陸內水體水質遙感研究進展及展望

張紅濤　馬全良

摘 要：本文對近年來水質遙感主要監測的懸浮物、葉綠素a、黃色物質、總磷和總氮的反演模型進行綜述，并指出發展潛力較大的研究方向，為未來水質遙感研究提供參考。

關鍵詞：水質遙感;反演模型;懸浮物;葉綠素a;黃色物質;總磷;總氮

中圖分類號：X824 文獻標識碼：A 文章編號：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

陸內水體主要包括河流、湖泊以及水庫。當水體受到污染時，水體的光譜特征會發生改變，人們就是通過這些光譜特征的變化來判斷水體是否被污染。例如，工業污水排入河流中，河水中的懸浮物含量就會增加，河水的放射率會增大。再如，生活污水排入湖泊中，水體的營養鹽含量升高，藍藻等大量生長，水體藍綠光波段（440nm和550nm）反射率增大。

1 水質遙感的基本方法

水質遙感的基本方法有分析方法、半分析方法、經驗方法、人工神經網絡法和主成分分析法。

2 水質遙感研究進展

2.1 懸浮物

懸浮物是內陸水體中最重要的水質參數之一，其含量的多少直接影響水體透明度、水色等光學性質，同時，懸浮物是磷、殺蟲劑和金屬的載體，其構成與內陸水體的流動、底部特征、生物量及水體自身的循環有關[1]。孫德勇等對太湖進行水質取樣分析和波譜實測，分析遙感反射率與懸浮物濃度的相關性，發現在400～900nm波段范圍的各波長遙感反射率與總懸浮物、無機懸浮物濃度都存在中高度相關，最大相關系數均出現在725nm[2]。呂恒、李新國等構建了含有一個隱含層的兩層BP神經網絡反演模型，以TM數據前4個波段的反射率作為輸入層，以懸浮物濃度值作為輸出層，成功反演了太湖水體的懸浮物濃度，反演精度要遠遠好于常規的線性模型，但是其只能在一定范圍之內達到非常高的反演精度，一旦超出這個范圍，反演精度就會急劇下降[3]。

王代堃、國巧真將天津濱海新區Landsat-8衛星影像的第三、第四波段和濱海新區海河水體的實測懸浮物濃度相結合，建立多種回歸統計模型和神經網絡模型，發現第三波段的線性模型可以較好地反映OL1影像DN值與實測懸浮物濃度的關系，其相關系數為0.881 1，而神經網絡模型通過選用第三、四波段DN值為輸出數據，經過模型訓練，其相關系數為0.906 0，效果優于線性模型[4]。張毅博、張運林等構建了基于Landsat 8影像數據的新安江水庫總懸浮物（Total Suspended Matter，TSM）的遙感估算模型，利用對該水體TSM濃度較為敏感的Landsat 8第二、第三和第八波段，構建的多元回歸模型能夠給出較為準確的估算結果，模型決定系數為0.92[5]。

在監測陸內水體的懸浮物這一項目上，多元回歸分析法和BP神經網絡法近年來表現都很突出。BP神經網絡法在局部水體監控中表現更好。而作為新方法，ASAC-ELM算法在降噪方面表現更好，值得深入研究。

2.2 葉綠素a

葉綠素a為浮游藻類的主要色素構成物質，它不僅是反映水體質量的重要參數，也是反映湖泊水體富營養化的重要指標。針對葉綠素a的濃度，大量國內外學者都建立遙感數據反演模型。大部分模型都存在精度不夠高、適用范圍不夠大的缺陷。但不可否認的是，前人的研究為現在的水質定量檢測提供了經驗，指明了方向。

在鄱陽湖水域，江輝基于MODIS數據采用一階微分值和峰值比值法分別建立了葉綠素a的高光譜定量反演的回歸模型[6]。韓立妹、肖捷穎等以黃壁莊水庫為研究對象，使用比值法和一階微分法對水體中葉綠素a濃度進行反演，為北方水庫型水源地水體大面積遙感監測葉綠素a濃度提供了理論參考[7]。聞建光、肖青等利用Hyperion衛星高光譜遙感數據，采用經驗方法（比值和一階微分處理）和混合光譜分解方法估算葉綠素a濃度，其結論為一階微分處理的數據估算結果精度高于比值方法估算結果，混合光譜分析方法可以擺脫比值和微分方法受地域和時間限制的缺陷，適用性廣[8]。呂恒、江南等針對太湖水體利用TM（ETM）數據與準實時的地面采樣數據，建立了葉綠素濃度的線性反演模型和BP神經網絡模型（4個輸入節點、7個隱含節點、1個輸出節點），發現BP神經網絡模型的反演精度遠高于傳統的線性反演模型[9]。

