基于無人機(jī)多光譜影像的?？谑忻郎岷峪P翔濕地公園水體葉綠素反演

潘小艷 張樂 李苑菱 雷金睿 陳宗鑄 陳小花

[1. 海南省林業(yè)科學(xué)研究院（海南省紅樹林研究院） 海南?？?571100；2. ?？谑袧竦乇Ｗo(hù)工程技術(shù)研究開發(fā)中心 海南?？?571100；3. 海南大學(xué)林學(xué)院 海南?？?570028]

近年來，城市化步伐加快，水污染問題日益惡化，已成為制約城市可持續(xù)發(fā)展的因素之一[1]。海南島大小河流眾多，水資源非常豐富，水資源安全是海南島建設(shè)國家生態(tài)文明試驗(yàn)區(qū)的重要內(nèi)容之一。?？谑忻郎岷邮菣M穿?？谑兄行牡囊粭l重要河流，沿岸人口眾多。河流水質(zhì)情況是評價(jià)當(dāng)?shù)厣鷳B(tài)狀況的重要指標(biāo)，與沿岸居民的生產(chǎn)生活用水安全息息相關(guān)。近年來有研究表明，美舍河水體已處于中度污染狀態(tài)[2]，因此對水體水質(zhì)進(jìn)行定期監(jiān)測，掌握水體水質(zhì)情況十分必要，這也是改善和保護(hù)水資源的重要前提。

傳統(tǒng)的水質(zhì)監(jiān)測采用化學(xué)法進(jìn)行，需要在實(shí)地布設(shè)采樣點(diǎn)并采取水體樣本，后進(jìn)行實(shí)驗(yàn)室分析，此方法需要花費(fèi)大量的人力、物力及時(shí)間，且獲得的數(shù)據(jù)在時(shí)間和空間上都難以連續(xù)，不能全面反映水體的實(shí)際情況，局限性明顯。遙感技術(shù)具有低成本、速度快、監(jiān)測范圍廣、資料同步性強(qiáng)等優(yōu)點(diǎn)，彌補(bǔ)了傳統(tǒng)水質(zhì)監(jiān)測方法的不足，已經(jīng)被廣泛使用于水質(zhì)監(jiān)測[3]。例如，Torbick等[4]在密歇根州下半島內(nèi)陸湖泊的調(diào)查研究中，采用Landsat TM影像數(shù)據(jù)反演了研究區(qū)域的水體透明度（SD）等多個(gè)水質(zhì)參數(shù)。陳艷等[5]基于Landsat影像反演了草海2000、2005、2010、2015年的葉綠素（CHL）、總氮（TN）等5個(gè)水質(zhì)參數(shù)，為草海的有效管控提供科學(xué)支持。然而，由于遙感影像分辨率有限，雖目前在大面積水域監(jiān)測中應(yīng)用較廣泛，卻難以滿足小范圍的水質(zhì)監(jiān)測要求，所以小微水域的監(jiān)測方法還需進(jìn)一步探索。

無人機(jī)遙感技術(shù)操作簡單方便、具有低成本、高分辨率、空間連續(xù)性強(qiáng)等優(yōu)勢，為解決小微水域的水質(zhì)監(jiān)測提供了新途徑。趙松等[6]利用無人機(jī)搭載多光譜傳感器獲取了滏陽河的影像數(shù)據(jù)，對滏陽河的水質(zhì)進(jìn)行了遙感反演，建立了懸浮物濃度（TSS）、濁度（TUB）、氨氮（NH3-N）等6個(gè)水質(zhì)參數(shù)的反演模型，揭示了滏陽河水質(zhì)參數(shù)的分布特征。劉彥君等[7]結(jié)合無人機(jī)多光譜數(shù)據(jù)和水質(zhì)參數(shù)的實(shí)測值反演了浙江農(nóng)林大學(xué)東湖的總磷（TP）等3種水質(zhì)要素，為東湖水體的治理奠定了基礎(chǔ)。黃昕晰等[8]利用無人機(jī)多光譜影像和 OPT-MPP算法對浙江省杭州市青山湖進(jìn)行了研究，監(jiān)測了懸浮物、濁度等多個(gè)水質(zhì)參數(shù)并建立反演模型，探明了青山湖水質(zhì)參數(shù)的空間分布。上述說明已有部分學(xué)者將無人機(jī)遙感技術(shù)用于小微水域的水質(zhì)監(jiān)測，雖然還處于探索階段，但已逐漸成為當(dāng)前水質(zhì)監(jiān)測研究的熱點(diǎn)領(lǐng)域[6]。

