环境卫星遥感反演在水源地水质应急监测预警中的精度探讨及修正方法研究

巴 诺

(辽宁省本溪水文局，辽宁 本溪 117000)

1 概述

水源地水质环境状况是当前社会关注的热点和焦点。水环境监测是保障水源地水环境状况的重要措施。近些年来，水源地水质状况频发，特别是富营养化影响下的水源地“水华”现成呈现多发、频发的态势，急需要对水源地环境状况进行有效的应急监测和预警。目前，对于水源地的应急监测主要通过采集水样，通过及时测定水样数据来对水质状况进行监测，这种方式的优点在于测定数据精度较高，缺点在于很难对水源地水质状况进行全覆盖监测，存在以点代面的局限，此外很难实现水质预警，因而很难实现对水源地水环境状况的提前保护。当前，环境卫星遥感数据逐步在水环境监测中得到应用，但是由于环境卫星遥感数据的精度和时效性，其中水源地水质应急监测预警中应用还较少，为此本文以辽宁东部某水源地为研究实例，结合7期环境卫星遥感数据，分析其在水源地应急监测的预警精度，并通过建立回归方程对反演指标进行修正。研究成果对于水源地应急遥感监测、预警具有重要的参考价值。

2 环境卫星遥感影像研究方法

2.1 数据获取方法

为保障水环境应急监测对数据的时效性和精度的需求，当前应用较为广泛的环境卫星遥感数据主要有8个，具体见表1。这些卫星遥感数据为水质应急监测提供了较好的数据支撑。本文选择HJ-1A/1B环境卫星数据作为分析数据，该数据的下载平台见参考文献[16]，该环境卫星包含蓝、绿、红和近红外共4个波段，空间分辨率可达30m。本文还应用Landsat8 OLI遥感影像作为基本影响数据，对环境卫星遥感数据进行几何修正处理。为保证遥感影响数据的同步性，选择环境卫星遥感过境时间为2天的数据作为研究数据。

表1 常用的环境卫星遥感数据

2.2 数据预处理方法

(1)辐射定标

由于不同卫星传感器对反演物体波段的响应效果不同，使得相同输入项后得到不同的输出值，使得遥感图像上出现条纹现象，因此需要对这种影响进行辐射定标的处理，辐射定标系数的计算方程为：

L=DN/A+L0

(1)

式中，L0—偏移量，mm；A—定标的增益系数。

各遥感数据辐射定标系数见表2。

表2 常用环境遥感卫星不同参量的辐射定标系数

(2)几何校正

由于遥感器的状态以及运行速度会使得遥感影像数据发生不同程度的形变，使得遥感影像数据出现不同程度的几何变形，几何校正是遥感影像数据预处理的重要环节。本文应用Landsat8 OLI作为基准影像数据进行几何校正。

(3)大气校正

由于大气散射所引起的地表反射率影像使得遥感图像中出现相应的误差，为消除这类误差，需要对获取的遥感影响数据进行大气校正。大气校正需要输入的主要参数包括图像中心经纬度、传感器飞行高度、图像区域平均海拔、图像像素大小、传感器种类、溶胶反演方法、气溶胶模型、成像时间等。

2.3 水质反演原理

通过计算环境卫星遥感数据中各波段总的辐射亮度值来计算各水质指标的反演值，计算方程为：

Lt=LP+LS+LV+Lb

(2)

式中，LP—水体表面下太阳光和天空辐射；Ls—水体表层辐射；Lv—达到水体表层的太阳辐射以及水体中有机物和无机物与水体相互作用的辐射；Lb—水体底部反射的太阳光辐射。

由于水体中不同物质成分受到水体吸收和散射的影响，不同水体有机或者无机物质在一定波段内的反射率不同，结合该反射率是推求水源地水质各指标的重要基础。

2.4 水质综合预警原理

结合环境卫星遥感影像数据，对各水质指标进行综合反演，计算不同指标的综合指数，再综合各水质指标数进行加权，得到综合预警指标值，综合预警指数方程为：

(3)

其中各指标权重计算方程为：

(4)

