无人机高光谱技术在水质监测中的应用研究

罗华坊 LUO Hua-fang

（福建省经纬数字科技有限公司，福州 350000）

0 引言

近年来，随着人口增长、工业化进程加快以及环境污染问题日益严重，水质监测的重要性愈发凸显。水质监测是评估水体健康状况、保护水资源和人类健康的关键环节。传统的水质监测方法往往需要大量的人力物力投入，并且监测范围有限，效率低下[1]。然而，随着科技的发展，新的水质监测应用研究不断涌现，为水质监测工作带来了新的突破和进展[2]。

目前，在水质监测应用研究中，主要通过信息技术和常规遥感技术进行监测[3-4]。信息技术主要通过传感器网络的布设实时监测水体中的温度、pH 值、溶解氧、浊度等重要指标，从而及时发现和预警水体污染问题，此外人工智能技术的应用也为水质监测带来了新的突破。通过建立智能模型和算法，可以对大量的水质监测数据进行分析和处理，提取出有用的信息和规律，为决策提供科学依据，从而使得水质监测能够实现自动化、连续化和实时化。但目前的信息技术方法具有较大的限制条件，主要在于信息技术的应用还缺乏完善的标准，确保监测数据的准确性和可比性，且监测面积较小[5-6]。相比之下遥感技术则是通过遥感卫星或无人机搭载的高光谱传感器，可以获取水体表面的光谱特征，进而分析水体的浑浊度、叶绿素含量、水体温度等重要指标[7]。这种非接触式的监测方法不仅能够提高监测效率，还可以实现对大范围水域的监测，为水质保护和水资源管理提供更全面的数据支持[8]进而可以实现对水体的全面监测和评估。

基于此，本文以吉水县水环境监测与河湖管理平台数字集成设备采购项目为背景，借助无人机高光谱技术，通过对无人机采集的数据进行反演和对比，为机载高光谱技术在水质监测中的应用提供一定的指导作用。

1 工程概况

吉水县水环境监测与河湖管理平台数字集成设备采购项目包含：①吉水县水环境监测网；②吉水县水环境指挥服务中心；③吉水县水环境数据综合管理平台；④吉水县水环境监测与河湖管理系统；⑤吉水县水环境管理标准体系建设。项目利用遥感、无人机、地理信息、大数据、物联网等先进技术手段，面向各部门、群众建设一体化流程的吉水县水环境监测与河湖管理平台。

建设目标包括：①通过水环境监测体系的水质监测建设，实现吉水县河界断面在线监测覆盖率达到90%以上，饮用水源地和污水排口在线监测覆盖率达到100%，监测频率至少满足4 次/天，监测因子至少包含常规五参数、总磷、总氮、氨氮和COD。数据传输时间<2s；②水环境监测体系的岸线视频监控建设，吉水县赣江流域岸线全天候视频监控不低于70 个，至少覆盖河长巡查点、重点码头、采砂区，监控轮训频次不低于12 次/天，视频自动化识别精度不低于80%，识别类别涵盖油污染、垃圾、堤坝破损、河道非法采砂；③通过水资源、水环境遥感卫星应用的建设，实现水资源分布、陆表水体动态监测专题成果不少于4次/年，空间分辨率优于1 米，洪涝灾害损毁评估专题成果不少于1 次/年，空间分辨率优于1 米，水土保持植被覆盖监测、水体悬浮物、蓝藻水华、水体富营养化、水体泥沙含量不少于10 次/年，空间分辨率不低于30 米。遥感卫星数据接收处理系统相对辐射定标精度不低于3%，平原地区几何精校正的精度不低于1 个像元，丘陵、高原地区几何精校正的精度不低于3 个像元。

2 研究方法

2.1 基本原理及特征波段

高光谱技术结合窄波段连续光谱和光谱成像技术，通过对所需监测的对象进行光谱特征波段采集，将收集到的光谱数据借助光谱成像技术中的光谱分光技术生成具备连续性的窄波图像，其结果一般具有较高的光谱分辨率和空间分辨率，可以准确地捕捉和分析目标物体的光谱特征，且无需直接接触目标物体，可以对大范围、高分辨率的物体进行快速检测和监测。利用工业级无人机搭载高光谱技术对所需监水质的流域进行精细、高效的光谱收集并建立水质反演计算模型，即可实现对所需监测流域各参数浓度的监测和高效率、具备较高可靠性的定量计算，有效节省人力、设备成本并且能够大大缩短监测周期。由于溶解氧、高锰酸盐、氨氮、总磷等参数与单波段的反射率较低，为了用不同波段表征各参数，本文采用比值法对波段与参数的相关性进行计算分析，得出了溶解氧、高锰酸盐、氨氮、总磷等参数的特征波段。其中溶解氧的特征波段为R650/R600、高锰酸盐的特征波段为R480/R410和R500/R850、氨氮的特征波段为R600/R500、总磷的特征波段为R500/R430和R500/R800。

2.2 无人机搭载高光谱技术

利用无人机对高光谱技术进行搭载，首先对所需勘测的区域进行信息收集，之后对无人机的航行路线进行规划设计，在此基础上利用无人机进行水质光谱数据的采集，对无人机所采集的光谱数据信息进行完整性确认。此外对所监测区域的水质进行人工采样，并进行水质参数分析。根据高光谱技术对采集信息进行分析，并与实际人工采集结果进行对比，建立水质反演计算模型，通过计算模型对当地的水污染情况进行精确掌握。为保证反演计算的精度，采用下式对反演数据进行精确度计算：

