣中還原性物質(zhì)所需的氧化劑的量[19].在生活廢水和工業(yè)廢水導(dǎo)致的河流污染的研究和管理中，化學(xué)需氧量是能較快被測定的重要指標之一.氨氮是水中的營養(yǎng)物質(zhì)，是河水中的主要耗氧污染物之一，氨氮含量超標會導(dǎo)致水體富營養(yǎng)化，不利于水生生物的健康生長[20-21].因此，及時、有效地監(jiān)測河水中COD和NH3-N這兩個重要的有機物污染指標很有必要.目前對水量比較集中且水域面相對較廣的湖泊水質(zhì)的研究較多，但對于水面較窄的內(nèi)陸水體方面的研究相對較少[22-24].信陽市的各支流水體水面相對較窄，在枯水期期間，各固定監(jiān)測斷面水面寬度最大不到900 m，一些在湖泊水質(zhì)監(jiān)測中常用的衛(wèi)星數(shù)據(jù)，例如MODIS，在這類水體中的應(yīng)用受到限制.除此之外，相較于湖泊這類大型水體來講，水面較窄的內(nèi)陸水體成分復(fù)雜多樣，這也增加了利用遙感進行水質(zhì)參數(shù)反演的難度.因此，本文以信陽市內(nèi)的淮河干流及其南側(cè)支流水體為例，利用非線性的方法反演出了COD和NH3-N濃度的空間分布，豐富了水質(zhì)反演方面的研究內(nèi)容，并結(jié)合實際(即信陽市水質(zhì)現(xiàn)狀)，使該研究更具有實踐性.這對于信陽市城市內(nèi)陸水體納污能力的評價、城市水功能區(qū)的規(guī)劃以及水體污染防治等有重要意義.

1 材料與方法

1.1 實驗數(shù)據(jù)

本文所用的水文數(shù)據(jù)為2016年3月1日淮河流域信陽市范圍內(nèi)的COD和NH3-N的實地監(jiān)測數(shù)據(jù).監(jiān)測斷面處的水質(zhì)情況如表1所示.根據(jù)2016年信陽市水資源公報，研究區(qū)內(nèi)共有5個監(jiān)測斷面水質(zhì)為Ⅱ類水；18個監(jiān)測斷面水質(zhì)為Ⅲ類水；4個監(jiān)測斷面水質(zhì)為Ⅳ類水；1個監(jiān)測斷面水質(zhì)為Ⅴ類水；6個監(jiān)測斷面水質(zhì)為劣Ⅴ類水.

表1 取樣點實測水質(zhì)數(shù)據(jù)分析

1.2 OLI數(shù)據(jù)及其預(yù)處理

本研究所用數(shù)據(jù)為2016年3月1日獲取的Landsat 8衛(wèi)星影像(下載地址：http：//www.gscloud.cn)，該影像質(zhì)量較高，其云量低于2%.實驗主要使用了Landsat 8衛(wèi)星0.450 μm～2.300 μm的水體反射信息.具體波段分布如表2所示.

表2 Landsat 8波段介紹

大氣校正是使用多光譜遙感數(shù)據(jù)進行地表參數(shù)定量分析的前提，主要用于減少或消除氣溶膠和大氣分子的吸收和散射對地物反射率的影響.圖1展示了FLAASH大氣校正的結(jié)果，該預(yù)處理過程在ENVI 5.3環(huán)境下進行.通常來講，與其他地物相比，水體的反射率相對較低，因此，本研究在提取采樣點遙感反射率信息時，主要以采樣點所在像元為中心，在其3×3矩陣掩模范圍內(nèi)選取灰度值最小的像元進行取樣，以降低偶然誤差.

圖1 水體大氣校正前后光譜曲線對比Fig.1 Comparison of water spectrum curves before and after atmospheric correction

1.3 相關(guān)分析方法

對數(shù)據(jù)進行相關(guān)分析有很多種方式，常用的方式主要有：相關(guān)系數(shù)、一元或多元回歸、信息熵和互信息等.本文選用回歸的方式進行相關(guān)分析，具體來說，該過程主要采用單波段模型(自變量為單一波段)和波段組合模型(自變量為波段組合)進行回歸分析.單波段模型即建立單波段影像上的遙感反射率與各水質(zhì)指標濃度之間的相關(guān)關(guān)系模型.波段組合模型則為對單波段影像進行波段組合后，建立相應(yīng)圖像位置上的數(shù)值與水質(zhì)指標濃度之間的相關(guān)關(guān)系模型，組合方式主要有差值模型、比值模型、及一些水體指數(shù)模型[25-27]，如式(1)～式(6).