式中，TLI(∑)—综合预警值；Wj—各综合指标的权重值；TLI(j)—各反演水质指标修正值；m—评价指标个数；rij—各指标相关系数。

3 研究实例

3.1 水源地概况及水样监测点分布

以辽宁东部某水源地作为研究实例，该水源地为城市居民生活饮用水重要的水源地，每年的城市生活饮用水供水量为1.3亿m3，水源地控制的面积为2795km2，库区降水主要来源于夏季，库区以上多年平均降水量为700～900mm，多年平均来水量为11.3×108m3，有效调节库容为2.35亿m3。近些年来，水源地加大水环境保护，水环境状况得到逐步改善，为有效监测水源地水质状况，在水源地库区内布设6个水样监测点。

3.2 数据预处理

结合前面叙述的遥感影像获取数据，采用辐射定标系数方法、几何校正、大气校正方法对遥感影像数据进行预处理，其中选用的遥感影像数据辐射定标系数见表3，大气校正所输入的参数见表4。

表3 选用的遥感影像数据的辐射定标系数

表4 遥感影像数据大气校正输入的参数

3.3 波段组合的选择

水质指标反演精度主要取决于选择的波段，波段敏感程度对水质监测十分重要，HJ1A-CCD卫星遥感数据共包含4个波段，结合Pearson相关分析法对各波段及波段组合及相对应的水质指标的相关性进行统计分析，分析结果见表5。

表5 各波段及波段组合与相对应的水质指标的相关性检验结果

注：**表示为在0.01水平(双侧)上显著相关；*表示为在0.05水平(双侧)上显著相关。

从相关性统计分析结果可看出，组合波段与水质指标的相关度均高于单一波段下的相关系数。因此一般选用与水质指标相关度较高的波段组合作为反演模型。从表中可看出，叶绿素的浓度与波段组合B2-B1的相关度最高，相关度为0.616，且通过双侧0.01水平的相关显著性检验。而与透明度相关性最高的组合波段为(B1+B2)/(B3+B4)，其相关系数为0.413，也通过双侧0.01水平的相关显著性检验。悬浮物与B2-B1的波段组合相关系数最大，相关度为0.635，通过双侧0.05水平的相关显著性检验。对于富营养指数而言，其相关度最高的波段组合为(B1+B2)/(B3+B4)，相关系数为-0.325，相关性通过双侧0.01水平的相关显著性检验。从波段分析结果还可看出，水体污染物指标浓度越大，其波段反射率越大，通过波段组合优先分析，波段反射率在460～750nm适合于叶绿素、悬浮物、透明度以及富营养化指数的反演计算。

3.4 波段反演回归方程的建立

在波段组合相关性分析的基础上，确定了各反演水质指标的最优波段，结合所选取的环境卫星遥感数据，提取各最优波段的反射率数据，通过反演方程计算各组合波段的反演值，作为自变量x，各水质反演指标作为应变量y，建立各水质指标的回归方程，见表6，回归方程建立的依据如图1所示。

表6 各水质指标反演回归方程的建立结果

以叶绿素波段组合下反射率值为其回归方程的自变量，以其水质指标测定值为其应变量，建立叶绿素的反演回归方程，从其建立的回归方程可看出，较好的拟合了中、下部区域的散点，相关系数为0.6167，相关度较高，可以应用该回归方程来建立遥感模型，对水源地叶绿素指标进行反演。建立悬浮物最优波段组合下反射率下的回归方程，从图1中可看出，其建立的回归方程较好的拟合了中下部散点数据，相关系数达到0.5226，也可用来进行水源地悬浮物的遥感反演计算。从透明度的反演值可看出，以透明度组合波段下反射率和透明度测定值建立的回归方程的系数可达到0.5139，可用来进行透明度的反演计算。从富营养化指数的反演回归方程可看出，其相关系数达到0.4965，相关系数在各指标中最低，主要是因为富营养化指数为综合指数，其波段组合反射率影响因素较多，因此其建立的回归方程相关系数较低，但从图1中可看出，其回归方程的相关线较好的拟合了其散点，可用来进行富营养指数的反演计算。

