基于無人機高光譜的水質污染研究分析

基于無人機高光譜的水質污染研究分析

四川雙利合譜科技有限公司   黃宇

1 引言

    水是生命之源，同時作為生態系統的血液，是人類生存、生產、生活的基礎，充足的水資源是生態系統得以健康循環的首要條件，然而水資源卻極易受到污染，特別是一些內陸水體，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，具有動態的擴散和蔓延特性，會進一步加劇水體的污染程度。我國河流、湖泊眾多，伴隨經濟的高速發展，人類活動的增強，河流、湖泊水質污染問題日益嚴重，已經成為制約城市可持續發展的關鍵因素，因此有必要利用****手段展開河流、湖泊水質污染問題研究，及時、快速的提供河流、湖泊的水質狀況，保障人們正常的生產生活。

    傳統的河流、湖泊水質監測主要是采用實地采樣和實驗室分析等方法，這種監測方法需要在河流、湖泊內定點、定剖面進行，通過常年累月的監測、記錄和實驗室分析，雖然能夠達到一定的數據精度，但是不能反映河流、湖泊水質的總體時空狀況，且費時費力、監測區域有限，只具有局部和典型的代表意義，不能滿足實時、快速、大尺度的監測和評價要求。

遙感技術的發展與進步為河流、湖泊水體的監測和研究開辟了新的途徑。遙感水質監測技術具有高動態、低成本和宏觀性等顯著特點，在河流、湖泊水質污染研究方面有著常規檢測不可替代的優點。它既可以滿足大范圍水質監測的需要，也可以反映水質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，同時還能發現一些常規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，為科學布設水面采樣點提供依據。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用于遙感水質監測，大大提高了水質參數的估測精度。伴隨著遙感技術的不斷進步，水質監測已由定性描述轉向定量分析，同時可監測的水質參數逐漸增加，反演精度也不斷提高，在水資源的保護、規劃和可持續發展方面發揮了重大作用。

2 基于無人機高光譜的水質污染研究分析 材料與試驗部分

2.1  基于無人機高光譜的水質污染研究分析研究區域

野外試驗飛行在中山市和深圳市的某河流上進行。

2.2  數據采集設備

本次試驗采用大疆六旋翼無人機M600 Pro(無人機凈重約4 kg，zui大載重約 10 kg)，在無人機遙感平臺上搭載四川雙利合譜科技有限公司自主研發的高光譜成像光譜儀GaiaSky-mini-2，該無人機遙感平臺采用的是無人機懸置空中，高光譜成像光譜儀采用內置推掃的方式獲取地面圖像(其主要參數見表1)。在中山和深圳兩市，無人機的飛行高度分別為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）；無人機遙感平臺的實景圖，如圖1。

表1   GaiaSky-mini 機載成像高光譜儀系統參數

圖1   無人機高光譜成像系統實景圖

2.3  無人機高光譜數據的預處理與分析

無人機高光譜圖像的預處理在四川雙利合譜科技有限公司自主研發的SpecView軟件中進行，包括鏡像變換、黑白幀校準（如公式1所示）。

              (1)

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為白板的白幀數據，DN_dark 是相機的系統誤差DN值。

考慮到無人機飛到一定高度后，高光譜成像儀獲取的高光譜影像數據可能會受到大氣、水汽等因素的影響。為了消除這些因素的影響，我們在無人機起飛之前，在拍攝區域放置一塊經過國家計量院標定過的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。

              (2)

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是經過黑白校正后的圖像反射率，R_standard是經過國家計量院標定的灰布的光譜反射率，R_grayref 是經過黑白校正后圖像中灰布的光譜反射率。

2.4  無人機高光譜影像拼接

無人機高光譜影像的拼接采用四川雙利合譜科技有限公司自主研發的無人機高光譜拼接軟件HiSpectralStitcher進行拼接，該拼接軟件有圖像篩選、拼接預覽、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  無人機高光譜拼接軟件HiSpectralStitcher

3  基于無人機高光譜的水質污染研究分析結果與分析

3.1  拼接結果預覽

圖3為利用無人機高光譜拼接軟件HiSpectralStitcher對中山市和深圳市某河流及其河岸的無人機高光譜影像的三波段拼接效果預覽圖（RGB分別代表640 nm/550 nm/460 nm*鄰近波長）。從拼接結果來看，中山市的河流影像數據拼接效果較好，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高光譜拼接預覽圖

