多源高分辨率卫星影像监测黑臭水体的适用性研究

王茹，申茜，彭红春，姚月，李俊生，汪明秀，史佳睿，徐雯婷

1.江苏海洋大学 海洋技术与测绘学院,连云港222005;

2.中国科学院空天信息创新研究院 数字地球实验室,北京100094;

3.东华理工大学 测绘工程学院,南昌330105

1 引 言

由于经济的快速发展，大量的生活和工厂污水被排放到城市河道中，导致城市河道变黑变臭，最终形成城市黑臭水体（中华人民共和国住房和城乡建设部和中华人民共和国环境保护部，2015；白慧文等，2019）。黑臭水体现象的出现对人类的基本生活造成威胁（申茜等，2017），成为目前亟需解决的问题。传统的黑臭水体地面监测方式耗时耗力，遥感手段以其低成本、范围广、速度快等优势，逐渐替代传统的地面监测。而黑臭水体监测是黑臭水体监督和治理的前提（胡淼等，2017），因此，黑臭水体遥感监测具有十分重要的科学价值和现实意义。

早期，一些学者基于现场数据和海洋水色遥感数据，在春季长江入海口发现了一个黑水区（Bai等，2009），使用了Landsat 8 OLI 和Sentinel-2 MSI影像通过水质参数识别黑湖问题（Kutser 等，2016；李旭文等，2012），他们的研究表明遥感技术在识别污染的黑湖方面是有用的（Nichol，1993；Zhao 等，2013），随着高分辨率影像的发展，目前，黑臭水体遥感监测主要采用高空间分辨率影像，主要利用国产的GF-2、GF-1、北京二号、美国的PlanetScope 卫星影像以及高光谱机载CASI 影像数据，对某些城市黑臭水体进行监测，包括北京、重庆、南京、钦州、太原、深圳、沈阳等，而黑臭水体监测方法大致可分为两类，一类是基于黑臭水体的遥感反射率光谱与一般水体反射率光谱特征差异，构建光谱指数阈值分割模型，包括利用绿光波段遥感反射率的的单波段阈值、蓝，绿波段差值、红，绿波段比值，以及色度值构建了黑臭水体遥感识别算法（温爽等，2018），对南京主城区进行黑臭提取；基于GF-1 PMS 和GF-2 PMS 影像，利用城市黑臭水体反射率光谱在绿光—红光波段变化比一般水体平缓的特点，提出基于反射率光谱指数BOI（Black and Odorous water Index）的黑臭水体识别模型（姚月等，2019），并应用于沈阳；基于实测等效数据值，利用CIE颜色纯度算法提取城市黑臭水体，并将该算法应用于沈阳和北京的GF-2 PMS 影像，具有较好的识别精度（Shen 等，2019）；基于机载高光谱CASI 图像数据，提出一种可以有效消除阴影和植被影像的黑臭水体模型（Huang和Zheng，2019）；基于钦州PlanetScope 影像的蓝、绿、红、近红波段，构建归一化黑臭水体指数法—NDBWI（姚焕玫等，2019）；基于GF-1 PMS 卫星水体清洁指数（WCI）的太原市黑臭水体模型（李佳琦等，2019）；基于GF-1 PMS 数据对比4 种模型在深圳市的适用性（张雪等，2019）等；为了有效识别城市黑臭水体，另一类是通过水质参数的反演评价城市黑臭水体，如靳海霞等（2017）反演北京河段的叶绿素a浓度、悬浮物浓度、透明度及综合营养状态指数，并利用综合营养状态指数评价黑臭程度。由此可见，利用多源影像大范围监测黑臭水体的研究很少。

目前的相关研究都是利用某一种高分辨率卫星监测某个城市的黑臭水体。但是，一般高分辨卫星幅宽较小，单颗卫星覆盖能力比较差。因此，无法满足一定时段内的黑臭水体监测需求。有必要联合多源卫星监测黑臭水体。但是，卫星遥感器的空间分辨率、波段设置等方面都存在差异，因此在黑臭水体监测方法和效果上也会存在不同。目前，还缺乏这方面的系统性研究。

因此，为了满足一定时段内的黑臭水体监测要求，本文将从高分辨率卫星传感器波段设置、黑臭水体识别模型、卫星影像成本等方面分析多源遥感影像监测黑臭水体的适用性，为多源卫星影像监测全国范围黑臭水体提供应用参考和借鉴。

