無人機高光譜在城市水質(zhì)環(huán)境監(jiān)測應(yīng)用中反演模型構(gòu)建的研究

丁奕文

（上海元易勘測設(shè)計有限公司,上海 201210）

近十年來,我國的城市水質(zhì)環(huán)境治理修復(fù)工作取得了階段性成果,推動城市水質(zhì)污染防治成為下一步工作重點,而其中如何高效地進行城市水質(zhì)常態(tài)化環(huán)境監(jiān)測是污染防治的基礎(chǔ)所在[1]。我國的城市水質(zhì)環(huán)境河流眾多、水網(wǎng)交錯、大多數(shù)城市河流寬度不超過百米,以中小河道為主。對于這些像毛細血管一樣分布的城市中小河道,受限于岸站式自動監(jiān)測站的成本投入和遙感光譜技術(shù)的時空分辨率,目前最常采用的水質(zhì)環(huán)境監(jiān)測方法仍然是斷面現(xiàn)場采樣、實驗室檢測的傳統(tǒng)方法為主,不僅費時費力,而且整片水域的水質(zhì)狀況也無法得到真實反映[2]。同時,隨著數(shù)字化技術(shù)的不斷發(fā)展,國家大力倡導(dǎo)要建立和完善“天空陸?！币惑w化生態(tài)環(huán)境智能檢測網(wǎng)絡(luò),單純依靠傳統(tǒng)的水質(zhì)監(jiān)測方法越來越難以滿足城市中小河流水質(zhì)的監(jiān)測需求。本文提出的無人機載高光譜技術(shù)區(qū)別于當前城市河道水質(zhì)環(huán)境監(jiān)測中傳統(tǒng)實驗室檢測技術(shù),大大降低了水質(zhì)環(huán)境監(jiān)測人力和時間成本,同時獲取的水質(zhì)反演數(shù)據(jù),得以形成城市水質(zhì)評估數(shù)字資產(chǎn),大力推動了城市數(shù)字化轉(zhuǎn)型進程,增強了對生態(tài)環(huán)境的精準把控能力。

隨著無人機技術(shù)和高光譜遙感技術(shù)的不斷發(fā)展,當前大量的研究實踐均表明了無人機高光譜技術(shù)運用于水質(zhì)環(huán)境監(jiān)測的可行性,但在城市水質(zhì)監(jiān)測的應(yīng)用仍停留在科研院所機構(gòu)的零星試點研究階段,如何降低應(yīng)用成本、提高反演結(jié)果準確性、優(yōu)化水質(zhì)反演模型仍是該技術(shù)現(xiàn)階段面臨的主要問題[3]。以課題組承擔(dān)的上海市水務(wù)局2022 年度科研課題為基礎(chǔ),本文聚焦城市中小河道水質(zhì)監(jiān)測的要求,探究了無人機高光譜技術(shù)中水質(zhì)光譜數(shù)反演模型構(gòu)建中的關(guān)鍵技術(shù),為該方法應(yīng)用于城市水質(zhì)監(jiān)測提供了技術(shù)支撐。

1 研究內(nèi)容

研究區(qū)域為上海浦東新區(qū)張家浜、崇明陳家鎮(zhèn)兩個區(qū)域,涉及12 條河道,采集的河道總長度超過27 km。兩塊研究區(qū)域均具備城市河道一定的典型性與代表性,存在局部污染情況,如居民區(qū)排污、農(nóng)田污染等情況。同時研究區(qū)域河道兩岸可靠近采集水樣,河道及兩岸鄰近區(qū)域無明顯遮蔽,光線充足,適合無人機飛行及光譜數(shù)據(jù)傳輸。同時選取了“河長制”中規(guī)定需要監(jiān)測的高錳酸鹽指數(shù)CODMn、總磷TP、氨氮NH3-N、溶解氧DO 四個地表水水質(zhì)基本參數(shù)作為研究對象。

本文利用搭載高光譜裝置的無人機分別在兩個研究區(qū)域開展實地飛行和采集高光譜數(shù)據(jù)工作,同步在地面河道開展地表水水樣采集工作,并送實驗室采用《地表水環(huán)境質(zhì)量標準》（GB 3838-2002）中規(guī)定的分析方法進行檢測,兩次實驗中共獲取約334 GB 的高光譜原始數(shù)據(jù)量,采集104 個點位的地表水水樣。

2 水質(zhì)參數(shù)實驗室檢測結(jié)果分析

采集的地表水水樣中各水質(zhì)基本參數(shù)的實驗室檢測結(jié)果見表1。

表1 水樣各參數(shù)檢測結(jié)果統(tǒng)計 單位：mg/L

為進一步分析掌握區(qū)域內(nèi)各個水質(zhì)參數(shù)的分布情況,對采集的104 個水樣的4 個水質(zhì)基本參數(shù)的實驗室檢測結(jié)果進行了核密度分布分析,以直觀顯示該參數(shù)在不同濃度限值下的出現(xiàn)概率,結(jié)果見圖1。

