黑臭水體遙感監(jiān)測(cè)技術(shù)研究及應(yīng)用

城市黑臭水體遙感監(jiān)測(cè)技術(shù)研究及應(yīng)用廣州地理研究所楊驥博士/高級(jí)工程師目錄背景介紹1研究概況光譜分析與建模機(jī)理與評(píng)價(jià)體系遙感監(jiān)測(cè)2345結(jié)論與展望6背景介紹國(guó)家戰(zhàn)略、水體污染現(xiàn)狀、存在問(wèn)題、如何解決？1一、背景介紹戰(zhàn)略背景地理信息技術(shù)是與納米技術(shù)、生物技術(shù)并列的21世紀(jì)三大戰(zhàn)略領(lǐng)域人工智能成為國(guó)家戰(zhàn)略綠水青山就是金山銀山，生態(tài)文明建設(shè)上升到新高度廣東省戰(zhàn)略性新興產(chǎn)業(yè)——無(wú)人機(jī)一、背景介紹水環(huán)境現(xiàn)狀良口鎮(zhèn)白坭河2009年白云區(qū)不再使用流溪河作為飲用水源2015年廣州市取消李溪壩以下常規(guī)水源功能工業(yè)廢水畜禽養(yǎng)殖生活廢水餐飲廢水2013年人和水廠由于水源氨氮超標(biāo)面臨關(guān)停《流溪河流域保護(hù)條例》、《廣州市人民政府關(guān)于全面開(kāi)展流溪河流域水環(huán)境整治的通告》城市黑臭水體成因復(fù)雜，如果實(shí)現(xiàn)黑臭水體全方位監(jiān)測(cè)？2016年12月，中國(guó)中共中央辦公廳、國(guó)務(wù)院辦公廳印發(fā)了《關(guān)于全面推行河長(zhǎng)制的意見(jiàn)》河長(zhǎng)制由各級(jí)（省、市、縣、鄉(xiāng)）黨政主要負(fù)責(zé)人擔(dān)任“河長(zhǎng)”，負(fù)責(zé)轄區(qū)內(nèi)河流的污染治理，確保實(shí)現(xiàn)河道水質(zhì)與水環(huán)境持續(xù)改善，達(dá)到河暢、水清、岸綠、景美的效果。2018年底前全面建立河長(zhǎng)制，建立省、市、縣、鎮(zhèn)、村五級(jí)河長(zhǎng)體系。省級(jí)總河長(zhǎng)市（地）級(jí)河長(zhǎng)縣（市、區(qū)）級(jí)河長(zhǎng)鄉(xiāng)（鎮(zhèn)）級(jí)河長(zhǎng)村級(jí)河長(zhǎng)職責(zé)側(cè)重“查”，主要負(fù)責(zé)日常巡查以及配合上級(jí)河長(zhǎng)、相關(guān)職能部門(mén)開(kāi)展工作職責(zé)側(cè)重“管”，主要負(fù)責(zé)河道及排水設(shè)施維護(hù)、河道保潔、污染源查控工作職責(zé)側(cè)重于治理工作的組織實(shí)施、經(jīng)費(fèi)保障、監(jiān)督檢查職責(zé)側(cè)重于治理工作的組織、協(xié)調(diào)、督促、檢查承擔(dān)總督導(dǎo)、總調(diào)度職責(zé)黨政領(lǐng)導(dǎo)高位推進(jìn)一、背景介紹河長(zhǎng)制“五清”專項(xiàng)行動(dòng)清理涉河湖違法違建清理河湖障礙物清理底泥污染物清理水面漂浮物清理非法排污口水質(zhì)判別以斷面監(jiān)測(cè)為主，城市水體污染源種類多，污染成因復(fù)雜，水質(zhì)空間變化較大河湖流域覆蓋面廣，環(huán)境復(fù)雜，人工巡查工作量大，效率低、難度大、成本高、監(jiān)測(cè)不全面存在問(wèn)題一、背景介紹本研究的提出一、背景介紹黑臭水體關(guān)鍵水質(zhì)參數(shù)遙感反演與評(píng)價(jià)方法研究遙感應(yīng)用地面模型理論基礎(chǔ)研究概況研究進(jìn)展、研究?jī)?nèi)容、技術(shù)路線、實(shí)驗(yàn)區(qū)選擇、數(shù)據(jù)處理2二、研究概況研究進(jìn)展序號(hào)模型參數(shù)來(lái)源1NSF-WQIDO、糞大腸菌群、pH、BOD5、硝酸鹽、總磷、溫度、濁度、總固體Brownetal，19722OWQI溫度、DO、BOD、pH、總固體、氨氮和硝酸鹽氮的加和、TP、糞大腸菌群Codeetal，20013CWQI溫度、DO、BOD、pH、總固體、氨氮等Rocchinietal，19954PESCEBOD、COD、pH、溫度、濁度等Pesceetal，2000國(guó)外研究主要針對(duì)一般水體，對(duì)嚴(yán)重污染的城市水體的適用性需要進(jìn)一步研究。