本研究以海南省?？谑忻郎岷峪P翔濕地公園為研究對象，利用無人機(jī)遙感技術(shù)獲取研究區(qū)域高分辨率的多光譜影像，結(jié)合實(shí)地調(diào)查的水體樣本數(shù)據(jù)，構(gòu)建葉綠素（CHL）的反演模型，以期為下一步繪制美舍河鳳翔濕地公園水質(zhì)參數(shù)空間分布圖、實(shí)現(xiàn)水質(zhì)參數(shù)空間可視化奠定基礎(chǔ)，同時(shí)為美舍河水體的治理、保護(hù)和利用提供科學(xué)的參考依據(jù)。

1 材料與方法

1.1 材料

研究以?？谑忻郎岷峪P翔濕地公園作為研究區(qū)域，在濕地公園內(nèi)的美舍河流段采取水體樣本進(jìn)行研究。美舍河是?？谑凶铋L的河流，全長23.86 km，流域面積50.16萬km2，流經(jīng)?？谑袃?nèi)的美蘭區(qū)、瓊山區(qū)及龍華區(qū)，沿線居民人數(shù)達(dá)33萬，除河流上游外，河流的中、下游主要位于主城區(qū)，受到污水直排和底泥污染的影響，水體質(zhì)量較差[2]。而美舍河鳳翔濕地公園位于美舍河中游，占地面積78.52 hm2，河中生長著一些常見的水生動(dòng)物和植物，河流沿線皆為開放的活動(dòng)區(qū)域，來往的行人車輛較多，在一定時(shí)期內(nèi)水域環(huán)境會(huì)發(fā)生相應(yīng)變化，符合小微水域的環(huán)境組成標(biāo)準(zhǔn)。

1.2 方法

1.2.1 水質(zhì)樣本的采集及處理 研究于 2021年11月 30日采用杯式定深水質(zhì)取樣器統(tǒng)一在水面下20 cm左右獲取水質(zhì)樣本，每個(gè)樣本取500 mL裝入無菌水樣采集袋，在開展地面水樣采集的同時(shí)，用高精度RTK記錄采樣點(diǎn)坐標(biāo)，并依據(jù)采樣點(diǎn)次序依次做好標(biāo)記，以備檢測。研究僅在岸邊布設(shè)采樣點(diǎn)，單次實(shí)驗(yàn)采樣點(diǎn)99個(gè)。實(shí)驗(yàn)區(qū)域及樣點(diǎn)分布圖如圖1所示。樣本采集完成后，送至海南大學(xué)分析測試中心檢測葉綠素（CHL），共獲得99組實(shí)測數(shù)據(jù)，在其中隨機(jī)選擇79組數(shù)據(jù)用于構(gòu)建模型，剩下的20組數(shù)據(jù)用于檢驗(yàn)?zāi)Ｐ汀?/p>

圖1 實(shí)驗(yàn)區(qū)域與采樣點(diǎn)分布圖

1.2.2 無人機(jī)多光譜數(shù)據(jù)的獲取 與水質(zhì)采樣同一時(shí)間，采用大疆精靈4多光譜版（P4_Multispectral）無人機(jī)，利用其搭載Mica Sense Red Edge五通道多光譜傳感器對研究區(qū)域進(jìn)行監(jiān)測，以獲取高分辨率的多光譜影像數(shù)據(jù)，該傳感器能夠提供 5個(gè)光譜帶的數(shù)據(jù)，在下文中分別描述為R1～R5。其中，R1為 Blue（0.450～0.515 μm）、R2為Green （0.525～0.605 μm）、R3為 Red（0.630～0.690 μm）、R4為 Red edge position（0.670～0.760 μm）、R5為 NIR（0.770～0.890 μm）。由于海口市對空域的飛行高度有限制，所以將無人機(jī)的飛行高度統(tǒng)一設(shè)置為120 m，飛行速度為5 m/s，選擇晴朗無風(fēng)、視野較好的時(shí)間段進(jìn)行。圖2為研究過程中無人機(jī)拍攝的美舍河鳳翔濕地公園采樣點(diǎn)上方5個(gè)光譜帶的多光譜影像。

