1 引言

????水是生命之源，同時作為生態(tài)系統(tǒng)的血液，是人類生存、生產(chǎn)、生活的基礎(chǔ)，充足優(yōu)質(zhì)的水資源是生態(tài)系統(tǒng)得以健康循環(huán)的首要條件，然而水資源卻極易受到污染，特別是一些內(nèi)陸水體，由于自然封閉性其污染問題就更加突出，同時水資源作為污染物的載體，具有動態(tài)的擴(kuò)散和蔓延特性，會進(jìn)一步加劇水體的污染程度。我國河流、湖泊眾多，伴隨經(jīng)濟(jì)的高速發(fā)展，人類活動的增強，河流、湖泊水質(zhì)污染問題日益嚴(yán)重，已經(jīng)成為制約城市可持續(xù)發(fā)展的關(guān)鍵因素，因此有必要利用高新技術(shù)手段展開河流、湖泊水質(zhì)污染問題研究，及時、快速的提供河流、湖泊的水質(zhì)狀況，保障人們正常的生產(chǎn)生活。

????傳統(tǒng)的河流、湖泊水質(zhì)監(jiān)測主要是采用實地采樣和實驗室分析等方法，這種監(jiān)測方法需要在河流、湖泊內(nèi)定點、定剖面進(jìn)行，通過常年累月的監(jiān)測、記錄和實驗室分析，雖然能夠達(dá)到一定的數(shù)據(jù)精度，但是不能反映河流、湖泊水質(zhì)的總體時空狀況，且費時費力、監(jiān)測區(qū)域有限，只具有局部和典型的代表意義，不能滿足實時、快速、大尺度的監(jiān)測和評價要求。

遙感技術(shù)的發(fā)展與進(jìn)步為河流、湖泊水體的監(jiān)測和研究開辟了新的途徑。遙感水質(zhì)監(jiān)測技術(shù)具有高動態(tài)、低成本和宏觀性等顯著特點，在河流、湖泊水質(zhì)污染研究方面有著常規(guī)檢測不可替代的優(yōu)點。它既可以滿足大范圍水質(zhì)監(jiān)測的需要，也可以反映水質(zhì)在空間和時間上的分布和變化情況，彌補了單一采用水面采樣的不足，同時還能發(fā)現(xiàn)一些常規(guī)方法難以揭示的污染源的分布以及污染物的遷移特征和影響范圍，為科學(xué)布設(shè)水面采樣點提供依據(jù)。高光譜遙感由于其高精度、多波段、信息量大等特點被廣泛應(yīng)用于遙感水質(zhì)監(jiān)測，大大提高了水質(zhì)參數(shù)的估測精度。伴隨著遙感技術(shù)的不斷進(jìn)步，水質(zhì)監(jiān)測已由定性描述轉(zhuǎn)向定量分析，同時可監(jiān)測的水質(zhì)參數(shù)逐漸增加，反演精度也不斷提高，在水資源的保護(hù)、規(guī)劃和可持續(xù)發(fā)展方面發(fā)揮了重大作用。

2 ?材料與試驗部分

2.1 ?研究區(qū)域

野外試驗飛行在中山市和深圳市的某河流上進(jìn)行。

2.2 ?數(shù)據(jù)采集設(shè)備

本次試驗采用大疆六旋翼無人機(jī)，在無人機(jī)遙感平臺上搭載高光譜相機(jī)，該無人機(jī)遙感平臺采用的是無人機(jī)懸置空中，高光譜相機(jī)采用內(nèi)置推掃的方式獲取地面圖像(其主要參數(shù)見表1)。在中山和深圳兩市，無人機(jī)的飛行高度分別為123m和100m，分別采集了33景和87景圖像，每景圖像分別代表地面幅寬為49m*49m（中山市）和40m*40m（深圳市）；無人機(jī)遙感平臺的實景圖，如圖1。

表1 機(jī)載成像高光譜儀系統(tǒng)參數(shù)

?

圖1 ??無人機(jī)高光譜成像系統(tǒng)實景圖

2.3 ?無人機(jī)高光譜數(shù)據(jù)的預(yù)處理與分析

無人機(jī)高光譜圖像的預(yù)處理在軟件中進(jìn)行，包括鏡像變換、黑白幀校準(zhǔn)（如公式1所示）。

?