在陸內遙感水質監測中，學者對于葉綠素a的研究比較多，研究方法多種多樣，人們在流程化應用方面也漸漸打開新的局面。水體季節性變化導致的模型參數的變化也有學者開始研究。目前，葉綠素a濃度反演模型的精度不斷提高，但仍然有較大的發展空間。

2.3 黃色物質

有色可溶性有機物（Chromophoric Dissolved Organic Matter，簡稱CDOM），也稱黃色物質（Yellow Substance），是一類廣泛分布于自然水體中的溶解有機物，與懸浮物、浮游植物同屬于水色遙感的主要研究對象，其成分主要包含腐殖酸、富里酸和芳烴聚合物等物質[10]。有色溶解有機物是DOM（溶解有機物）的重要組成部分，是決定自然水體水色的主要溶解物質。唐軍武、王曉梅等采用統計算法，對中國近岸二類水體（黃東海水體）的水色遙感三要素進行反演，開啟了中國水質遙感的大門[11]。姜廣甲、馬榮華等為估算CDOM吸收占水體總吸收的比率，建立多元線性模型估算[aCDOM/a1]（421），并與MODIS影像的[aCDOM/a1]（421）進行對比，發現兩者相關性較好，并且浮游色素和懸浮物會對[aCDOM/a1]（412）遙感估算產生不可忽視的影響[12]。

萬文韜在實測數據的基礎上對鄱陽湖水域的黃色物質濃度進行遙感反演研究，采用單波段、波段比值和波段平均法建立反演模型，發現兩波段比值反演模型比單波段及波段平均值的反演模型的相關性更高[13]。陳軍、王保軍等在水質試驗數據的基礎上，使用分段映射反演算法，在Landsat/TM影像中以TM1波段反射率為遙感參數，提取了太湖CDOM濃度分布狀況，得到了比較好的結果[14]。馮龍慶在太湖CDOM遙感估算研究中利用MERIS數據，經單波段、一階微分和BP神經網絡模型三種不同CDOM反演方法精度分析，發現3種方法的精度為：BP神經網絡模型>單波段模型>一階微分模型[15]。

有色可溶性有機物（CDOM）濃度的反演大多集中在CDOM濃度低且空間分布均勻的海洋水體領域，而針對陸內水體的研究相對較少。湖泊范圍較小，易受到人類活動影響，污染物濃度變化較海洋快，要想更好地研究湖泊等二類水體，人們需要利用長時間持續的高分辨率遙感數據。野外測量與遙感影像之間的時間差異也是影響反演模型精度的重要因素。另外，水色遙感三要素之間的互相影響一直受到許多學者的關注，是人們發展反演CDOM濃度模型的方向。

2.4 總磷、總氮

水體中氮元素和磷元素的增加會導致水體富營養化。水體富營養化會嚴重破壞水體生態系統。因此，監測水體的總磷、總氮含量是非常重要的。

黃家柱、龔紹奇等人在實驗室利用清水模擬太湖的葉綠素、懸浮物等條件，測定不同濃度總氮、總磷水體的光譜，探索水體總氮、總磷與反射光譜特征的關系，建立總氮、總磷濃度的反演模型，為內陸湖泊、水庫和河流等大型水體水質遙感定量監測提供理論依據[16]。劉征、賀軍亮等在黃壁莊水庫通過計算單波段和一階微分水體光譜反射率與總氮、總磷之間的相關系數，確定總氮、總磷的敏感波段，并分別建立了總氮、總磷的遙感定量模型，結果表明，在595nm和873nm波段，反射率的一階微分均與總氮、總磷濃度有較好的相關性，為今后利用星載高光譜傳感器對內陸水體水質參數進行反演提供理論基礎[17]。

冼翠玲、張艷軍等以溫瑞塘河為對象，在高分辨率遙感數據和實測水質數據的基礎上，應用多元線性回歸模型和人工神經網絡模型，分別建立了總磷、總氮的遙感反演模型，經驗證，兩種反演模型都可以有效地監測溫瑞塘河水質狀況[18]。梁偉林、白金平等選取了龍泉湖作為研究對象，將高分一號實時遙感影像數據進行平均、歸一化以及一階微分處理，通過半分析法獲得水質反演所需的敏感波段或者波段組合，得出總磷、總氮的反演公式，準確地評價出龍泉湖水體所處的富營養級別[19]。

