基于遙感測繪技術(shù)的地表水重度污染區(qū)域監(jiān)測方法研究

文章編號：1674-6139（2025）06-0134-05

中圖分類號：X87文獻(xiàn)標(biāo)志碼：B

MonitoringMethodofHeavilyPollutedAreaofSurface Water Based on Remote Sensing Mapping Technology

LiuXiaojie，SongShenglei，MaYoulu，DingYi （Qinghai Provincial Natural Resources Survey and Monitoring Institute，Xining 81Oooo，China）

Abstract：Severepolltionofsurface watercandisruptthebalanceofaquaticecosystemsandalsoafecthumanhealth.Due tothe significandresinsuaceaterpoltiindifretgos，adiioalmeodsaediulttobaccuatemoogsult Therefore，aresearchonmonitoringmethodsforareaswithseveresurface waterpolutionbasedonremotesensingsurveyingtechnologyis proposed.Thismethodutilzesdronesequppdwithhyperspectralcamerastocapturermotesensingdataofsurfacewater.Aftercoec tionofsolaralitudenglendlinearstretcngprocessing，princialcomponentanalysis（CA）ispliedtoetractspetralfeature， acuratelydeterminepolutionreas，andacieveefetieonitoringTheexperimentalresultsshowtattesectralfeatureetraction resultsofsurfacewaterremotesensingimagesobtainedbytheproposedmethodareconsistentwiththeactualfeatureresults，andthemo nitoringresultsofhavilypolutedsurfcewaterareasareconsistentwiththeactualmoitoringresults，fullonfimingthattheproposd method has better monitoring effects on heavily polluted areas.

Keywordswaterpolutionmonitoring；surfacewater；remotesnsingimage；emotesensingmapingtechnology；heavilypollutedareas

前言

地表水重度污染對人類健康與生態(tài)構(gòu)成威脅，因此監(jiān)測此類區(qū)域意義重大[1]。但地表水重度污染監(jiān)測面臨多重挑戰(zhàn)，如地表水遙感數(shù)據(jù)處理性能低、地表水污染特征提取精度差、地表水重度污染區(qū)域判定結(jié)果與實際結(jié)果偏差大等問題[2]。文獻(xiàn)[3]以深圳市某濱海垃圾填埋場為研究對象，建立地下水溶質(zhì)運(yùn)移數(shù)值模型，就潮汐作用對地下水特征污染物變化規(guī)律進(jìn)行深入探究與分析。此種方法地下水溶質(zhì)運(yùn)移數(shù)值模型構(gòu)建的過程中涉及參數(shù)較多，致使最終監(jiān)測結(jié)果與實際結(jié)果偏差較大；文獻(xiàn)［4]設(shè)計了一種水體污染源識別方法，通過水質(zhì)參數(shù)（WQPs）對樣本水質(zhì)進(jìn)行精準(zhǔn)的評估，利用熒光光譜儀、Tucker同余系數(shù)與平行因子分析確定水體的污染源。此種方法實驗樣本數(shù)量較少，無法證明其普遍適用性；文獻(xiàn)[5]以成都平原典型混合用地區(qū)地下水為研究對象，基于正定矩陣因子分析（PMF）模型識別污染主控因子，再結(jié)合貝葉斯穩(wěn)定同位素混合模型量化污染主控因子對于硝酸鹽氮的貢獻(xiàn)率。此種方法在應(yīng)用過程中需要訓(xùn)練多個模型，致使地下水污染監(jiān)測效率較低。基于上述問題，提出基于遙感測繪技術(shù)的地表水重度污染區(qū)域監(jiān)測方法研究，以滿足日益迫切的污染治理需求，提高監(jiān)測的精準(zhǔn)度與效率。

1地表水重度污染區(qū)域監(jiān)測方法研究

1.1地表水遙感數(shù)據(jù)獲取與處理

此研究以無人機(jī)作為遙感平臺，搭載高光譜相機(jī)，以此來獲取研究區(qū)域地表水遙感數(shù)據(jù)，由于傳感器自身缺陷、太陽角、視場角等因素的存在，還需要對獲取的原始地表水遙感數(shù)據(jù)進(jìn)行一定的處理。

設(shè)置原始地表水遙感影像為 f（x，y） ，對應(yīng)灰度值為 h（x，y） 。由于遙感影像包括不同時相的圖像，需將輻射量校正到太陽處于垂直照射時的輻射量，以此來去除太陽高度角不同的不利影響，將此過程稱為太陽高度角校正，表達(dá)式為式（1）：