式中：A 为精确度；mi为某个取样点人工化验结果；ni为某个取样点光谱反演结果；m′为各取样点人工化验结果的平均值。

3 结果分析

3.1 溶解氧分析

由于所监测河段呈倒L 型分布，为了保证监测的效率和准确性，将待测河段分为A-B、B-C、D-E 和E-F 共4 段分别进行监测，每个待测河段分别使用一架搭载高光谱技术的工业无人机在同一时刻起飞进行监测。实际每个作业段的距离平均约为1.8m。在4 个作业段一共布设32 个监测点，根据实际作业段长度，其中A-B 段设置11 个监测点，B-C 段设置7 个监测点，D-E 段共设9 个监测点，E-F段设置5 个监测点。监测河流区段及监测测点设置示意图如图1。

图1 监测河流区段及监测测点设置示意图

考虑到实际河道存在一定程度的污染，溶氧量一般大于0.2mg/L，因此为了便于试验进行，对于人工采样的溶解氧分析，本文采用碘量法进行，根据实际检测结果和反演输出结果，绘制成了如图2 所示的溶解氧检测和反演结果图。

图2 溶解氧检测和反演结果

根据图2 的检测结果和反演结果可以发现，溶解氧的反演输出结果较实际检测结果存在一定的波动，但其结果总体收敛于实际检测数据，且总体变化趋势同检测结果较同步，根据式（1）对反演准确度进行计算，得到该参数的反演准确率为81.5%。

3.2 高锰酸盐分析

水体中还原性有机物对水体的污染程度主要由水体中的高锰酸盐含量表征。其含量的测定主要通过酸量法和碱量法进行测定，并根据氯离子含量选择对应方法，考虑到本文研究河道污染以生活污水为主，氯离子含量较高，因此为对高锰酸盐的计算结果进行验证，对于实际的样本检测，高锰酸盐的人工测定采用碱性滴定法进行，滴定溶液为碳酸氢铵溶液。将实际检测结果与高光谱反演计算结果绘制成了如图3 所示的高锰酸盐检测和反演结果。

图3 高锰酸盐检测和反演结果

根据图3 所反映的结果可以看出，高锰酸盐在不同河段的监测和反演计算结果表现不同。在A-B 河段的1-11监测点中，其反演结果普遍大于实际监测结果，而在B-C河段中，反演结果基本均小于实际监测结果，其原因在于人工取样基本呈点状分布，主要以某点的取样结果表征该流域片区的总体结果，因此造成取样结果出现偏大或偏小的情况，因此存在一定的片面性。其余各河段的反演结果和监测结果均呈现波动趋势互有大小，整体上高锰酸盐的检测结果和反演计算结果变化趋势相近，结果相差不大，根据式（1）对其准确率进行计算，发现高锰酸盐的反演计算准确率为86.3%。

3.3 氨氮分析

对于各取样点水体中氨氮浓度的实际测定，由于本次研究河道周边均为居民居住区，其生活污水一般为碱性，因此为了便于观察研究，本文采用水杨酸分光光度法进行测定，并对无人机采集的光谱信息进行反演分析，将结果绘制如图4 所示。

图4 氨氮检测和反演结果

从图4 所示的结果可以看出该河流各河段水体中的氨氮浓度反演结果基本均在实际结果一定范围内上下波动，总体相差不大。变化趋势较为相近，同样在C-D 河段中的19 号监测点氨氮浓度最大，且在该河段中的25 号监测点氨氮浓度达到最低。利用式（1）对其进行精确度计算，氨氮浓度的反演精确率达到了90.1%。

3.4 总磷分析

为了对各测点总磷进行测量，采取钼酸铵分光光度法进行测定，在中性试验环境中，过硫酸钾可以将样本中的磷进行氧化，氧化过后生成的正磷酸盐钼酸铵反应生成蓝色络合物，能够便于试验中观察。根据试验结果将实际检测数据与反演数据绘制成了如图5 所示的总磷检测和反演图。

图5 总磷检测和反演结果

从图5 可以看出总磷浓度的反演结果同前文各参数相同，其数据均在实际检测数据上下波动且与实际结果相差不大，变化趋势也基本一致，但与实际检测不同之处在于，反演计算中总磷浓度在B-C 段的17 号测点出现最大值，而实际检测中，总磷浓度在9 号测点最大，其原因在于随机抽样的点状性和片面性，且实际该区段总磷分布均呈现出较高的状态，导致某点在反演计算时可能会出现略高的情况。借助式（1）得到总磷的反演精度为88.4%。

4 结论

本文以吉水县水环境监测与河湖管理平台数字集成设备采购项目为背景，借助无人机搭载高光谱技术对当地河流流域进行反演计算通过对比实际检测结果，得出了如下结论：

①溶解氧、高锰酸盐、氨氮、总磷浓度的反演计算结果在实际检测结果上下波动，但相差不大。

②研究河流各区段的溶解氧、高锰酸盐、氨氮、总磷浓度最大值基本集中于C-D 段河流中，该河段为重点污染区段。

③无人机搭载高光谱技术能够在保证监测结果准确率的情况下做到大面积、高效率监测，对于城市河道污染监测具备一定的可行性。