應晗婷， 夏凱*

(1.浙江農(nóng)林大學 信息工程學院，浙江 杭州 311300； 2.浙江省林業(yè)智能監(jiān)測與信息技術(shù)研究重點實驗室，浙江 杭州 311300；3.林業(yè)感知技術(shù)與智能裝備國家林業(yè)局重點實驗室，浙江 杭州 311300)

水質(zhì)監(jiān)測在維護水環(huán)境健康方面具有重要作用。分析和研究水質(zhì)要素的空間變化及其內(nèi)在原因?qū)λh(huán)境的保護有重要意義。傳統(tǒng)的水質(zhì)監(jiān)測方法為現(xiàn)場測量，該方法有較高的準確性，但需要較多的人力和物力投入，無法對危險地區(qū)勘測，離散型的數(shù)據(jù)也只體現(xiàn)了局部意義，具有較大的局限性。

隨著空間技術(shù)的發(fā)展，衛(wèi)星遙感技術(shù)以其高效、低成本以及覆蓋范圍廣的優(yōu)勢在大型空間尺度的水域研究已得到較好的應用，例如沿海水域、湖泊和水庫等[1-6]。使用衛(wèi)星遙感技術(shù)監(jiān)測水質(zhì)，可以得到全面的水質(zhì)信息，長時間連續(xù)的監(jiān)測還可以探究水體的空間變化規(guī)律以及影響因素，可以更好地保護水環(huán)境。如薛文靜等[7]基于MODIS衛(wèi)星遙感資料獲取了2002—2017年長江口的表層懸浮物濃度數(shù)據(jù)，分析并得出風向?qū)腋∥餄舛鹊臄U散具有顯著的作用，南風有利于高濃度懸浮物向外海擴散，東風則抑制擴展的結(jié)論。趙寧等[8]基于Landsat系列數(shù)據(jù)影像分析了紅堿淖水域水質(zhì)和周圍植被變化，20世紀90年代后湖面NDVI驟增，暗示葉綠素a或懸浮物濃度增加，間接表明湖區(qū)水質(zhì)變差。

“十三五”規(guī)劃要求以科技創(chuàng)新加強水體污染控制與治理，小型水域的水質(zhì)狀況也得到了重視。然而衛(wèi)星遙感技術(shù)的中低分辨率無法對較小的水體成像，小型水域多而雜的情況使得小型水域的管理成為挑戰(zhàn)。隨著無人機及傳感器技術(shù)的發(fā)展和提升，使用無人機搭載小型傳感器進行環(huán)境監(jiān)測越來越常見，其中包括對水質(zhì)監(jiān)測的研究。比如黃宇等[9]通過無人機搭載高光譜傳感器獲取高光譜圖像反射率數(shù)據(jù)，構(gòu)建總氮、總磷、葉綠素、懸浮物和濁度的監(jiān)測模型并研究其濃度空間分布。楊振等[10]利用無人機高光譜數(shù)據(jù)建立水體懸浮物濃度和濁度的空間分布圖，實現(xiàn)對小中型水域水質(zhì)參數(shù)的快速監(jiān)測。除了高光譜數(shù)據(jù)，多光譜數(shù)據(jù)也能很好地對一些水質(zhì)參數(shù)進行監(jiān)測。如黃昕晰等[11]使用無人機多光譜數(shù)據(jù)以及OPT-MPP算法建立了懸浮物濃度和濁度的反演模型，其決定系數(shù)R2分別達0.787 0和0.804 3。

目前，使用無人機攜帶傳感器監(jiān)測水質(zhì)還停留在短期研究，進行長期數(shù)據(jù)分析的研究較少，特別是有關(guān)小型水域的年際變化研究。湖泊水質(zhì)評價中，常采用懸浮物濃度和濁度作為水質(zhì)評價指標。因此，本文結(jié)合無人機多光譜數(shù)據(jù)與實地監(jiān)測數(shù)據(jù)(懸浮物濃度和濁度)，對浙江農(nóng)林大學東湖校區(qū)內(nèi)的小型水域—東湖進行了水環(huán)境監(jiān)測，分析其水質(zhì)的年際變化特征，為長期動態(tài)監(jiān)測小型水域水質(zhì)狀況提供了技術(shù)支持以及水質(zhì)治理的理論指導。

1 數(shù)據(jù)采集

1.1 研究區(qū)