(1)

RNDWVI=3×B2+1.5×(B3-B5)-

(2×B6+B7)，

(2)

RNDWI=(B6-B4)/(B6+B4)，

(3)

(4)

NDWI=(B3-B5)/(B3+B5)，

(5)

NWI=

(6)

式中，B2、B3、B5、B6、B7分別代表大氣校正后Landsat 8衛(wèi)星中的blue、green、NIR、SWIR1和SWIR2波段數(shù)據(jù).

1.4 遙感水質(zhì)監(jiān)測機理

遙感水質(zhì)監(jiān)測通常是在排除外界因素干擾的情況下，基于水體的表觀光學(xué)特性(如遙感反射率等)獲取水體組分的濃度.一般來說清潔水體有固定的光譜反射特征，即隨著波長的增加，清潔水體的遙感反射率值逐漸降低呈現(xiàn)線性分布.而對于污染水體來說，其表面光學(xué)特性隨著污染成分的不同而不同，各類污染物對電磁波的反射能力有所不同，且均與清潔水體不同，具體表現(xiàn)為水體光譜曲線中出現(xiàn)峰值或谷值.因此，水體的光譜特性主要與其水體組分相關(guān)，當(dāng)該水體與清潔水體組分不同時，該水體表面的光譜特性就會發(fā)生變化，而這個變化可以被遙感儀器探測到，具體表現(xiàn)為遙感圖像上不同的像素值，而該像素值經(jīng)一定變換可以得到遙感反射率值.理論上來講，水體遙感反射率值與水體污染指標濃度之間可能存在某種函數(shù)關(guān)系.

Rλ=F(x)，

(7)

式中，Rλ是λ波段的水體遙感反射率值，x是某污染指標的濃度.

利用遙感手段對水質(zhì)進行監(jiān)測的方法主要有直接法和間接法.直接法主要利用遙感反射率值與水質(zhì)參數(shù)濃度之間的聯(lián)系，采用數(shù)據(jù)擬合的方式直接建立相應(yīng)水質(zhì)參數(shù)的反演模型對其進行反演，適用于一些對光譜信息較為敏感的水質(zhì)參數(shù).間接法則需要借助水質(zhì)參數(shù)之間較強的相關(guān)關(guān)系，該方法首先利用遙感反射信息得到對光譜信息較為敏感的水質(zhì)參數(shù)濃度分布情況，然后利用強相關(guān)性間接得到與該水質(zhì)參數(shù)具有較強相關(guān)性的但對光譜不敏感的其他水質(zhì)參數(shù)濃度的分布情況，以此來對那些對光譜信息不敏感的水質(zhì)參數(shù)濃度進行反演.由于水體類型差異、季節(jié)性差異和地域差異，各種水質(zhì)參數(shù)之間的相關(guān)性不固定，這時一般根據(jù)經(jīng)驗關(guān)系利用直接法構(gòu)建統(tǒng)計模型對非光學(xué)活性水質(zhì)參數(shù)進行反演.

2 實驗與分析

2.1 研究區(qū)概況

淮河自西向東橫貫信陽市，境內(nèi)河長363.5 km，水資源豐富，主要支流有浉河、竹竿河、潢河、白露河等.信陽市市內(nèi)建有5座大型水庫，13座中型水庫，866座小型水庫.該地區(qū)大部分區(qū)域?qū)儆趤啛釒Ъ撅L(fēng)氣候，降水量自北向南遞增，年均1 300 mm[14].信陽春季和冬季降雨較少，屬于枯水期，徑流減少導(dǎo)致河流中水中有機污染物濃度偏高.經(jīng)對比，實測水質(zhì)數(shù)據(jù)中春、冬兩季的水中有機污染物濃度明顯偏高.因此，本實驗著重選取了淮河、浉河、竹竿河、白露河、潢河、南灣水庫、石山口水庫以及潑河水庫作為研究區(qū)域，對枯水期期間研究區(qū)域內(nèi)主要的水質(zhì)監(jiān)測斷面的有機污染物濃度數(shù)據(jù)進行分析，獲取的實地監(jiān)測水質(zhì)數(shù)據(jù)的監(jiān)測斷面位置如圖2所示.

