環境衛星遙感反演在水源地水質應急監測預警中的精度探討及修正方法研究

巴 諾

(遼寧省本溪水文局，遼寧 本溪 117000)

1 概述

水源地水質環境狀況是當前社會關注的熱點和焦點。水環境監測是保障水源地水環境狀況的重要措施。近些年來，水源地水質狀況頻發，特別是富營養化影響下的水源地“水華”現成呈現多發、頻發的態勢，急需要對水源地環境狀況進行有效的應急監測和預警。目前，對于水源地的應急監測主要通過采集水樣，通過及時測定水樣數據來對水質狀況進行監測，這種方式的優點在于測定數據精度較高，缺點在于很難對水源地水質狀況進行全覆蓋監測，存在以點代面的局限，此外很難實現水質預警，因而很難實現對水源地水環境狀況的提前保護。當前，環境衛星遙感數據逐步在水環境監測中得到應用，但是由于環境衛星遙感數據的精度和時效性，其中水源地水質應急監測預警中應用還較少，為此本文以遼寧東部某水源地為研究實例，結合7期環境衛星遙感數據，分析其在水源地應急監測的預警精度，并通過建立回歸方程對反演指標進行修正。研究成果對于水源地應急遙感監測、預警具有重要的參考價值。

2 環境衛星遙感影像研究方法

2.1 數據獲取方法

為保障水環境應急監測對數據的時效性和精度的需求，當前應用較為廣泛的環境衛星遙感數據主要有8個，具體見表1。這些衛星遙感數據為水質應急監測提供了較好的數據支撐。本文選擇HJ-1A/1B環境衛星數據作為分析數據，該數據的下載平臺見參考文獻[16]，該環境衛星包含藍、綠、紅和近紅外共4個波段，空間分辨率可達30m。本文還應用Landsat8 OLI遙感影像作為基本影響數據，對環境衛星遙感數據進行幾何修正處理。為保證遙感影響數據的同步性，選擇環境衛星遙感過境時間為2天的數據作為研究數據。

表1 常用的環境衛星遙感數據

2.2 數據預處理方法

(1)輻射定標

由于不同衛星傳感器對反演物體波段的響應效果不同，使得相同輸入項后得到不同的輸出值，使得遙感圖像上出現條紋現象，因此需要對這種影響進行輻射定標的處理，輻射定標系數的計算方程為：

L=DN/A+L0

(1)

式中，L0—偏移量，mm；A—定標的增益系數。

各遙感數據輻射定標系數見表2。

表2 常用環境遙感衛星不同參量的輻射定標系數

(2)幾何校正

由于遙感器的狀態以及運行速度會使得遙感影像數據發生不同程度的形變，使得遙感影像數據出現不同程度的幾何變形，幾何校正是遙感影像數據預處理的重要環節。本文應用Landsat8 OLI作為基準影像數據進行幾何校正。

(3)大氣校正

由于大氣散射所引起的地表反射率影像使得遙感圖像中出現相應的誤差，為消除這類誤差，需要對獲取的遙感影響數據進行大氣校正。大氣校正需要輸入的主要參數包括圖像中心經緯度、傳感器飛行高度、圖像區域平均海拔、圖像像素大小、傳感器種類、溶膠反演方法、氣溶膠模型、成像時間等。

2.3 水質反演原理

通過計算環境衛星遙感數據中各波段總的輻射亮度值來計算各水質指標的反演值，計算方程為：

Lt=LP+LS+LV+Lb

(2)

式中，LP—水體表面下太陽光和天空輻射；Ls—水體表層輻射；Lv—達到水體表層的太陽輻射以及水體中有機物和無機物與水體相互作用的輻射；Lb—水體底部反射的太陽光輻射。

由于水體中不同物質成分受到水體吸收和散射的影響，不同水體有機或者無機物質在一定波段內的反射率不同，結合該反射率是推求水源地水質各指標的重要基礎。

2.4 水質綜合預警原理

結合環境衛星遙感影像數據，對各水質指標進行綜合反演，計算不同指標的綜合指數，再綜合各水質指標數進行加權，得到綜合預警指標值，綜合預警指數方程為：

(3)

其中各指標權重計算方程為：

(4)