图1 各水质指标的波段组合值与反演值的回归方程

3.5 反演修正后的精度对比分析

结合建立的反演回归方程，构建水源地各水质指标遥感监测模型，对不同指标进行反演计算，并结合各采样点实测的水质监测值，对比分析修正前后的反演计算误差，分析结果见表7—10。

表7 叶绿素指标修正前后的反演误差对比结果

表8 悬浮物指标修正前后的反演误差对比结果

表10 富营养化指数修正前后的反演误差对比结果 单位：%

从表7—10中可看出，修正前后水源地叶绿素反演误差得到较为明显的改善，修正前期反演误差在40.41%～43.03%之间，而通过建立的回归方程进行修正后，其叶绿素的反演误差在21.09%～23.88%之间，相比于修正前，误差降低22.7%，而从悬浮物的反演误差对比结果可看出，修正前其误差在±40%以上，而采用建立的回归方程进行修正后，其悬浮物的反演误差在±25%以内，反演精度得到有效提高。从透明度修正前后的反演误差可看出，修正前其反演误差最高值为48.15%，而同一个采样点，其误差降低到22.22%，可见通过建立回归方程对其反演进行修正，可有效降低水源地水质指标的反演误差。

3.6 各水质指标空间反演结果

在反演修正的基础上，结合环境卫星遥感数据对不同指标同一期数据进行空间反演，反演结果如图2所示。

从图2中可看出，各水质指标反演空间值总体呈现从上游～下游逐步递减的变化，污染物浓度较高的区域主要位于其上游段，这主要是因为受到上游来水的影响，上游降雨径流中的携带的污染物进行水源地，使得其上游污染物浓度偏高，而下游受到生态前置库的影响，下游水体污染物浓度得到控制。从叶绿素浓度空间分布可看出，45.0～60.0ug/L的区域比例占总面积比例为8.5%，均位于水源地上游，而0.5～1.0ug/L区域占总面积比例为45.2%，位于水库的下游主要水源区。从悬浮物的空间分析结果可看出，悬浮物浓度在200～230mg/l的比例为15.7%，也主要位于水源地上游段。从透明度分析结果可看出，透明度和悬浮物的空间反演分布较为一致，但中等指标面积比例较悬浮物比例有所减少。从富营养化指数可看出，由于其实叶绿素、透明度、悬浮物的综合指数构建，因此其反演空间变化是其他几个指标的综合反演，因此空间分布具有一定的相似性，从分布值可看出，富营养指数在60%～70%之间的比例为14.1%。

3.7 水质综合预警研究

由于当前环境卫星遥感数据的时效性得到显著提高，可以结合卫星遥感数据对水源地进行多指标的综合预警，本文构建了综合预警的指标等级，见表11，并结合实例对水源地进行综合预警，结果见表12。

图2 各水质指标空间反演结果

表11 水源地水质综合分级预警值

表12 水源地水质综合预警结果

从表11中可看出，主要分为5个等级，不同等级对应其相应的预警指数，通过环境卫星遥感数据，可提取逐月不同水质指标对应的组合波段的反射率，通过构建的回归方程对各指标进行反演修正，得到不同指标的反演浓度，通过设定权重，结合综合预警指数计算方法，对其综合预警指数进行计算，实现不同程度的预警，表12为研究水源地综合预警的一个实例，结合水源地2017年9月到2018年10月的环境卫星遥感数据，通过组合波段反射率的选取，计算其预警指数，并结合表11确定不同月份的预警等级，该水质预警可有效实现水源地水环境的生态保护。

4 结语

(1)水体污染物指标浓度越大，其波段反射率越大，通过波段组合优先分析，波段反射率在460～750nm适合于叶绿素、悬浮物、透明度以及富营养化指数的反演计算。

(2)结合环境卫星遥感数据可实现区域全覆盖应急反演监测，解决传统监测方法以点代面的局限，可在水源地水生态监测中得到推广和应用。

(3)基于卫星反演数据建立的综合预警方案，可实现水源地动态预警，具体应用中可结合水源地实际情况对预警等级及指标权重进行调整。

(4)本文只针对水源地主要4个影响指标反演精度进行探讨，其他指标比如重金属、水温还需要以后进行深入研究。