生態環境智慧監測系統設計與實現

摘要：生態環境監測對象繁多，監管體量龐大，本文以長江南京段為例，構建了一套以生態環境保護為目標，以多元監測、數據融合、智慧分析為手段，為區域整體規劃、建設、管理提供決策支撐的生態環境智慧監測系統。實際應用表明，該平臺能夠在地理空間全面感知的基礎上為生態環境整體評估、污染定位提供支持，在生態要素綜合分析的基礎上為污染成因分析、精準治理提供依據，使區域生態環境監管更加科學、高效。

關鍵詞：生態環境監測;智慧感知;監測系統

Abstract：Ecological environment monitoring involved a large number of objects.In this paper， we developed an ecological environment perception platform for the Yangtze River （Nanjing setion） with the method of multiple monitoring， data fusion and intelligent analysis.This platform was aimed to provide decision support for regional overall planning，construction and management.The practical application showed that the platform can provide support for the overall assessment of ecological environment and pollution positioning based on the comprehensive perception of geographical space，provide basis for the analysis of pollution causes and precise treatment based on the comprehensive analysis of ecological elements.Furthermore，it made the regional ecological environment supervision more scientific and efficient.

Key words：Ecological environment monitoring;Intelligent perception;Monitoring system

長江南京段生態環境監測對象繁多，監管體量龐大，其干流和洲島岸線全長280.82 km，水域面積201 km2，洲島面積113.7 km2，沿江還有28條入江河道，7個城市污水處理廠和8個飲用水源地。傳統人工、自動站等點位監測方法受成本限制，其監測區域和監管對象都比較有限。衛星具有大面積同步觀測的特點，一次成像即可對區域內水質、地物要素進行全覆蓋式評估（Hou， et al. 2017; Metthew， et al. 2012; Sioris， et al. 2017）;無人機可獲取地面厘米級光譜影像，具有更高分辨率和靈活性，適合點位取證或更精細的目標觀測;億像素、彩色夜視、視頻光譜、物聯網站新型傳感技術的發展，拓展了地面觀測在空間、時間、光譜維度的感知能力?；谶@些先進監測手段，結合信息化、智慧化管理方式能夠使監測、分析、共享更加系統和高效（馬培華等人，2018;汪洋等人，2008）。

本文綜合運用衛星、無人機、先進視頻監控、物聯網傳感等技術，設計并開發長江生態環境智慧監測系統，通過生態環境整體評估、污染定位和成因分析為區域整體規劃、建設、管理提供決策支撐。

1 系統設計

長江南京段生態環境智慧感知平臺的總體架構由多源感知層、數據管理層、數據分析層和應用交互層四個部分組成。多源感知層為生態環境監管提供天空地一體化的監測數據，具體包括衛星影像數據、無人機航拍影像、地面視頻監控和水質監測數據。衛星影像覆蓋整個長江南京段，通過高分一號衛星獲取;無人機影像覆蓋南北岸線，具有厘米級分辨率，可進行更加精細的地面檢測;視頻監控包括彩色夜視監控、億像素監控和中紅外氣體泄漏成像，可在傳統視頻監控基礎上增強時間、空間、光譜分辨能力。物理網監測站沿7條省控入江河道布設，一是實時感知水質變化，二是為衛星反演提供數據定標。數據管理層以生態保護為目標匯集所有相關要素，并按照一定標準存儲管理，用戶只需一個出口即可獲取所需要素，避免了傳統環境數據協調過程中常面臨的權屬復雜、途徑不明、數據缺失、數據不一致等問題。數據分析層是系統的核心部分，通過圖像解譯、光譜分析、數據融合等方法分析、提取生態環境監管所需信息，主要包括以下核心功能：水質參數反演、岸線識別分類、水事行為監控、生物多樣性觀測、排口識別與監管等;應用層則是提供具體功能服務的應用程序，能為用戶提供直接接觸和交互的操作環境。

2 技術方法

2.1 影像資料采集

為全面摸清長江南京段地理現狀，平臺按月獲取高分一號衛星影像和無人機正射影像。衛星影像覆蓋整個區域，已經過輻射校正、幾何校正，空間分辨率2～8m。無人機航拍高度400m，空間分辨率0.05m，覆蓋區域為南北岸線往水域方向延伸100m、往陸地方向延伸400m的空間范圍。無人機航拍后采用Pix4D對影像進行空三加密和正射校正，最終制作輸出南北岸線共計100km2的無人機正射影像。

