本研究基于實測和無人機高光譜遙感反射率數據計算水體顏色參量并反演水質參數，利用Hueangle對水體進行分類，通過水體顏色參量和水質參數反演結果，分析上海市崇明島河湖小水體的水體顏色變化，進而識別河湖水環境中的疑似污染水體。

一、引言

河湖水環境監測是人類一直以來高度重視的環境問題。相對于傳統監測手段，遙感技術具有快速、大面積同步觀測、周期性等特點，對于獲取長期、大范圍河湖水環境的時空變化具有顯著優勢。無人機遙感平臺搭載高光譜傳感器可以獲得高空間、高時間、高光譜分辨率的遙感數據，利用該數據可實現狹長河道的長時間精準觀測，對于水環境的持續性遙感監測以及緊急重點排查具有重要意義。本研究基于實測和無人機高光譜遙感反射率數據計算水體顏色參量并反演水質參數，利用Hueangle對水體進行分類，通過水體顏色參量和水質參數反演結果，分析上海市崇明島河湖小水體的水體顏色變化，進而識別河湖水環境中的疑似污染水體。

研究區概況及數據源

2.1研究區概況

本研究選取上海市崇明島、青浦區大蓮湖作為無人機高光譜水環境監測的主要研究區域。崇明島有2條市級河道（南橫引河、北橫引河）貫通南北形成環島運河。作為中國第一大生態島，島內河道水體的水環境狀況直接影響崇明島的可持續發展和島內人民的生活質量。大蓮湖位于青浦區西部，北部為淀山湖，南部聯通黃浦江，是上海市黃浦江上游重要的水源保護區。

a）研究區域分布（b）大蓮湖采樣點及無人機飛行區域

C）崇明島采樣點及無人機飛行區域

圖1研究區域及采樣點

2.2實測數據

海市青浦區大蓮湖有8個采樣點，崇明區河道有86個采樣點，其中無人機高光譜數據覆蓋采樣點（包含同步測量和一小時間隔內測量）35個。使用地物光譜儀根據水面以上測量方法，測量并計算得到采樣點水體的遙感反射率數據。使用便攜式濁度計現場測量濁度。根據《地表水和污水監測技術規范》采集和保存水樣，帶回實驗室采用分光光度法測量葉綠素a濃度（Chl-a）、有色溶解有機物吸收系數（CDOM）、總氮（TN）和總磷（TP），對于內陸水體選擇440nm處的吸收系數ag（440）作為CDOM的代表。采用稱重法測量水體總懸浮物濃度（TSM），實測采樣點各類水質參數濃度分布如表1所示。

表1采樣點水質參數濃度分布

本研究的無人機平臺為多旋翼無人機高光譜系統，于2019年5月、9月、11月以及2020年5月在崇明島河道進行了無人機飛行，共獲取了11條崇明區重點關注河道的無人機高光譜數據。

高光譜數據處理

3.1遙感反射率測定

本研究基于反射率基法發展了一種無人機高光譜遙感反射率測定方法。該方法在無人機飛行河湖區域鋪設面積1m2的標準反射率為20%~30%的漫反射參考板，無人機經過該區域時Rref(λ)和下行輻亮度Lref(λ)，獲得太陽總輻照度。并根據水面以上光譜測量方法同步測量參考板上方的天空光輻亮度Lsky(λ)

3.2數據幾何矯正及降噪處理

本文采用快速傅里葉變換（FFT）去除高光譜影像的條帶噪聲，通過計算高光譜影像每列（條帶噪聲縱向分布）的條帶度量值（Si）評估條帶噪聲去除的效果。采用對噪聲敏感的最小噪聲分離法（MNF)實現光譜維噪聲的去除，利用局部均值和局部標準差法計算高光譜影像的信噪比和噪聲標準差，檢驗高光譜影像的降噪效果。

圖2無人機高光譜影像降噪流程及噪聲評估

圖2（a）顯示，利用FFT去除條帶后，整體Si有了明顯降低，低于條帶充分去除標準Si=0.005，證明該方法可以有效去除高光譜數據的條帶噪聲。圖2（b）顯示，MNF方法在光譜維上有效剔除了大量噪聲，得到了相對平滑的光譜曲線。圖2（c），（d）顯示，MNF去除噪聲后信噪比、噪聲標準差有大幅度改善，信噪比均值提升128%，噪聲標準差也顯著降低，平均值3.42×10-4（圖2（d））；FFT去除條帶噪聲后，信噪比、噪聲標準差未顯著改善。