2.2 相關(guān)分析

選取Landsat 8影像的藍波段(B2)、綠波段(B3)、紅波段(B4)、近紅外波段(B5)、短波紅外1波段(B6)和短波紅外2波段(B7)與化學(xué)需氧量和氨氮進行回歸分析，并繪制了回歸曲線.實驗排除了部分在遙感影像上受環(huán)境或周邊地形因素影響反射信息誤差較大的部分監(jiān)測斷面.圖3僅展示部分相關(guān)系數(shù)大于0.5的回歸曲線.實驗結(jié)果表明：1) COD B7波段的擬合度較高，R2為0.757，COD與B5的相關(guān)性最低，R2僅為0.058； 2) 氨氮與B2的擬合度最高，R2為0.745；由上分析可知，氨氮可直接利用其敏感波段進行反演.

圖2 研究區(qū)主要河流分布圖Fig.2 Distribution map of major rivers in the study area

圖3 水質(zhì)因子與單波段數(shù)據(jù)回歸曲線(R2≥0.5)Fig.3 Regression curves of water quality factors and single band data (R2≥0.5)

在水質(zhì)因子與單波段相關(guān)性分析的基礎(chǔ)之上，本文利用與水質(zhì)因子相關(guān)性較好的單波段進行波段組合試圖提高其相關(guān)性.由于波段組合較多，圖4僅展示部分與COD或氨氮相關(guān)性較高的回歸曲線，圖中X軸橫坐標軸標題B3B6代表(B3-B6)/(B3+B6)，B4B6代表B4/B6，以此類推.實驗結(jié)果表明：1) COD與B4/B6的相關(guān)性較高，R2可達0.852，波段組合明顯提高了DN值與COD的相關(guān)性；2) 氨氮與(B3-B4)/(B3+B4)的相關(guān)性較高，R2為0.706，波段組合以后，各波段組合與氨氮的相關(guān)性并沒有單波段與氨氮的相關(guān)性高，由此可利用波段比值對COD這類水質(zhì)因子進行反演.

圖4 水質(zhì)因子與多波段數(shù)據(jù)的回歸曲線(R2 ≥ 0.5)Fig.4 Regression curves of water quality factors and partial combined bands data(R2 ≥ 0.5)

2.3 BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)，主要包含輸入層、隱含層和輸出層.每一層都由若干個節(jié)點組成.首先初始化網(wǎng)絡(luò)參數(shù)，將與水質(zhì)參數(shù)相關(guān)性較高的單波段或波段組合數(shù)據(jù)作為輸入，以取樣點處的水質(zhì)因子濃度作為輸出，構(gòu)建網(wǎng)絡(luò)，計算網(wǎng)絡(luò)的輸出值，并將其與期望值進行比較，若含有誤差便通過誤差逆?zhèn)鞑ニ惴◤妮敵鰧拥捷斎雽又饘舆M行誤差修正，通過不斷調(diào)節(jié)層與層之間的連接權(quán)值和節(jié)點的閾值，使網(wǎng)絡(luò)的輸出更接近期望輸出[28].為了加快神經(jīng)網(wǎng)絡(luò)的收斂速度，使用premnmx函數(shù)對原始數(shù)據(jù)進行歸一化處理，這樣也可以減少環(huán)境及其他因素對水體反射光譜的影響，同時也避免了因其他干擾導(dǎo)致的波譜曲線整體的降低或上升，除此之外還可以加快網(wǎng)絡(luò)學(xué)習(xí)速率.輸入層為Landsat 8影像的30 m分辨率的波段數(shù)據(jù)，輸出層為所要研究的水質(zhì)指標，根據(jù)經(jīng)驗公式(10)確定隱含層的節(jié)點數(shù)的取值范圍，通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果精度選擇最佳的隱含層的節(jié)點數(shù).在網(wǎng)絡(luò)訓(xùn)練過程中，較小的期望誤差意味著更多地訓(xùn)練次數(shù)和更久的訓(xùn)練時間，根據(jù)前人經(jīng)驗及多次實驗分析決定將其設(shè)置為0.000 1.考慮到系統(tǒng)的穩(wěn)定性，將學(xué)習(xí)速率設(shè)置為0.01.經(jīng)過大量實驗對比分析，最終確定COD的網(wǎng)絡(luò)模型為6-11-1；氨氮的網(wǎng)絡(luò)模型為6-4-1.

