天空地一體化斷面污染通量監測關鍵技術研究

關鍵詞：數字河道模型；河流流量；總氮污染通量；天空地一體化

中圖分類號：X52 文獻標志碼：A 文章編號：1672-2043（2024）12-2848-08 doi：10.11654/jaes.2024-0951

按照污染物進入水體的方式，水環境污染可分為點源污染和面源污染[1]。當前隨著點源污染得到有效控制，面源污染在水環境污染中的占比越來越大[2-3]。面源污染從其產生機制角度來分，包括了徑流形成過程、徑流沖刷地面及形成土壤侵蝕過程、泥沙和氮磷污染物進入水體過程，具有污染源高度分散，污染排放隨機、不確定和滯后等特征[1，4]。如何提高面源污染入水體量估算的準確性是流域尺度面源污染監測評估的難點。為解決該難點，流域出口斷面污染通量的監測估算是關鍵技術之一?；诖耍疚木C合天基衛星遙感、空基無人機、搭載聲學多普勒流速儀（Acoustic Doppler Current Profiler，ADCP）設備的地面無人船等多種監測技術，融合水質監測數據，著重開展了典型國控斷面的總氮污染通量估算關鍵技術研究。

污染物入水體量的定義為單位時間段內通過河口斷面進入水域的污染物總量，一般為斷面流量與污染物水質濃度的乘積[5-6]，因此要求水質和流量同步開展監測，但當前我國國控地表水監測斷面和國家基本水文站分別屬于生態環境部和水利部兩個部門管理，從而導致二者同步監測較難實現。此外，人工巡測獲取流量的頻次難以細致刻畫污染通量的變化過程，而高頻次測量河道流量和水質需耗費大量人力物力[7]，因此人工巡測并不是污染通量監測的有效方式。圍繞水質、流量及污染物通量測算，國內學者從不同途徑進行了研究。朱昕陽等[8]根據2013年的水文巡測以及水質監測資料，分析了太湖流域浙江片區出入境水量和高錳酸鹽指數（COD_Mn）、氨氮（NH₃-N）、總氮（TN）和總磷（TP）等水質指標的出入境通量及其時空分布。該方法依賴水文部門的水文資料，通常情況下，水文資料較難獲取，因此該方法有一定的局限性。徐海波等[7]利用固定式ADCP測得了陳東港流量數據，并結合水質在線監測數據，分析了該河道流量、污染物質量濃度和通量的年內變化特征。該方法通過固定式ADCP設備獲取了較高精度的流量數據，但該方法需安裝固定ADCP設備，投入及維護成本較高。李影等[9]梳理了小流域采樣斷面布設、采樣頻率優化和河流斷面通量估算3個方面的主要進展，指出當前通量估算方法主要有平均法、插值法和回歸/曲線法3類方法，其中流量加權的濃度估計法、插值算法和LOADEST法是簡便且精確的方法。隨著衛星遙感技術快速發展，無人機、無人船等新興測量設備的出現，為流量估算提供了新思路。馬博[10]將無人機搭載機載激光和無人船搭載單波束測深儀進行有效結合，實現了空地一體、水上水下一體化的三維測量技術，該技術可以快速準確獲取河道地形。楊勝天等[11]利用無人機航空攝影技術結合經典曼寧公式河道流量算法，提出了一種河道流量估算的新方法，并對我國西北典型無資料區5個典型斷面的流量開展遙感監測，證明了將無人機數據與曼寧公式相結合的方法在河道流量估算上的可行性。

為研究非接觸式、基于遙感的長時序斷面流量及污染通量監測關鍵技術，本研究提出了一種天空地一體化監測方法，該方法通過帶實時動態載波相位差分技術（Real-time kinematic，RTK）的無人機及搭載ADCP設備的無人船測量，構建斷面三維數字河道模型；基于衛星遙感影像，采用歸一化水體指數（Normalized differencewater index，NDWI）及大津法算法（最大類間方差算法）獲取斷面河面寬度；通過曼寧公式計算得到流量數據，結合斷面水質監測數據估算得到斷面總氮污染通量。