研究方法

4.1水體顏色參量計算

根據國際照明委員會（CIE）制定的CIE-XYZ顏色標準系統以及定量的描述顏色方法，基于本研究采集的無人機高光譜數據，計算河湖水體的Hueangle。除此之外，還采用給定光譜的主導波長來表示。AVW因為包含了紫外和近紅外波段，對于顏色更藍或更紅的極端水域，相對Hueangle具有更高的變化范圍。故為了充分利用所獲得的高光譜信息來準確量化內陸水體水色，本研究從水色主導波長的角度利用無人機高光譜全波段數據（400～800nm）計算AVW，計算公式為:

4.2水體色相分類

實地調查發現，采樣區域水環境惡化主要表現為大量浮萍漂浮的綠色水體和污染源附近的黃棕色污染水體。參考設定Hueangle閾值對內陸河湖水體的分類方法。從實測數據中選出19條不同類型水體（5條浮萍漂浮的綠色水體、7條一般水體和7條污染源附近黃棕色水體）的高光譜反射率曲線計算Hueangle。浮萍漂浮的水體呈綠色，具有植物光譜特征。污染源附近黃棕色水體主要組分為非色素顆粒物或有色溶解有機物，有色溶解有機物中含有的腐殖酸和富里酸隨著濃度的升高會使水體呈現黃褐色。根據所選不同水體的Hueangle值將水體分為綠色異常水體（Hueangle≤218°）、一般水體（218°≤Hueangle≤225°）、黃棕色異常水體共3類（Hueangle≥225°）（圖3）。

圖3不同類型水體光譜曲線及對應Hueangle

4.3水質參數

高光譜遙感反演通過對同步實測的遙感反射率與水質參數（Chl-a，TSM，CDOM，濁度，TN，TP）進行統計分析，將不同水質參數選擇相關性最高的波段或波段組合作為自變量，通過指數、冪函數、線性、多項式、偏最小二乘回歸等方法構建反演模型（表2），通過Ｒ2和ＲMSE對模型的反演效果進行評估。

表2水質參數反演模型

參考綜合營養指數（TLI）計算方法，基于Chl-a、TN、TP濃度估算河湖水體的TLI指數。通過水體的TLI指數，將水體營養狀態分為貧營養（TLI＜30）、中營養（30≤TLI≤50）、輕度富營養（50＜TLI≤60）、中度富營養（60＜TLI≤70）、重度富營養（70＜TLI）5種狀態。

結果討論

5.1無人機-實測遙感反射率驗證

遙感反射率整體測定誤差表明：無人機高光譜計算的遙感反射率，各波段ε在7.7%～27.9%之間（平均值13.34%），ＲMSE為0.0034sr-1～0.0062sr-1之間（平均值0.0046sr-1），Ｒ在0.63～0.93之間（平均值0.83），整體誤差較低。由于該定標方法沒有準確去除光照強度變化對遙感反射率計算的影響，因此一小時間隔內定標點的測定精度略低于同步定標精度（圖4）。考慮到大多數無人機由于載重局限，僅搭載一個向下探測的傳感器，在光照條件較為穩定均勻的情況下，利用該測定方法獲得的遙感反射率精度較高，可以推廣應用。

圖4無人機-實測Rrs對比驗證

5.2水體顏色參量與水質參數反演效果評估

如圖，無人機高光譜反演的水體顏色參量基本與原位觀測高光譜反演值一致（Hueangle：Ｒ2=0.97，ＲMSE=0.86°；AVW：Ｒ2=0.93，ＲMSE=2.01nm）。相對于多光譜數據反演的水體顏色參量需要通過實測高光譜校正，無人機高光譜數據反演的水體顏色參量更加準確且避免了校正帶來的誤差。根據相關分析構建的各類水質參數反演模型（圖5（b）），從與實測數據的對比結果來看具有較高的反演精度。

圖5無人機高光譜反演水體顏色參量、水質參數精度驗證

5.3河段水體色相分類

利用25條綠色異常水體、33條一般水體和17條黃棕色異常水體的原位觀測高光譜數據對Hueangle水體分類方法進行驗證，驗證精度分別為68%，91%和82%，證明該方法具有較高的分類精度。根據Hueangle閾值對2019-2020年崇明島重點河湖水體進行分類。圖6（a）顯示，2019年11月份的南橫引河河段整體都為黃棕色異常水體，結合實際采樣調查分析，南橫引河作為崇明島重要的航運河道，船只航行直接造成水體濁度增高，且該河段臨近崇明島外圍港口，長期停靠在河道兩側的船只產生的生活污水也會對水體顏色造成影響。同一時間段的七效港河（圖6（b））大部分為一般水體，城鎮居民生活區一側的河道有明顯的黃棕色異常。2020年5月份崇明島的河湖水體顏色相對2019年11月份有明顯變化，七效港河的黃棕色異常水體面積有明顯的減小（圖6（d））。南橫引河整體的黃棕色異常現象消失轉為一般水體，但臨近夏季豐水期，開始出現綠色異常水體（圖6（c））。通過分析2019年11月和2020年5月崇明島重點河段Hueangle分類結果，發現崇明島河湖在枯水期有較多的黃棕色異常水色現象。