序號(hào)模型參數(shù)來(lái)源1黑臭單因子污染水體指數(shù)NH3-N、DO上海自來(lái)水公司2有機(jī)污染水體指數(shù)BOD5、COD、NH3-N、DO劉德生等，20013單因子指標(biāo)標(biāo)準(zhǔn)溫度、DO、BOD、pH、總固體、氨氮等胡國(guó)臣等，19994綜合水質(zhì)標(biāo)識(shí)常數(shù)BOD、COD、pH、溫度、濁度等徐祖信等，2005國(guó)內(nèi)研究主要基于地面采樣數(shù)據(jù)進(jìn)行評(píng)價(jià)，難以從空間的角度揭示黑臭的原因。研究進(jìn)展黑臭水體的監(jiān)測(cè)目前仍以人工監(jiān)測(cè)斷面水質(zhì)的方式為主，采樣頻率低。但城市黑臭河流的水質(zhì)變化較大，人工監(jiān)測(cè)的方式無(wú)法實(shí)現(xiàn)空間維度上連續(xù)的黑臭監(jiān)測(cè)；水質(zhì)評(píng)價(jià)方法主要針對(duì)一般水體，對(duì)于嚴(yán)重污染水體的適用性有待研究；多數(shù)學(xué)者采用的光譜數(shù)據(jù)都是以地面光譜數(shù)據(jù)采集為主，利用衛(wèi)星遙感的方式開(kāi)展低成本、大尺度黑臭水體監(jiān)測(cè)的研究目前較少。目前僅有的遙感黑臭水體監(jiān)測(cè)研究是從普通水體與黑臭水體的光譜特征出發(fā)，沒(méi)有考慮導(dǎo)致水體黑臭的具體水質(zhì)參數(shù)。二、研究概況研究?jī)?nèi)容（1）城市黑臭水體的識(shí)別與分級(jí)標(biāo)準(zhǔn)完善城市黑臭水體的識(shí)別和分級(jí)標(biāo)準(zhǔn)；分析水質(zhì)指標(biāo)對(duì)黑臭的響應(yīng)機(jī)理；建立黑臭水體監(jiān)測(cè)指標(biāo)體系。（2）黑臭水體關(guān)鍵水質(zhì)參數(shù)反演模型分析黑臭水體的光譜特性；對(duì)地面高光譜數(shù)據(jù)進(jìn)行處理，突出城市黑臭水體光譜特征，選擇敏感波段構(gòu)建黑臭水體關(guān)鍵水質(zhì)參數(shù)反演模型。（3）基于衛(wèi)星遙感影像的黑臭水體監(jiān)測(cè)研究復(fù)雜背景條件下城市細(xì)小水體的提?。粯?gòu)建基于中高空間分辨率衛(wèi)星遙感影像的黑臭水體遙感識(shí)別模型，分析可遙感的關(guān)鍵黑臭水質(zhì)指標(biāo)的光譜特征或組合特征對(duì)其響應(yīng)，建立水體黑臭水質(zhì)評(píng)價(jià)模型，從空間遙感定量判斷黑臭程度。（4）基于無(wú)人機(jī)遙感的污染調(diào)查與分析通過(guò)無(wú)人機(jī)地空遙感，對(duì)重點(diǎn)污染河段周邊排污口、違章建筑等情況進(jìn)行全方位調(diào)查與精準(zhǔn)分析二、研究概況實(shí)驗(yàn)數(shù)據(jù)收集由于大量污水、廢水及垃圾等污染物排入河涌，導(dǎo)致河道水質(zhì)變差，底泥污染嚴(yán)重。收集了2016年1月-2017年12月廣州市53條重點(diǎn)污染河涌每月一次的水質(zhì)監(jiān)測(cè)數(shù)據(jù)（參數(shù)包括：TP、NH3-N、COD、WPI）共1200余條水質(zhì)監(jiān)測(cè)數(shù)據(jù)，用于水質(zhì)黑臭綜合評(píng)價(jià)模型的構(gòu)建。二、研究概況實(shí)驗(yàn)數(shù)據(jù)采集本研究選取具有典型性、代表性的黑臭河涌車(chē)陂涌、永和河為黑臭水體研究實(shí)驗(yàn)區(qū)，選取水質(zhì)較好的黃龍帶水庫(kù)作為參考背景，圖中A為車(chē)陂涌，B為永和河，C為黃龍帶水庫(kù)。二、研究概況實(shí)驗(yàn)數(shù)據(jù)采集