式（1）中， 表示的是太陽高度角校正后的地表水遙感影像灰度值； φ 表示的是太陽高度角。

遙感影像在無人機(jī)搭載傳感器的姿態(tài)變化、地球曲率等因素的影響下，容易出現(xiàn)畸變現(xiàn)象，從而影響圖像內(nèi)部信息的精確性[6。因此，采用地面控制點(diǎn)對遙感影像 f（x，y） 的幾何畸變進(jìn)行校正，表達(dá)式為式（2）：

式（2）中 表示的是幾何畸變校正后的遙感影像； α 與 β 表示的是遙感影像在 x 軸與 y 軸方向上的校正畸變函數(shù)； n 表示的是遙感影像中像元的總數(shù)量； γ_ij 與 λ_ij 表示的是待定系數(shù)，主要由參考坐標(biāo)系與圖像坐標(biāo)系進(jìn)行最小二乘法求解后獲得。

為了提升地表水重度污染區(qū)域監(jiān)測的整體性能，對遙感影像 進(jìn)行增強(qiáng)處理，通過線性拉伸方程將其亮度范圍拉伸至[0，255]范圍內(nèi)，表達(dá)式為式（3）：

式（3）中， 表示的是增強(qiáng)處理后遙感影像 g（x，y） 的灰度值： ??A₁ 與 A₂ 表示的是原始遙感影像灰度值的最小值與最大值； B₁ 與 B₂ 表示的是灰度值增強(qiáng)后的最小值與最大值，取值為0與 255 。

線性拉伸增強(qiáng)遙感影像，通過直方圖分析定義灰度映射，應(yīng)用式（3）對遙感影像進(jìn)行線性拉伸，擴(kuò)展原狹窄灰度范圍至全顯示區(qū)間，提升暗亮部細(xì)節(jié)可見度，豐富色彩層次，尤其是優(yōu)化水體高亮區(qū)域細(xì)節(jié)展示，增強(qiáng)視覺效果[7]

1.2地表水遙感圖像光譜特征提取

以1.1節(jié)處理好的遙感數(shù)據(jù) g（x，y） （灰度值 ）為基礎(chǔ)，引入主成分分析方法（PCA方法）提取地表水遙感圖像的光譜特征，為最終研究目標(biāo)實現(xiàn)提供依據(jù)與支撐。

基于主成分分析方法（PCA方法）的遙感圖像光譜特征提取過程如下所示：

步驟一：加載1.1節(jié)處理好的遙感數(shù)據(jù) g（x，y） ，從 Ψ_g（x，y） 中提取出每個像元的光譜數(shù)據(jù)，形成一個多維數(shù)據(jù)集，記為 {R₁，R₂，…，R_i，…，R_n} ：

步驟二：計算遙感圖像像元光譜數(shù)據(jù)的協(xié)方差矩陣，內(nèi)部元素表示不同波段之間的相關(guān)性，表達(dá)式為式（4）：

式（4）中， ζ 表示的是遙感圖像像元光譜數(shù)據(jù)的協(xié)方差矩陣； R_i 表示的是第 i 個像元光譜數(shù)據(jù)（向量形式）； 表示的是遙感圖像像元光譜數(shù)據(jù)的平均值（向量形式）。

步驟三：以步驟二計算的協(xié)方差矩陣{為依據(jù)，對其進(jìn)行特征分解獲取特征值[8]。協(xié)方差矩陣分解結(jié)果為 ζ=VKV^T 。其中， K 表示的是協(xié)方差矩陣的特征值，反映了對應(yīng)主成分的重要性（即方差大?。?；V表示的是協(xié)方差矩陣的特征向量，反映了主成分在原始變量空間中的方向；

步驟四：以步驟三獲取的遙感圖像光譜特征值K 為基礎(chǔ)，提取累計方差貢獻(xiàn)率達(dá)到一定閾值 （ζ） 的前 k 個主成分，計算提取全部主成分對應(yīng)特征值的平均數(shù)值 ，將其作為地表水遙感圖像光譜特征的最終提取結(jié)果[9]