圖3.2 深圳市某河流無人機高光譜拼接預覽圖

3.2  無人機高光譜影像河流提取方法

無人機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物，通常的方法有非監督分類、監督分類、決策樹、面向對象分類等，本研究采用監督分類的馬氏距離法對拼接好的無人機高光譜影像進行分類，從而提取了中山市和深圳市的某河流信息，并對河流進行葉綠素a、總氮、總磷、懸浮物和渾濁度等水質參數的反演。

3.3  河流葉綠素a的反演

    內陸水體遙感中，葉綠素a對水體的光譜特性影響很大，其波譜數據是反映水體富營養化程度的一個重要指標。當葉綠素a的濃度升高時，藍光波段的波譜反射率下降，紅綠光波段的波譜反射率上升，且當葉綠素a的濃度達到一定數值時，葉綠素a的敏感波段向長波方向移動。因此在對葉綠素a進行遙感反演時，常用的方法是根據葉綠素a的敏感波段建立zui佳波段或各種波段組合的經驗、半經驗模型。常用的算法有以下三種:(1)根據葉綠素a在700nm處的反射峰，確定葉綠素a反演模型；(2)根據葉綠素a在700nm處的反射峰和675nm或560nm處的吸收峰的比例關系建立葉綠素a反演模型；(3)采用半經驗的航空監測方法，利用葉綠素a在藍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圖像進行葉綠素a含量分析的時候，一般認為采用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濃度的方法。

官滌等利用巢湖西半湖2005-2009年間的監測資料以葉綠素a濃度作為水華藻類生物量的表征，將水文、氣象、水質等各種指標作為水華的環境因子，統計葉綠素a與這些環境因子之間的相關性，并在此基礎上建立了多元回歸預測模型，找出了驅動水華現象發生的顯著因子，為巢湖水華現象的防治提供了理論依據。區銘亮等采用2002年7月以及9-12月都陽湖監測數據，對潘陽湖水體中的葉綠素a濃度的空間分析特征進行了研究，并建立了葉綠素a濃度與總磷、總氮濃度的相關性模型。陳奇等利用云貴高原湖區54個湖泊和水庫近20年的監測數據，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，構建了經驗模型(主要包括多元和一元線性回歸模型)和形態指數模型。

本文參考國內外的期刊，根據現有的水體葉綠素a反演模型進行對比，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高光譜影像的河流進行反演，如圖4所示。

圖4.1 中山市某河流無人機高光譜葉綠素a反演圖

圖4.2 深圳市某河流無人機高光譜葉綠素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的重要指標。常規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，通過對水體中氮、磷光譜的測定，探索水體氮、磷與反 射光譜特征的關系，建立氮、磷濃度的反演模型，為湖泊、水庫和河流等大型內陸水體氮磷遙感定量監測提供理論依據。目前的一些研究僅根據總氮、總磷與葉綠素含量之間具有密切的相關關系，建立總氮、總磷的遙感信息模型。如王建平等(2003年)利用鄱陽湖地區的TM影像資料，建立了該地區總氮、總磷、葉綠素、懸浮物、化學需氧量和溶解氧6個參數的人工神經網絡反演模型，研究結果表明該模型能較好地通過遙感影像實現湖泊水質參數的反演，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號衛星的CCD數據和準同步地面監測數據，結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)應用TM(ETM +)、MODIS數據分別建立了反演太湖葉綠素\懸浮物\TN\TP等水質參數的線性回歸模型和人工神經網絡模型(呂恒的博士論文)。張宵宇等(2005年)根據水體懸浮物含量與顆粒態總磷含量的相關關系，利用SeaWiFS 數據反演得到長江口及附近海域顆粒態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化指標的研究，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特征得出適合河口特征的富營養化評價方法。并且在長江口的遙感影像上選取合適的實驗區對這一方法進行試驗，取得了較好的結果。而直接利用無人機高光譜技術對水體總氮、總磷監測的研究尚未報道。

本文根據無人機高光譜采集的影像數據，利用拼接軟件對其進行拼接，然后根據經驗模型對中山、深圳兩市的無人機高光譜河流數據進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高光譜總氮反演圖

圖5.2 中山市某河流無人機高光譜總磷反演圖

圖5.3 深圳市某河流無人機高光譜總氮反演圖

圖5.4 深圳市某河流無人機高光譜總磷反演圖

3.5  河流懸浮物、渾濁度的反演

懸浮物濃度是內陸水體重要的水質參數之一，會影響水生生物的生長和水體初級生產力。懸浮物濃度常規監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行監測，遙感技術作為區域性水環境調查和監測的一種手段，可克服常規監測方法的不足，己成為監測懸浮物濃度時空分布的重要工具。