圖1 各水質(zhì)參數(shù)核密度分布圖

對比《地表水環(huán)境質(zhì)量標準》（GB 3838-2002）中地表水環(huán)境質(zhì)量標準基本項目標準限值,本次研究區(qū)域內(nèi)的4 個水質(zhì)參數(shù),絕大多數(shù)水樣污染物含量均滿足Ⅲ類水限值標準,除一個樣品的氨氮濃度達到了Ⅴ類水限值標準,其余全部樣品均未超過Ⅳ類水限值標準,這一結(jié)果與該區(qū)域內(nèi)日常環(huán)境監(jiān)測數(shù)據(jù)基本吻合,數(shù)據(jù)具有代表性。再同步獲取了這4 個水質(zhì)參數(shù)相應(yīng)點位對應(yīng)的光譜數(shù)據(jù),即可進行高光譜敏感波段的選擇和反演模型的構(gòu)建。

3 光譜特征與目標水質(zhì)指標的反演模型構(gòu)建

反演模型構(gòu)建是本次研究工作的重點和難點,需要綜合實際需求、區(qū)域環(huán)境、季節(jié)等實際情況對遙感數(shù)據(jù)與目標水質(zhì)參數(shù)之間的敏感性進行分析,從而構(gòu)建光譜特征與目標水質(zhì)參數(shù)的反演模型,實現(xiàn)水質(zhì)反演分析[4]。

3.1 水質(zhì)參數(shù)相關(guān)性分析

在構(gòu)建光譜特征與水質(zhì)相關(guān)指標的關(guān)系模型前,首先要明確各目標參數(shù)之間的相互關(guān)系,進而分析其作用機制,從而為光譜特征與水質(zhì)相關(guān)指標的關(guān)系模型提供依據(jù)。圖2 以氨氮為例,對氨氮與其他三個水質(zhì)參數(shù)數(shù)據(jù)之間進行線性回歸分析。

圖2 氨氮與其他水質(zhì)參數(shù)之間相關(guān)性分析

從圖2 可以看出,氨氮與總磷的線性回歸關(guān)系方程為：Y=0.0741x+0.0607,R2=0.2562,相關(guān)系數(shù)為0.51。從散點圖中可以看出,氨氮值在0～0.5 mg/L 的Ⅰ類水限值區(qū)間內(nèi)時,總磷值也基本保持在Ⅰ類水限值0.1 mg/L 以下,當總磷含量的升高時,水體富營養(yǎng)化導(dǎo)致藻類的大量繁殖,氨氮濃度相應(yīng)升高,氨氮和總磷會表現(xiàn)出一定的正相關(guān)性,從而可將二者視為一個整體進行光譜特征選擇和建立關(guān)系模型。其他水質(zhì)參數(shù)之間相關(guān)系數(shù)計算結(jié)果見表2,可以看出其他水質(zhì)參數(shù)之間的相關(guān)系數(shù)較小,應(yīng)分為三種類型進行單獨分析。

3.2 水質(zhì)參數(shù)對應(yīng)特征波段的選擇

研究表明,高光譜技術(shù)中采用單個特征波段光譜,其反射率與各水質(zhì)參數(shù)之間的相關(guān)性不高,難以直接構(gòu)建關(guān)系模型,普遍采用多個波段組合、波段比值的形式來構(gòu)建光譜特征與水質(zhì)相關(guān)指標的關(guān)系模型。通過計算各水質(zhì)參數(shù)與單波段反射率之間的相關(guān)性,本文選擇如下波段作為4 個水質(zhì)參數(shù)的特征波段光譜,見表3。

表3 水質(zhì)參數(shù)對應(yīng)特征波段

3.3 反演模型構(gòu)建

近年來越來越多的智能算法被應(yīng)用于水質(zhì)反演研究中,此類算法在解決水質(zhì)參數(shù)反演及水質(zhì)評價領(lǐng)域中的非線性問題具有優(yōu)勢。本文根據(jù)采樣點坐標,提取現(xiàn)場水樣相應(yīng)的水質(zhì)參數(shù)實驗室檢測濃度與特征波段光譜采樣值,確定水質(zhì)因子對應(yīng)的特征波段。利用雙變量相關(guān)性分析,用線性、多項式、對數(shù)、指數(shù)等多種算法,得到每個水質(zhì)參數(shù)與多個波段的相關(guān)性情況,比較模型間的平均絕對誤差和相對誤差,選取相關(guān)系數(shù)最優(yōu)的公式,即構(gòu)建出光譜特征與目標水質(zhì)指標的關(guān)系模型。累積多次采集的高光譜反演數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集,結(jié)合歷史采樣化驗數(shù)據(jù)及其空間分布關(guān)系作為真值,利用深度學(xué)習(xí)等方法,求取最優(yōu)解,訓(xùn)練人工智能模型以提高特定流域識別效率和準確性的優(yōu)勢。最終得出4 個水質(zhì)參數(shù)的高光譜反射率與濃度的反演公式,以溶解氧反演公式為例：

