陆内水体水质遥感研究进展及展望

张红涛　马全良

摘 要：本文对近年来水质遥感主要监测的悬浮物、叶绿素a、黄色物质、总磷和总氮的反演模型进行综述，并指出发展潜力较大的研究方向，为未来水质遥感研究提供参考。

关键词：水质遥感;反演模型;悬浮物;叶绿素a;黄色物质;总磷;总氮

中图分类号：X824 文献标识码：A 文章编号：1003-5168（2019）23-0153-03

Progress and Prospects of Remote Sensing Research on Land Water Quality

ZHANG Hongtao MA Quanliang

（School of Earth Science and Resources， Chang'an University，Xi'an Shaanxi 710054）

Abstract： This paper reviewed the inversion models of suspended solids， chlorophyll a， yellow matter， total phosphorus and total nitrogen monitored by water quality remote sensing in recent years， and pointed out the research direction with great development potential， which provided a reference for future water quality remote sensing research.

Keywords： water quality remote sensing;inversion model;suspended solids;chlorophyll a;yellow matter;total phosphorus;total nitrogen

陸内水体主要包括河流、湖泊以及水库。当水体受到污染时，水体的光谱特征会发生改变，人们就是通过这些光谱特征的变化来判断水体是否被污染。例如，工业污水排入河流中，河水中的悬浮物含量就会增加，河水的放射率会增大。再如，生活污水排入湖泊中，水体的营养盐含量升高，蓝藻等大量生长，水体蓝绿光波段（440nm和550nm）反射率增大。

1 水质遥感的基本方法

水质遥感的基本方法有分析方法、半分析方法、经验方法、人工神经网络法和主成分分析法。

2 水质遥感研究进展

2.1 悬浮物

悬浮物是内陆水体中最重要的水质参数之一，其含量的多少直接影响水体透明度、水色等光学性质，同时，悬浮物是磷、杀虫剂和金属的载体，其构成与内陆水体的流动、底部特征、生物量及水体自身的循环有关[1]。孙德勇等对太湖进行水质取样分析和波谱实测，分析遥感反射率与悬浮物浓度的相关性，发现在400～900nm波段范围的各波长遥感反射率与总悬浮物、无机悬浮物浓度都存在中高度相关，最大相关系数均出现在725nm[2]。吕恒、李新国等构建了含有一个隐含层的两层BP神经网络反演模型，以TM数据前4个波段的反射率作为输入层，以悬浮物浓度值作为输出层，成功反演了太湖水体的悬浮物浓度，反演精度要远远好于常规的线性模型，但是其只能在一定范围之内达到非常高的反演精度，一旦超出这个范围，反演精度就会急剧下降[3]。

王代堃、国巧真将天津滨海新区Landsat-8卫星影像的第三、第四波段和滨海新区海河水体的实测悬浮物浓度相结合，建立多种回归统计模型和神经网络模型，发现第三波段的线性模型可以较好地反映OL1影像DN值与实测悬浮物浓度的关系，其相关系数为0.881 1，而神经网络模型通过选用第三、四波段DN值为输出数据，经过模型训练，其相关系数为0.906 0，效果优于线性模型[4]。张毅博、张运林等构建了基于Landsat 8影像数据的新安江水库总悬浮物（Total Suspended Matter，TSM）的遥感估算模型，利用对该水体TSM浓度较为敏感的Landsat 8第二、第三和第八波段，构建的多元回归模型能够给出较为准确的估算结果，模型决定系数为0.92[5]。

在监测陆内水体的悬浮物这一项目上，多元回归分析法和BP神经网络法近年来表现都很突出。BP神经网络法在局部水体监控中表现更好。而作为新方法，ASAC-ELM算法在降噪方面表现更好，值得深入研究。

2.2 叶绿素a

叶绿素a为浮游藻类的主要色素构成物质，它不仅是反映水体质量的重要参数，也是反映湖泊水体富营养化的重要指标。针对叶绿素a的浓度，大量国内外学者都建立遥感数据反演模型。大部分模型都存在精度不够高、适用范围不够大的缺陷。但不可否认的是，前人的研究为现在的水质定量检测提供了经验，指明了方向。

在鄱阳湖水域，江辉基于MODIS数据采用一阶微分值和峰值比值法分别建立了叶绿素a的高光谱定量反演的回归模型[6]。韩立妹、肖捷颖等以黄壁庄水库为研究对象，使用比值法和一阶微分法对水体中叶绿素a浓度进行反演，为北方水库型水源地水体大面积遥感监测叶绿素a浓度提供了理论参考[7]。闻建光、肖青等利用Hyperion卫星高光谱遥感数据，采用经验方法（比值和一阶微分处理）和混合光谱分解方法估算叶绿素a浓度，其结论为一阶微分处理的数据估算结果精度高于比值方法估算结果，混合光谱分析方法可以摆脱比值和微分方法受地域和时间限制的缺陷，适用性广[8]。吕恒、江南等针对太湖水体利用TM（ETM）数据与准实时的地面采样数据，建立了叶绿素浓度的线性反演模型和BP神经网络模型（4个输入节点、7个隐含节点、1个输出节点），发现BP神经网络模型的反演精度远高于传统的线性反演模型[9]。