2 数 据

2.1 多源高分辨率卫星影像数据

选取国内外常用的全色波段分辨率在2 m 以内高分辨率遥感影像作为数据源，通过人工目视解译，剔除受云和太阳耀光影响较大的图像，保留高质量的遥感影像。主要选取了2017年—2020年高质量的GeoEye-1、WorldView-2、北京二号（DMC3）、高景一号SV1（SuperView-1）以及GF-PMS系列（GF-1/1B/1C/1D、GF-2、GF-6）卫星影像（表1）。

表1 多源高分辨率遥感影像使用情况Table 1 Usage of multi-source high-resolution remote sensing images

为了对比多源卫星影像传感器设置的差异性，从空间分辨率、波段设置、光谱响应函数等方面介绍多源卫星影像的异同点。

（1）空间分辨率。一般地，空间分辨率越高，获取的信息越详尽。目前国产卫星往往同时搭载了全色和多光谱传感器（孙伟伟等，2020），多源卫星影像的全色和多光谱波段空间分辨率如表2所示。

表2 多源卫星影像空间分辨率对比Table 2 Comparison of spatial resolution of multi-source satellites remote sensing images

（2）波段设置。GeoEye-1、DMC3、SV1 以及GF系列影像均设置了4个波段，分别为蓝、绿、红、近红波段；WorldView-2影像设置了8个波段，即深蓝、蓝、绿、黄色、红、红边、2个近红外波段。

（3）光谱响应函数。在相同的观测条件下，光谱响应函数的差异会导致不同传感器观测到的地物反射率不同。如图1，多源卫星影像在蓝光波段、绿光波段和近红波段的光谱响应函数基本一致，在红光和全色谱段存在差异。图1（a）中，DMC3影像的红光波段的光谱响应函数与其他多源卫星影像存在差异，主要是位置差异，GeoEye-1的红光波段光谱响应宽度小于其他多源卫星传感器；图1（b）中，DMC3 卫星和WorldView-2 卫星的全色波段光谱响应宽度小于其他遥感卫星。

图1 多源卫星影像光谱响应函数Fig.1 The spectral response function of the multi-source sensor images

2.2 实测数据

实测光谱数据的获取是使用ASDFiledSpec®3便携式地物光谱仪，基于“表面法”进行水面反射率光谱测量（唐军武等，2004）。对每个采样点，测量了水体上行辐亮度Lu（λ）、天空光下行辐亮度Lsky（λ）以及参考板的辐亮度数据Lp（λ），通过Mobley（1999）等提出的公式计算遥感反射率，同时，采集的水样点使用塞氏盘测量透明度，氧化还原电位ORP（mV）和溶解氧DO（mg/L）由哈希HQ30D便携式溶解氧测定仪测量，氨氮（mg/L）由哈纳HI96733氨氮测定仪测量。

结合《城市黑臭水体整治工作指南》（中华人民共和国住房和城乡建设部和中华人民共和国环境保护部，2015）中透明度（cm）、溶解氧（mg/L）、氧化还原电位（mV）和氨氮（mg/L）等特征指标（表3），判断采样点水体类型。

表3 城市黑臭水体判别标准Table 3 The criteria for determination of urban black and odorous water

2016-08-28、2017-09-20、2018-09-05、2019-09-16和2019-09-18 在北京市分别开展了5 次野外水面试验，共采集了54 组黑臭水体，39 组一般水体（图2（a））；2016-09-19—20 和2016-10-09 在沈阳市分别开展了两次野外水面试验，共采集了47组黑臭水体，27组一般水体（图2（b））。

图2 北京市和沈阳市实测点位分布图Fig.2 Distribution map of measured points in Beijing and Shenyang

其中2019-09-05 GF-2 在北京同步过境，当天共采集了12 个采样点（3 组黑臭水体，9 组一般水体）的数据。

3 方 法

为了对比多源卫星影像监测黑臭水体的适用性，首先，基于实测光谱数据，利用卫星影像的光谱响应函数，将实测水面反射率等效为卫星影像上各个波段的遥感反射率。然后，基于等效的反射率数据，确定黑臭水体识别模型阈值，并进行精度评价，最后，基于多源影像对示范区进行应用。具体的模型适用性研究的流程如图3。

图3 模型适用性方法研究技术流程图Fig.3 Technical flow chart of model applicability method research

