基于遙感的官廳水庫水質監測研究

田 野, 郭子祺, 喬彥超, 雷 霞, 謝 飛

中國科學院遙感與數字地球研究所，遙感科學國家重點實驗室, 北京 100101

基于遙感的官廳水庫水質監測研究

田 野, 郭子祺*, 喬彥超, 雷 霞, 謝 飛

中國科學院遙感與數字地球研究所，遙感科學國家重點實驗室, 北京 100101

遙感監測具有監測面積廣、速度快、成本低等優勢，常用于大面積水質監測。以北京官廳水庫為研究對象，通過野外和實驗室測量數據建立水質參數遙感反演的生物光學模型，對夏季官廳水庫的非色素顆粒物濃度、葉綠素a濃度和有色可溶性有機物(CDOM)濃度進行了反演。該模型研究的目的就是通過建立反演模型，利用衛星數據進行水質參數反演，從而得到大面積水體的水質分布圖。采用CHRIS/Proba高光譜數據反演官廳水庫的水體組分濃度，對庫區水質反演要素的空間分布規律進行了分析。結果表明，所采用的遙感反演模型基本適用于官廳水庫水質監測，反演出的葉綠素a、總懸浮物和CDOM的空間分布與實際測量值的空間分布基本吻合。

遙感監測; 水質監測; 水質反演; 高光譜數據

水質監測是水質評價與水污染防治的主要依據。隨著水體污染問題的日益嚴重，對水污染的動態監測與評價已成為當務之急，但是傳統的水質監測方法檢測和分析過程復雜、周期長，數據的頻次、時效和代表性遠遠滯后于環境管理與決策的需求，特別是一些突發性、大范圍的環境質量變化不能被及時捕捉[1]。遙感技術以其獨特的優勢為水質監測和研究開辟了新的途徑，它克服了常規方法主觀性強、監測范圍小、長期趨勢分析困難的缺點，可以實現水質快速、大范圍、低成本、周期性動態監測，并可發現一些常規方法難以揭示的污染源和污染物的遷移特征，因此在內陸水質監測中開始發揮越來越大的作用[2]。目前國內外已經開展了多種利用遙感數據建立水質參數反演模型以監測海洋、近岸地帶以及內陸湖泊水質環境變化的研究[3]。André Morel等提出了一種簡單的估算葉綠素濃度與有色溶解物的波段比值法，認為R(412)/R(443)、R(490)/R(555)分別與CDOM、葉綠素濃度有著很好的相關關系[4]。楊煜等基于環境一號衛星高光譜遙感數據，利用基于生物光學模型的三波段模型對巢湖葉綠素a濃度進行了反演與填圖，達到平均相對誤差為33%的精度[5]。楊偉等提出了一種半分析模型優化的查找表法，從3種已有的辦分析模型計算結果中篩選最優解，結果表明該方法可達到平均歸一化偏差小于9%的精度[6- 7]。Glenn Campbell采用5種波段加權法求解生物光學模型，對澳大利亞的一些湖泊進行了水質參數反演，REF與DER加權方法均獲得了不錯的精度[8- 9]。

官廳水庫是海河流域五大支流之一永定河上的第一座大型水庫，曾經是北京市的主要供水水源之一。由于遭遇20世紀80年代后期的嚴重污染與90年代的進一步惡化，官廳水庫于1997年被迫退出了城市生活飲用水體系。針對飲用水體系水體的水質監測對于保障城市飲用水供應具有重要意義。本文以官廳水庫為研究區，基于高光譜遙感數據——CHRIS影像，利用水質采樣點實測光譜信息建立水質參數反演模型，對官廳水庫的水質空間分布情況進行反演，并對官廳水庫水質情況進行了分析。

1 方法和實驗

利用遙感技術反演水質參數主要有3種方法：經驗法、半經驗法及分析法[10]。經驗法通過研究水體光譜與各組分濃度之間的經驗關系建立反演模型，半經驗法在經驗法的基礎上結合了水體及其組分的特征光譜，分析法通過光在水體中的輻射傳輸過程建立嚴格的數學物理關系進行水質反演。前兩種方法具有明顯的地域性，可移植性差。分析法使用的生物光學模型具有明確的物理意義，對地面同步數據的依賴性較小，是水質參數反演、水環境監測方法的重要發展方向。本文采用分析法來反演官廳水庫水質參數。反演的水質參數包括葉綠素a濃度、非色素懸浮物濃度以及有色可溶性有機物(CDOM)吸收系數。