圖2 水面多光譜影像

1.2.3 多光譜數(shù)據(jù)處理 以采樣點(diǎn)為中心分別建立 6×6（PPI）矩陣，以此作為 ROI感興趣區(qū)域（Region of Interest，ROI），并以ROI區(qū)域內(nèi)所有點(diǎn)的光譜反射率的平均值作為樣點(diǎn)的光譜反射率數(shù)據(jù)。研究共獲得99組光譜反射率數(shù)據(jù)，分別與水質(zhì)參數(shù)的實(shí)測值一一對應(yīng)，在其中隨機(jī)選擇79組數(shù)據(jù)用于構(gòu)建模型，剩下的20組數(shù)據(jù)用于檢驗(yàn)?zāi)Ｐ汀?/p>

1.2.4 光譜參數(shù)的選擇與建模 對以往的水質(zhì)要素反演研究中所采用的組合計(jì)算公式進(jìn)行了篩選，篩選出水質(zhì)參數(shù) CHL的敏感波段及波段組合，得到表1中的光譜參數(shù)和組合計(jì)算公式[7,9-11]。在進(jìn)行 Pearson相關(guān)性分析后篩選出光譜參數(shù)，使用 SPSS軟件構(gòu)建線性回歸函數(shù)模型、指數(shù)函數(shù)模型、冪函數(shù)模型、多項(xiàng)式函數(shù)模型4種水質(zhì)參素反演模型，在下文中分別記為U、E、P、PL。將最終選擇的光譜數(shù)據(jù)和實(shí)驗(yàn)室檢測所得數(shù)據(jù)進(jìn)行擬合，分別生成相應(yīng)模型，并根據(jù) Fabio等的方法，選擇出最優(yōu)模型進(jìn)行預(yù)測[12]。

表1 光譜參數(shù)和組合計(jì)算公式

2 結(jié)果與分析

2.1 水質(zhì)參數(shù)反演數(shù)據(jù)相關(guān)性分析

將采樣測得的 CHL值與構(gòu)建的光譜參數(shù)（V1～V16）進(jìn)行Pearson相關(guān)性分析，得出皮爾森相關(guān)系數(shù)。r描述的是2個(gè)變量間線性相關(guān)強(qiáng)弱的程度，r的絕對值越大表明相關(guān)性越強(qiáng)。研究在美舍河鳳翔濕地公園采集 99份樣本（n=99），在相關(guān)性分析的基礎(chǔ)上，選擇 CHL指標(biāo)所對應(yīng)的若干顯著水平p＜0.05，且符合統(tǒng)計(jì)學(xué)要求的光譜參數(shù)數(shù)據(jù)進(jìn)行下一步分析，結(jié)果如表 2所示。符合 CHL要求的光譜參數(shù)分別有 V1、V2、V3、V4、V5、V7、V8、V10、V12、V13共10組。

表2 光譜參數(shù)與葉綠素（CHL）濃度的相關(guān)系數(shù)

2.2 水質(zhì)參數(shù)反演參數(shù)選擇

由于風(fēng)速、光照、飛行速度等客觀因素的影響，所獲取的數(shù)據(jù)中往往會(huì)存在部分異常數(shù)據(jù)，從而導(dǎo)致數(shù)據(jù)整體的相關(guān)性不足。因此，基于統(tǒng)計(jì)學(xué)要求繪制相關(guān)性達(dá)標(biāo)數(shù)據(jù)的散點(diǎn)圖，再根據(jù)散點(diǎn)圖顯示的結(jié)果，去除異常數(shù)據(jù)。在99組數(shù)據(jù)中隨機(jī)抽取20組用于檢驗(yàn)，剩余的79組實(shí)測數(shù)據(jù)以光譜參數(shù)為自變量，對應(yīng)的葉綠素含量為因變量，繪制散點(diǎn)圖并添加線性趨勢線，根據(jù)趨勢線的R2判斷相關(guān)性達(dá)標(biāo)數(shù)據(jù)中最適用于擬合的數(shù)據(jù)。圖3所示為趨勢線R2的11個(gè)光譜參數(shù)數(shù)據(jù)，其中，光譜參數(shù)V2和V3的趨勢線R2值最高，R2CHL-V2=0.079 4、R2CHL-V3=0.072 2。根據(jù)趨勢線分別去除異常數(shù)據(jù)，剩余樣本數(shù)為n=50。