A：車(chē)陂涌B：永和河C：黃龍帶水庫(kù)二、研究概況本次實(shí)驗(yàn)的地面水體光譜測(cè)量?jī)x器是美國(guó)ASD（AnalyticalSpectralDevices,Inc）公司研制的ASDField-Spec3系列光譜儀。光譜范圍：350nm-2500nm；光譜采樣間隔：1.4nm@350-1050nm；2nm@1000-2500nm；光譜分辨率：3nm@700nm；10nm@1400nm，2100nm；波長(zhǎng)精度：1nm（350-2500nm）；測(cè)定速度：固定掃描時(shí)間0.1s；輸出波段數(shù)：2150個(gè)（間隔為1nm）。實(shí)驗(yàn)數(shù)據(jù)采集二、研究概況日期地點(diǎn)采樣數(shù)目測(cè)量的項(xiàng)目同步光譜2017.9.28永和河12總氮、總磷、氨氮、懸浮物、BOD5、COD、葉綠素ASDField-Spec3光譜儀2017.10.24車(chē)陂涌8同上同上2017.10.25黃龍帶水庫(kù)15同上同上2017.10.18永和河12總氮、總磷、氨氮、懸浮物、BOD5、COD、溶解氧、氧化還原電位同上2017.10.19車(chē)陂涌11同上同上本研究總共在以上3個(gè)研究區(qū)域選擇54個(gè)采樣點(diǎn)，由于受水面油膜等影響，光譜數(shù)據(jù)存在異常，本次實(shí)驗(yàn)共有有效水質(zhì)采樣與同步光譜采樣點(diǎn)共52個(gè)。實(shí)驗(yàn)數(shù)據(jù)采集二、研究概況光譜數(shù)據(jù)處理原始光譜歸一化處理包絡(luò)線去除一階微分二、研究概況黑臭水體機(jī)理與水質(zhì)評(píng)價(jià)機(jī)理研究、指標(biāo)體系、評(píng)價(jià)方法3