(8)

式中，n1為隱含層節(jié)點數(shù)，n為輸入層節(jié)點數(shù)，m為輸出層節(jié)點數(shù)，k為1～10之間的調(diào)節(jié)常數(shù).

3 結(jié)果與討論

利用相對誤差和絕對誤差分別對測試集模型仿真結(jié)果進行分析結(jié)果表明：BP神經(jīng)網(wǎng)絡(luò)在水體污染物濃度監(jiān)測方面體現(xiàn)出明顯的優(yōu)勢，使用該模型反演得到的COD和氨氮濃度與實測數(shù)據(jù)吻合度較高，平均相對誤差分別為14.35%和29.30%.

表3 不同模型的相對誤差

基于精度較高的BP神經(jīng)網(wǎng)絡(luò)反演模型和Landsat 8影像各波段數(shù)據(jù)信息對COD和氨氮含量進行反演，得到研究區(qū)內(nèi)化學(xué)需氧量(COD)和NH3-N含量的空間分布情況(如圖5所示).監(jiān)測結(jié)果表明：研究區(qū)內(nèi)各水體的COD最低為8.71 mg·L-1，最高為27.09 mg·L-1，平均值為18.34 mg·L-1.NH3-N含量最低為0.17 mg·L-1，最高為3.65 mg·L-1平均值為0.87 mg·L-1.研究區(qū)內(nèi)整體污染物濃度反演結(jié)果與實際情況相符，僅部分地區(qū)有些微偏差.

實驗結(jié)果(如圖5所示)顯示南灣水庫的水質(zhì)僅有輕度污染，屬于地表水源一級保護區(qū)，但其下游浉河流經(jīng)城鎮(zhèn)和農(nóng)村居民區(qū)，人類日常生活污水和工業(yè)污水排放的量相應(yīng)增加，導(dǎo)致COD含量增加，進而水體污染程度增加.除此之外，農(nóng)田徑流中隨著氮肥的施加，水體中NH3-N含量也會增加.經(jīng)查證該區(qū)域水體中實際COD含量在20 mg·L-1以上，NH3-N含量在1.00 mg·L-1以上.而實驗結(jié)果中浉河河段部分的水體污染物濃度的監(jiān)測結(jié)果的空間分布與實際情況不太符合：監(jiān)測結(jié)果顯示該區(qū)域水體中COD含量在15.40 ～27.08 mg·L-1之間，NH3-N含量在0.50～3.65 mg·L-1之間，浉河區(qū)域部分河段COD含量低于20 mg·L-1，NH3-N含量低于1.00 mg·L-1，與實際情況相比濃度均偏低.造成部分水體污染物含量監(jiān)測誤差的可能的原因有：1) 遙感影像的拍攝時間和水質(zhì)數(shù)據(jù)的取樣時間雖然是同一天，但時間點無法精確吻合，時間或早或晚總會有些差異，客觀上在這段時間內(nèi)流經(jīng)居民區(qū)的水體內(nèi)污染物的濃度存在差距；2) 經(jīng)考察發(fā)現(xiàn)，由于平橋滾水壩的攔截作用，浉河中下游地區(qū)河流較窄，水面較淺，且浉河中下游地區(qū)有許多沙洲，這些綜合因素的影響了這片區(qū)域的遙感影像上DN值，從而造成浉河部分水體污染物濃度監(jiān)測結(jié)果的誤差；3) 大氣校正過程中引起的誤差；4) 取樣點處實測水質(zhì)濃度誤差，對于平橋區(qū)內(nèi)取樣點的水質(zhì)樣本，在實驗室內(nèi)測量COD和NH3-N濃度時產(chǎn)生的誤差.導(dǎo)致該實測取樣點處的這兩種水質(zhì)因子含量偏小；5) 由于部分河流比較窄，且本研究使用的影像為30 m分辨率的Landsat 8遙感影像，在較窄河段像元數(shù)量較少，河水和岸邊地物區(qū)分不明顯，從而產(chǎn)生混合像元，對該處影像DN值產(chǎn)生影響，導(dǎo)致水體污染物濃度監(jiān)測結(jié)果偏低.

