中文
English
專注光譜傳感和光電應用系統
電話：86-0755-23229824
手機：18948346937 / 13510373651
地址：深圳市寶安區沙井街道后亭茅洲山工業園工業大廈全至科技創新園科創大廈11層C
微信：
微信客服號：
抖音官方號：
立即溝通
無人機水質遙感監測方法
0 引 言
水資源是我們賴以生存的重要資源，然而人類活動對水環境的影響日趨嚴重。傳統檢測方法主要以實驗檢測法為主，但是該方法需要大量的人力物力，且覆蓋范圍有限，需要新的手段相結合構建新的水質監測體系。遙感由于其成本低，速度快，監測面積大等優點被廣泛應用于水質監測，但是針對更小尺度上的河道，受限于衛星傳感器的時空分辨率，衛星遙感反演的效果受限，此時無人機遙感的優勢得以體現。無人機具有機動靈活、操作簡便、時空分辨率高等優點，可以根據監測水域特征制定不同的檢測方案，及時發現水質問題區域，對于微小水域的水質監測具有重要意義。
目前水質反演方法主要分析法，經驗法等。分析法主要基于水體的光譜反射散射特性，建立在光學傳輸的理論基礎之上，具有嚴密的物理邏輯推演過程，但是所需輔助數據眾多，模型構建過程繁瑣且具有一定的區域局限性。而經驗法建立在樣本數據與光譜數據的統計關系之上，模型構建成本低，指定區域季節內精度較高，但采樣難度高難以與衛星影像同步匹配。
近些年來無人機的應用領域在不斷拓展，其中有針對葉綠素相對含量反演，還有在水環境中應用于水土流失狀況分析，但目前針對水質反演的研究還較少，基于此，本文以上海市青浦區金澤鎮淀山湖部分區域為實驗區，利用樣本點、地面光譜儀、縱橫無人機及 K6 多光譜相機構建 DO（溶解氧）、CODMN（高錳酸鹽指數）、TP（總磷）、TN（總氮）、NH3（氨氮）的遙感反演模型，并驗證其精度。
1 研究區及數據
本文以青浦區金澤鎮淀山湖風景區為實驗區，水域以淀山湖和元蕩為主，2019 年 7月31日飛行一個架次，覆蓋面積約3平方公里。與此同時，在無人機飛行期間，同步采取40個水樣并在當天送檢，檢測指標為總磷、總氮、氨氮、高錳酸鹽、溶解氧。
2 水質參數反演模型構建
2.1 等效反射率計算
對于多光譜及高光譜傳感器，每個波段都有一定的光譜響應寬度，同時在該波長寬度范圍內的入射輻亮度并沒有被完整的記錄，一般會有一個單峰函數來描述該波段的輻射接收情況，即為光譜響應函數，是傳感器在每個波長接受的輻亮度與入射的輻亮度的比值。那么傳感器在每個波長接收到信號時，利用以下這個公式求出無人機多光譜通道（波段）信號的等效反射率值。
其中 g 函數代表傳感器的光譜響應函數，X代表著在該波長的實測反射率值。共獲得 450nm、490nm、550nm、615nm、650nm、685nm、725nm 和 808nm 八個通道地的光譜響應函數，如圖1所示。
將實測的水體反射率曲線與各通道的光譜響應函數按照上述公式計算即可得到對應于該多光譜相機的等效反射率。
圖 1 通道光譜響應曲線
2.2 水質參數敏感性分析
通過分析單波段及組合波段與實測水質參數之間的相關性，挑選相關性較高的組合，從而為設計相應的模型提供支持。其中單通道相關性如下圖所示。
圖 2 單通道 - 等效反射率與水質參數相關性
由上圖可以看出，除 DO（溶解氧）外，CODMN（高錳酸鹽指數）、TP（總磷）、TN（總氮）、NH3（氨氮）與單波段等效反射率的相關性都不高（<0.5），無明顯相關性，需要進行波段比值的相關性分析。除此之外對各波段組合也進行相關性分析。
2.2.1 CODMN反演模型構建
CODMN于725/550波段處有較強的相關性，因此選擇725nm和550nm作為特征波段，使用波段比值構建模型。
在建模之前并不是所有的樣本點數據都可以用于建模，如果建模數據中存在一些異常點都會對模型性能造成較大的影響，因此需要在建模之前對異常點進行剔除。
將725/550比值與 CODMN 分別進行排序，再根據平均值和標準差設定閾值，將數據點與平均值差值絕對值大于閾值的點刪除。對數化后的 CODMN 與特征波段比值有明顯的線性系，通過最小二乘求解可得。
2.2.2 TN反演模型構建
TN與單波段相關性都較低，但是從550-615相關系數有明顯下降，從685-725 有明顯上升，結合 615/550、725/685的比值相關性較高，選取該比值為特征波段。隨后去除異常值并取對數，采用多元線性回歸構建模型。
3 水質反演結果
對預處理過后的無人機遙感數據，針對各水質參數進行遙感水質反演，得到研究區域內個水質參數濃度，再根據國家標準及單一指標評價法，生成水質等級圖，分為I類至劣V類共六類水質等級。
由下圖可以看出，淀山湖區域水質以II類為主，而元蕩則以III類為主，其中 V類及劣V類主要分布在 細小河道和水體邊緣地區，一方面原因是岸邊地區是排污區域，所以一定程度上反映排污分布情況，另一方面原因則是岸邊有河岸、植被、陰影的影響，同時混合像元現象普遍存在，造成類別的誤判。
圖 3 水質等級圖
4 精度驗證
采用樣本數據進行相對誤差驗證， 結果顯示CODmn的相對誤差最低，DO的相對誤差較高，綜合來看相對誤差都在 30% 以下，具有較高的精度。
表 1 各水質參數建模的平均相對誤差
5 結 論
利用無人機多光譜數據以及準同步水質采樣數據，構建水質反演模型，反演總磷、總氮、氨氮、高錳酸鹽、溶解氧五類水質參數，結合單一因子評價標準得到水質指標。本文實驗結論表明，各類水質參數相對誤差率均低于 30%，錯分像元主要集中于河岸區域，大部分區域誤差在一個類別以內，展現了較高的精度。
除此之外，本模型主要針對夏季的水質樣本，是否有全季節適用性還未進行探究，未來面向全季節的水質反演依然有可提升的空間。