本研究以薊運河防潮閘國控斷面為實驗斷面，估算了該斷面2022年月尺度河流流量及總氮污染通量。

1 材料與方法

1.1 研究區概況

本研究從國控斷面地表水歷史水質數據可獲得性、衛星遙感影像數量及質量、污染物通量估算結果的可對比性、斷面水質情況等幾方面因素進行綜合分析，選取了薊運河防潮閘斷面作為實驗斷面。薊運河防潮閘位于天津市塘沽區北塘鎮，是薊運河匯入渤海的重要控制工程，設計流量為1 200 m³·s^-1，該工程主要承擔泄洪、排瀝、擋潮、蓄淡以及航運等多重任務，是薊運河綜合治理防洪體系的關鍵部分[12]。根據天津經濟技術開發區2022年環境公報（https：//www.te?da.gov.cn/contents/13/31255.html），薊運河防潮閘2022年水質為地表水Ⅳ類，表明水質狀況存在一定程度的污染。研究區概況如圖1所示。

1.2 研究數據

1.2.1 哨兵衛星數據

哨兵（Sentinel）系列衛星是歐空局哥白尼計劃的核心部分，包括了多組衛星（Sentinel-1A/B、Sentinel-2A/B/C、Sentinel-3A/B、Sentinel-5P等）。本文主要利用哨兵2號（Sentinel-2）L2A產品數據提取薊運河斷面河面寬度。哨兵2號L2A產品是在L1C級產品（經過正射校正和幾何精校正）基礎上經過大氣校正的大氣底層反射率數據（https：//documentation.dataspace.copernicus. eu / Data / SentinelMissions / Sentinel2. ht?ml#sentinel-2-level-2a-top-of-canopy-toc）。

哨兵2號是Sentinel-2A、Sentinel-2B和Sentinel-2C組成的衛星群，3顆衛星分別于2015年6月23日、2017年3月7日和2024年9月5日發射升空。哨兵2號影像由于具有較高的分辨率（重訪周期為5 d，空間分辨率最高為10 m，包含13個光譜波段），在植被健康信息監測、土地覆被變化、水體監測、生物量預估以及自然災害監測等方面均有較多的應用[13]。

1.2.2 高分衛星數據

融合使用多源高分系列衛星數據（GF-1、GF-2、GF-6）L5A產品來驗證哨兵2號提取河流水面寬度的精度，L5A產品已經過幾何精校正、大氣校正及融合等處理。高分一號衛星（GF-1）搭載了兩臺2 m分辨率全色/8 m分辨率多光譜相機和4臺16 m分辨率多光譜寬幅相機，多光譜相機涵蓋了藍、綠、紅和近紅外4 個波段，能夠提供豐富的地物光譜信息（http：//114.116.226.59/chinese/satellite/chinese/gf1）。高分二號衛星（GF-2）是我國自主研制的首顆空間分辨率優于1 m的民用光學遙感衛星，其搭載有1 m全色、4 m多光譜兩臺高分辨率相機，可實現拼幅成像（http：//114.116.226.59/chinese/satellite/chinese/gf2）。高分六號衛星（GF-6）配置有2 m全色/8 m多光譜高分辨率相機、16 m多光譜中分辨率寬幅相機（http：//114.116.226.59/chinese/satellite/chinese/gf6）。

1.2.3 無人機和無人船數據

無人機航測技術具有靈活快速、高效便捷、成本低、精度高等特點[14]。本文利用含有RTK模塊的大疆御3E無人機航空攝影測量方法獲取薊運河防潮閘斷面河道以及岸邊區域數字正射影像（DOM）和數字地表模型（DSM）。

無人測量船系統是由船體、遙控器、測量通訊集成盒組成，船體作為儀器的主要載體，配備了無人船智能控制系統、定位系統以及動力系統。利用無人船搭載單波束測深儀和ADCP可獲取水下地形、河流流速和流量的準確數據[10]。本研究使用的無人船及ADCP設備如圖2所示。