式中，R_ref?是黑白校正過的圖像的反射率值，DN_raw?是原始圖像的DN值，DN_white為白板的白幀數(shù)據(jù)，DN_dark?是相機(jī)的系統(tǒng)誤差DN值。

考慮到無人機(jī)飛到一定高度后，高光譜成像儀獲取的高光譜影像數(shù)據(jù)可能會受到大氣、水汽等因素的影響。為了消除這些因素的影響，我們在無人機(jī)起飛之前，在拍攝區(qū)域放置一塊經(jīng)過國家計量院標(biāo)定過的2m*2m灰布，在高光譜影像獲取的時候，只需要在其中的一景高光譜影像中覆蓋到灰布即可。消除大氣、水汽等因素影響的方法如公式2所示。

式中，R_fixed?是消除大氣、水汽等因素后的圖像光譜反射率，R_ref是經(jīng)過黑白校正后的圖像反射率，R_standard是經(jīng)過國家計量院標(biāo)定的灰布的光譜反射率，R_grayref?是經(jīng)過黑白校正后圖像中灰布的光譜反射率。

2.4 ?無人機(jī)高光譜影像拼接

無人機(jī)高光譜影像的拼接采用高光譜拼接軟件進(jìn)行拼接，該拼接軟件有圖像篩選、拼接預(yù)覽、投影方式選擇、拼接方法選擇、重采樣方法選擇、是否勻色、拼接結(jié)果格式輸出選擇等功能。拼接軟件界面如圖2所示。

圖2 ?無人機(jī)高光譜拼接軟件HiSpectralStitcher

3 ?結(jié)果與分析

3.1 ?拼接結(jié)果預(yù)覽

圖3為利用無人機(jī)高光譜拼接軟件HiSpectralStitcher對中山市和深圳市某河流及其河岸的無人機(jī)高光譜影像的三波段拼接效果預(yù)覽圖（RGB分別代表640 nm/550 nm/460 nm最鄰近波長）。從拼接結(jié)果來看，中山市的河流影像數(shù)據(jù)拼接效果較好，深圳市的河流影像由于拍攝的時候處于中午12時，光照較為強烈，因此存在較大的鏡面反射。

圖3.1 中山市某河流無人機(jī)高光譜拼接預(yù)覽圖

圖3.2 深圳市某河流無人機(jī)高光譜拼接預(yù)覽圖

3.2 ?無人機(jī)高光譜影像河流提取方法

無人機(jī)高光譜影像不僅包含有河流，還有其他的樹木、雜草、土壤、道路、建筑物等，從影像中提取感興趣的目標(biāo)物，通常的方法有非監(jiān)督分類、監(jiān)督分類、決策樹、面向?qū)ο蠓诸惖?，本研究采用監(jiān)督分類的馬氏距離法對拼接好的無人機(jī)高光譜影像進(jìn)行分類，從而提取了中山市和深圳市的某河流信息，并對河流進(jìn)行葉綠素a、總氮、總磷、懸浮物和渾濁度等水質(zhì)參數(shù)的反演。

3.3 ?河流葉綠素a的反演

????內(nèi)陸水體遙感中，葉綠素a對水體的光譜特性影響很大，其波譜數(shù)據(jù)是反映水體富營養(yǎng)化程度的一個重要指標(biāo)。當(dāng)葉綠素a的濃度升高時，藍(lán)光波段的波譜反射率下降，紅綠光波段的波譜反射率上升，且當(dāng)葉綠素a的濃度達(dá)到一定數(shù)值時，葉綠素a的敏感波段向長波方向移動。因此在對葉綠素a進(jìn)行遙感反演時，常用的方法是根據(jù)葉綠素a的敏感波段建立最佳波段或各種波段組合的經(jīng)驗、半經(jīng)驗?zāi)Ｐ?。常用的算法有以下三種:(1)根據(jù)葉綠素a在700nm處的反射峰，確定葉綠素a反演模型；(2)根據(jù)葉綠素a在700nm處的反射峰和675nm或560nm處的吸收峰的比例關(guān)系建立葉綠素a反演模型；(3)采用半經(jīng)驗的航空監(jiān)測方法，利用葉綠素a在藍(lán)綠光波段對水體反射率的影響，以這兩個波段光譜反射率的差異或比值建立葉綠素a濃度反演模型。利用TM圖像進(jìn)行葉綠素a含量分析的時候，一般認(rèn)為采用TM2(包含550nm反射峰)或TM3(包含685nm熒光峰)與TM1(包含440nm吸收峰)之比值是估算葉綠素a濃度的最佳方法。