本文選擇浙江省杭州市浙江農(nóng)林大學東湖校區(qū)的東湖(30°25′96.05″～30°26′19.36″N，119°73′37.98″～119°73′74.22″E)作為研究區(qū)(圖1)，東湖水域面積約44 000 m2，學校內(nèi)部的溪流自西北向東南匯入東湖內(nèi)，為半封閉性水域。湖泊周邊種植有各種植物，其中以水杉以及柳樹居多。東湖及周邊環(huán)境給我們創(chuàng)造休閑觀賞的場所，學校有些水上活動也會在東湖湖面上展開。及時監(jiān)測分析和改善東湖的水質(zhì)狀況，可給全校師生帶來更美好的生活和觀賞環(huán)境。

圖1 研究區(qū)地理位置及采樣點位置

1.2 實測數(shù)據(jù)

在研究區(qū)內(nèi)于2019和2020年采集水樣。其中，2019年3月23日與4月12日分別采集了20個水樣；2020年5月23日采集了20個水樣。于水面下0.5 m處使用采水裝置采集水樣，并于當日在實驗室中進行懸浮物濃度和濁度的測定。其中懸浮物濃度使用杭州陸程儀器有限公司LH-SS1型懸浮物測定儀測量，濁度使用杭州陸恒生物科技有限公司W(wǎng)GZ-1B濁度儀測量。最終獲取60個樣本懸浮物濃度和濁度數(shù)據(jù)。實測數(shù)據(jù)表明，懸浮物濃度最大值為49.65 mg·L-1，最小值為26.07 mg·L-1，平均為36.26 mg·L-1；濁度最大值為25.20 NTU，最小值為12.90 NTU，平均為19.02 NTU。

1.3 無人機多光譜數(shù)據(jù)

本研究的遙感數(shù)據(jù)采用大疆M600無人機攜帶RedEdge(MicaSense，USA)傳感器組成的遙感平臺獲取(圖2)。于水質(zhì)樣本采樣前0.5 h內(nèi)采集圖像數(shù)據(jù)，設置無人機航高200 m，航速5 m·s-1。采樣期間天氣晴朗，獲取影像圖像清晰。與衛(wèi)星遙感相比，無人機獲取的數(shù)據(jù)不受云層覆蓋的干擾，可以更靈活地采集數(shù)據(jù)，時間尺度小。RedEdge多光譜相機能采集5個波段的信息，包括藍色波段(475 nm)、綠色波段(560 nm)、紅色波段(668 nm)、近紅外波段(840 nm)以及紅邊波段(717 nm)，目前，已廣泛應用于農(nóng)業(yè)監(jiān)測[12-14]，在水質(zhì)監(jiān)測方面也有研究[11,15]。

圖2 無人機遙感系統(tǒng)

2 研究方法

2.1 數(shù)據(jù)預處理

由于無人機的飛行高度較低，獲取的影像區(qū)域較小，與衛(wèi)星遙感相比，可以忽略大氣折射和地球曲率的影響[11]。而且RedEdge相機配備有光強傳感器以及光譜反射率校正板，因此，使用Pix4D公司集成開發(fā)的Pix4D-mapper軟件即可處理RedEdge傳感器拍攝得到的多光譜影像，其操作流程為：(1)篩選有效影像導入Pix4D-mapper軟件；(2)使用標定板圖像對每個相應的波段圖像進行輻射校準；(3)導出拼接好的正射影像圖(圖3)。最后使用ENVI 5.3軟件在采樣點上方讀取采樣點對應的圖像光譜數(shù)據(jù)。

圖3 無人機多光譜影像

2.2 模型建立及檢驗

根據(jù)已有研究，本文利用MicaSenseRedEdge多光譜傳感器的原始波段以及其他8種常見波段組合，包括R4/R3、R4/R2、R4/R1、R4/(R1+R2+R3)、(R2+R3)/R4、(R2+R3)R4、(R3+R4)/R2、R3/R4[2,16]的數(shù)據(jù)與懸浮物濃度和濁度實測值分別進行Pearson相關(guān)性分析。Pearson相關(guān)系數(shù)法是一種準確度量2個變量之間的關(guān)系密切程度的統(tǒng)計學方法，其絕對值越大，代表相關(guān)性越強[17-18]。最終選取相關(guān)性最高的波段或者波段組合進行模型的建立，并采用決定系數(shù)R2、平均相對誤差ARE、相對均方根誤差rRMSE以及綜合誤差CE對4種基本模型進行篩選，得出最優(yōu)模型。其相關(guān)公式如下所示：