3.1 基于实测水面光谱的的黑臭水体监测方法和对比

（1）基于实测光谱的多源卫星波段等效。利用多源遥感影像的光谱响应函数，将实测水体反射率模拟等效为多源卫星影像上的各个波段的反射率Rrseq，计算公式如下：

式中，Rrseq为卫星波段等效反射率；Rrs（λ）为实测的遥感反射率；fSRF（λ）为卫星的光谱响应函数；F0（λ）为大气层外太阳辐照度（中国资源卫星应用中心，2016）。

（2）基于波段等效光谱的黑臭水体识别模型。采用姚月等（2019）等提出的BOI（Black and Odorous water Index）模型，计算等效数据的BOI 值。BOI模型计算公式如下：

式中，Rrs（B）为蓝光波段的遥感反射率，Rrs（G）为绿光波段的遥感反射率，Rrs（R）为红光波段的遥感反射率，T为阈值。

（3）基于波段等效光谱的黑臭水体识别评价。为了确定模型阈值，将获取的155组实测数据（98组黑臭水体，57 组一般水体）经过等效计算，随机筛选出3/4组实测数据（74组黑臭水体，43组一般水体）进行模型阈值的确定，剩余的1/4 组实测数据（14组一般水体，24组黑臭水体）用于检验模型阈值的精度。2018-09-05 同步采集的12 个采样点（3组黑臭水体，9组一般水体）将用于大气校正精度评价。

基于等效的遥感反射率，如表4所示，采用整体识别正确率、黑臭水体错分率、黑臭水体漏分率、一般水体错分率和一般水体漏分率评价模型阈值的可靠性。

表4 各精度评价公式Table 4 Each accuracy evaluation formula

3.2 基于卫星影像的黑臭水体识别方法和对比

（1）多源卫星影像预处理。为了准确对比多源遥感数据之间的差异，利用多源卫星影像监测黑臭水体时，采用相同的预处理步骤。预处理步骤主要包括图像融合、几何精校正、大气校正以及利用水体中心线法提取河流矢量。

首先利用像素刻刀处理软件对全色和多光谱影像进行融合（像素刻刀高分卫星处理软件，2018），然后利用参考影像自动提取控制点，同时在影像重叠区提取连接点，并在SRTM DEM 数据的辅助下进行区域网平差，完成几何精校正（Long等，2016）。

最后进行大气校正，基于辐射传输模型进行卫星遥感影像精确大气校正时，需要卫星遥感器进行了精确的辐射定标。但是对于高分辨率卫星来说，主要用途是目视解译和分类识别，卫星数据提供方对于辐射定标往往不够重视，导致辐射定标的精度不能够满足精确大气校正的要求。此外，基于辐射传输模型的大气校正一般还需要短波红外波段来反演气溶胶，这也是常有的高分辨率卫星所不具备的；而且，多光谱波段与全色波段融合之后，光谱会发生变化，再应用于基于辐射传输模型的大气校正会存在问题。综上，基于辐射传输模型的大气校正方法很难应用于融合的高分辨率卫星。为了解决这些问题，本文采用相对辐射归一化的方法进行大气校正（郭丽峰等，2009）。其核心原理和操作步骤如下：（1）找到一种辐射定标比较精确、具有短波红外波段、空间分辨率相对较高的卫星遥感数据作为参考数据，本文选择具有10 m 分辨率的Sentinel-2 MSI；（2）对于一景待处理的高分辨率卫星影像，找到与其时间相近的Sentinel-2 MSI，基于辐射传输大气校正方法计算得到Sentinel-2 MSI 图像的地表反射率；（3）假设Sentinel-2 MSI 图像中有一些地物（如建筑物屋顶、道路、裸土等）的反射率与待处理高分辨率图像的同一个地物反射率是近似不变的，将Sentinel-2 MSI 图像的反射率赋给待处理高分辨率图像的地物；（4）利用待处理高分辨率地物的反射率和对应的DN 值，进行线性拟合，得到DN值与反射率的线性关系；（5）将得到的线性关系，应用于待处理高分辨率图像全图DN 值，得到反射率，其中，将输出的地表反射率影像除以π，忽略天空光影响，最终近似得到水体的遥感反射率。

（2）大气校正评价。将获取的北京市2018-09-05 的12 组实测遥感反射率和对应的2 景同步GF-2遥感影像，利用均方根误差RMSE（Root Mean Square Error）和平均相对误差MRE（Mean Relative Error）两个指标评价大气校正精度，各指标计算公式如下：

式中，Pi为实测遥感反射率，Ai为大气校正后卫星影像的遥感反射率，n为采样点个数。

（3）多源卫星影像黑臭水体识别评价。将确定的阈值应用于2 景星—地同步的GF-2 影像，利用同步采集的12 个采样点，采用上述5 个精度评价指标进行精度评价，并且选取高质量多源卫星影像对北京通州区的某一重叠区域进行示范应用。