圖6上海市崇明島河湖水體Hueangle分類

產生該現象的原因可能與崇明“閘控型”水系有關，在非引排期且雨水量不太充沛的時候，河流之間近乎封閉，導致水動力嚴重不足，再加上企業、居民生活廢水的排放，使得河湖水體顏色出現明顯異常。另外南橫引河作為主要航運河道，在11月和5月的水體顏色變化明顯，懷疑該河道受人為因素影響較為嚴重，需加強監管和治理。

5.4多參數水環境分析

圖7（a）-（i）顯示了崇明島北港東岸轉河，水體顏色參量和水質參數基于無人機高光譜數據定量反演的結果，圖7（j）顯示北港東岸轉河左右兩側為黃棕色異常水體。各類水質參數濃度都較高，其中（d）-（e）顯示TN，TP濃度達到Ⅳ類水體的標準（1≤TN≤1.5mg/L，0.2≤TP≤0.3mg/L）。TLI指數（圖7（i））表明該區域的黃棕色異常水體為輕度富營養化水體。河道中間的綠色異常水體TLI指數也顯示為輕度富營養化，部分水質參數（Chl-a，TSM，CDOM，TP）顯示高濃度特點（圖7（a）-（c），7（e）），但該區域的濁度、TN（圖7（h），7（e）)相對黃棕色異常水體較低，分析原因在于該異常區域水流相對緩慢，泥沙等非色素顆粒物沉淀，水體透光性較好，濁度較低，浮游植物光合作用增強，再加上附近多處溝渠和隱蔽排污口不定期排放高營養鹽（TP主導）污染物導致出現藻華現象。而河道兩側的異常水域現場調查時正在排放污水，排污過程導致水體濁度升高，水中非色素顆粒物增多，水體呈黃棕色。

圖7上海市崇明島重點觀察河道疑似污染水體識別

結果顯示Hueangle和AVW均能夠有效地對異常顏色水體進行甄別，此外，Hueangle分類可以有效地劃分不同的水體顏色類型，用于判別異常水體的空間位置和水色異常類型，從而豐富了水環境遙感探測信息。結合水質參數定量反演，也有助于對疑似污染水體進一步分析，對于突發性河湖水體污染的快速監測提供了一定輔助支持，同時為現場觀測提供了有效信息。

六、結果討論

本研究發展了一種無人機高光譜遙感反射率標定方法，通過該方法計算的高光譜遙感反射率各波段平均ε為13.34%，ＲMSE平均為0.0046sr-1，Ｒ平均為0.83。可以在光照穩定的情況下計算較為準確的水體遙感反射率。后續仍需研究如何去除光照變化計算遙感反射率。通過FFT和MNF方法對高光譜數據的條帶噪聲和光譜維噪聲進行了去除，高光譜整體信噪比提升了128%，有效提高了數據質量。利用高光譜數據反演水體Hueangle，AVW和水質參數，有效利用了高光譜數據豐富的光譜信息。根據Hueangle能夠區分不同顏色水體的特點，通過設定Hueangle閾值的方法對水體進行分類，應用該分類方法對上海市崇明島河湖水體顏色的時空變化進行分析。同時利用水體顏色參量以及水質參數反演結果對上海市崇明島的重點觀察河段進行疑似污染水體的識別。以上結果表明高光譜數據在水體顏色和水質參數反演應用方面的潛力，結合無人機高時效性、高空間覆蓋度的特點，對于輔助河湖水環境監測提供了強有力的支持。

推薦：

無人機高光譜成像系統iSpecHyper-VM100

iSpecHyper-VM系列無人機高光譜成像系統配合定制開發的高性能穩定云臺，能夠有效降低飛行過程中無人機抖動引起的圖像扭曲與模糊。該系統與大疆M350RTK無人機完美適配，廣泛應用于農業、林業、水環境等行業領域，系統支持配件升級及定制化開發，為教育科研、智慧農業、目標識別、軍事反偽裝等行業高端應用領域提供了高性價比解決方案。

審核編輯 黃宇