高光谱航空遥感在中小河道水质监测中的应用.docx

          高光谱航空遥感在中小河道水质监测中的应用                    摘要 水体的总体水质、污染、以及生态安全备受社会关注，如何快速、准确的筛选出问题河流尤为重要上海市要求在2020年基本消除劣V类水体，日常监测采用基于地面的常规定点水质监测方法，要实现大范围水质监测，必然需要耗费大量的人力和物力，财力，而且全面监测一次时间周期很长近些年来，随着成像光谱技术的发展，高光谱遥感数据的获取能力发展迅猛，空间分辨率和光谱分辨率都极大的提高高光谱遥感可以获取地物丰富的光谱信息，具有宏观、大面积、波段多，获取影像周期快等优势，在水生态环境监测方面具有独特优势通过地物光谱仪获取河道断面测点的光谱数据，通过研究水体反射率单波段、一阶微分以及波段比值和水质参数之间的关系，利用皮尔逊相关系数确定了敏感波段，建立溶解氧、高锰酸盐指数、总氮、氨氮和总磷的水质参数反演模型通过低空无人机搭载高光谱成像设备，获取水体光谱信息，将处理后的光谱反射率代入水质参数反演模型，计算得出目标水体的水质参数，从而快速识别水体类型（I、II类、III类、IV类、V类、劣V类），以供管理部门对问题水体进行处置。

在本次研究过程中，基于光谱特征（地物光谱仪、无人机载成像光谱仪）分类的中小河道水质参数反演精度均优于70%，水质类型反演精度均优于80%关键词：中小河道；航空高光谱遥感；水质类型；反演1引言清洁安全的水环境是人民健康生活的根本条件，是经济社会可持续发展的重要基础，也是上海实践生态文明、建设全球城市的重要保障上海市中小河道整治已列入滚动实施环保三年行动计划，治理的目标是2017年底前，实现全市中小河道基本消除黑臭、水域面积只增不减、水质有效提升、人居环境明显改善、公众满意度显著提高，为2020年全市基本消除丧失使用功能的水体（劣于V类）打好基础各个区的河道整治工作已有序推进，并取得了初步成效上海市大型河流（市管河流）采用基于地面的常规定点水质监测方法，可收集到长期水质监测数据而中小河道众多，河网密布，其中大多数都是镇村管河道，缺乏长期的水质监测数据，水质污染来源更复杂，水质治理难度较大单纯依靠地面船只采样分析监测水质，只能针对相对较大的河流开展常规监测对于众多的中小河道，特别是郊区的部分中小河道难以实现定期采样分析监测高光谱遥感技术在水环境监测领域有着广泛的应用，高光谱有很多个波段，可以将不同的光谱特征提取分析，以区分不同水质，达到监测的目的。

针对上海市中小河道治理的需求，本文提出构建一套以无人机高光谱遥感为主的空、地、水立体监测的技术流程即基于卫星高光谱遥感数据、无人机高光谱遥感数据、地面光谱测量数据和水质监测站点数据一体化的上海市示范区中小河道水环境监测和反演算法流程通过监测示范区中小河道水质类型，获得溶解氧、高锰酸盐指数、总氮、氨氮和总磷的浓度和所属水质类别建立劣V类水的遥感识别方法，为实现全面消除劣V类水提供技术支持,该方法有望在上海市其它区域的中小河道水质监测进一步推广应用2材料与方法2.1技术路线上海市中小河道众多，共有43000多条，宽度处在10m～200m之间，面对如此数量庞大的河道水质监测，传统通过化验监测的方法工作量大、效率低、且不能反映水环境的空间分布情况，针对上海市的中小河道治理的需求，拟通过遥感技术手段对研究区域内中小河道的水质状况进行监测，建立水质参数反演模型，获得溶解氧、高锰酸盐指数、总氮、氨氮和总磷的浓度和所属水质类别通过实地考察，结合遥感的技术特点，考虑实际应用效率、河道宽度等因素，设计了不同的遥感监测技术方案，构建了一套以无人机高光谱遥感为主的天、空、地、水立体监测的技术流程，总体技术路线见图2-1。