4 结果与讨论

4.1 基于实测水面反射率光谱等效的模型阈值确定和精度评价

4.1.1 黑臭水体识别模型阈值的确定

利用随机筛选出的117 个采样点（3/4 的样本点）（74组黑臭水体，43组一般水体）确定黑臭识别模型阈值。如图4 所示，GeoEye-1、WorldView-2、SV1 和高分系列影像上一般水体与黑臭水体的BOI值有很明显的分界限，黑臭水体与一般水体的BOI值多数在一定的范围内：黑臭水体BOI 值范围为-0.068—0.051，一般水体范围为0.057—0.25，最终确定阈值T=0.05 区分黑臭水体和一般水体。而DMC3影像的一般水体和黑臭水体BOI值没有明确的分界，对BOI模型不适用。

图4 多源卫星影像实测等效数据BOI模型阈值确定Fig.4 Threshold determination of BOI model for measured equivalent data of Multi-source Satellite Images

在模型阈值的确定过程中，存在黑臭水体BOI值明显高于一般水体的情况，如图4 蓝框所示的4 个样本点，根据现场测量指标和水体周围环境判别4 个样点均属于典型的黑臭点，由于这4 个点的叶绿素浓度很高，而叶绿素a 在675 nm 附近有个强吸收，导致红波段的遥感反射率偏低，计算的BOI 值会偏高，从而导致黑臭水体误判为普通水体。既是黑臭水体、叶绿素浓度又高的河流，在缺水型的北方城市中很少见，本文主要研究的是缺水型、非浑浊的城市黑臭水体，故采取T=0.05的阈值虽然会带来一些误差，不过这种影响相对比较小，而且对于波段比较少的高分辨率卫星来说暂时也没有更好的解决办法。

GF-1/1B/1C/1D/2 的PMS1 和PMS2 传 感 器等效计算值基本相同，故图4 中仅对比各卫星的PMS1传感器等效的BOI 值折线图；高景一号的4 颗星则采用01星代表。

对于不适用BOI模型的DMC3影像，采用归一化水体指数NDWI（Normalized Difference Water Index）识别黑臭的方法（McFeeters，1996；Liu等，2017），计算公式如下：

式中，Rrs（Green）和Rrs（NIR）为DMC3影像的绿波段和红波段的遥感反射率。

针对DMC3影像，黑臭水体NDWI范围在-0.51—0.53，一般水体范围为0.037—0.85（图5），故选取N=0.55 作为判别一般水体和黑臭水体的阈值。阈值N=0.55 虽然会带来一些误差，不过误差相对较小。

图5 DMC3影像等效数据的NDWI指数阈值的确定Fig.5 Determination of NDWI index threshold of DMC3 image equivalent data

4.1.2 黑臭水体识别精度评价

针对GeoEye-1、WorldView-2、SV1和GF系列影像，利用38 组实测数据（1/4 样本点）（14 组一般水体，24 组黑臭水体），基于5 个精度评价指标评价BOI=0.05 的阈值精度。如图6，GF 系列和SuperView-1影像3组黑臭水体被误判为一般水体；GeoEye-1和WorldView-2影像4组黑臭水体点被误判为一般水体。如表5所示，整体识别正确率均较高，黑臭水体和一般水体的错分率、漏分率都较低，表明多源卫星影像的模拟等效数据是可以用来以一定的精度识别黑臭水体。

表5 多源卫星影像实测等效数据的精度评价统计Table 5 Accuracy evaluation statistics of measured equivalent data of multi-source satellite images

图6 多源卫星影像实测等效数据BOI阈值精度评价Fig.6 Accuracy evaluation of BOI threshold for measured equivalent data of multi-source satellite images

针对DMC3影像，使用上述38组实测数据评价阈值N=0.55的精度，共有4组误判点（图7），其中1组黑臭水体点被误判为一般水体，3组一般水体点被误判为黑臭水体，识别正确率达到89.5%；黑臭水体错分率、黑臭水体漏分率、一般水体的错分率、一般水体漏分率分别为11.5%、4.1%、8.3%、21.4%。表明基于DMC3 影像模拟等效数据使用NDWI指数识别黑臭水体是可行的（Liu等，2017）。

图7 DMC3影像等效数据NDWI指数阈值的精度评价Fig.7 The accuracy evaluation of the NDWI index threshold of DMC3 image equivalent data