式中，TLI(∑)—綜合預警值；Wj—各綜合指標的權重值；TLI(j)—各反演水質指標修正值；m—評價指標個數；rij—各指標相關系數。

3 研究實例

3.1 水源地概況及水樣監測點分布

以遼寧東部某水源地作為研究實例，該水源地為城市居民生活飲用水重要的水源地，每年的城市生活飲用水供水量為1.3億m3，水源地控制的面積為2795km2，庫區降水主要來源于夏季，庫區以上多年平均降水量為700～900mm，多年平均來水量為11.3×108m3，有效調節庫容為2.35億m3。近些年來，水源地加大水環境保護，水環境狀況得到逐步改善，為有效監測水源地水質狀況，在水源地庫區內布設6個水樣監測點。

3.2 數據預處理

結合前面敘述的遙感影像獲取數據，采用輻射定標系數方法、幾何校正、大氣校正方法對遙感影像數據進行預處理，其中選用的遙感影像數據輻射定標系數見表3，大氣校正所輸入的參數見表4。

表3 選用的遙感影像數據的輻射定標系數

表4 遙感影像數據大氣校正輸入的參數

3.3 波段組合的選擇

水質指標反演精度主要取決于選擇的波段，波段敏感程度對水質監測十分重要，HJ1A-CCD衛星遙感數據共包含4個波段，結合Pearson相關分析法對各波段及波段組合及相對應的水質指標的相關性進行統計分析，分析結果見表5。

表5 各波段及波段組合與相對應的水質指標的相關性檢驗結果

注：**表示為在0.01水平(雙側)上顯著相關；*表示為在0.05水平(雙側)上顯著相關。

從相關性統計分析結果可看出，組合波段與水質指標的相關度均高于單一波段下的相關系數。因此一般選用與水質指標相關度較高的波段組合作為反演模型。從表中可看出，葉綠素的濃度與波段組合B2-B1的相關度最高，相關度為0.616，且通過雙側0.01水平的相關顯著性檢驗。而與透明度相關性最高的組合波段為(B1+B2)/(B3+B4)，其相關系數為0.413，也通過雙側0.01水平的相關顯著性檢驗。懸浮物與B2-B1的波段組合相關系數最大，相關度為0.635，通過雙側0.05水平的相關顯著性檢驗。對于富營養指數而言，其相關度最高的波段組合為(B1+B2)/(B3+B4)，相關系數為-0.325，相關性通過雙側0.01水平的相關顯著性檢驗。從波段分析結果還可看出，水體污染物指標濃度越大，其波段反射率越大，通過波段組合優先分析，波段反射率在460～750nm適合于葉綠素、懸浮物、透明度以及富營養化指數的反演計算。

3.4 波段反演回歸方程的建立

在波段組合相關性分析的基礎上，確定了各反演水質指標的最優波段，結合所選取的環境衛星遙感數據，提取各最優波段的反射率數據，通過反演方程計算各組合波段的反演值，作為自變量x，各水質反演指標作為應變量y，建立各水質指標的回歸方程，見表6，回歸方程建立的依據如圖1所示。

表6 各水質指標反演回歸方程的建立結果

以葉綠素波段組合下反射率值為其回歸方程的自變量，以其水質指標測定值為其應變量，建立葉綠素的反演回歸方程，從其建立的回歸方程可看出，較好的擬合了中、下部區域的散點，相關系數為0.6167，相關度較高，可以應用該回歸方程來建立遙感模型，對水源地葉綠素指標進行反演。建立懸浮物最優波段組合下反射率下的回歸方程，從圖1中可看出，其建立的回歸方程較好的擬合了中下部散點數據，相關系數達到0.5226，也可用來進行水源地懸浮物的遙感反演計算。從透明度的反演值可看出，以透明度組合波段下反射率和透明度測定值建立的回歸方程的系數可達到0.5139，可用來進行透明度的反演計算。從富營養化指數的反演回歸方程可看出，其相關系數達到0.4965，相關系數在各指標中最低，主要是因為富營養化指數為綜合指數，其波段組合反射率影響因素較多，因此其建立的回歸方程相關系數較低，但從圖1中可看出，其回歸方程的相關線較好的擬合了其散點，可用來進行富營養指數的反演計算。