在陆内遥感水质监测中，学者对于叶绿素a的研究比较多，研究方法多种多样，人们在流程化应用方面也渐渐打开新的局面。水体季节性变化导致的模型参数的变化也有学者开始研究。目前，叶绿素a浓度反演模型的精度不断提高，但仍然有较大的发展空间。

2.3 黄色物质

有色可溶性有机物（Chromophoric Dissolved Organic Matter，简称CDOM），也称黄色物质（Yellow Substance），是一类广泛分布于自然水体中的溶解有机物，与悬浮物、浮游植物同属于水色遥感的主要研究对象，其成分主要包含腐殖酸、富里酸和芳烃聚合物等物质[10]。有色溶解有机物是DOM（溶解有机物）的重要组成部分，是决定自然水体水色的主要溶解物质。唐军武、王晓梅等采用统计算法，对中国近岸二类水体（黄东海水体）的水色遥感三要素进行反演，开启了中国水质遥感的大门[11]。姜广甲、马荣华等为估算CDOM吸收占水体总吸收的比率，建立多元线性模型估算[aCDOM/a1]（421），并与MODIS影像的[aCDOM/a1]（421）进行对比，发现两者相关性较好，并且浮游色素和悬浮物会对[aCDOM/a1]（412）遥感估算产生不可忽视的影响[12]。

万文韬在实测数据的基础上对鄱阳湖水域的黄色物质浓度进行遥感反演研究，采用单波段、波段比值和波段平均法建立反演模型，发现两波段比值反演模型比单波段及波段平均值的反演模型的相关性更高[13]。陈军、王保军等在水质试验数据的基础上，使用分段映射反演算法，在Landsat/TM影像中以TM1波段反射率为遥感参数，提取了太湖CDOM浓度分布状况，得到了比较好的结果[14]。冯龙庆在太湖CDOM遥感估算研究中利用MERIS数据，经单波段、一阶微分和BP神经网络模型三种不同CDOM反演方法精度分析，发现3种方法的精度为：BP神经网络模型>单波段模型>一阶微分模型[15]。

有色可溶性有机物（CDOM）浓度的反演大多集中在CDOM浓度低且空间分布均匀的海洋水体领域，而针对陆内水体的研究相对较少。湖泊范围较小，易受到人类活动影响，污染物浓度变化较海洋快，要想更好地研究湖泊等二类水体，人们需要利用长时间持续的高分辨率遥感数据。野外测量与遥感影像之间的时间差异也是影响反演模型精度的重要因素。另外，水色遥感三要素之间的互相影响一直受到许多学者的关注，是人们发展反演CDOM浓度模型的方向。

2.4 总磷、总氮

水体中氮元素和磷元素的增加会导致水体富营养化。水体富营养化会严重破坏水体生态系统。因此，监测水体的总磷、总氮含量是非常重要的。

黄家柱、龚绍奇等人在实验室利用清水模拟太湖的叶绿素、悬浮物等条件，测定不同浓度总氮、总磷水体的光谱，探索水体总氮、总磷与反射光谱特征的关系，建立总氮、总磷浓度的反演模型，为内陆湖泊、水库和河流等大型水体水质遥感定量监测提供理论依据[16]。刘征、贺军亮等在黄壁庄水库通过计算单波段和一阶微分水体光谱反射率与总氮、总磷之间的相关系数，确定总氮、总磷的敏感波段，并分别建立了总氮、总磷的遥感定量模型，结果表明，在595nm和873nm波段，反射率的一阶微分均与总氮、总磷浓度有较好的相关性，为今后利用星载高光谱传感器对内陆水体水质参数进行反演提供理论基础[17]。

冼翠玲、张艳军等以温瑞塘河为对象，在高分辨率遥感数据和实测水质数据的基础上，应用多元线性回归模型和人工神经网络模型，分别建立了总磷、总氮的遥感反演模型，经验证，两种反演模型都可以有效地监测温瑞塘河水质状况[18]。梁伟林、白金平等选取了龙泉湖作为研究对象，将高分一号实时遥感影像数据进行平均、归一化以及一阶微分处理，通过半分析法获得水质反演所需的敏感波段或者波段组合，得出总磷、总氮的反演公式，准确地评价出龙泉湖水体所处的富营养级别[19]。