根本原因：日益嚴(yán)重的有機(jī)污染關(guān)鍵因素：河床底泥再懸浮環(huán)境因子：水體熱污染驅(qū)動(dòng)條件：水循環(huán)動(dòng)力不足①有機(jī)物厭氧分解產(chǎn)生易揮發(fā)的刺激性氣體②有機(jī)污染嚴(yán)重的厭氧狀態(tài)水體中，放線菌和藻類的分解產(chǎn)生醇類異臭物質(zhì)①以固態(tài)形式存在的不溶性物質(zhì)或吸附于懸浮顆粒上的污染物質(zhì)②有色且溶于水的腐殖質(zhì)類有機(jī)化合物致黑致臭黑臭水體機(jī)理三、黑臭水體機(jī)理與水質(zhì)評(píng)價(jià)黑臭水體指標(biāo)體系感官指標(biāo)成分指標(biāo)分析指標(biāo)黑臭水體指標(biāo)體系三、黑臭水體機(jī)理與水質(zhì)評(píng)價(jià)改進(jìn)的水體評(píng)價(jià)模型qi代表歸一化的水體參數(shù)，根據(jù)水體黑臭的成因與本文構(gòu)建的指標(biāo)體系，本文選擇的水質(zhì)參數(shù)為DO，NH3-N，TP，TN，COD，BOD5。歸一化參數(shù)計(jì)算依據(jù)提出的模型。pi為權(quán)重系數(shù)，計(jì)算公式如下：改進(jìn)的水體評(píng)價(jià)方法IndicatorRangeWaterconditionSub-index(qi)DO>7.0ExcellentY=1.98X+76.247.0-6.0GoodY=19.9X-49.35.9-5.0FairY=20.10X-50.404.9-4.0MarginalY=25.15X-75.50<4.0PoorY=12.50X-24.88BOD5<2.0ExcellentY=-4.97X+1002.0-4.0GoodY=-9.95X+109.94.1-5.0FairY=-20.10X+150.605.1-6.0MarginalY=-25.15X+176.00>6.0PoorY=-6.27X+62.68NH3-N<0.5ExcellentY=-20.20X+1000.5-1.5GoodY=-19.9X+99.951.6-2.5FairY=-20.10X+100.352.6-3.5MarginalY=-25.15X+113.13>3.5PoorY=-0.15X+25.53TN<1.5ExcellentY=-6.64X+1001.5-2.5GoodY=-19.9X+119.852.6-3.5FairY=-20.10X+120.453.5-4.5MarginalY=-25.15X+138.28>4.5PoorY=4.55X+45.52TP<0.20ExcellentY=-49.79X+1000.20-0.25GoodY=-398X+169.60.26-0.40FairY=-133.56X+103.520.41-0.50MarginalY=-251.52X+150.86>0.50PoorY=-2.63X+26.32COD<2.0ExcellentY=-12.06X+252.762.0-4.0GoodY=-24.14X+252.764.1-5.0FairY=-48.77X+375.535.1-6.0MarginalY=-61.02X+437.16>6.0PoorY=-15.21X+162.21水質(zhì)評(píng)價(jià)三、黑臭水體機(jī)理與水質(zhì)評(píng)價(jià)IndicatorImportanceinwaterquality（qi）Relativeweight(wi)DO40.31NH3-N30.23BOD510.08COD10.08TN20.15TP20.15Total131RankWQIValueExcellent100＞W(wǎng)QI≥90Good90＞W(wǎng)QI≥70Fair70＞W(wǎng)QI≥50Marginal50＞W(wǎng)QI≥30Poor30＞W(wǎng)QI≥10Seriouspoor10＞W(wǎng)QI≥0WQI指數(shù)級(jí)別劃分不同水質(zhì)參數(shù)的權(quán)重分配基于廣州市1200余條水質(zhì)檢測(cè)數(shù)據(jù)，采用層次分析法計(jì)算權(quán)重WQI指數(shù)分為6個(gè)級(jí)別，Excellent、GOOD、Fair、Marginal分布代表優(yōu)質(zhì)水體、良好水體、一般水體、臨界水體的四種非黑臭水體；Poor、SeriousPoor代表輕度黑臭和重度黑臭水體。水質(zhì)評(píng)價(jià)三、黑臭水體機(jī)理與水質(zhì)評(píng)價(jià)DO與TN、TP、COD、BOD5、NH3-N呈負(fù)指數(shù)相關(guān)；TN與NH3-N、TP、COD、BOD5之間存在較高的線性相關(guān)；BOD5與COD相關(guān)性最好