目前，對于總磷、總氮的研究相對較少。很多學者提出了建立在野外采樣數據和遙感數據基礎上的模型，這些研究針對某一水域具有良好的效果，但是還沒有學者提出適用范圍較廣的反演模型。研究區域已經從陸內水體發展到入?？谒w，值得積極探索。在以后的研究中，人們可以從以下幾個方面著手，發展總磷、總氮水質遙感。首先，深入研究總磷、總氮的光學特征，建立適用范圍更廣的反演模型。其次，在研究入?？诘人w的基礎上，應該加大力度。再次，要研究與水體高光譜遙感配套的大氣校正。

3 結論

近年來，人們針對水質遙感開展了大量值得肯定的研究，取得了輝煌的成就。尤其是針對陸內水體的懸浮物、葉綠素a、黃色物質、總磷、總氮等方面所做的研究，碩果累累。但是，水質遙感研究目前仍然存在不少問題，有待后來者進行研究。大多數學者采用實地采樣與遙感數據建立反演模型，兩類數據的同步性很難保證，使得數據可靠性大幅下降。另外，當前主要研究的是陸內水體，對入河口、排污口等水體的研究相對較少，這是今后值得研究的領域。大多數學者都利用半經驗方法建立遙感反演模型，地域局限性高，人們要探明各類水質參數的光譜特征，打破地域局限，將模型推廣開來。

參考文獻：

[1]祝令亞，王世新，周藝，等.應用MODIS影像估測太湖水體懸浮物濃度[J].水科學進展，2007（3）：444-450.

[2]孫德勇，李云梅，王橋，等.基于實測高光譜的太湖水體懸浮物濃度遙感估算研究[J].紅外與毫米波學報，2009（2）：124-128.

[3]呂恒，李新國，江南.基于反射光譜和模擬MERIS數據的太湖懸浮物遙感定量模型[J].湖泊科學，2005（2）：104-109.

[4]王代堃，國巧真.天津濱海新區地表水懸浮物濃度遙感反演研究[J].測繪科學，2016（5）：67-71.

[5]張毅博，張運林，査勇，等.基于Landsat 8影像估算新安江水庫總懸浮物濃度[J].環境科學，2015（1）：56-63.

[6]江輝.鄱陽湖葉綠素a濃度遙感定量模型研究[J].測繪科學，2012（6）：49-52.

[7]韓立妹，肖捷穎，王宇游，等.北方典型水庫型水源地水體葉綠素a含量遙感監測研究[J].中國生態農業學報，2012（9）：1243-1247.

[8]聞建光，肖青，楊一鵬，等.基于Hyperion數據的太湖水體葉綠素a濃度遙感估算[J].湖泊科學，2006（4）：327-336.

[9]呂恒，江南，羅瀲蔥.基于TM數據的太湖葉綠素a濃度定量反演[J].地理科學，2006（4）：472-476.

[10]周亞明.典型內陸水體有色可溶性有機物遙感反演[D].西安：西安科技大學，2015.

[11]唐軍武，王曉梅，汪小勇，等.中國近岸典型二類水體成分遙感反演統計模式[C]//第一屆環境遙感應用技術國際研討會 .2003.

[12]姜廣甲，馬榮華，段洪濤.太湖有色溶解有機物對水體總吸收貢獻的遙感估算[J].湖泊科學，2012（6）：914-922.

[13]萬文韜.鄱陽湖水域黃色物質的吸收特性及遙感反演研究[D].贛州：江西理工大學，2015.

[14]陳軍，王保軍，孫記紅，等.基于Landsat/TM影像提取太湖CDOM濃度空間分布[J].光譜學與光譜分析，2011（1）：34-38.

[15]馮龍慶.基于高光譜遙感的太湖水體藻藍素和CDOM濃度估算模型研究[D].南京：南京農業大學，2011.

[16]黃家柱.內陸水體總氮、總磷濃度高光譜遙感實驗研究[C]//.第十五屆全國遙感技術學術交流會.2005.

朱偉健.長江口及鄰近海域有色溶解有機物（CDOM）的光學特性和遙感反演的初步研究[D].上海：華東師范大學，2010.

[17]劉征，賀軍亮，彭林，等.黃壁莊水庫總氮、總磷含量與反射光譜特征的關系[J].石家莊學院學報，2009（3）：45-49.

[18]冼翠玲，張艷軍，張明琴，等.基于高分辨率多光譜影像的溫瑞塘河水質反演模型研究[J].中國農村水利水電，2017（3）：90-95.

[19]梁偉林，白金平，李玉霞，等.基于高分衛星數據的龍泉湖水質富營養化分析與評價[J].地質災害與環境保護，2016（2）：57-62.