上述過程完成了地表水遙感圖像光譜特征 的有效提取，為后續(xù)地表水重度污染區(qū)域的判定提供一定的助力。

1.3地表水重度污染區(qū)域判定

以1.2節(jié)提取的地表水遙感圖像光譜特征 為基礎(chǔ)，根據(jù)實際情況與歷史數(shù)據(jù)，設(shè)定合適的光譜特征閾值，制定地表水重度污染區(qū)域判定規(guī)則。遙感圖像光譜特征閾值的設(shè)定過程是一個基于歷史數(shù)據(jù)和專家經(jīng)驗的綜合判斷過程，具體見圖1。

依據(jù)圖1所示流程確定遙感圖像光譜特征閾值，記為 ψ ，聯(lián)合地表水遙感圖像光譜特征值 ，制定地表水重度污染區(qū)域判定規(guī)則：當(dāng)?shù)乇硭b感圖像光譜特征值 大于或者等于設(shè)定閾值 時，認(rèn)定研究區(qū)域地表水屬于重度污染區(qū)域；反之，則認(rèn)定研究區(qū)域地表水屬于非重度污染區(qū)域[10]

2 實驗與結(jié)果分析

單一方法獨(dú)立測試無法凸顯提出方法的應(yīng)用性能，故選取文獻(xiàn)[3]與文獻(xiàn)[5]作為對照方法，簡稱為文獻(xiàn)[3]方法與文獻(xiàn)[5]方法，共同進(jìn)行地表水重度污染區(qū)域監(jiān)測實驗，獲取相應(yīng)的實驗數(shù)據(jù)與實驗結(jié)果，驗證提出方法的應(yīng)用效果。

2.1 實驗準(zhǔn)備

為了深入研究地表水重度污染區(qū)域監(jiān)測性能，文章規(guī)劃了位于內(nèi)陸湖泊流域的實驗區(qū)，面積90平方公里，細(xì)分為36個50米邊長的子區(qū)域，全面代表性地研究地表水重度污染監(jiān)測性能。聚焦水生生物群落（魚類、兩棲類、水生植物及微生物），通過模擬高濃度重金屬和有機(jī)污染的重度污染區(qū)及低于自然背景的非重度污染區(qū)，遵循生態(tài)安全與科研倫理，確保實驗不損害環(huán)境。

提出方法引入了遙感測繪技術(shù)，需要相應(yīng)的設(shè)備一一無人機(jī)與遙感測繪設(shè)備。實驗選用多旋翼d-1型無人機(jī)作為飛行平臺，其具備 7kg 的最大安全起飛重量 ，5kg 空機(jī)重量及 2kg 負(fù)載能力，適合攜帶 ms600pro 遙感測繪設(shè)備。該無人機(jī)設(shè)計緊湊（970×920×240mm） ，配備 1 200mm 軸距與26英寸螺旋槳，由高效無刷電機(jī)驅(qū)動，以 21Ah 鋰電池為能源，能在海拔4500米以下、風(fēng)速 14m/s 的環(huán)境中穩(wěn)定飛行，最高速度達(dá) 36km/h 。同時， ms600 pro遙感測繪設(shè)備以 20 150×14 118 像素的高清影像、3.76μm 的精細(xì)像素物理尺寸 ??90mm 焦距鏡頭及靈活的光圈（ 5.6～11 ）、快門速度（ （1/2500～1/125） 和ISO （50～6400 ）設(shè)置，結(jié)合 83dB 的寬廣傳感器動態(tài)范圍，為精確捕捉地表水污染特征提供了強(qiáng)大支持。

2.2 實驗結(jié)果分析

以某一實驗子區(qū)域為例，其地表水監(jiān)測遙感影像具體見圖2。

如圖2所示，圖中綠色區(qū)域為實驗湖泊的子區(qū)域，散布在綠色區(qū)域中的紅色斑點(diǎn)為水體中的污染物聚集區(qū)。應(yīng)用提出方法、文獻(xiàn)[3]方法與文獻(xiàn)[5]方法對地表水遙感圖像光譜特征進(jìn)行提取，具體見圖3。

如圖3所示，在同一實驗子區(qū)域內(nèi)，應(yīng)用提出方法獲得的地表水遙感圖像光譜特征提取結(jié)果與實際特征結(jié)果一致，而應(yīng)用文獻(xiàn)[3]方法與文獻(xiàn)[5]方法獲得的地表水遙感圖像光譜特征提取結(jié)果與實際特征結(jié)果存在著較大的差異性，表明提出方法地表水遙感圖像光譜特征提取性能更好。