1.1 研究區域概況

圖1 數據采集點分布圖Fig.1 Sampling points distribution of Guanting Reservoir

作為研究區的官廳水庫地處北緯40°18′至40°26′，東經115°37′至115°51′，屬于中國重要水系之一的海河流域，建于1951年至1954年。其最主要的支流為河北懷來永定河。設計總庫容41.6億m3，水庫流域總面積4.34萬km2，控制流域面積47000km2，多年平均流量44.6秒立方。設計洪水流量11450秒立方，現總庫容21.9億m3，設計灌溉面積10萬hm2，裝機容量3.0萬千瓦。它是新中國成立之后的第一個大型水庫并在多個省市的防洪抗災、農業灌溉以及能源供應上都發揮了重要的作用。20世紀80年代后期，庫區受到嚴重污染，90年代水質繼續惡化，1997年被迫推出城市生活飲用水體系。其主要供水支流永定河的有機物污染是水庫水質污染的重要原因之一[11]。近年來，由于上游城市用水量的增大、地下水位降低過快，水土流失未有效控制與治理導致入庫水量減少水庫覆蓋面積隨之減少。據當地居民以及相關報道得知，水庫于夏季至秋季之間水質最為惡劣，并伴有濃烈腥味，因此本實驗野外數據采集選擇5月10日和8月11日。兩次試驗天氣條件均為晴朗，無風到微風，氣溶膠濃度較小。真實反映水庫整體水質，減少周圍環境干擾并避免遙感數據混合像元帶來的誤差，并考慮到水庫狹長的形狀，野外試驗的樣本點選為遠離水岸及水生植物茂密區域、靠近水庫中心的位置。由于兩次野外試驗間隔3個月，由于水草等水生植物泛濫，第二次野外試驗的選點區域有別于第一次試驗。第一次試驗從11:00到14:30共采集7個水樣，第二次試驗于11:00至15:00之間共采集18個水樣(圖1)。

1.2 表觀光學量建模與測量

1.2.1 表觀光學量建模

(1)

對于遙感反射率Rrs可由公式2計算得到

(2)

(3)

1.2.2 表觀光學量測量與計算

本文采用ASD (Analytical Spectral Devices) 進行水表光譜測量，各試驗點采集的水樣在實驗室進行固有光學量以及水體組分濃度的測量。ASD光譜儀測量范圍從350nm到2500nm，覆蓋可見光、近紅外以及短波紅外，光譜分辨率為1nm。由于水體對800nm之后的輻射具有強烈的吸收作用，水色遙感中僅采用低于800nm的波段。

為獲得更為真實的水表光譜，在進行測量時需要遵循合理的觀測幾何。由于觀測天頂角從0°到40°之間變化時，離水幅亮度Lw變化幅度很小[12]，而觀測方位角處于40°到135°之間可以在避免儀器陰影時盡量較少太陽耀斑的影響。因此觀測幾何可設計為圖2所示，其中，觀測天頂角為40°，觀測方位角為135°。

圖2 水面光場觀測幾何Fig.2 Above the water surface observation geometry

圖3 遙感反射率Rrs計算結果Fig.3 The results of Rrs

上行輻照度Ewu和上行輻亮度Lwu的比值Q需要進行合理的給定。至今，Q的計算方法主要有兩種：直接賦予常數4或者Pi以及Gons于1999年提出的經驗公式[13]：

(4)

理論上，Q值通常在0.3與6.5之間。對于渾濁水體常在3和4之間，對于湖泊和水庫類水體中Q值處于3.3左右。本次試驗中，采用該經驗公式用于確定Q值，從而盡量避免由于Q取常數所帶來的誤差。根據實測光譜數據，Rrs和Fdif可以由式3和Fdif=Edif/Ead計算得到，由時間和位置信息，則可以計算太陽天頂角，進而根據菲涅爾公式計算氣水界面反射率，對于其它未知參數，也同樣參照有關文獻，取ρdif=0.066，n=1.333，w=0.5(圖4)。