式中：a、b、c、d為常數(shù)參數(shù)；x1是波長650 nm 的反射率R650；x2是波長540 nm 的反射率R540；x3是波長580 nm 的反射率R580。

3.4 隨機森林算法優(yōu)化建模

為進一步分析優(yōu)化在模型中引入了隨機選擇屬性,采取隨機森林算法對反演模型進行優(yōu)化,隨機森林算法的核心在于將樣本庫隨機分為若干個決策組,每組樣本庫數(shù)據(jù)又分為兩部分；一部分為計算組,另一部分為檢驗組,然后對每組計算效果進行評價,選出最優(yōu)計算結(jié)果。以崇明陳家鎮(zhèn)區(qū)域的溶解氧數(shù)據(jù)為例：本次無人機載高光譜應(yīng)用研究,將所有水樣采集點作為樣本庫,2/3 樣本庫數(shù)據(jù)作為計算組,1/3 樣本庫數(shù)據(jù)作為檢驗組,以崇明陳家鎮(zhèn)工程示范數(shù)據(jù)為例,樣本庫為72 個,其中計算組為48 個、驗證組為24 個,隨機分了5 個決策組?，F(xiàn)對未引入隨機森林算法,以72 個樣本均作為算法模型計算數(shù)據(jù)的反演情況和引入隨機算法的結(jié)果進行對比,見表4。

表4 實驗檢測數(shù)據(jù)、引入隨機森林反演前后數(shù)據(jù)

經(jīng)計算,將崇明陳家鎮(zhèn)區(qū)域所有水樣數(shù)據(jù)整體參加反演擬合,反演準確率為74.8%；引入隨機森林算法反演后,反演準確率為87.8%。

4 城市水環(huán)境監(jiān)測應(yīng)用成果分析與評價

基于前文的高光譜預(yù)處理和反演模型構(gòu)建的關(guān)鍵技術(shù),對本次采集的高光譜原始數(shù)據(jù)進行反演。本節(jié)以崇明島陳家鎮(zhèn)朱雀河為例,對本次無人機高光譜在城市水環(huán)境監(jiān)測的應(yīng)用成果加以分析與評價。

4.1 水質(zhì)反演數(shù)據(jù)分析與評價

朱雀河為東西走向,位于崇明島陳家鎮(zhèn)實驗區(qū)域南側(cè),本次實驗采集河道長度3.5 km。根據(jù)《地表水環(huán)境質(zhì)量標準》（GB 3838-2002）的水質(zhì)等級判定標準,對所得的水質(zhì)反演數(shù)據(jù)進行分類統(tǒng)計,得出各個水質(zhì)參數(shù)的水質(zhì)等級。朱雀河水質(zhì)反演數(shù)據(jù)概況及各等級的樣本占比和數(shù)量見表5。

表5 朱雀河反演數(shù)據(jù)分析統(tǒng)計表

根據(jù)反演結(jié)果,朱雀河的總磷整體符合Ⅱ類水限值標準,溶解氧、高錳酸鹽指數(shù)、氨氮整體符合Ⅲ類水限值標準。再根據(jù)各水質(zhì)參數(shù)中最差等級確定當前水體整體所處的水質(zhì)的等級,朱雀河符合Ⅲ類水限值標準。通過與同步采集水樣實驗化驗數(shù)據(jù)對比,該結(jié)論具有一定可靠性。

4.2 水質(zhì)反演數(shù)據(jù)熱力圖

熱力圖見圖3。

圖3 朱雀河反演數(shù)據(jù)熱力圖

從圖3 中可以直觀看出,在本次數(shù)據(jù)采集的河道中段區(qū)域,各水質(zhì)參數(shù)濃度明顯升高,疑似污染點位于河流交匯口處,由此推測,此支流的匯入對該段河流的污染影響較大。

5 結(jié)論

本文探究了無人機高光譜技術(shù)中水質(zhì)光譜反演模型構(gòu)建中的關(guān)鍵技術(shù),最終結(jié)果表明,無人機高光譜技術(shù)在城市中小河流水質(zhì)監(jiān)測的應(yīng)用反演結(jié)果整體變化趨勢較好,數(shù)據(jù)具備一定的準確性,尤其在疑似污染點位的發(fā)現(xiàn)上具有極大優(yōu)勢,具有推廣和應(yīng)用價值。