4.2 基于卫星影像的黑臭水体识别结果评价

4.2.1 大气校正精度评价

利用北京市2018-09-05 的12 组实测遥感反射率和GF-2 影像上对应点位的遥感反射率，进行定量评价（图8）。得到蓝（Band1）、绿（Band2）、红（Band3）的MRE 分别为30.6%、22.5%、33%。RMSE 分 别 为0.0008 sr-1、0.0013 sr-1、0.0012 sr-1，实测反射率值与大气校正后的遥感反射率值接近，表明相对辐射归一化大气校正方法能够有效消除气溶胶等影响。

图8 GF-2影像遥感反射率与实测遥感反射率对比Fig.8 Comparison of remote sensing reflectance of GF-2 image and measured data

利用相同的参考影像，对2019-06-06 同时过境的GF-2 和GF-6 影像进行大气校正，对比不同地物的遥感反射率，发现GF-2 与GF-6 影像上屋顶、植被和水体的遥感反射率数值接近，波形近似。大气校正后的卫星影像可用于黑臭水体识别。

图9 大气校正后的GF-2与GF-6影像遥感反射率对比Fig.9 Comparison of remote sensing reflectance of GF-2 and GF-6 images of atmospheric correction

4.2.2 黑臭水体识别评价

（1）基于2 景同步GF-2 影像BOI 模型的精度验证。首先将BOI=0.05 应用于2018-09-05 同时过境的2 景GF-2 影像，进行黑臭水体识别，然后利用同步采集的12 个采样点，包括中坝河上3 组黑臭水体，温榆河、通惠河和通惠河灌渠上共9组一般水体。通惠河上2个一般水体被误判为黑臭水体（图10），采用5 种指标评价其识别精度，识别正确率为83.3%，黑臭水体错分率和一般水体漏分率分别为40%、22.2%，黑臭水体漏分率和一般水体的错分率为0，总体精度较高。

图10 基于同步GF-2影像的北京黑臭水体识别结果Fig.10 The recognition result of black-odor water based on synchronized GF-2 images

根据同步影像的精度评价，发现一般水体和黑臭水体的错分率和漏分率较低，黑臭识别精度在应用中可以得到保证。

（2）基于多源卫星影像的模型应用。为了进一步证明BOI模型和NDWI模型识别黑臭水体的可靠性，将阈值T=0.05 和N=0.55 应用于适用的多源影像，在应用黑臭水体模型后，目视剔除一些受阴影和邻近效应因素导致的混合像元；并通过目视解译得到水草或水华矢量。

利用10 景北京区域的多源遥感影像（表1）监测黑臭水体，结果如图11 所示。针对重叠区域内潮白河和七级村河，分析2017-05—2020-03 两河的黑臭水体变化情况，可见潮白河一直为一般水体，2017-05-20七级村河存在疑似黑臭水体。此后七级村河无疑似黑臭水体。

在政府的积极治理下，2017-11七级村河完成整治（七级河及西和路边沟黑臭水体治理工程，2017）。根据遥感协同监测结果显示：2017-09 前（图11），七级村河河面上存在疑似黑臭水体、水草或水华现象。2017-09 之后（图11），河面已无黑臭现象，仅存在少量水草或水华。2018-09-05在七级村河上获取了2组同步实测点位，经检验四参数（透明度、溶解氧、氧化还原点位、氨氮）值分别为：（40 cm、13.45 mg/L、205 mV、3.8 mg/L），（43 cm、9.62 mg/L、226.4 mV、2.6 mg/L）均符合一般水体的指标。表明遥感监测结果不仅与实际治理情况相符，而且符合实测结果，证实了多源遥感影像监测黑臭水体的适用性和可靠性。

图11 多源遥感影像黑臭水体遥感识别分布图Fig.11 Distribution map of black and odorous water body identified by multi-source remote sensing images

4.3 多源高分辨率遥感影像监测黑臭水体适用性分析

4.3.1 多源高分辨率遥感影像传感器差异性分析

为了研究多源遥感影像监测城市黑臭水体的适用性，从空间分辨率、光谱响应函数和黑臭水体识别模型阈值的确定进行分析。

对比分析空间分辨率差异导致的黑臭水体识别差异，利用2019-06-06 同时过境、不同分辨率的GF-2和GF-6影像提取同一区域的黑臭水体，发现对于较窄的河道来说，较高空间分辨率的GF-2 影像能获取更多的有效水体像元，可以有效监测黑臭水体；而相对较低分辨率的GF-6 影像水面存在大量混合像元，黑臭水体无法识别（图12（a）、图12（b））。因此，监测较狭窄河道的黑臭水体时，优先选择较高分辨率的遥感影像（如GeoEye-1、WorldView-2、SV1和GF-2等）。