1.2.4 水質數據

薊運河防潮閘斷面水質數據來源于中國環境監測總站發布的地表水水質自動監測實時數據（https：//szzdjc.cnemc.cn：8070/GJZ/Business/Publish/Main.ht?ml），該數據為每4 h發布一次，發布指標包含水溫、pH、溶解氧、電導率、濁度、高錳酸鹽指數、氨氮、總磷、總氮共9項監測指標。本研究主要使用了2022年薊運河防潮閘斷面總氮濃度指標數據。

1.2.5 降雨量數據

本研究降雨量數據來自全球衛星降水計劃（GlobalPrecipitation Measurement，GPM）（https：//disc. gsfc.nasa.gov/datasets？keywords=GPMamp;page=1amp;spatialRes?olution=0.1%20%C2%B0%20x%200.1%20%C2%B0）。GPM衛星計劃是由美國宇航局（NASA）執行，日本宇宙航空開發機構（The Japanese Aerospace ExplorationAgency，JAXA）以及歐盟等其他一些國際組織合作建設的主要用于氣象預報的衛星監測系統[15-16]。本研究選用了空間分辨率為0.1°×0.1°的逐日GPM IMERG產品（IMERG_final），時間范圍為2022 年1 月至12月，空間位置為薊運河防潮閘斷面。

1.3 研究方法

1.3.1 基于水體指數提取河流水面寬度

本研究基于哨兵2號衛星影像，利用NDWI 指數和大津法算法來提取河流的水面寬度。

NDWI 指數由McFEETERS提出[17]，用遙感影像的特定波段進行歸一化差值處理，以凸顯影像中的水體信息，其計算公式如下：

1.3.4 總氮污染通量計算方法

污染物通量可分為瞬時污染物通量和時段污染物通量，瞬時污染物通量為河道瞬時流量與污染物質量濃度的乘積，累計污染物通量則為一定時段內瞬時污染物通量的時間積分[7]。本研究中總氮污染通量為流量和總氮濃度的乘積。

2 結果與討論

2.1 三維數字河道模型構建結果

本研究于2023年11月1日，采用無人機、無人船（搭載ADCP設備）對薊運河防潮閘斷面進行了綜合測量，并構建了三維數字河道模型。圖3（a）為薊運河防潮閘斷面無人機航飛影像結果圖，空間分辨率為0.02 m；圖3（b）為無人船（搭載ADCP設備）測量河底地形及流速結果圖。結果顯示：當日斷面水面寬度為205 m，最大水深為6.8 m。

2.2 河流水面寬度提取結果分析

本研究基于哨兵2號衛星影像，采用NDWI 指數結合大津法圖像分割算法提取河流水面寬度，并用人工判讀方法對提取的河流水面寬度進行校核。實際操作過程中，發現提取河寬數據存在1～2 個像元誤差。理論上，衛星影像空間分辨率越高，提取的河流水面寬度越準確。國產高分系列衛星空間分辨率為1～2 m，較哨兵2號衛星影像數據有較大提升。圖4展示了GF-6號衛星與哨兵2號衛星同天影像河流水面提取對比，綠色線為哨兵2 號衛星影像水面提取邊界，藍色線為GF-6號衛星影像大津法提取邊界，可以看出左右岸提取邊界均存在差距，左右岸差距相加最大值超過1個像元。

為進一步驗證基于哨兵2號衛星影像提取河面寬度的精度，本研究基于2022年度高分系列（GF-1、GF-2、GF-6）衛星影像數據，同樣采用NDWI 指數結合大津法圖像分割算法提取了河面寬度。選取了哨兵2號衛星和高分系列衛星5期影像數據（同期影像日期前后不超過1 d），對提取的河面寬度進行了對比分析，結果見圖5。

從圖5可以看出，哨兵2號衛星影像和高分系列衛星影像提取結果顯示出一定的差異。高分系列衛星相比于哨兵2號衛星提取的河寬普遍偏大，2022年4月，高分系列衛星比哨兵2號寬13.45 m。同時，哨兵2號衛星提取結果變化幅度不夠顯著，如2022年3、4、5月3期影像提取結果差異很小，而高分系列衛星提取結果則能較好地體現河面寬度變化情況。