(1)

(2)

(3)

(4)

3 結(jié)果與分析

3.1 相關(guān)性分析

本文采用SPSS軟件進行Pearson相關(guān)性分析，并對相關(guān)系數(shù)的絕對值進行比較(表1)。從表中可以看出，懸浮物濃度與R4/R1波段組合有顯著的相關(guān)性，濁度與(R3+R4)/R2波段組合有最高相關(guān)性，且顯著性滿足統(tǒng)計學要求。因此，在接下來的過程中我們使用這些光譜參數(shù)進行建模。

3.2 建模與驗證

采用Pearson相關(guān)系數(shù)法選定了自變量以后，進行了異常點的去除。最終使用30個樣本作為訓練集進行反演模型的訓練，使用15個樣本作為測試集測試各個模型的性能。為增強模型的穩(wěn)定性，采用了IMP-MPP算法進行圖像數(shù)據(jù)的處理，并采用線性函數(shù)、二次多項式、指數(shù)函數(shù)以及冪函數(shù)作為算法的一部分進行建模。IMP-MPP算法是一種改進的MPP算法[19]，可以解決由于鏡面反射和水體流動而引起的采樣點與圖像數(shù)據(jù)不匹配問題，與平均值法相比具有更高的建模精度。并最終選取了決定系數(shù)R2較高的模型作為最優(yōu)模型，建模結(jié)果如表2所示。懸浮物濃度反演模型中，二次多項式模型的R2為最高，達到了0.694 1，表明擬合效果最好。濁度反演模型中，選取了指數(shù)模型作為最優(yōu)模型，其R2達到0.732 3，符合模型的精度要求。

表1 光譜參數(shù)與水質(zhì)參數(shù)的Pearson相關(guān)系數(shù)(絕對值)

表2 東湖水質(zhì)參數(shù)的反演模型

使用平均相對誤差ARE、相對均方根誤差rRMSE以及綜合誤差CE來評價模型精度。綜合誤差CE越小，表示建模的效果越好。經(jīng)過測試檢驗，其模型都適用于懸浮物濃度和濁度的反演(表3)。濁度反演模型平均相對誤差為8.07%，綜合誤差為0.086 4。懸浮物濃度反演模型平均相對誤差為12.78%，綜合誤差為0.142 5。與懸浮物濃度相比，濁度擁有更好的反演模型。

表3 東湖水質(zhì)參數(shù)反演模型的精度

3.3 空間分布

根據(jù)表2的最優(yōu)反演模型結(jié)合無人機多光譜影像進行反演，分別制作2019和2020年的東湖懸浮物濃度和濁度分布圖。如圖4所示，圖例自下而上濃度升高。從2 a的濃度空間分布圖可以看出，懸浮物濃度和濁度呈現(xiàn)大致相同的趨勢，這與懸浮物濃度和濁度有很高的相關(guān)性一致。

A和C為懸浮物濃度；B和D為濁度。圖4 懸浮物濃度和濁度的空間分布

從2019年懸浮物濃度和濁度分布圖可以看出，東湖東岸呈現(xiàn)淡藍色，說明水質(zhì)較好，根據(jù)實際勘測發(fā)現(xiàn)，岸邊栽培了許多水生植物，水生植物的種植達到了凈化水質(zhì)的效果。而北岸呈現(xiàn)紅色，出現(xiàn)反差。學校圖書館坐落于東湖北岸附近，而且有大片草坪供師生休閑活動，東湖的天鵝常由此處上岸活動，也常有學生給湖里的動物投食，進而影響水質(zhì)。2020年懸浮物濃度和濁度的分布圖可以看出東湖的東岸依舊呈現(xiàn)淡藍色，說明水質(zhì)狀況保持良好。2019—2020年，東湖北岸的紅色區(qū)域面積有所減少，水質(zhì)有了些許的改善，這與大片荷花的種植有關(guān)。荷花的根系可以固定泥沙，從而降低水質(zhì)的濁度和懸浮物濃度。