官滌等利用巢湖西半湖2005-2009年間的監(jiān)測資料以葉綠素a濃度作為水華藻類生物量的表征，將水文、氣象、水質(zhì)等各種指標(biāo)作為水華的環(huán)境因子，統(tǒng)計葉綠素a與這些環(huán)境因子之間的相關(guān)性，并在此基礎(chǔ)上建立了多元回歸預(yù)測模型，找出了驅(qū)動水華現(xiàn)象發(fā)生的顯著因子，為巢湖水華現(xiàn)象的防治提供了理論依據(jù)。區(qū)銘亮等采用2002年7月以及9-12月都陽湖監(jiān)測數(shù)據(jù)，對潘陽湖水體中的葉綠素a濃度的空間分析特征進(jìn)行了研究，并建立了葉綠素a濃度與總磷、總氮濃度的相關(guān)性模型。陳奇等利用云貴高原湖區(qū)54個湖泊和水庫近20年的監(jiān)測數(shù)據(jù)，參照湖泊法、三分法、群體分布法建立了葉綠素a與總磷濃度的參照狀態(tài)，構(gòu)建了經(jīng)驗?zāi)Ｐ?主要包括多元和一元線性回歸模型)和形態(tài)指數(shù)模型。

本文參考國內(nèi)外的期刊，根據(jù)現(xiàn)有的水體葉綠素a反演模型進(jìn)行對比，選擇適合深圳和中山兩市河流葉綠素a反演的模型對無人機(jī)高光譜影像的河流進(jìn)行反演，如圖4所示。

圖4.1 中山市某河流無人機(jī)高光譜葉綠素a反演圖

圖4.2 深圳市某河流無人機(jī)高光譜葉綠素a反演圖

3.4 ?河流總氮、總磷的反演

水體中總氮、總磷含量是衡量水質(zhì)的重要指標(biāo)。常規(guī)氮磷的測量方法需要長時間的高溫、高壓消解，且消解的溫度、時間和試劑對測定的結(jié)果均有較大的影響，整個操作煩瑣、費時和耗力；因此本研究試圖利用高光譜遙感技術(shù)，通過對水體中氮、磷光譜的測定，探索水體氮、磷與反 射光譜特征的關(guān)系，建立氮、磷濃度的反演模型，為湖泊、水庫和河流等大型內(nèi)陸水體氮磷遙感定量監(jiān)測提供理論依據(jù)。目前的一些研究僅根據(jù)總氮、總磷與葉綠素含量之間具有密切的相關(guān)關(guān)系，建立總氮、總磷的遙感信息模型。如王建平等(2003年)利用鄱陽湖地區(qū)的TM影像資料，建立了該地區(qū)總氮、總磷、葉綠素、懸浮物、化學(xué)需氧量和溶解氧6個參數(shù)的人工神經(jīng)網(wǎng)絡(luò)反演模型，研究結(jié)果表明該模型能較好地通過遙感影像實現(xiàn)湖泊水質(zhì)參數(shù)的反演，反演誤差基本能控制在25 %以下。雷坤等(2004年)利用中巴地球資源1號衛(wèi)星的CCD數(shù)據(jù)和準(zhǔn)同步地面監(jiān)測數(shù)據(jù)，結(jié)合水體組分的光譜特征，建立了太湖表層水體葉綠素a和總氮遙感信息模型。將獲得的遙感信息模型應(yīng)用于影像上，得到整個太湖水面的葉綠素a和總氮濃度分布圖。呂恒(2004年)應(yīng)用TM(ETM +)、MODIS數(shù)據(jù)分別建立了反演太湖葉綠素懸浮物TNTP等水質(zhì)參數(shù)的線性回歸模型和人工神經(jīng)網(wǎng)絡(luò)模型(呂恒的博士論文)。張宵宇等(2005年)根據(jù)水體懸浮物含量與顆粒態(tài)總磷含量的相關(guān)關(guān)系，利用SeaWiFS 數(shù)據(jù)反演得到長江口及附近海域顆粒態(tài)總磷分布特征遙感圖；張穗等(2004年)基于對水體葉綠素光譜特征的分析和河口水體富營養(yǎng)化指標(biāo)的研究，選取適合長江口特點的葉綠素濃度解譯方法，利用總磷、總氮與葉綠素的相關(guān)特征得出適合河口特征的富營養(yǎng)化評價方法。并且在長江口的遙感影像上選取合適的實驗區(qū)對這一方法進(jìn)行試驗，取得了較好的結(jié)果。而直接利用無人機(jī)高光譜技術(shù)對水體總氮、總磷監(jiān)測的研究尚未報道。

本文根據(jù)無人機(jī)高光譜采集的影像數(shù)據(jù)，利用拼接軟件對其進(jìn)行拼接，然后根據(jù)經(jīng)驗?zāi)Ｐ蛯χ猩?、深圳兩市的無人機(jī)高光譜河流數(shù)據(jù)進(jìn)行總氮和總磷的反演，如圖5所示。