圖5 水質(zhì)因子的空間分布Fig.5 The spatial distribution of water quality factors

表4展示了《地表水環(huán)境質(zhì)量標準》中COD和NH3-N的限值.按照《地表水環(huán)境質(zhì)量標準》對水質(zhì)反演結(jié)果進行了雙指標水質(zhì)評價，如圖6所示：上游地區(qū)的南灣水庫、光山縣潑河水庫和羅山縣石山口水庫均為Ⅱ類水；由于河水流經(jīng)居民區(qū)和工業(yè)區(qū)，生活污水、工業(yè)污水以及農(nóng)田徑流增加，竹竿河和浉河水質(zhì)較差些，大部分為Ⅲ類水和Ⅳ類水；淮河、白露河和潢河極少部分水體為Ⅳ、Ⅴ類水，整體上可規(guī)劃為Ⅲ類水.評價結(jié)果與水資源公報中水質(zhì)現(xiàn)狀大體相同， BP神經(jīng)網(wǎng)絡(luò)模型能實現(xiàn)較高精度的水體污染物濃度的監(jiān)測.

表4 水質(zhì)分類標準

圖6 雙指標水質(zhì)評價Fig.6 Double-index water quality assessment

4 結(jié)論

本文基于實測水質(zhì)數(shù)據(jù)和同步影像數(shù)據(jù)，相關(guān)性分析結(jié)果表明光譜反射率與有機污染物濃度之間存在內(nèi)在聯(lián)系.利用取樣點實測的水體污染物濃度信息和Landsat 8影像上與之相應(yīng)的同步光譜信息，運用相關(guān)分析法找出信陽水域兩個重要的水質(zhì)因子COD和NH3-N的光譜特征波段.利用陸地衛(wèi)星系列Landsat 8數(shù)據(jù)進行波段運算，將單波段或波段組合影像數(shù)據(jù)與實測水質(zhì)因子數(shù)據(jù)進行相關(guān)分析，選取相關(guān)性較高的波段或波段組合對水質(zhì)因子建立BP神經(jīng)網(wǎng)絡(luò)模型進行反演，將反演結(jié)果與實測數(shù)據(jù)進行對比分析.結(jié)果表明：利用Landsat 8遙感影像數(shù)據(jù)監(jiān)測水體污染物(COD和NH3-N)的濃度是可行的.Landsat 8的藍波段(Band 2)與NH3-N具有較高的相關(guān)度，其中利用藍波段、綠波段、紅波段以及三個波段之間的波段組合得到的NH3-N的空間分布與實際情況較為符合.COD與Landsat 8的各個單波段的相關(guān)度不太高，但是利用紅波段(Band 4)與短波紅外波段(Band 6)進行波段組合后與COD的相關(guān)度明顯提高很多，且利用Band 4/Band 6估測的COD濃度精度較高.基于BP神經(jīng)網(wǎng)絡(luò)的反演模型能夠更好地監(jiān)測水質(zhì)數(shù)據(jù)，監(jiān)測得到的COD和NH3-N濃度的空間分布與實際情況較符合.

目前利用遙感手段進行水質(zhì)監(jiān)測仍然存在許多問題，未來可考慮采用不同空間分辨率的數(shù)據(jù)對其進行進一步的研究以探尋利用遙感數(shù)據(jù)進行內(nèi)陸水體水質(zhì)監(jiān)測的合適的尺度.此外，對于內(nèi)陸水體組分來講，季節(jié)性差異和區(qū)域性差異較大，因此，仍需根實際情況有針對性地構(gòu)建適合當(dāng)?shù)氐南嚓P(guān)模型，為當(dāng)?shù)厮廴痉乐翁峁┖侠淼臄?shù)據(jù)支撐.