2.2 水質參數反演

光譜是遙感衛星可獲取的典型地物特征，不同水體組成對光的吸收、散射特征不同，進而造成反射率差異（Wang， et al. 2015），構建水體光譜與水質參數的關系模型，即可從衛星影像反演整個流域的水質分布圖。常用的模型方法中，經驗和半經驗模型通過對采樣數據的統計分析來建模，這種方法操作簡單，但易受采樣時間、地點等因素的影響;生物光學模型根據輻射傳輸理論建模，可解釋性強，但模型的假設和參數取值復雜，外推結果較差（付宇等人，2010）;深度學習通過海量樣本尋找數據的內在規律，穩定性強，可應用于遙感定性識別和定量估算（王建平等人，2003）。因此，本文選用深度學習方法構建多指標反演模型，按月輸出水質分布數據，具體包括高錳酸鹽、氨氮、總磷、總氮、溶解氧、濁度、pH和葉綠素濃度等。

2.3 地物識別分類

在地物分類方面，除光譜特征外，影像上可直接獲取的還有不同地物的顏色、形狀、紋理特征。這類特征能夠通過模式識別的方法提取出來（歐健濱等人，2019）。監督學習、非監督學習是機器學習的一種，兩者分別通過訓練樣本標記和相似性對地物進行分類。本文利用監督分類、非監督分類及模式識別等方法，參照《GB/T21010-2017 土地利用現狀分類》解譯標準，將南北岸線向外延伸1 km范圍內的用地劃分為草地、耕地、林地、園地、工礦倉儲用地、交通運輸用地、商服用地、住宅用地、公共管理與公共服務用地、水域及水利設施用地、特殊用地和其他土地等12種用地類型，并通過相鄰兩次分類結果比對識別提取變化區，可應用于生態保護區岸線利用現狀分析、土地違規侵占檢測和岸線工程進度更新等。

2.4 地面視頻監控

目前，視頻監控仍然是安全防范系統的重要組成部分。然而，傳統視頻監控夜間觀測效果不佳、監控范圍和圖像分辨率難以同時保障且圖像不支持光譜解譯。針對以上不足，項目針對不同應用場景分別選用彩色夜視、億像素、光譜視頻相機等監控設備。彩色夜視監控相機通過高效降噪、信號增強、真彩還原等方法，能增強夜間運動目標感知能力，在系統中主要應用于排口、航運監控等場景;億像素監控相機成像水平超過1億像素，具有大場景、富細節、快交互等特點，在平臺中被用于生物觀測和安全生產監控;光譜視頻相機可實現實時光譜視頻捕獲，在平臺中主要將其中紅外波段應用于氣體泄漏檢測。監控設備均采用光纖寬帶網絡傳輸方案，部分點位選擇高點架設，通過抱桿、立桿方式安裝。

3 系統應用

3.1 流域水質評估及污染熱點分析

參照《GB/3838-2002 地表水環境質量標準》，平臺根據參數反演結果對長江南京段水質進行等級評價。評價結果表明長江南京段水質整體維持在II類，濃度相對較高的區域主要分布在綠水灣、八卦洲左汊及棲霞山長江大橋上游。為進一步分析污染源，本文對這3個區域內的用地分布情況進行了統計：八卦洲左汊北岸主要為林地和工礦倉儲用地，污染區集中分布在跨江公路修建地和碼頭附近，主要受建設施工和船舶聚集的影響;棲霞山長江大橋上游的污染區沿南岸林地和碼頭分布，針對林地污染異常，平臺通過無人機精細判別后發現林地沿江一側有2處排口，且與工礦倉儲用地相連，分析該區域主要受工業污染影響;綠水灣無明顯污染企業、排口或港口碼頭分布，針對此類水質異常，平臺利用多旋翼無人機進行現場勘查取證，發現水面有大面積網箱布設，主要受農業養殖影響。平臺發現的污染問題均通過系統報送至管理部門，使區域內水質在最短時間內得到恢復。