從圖4可以看到，由5月10日和8月11日兩次實驗計算得到的Q值分別接近3和4，這是由于不同的大氣條件等因素導致的。從400nm到750nm，對于同一試驗點，Q的取值隨波長變化保持穩定，因此，用不同的常數去擬合不同試驗點的Q值。

1.3 固有光學量建模與測量

1.3.1 固有光學量建模

(5)

圖4 Q值計算結果Fig.4 The results of Q

圖5 R(0-)計算結果Fig.5 The results of R(0-)

圖6 f值結果Fig.6 The results of f

對本研究區域水體而言，其中吸收系數a(λ)可以由式6計算得到：

a(λ)=aw(λ)+aCDOM(λ)+at(λ)+aph(λ)

(6)

式中，aw(λ)，aCDOM(λ)，at(λ)和aph(λ)分別為純水，CDOM，非色素懸浮物和浮游植物的吸收系數。

總后向散射系數可以由下式計算得到：

bb(λ)=bbw(λ)+bbt(λ)+bbph(λ)=bbw(λ)+bbp(λ)

(7)

式中，bbw(λ)，bbt(λ)，bbph(λ)和bbp(λ)分別為純水，非色素懸浮物，浮游植物和總懸浮物的后向散射系數。CDOM的后向散射系數可以忽略，而非色素懸浮物和浮游植物的后向散射系數由于實驗條件的限制，并沒有分別處理，而是引入總懸浮物后向散射系數進行代替。

式6和式7中，aw(λ)和bbw(λ)為已知參數[15- 16]，其余參數需要進行實驗室測量。

這里需要引入單位固有光學量來建立固有光學量和水質參數的聯系。單位固有光學量為各固有光學量與對應水體組分濃度之間的比值：

(8)

由于CDOM沒有濃度的概念，定義其單位吸收系數為：

(9)

式中，λ0常取440nm。

由此，式可寫作：

(10)

由式9和式10，各目標水質參數即可反演得到。

1.3.2 固有光學量測量和數據預處理

本次研究采用的是實驗室測量固有光學量。本次研究的實驗室測量目標主要有4個：c總光束衰減系數；aCDOMCDOM吸收系數；ap總懸浮物吸收系數；at非色素顆粒物吸收系數。本次試驗采用的是PerkinElmer Lambda 950 進行吸收系數和衰減系數的測量。其測量光譜為175—3300nm，光譜分辨率為1nm。各參數測量方法和預處理過程均參照NASA提出的海洋光學規范。測量結果見圖7,圖8。

圖7 非色素懸浮物、浮游植物、CDOM和純水的吸收系數測量結果Fig.7 Measured absorption coefficients of inorganic suspend sediment, phytoplankton, CDOM and pure waterat：非色素顆粒物吸收系數absorption of tripton;aph：葉綠素吸收系數absorption of chla;aCDOM：黃色物質吸收系數absorption of CDOM;aw：純水吸收系數absorption of water

圖8 各組分單位固有光學量測量結果Fig.8 Estimated SIOPs of each componentaph:單位葉綠素a吸收系數unit absorption of tripton;at:單位非色素顆粒物吸收系數unit absorption of chla;bbp:單位顆粒物后向散射系數unit backscattering of suspended matters;aCDOM:單位黃色物質吸收系數unit absorption of CDOM

圖9 CChla、Ctripton和aCDOM(440nm)的相對誤差計算結果Fig.9 The relative error of CChla、Ctripton and aCDOM(440nm)RE(CChla)：葉綠素濃度反演相對誤差relative error of chla concentration;RE(Ctripton)：非色素顆粒物濃度反演相對誤差relative error of suspended matter concentration;RE(aCDOM(440))：黃色物質440 nm除吸收系數反演相對誤差relative error of CDOM(440nm) concentration