TNTPNH3TSSBOD5CODDOTNPearson相關(guān)性1.000.880**.978**0.150.608**.752**-.643**顯著性（雙側(cè)）

0.0000.0000.2900.0000.0000.000TPPearson相關(guān)性.880**1.000.865**0.071.844**.889**-.643**顯著性（雙側(cè)）0.000

0.0000.6160.0000.0000.000NH3Pearson相關(guān)性.978**.865**1.0000.147.599**.744**-.650**顯著性（雙側(cè)）0.0000.000

0.2980.0000.0000.000TSSPearson相關(guān)性0.1500.0710.1471.0000.0030.064-0.033顯著性（雙側(cè)）0.2900.6160.298

0.9830.6540.814BOD5Pearson相關(guān)性.608**.844**.599**0.0031.000.905**-.595**顯著性（雙側(cè)）0.0000.0000.0000.983

0.0000.000CODPearson相關(guān)性.752**.889**.744**0.064.905**1.000-.701**顯著性（雙側(cè)）0.0000.0000.0000.6540.000

0.000DOPearson相關(guān)性-.643**-.643**-.650**-0.033-.595**-.701**1.000顯著性（雙側(cè)）0.0000.0000.0000.8140.0000.000

**.在.01水平（雙側(cè)）上顯著相關(guān)。水質(zhì)評(píng)價(jià)三、黑臭水體機(jī)理與水質(zhì)評(píng)價(jià)No.WaterClassStandardWPIWQIIOWQIProposed

WQI1Ⅴ1.081.74.644.444.52Ⅲ1.029.02.862.859.13Ⅱ1.024.53.041.155.54InferiorⅤ2.1104.35.333.430.05InferiorⅤ2.3210.09.01.714.56InferiorⅤ2.3163.07.41.717.37InferiorⅤ1.095.75.379.227.38InferiorⅤ1.0285.17.7101.240.99InferiorⅤ1.0100.84.557.252.710InferiorⅤ2.1160.86.733.532.711InferiorⅤ2.1112.55.71.725.512Ⅲ1.044.22.764.557.313Ⅴ1.068.04.143.143.614InferiorⅤ1.0112.85.41.732.715InferiorⅤ1.098.14.634.744.516InferiorⅤ2.3153.67.21.718.217InferiorⅤ2.1133.26.51.724.518InferiorⅤ1.0114.45.430.236.419InferiorⅤ1.0107.64.935.240.020InferiorⅤ2.1165.36.81.728.221InferiorⅤ2.1133.76.71.721.822InferiorⅤ2.1123.56.21.725.523Ⅴ1.071.13.830.840.024InferiorⅤ1.0111.64.9103.646.425InferiorⅤ2.2175.47.333.528.2本文提出的算法分別與OWQI、WQII、WPI、Standard進(jìn)行對(duì)比驗(yàn)證，結(jié)果表明，本文提出的算法與WQII和WPI有較好的一致性，確定系數(shù)分別為R2=0.80和0.56；與OWQI的相關(guān)性較差，確定系數(shù)R2=0.35；與Standard相比，53個(gè)點(diǎn)中49個(gè)點(diǎn)判斷結(jié)果一致。本文提出的算法考慮的因素更加全面，部分水體水質(zhì)COD嚴(yán)重超標(biāo)，按照《指南》的標(biāo)準(zhǔn)并沒(méi)有識(shí)別出。水質(zhì)評(píng)價(jià)三、黑臭水體機(jī)理與水質(zhì)評(píng)價(jià)光譜分析與建模光譜特征分析、模型構(gòu)建、模型評(píng)價(jià)4光譜特征分析四、光譜分析與建模

