黑臭水體遙感檢測技術與地面水質監測技術相關性研究

范利青

（珠海市供水與排水治污中心（珠海市水質監測中心），廣東 珠海 519000）

遙感監測技術應用范圍較大，應用成本較低，同時相關技術的操作難度較低，應用效率較高，可以彌補傳統城市黑臭水體監測方法的不足之處。工作人員選擇應用分辨率較高或者是城鄉輪廓較為清晰的遙感影像圖片，綜合分析珠海市黑臭水體的動態運行情況。此種方式可以及時幫助工作人員了解珠海市黑臭水體演變過程以及流動變化情況，綜合評估珠海市黑臭水體治理工作整體效率，為珠海市黑臭水體整治與監測工作提供技術支撐與保障。

1 城市黑臭水體監測的意義與技術路線及原理

1.1 傳統人工監測與遙感監測

傳統意義上的城市黑臭水體監測方法主要為人工采樣監測方法。人工采樣監測方法，顧名思義，需要工作人員以及技術操作人員前往現場，通過技術勘查或者是實地檢驗等方式判斷黑臭水體的水質變化情況[4]。此類傳統類型的水體檢測方法相對可靠，但是耗時耗力，有可能受到一系列自然因素以及人為因素的影響，從而導致水體檢測數據出現異常情況，且只能從某一時段或某一方面獲取水體的實際信息，無法對大面積水體進行全方位的分析與檢測，也無法滿足珠海市大規模水體檢測工作的迫切需求。與此相比，遙感監測技術應用范圍較為廣泛，實際的技術檢測流程較為單一，使用成本較低，可以很好彌補人工水體檢測方法的不足之處，運用高分辨率遙感影像可以對珠海地區的自然水體狀況進行深度研究與多角度分析，深層次推進珠海市水體檢測工作的改革與創新，在環境保護方面具有重要意義。

1.2 遙感監測技術路線及原理

本項目通過結合地面實測水質參數數據、無人機高光譜數據和遙感衛星影像建立無人機高光譜反演模型和衛星影像遙感反演模型，對2019年9月～2020年5月納入城市黑臭水體整治監管平臺的17條黑臭水體黑臭情況進行遙感監測反演，獲得遙感監測結果，并與地面水質監測數據進行比對，分析遙感數據的可靠性，獲取遙感數據的實際應用價值。目前，最有效可靠的城市水體提取方法是利用水體指數法NDWI、面向對象分割、AI自動提取等手段初步提取之后，由工作人員以及管理人員進行適當調整和優化，工作人員可以在圖像上手動勾畫出黑臭水體的主要范圍以及相應的水域局部范圍，查漏補缺，最后再采用滿足精度的反演模型進行反演，獲得最終的黑臭水體反演結果[5]。

2 研究區概況及監測內容

2.1 研究區概況

珠海市位于廣東省南部，珠江八大出海口之磨刀門、雞啼門、虎跳門、崖門之水匯流入海處。東與香港隔海相望，相距36海里；南與澳門陸地相連，西與江門市相鄰，北與中山市接壤，距廣州140 km。珠海市地理位置如圖1所示。全市共有河涌、排洪渠超過200條，珠海市政府一直重視河涌、排洪渠的水質和景觀提升工作，先后開展過包括各片區排洪渠的截污整治工程，取得了一定成效，但仍有部分地區存在雨污混接、錯接，截污不徹底和新增排污口的問題，導致生活、生產污（廢）水直接匯入河涌，使水體出現黑臭現象。

圖1 珠海市地理位置示意圖

2.2 監測項目及內容

（1）根據《城市黑臭水體整治工作指南》規定[6]，地面水質監測項目如下：氨氮（納氏試劑分光光度法）；溶解氧；透明度；氧化還原電位。

（2）結合地面實測水質參數數據、無人機高光譜數據和遙感衛星影像建立無人機高光譜反演模型和衛星影像遙感反演模型，對監測范圍內河流的水體黑臭情況進行反演，獲得黑臭水體狀況分布專題圖。遙感監測數據源：衛星影像（Pléiades、GF2）；無人機高光譜數據：雙利合譜的 GaiaSky-mini2。

2.3 遙感影像處理

利用高分影像對城市黑臭水體進行定量識別，需要對高分影像進行預處理。高分影像的預處理包括融合、幾何校正和大氣校正。

2.3.1 融合

遙感影像融合主要指的是工作人員針對不同類型的遙感影像進行深度分析與調整，融合不同類型的遙感影像進行全方位分析與多角度探索。影像融合主要是為了提高影像空間的分辨率，幫助工作人員更加直觀、清晰地查看遙感影像的實際內容。目前較為常用的國產高分辨率遙感衛星（GF-1、GF-2、ZY-3、BJ-2、高景一號)均可獲取較高分辨率以及全色影像，也可以獲得一部分分辨率較低的多光譜影像數據，針對城市內部一部分細小河流或季節性河流，技術操作人員也可以運用遙感識別技術進行多元檢測與分析，或者利用全色影像進行綜合性分析，同時需要保證遙感影像融合前后光譜的一致性，當前較為通用的商業軟件以及比較常用的影像融合算法，通常不能保證遙感影像融合前后光譜的一致性，對此，工作人員需要對遙感多光譜影像以及一系列全色影像進行精細配準，采用多條件約束最優模型融合算法對精細配準數據進行比較分析[7]。