1.4 留一法交叉驗證

為了驗證求解出來的單位固有光學量是否具有較好的代表性和適用性，這里引入了留一法交叉驗證(LOOCV)進行論證。留一法交叉驗證已經被證明能夠有效評價統計模型的歸納性特征，并且其結果是幾乎無偏的[17]。其算法可以簡單描述為：從N個樣本中取出一個樣本后，用剩下的N-1個樣本來設計預測模型，然后用取出的樣本作檢驗。這樣重復N此，檢驗N次，并統計平均預測偏差。其優點是有效的利用了N個樣本，比較適用于樣本數N較小的情況。

通過留一法交叉驗證計算得到的葉綠素a濃度、非色素懸浮物濃度和aCDOM(440nm)的均方根誤差為2.5166、2.4501、0.2036，相對誤差RE為0.1075、0.2394、0.1723。其總體平均相對誤差為17.31%(圖9)，結果比較理想，因此，計算得到的單位固有光學量是值得信賴的。

1.5 矩陣反演法

眾多學者已經證明矩陣反演法可用于二類水體水質反演[18- 20]。R(0-)可以分別由表觀光學量和固有光學量計算得到，因此，其關系可被寫作矩陣形式：

(11)

或者：Y=Ax

式中，n為波段數，A是n×3的矩陣。

為求解上式，本文采用最小二乘法求解上式，即保證：

(12)

由此，即可計算出各水質參數，完成反演。

2 反演與結果

2.1 反演結果

反演過程建立好之后，需要選擇合適的波段進行水質反演，特別是對于輕度污染的水體。圖10為全波段(400—750)和五波段模型(450,585,677,696,734)反演結果的比較。

圖10 各樣本水體組分濃度與模型反演濃度對比Fig.10 Comparison of the derived concentration versus the estimated concentration

為評價其反演精度，這里引入均方根誤差RMSE和相對誤差RE：

(13)

(14)

式中，n為水質反演所采用的波段數，xr和xm分別為各水體組分濃度反演結果和實驗室測量結果。

如圖10和表1，本次研究采用了全波段、五波段和四波段模型分別進行了反演精度比較。總體來說，3種模型的平均反演精度(平均相對誤差)在20%以內。因此，針對低污染二類水體的水質參數反演是可行的。

表1 各水體組分反演結果均方根誤差和相對誤差Table 1 The inversion results of RMSE and RE

2.2 水質反演填圖

本次試驗選擇了CHRIS高光譜數據進行各水體組分空間分布的定性研究(圖11)。

圖11 葉綠素a濃度、非色素懸浮物濃度以及aCDOM(440) 的空間分布圖Fig.11 Chl-a, tripton and aCDOM(440) concentration distribution

由圖11可以看出，葉綠素a的濃度在水庫中上游地區濃度較低，而在永定河入口以及下游區域葉綠素濃度較高。中上游地區處于水生植物比較茂盛的區域，由于水生植物進行光合作用使得水體中的二氧化碳濃度大大降低，不適合同樣需要吸收二氧化碳進行光合作用的浮游植物的生存，因此該區域內水體中葉綠素a濃度比較低。在入口處，由于水體流動性比較大，其葉綠素a的含量由支流流域水質決定。下游處，由于河床較低、湖水較深，即使水底生長了大量的水生植物(一般情況下沒有水生植物)，接受到的太陽光也比較稀薄，光合作用比較微弱，使得水表水體中的二氧化碳濃度比較高，適于浮游植物的繁殖。兩次實地采集的野外數據也很好的支持了這種分布的合理性。懸浮物濃度也有類似的分布，原因同樣是因為中上游地區生長的大量水生植物，而由于植物對水體中的懸浮物具有一定的吸附作用，從而降低了水體中懸浮物的含量；黃色物質CDOM濃度的分布則有別于葉綠素a和懸浮物濃度。在中上游地區，由于水生植物的腐爛、水生養殖業導致的動物尸體腐爛等，造成該區域CDOM的濃度偏高，而其他水域則相對較低。

3 討論與結論

根據遙感反演水體組分分布結果，分布圖合理的體現了官廳水庫葉綠素a、總懸浮物和CDOM的空間分布，也說明了本次研究的生物光學模型適用于官廳水庫水質監測。然而，由于內陸水色遙感缺少有效(適用于內陸水色遙感的波段)、周期穩定的衛星數據，很難做到衛星與地面同步觀測，并且由于水體信息微弱，受環境因素及大氣影響較大，而目前又缺乏行之有效的周邊環境、大氣影響剔除方法，因此水質參數遙感反演的精度評價一直是個難點。結合該模型的無線傳感器技術的引入將有可能解決現階段的數據缺乏、定量精度較低的問題。

[1] 李俊生. 高光譜遙感反演內陸水質參數分析方法研究-以太湖為例 [D]. 北京:中國科學院研究生院. 2007.