圖3 葉綠素（CHL）顯著性達(dá)標(biāo)數(shù)據(jù)散點(diǎn)圖

2.3 水質(zhì)參數(shù)反演模型的構(gòu)建

將剩余樣本的最優(yōu)光譜參數(shù)作為自變量，與其對應(yīng)的水質(zhì)參數(shù)作為因變量，使用 SPSS軟件分別建立U、E、P、PL四種函數(shù)模型。按采樣點(diǎn)依次輸入處理過的光譜數(shù)據(jù)，并結(jié)合各個(gè)樣點(diǎn)的水質(zhì)參數(shù)實(shí)測值，分別生成4種模型，再根據(jù)模型的相關(guān)評價(jià)標(biāo)準(zhǔn)選出最優(yōu)模型進(jìn)行預(yù)測。

CHL以光譜參數(shù)V2、V3作為自變量，相應(yīng)的 CHL含量作為因變量。分別構(gòu)建 U、E、P、PL四種函數(shù)模型，共構(gòu)建8個(gè)模型。通過擬合方程的決定系數(shù)R2、均方根誤差（RMSE）、回歸方程的斜率以及平均相對誤差評價(jià)模型的估測能力和精度，通常R2及擬合方程的斜率越接近于1，RMSE與平均相對誤差越小，模型的精度越高。CHL反演模型如表3所示，對應(yīng)模型的擬合結(jié)果如圖4所示。

圖4 葉綠素（CHL）反演模型擬合圖

表3 葉綠素（CHL）反演模型

依據(jù)上述圖表，按模型決定系數(shù)R2由大至小進(jìn)行排序，CHL反演模型前4個(gè)依次為UCHL-V3、PLCHL-V3、ECHL-V3、UCHL-V2，決定系數(shù)R2分別為0.669、0.662、0.660及0.626，模型整體精度較高。結(jié)合RMSE可看出，光譜參數(shù)V3更適合CHL模型的擬合，且V3在指數(shù)函數(shù)反演模型（ECHL-V3）中的擬合效果相對更好，RMSE僅為0.208，擬合曲線的變化趨勢呈現(xiàn)為隨著光譜反射率的增大，CHL含量不斷減小。

2.4 水質(zhì)參數(shù)反演模型的檢驗(yàn)

由表3及圖4可看出，在構(gòu)建的8個(gè)反演模型中，決定系數(shù)R2的差距較小，因此要在進(jìn)行多光譜圖像反演之前對上述模型進(jìn)行檢驗(yàn)，檢驗(yàn)結(jié)果將會(huì)影響反演所用模型的選擇。利用之前預(yù)留的 20個(gè)檢驗(yàn)樣本的水質(zhì)參數(shù)實(shí)測值和各個(gè)模型的估測值進(jìn)行擬合分析，通過擬合方程的決定系數(shù)R2、回歸方程斜率的對比狀況進(jìn)行比較分析，檢驗(yàn)結(jié)果如表4所示。

回歸結(jié)果中R2值和回歸斜率值越接近1，表明估測經(jīng)過越精確。由表4可看出，模型的整體估測精度較高且相差不大，前4個(gè)R2值由大至小的模型依次是 ECHL-V3、PCHL-V3、PLCHL-V3、UCHL-V3，R2值分別為 0.870 9、0.869 0、0.860 1、0.857 0，回歸斜率分別為 0.907 4、0.910 2、0.835 6、0.816 8，皆符合無人機(jī)遙感技術(shù)反演水質(zhì)參數(shù)的模型檢驗(yàn)精度要求，且檢驗(yàn)精度最高的模型為指數(shù)函數(shù)模型（ECHL-V3），與上述模型構(gòu)建中取得的最優(yōu)模型一致。