正常水體僅有一個(gè)明顯反射峰出現(xiàn)在570nm附近；黑臭水體有三個(gè)反射峰，分別出現(xiàn)在570nm、710nm和810nm附近；高度渾濁水體有兩個(gè)明顯反射峰，反射峰向黃、紅波段偏移出現(xiàn)在580-710nm和810nm附近。正常水體有兩個(gè)吸收谷出現(xiàn)在450nm和720nm附近；黑臭水體有三個(gè)吸收谷出現(xiàn)在450nm、675nm和750nm附近，并在675nm和750nm附近吸收谷較為明顯；渾濁水體有兩個(gè)吸收谷出現(xiàn)在675nm和750nm附近。

重度黑臭水體與輕度黑臭水體的光譜特征相似，但重度黑臭水體的反射率總體低于輕度黑臭水體。當(dāng)TSS濃度過(guò)高時(shí)（＞100mg/L，TSS的光譜特征有兩個(gè)明顯反射峰，并向黃、紅波段偏移出現(xiàn)在580-710nm和810nm附近。TSS的特征起主導(dǎo)作用，抑制了關(guān)鍵黑臭水質(zhì)參數(shù)的光譜特性。TN、TP、NH3-N、COD、BOD5五種水質(zhì)參數(shù)與水體反射率的相關(guān)性呈現(xiàn)一致，但五種參數(shù)之間呈現(xiàn)較好的相關(guān)性，為模型構(gòu)建提供光學(xué)基礎(chǔ)。原始光譜歸一化光譜包絡(luò)線去除光譜一階導(dǎo)數(shù)微分光譜光譜特征分析相關(guān)性分析四、光譜分析與建模

五種水質(zhì)參數(shù)（TN、TP、NH3-N、COD、BOD5）的DR（597nm）、ER（600nm）的單波段模型顯著性較高，為最優(yōu)模型。BR（580nm，650nm）、CR（550nm，650nm）、E-BR（580nm，650nm）、E-CR（550nm，650nm）、N-BR（580nm，650nm）、N-CR（550nm,650nm）的最優(yōu)波段組合主要呈負(fù)指數(shù)模型，模型效果較好。DO的原始光譜、NR、DR、ER的最優(yōu)波段分別在567、760、420、600nm處，其中NR（760nm）、ER（600nm）模型顯著性系數(shù)較高，主要呈對(duì)數(shù)模型，模型效果較好。DO的原始光譜波段比值最優(yōu)組合為BR（650nm，750nm），CR（680nm，750nm），模型主要呈對(duì)數(shù)形式，模型的確定系數(shù)R2為0.958，顯著性系數(shù)較高。關(guān)鍵水體黑臭指標(biāo)（mg/L）波段（nm）光譜形式模型確定系數(shù)R2F值TP580、650BRy=6.0728x12.7250.842143.276550、650CRy=2.3185e90.603x0.858150.313580、650B-NRy=6.0728x12.7250.842143.276550、650C-NRy=4.8655e10.587x0.814116.513585、720B-DRy=0.2977x+0.04670.61336.168580、650C-DRy=1.0398x+0.88340.53627.390580、650B-ERy=1.5446x11.2360.805108.571550、650C-ERy=1.8528e14.613x0.821126.499TN580、650BRy=0.0003e12.314x0.856148.571550、650CRy=2.755e63.833x0.889170.673580、650B-NRy=0.0003e12.314x0.856148.571550、650C-NRy=38.303e7.4549x0.842143.276690、720B-DRy=3.3141x+1.04460.68743.579580、650C-DRy=11.753x+10.4050.61835.218580、650B-ERy=0.0008e10.094x0.831167.382550、650C-ERy=19.174e10.225x0.839169.748NH3-N580、650BRy=86.953x15.0610.825128.991550、650CRy=30.782e110.33x0.890175.330580、650B-NRy=86.953x15.0610.825127.388550、650C-NRy=69.366e12.635x0.810115.285690、720B-DRy=2.8803x+0.61270.66740.139580、650C-DRy=10.154x+8.73210.59426.190580、650B-ERy=17.55x13.3880.79980.571550、650C-ERy=21.629e17.369x0.811100.276水質(zhì)參數(shù)反演模型構(gòu)建四、光譜分析與建模