2.3.2 幾何校正

遙感影像可能會受到衛星傳感器平臺高度與飛行速度的影響，出現幾何畸變，也有可能會出現位置偏移問題，此類情況在所難免，出現幾何畸變的影像可能會導致遙感影像配準以及后續的定量分析出現數據誤差，因此需要工作人員對幾何畸變圖像進行適當調整與優化，這一過程被稱為幾何校正，經過幾何校正的參考影像被稱之為Google earth（谷歌地圖）精校正圖像，這一校正圖像中的相關數據具備科學性、多元性、可靠性、準確性特征。工作人員可以從參考項中提取控制點，也可以選擇在重疊區域內部提取影像連接點，以進一步精確影像的相關內容與核心數據。

2.3.3 大氣校正

針對遙感影像開展大氣矯正工作，主要目的是為了去除大氣因素與光照因素對遙感影像的影響，一部分遙感影像可能會受到地物反射率的影響，出現遙感影像模糊或是遙感數據錯誤。尤其是在水色遙感技術應用環節中，更需要工作人員針對衛星傳感器的總輻射量進行精確計算。衛星傳感器總輻射量90%以上來自于大氣氣溶膠散射、瑞利散射及太陽反射，而水體離水輻射信號非常微弱，難以捕捉。對此，在技術操作人員開展大氣校正工作時，必須要對相關定量進行合理分析與校對，現階段較為常用的水體大氣校正模型主要包括大氣輻射傳輸模型以及水氣輻射耦合傳輸模型兩種。無論采用何種傳輸模型，均需要工作人員對水體遙感圖像進行大氣校正處理，必須及時排除錯誤信息以及復雜數據，進一步提升遙感影像的準確度。采用水氣輻射耦合傳輸模型需要對水體遙感圖像進行數據分析，隨后開展大氣校正處理工作，需要工作人員結合遙感圖像自身的近紅外波段或遠紅外波段的主要數據，反復多次推理大氣參數。但是實際上，國產高分辨率遙感影像并不具備非常實用的大氣參數推理功能，無法對大氣參數的特定波段進行反復多次的推演與校對，所以工作人員可能無法使用水體遙感圖像的大氣校正方法[8]。

面對此類問題，本研究主要采取不變地物法以及相對輻射歸一化方法，合理處理與分析大氣校正數據，經過幾何校正后的高分辨率影像可以成為待校正影像，工作人員可以選擇適當的空間位置，合理調整遙感影像的成像時間以及分辨率，利用SNAP 軟件對遙感影像進行多元分析，隨后進行大氣校正與數據化處理。工作人員以及技術操作人員可以應用多元變化檢測（Multivariate Alteration Detection，MAD)算法，結合待校正影像以及參考影像的對應位置，搜索不變目標地物，在確定目標位置之后，則需要結合不變目標地物的像元，擬合出具體的參數以及參考影像的線性方程，依照線性方程數據對相關影像進行多角度校正與歸一化處理，并在此基礎上，完成遙感影像的大氣校正工作。

3 遙感監測數據分析

3.1 遙感監測數據的精度評價

模型的精度驗證使用混淆矩陣來表示，混淆矩陣是用來表示精度評價的一種標準格式，其行數據表示的是模型識別的結果，列數據表示的是實際地物類別。詳見表1。

表1 黑臭水體識別分類混淆矩陣

混淆矩陣中正確識別率是指所有分類正確的樣點與總樣點個數的比值，公式如下：P0=(a+d)/(a+b+c+d)

采用上述方法對影像進行評價，將影像根據與地面水質實際采樣結果的時間差分為：

（1）遙感影像獲取時間—地面水質采樣時間≤±3天以內；

（2）不考慮遙感影像獲取時間—地面水質采樣時間的差。

如表2所示，不考慮遙感影像和地面水質采樣時間差時，黑臭水體識別的精度較低，正確識別率基本在60%～80%之間；遙感影像和地面水質采樣時間相差不超過3天時，黑臭水體識別的精度有所提高，正確識別率基本在70%～90%之間（注：0.00%表示該時間段內影像和地面數據時間差均超過3天）。

表2 遙感與地面比測時間差的正確識別率

如表3所示，重度黑臭水體和無黑臭水體的正確識別率大多數處于50%以上，部分月份能夠完全一致；而輕度黑臭水體的正確識別率較低，大多處于20%～60%之間。整體來看，黑臭水體的識別率較低。

表3 不同地面實測程度的正確識別率

3.2 原因分析

從整個監測過程分析，造成黑臭水體整體遙感識別率較低的主要原因如下：（1）研究分析數據較少，數據量不大，導致統計的偏差。（2）地面檢測日期和影像采集日期不同步，而河流的黑臭情況會受到河流流動性的影響。（3）黑臭水體判定的指標是透明度、氧化還原電位、氨氮和溶解氧。根據2019年8月～2020年5月的黑臭水體地面實測數據看，影響黑臭水平的主要指標是透明度和氧化還原電位。透明度受水體的深淺、水中藻類影響較大，易造成遙感監測的偏差；氧化還原電位未能找到適合的關聯模型，導致輕度黑臭水體無法有效識別。

4 總結與建議

本項目的研究對象為城市黑臭水體，運用遙感影像技術以及數據分析技術，充分對比黑臭水體與城市內部一般水體的水質參數區別與光譜差異，遙感分析技術取得了較好的應用效果。但是針對本項目存在的一些不足之處，具體建議如下：（1）繼續加強地面檢測日期和影像采集日期的同步性，加強對數據的收集分析。（2）根據目前的研究結果，可使用當前遙感技術作為重度黑臭水體的篩查技術，促進主管部門的及時反應。（3）下一步的研究方向是針對輕度黑臭水體，需要研究人員進一步研究關聯項目模型，可適當增加地面水體監測項目，如增加懸浮物、葉綠素等項目的檢測，優化反演模型。