3.2 岸線規劃功能區現狀分析

本研究利用地物識別分類結果，首先提取水陸交線，并參照《長江岸線保護和開發利用總體規劃》將其分割為4類功能區;其次將與水域相鄰的地塊類型作為岸線類型，分析各功能區內的岸線現狀和變化情況;最后結合規劃要求，利用無人機高清正射影像對疑與規劃不符的區域做進一步查證。結果表明：岸線保護區林地約占83%，無與規劃不符的區域，監管過程中需加強對夾江北河口水源地附近建筑施工的監管力度，預防施工對岸線及附近水域的破壞;岸線保留區林地和草地累計占比超過57%，38%的岸線經無人機影像和岸線統計數據篩查后確認或與規劃無沖突、或正在整改、或已整改完畢，岸線整體與規劃要求相符;控制利用區的岸線利用率約為48%，明顯高于岸線保護區和岸線保留區;開發利用區的岸線利用率約為52%，略高于控制利用區。

3.3 夾江水源地生態安全監管

飲用水水源地是人們及公共服務用水取水工程的水源地域，其土地利用變化和生態環境狀況已經關系到水安全與區域經濟社會的可持續發展。利用長江南京段生態環境智慧感知平臺的水質分布數據、地物識別分類數據、航行軌跡數據和視頻監控影像能夠為水源地生態安全保障提供科學依據，深入推進飲用水水源地環境問題整治工作。

以夾江飲用水水源地為例，從水質分布上看，水源地整體水質較好，無明顯污染區;為全面掌握水源地生態安全狀況，本文根據無人機正射影像分析了排口分布，結合已登記在冊的排口信息，共發現4個遺漏排口，6個新增疑似排口;航運軌跡數據和24h彩色夜視監控用于違規船只闖入、水面異常和排口排污監測。實際應用表明平臺能夠有效增強水源地的生態安全管控力度。

4 結語

在生態環境建設中，傳統的監督管理手段在空間和監管要素種類上存在明顯不足，對此，本文以長江南京段為例，構建了一套生態環境智慧感知平臺，利用衛星遙感、無人機航測、先進視頻監控、物聯網傳感等檢測手段實現了地理空間全面感知和生態要素多元融合。該平臺在流域水質評估、岸線功能區現狀分析和水源地生態安全監控等方面的實踐表明，全覆蓋式的面監測手段和多要素的綜合分析方法能夠為生態環境整體評價、污染定位、成因分析和精準治理提供數據基礎和分析依據，而融合生態、生產、生活等更多要素的生態評價系統還能進一步為區域整體規劃、建設、管理提供決策支撐。

參考文獻

[1]馬培華.管控一體化在環保信息化中的應用探討[J].現代經濟信息，2018（18）：351-353.

[2]汪洋.環境監督管理系統中監控的功能和應用分析[J].環境保護，2008（24）：52-53.

[3]Hou X ， Feng L ， Duan H ， et al. Fifteen-year monitoring of the turbidity dynamics in large lakes and reservoirs in the middle and lower basin of the Yangtze River， China[J]. Remote Sensing of Environment， 2017，190：107-121.

[4]Matthews M ， Bernard S ， Robertson L . An algorithm for detecting trophic status （chlorophyll-a）， cyanobacterial-dominance， surface scums and floating vegetation in inland and coastal waters[J]. Remote Sensing of Environment，2012，124（124）：637-652.

[5]Sioris， Christopher E， Rieger， Landon A， Lloyd， Nicholas D，etal. Improved OSIRIS NO₂ retrieval algorithm： description and validation[J]. Atmospheric Measurement Techniques，2017，10（3）：1155-1168.

[6]Wang S ， Li J ， Shen Q ， et al. MODIS-Based Radiometric Color Extraction and Classification of Inland Water With the Forel-Ule Scale： A Case Study of Lake Taihu[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing，2015，8（2）：907-918.

[7]付宇，韋玉春，王國祥.水質參數的遙感反演和遙感監測[J].環境監控與預警，2010（06）：31-34.

[8]王建平，程聲通，賈海峰，等.用TM影像進行湖泊水色反演研究的人工神經網絡模型[J].環境科學，2003，24（2）：73-76.

[9]歐健濱，羅文斐，劉暢.多源數據結合的高分一號土地利用/覆蓋分類方法研究[J].華南師范大學學報（自然科學版），2019，51（05）：92-97.

收稿日期：2020-05-18

作者簡介：顧穎（1979-），男，漢族，研究生，高級工程師，研究方向為智慧城市和政務大數據。