自1972年Landsat 1發射以后，MSS數據開始被用于湖泊水質的評價，內陸水體的懸浮物濃度是首先被遙感的參數(齊峰、王學軍，1999 )。70年代初，Klemas等(1974)提出了用MSS數據估算Delaware海灣懸浮物濃度的線性統計模型。70年代末提出懸浮物遙感定量的統一模式(Holyer，1978； Munday等，1979)。80年代以后，隨著Landsat4和Landsat5的發射，TM數據以其更高的空間、光譜和輻射分辨率吸引研究者研究它的水質監測用途。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、透明度在內的多項參數，取得了較理想的結果。Carpenter等(1983)等利用MSS數據得到了澳大利亞三個湖泊的渾濁度算法程。Lathrop等(1992)等應用TM數據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確結果，但是不能外推到其他湖泊，除非湖泊的條件非常類似。隨后許多學者提出了不同模式來模擬懸浮物與遙感數據的關系。Mahtaba等(1998)等利用地物光譜儀模擬TM波段設置，對不同濃度懸浮物光譜反射率進行測量研究，結果表明TM4波段是估測懸浮物濃度的zui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，結果表明該模型估測效果優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。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果表明：在450-700nm波段范圍，懸浮物濃度與反射率是一種對數線性關系，而在700-1015nm波段范圍成線性關系。Han等(1998)實驗研究發現，當懸浮物濃度大于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)利用機載成像光譜儀CASI數據534、624nm，精度達到0.5mg/L。

在國內，張春桂(1999)根據水體對太陽輻射光譜的反射率變化特性，動態監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指數關系式，并成功地用于杭州灣水域懸浮物的調查中。許君(1999 )等運用SPOT數據對河流水體懸浮固體濃度進行研究，發現SPOT數據的1、2波段對水體中的懸浮固體比較敏感，并根據影像灰度值與懸浮固體之間的相關關系對臺灣淡水河的懸浮固體濃度進行了分級評價。趙碧云(2001)等應用TM數據和同步監測資料，對滇池水體總懸浮物濃度與不同波段遙感值進行了關聯度分析，并建立了TM圖像遙感總懸浮物水質模型。

本文根據目前國內外學者利用高光譜技術對河流水質狀況的研究進展，選擇監測懸浮物濃度和渾濁度較為穩定的經典模型，利用無人機搭載高光譜相機獲取中山市和深圳市的河流影像數據，然后根據經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高光譜懸浮物濃度反演圖

圖6.2 中山市某河流無人機高光譜渾濁度反演圖

圖6.3 深圳市某河流無人機高光譜懸浮物濃度反演圖

圖6.4 深圳市某河流無人機高光譜渾濁度反演圖

4 基于無人機高光譜的水質污染研究分析 結論與討論

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行拼接，得到完整的一條河流的高光譜影像數據。本研究由于沒有獲取河流的水質信息，如反映水質富營養的指標葉綠素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，所以只能翻閱國內外的期刊文獻，從中找出國內外學者利用高光譜儀研究水體、湖泊富營養和水污染程度的相關模型，通過大量查閱文獻可知，目前針對河流、湖泊、海洋富營養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星層面，很少有研究者在地高空領域對河流和湖泊進行富營養和水污染進行研究。本文根據整理的目前研究者在地面尺度研究河流、湖泊富營養以及水污染的高光譜數據模型，從中選擇穩定性較好的經典模型，對中山市和深圳市的兩條河流進行富營養（葉綠素a、總氮、總磷）和水污染（懸浮物濃度、渾濁度）反演研究。依據現場調研以及高光譜影像反演效果來看，利用無人機高光譜可以在一定程度上反映出河流的富營養和受污染程度，并能根據圖像上河流的富營養和受污染分布情況，判斷出河流的受污染源以及造成水體富營養的原因。研究結果可為水利水電部門以及環保部門對河流治理提供技術支持。

因此利用無人機高光譜技術可以河流、湖泊、海洋的富營養、水污染進行很好的監測，而且具有廣闊的應用前景。然而研究者們雖然已經提出的一系列針對河流、湖泊、海洋的富營養以及水污染的監測和估算模型，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行監側。同時無人機高光譜遙感數據有一些缺陷，比如景觀異質性、大氣噪音、太陽位置等的干擾都會影響高光譜遙感技術在實際的應用能力。因此如何利用無人機高光譜技術對河流、湖泊、海洋的富營養、水污染研究從定性研究轉為定量研究，是目前的難點和熱點。