關(guān)鍵水體黑臭指標(biāo)（mg/L）波段（nm）光譜形式模型確定系數(shù)R2F值BOD5580、650BRy=0.0533e6.6131x0.76976.719550、650CRy=22.782e34.528x0.810123.784580、650B-NRy=0.0533e6.6131x0.76985.593550、650C-NRy=29.538e3.9696x0.74365.987690、720B-DRy=4.6675x+2.36970.66746.117580、650C-DRy=14.736x+15.0740.47619.233580、650B-ERy=0.0978e5.3314x0.72269.163550、650C-ERy=20.232e5.3914x0.72668.100COD580、650BRy=126.57e5.386x0.830143.29550、650CRy=89.11e46.892x0.907156.199580、650B-NRy=0.0242e8.961x0.857153.201550、650C-NRy=126.57e5.386x0.830126.784690、720B-DRy=14.552x+6.19250.854149.776580、650C-DRy=48.667x+46.5190.68454.890580、650B-ERy=0.0531e7.2676x0.814116.513550、650C-ERy=76.389e7.3603x0.821135.971DO650、750BRy=7.7707ln(x)+7.56440.958176.875680、750CRy=111.54x+6.17080.74577.82650、750B-NRy=7.7707ln(x)+7.56440.958178.246680、750C-NRy=10.404x+6.49610.895169.569690、720B-DRy=-1.0941x+6.61040.63857.210580、650C-DRy=-3.9567x+3.49980.59723.196650、750B-ERy=11.618x-5.14180.977181.761650、750C-ERy=12.616x+6.56560.975179.368水質(zhì)參數(shù)反演模型構(gòu)建四、光譜分析與建模

模型評(píng)價(jià)水質(zhì)參數(shù)波段或波段組合模型模型校正樣本（N=35）模型檢驗(yàn)樣本（N=17）RMSEMRERMSEMRETPDR(597)y=1.2664e-2.482x4.3541.4%4.7541.2%ER(600)y=1.2097x15.654.8052.3%4.7953.5%BR(580,650)y=6.0728x12.7254.2329.2%6.5836.7%CR(550,650)y=2.3185e90.603x6.2232.7%9.7422.7%TNDR(597)y=15.093e-1.745x0.7169.8%0.5243.4%ER(600)y=14.848x11.1070.5441.6%0.5448.5%BR(580,650)y=0.0003e12.314x3.1021.4%0.5421.4%CR(550,650)y=2.755e63.833x2.3232.3%0.3922.3%NH3-NDR(597)y=15.609e-3.041x7.6049.3%5.2241.2%ER(600)y=14.451x19.0344.9319.2%5.3324.5%BR(580,650)y=86.953x15.06117.6029.8%7.8119.8%CR(550,650)y=30.782e110.33x5.3231.6%4.7421.6%BOD5DR(597)y=16.949e-0.897x8.5522.7%8.2429.2%ER(600)y=16.905x5.74447.8331.4%8.1333.6%BR(580,650)y=0.0533e6.6131x8.7139.3%4.7333.8%CR(550,650)y=22.782e34.528x13.6329.2%6.3228.7%四、光譜分析與建模

模型評(píng)價(jià)水質(zhì)參數(shù)波段或波段組合模型模型校正樣本（N=35）模型檢驗(yàn)樣本（N=17）RMSEMRERMSEMRECODDR(597)y=61.966e-1.25x22.0342.3%21.1528.4%ER(600)y=60.959x7.925418.4759.8%22.0137.7%BR(580,650)y=126.57e5.386x12.3422.7%10.7729.6%CR(550,650)y=89.11e46.892x3.6838.6%12.8431.5%DODR(597)y=8.0677ln(x)+8.356831.1661.6%31.0952.7%ER(600)y=8.666ln(x)+8.560930.9379.3%29.7887.5%BR(650,750)y=7.7707ln(x)+7.56440.4917.2%0.538.7%CR(680,750)y=111.54x+6.17081.2232.7%1.0127.7%35用于模型構(gòu)建，17個(gè)用于精度評(píng)價(jià)，水質(zhì)參數(shù)反演模型MRE低于29.6%，差值與比值模型精度較高。四、光譜分析與建模遙感監(jiān)測(cè)水體提取、水質(zhì)反演、無(wú)人機(jī)遙感、地面監(jiān)測(cè)5