通過提出方法、文獻(xiàn)[3]方法與文獻(xiàn)[5]方法獲得實驗區(qū)域地表水重度污染區(qū)域監(jiān)測結(jié)果和實驗對象示意圖，具體見圖4。

如圖4所示，在實驗區(qū)域背景下，應(yīng)用提出方法獲得的地表水重度污染區(qū)域監(jiān)測結(jié)果與實際監(jiān)測結(jié)果（如圖3所示）相同，而應(yīng)用文獻(xiàn)[3]方法與文獻(xiàn)[5]方法獲得的地表水重度污染區(qū)域監(jiān)測結(jié)果與實際監(jiān)測結(jié)果偏差較大，表明提出方法地表水重度污染區(qū)域監(jiān)測性能更佳。

3 結(jié)束語

隨著工業(yè)化進(jìn)程的加速和城市化水平的不斷提高，地表水污染問題愈發(fā)凸顯。因此，對地表水重度污染區(qū)域進(jìn)行持續(xù)、有效的監(jiān)測，成為了保障生態(tài)環(huán)境安全、促進(jìn)經(jīng)濟(jì)社會可持續(xù)發(fā)展的重要舉措?；诖?，提出了一種基于遙感測繪技術(shù)的地表水重度污染區(qū)域監(jiān)測的方法。本方法充分利用遙感測繪技術(shù)的高分辨率與即時響應(yīng)特性，結(jié)合先進(jìn)的數(shù)據(jù)處理與分析算法實現(xiàn)對地表水體的全面掃描，為污染識別提供豐富信息。結(jié)合深度學(xué)習(xí)等算法，有效提升了遙感圖像中地表水光譜特征的提取效率與精度，降低了污染特征識別的誤差。實驗結(jié)果表明，該方法顯著提升了遙感圖像中地表水光譜特征的提取性能，有效降低了污染特征識別的誤差，從而確保了污染區(qū)域判定的準(zhǔn)確性。

參考文獻(xiàn)：

[1]葉志祥，洪松，何超，等.基于監(jiān)測斷面空間聚類的中國枯水期水質(zhì)污染區(qū)域格局[J].環(huán)境科學(xué)研究，2022，35（8）：1807-1817.

[2]鄭家傳，王剛.城市地表水重金屬污染特征及風(fēng)險評價——以蘇州市為例[J].環(huán)境保護(hù)科學(xué)，2022，48（1）：25-32

[3]劉治國，方樟，趙思遠(yuǎn)，等.潮汐作用對濱海垃圾填埋場地下水污染物遷移影響模擬研究[J].環(huán)境科學(xué)學(xué)報，2022，42（6）：147-154.

[4]Shen，Jian，Deng，Shubo，Wu，Jing.IdentifyingPollution Sourcesin Surface Water Usinga Fluorescence Fingerprint Techniquein an Analytical Chemistry Laboratory Experiment for Advanced Undergraduates[J].Journal of Chemical Education，2022，99 （2）：932-940.

[5]張涵，杜昕宇，高菲，等.聯(lián)合PMF模型與穩(wěn)定同位素的地下水污染溯源[J].環(huán)境科學(xué)，2022，43（8）：4054-4063

[6]解明權(quán)，閔松寒，楊輝，等.基于貝葉斯卷積網(wǎng)絡(luò)的農(nóng)村黑臭水體遙感識別算法研究[J].環(huán)境科學(xué)學(xué)報，2024，44（3）：215-226.

[7]畢業(yè)亮，王華彩，夏兵，等.雨源型城市河流水污染特征及水質(zhì)聯(lián)合評價：以深圳龍崗河為例[J].環(huán)境科學(xué)，2022，43（2）：782-794.

[8]張行洲，殷樂宜，陳堅，等.考慮污染物擴(kuò)散風(fēng)險的場地地下水污染多層次風(fēng)險評估方法[J].水文地質(zhì)工程地質(zhì)，2023，50（2）：160-170.

[9]徐玲，景向楠，楊英，等.基于SMOTE-GA-CatBoost算法的全國地表水水質(zhì)分類評價[J].中國環(huán)境科學(xué)，2023，43（7）：3848-3856.

[10]林廣，張?zhí)m，王國勝，等.基于去耦合直接法的蘭江流域地表水水質(zhì)預(yù)測方法研究[J].中國環(huán)境監(jiān)測，2023，39（1）：181-188.