图2-1 总体技术路线图对于河道宽度大于50m的大型河道以及市管河道，研究建立了一种基于哨兵二号卫星遥感数据的多光谱遥感水质综合监测模型，对于河道宽度小于50m的中小型河道，采用基于无人机高光谱技术进行模型反演解算水质类型达到监测的目的对于中小河道，首先需要通过地面实测光谱采集各水质类别典型水体光谱反射率，建立水质参数遥感反演模型，随后通过无人机高光谱成像系统获取目标水体光谱数据，对河道光谱影像进行处理，之后再基于地面靶标提取光谱特征，最后通过模型反演获取水质参数，从而进行水质类型的识别研究区为嘉定区安亭镇，河网密布，中小河道条段数占比96%本文重点介绍无人机航空高光谱遥感在水质监测方面的研究与应用2.2 高光谱遥感反演模型的建立2.2.1中小河道地面光谱数据与水质参数测量2018年9月-2019年5月先后组织7次野外光谱采集实验，在嘉定区和青浦区共采集57条河道，光谱测量采用的是美国ASD公司生产的FieldSpe4地物光谱仪，河道水体光谱采集按照《水体可见光-短波红外光谱反射率测量GB/T 36540-2018》规定的各项规范执行获得配套水质参数及水面光谱数据，去掉因为天气影响，光谱异常数据，以及部分配套水质参数测量有误差的测点数据，共采用81个测点的有效数据用于水质参数敏感波段选择及水质参数反演模型的建立。

具体采集点分布（见图2-2-1）、采集时间以及采集的各类样本数量（见图2-2-2、表2-2-1）如下： 时间地点样本数2018.9.19嘉定安亭142018.9.26嘉定安亭132018.9.27嘉定安亭132018.12.17嘉定安亭132019.4.12青浦112019.4.17青浦102019.5.22嘉定安亭7合计81图2-2-1：采集点分布图 表2-2-1：采集时间与样本数量列表图2-2-2 采样点水质类型和数量分布情况2.2.2水体光谱反射率测量数据预处理水体光谱反射率测量数据筛选步骤如下：a. 定性分析：对每次测量记录的各条水体目标和标准参考板对总太阳光的反射光谱曲线，进行量值大小和随波长变化形态的定性分析，选出疑似异常的反射光谱曲线；对疑似异常的反射光谱曲线分析各种可能原因，对原因明确，确认为异常的曲线予以筛除，并记录筛除原因b. 对未筛除的数据做定量分析：计算该次测量水体目标和标准参考板对总太阳光的反射光谱平均值曲线和标准差曲线，若某条水体目标或标准参考板对总太阳光的反射光谱曲线偏离平均值曲线超出2倍标准差，判定该条曲线异常，予以筛除，并记录筛除原因；c. 对仍未筛除的数据做进一步定量分析：分别计算水体目标对总太阳光反射光谱曲线采集之前和之后的标准参考板对总太阳光的反射光谱平均值，若二者相对变化超过±2%，判定光照不稳定，该次水体光谱反射率测量数据整体无效，予以筛除，并记录筛除原因。

