基于多源高分影像的水源地水质遥感监测研究

满建舫，刘 阳，苏 慧

（徐州市水利建筑设计研究院，江苏 徐州 221000）

水源是自然生态环境正常运转的源泉和动力，也是自然界中的不可再生资源。只有水质良好才能保证人民的生活质量，并推动国家经济的发展和腾飞。但工业发展势必会影响生态环境，水资源因为工业的固液废弃物排放受到一定污染。水资源污染不仅影响居民的日常生活，也制约着国民经济快速发展[1]。

在环境保护的大方向上，需要加大水质的监测力度，做好前期预防工作，避免后期进行水质恢复，导致相关治理成本上升。对水源地水质进行实时远程监测，能快捷准确捕捉到水质问题。水源地水质遥感监测工作十分重要，传统监测单纯采取遥感方式，对于水源的质量问题只能有一个大概了解，无法精确监测到水域存在的具体环境生态问题。如果水体被污染，只能检测到水体污染的大概位置，至于污染源排查、污染面积估算等都无法进行[2]，难以推动后续的水质动态检测和实时动态的监测评价等工作进行。

工业化的不断发展推动了城市化的发展，城市中的水质问题变成了相关领域专家注意的问题。水环境污染问题已经成为阻碍城市快速发展的重要因素，水质污染对城市居民的影响已经超出想象。多源高分影像技术和遥感监测结合已经成为当下水质监测的重点，单一的高分影像对水质的辨别只能监测出水质受到了污染，无法对水质污染进行分级。本文设计了基于多源高分影像的水源地水质遥感监测新方法，可以充分发挥出遥感技术成本低、监测范围大的特点，提升水质监测效率[3]。

1 基于多源高分影像的水质数据获取和处理

1.1 数据获取

水质监测需要在监测范围内安装监测点，水质污染的判定是按照国家的污染指标进行的[4]，污水的判定和测定方法详见表1。

多源高分影像主要利用现场收集的方式实现，采用光谱仪器进行测定，由于对现场光照有一定条件限制[5]，测试需要选择阳光充裕的时间段。数据采集的仪器与阳光的角度为90°～130°。在采样点，计算水的遥感反射率公式为：

式中：α为光谱的波长（m）；Wα为水面上的直观可见度（m）；Sα为水下的辐照度（W/m2）。

1.2 多源高分影像数据预处理

为了让遥感图像在有限的图像中显示出更多信息，需要提升图像分辨率[6]。为此，采用卫星识图的方式获取多源高分影像，以此得到两种分辨率的图像，分辨率高有利于精准分辨细小河流中的水质。多源高分影像的分辨率比较高[7]，与遥感技术结合可以实现多角度的分辨率辨别，多源高分影像处理后的DN值如图1所示。

图1 多源高分影像的DN值

分析图1 中的多源高分影像处理之后的DN 值可知，多源高分影像的数据更加精细，和传统的水体光谱进行对比，根据不同波段可以将水质的指标全面分类。通过图1 可以看出多源高分影像，可以避免多种因素如水下的动植物正常活动对监测值的影响[8]，且不同波段的DN 值不同，可以实现光谱一致性的基本要求，提升监测精度。

2 水源地水质遥感监测图像校正

在遥感成像的过程中，图像的传感器受移动速度、空气变化和平台高度等约束条件影响，导致水质的监测图像会出现一定偏差。为了减少客观因素带来的误差，需要对水源地水质遥感监测图像进行校正，去掉遥感图像对应地面目标的几何畸变，根据实际情况进行映射校正[9]。由于室外校正地点的特殊性，监测结果主要受光照因素的影响。在遥感数据采集的过程中为了获得水质的真实信息，需要去掉多源高分影像中的气溶胶散射等影响因素。大气校正效果可以直接影响遥感检测图像的精度，波段大气反射率计算公式如下：

式中：e为波段大气反射率；rs为遥感的整体反射率；fs为阳光在90°～125°的光谱辐照度[W/（m2·μm）]。

原始的基于多源高分影像的水源地水质遥感监测图像的方根误差计算公式为：

式中：a1为方根误差（mm）；pn为采样点的反射率；qn为经过大气影响后的反射率；m是整个水质区域的采样数量。

多源高分影像的水源地水质遥感监测图像的绝对误差计算公式如下：

然后进行波段的反差率的比较，建立监测的比值模型：

式中：R(α)绿为在绿色光光谱波段的遥感反射率；R(α)红为在红色光光谱波段的遥感反射率；(b,c)为检测范围的阈值。

若超过阈值则证明该地区的水产生了污染，需要注意。为了将正常水质的水和被污染的水区分开来，需要计算二者之间的特征差异。通过实验进行轻度污染、中度污染、重度污染的水和正常水质的水的对比[10]。中度污染和重度污染的光谱几乎已经不具备正常水质的特点，遥感反射率非常低，而轻度污染和正常的水质反射率较高，可结合该特征进行监测和判断。

3 测试实验

为了验证基于多源高分影像的水源地水质遥感监测方法的实用性，将该水质监测方法与传统的基于BP 神经网络的水源地水质遥感监测方法、基于2A 卫星的水源地水质遥感监测方法进行比较，对比3种方法的监测精度。

3.1 实验数据采集

本文的实验数据由遥感数据采集而来的遥感影像转变而来。将徐州市的某主要河流作为研究对象，研究区域传回的多源高分影像包含17个光谱数据，为了方便研究将光谱数据按照波段进行分类，分为5个波段，光谱信息详见表2。

表2 光谱波段信息

实验数据采集为次/2 h，采集的都是同一天的基 础 信 息，主 要 监 测 水 中 的CODMn、BOD5、DO 和NH3-N 的含量，其中NH3-N 含量是常见的水质监测标准，主要来源于水下生物的排泄物和水生植物的尸体分解。

3.2 实验结果与分析

使用基于多源高分影像的水源地水质遥感监测方法和传统的基于BP 神经网络的水源地水质遥感监测方法、基于2A 卫星的水源地水质遥感监测方法，对5个波段的数据进行监测，监测的预测值和实际值之间的误差对比如图2所示。

图2 实验结果

分析实验结果可知，本方法对NH3-N 的含量监测误差在0.05～0.12，而传统的2 种方式的监测误差远高于本方法，所以本方法检测误差更小。

4 结语

本文以多源高分影像技术可以分辨出传统的正常水质和受到污染的水质之间的光谱区别原理为基础，设计了一种新的水源地水质遥感监测方法，将遥感技术和多源高分影像技术进行充分融合，提升了监测精度。但本研究也有很多不足之处，希望在未来的研究中可以扩大范围，多收集水质样品，进行更加全面的研究。