表4 葉綠素（CHL）估測模型精度檢驗(yàn)

3 討論與結(jié)論

3.1 討論

衛(wèi)星遙感技術(shù)在水質(zhì)參數(shù)反演中的應(yīng)用基本成熟，在反演手段和模型精度上皆取得了明顯進(jìn)步，但受影像分辨率的限制，衛(wèi)星遙感技術(shù)只適用于大面積水域的水質(zhì)參數(shù)反演，不適用于小微水域[13]。本研究基于衛(wèi)星遙感技術(shù)選擇適用于水質(zhì)要素反演的波段信息，利用無人機(jī)搭載多光譜傳感器獲取研究區(qū)域上方的高分辨率遙感影像，結(jié)合實(shí)地調(diào)查數(shù)據(jù)，建立了精度較高的反演模型，為城市水體監(jiān)測提供了全新的技術(shù)手段，也為美舍河的水體治理及保護(hù)提供了及時(shí)、可靠的空間數(shù)據(jù)。

在研究過程中發(fā)現(xiàn)，在選擇出相關(guān)性高的光譜參數(shù)后，用所有建模數(shù)據(jù)（n=79）來建模，所獲得的模型精度難以達(dá)到水質(zhì)參數(shù)反演的模型精度要求，在除去異常數(shù)據(jù)后（n=50），才可建立較高精度的反演模型。對于水質(zhì)參數(shù)的反演，沒有統(tǒng)一的標(biāo)準(zhǔn)模型，不同的研究區(qū)域、多光譜傳感器、無人機(jī)飛行高度及速度、季節(jié)、水質(zhì)監(jiān)測儀器及方法等，皆會(huì)影響光譜反射率信息及水體樣本的檢測結(jié)果。

上述理論研究及實(shí)驗(yàn)驗(yàn)證皆表明，使用無人機(jī)遙感技術(shù)來反演小微水域的水質(zhì)參數(shù)是可行的。但研究也存在一些需要改進(jìn)的地方：（1）無人機(jī)所獲取的多光譜影像還需進(jìn)行更加深入的研究，進(jìn)一步探討圖像數(shù)據(jù)的光譜反射率特征，建立精度更高的水質(zhì)反演模型；（2）在拼接研究區(qū)光譜影像數(shù)據(jù)時(shí)，由于水面中央無特征參照點(diǎn)，導(dǎo)致水域中央光譜數(shù)據(jù)無法拼接，研究區(qū)域的光譜樣點(diǎn)不均勻，可能會(huì)使模型精度存在一定偏差，后續(xù)研究需進(jìn)一步優(yōu)化實(shí)驗(yàn)方案。

3.2 結(jié)論

研究獲取了?？谑忻郎岷峪P翔濕地公園的水體樣本數(shù)據(jù)及多光譜影像，基于16個(gè)不同的光譜參數(shù)及對應(yīng)的實(shí)測值進(jìn)行了相關(guān)性分析，根據(jù)相關(guān)性分析結(jié)果在參數(shù)選擇分析中篩選出R2值最高的2個(gè)光譜參數(shù)，通過SPSS軟件構(gòu)建光譜參數(shù)與水質(zhì)參數(shù)的反演模型并對模型進(jìn)行檢驗(yàn)。研究發(fā)現(xiàn)，光譜參數(shù) V3最適合用于美舍河鳳翔濕地公園CHL的反演，在反演模型構(gòu)建中指數(shù)函數(shù)反演模型（ECHL-V3）的擬合精度最高，R2=0.660，RMSE=0.208，符合模型構(gòu)建精度要求。經(jīng)檢驗(yàn)，指數(shù)函數(shù)反演模型（ECHL-V3）的R2值為0.870 9，回歸斜率為0.907 4，符合模型精度檢驗(yàn)要求。所以研究選擇指數(shù)函數(shù)反演模型（ECHL-V3）作為最優(yōu)模型用于后續(xù)測繪水質(zhì)參數(shù)空間分布圖。