哨兵2號衛星重訪周期為5d，每月包括5～6景影像，而高分系列衛星影像重訪周期相對較低，如果受到云、雨等天氣影響，不一定能滿足實際測算需求。因此，本研究仍然以哨兵2號衛星影像提取結果作為河流寬度。

2.3 月尺度流量測算結果分析

本研究基于提取的河流水面寬度及三維數字河道模型，采用經典曼寧公式，測算了薊運河防潮閘斷面2022年度月尺度流量。月尺度流量具體計算方法為：當月提取的多期河流流量平均值乘以當月天數。

同時為了驗證流量結果精度，與生態環境部海河流域北海海域生態環境監督管理局（以下簡稱“海河局”）提供的該斷面2022年月度統計流量數據進行了對比分析，具體如圖6所示。

圖6（a）顯示本研究2022年度流量計算結果和海河局統計結果月尺度變化趨勢基本一致，其中5、8、10、12月計算結果大于統計結果，其余月份均小于統計結果，3月和7月相差較大，分別相差5.223×10⁷ m³和5.579×10⁷ m³；該斷面7月和8 月流量最大，其次為6月，春季和秋冬季較小，該季節性特征與月降雨量變化趨勢一致。圖6（b）顯示了該斷面2022年度天尺度、月尺度總氮變化趨勢，該斷面1、2、3月總氮濃度最高，5、6、7月總氮濃度最低。圖6（c）為本研究總氮污染通量計算結果與海河局統計結果月尺度變化對比，2、3、5月存在一定差異，其中3月相差最大，其余月份趨勢基本一致。以上結果表明本研究提供的天空地一體化河流流量及污染通量監測方法具有可行性。

2.4 局限性

本研究聯合衛星遙感、無人機、無人船、ADCP等方法開展河流流量監測，受限于斷面的實際情況和衛星影像的分辨率，本技術還存在以下幾個方面的局限性：

（1）河道岸邊植被和不規則性對水面寬度提取的影響。當河道岸邊存在草叢或河道形狀不規則時，可能會對遙感影像中河流水面寬度的提取造成顯著影響。植被的覆蓋可能會掩蓋實際的水面邊界，而河道的不規則性可能導致水面寬度在不同區域出現較大變化，這些都會增加從遙感影像中準確提取水面寬度的難度。因此，建議選取兩岸順直，岸邊是人工修葺且不被植被覆蓋的河道。

（2）衛星影像空間分辨率對流量監測的影響。衛星影像的空間分辨率直接影響水面寬度的提取精度。對于較窄的河道，如果其寬度接近或低于衛星影像的分辨率，將難以準確測量，從而導致較大的誤差。此外，低分辨率影像可能無法捕捉到河道的細小特征，從而影響流量估算的準確性。因此建議盡量采用高分辨率衛星影像數據開展監測。

（3）水下地形變化對流量監測的影響。水下地形的變化，尤其是極端天氣事件如“23.7”華北極端暴雨事件，可能會導致河道地形發生顯著變化。這種變化可能會改變水流的分布和速度，從而影響流量的測量。在這種情況下，需要及時對河道地形進行更新，以確保流量監測數據的準確性。未能及時更新河道地形數據可能會導致流量估算出現偏差。因此，建議定期對水下地形進行監測修正，以確保水下地形的準確性。

3 結論

（1）薊運河防潮閘斷面2022年月尺度流量估算結果與統計流量結果在3月和7月相差較大，其余月份變化趨勢基本一致。月尺度總氮污染通量估算結果與統計結果在2、3、5月存在一定差異，其余月份變化趨勢基本一致。

（2）三維數字河道模型構建及河流寬度提取是本研究方法的關鍵技術。衛星影像空間分辨率是影響河流寬度提取精度的重要因素。

（3）整體而言，本研究提出的斷面總氮污染通量估算方法具有較高的精度，可以作為地面傳統監測的有效補充，適用于流域尺度面源污染、入海河流污染通量監測等業務。督管理局提供的薊運河防潮閘斷面2022年月度統計流量數據，在此表示衷心感謝！