我國河流、湖泊眾多，伴隨經濟的高速發(fā)展，人類活動的增強，河流、湖泊水質污染問題日益嚴重，已經成為制約城市可持續(xù)發(fā)展的關鍵因素，因此有必要利用高新技術手段展開河流、湖泊水質污染問題研究，及時、快速的提供河流、湖泊的水質狀況，保障人們正常的生產生活。

遙感技術的發(fā)展與進步為河流、湖泊水體的監(jiān)測和研究開辟了新的途徑。目前，國內外學者利用特定的遙感平臺，構建了針對特定水域的不同水質參數的模型，并取得了一定的成果。在衛(wèi)星平臺上，Thiemann等用IRS-1C數據對德國梅克倫堡州湖泊群的水體葉綠素ａ進行了反演，并結合卡爾森模型(TSI)評價了該地區(qū)水體富營養(yǎng)化程度；柳晶輝等利用HJ-1衛(wèi)星多光譜數據監(jiān)測湖北武漢東湖藍藻爆發(fā)情況，研究表明利用HJ-1遙感數據可快速鑒別藍藻范圍及其程度，大氣校正突出了藍藻水體和其他地物光譜差異，EVI方法精度較高，可剔去水質中泥沙等懸浮物的干擾，可作為城市湖泊藍藻變化檢測經驗模型。在機載平臺上，Flink等收集了瑞典兩個湖泊的 CASI 數據，利用主成分分析法找出與葉綠素 a 濃度的相關*好的波段，對其進行分析并繪制了葉綠素濃度圖。Hakvoort等運用機載成像高光譜數據對CDOM、Chl-a、TSS等水質參數進行監(jiān)測；Olmanson等利用機載高光譜影像數據分析了明尼蘇達河和密西西比河交匯處、密西西比河和圣克羅伊河交匯處、明尼蘇達河和密西西比河交匯處附近的濁度葉綠素a分布圖。在地面平臺上，段洪濤等利用地物光譜儀ASD對長春市南湖水質參數進行了研究分析，分別構建了葉綠素a、總磷等水質參數的單波段監(jiān)測模型；吳廷寬等利用地物光譜儀對貴州市百花湖富營養(yǎng)進行評價，得出水質參數Chl-a、TP、TN、SD、CODMn的敏感波段分別為699nm、823nm、399 nm 、563nm、504nm，利用水質參數敏感波段對湖泊水質參數進行估測的效果較為理想。這些研究表明，將衛(wèi)星、機載、近地面遙感技術應用于水質監(jiān)測，其方法已經較為成熟，也可取得較好的成果。然而受衛(wèi)星遙感影像空間分辨率、時間分辨率等限制，衛(wèi)星遙感技術目前多應用于大面積水域的水質監(jiān)測；另外機載遙感技術受航空管制等因素的影響，不能及時的檢測水質污染狀況，因此對于小微水域中水質參數的空間分布情況，需要采用新的方法予以解決。

近年來隨著無人機發(fā)展的日漸成熟，無人機搭載高光譜相機的應用領域不斷拓展，例如，萬余慶等利用無人機高光譜對新疆生產建設兵團共青團團場的土壤氮磷鉀進行了監(jiān)測研究，研究結果為團場的大范圍施肥提供決策依據；Du等利用無人機高光譜獲取沈陽農業(yè)大學水稻田的高光譜影像，進而分析水稻的葉片氮含量，所構建的模型精度為R2 = 0.85，研究結果為無人機高光譜遙感反演水稻氮水平提供了理論依據；Sankey等利用無人機高光譜和雷達技術進行森林的樹高樹冠覆蓋度研究；Ishida等利用無人機高光譜技術對植物區(qū)域的不同地物進行分類研究，總體分類精度為94.5%。然而目前針對無人機高光譜技術對水體（如湖泊、河流等）的水質研究甚少。

基于此，本文以云南玉溪市星云湖和深圳市茅洲河為研究對像，通過無人機搭載高光譜傳感器獲取其高光譜圖像反射率數據，構建總氮(TN)、總磷(TP)、葉綠素 (CHL-a)、懸浮物 (TSS)、和濁度(TUB)的監(jiān)測模型并研究其濃度空間分布，以期為不同水體的水質監(jiān)測提供新的技術手段。

2 材料與方法

2.1 研究區(qū)域概況

星云湖位于中國云南省玉溪市江川縣縣城以北2公里，距縣城約一公里。地理位置為東經 102°45′ ，至102°48′，北緯24°17′至 24°23′，南與杞麓湖相鄰，北與撫仙湖相通，屬珠江流域南盤江水系的源頭湖泊，為滇中高原陷落性淺水湖，是撫仙湖上游的唯壹湖泊。星云湖湖灣多，灣弧多，魚草繁茂，岸邊柳樹蘆草成行，周圍多農田，湖底平緩多泥，有機物質淤積較厚，湖內水草繁茂，浮游生物和底棲生物也較豐富，屬高原斷陷湖泊，是一座富營養(yǎng)化湖泊，為云南九大高原湖泊之一，近年來星云湖被列為劣V類水質。