图12 同一河流利用不同空间分辨率影像识别黑臭水体结果不一样Fig.12 The same river uses different spatial resolution images to identify black and odorous water bodies with different results

对比光谱响应函数差异导致的黑臭水体识别差异，选择时间接近而光谱响应函数差异较大的DMC3（2019-06-24）和GF-1（2019-07-12）影像，并将分辨率较高的DMC3 影像重采样为与GF-1 相同的分辨率，对选取的北京萧太后河河段（一般水体）计算BOI 值，对比识别结果（图13），发现GF-1 影像可以正确识别水体类型，DMC3 影像的识别结果出现一般水体和黑臭水体，对于河段水体类型无法判别，并且BOI模型是基于GF-1、GF-2影像构建的（姚月等，2019），因此，光谱像函数差异较大的DMC3影像不适用BOI模型，需要选用其他的黑臭水体识别模型。

图13 GF-1和DMC3不同光谱响应函数导致的识别结果差异性对比Fig.13 Difference comparison of recognition results caused by different spectral response functions of GF-1 and DMC3

通过模型阈值的确定，发现GeoEye-1、WorldView-2、SuperView-1 和高分系列影像可以应用同一BOI模型阈值识别黑臭水体；而DMC3影像更适用于NDWI指数；基于模拟等效和同步影像数据，分别对确定的BOI阈值和NDWI阈值进行了精度评价，发现确定的阈值可以很好的识别一般水体和黑臭水体，整体识别正确率较高。

4.3.2 多源遥感影像成本分析

在黑臭水体监测过程中，需要综合考虑影像成本（表6）和城市河道宽度。进行水体提取时，当影像上河流宽度为5 个像元时，除去左右各2 个像元受邻近效应影响，中间像元更可能是纯水像元，一般认为大于5个像元宽度可以看清河流，即GeoEye-1 影像能够监测的最窄河道宽度为2.05 m，WorldView-2 和SV1 影像分别为2.3 m 和2.5 m，DMC3 和GF-2 影像均为4 m，GF-1/1B/1C/1D/6 影像全都为10 m。

表6 多源遥感影像购买价格对比Table 6 Comparison of purchase prices of multi-source remote sensing images

根据上述，建议联合多源卫星影像监测黑臭水体，可分为两种情况来选用影像：（1）当河道宽度大约在2—10 m，选取GF-2、SV1 或者DMC3 影像作为常规监测影像，GeoEye-1、WorldView-2 影像为补充数据源；（2）当河道宽度大于10 m，建议选用GF-1或者GF-6影像作为常规监测影像，补充数据源依次为GF-2、SV1、DMC3、GF-1B/1C/1D、GeoEye-1、WorldView-2影像。

5 结 论

本文针对多源高分辨率卫星影像，研究不同传感器对于黑臭水体遥感监测的适用性，得出以下几点结论：

（1）光谱响应函数的差异（主要位置差异），会导致多源影像间遥感反射率值不同，从而无法利用同一模型进行黑臭水体识别。因此，GeoEye-1、WorldView-2、SuperView-1 和GF 系列影像适用于BOI模型；而DMC3影像更适用于NDWI模型。

（2）精准的大气校正，是保证黑臭水体识别精度的前提，通过对相对辐射归一化的大气校正，经过星地同步匹配检验，蓝（Band1）、绿（Band2）、红（Band3）的MRE 分别为30.6%、22.5%、33%，具有较好的精度，适用于高分辨率卫星影像融合后的大气校正。

（4）利用10 颗多源卫星联合监测了北京潮白河和七级村河的黑臭水体，并与相关数据进行交叉验证，证明具有较好的精度和一致性。

（5）综合考虑卫星影像的空间分辨率和影像购买成本，给出多源卫星影像协同监测的建议：（1）当河流宽度在2—10 m时，选取GF-2、SV1或者DMC3影像作为常规遥感影像，GeoEye-1、WorldView-2影像作为补充；（2）当河流宽度大于10 m 时，选择GF-1 或者GF-6 影像作为常规遥感影像，补充数据源依次为GF-2、SV1、DMC3、GF-1B/1C/1D、GeoEye-1、WorldView-2影像。