水體提取算法城市水體的精確提取是遙感應(yīng)用的前提。針對(duì)嚴(yán)重污染的城市水體，與道路、建筑物、陰影等易于混分以及遙感水體提取結(jié)果不連續(xù)，存在斑點(diǎn)問(wèn)題，研究了基于分形幾何算法的水體提取。五、遙感監(jiān)測(cè)水體提取算法建成區(qū)水體受到生活污水、工業(yè)廢水、傾倒垃圾等污染，以及復(fù)雜外界條件的影響，嚴(yán)重污染的城市水體在綠光通道反射率降低，導(dǎo)致污染水體MNDWI值降低，與道路易于混分。本文提出了CWI指數(shù)，公式如下：由于城市水體還受到其它噪聲等影響，存在大量孤立分量，是需要消除的。本文將各連接分量采用空間鄰域法進(jìn)行標(biāo)注，將前景影像分割成不同的子集，并用數(shù)值進(jìn)行標(biāo)注，然后采用直方圖統(tǒng)計(jì)面積，通過(guò)交互式方法設(shè)置閾值面積，有針對(duì)性提取水體。11100000001110000000111011000011102200001110010000111002000011100010001110004000111000100011100040000000001000000000400000011100000003330000000100000000030000000000000000000000000000000000000000000000二值圖像四鄰域五、遙感監(jiān)測(cè)研究區(qū)影像日期大氣糾正前CWI大氣糾正后CWI水體植被建筑物水體植被建筑物流溪河2016年12月7日>1.17<0.67<1.17>=1.20<1.20<1.202017年4月30日>1.01<0.70<1.01>=1.20<1.20<1.20東江2016年2月7日>1.33<0.86<1.33>=1.20<1.20<1.202017年10月23日>1.29<0.83<1.29>=1.20<1.20<1.20大氣糾正前后CWI值對(duì)比五、遙感監(jiān)測(cè)水體提取算法CWI采用OLI影像的第3通道與第6通道計(jì)算，第3通道為綠光通道受大氣影響嚴(yán)重，第6通道為短波紅外通道受大氣影響較弱，由于大氣氣溶膠等復(fù)雜多變，不同日期、不同區(qū)域的影像大氣糾正前MNDWI差異顯著，本文對(duì)影像進(jìn)行大氣糾正，大氣糾正后CWI均小于或等于1.20，實(shí)驗(yàn)表明閾值設(shè)為1.20可有較好的識(shí)別水體，尤其是城市污染水體，可以避免絕大部分建筑物、植被等影響。

水體提取結(jié)果

（a）（b）（c）

流溪河（2016年12月7日）東江（2017年4月30日）與短波紅外單通道算法，SWVI算法，SVM算法，e光譜角度算法相比，本文提出的算法可去除噪聲影響，能夠適用于城市污染水體的提取

原始圖像

短波紅外單通道算法SWVI算法SVM算法

光譜角度算法

本文結(jié)果原始圖像

短波紅外單通道算法SWVI算法SVM算法

光譜角度算法

本文結(jié)果五、遙感監(jiān)測(cè)衛(wèi)星反演模型構(gòu)建選取35個(gè)采樣點(diǎn)對(duì)OLI傳感器進(jìn)行模型校正，并構(gòu)建了關(guān)鍵水質(zhì)參數(shù)反演模型五、遙感監(jiān)測(cè)精度評(píng)價(jià)獨(dú)立隨機(jī)選取17個(gè)采樣點(diǎn)用于模型精度評(píng)價(jià)，反演結(jié)果與實(shí)測(cè)結(jié)果有較好的一致性。五、遙感監(jiān)測(cè)

2016年