[2] 齊峰, 王學軍. 內陸水體水質監測與評價中的遙感應用. 環境科學進展, 1999, 7(3): 90- 99.

[3] Chen X L, Li Y S, Liu Z G, Yin K D, Li Z L, Wai O W, King B. Integration of multi-source data for water quality classification in the Pearl River estuary and its adjacent coastal waters of Hong Kong. Continental Shelf Research, 2004, 24(16): 1827- 1843.

[4] Morel A, Gentili B. A simple band ratio technique to quantify the colored dissolved and detrital organic material from ocean color remotely sensed data. Remote Sensing of Environment, 2009, 113(5): 998- 1011.

[5] 楊煜, 李云梅, 王橋, 王彥飛, 金鑫, 尹斌, 張紅. 基于環境一號衛星高光譜遙感數據的巢湖水體葉綠素a濃度反演. 湖泊科學, 2010, 22(4): 495- 503.

[6] 楊偉, 松下文經, 陳晉. 基于水體反射光譜和組分濃度的固有光學特性反演算法. 湖泊科學, 2009, 21(2): 207- 214.

[7] 楊偉, 陳晉, 松下文經. 基于生物光學模型的水體葉綠素濃度反演算法. 光譜學與光譜分析, 2009, 29(1): 38- 42.

[8] Campbell G, Phinn S R, Dekker A G, Brando V E. Remote sensing of water quality in an Australian tropical freshwater impoundment using matrix inversion and MERIS images. Remote Sensing of Environment, 2011, 115(9): 2402- 2414.

[9] Campbell G, Phinn S R. An assessment of the accuracy and precision of water quality parameters retrieved with the Matrix Inversion Method. Limnology and Oceanography: Methods, 2010, 8: 16- 29.

[10] Dekker A G. Detection of Optical Water Quality Parameters for Eutrophic Waters by High Resolution Remote Sensing [D]. Amsterdam, Netherlands: Vrije University, 1993: 1- 240.

[11] 袁博宇. 官廳水庫水質現狀及趨勢分析. 北京水利, 2000, (5): 29- 31.

[12] Mueller J L, Fargion G S, McClain C R, Pegau S, Zaneveld J R, Mitchell B G, Mueller J L, Kahru M, Wieland J, Stramska M. Inherent Optical Properties: Instruments, Characterization, Field Measurements and Data Analysis Protocols. Ocean optics protocols for satellite ocean color sensor validation, NASA, 2003, Revision 4, Volume VI.

[13] Gons H J. Optical teledetection of chlorophyll a in turbid inland waters. Environment Science & Technology, 1999, 33(7): 1127- 1132.

[14] Walker R E. Marine Light Field Statistics. Wiley Series in Pure and Applied Optics. New York: Wiley, 1994.

[15] Pope R M, Fry E S. Absorption spectrum (380—700 nm) of pure water. II. Integrating cavity measurements. Applied Optics, 1997, 36(33): 8710- 8723.

[16] Buiteveld H, Hakvoort J H M, Donze M. Optical properties of pure water. Ocean Optics XII, SPIE, 1994, 2258: 174- 183.

[17] Cawley G C, Talbot N L C. Fast exact leave-one-out cross-validation of sparse least-squares support vector machines. Neural Networks, 2004, 17(10): 1467- 1475.

[18] Hoogenboom H J, Dekker A G, De Haan J F. Retrieval of chlorophyll and suspended matter in inland waters from CASI data by matrix inversion. Canadian Journal of Remote Sensing, 1998, 24(2): 144- 152.

[19] Kallio K, Kutser T, Hannonen T, Koponen S, Pulliainen J, Veps?l?inen J, Pyh?lahti T. Retrieval of water quality from airborne imaging spectrometry of various lake types in different seasons. Science of the Total Environment, 2001, 268(1/3): 59- 77.