2.2.3敏感波段选择和遥感反演模型建立水体的光谱反射率受到水中所含溶解或悬浮物的影响，受污染水体所含的污染物浓度等有别于清洁水体，从而使水体颜色、温度、透明度表现出与清洁水体不同，造成太阳辐射能量的吸收和反射程度有所差异，反映在遥感影像上会表现为纹理、灰度，以及反射率的差别，因此可以通过对典型水体水质取样，对比分析同类水体样本的遥感影像特征，找到能够区分不同水质类型的波段或者波段组合，建立定性的识别模型或者定量的反演模型，以达到利用遥感手段监测水体的污染源、污染范围和污染程度等水体反射率整体偏低，实测水体的光谱反射率有两个比较明显的反射峰，在560~ 580nm附近是一个较宽的反射峰，在700nm处有一个较陡的反射峰，从580~700nm整体呈下降趋势805~816nm附近为另一个较明显的反射峰,但该反射峰的光谱反射率值较前一个反射峰小图2-2-3 河道水面光谱反射率曲线通过对采集的各类样本进行分析后发现，各个水质参数与单波段光谱反射率的相关系数均小于0.5（见图2-2-3）分 析各波段光谱反射率的一阶微分、波段比值与水质参数相关性较强，并且NH3-N、TP与TN三个水质参数之间的相关性强（相关系数＞0.9）（见图2-2-4和图2-2-5）图2-2-4 水质参数与单波段反射率相关系数 2-2-5 光谱反射率一阶微分与水质参数相关系数分布图图将采集的光谱数据和水质数据划分为建模样本（59个）和测试样本（22个），使用建模样本建立了水质参数反演模型，使用测试数据对反演模型进行测试，测试结果如下（见图2-2-6～2-2-10）：图2-2-6测试样本的高锰酸盐指数反演相对误差 图2-2-7测试样本总磷反演相对误差图2-2-8测试样本溶解氧反演相对误差 图2-2-9 测试样本氨氮反演相对误差 水质参数平均相对误差CODMn14.3%DO17.1%TN18.2%TP22.5%氨氮25.7%图2-2-10 测试样本总氮反演相对误差 表2-2-2各水质参数反演模型平均相对误差经过统计得到各水质参数反演的相对误差如表2-2-2：从建模角度来看，CODMn、DO和TN三个水质指标的反演精度优于80%，TP和氨氮的反演精度优于70%，从单个水质指标的反演精度来看，绝大多数的水质指标的反演误差都小于30%,个别水质指标的反演误差大于30%,通过对这些误差较大的样本进行分析后认为造成这一现象的原因在于：1）溶解氧、高猛酸盐指数等随水质参数受气温影响较大，在一天之内可能具有较大幅度的变化，而水质参数改变引发的水体反射率变化较水质参数自身的变化具有滞后性，这种滞后性会导致一定程度的偏差；2）水是具有流动性的流体，水质参数的值会收水流，而真实采集时刻与光谱数据获取时间的不完全匹配也会导致误差增大。

在后续的研究中将积累更多的测量数据对模型进行改进，提高反演精度2.3 无人机高光谱数据获取与处理2.3.1无人机高光谱数据的获取先后于2018年9月19日、26日、27日和2019年5月22日开展四次飞行实验实验采用的大疆M600 pro旋翼无人机，飞行高度飞行高度100m，幅宽84.8m，共获得有效河道高光谱数据20幅低空无人机高光谱成像系统是一款基于小型旋翼无人机的高性能机载高光谱成像系统系统由高光谱相机、稳定云台、高清相机、 POS模块、机载控制与数据采集模块、机载供电模块、地面站模块等部分组成核心载荷高光谱相机完全自主研发，采用1英寸大靶面CCD图像传感器具有高光谱分辨率、高灵敏度、大视场及优异的成像性能，配合定制开发的高性能稳定云台，能够有效降低飞行过程中无人机抖动引起的图像扭曲与模糊表2-3-1 主要技术指标序号指标参数备注1光谱相机光谱范围400-1000nm/2光谱相机光谱分辨率优于2.3nm/3光谱相机空间分辨率0.9mrad35mm镜头4光谱相机空间通道数480/9604像元合并/2像元合并5光谱相机光谱通道数2704像元合并2.3.2数据处理航空高光谱遥感的数据处理包括辐射定标、几何校正、反射率计算、图像预处理、河道提取、水质参数反演和水质类型识别。

具体流程图如下图2-3-1：图2-3-1 航空高光谱图像数据处理流程图1）辐射校正和几何校正获取的原始的无人机光谱影像数据上的像素值不能直接应用，由于无人机飞行高度低，受低空气流影响，影像几何畸变大，因此需要对目标水体各个位置以及地面靶标的辐亮度进行计算并进行几何校正利用成像光谱仪自带的定标文件进行辐亮度的计算，再利用无人机姿态控制系统的POS信息进行几何校正2）反射率转换利用地面靶标的辐亮度和反射率，计算得到各波段下目标水体的反射率为了验证ASD测量得到的辐亮度和图像上的辐亮度的一致性程度需要将辐射校正后的辐亮度与地面光谱仪的辐射亮度进行比较。