圖1 各水質指標的波段組合值與反演值的回歸方程

3.5 反演修正后的精度對比分析

結合建立的反演回歸方程，構建水源地各水質指標遙感監測模型，對不同指標進行反演計算，并結合各采樣點實測的水質監測值，對比分析修正前后的反演計算誤差，分析結果見表7—10。

表7 葉綠素指標修正前后的反演誤差對比結果

表8 懸浮物指標修正前后的反演誤差對比結果

表10 富營養化指數修正前后的反演誤差對比結果 單位：%

從表7—10中可看出，修正前后水源地葉綠素反演誤差得到較為明顯的改善，修正前期反演誤差在40.41%～43.03%之間，而通過建立的回歸方程進行修正后，其葉綠素的反演誤差在21.09%～23.88%之間，相比于修正前，誤差降低22.7%，而從懸浮物的反演誤差對比結果可看出，修正前其誤差在±40%以上，而采用建立的回歸方程進行修正后，其懸浮物的反演誤差在±25%以內，反演精度得到有效提高。從透明度修正前后的反演誤差可看出，修正前其反演誤差最高值為48.15%，而同一個采樣點，其誤差降低到22.22%，可見通過建立回歸方程對其反演進行修正，可有效降低水源地水質指標的反演誤差。

3.6 各水質指標空間反演結果

在反演修正的基礎上，結合環境衛星遙感數據對不同指標同一期數據進行空間反演，反演結果如圖2所示。

從圖2中可看出，各水質指標反演空間值總體呈現從上游～下游逐步遞減的變化，污染物濃度較高的區域主要位于其上游段，這主要是因為受到上游來水的影響，上游降雨徑流中的攜帶的污染物進行水源地，使得其上游污染物濃度偏高，而下游受到生態前置庫的影響，下游水體污染物濃度得到控制。從葉綠素濃度空間分布可看出，45.0～60.0ug/L的區域比例占總面積比例為8.5%，均位于水源地上游，而0.5～1.0ug/L區域占總面積比例為45.2%，位于水庫的下游主要水源區。從懸浮物的空間分析結果可看出，懸浮物濃度在200～230mg/l的比例為15.7%，也主要位于水源地上游段。從透明度分析結果可看出，透明度和懸浮物的空間反演分布較為一致，但中等指標面積比例較懸浮物比例有所減少。從富營養化指數可看出，由于其實葉綠素、透明度、懸浮物的綜合指數構建，因此其反演空間變化是其他幾個指標的綜合反演，因此空間分布具有一定的相似性，從分布值可看出，富營養指數在60%～70%之間的比例為14.1%。

3.7 水質綜合預警研究

由于當前環境衛星遙感數據的時效性得到顯著提高，可以結合衛星遙感數據對水源地進行多指標的綜合預警，本文構建了綜合預警的指標等級，見表11，并結合實例對水源地進行綜合預警，結果見表12。

圖2 各水質指標空間反演結果

表11 水源地水質綜合分級預警值

表12 水源地水質綜合預警結果

從表11中可看出，主要分為5個等級，不同等級對應其相應的預警指數，通過環境衛星遙感數據，可提取逐月不同水質指標對應的組合波段的反射率，通過構建的回歸方程對各指標進行反演修正，得到不同指標的反演濃度，通過設定權重，結合綜合預警指數計算方法，對其綜合預警指數進行計算，實現不同程度的預警，表12為研究水源地綜合預警的一個實例，結合水源地2017年9月到2018年10月的環境衛星遙感數據，通過組合波段反射率的選取，計算其預警指數，并結合表11確定不同月份的預警等級，該水質預警可有效實現水源地水環境的生態保護。

4 結語

(1)水體污染物指標濃度越大，其波段反射率越大，通過波段組合優先分析，波段反射率在460～750nm適合于葉綠素、懸浮物、透明度以及富營養化指數的反演計算。

(2)結合環境衛星遙感數據可實現區域全覆蓋應急反演監測，解決傳統監測方法以點代面的局限，可在水源地水生態監測中得到推廣和應用。

(3)基于衛星反演數據建立的綜合預警方案，可實現水源地動態預警，具體應用中可結合水源地實際情況對預警等級及指標權重進行調整。

(4)本文只針對水源地主要4個影響指標反演精度進行探討，其他指標比如重金屬、水溫還需要以后進行深入研究。