全長31公里的茅洲河，也是它流經深圳、東莞兩市，兩岸上等支流27條，每一條都在經濟騰飛進程中被嚴重污染，兩岸工廠企業(yè)眾多、水污染問題最為棘手，是深圳市污染河流中最具有代表性的一條。污染直接危害了流域內人民的正常生活和身體健康，不能滿足人民對美好生活環(huán)境的要求對旅游事業(yè)也帶來了一定影響。

2.2 采樣點的分布

本文以星云湖的進水口和茅洲河的第三支流作為研究區(qū)，在2018年7月18日和2019年7月26日分別對茅洲河的第三支流和星云湖的幾個進水口進行了野外試驗，在星云湖和茅洲河分別采集了5和15個采樣點的水質參數。

2.3 無人機高光譜影像獲取

采用大疆無人機M600 Pro，在無人機平臺上搭載高光譜成像儀獲取星云湖和茅洲河的高光譜影像。無人機飛行高度為100米，采用的是2*4 binning方式獲取高光譜影像（2是空間維的，8是光譜維）（Binning是一種圖像讀出模式，將相鄰的像元中感應的電荷被加在一起，以一個像素的模式讀出），高光譜影像的空間分辨率約為4cm。其中無人機高光譜影像的預處理主要包括鏡像變換、黑白幀校正、場地校正等。

2.4 水質參數分析

每個采樣點取表層0.5m處的水樣進行實驗室分析，分析的參數包括總氮(TN)、總磷(TP)、懸浮物 (TSS)、濁度(TUB)、葉綠素 (CHL-a)。其中TN采用紫外可見分光光度計UV754N測定；TP、TUB和CHL-a采用可見分光光度計721型測定；TSS采用萬分之一分析天平AL204測定。

2.5 水質參數模型構建流程

本研究以云南玉溪市星云湖和深圳市茅洲河為研究區(qū)，利用無人機高光譜技術構建水質參數如總氮、總磷、懸浮物、濁度、葉綠素a的監(jiān)測模型，將*優(yōu)的監(jiān)測模型反演到無人機高光譜影像上制作總氮、總磷、懸浮物、濁度、葉綠素a的空間分布圖。

2.6 模型評價標準

本研究中星云湖和茅洲河分別有5和15個采樣點，采樣點按3:2的比例運用含量梯度法[21]選出建模集和檢驗集。水質參數監(jiān)測模型運用決定系數R2、均方根誤差（Root Mean Square Error，RMSE）、預測與偏差的比率（Ratio of Prediction to Deviation，RPD）進行精度評價，其中R2越大，RMSE和RPD越小，模型的準確性越高。當RPD> 2.0的值表示穩(wěn)定且準確的預測模型，RPD值介于1.4和2.0之間，表明可以模型穩(wěn)定性一般，預測能力不穩(wěn)定，RPD <1.4時表明模型預測能力差。

3 結果與分析

3.1 水質參數的監(jiān)測模型

根據前人的研究可知，利用單波段監(jiān)測水質的精度不如雙波段的監(jiān)測精度高；利用復雜的化學計量學分析法，如偏小二乘法、人工神經網絡、支持向量機等，與雙波段監(jiān)測模型相比雖然從監(jiān)測精度上有所提高，但運用的波段數多，且運行時間較長，在實際應用過程中不適合實時在線監(jiān)測水質參數。然而利用雙波段組合因子不僅可以突出水質參數的光譜特征，使得非特征波段和特征波段不重合的其他水質參數的交叉影響所造成的誤差平均化和隨機化。同時，相除因子和相差因子都是突出水質參數的光譜特征波段的有效運算方法。本文根據雙波段組合，構建歸一化指數、比值指數、差值指數，尋找*佳的雙波段組合構建監(jiān)測模型預測水質參數。

將波長從400-1000nm的所有波段反射率構建歸一化指數、比值指數、差值指數分別與各水質參數進行相關分析，得到水質參數與各波段比值的相關系數分布圖。

4 結論與討論

目前，衛(wèi)星遙感技術對水質參數的監(jiān)測研究已基本成熟，但受衛(wèi)星遙感影像空間分辨率、時間分辨率等因素的影響，衛(wèi)星遙感無法針對小范圍城市河流、湖泊的進出排水口進行實時監(jiān)測。本研究利用無人機高光譜技術，根據已建立的指數模型，在水面上空獲取水體的高光譜影像，通過在線反演可實時觀察水環(huán)境的水質參數總氮、總磷、葉綠素a、懸浮物、濁度的變化，為城市河流的水質監(jiān)測提供了全新的數據來源和技術手段，同時也為湖泊、河流的水環(huán)境保護及治理提供了依據。

? ? ? ? ymf