圖5.1 中山市某河流無人機(jī)高光譜總氮反演圖

圖5.2 中山市某河流無人機(jī)高光譜總磷反演圖

圖5.3 深圳市某河流無人機(jī)高光譜總氮反演圖

圖5.4 深圳市某河流無人機(jī)高光譜總磷反演圖

3.5 ?河流懸浮物、渾濁度的反演

懸浮物濃度是內(nèi)陸水體重要的水質(zhì)參數(shù)之一，會影響水生生物的生長和水體初級生產(chǎn)力。懸浮物濃度常規(guī)監(jiān)測方法易受外界條件限制，無法大面積、周期性的對水體懸浮物濃度進(jìn)行監(jiān)測，遙感技術(shù)作為區(qū)域性水環(huán)境調(diào)查和監(jiān)測的一種手段，可克服常規(guī)監(jiān)測方法的不足，己成為監(jiān)測懸浮物濃度時空分布的重要工具。

自1972年Landsat 1發(fā)射以后，MSS數(shù)據(jù)開始被用于湖泊水質(zhì)的評價，內(nèi)陸水體的懸浮物濃度是首先被遙感的參數(shù)(齊峰、王學(xué)軍，1999 )。70年代初，Klemas等(1974)提出了用MSS數(shù)據(jù)估算Delaware海灣懸浮物濃度的線性統(tǒng)計模型。70年代末提出懸浮物遙感定量的統(tǒng)一模式(Holyer，1978；?Munday等，1979)。80年代以后，隨著Landsat4和Landsat5的發(fā)射，TM數(shù)據(jù)以其更高的空間、光譜和輻射分辨率吸引研究者研究它的水質(zhì)監(jiān)測用途。Lathrop等(1991，1985，1992)對美國Michigan湖的Green湖灣作了一系列遙感研究，估測了包括葉綠素a濃度、懸浮物、透明度在內(nèi)的多項參數(shù)，取得了較理想的結(jié)果。Carpenter等(1983)等利用MSS數(shù)據(jù)得到了澳大利亞三個湖泊的渾濁度算法程。Lathrop等(1992)等應(yīng)用TM數(shù)據(jù)得到美國黃石湖的透明度和總懸浮物的回歸方程。這些方程的一個共同特點是盡管在各自的湖泊或湖泊群取得了可接受的準(zhǔn)確結(jié)果，但是不能外推到其他湖泊，除非湖泊的條件非常類似。隨后許多學(xué)者提出了不同模式來模擬懸浮物與遙感數(shù)據(jù)的關(guān)系。Mahtaba等(1998)等利用地物光譜儀模擬TM波段設(shè)置，對不同濃度懸浮物光譜反射率進(jìn)行測量研究，結(jié)果表明TM4波段是估測懸浮物濃度的最佳波段，并建立利用TM4波段反射率估測懸浮物濃度的二次回歸模型，結(jié)果表明該模型估測效果優(yōu)于線性模型估測效果。Stumpf等(1989)在Gordon模型和Gordon大氣校正方法的基礎(chǔ)上，建立AVHRR的CH1, CH2資料來獲取中等渾濁度海灣的懸浮物濃度的實用系統(tǒng)。Chen(1991)對18種不同濃度、不同類型、不同粒徑的懸浮物在350-2500nm范圍的光譜特征研究結(jié)果表明：在450-700nm波段范圍，懸浮物濃度與反射率是一種對數(shù)線性關(guān)系，而在700-1015nm波段范圍成線性關(guān)系。Han等(1998)實驗研究發(fā)現(xiàn)，當(dāng)懸浮物濃度大于350mg/L 時，光譜反射率與懸浮物濃度呈線性關(guān)系，利用反射率的一階微分的一元二次回歸模型的估測效果比利用反射峰值估測精度高。Barak等(1999)利用機(jī)載成像光譜儀CASI數(shù)據(jù)534、624nm，精度達(dá)到0.5mg/L。