3.4 水質(zhì)狀況分析

對水質(zhì)參數(shù)反演圖進一步分析，統(tǒng)計反演圖信息。水質(zhì)參數(shù)分析箱圖可以進行多組數(shù)據(jù)分布特征的比較，結(jié)合頻數(shù)統(tǒng)計曲線圖可以得出，2019年東湖的懸浮物濃度在25.4～56.6 mg·L-1，多數(shù)處于29.57 mg·L-1附近，濁度在11.1～33.8 NTU，多數(shù)處于17.13 NTU附近；2020年東湖的懸浮物濃度在24.9～67.3 mg·L-1，多數(shù)處于25.69 mg·L-1附近，濁度在15.0～37.4 NTU，多數(shù)處于17.93和18.90 NTU附近。從濃度范圍可以看出，東湖水域中的水質(zhì)參數(shù)變化幅度有所增大，水質(zhì)狀態(tài)不太穩(wěn)定。從箱圖的中位線看，2020年的懸浮物濃度和濁度與2019年相比，都有所上升(圖5)。

圖5 水質(zhì)參數(shù)的分析結(jié)果

為更精確地確定水質(zhì)狀況，我們進一步結(jié)合像元頻數(shù)計算懸浮物濃度和濁度的平均值并進行分析，如表4所示，2019年、2020年的懸浮物濃度分別為32.99、26.73 mg·L-1，濁度分別為17.72、19.04 NTU(圖6)。

表4 懸浮物濃度和濁度統(tǒng)計信息

圖6 懸浮物濃度和濁度像元的統(tǒng)計曲線

圖7可見，2019年懸浮物濃度范圍主要為30.5～35.6 mg·L-1，占像元總數(shù)的55.04%；2020年，懸浮物濃度主要范圍為25.7～27.2 mg·L-1，占像元總數(shù)的81.79%，涵蓋了水域的大部分區(qū)域。2019年濁度范圍主要為16.1～18.1 NTU，像元數(shù)占總數(shù)的57.46%，為一半以上，其次是18.1～20.1 NTU，為像元總數(shù)的30.44%；2020年濁度范圍為17.4～19.4 NTU的像元數(shù)為總數(shù)的66.83%。因此結(jié)合平均值和餅圖可以得出，在懸浮物濃度方面，水質(zhì)狀況略微有所改善。在濁度方面，這2 a的水質(zhì)狀況總體相差不多。但湖邊景觀施工以及人為活動還是在一定程度上影響了水質(zhì)。建議進行一些針對性的改善措施，比如在懸浮物濃度較高區(qū)域種植水生植被，不僅可增加物種多樣性，也可提升觀賞性。根據(jù)前面的研究分析，種植水生植被能有效改善水質(zhì)。

圖7 各范圍水質(zhì)參數(shù)的比例

4 小結(jié)

基于無人機搭載多光譜傳感器獲取多光譜影像資料，結(jié)合實測數(shù)據(jù)建立反演模型，實現(xiàn)小型水域水體懸浮物濃度和濁度反演。與衛(wèi)星遙感一樣，無人機遙感也可實現(xiàn)年際變化的監(jiān)測，且與衛(wèi)星遙感相比，無人機遙感靈活、方便，還可破除衛(wèi)星遙感因分辨率問題不能對小型水域成像的局限。

2 a來，東湖懸浮物濃度和濁度的空間分布呈現(xiàn)了一定的變化。通過分析可以看出東湖水質(zhì)狀況受到人為活動以及環(huán)境因素的影響較大。種植水生植被可以有效固定泥沙，改善水質(zhì)狀況，使東湖水體變得更加清澈。利用無人機搭載小型傳感器獲取小型水域水質(zhì)數(shù)據(jù)資料，研究水質(zhì)參數(shù)的年際變化，是一種對水質(zhì)狀況量化的研究方法。根據(jù)得出的濃度和濁度空間分布圖以及分析圖表，可以得到更精確的水質(zhì)參數(shù)信息，采取更準確有效的措施改善水質(zhì)。

國內(nèi)目前使用無人機遙感監(jiān)測水質(zhì)還處于探索階段。在實際研究過程中，仍會遇到很多問題，因此，目前的數(shù)據(jù)量還較少，在接下來的研究中需從季節(jié)時間序列去搜集更多的研究數(shù)據(jù)，嘗試更多的建模方法，建立適用于更長時間序列的水質(zhì)反演模型，為水質(zhì)監(jiān)測工作提供更穩(wěn)定的技術(shù)支持。