[20] Hakvoort H, de Haan J, Jordans R, Vos R, Peters S, Rijkeboer M. Towards airborne remote sensing of water quality in The Netherlands-validation and error analysis. ISPRS Journal of Photogrammetry and Remote Sensing, 2002, 57(3): 171- 183.

Remote sensing of water quality monitoring in Guanting Reservoir

TIAN Ye, GUO Ziqi*, QIAO Yanchao, LEI Xia, XIE Fei

StateKeyLaboratoryofRemoteSensingScience,InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofScineces,Beijing100101,China

Because of the advantages of rapidness, wide coverage, low cost, and dynamic monitoring over a long period of time, remote sensing has been widely used for water quality monitoring in recent decades．However, monitoring inland water quality by remote sensing is far behind ocean color remote sensing in both development of remote sensors and monitoring approaches. The development of hyperspectral remote sensing technique has brought much more new possibilities to inland water quality remote sensing. In this study, Guanting Reservoir, which lies between Zhangjiakou (HeBei) and Beijing and once upon a time was one of Beijing′s drinking water sources, is selected to be the research area. In-situ hyper-spectral measurements were conducted by using the ASD FieldSpec Pro FR spectroradiometer at 7 different points in Guanting Reservoir in May and at other 18 different points in August. Water samples were also simultaneously collected for laboratory analyses. Sample site position information was recorded via portable GPS and chlorophyll-a concentration of the water samples were measured in laboratory by Lambda950 spectraphotometric. The data indicates that Guanting Reservoir water′s chlorophyll-a concentration and tripton concentration was low. With the data obtained in situ and in the laboratory, the bio-optical model was built to retrieve the concentrations of tripton, chlorophyll-a and colored dissolve organic matter (CDOM) of summer Guanting water. The retrieve results shows that all-bands matrix inversion method gained the best accuracy, then was five-bands method. Four-bands method got the worst accuracy. Then combining with the aerospace hyper-spectral data CHRIS/Proba, the water quality parameters at the whole reservoir was obtained and spatial analysis was conducted at last. Upstream region of chlorophyll a concentration were less than the downstream region and the Yongding River entrance in the reservoir. Aquatic plants in the upstream area was relatively lush area, because aquatic plants for photosynthesis so greatly reduce the concentration of carbon dioxide in water was not suitable also need to absorb carbon dioxide for photosynthesis of phytoplankton to survive, so chlorophyll a concentration in the region relatively low. The tripton concentration had similar distribution. The colored dissolve organic matter (CDOM) concentration distribution was different from them. In the upstream areas, due to the decay of aquatic plants, aquatic farming causes rotting animal carcasses, resulting in high concentrations of CDOM in the region, while other waters is relatively low. Distribution could reflect the reasonable Guanting Reservoir chlorophyll-a concentration, tripton concentration and CDOM concentration distribution, the study also shows that the bio-optical model is applicable to Guanting Reservoir water quality monitoring.The method proposed in this work had potential applications in environmental management for improved chlorophyll-a concentration monitoring efficiency in large-scale water bodies. It was also applicable in policy/decision makings needed for early warning and prevention of water eutrophication and the management of water contamination. However, due to the lack of effective and stable satellite data, it is difficult to achieve simultaneous observation satellites and ground, and because the water information is weak, affected by environmental factors and the atmosphere is large, so the water quality parameter remote sensing accuracy assessment is always difficult.

remote sensing; water quality monitoring; water quality retrieval; hyper-spectral data

國家自然科學基金資助項目(41240005)

2013- 06- 07;

日期:2014- 05- 08

10.5846/stxb201306071407

*通訊作者Corresponding author.E-mail: Guoziqi@irsa.ac.cn

田野, 郭子祺, 喬彥超, 雷霞, 謝飛.基于遙感的官廳水庫水質監測研究.生態學報,2015,35(7):2217- 2226.

Tian Y, Guo Z Q, Qiao Y C, Lei X, Xie F.Remote sensing of water quality monitoring in Guanting Reservoir.Acta Ecologica Sinica,2015,35(7):2217- 2226.