在國內(nèi)，張春桂(1999)根據(jù)水體對太陽輻射光譜的反射率變化特性，動態(tài)監(jiān)測福建省近岸懸浮物的定性分布。李京(1986)提出了反射率和懸浮物濃度之間的負(fù)指數(shù)關(guān)系式，并成功地用于杭州灣水域懸浮物的調(diào)查中。許君(1999 )等運用SPOT數(shù)據(jù)對河流水體懸浮固體濃度進(jìn)行研究，發(fā)現(xiàn)SPOT數(shù)據(jù)的1、2波段對水體中的懸浮固體比較敏感，并根據(jù)影像灰度值與懸浮固體之間的相關(guān)關(guān)系對臺灣淡水河的懸浮固體濃度進(jìn)行了分級評價。趙碧云(2001)等應(yīng)用TM數(shù)據(jù)和同步監(jiān)測資料，對滇池水體總懸浮物濃度與不同波段遙感值進(jìn)行了關(guān)聯(lián)度分析，并建立了TM圖像遙感總懸浮物水質(zhì)模型。

本文根據(jù)目前國內(nèi)外學(xué)者利用高光譜技術(shù)對河流水質(zhì)狀況的研究進(jìn)展，選擇監(jiān)測懸浮物濃度和渾濁度較為穩(wěn)定的經(jīng)典模型，利用無人機(jī)搭載高光譜相機(jī)獲取中山市和深圳市的河流影像數(shù)據(jù)，然后根據(jù)經(jīng)典模型反演中山市和深圳市河流的懸浮物濃度和渾濁度（如圖6所示），研究結(jié)果對保障河流周邊居民的日常生活具有重大意義。

圖6.1 中山市某河流無人機(jī)高光譜懸浮物濃度反演圖

圖6.2 中山市某河流無人機(jī)高光譜渾濁度反演圖

圖6.3 深圳市某河流無人機(jī)高光譜懸浮物濃度反演圖

圖6.4 深圳市某河流無人機(jī)高光譜渾濁度反演圖

4 結(jié)論與討論

本文以中山市和深圳市的河流作為研究對象，利用無人機(jī)搭載高光譜成像儀獲取河流的光譜圖像信息，然后利用拼接軟件對獲取的影像進(jìn)行拼接，得到完整的一條河流的高光譜影像數(shù)據(jù)。本研究由于沒有獲取河流的水質(zhì)信息，如反映水質(zhì)富營養(yǎng)的指標(biāo)葉綠素a、總氮和總磷等以及反映水污染程度的懸浮物濃度和渾濁度指標(biāo)，所以只能翻閱國內(nèi)外的期刊文獻(xiàn)，從中找出國內(nèi)外學(xué)者利用高光譜儀研究水體、湖泊富營養(yǎng)和水污染程度的相關(guān)模型，通過大量查閱文獻(xiàn)可知，目前針對河流、湖泊、海洋富營養(yǎng)或者水污染的研究大部分僅停留在地面或者超大尺度的衛(wèi)星層面，很少有研究者在地高空領(lǐng)域?qū)恿骱秃催M(jìn)行富營養(yǎng)和水污染進(jìn)行研究。本文根據(jù)整理的目前研究者在地面尺度研究河流、湖泊富營養(yǎng)以及水污染的高光譜數(shù)據(jù)模型，從中選擇穩(wěn)定性較好的經(jīng)典模型，對中山市和深圳市的兩條河流進(jìn)行富營養(yǎng)（葉綠素a、總氮、總磷）和水污染（懸浮物濃度、渾濁度）反演研究。依據(jù)現(xiàn)場調(diào)研以及高光譜影像反演效果來看，利用無人機(jī)高光譜可以在一定程度上反映出河流的富營養(yǎng)和受污染程度，并能根據(jù)圖像上河流的富營養(yǎng)和受污染分布情況，判斷出河流的受污染源以及造成水體富營養(yǎng)的原因。研究結(jié)果可為水利水電部門以及環(huán)保部門對河流治理提供技術(shù)支持。

因此利用無人機(jī)高光譜技術(shù)可以河流、湖泊、海洋的富營養(yǎng)、水污染進(jìn)行很好的監(jiān)測，而且具有廣闊的應(yīng)用前景。然而研究者們雖然已經(jīng)提出的一系列針對河流、湖泊、海洋的富營養(yǎng)以及水污染的監(jiān)測和估算模型，但每個模型都有特定的研究方法和適用條件，對于所有的河流、湖泊、海洋，所以很難找到通用的模型對其進(jìn)行監(jiān)側(cè)。同時無人機(jī)高光譜遙感數(shù)據(jù)有一些缺陷，比如景觀異質(zhì)性、大氣噪音、太陽位置等的干擾都會影響高光譜遙感技術(shù)在實際的應(yīng)用能力。因此如何利用無人機(jī)高光譜技術(shù)對河流、湖泊、海洋的富營養(yǎng)、水污染研究從定性研究轉(zhuǎn)為定量研究，是目前的難點和熱點。