目前，对于总磷、总氮的研究相对较少。很多学者提出了建立在野外采样数据和遥感数据基础上的模型，这些研究针对某一水域具有良好的效果，但是还没有学者提出适用范围较广的反演模型。研究区域已经从陆内水体发展到入海口水体，值得积极探索。在以后的研究中，人们可以从以下几个方面着手，发展总磷、总氮水质遥感。首先，深入研究总磷、总氮的光学特征，建立适用范圍更广的反演模型。其次，在研究入海口等水体的基础上，应该加大力度。再次，要研究与水体高光谱遥感配套的大气校正。

3 结论

近年来，人们针对水质遥感开展了大量值得肯定的研究，取得了辉煌的成就。尤其是针对陆内水体的悬浮物、叶绿素a、黄色物质、总磷、总氮等方面所做的研究，硕果累累。但是，水质遥感研究目前仍然存在不少问题，有待后来者进行研究。大多数学者采用实地采样与遥感数据建立反演模型，两类数据的同步性很难保证，使得数据可靠性大幅下降。另外，当前主要研究的是陆内水体，对入河口、排污口等水体的研究相对较少，这是今后值得研究的领域。大多数学者都利用半经验方法建立遥感反演模型，地域局限性高，人们要探明各类水质参数的光谱特征，打破地域局限，将模型推广开来。

参考文献：

[1]祝令亚，王世新，周艺，等.应用MODIS影像估测太湖水体悬浮物浓度[J].水科学进展，2007（3）：444-450.

[2]孙德勇，李云梅，王桥，等.基于实测高光谱的太湖水体悬浮物浓度遥感估算研究[J].红外与毫米波学报，2009（2）：124-128.

[3]吕恒，李新国，江南.基于反射光谱和模拟MERIS数据的太湖悬浮物遥感定量模型[J].湖泊科学，2005（2）：104-109.

[4]王代堃，国巧真.天津滨海新区地表水悬浮物浓度遥感反演研究[J].测绘科学，2016（5）：67-71.

[5]张毅博，张运林，査勇，等.基于Landsat 8影像估算新安江水库总悬浮物浓度[J].环境科学，2015（1）：56-63.

[6]江辉.鄱阳湖叶绿素a浓度遥感定量模型研究[J].测绘科学，2012（6）：49-52.

[7]韩立妹，肖捷颖，王宇游，等.北方典型水库型水源地水体叶绿素a含量遥感监测研究[J].中国生态农业学报，2012（9）：1243-1247.

[8]闻建光，肖青，杨一鹏，等.基于Hyperion数据的太湖水体叶绿素a浓度遥感估算[J].湖泊科学，2006（4）：327-336.

[9]吕恒，江南，罗潋葱.基于TM数据的太湖叶绿素a浓度定量反演[J].地理科学，2006（4）：472-476.

[10]周亚明.典型内陆水体有色可溶性有机物遥感反演[D].西安：西安科技大学，2015.

[11]唐军武，王晓梅，汪小勇，等.中国近岸典型二类水体成分遥感反演统计模式[C]//第一屆环境遥感应用技术国际研讨会 .2003.

[12]姜广甲，马荣华，段洪涛.太湖有色溶解有机物对水体总吸收贡献的遥感估算[J].湖泊科学，2012（6）：914-922.

[13]万文韬.鄱阳湖水域黄色物质的吸收特性及遥感反演研究[D].赣州：江西理工大学，2015.

[14]陈军，王保军，孙记红，等.基于Landsat/TM影像提取太湖CDOM浓度空间分布[J].光谱学与光谱分析，2011（1）：34-38.

[15]冯龙庆.基于高光谱遥感的太湖水体藻蓝素和CDOM浓度估算模型研究[D].南京：南京农业大学，2011.

[16]黄家柱.内陆水体总氮、总磷浓度高光谱遥感实验研究[C]//.第十五届全国遥感技术学术交流会.2005.

朱伟健.长江口及邻近海域有色溶解有机物（CDOM）的光学特性和遥感反演的初步研究[D].上海：华东师范大学，2010.

[17]刘征，贺军亮，彭林，等.黄壁庄水库总氮、总磷含量与反射光谱特征的关系[J].石家庄学院学报，2009（3）：45-49.

[18]冼翠玲，张艳军，张明琴，等.基于高分辨率多光谱影像的温瑞塘河水质反演模型研究[J].中国农村水利水电，2017（3）：90-95.

[19]梁伟林，白金平，李玉霞，等.基于高分卫星数据的龙泉湖水质富营养化分析与评价[J].地质灾害与环境保护，2016（2）：57-62.