基于Sentinel-2多光譜遙感影像的小浪底水質反演

郭榮幸　王超梁　陳濟民等

關鍵詞：多光譜遙感；水質反演；Ｓｅｎｔｉｎｅｌ－２；反演模型；小浪底水庫

中圖分類號：Ｘ８２３；ＴＶ２１１．１＋ １ 文獻標志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．０１．０１６

引用格式：郭榮幸，王超梁，陳濟民，等．基于Ｓｅｎｔｉｎｅｌ－２ 多光譜遙感影像的小浪底水質反演［Ｊ］．人民黃河，２０２４，４６（１２）：９３－９６，１０２．

水是人類賴以生存的重要自然資源。黃河是中華民族的母親河，也是我國北方九省（區）主要的工業、農業和生活水源［１］ 。近年來隨著城市化的快速發展，工業廢水和生活污水的排放造成黃河流域水環境污染嚴重，已成為制約區域高質量發展的主要因素，而快速高效的水質監測是黃河流域生態保護的關鍵。

傳統的水質監測以實地采樣為主，不僅周期長、成本高，而且只能獲取采樣點的水質信息，很難進行長時序、大范圍的監測［２］ 。多光譜遙感技術可根據遙感波段信息反演水質參數，降低監測成本，提高監測速度和質量，為大范圍水質監測提供了一種新的方法［３］ 。章佩麗等［４］ 基于無人機多光譜影像進行城市河道水質參數反演，建立了水質參數的反演模型并驗證了模型的精確性和適用性；朱熹等［５］ 采用衛星多光譜遙感數據及河道斷面采樣點數據，反演了上海市浦東新區河道的總磷、氨氮、溶解氧等水質參數；Ｍｃｅｌｉｅｃｅ 等［６］ 基于多光譜影像對近岸海域葉綠素ａ 濃度與濁度進行了反演；張立福等［７］ 采用結合多源遙感數據的星地協同水質光譜在線監測技術，提升了長時序、大范圍水域水質參數反演的精確度和穩定性。本文以黃河小浪底水庫為研究對象，通過Ｓｅｎｔｉｎｅｌ－２ 獲取小浪底水庫多光譜遙感影像數據，結合采樣點實測水質數據建立了ＣＯＤ、ＴＰ、ＴＮ、ＮＨ３ －Ｎ 等參數的反演模型，并驗證了模型的精確度和穩定性，進而反演各水質參數的空間分布，以期為黃河流域快速高效的水質監測提供參考。

１ 材料與方法

１．１ 研究區概況

小浪底水庫位于河南省洛陽市與濟源市之間的黃河干流，水域面積２７２ ｋｍ^２，是黃河干流三門峽以下唯一能取得較大庫容的控制性工程，主要用于控制洪水、減緩下游河道淤積，兼顧供水、灌溉和發電。近年來，小浪底水庫水質為地表水Ⅱ類和Ⅲ類［８］ 。

１．２ 采樣點分布和水質參數分析

２０２２ 年５ 月５ 日在小浪底水庫出水口附近進行水質采樣，采樣點布置見圖１。采樣點間距約１００ ｍ，在采樣點用取水器取表層０．５ ｍ 深處水樣５００ ｍＬ，分別采用檢測試劑和儀器進行水質分析［９］ ，共獲取了１８個采樣點的水質樣本，采樣點ＣＯＤ、ＴＮ、ＴＰ、ＮＨ_３－Ｎ 質量濃度見圖２。

１．３ 多光譜影像獲取和數據處理

遙感影像數據來源為搭載多光譜成像儀（ＭＳＩ）的高分辨率多光譜成像衛星Ｓｅｎｔｉｎｅｌ－２，由軌道彼此相差１８０°的Ｓｅｎｔｉｎｅｌ－２Ａ 和Ｓｅｎｔｉｎｅｌ－２Ｂ 兩顆衛星組成，主要包含從可見光到短波紅外的１３ 個工作波段，圖像采集周期為５ ｄ［１０］ 。本文采用從歐空局下載的２０２２年５ 月５ 日Ｓｅｎｔｉｎｅｌ－２Ａ 經過輻射校正、大氣校正的具有更高亮度和對比度的Ｌ２Ａ 級遙感數據，并使用ＳＮＡＰ 軟件對遙感數據進行重采樣、裁剪等處理。

１．４ 水質參數反演模型構建流程

水質參數反演模型主要通過以下步驟建立：對Ｓｅｎｔｉｎｅｌ－２ 遙感數據進行預處理，提取光譜反射率數據；分析實測水質參數和光譜反射率數據之間的相關性，獲取相應水質參數的敏感波段及其組合；根據敏感波段及其組合，選擇經驗統計模型進行水質參數反演，建立各水質參數的遙感反演定量模型；通過驗證集測試反演模型，對模型精確度和穩定性進行評價，并反演水質參數空間分布，模型構建流程見圖３。

１．５ 反演模型評價標準

采用含量梯度法將１８ 個采樣點按２ ∶ １ 的比例劃分為建模集和驗證集，水質參數反演模型采用確定系數Ｒ２、均方根誤差ＲＭＳＥ、相對分析誤差ＲＰＤ 進行精度評價，模型的準確性越高，則相應的Ｒ２ 和ＲＰＤ 值越大、ＲＭＳＥ 越小。模型穩定且準確時ＲＰＤ 的值大于２．０，模型穩定性一般時ＲＰＤ 的值介于１．４ 和２．０ 之間，否則模型的預測能力較差［１１］ 。

２ 結果與分析

２．１ 小浪底水庫水質光譜特征

采用ＳＮＡＰ 軟件對遙感數據進行處理，獲取小浪底水庫采樣點光譜反射率曲線，見圖４。從圖４ 中可以看出，波長在４４０～８７５ ｎｍ 范圍內水體的光譜反射率呈波動變化。４４０～５６０ ｎｍ 處反射峰出現是葉綠素吸收較弱以及水體中懸浮物的反射作用造成的，６６５ ｎｍ處反射波谷是葉綠素的強吸收作用引起的，７０５ ｎｍ 處反射峰是藻類植物的反射造成的，７８０ ｎｍ 處反射峰是懸浮物等物質對光的反射作用造成的［１２］ 。綜合分析采樣點水質光譜反射曲線可知，不同區域光譜變化趨勢總體一致，由于水質參數濃度不同，因此反射曲線的峰谷高低和變化快慢不同。

２．２ 水質參數和反射率相關性分析

將小浪底水庫各采樣點的水質參數分別與光譜反射率進行Ｐｅａｒｓｏｎ 相關性分析。考慮水體遙感反演敏感波段分布和噪聲的影響，采用１ ０００ ｎｍ 以下波段進行相關性分析，水質參數不同波長下與反射率的相關系數見圖５。由圖５ 可知，在波長４５０ ～ ９００ ｎｍ 范圍內，ＮＨ_３－Ｎ 與光譜各波段反射率正相關，相關系數在８４２ ｎｍ 處達到最大值０．４２，為中等相關性（０．４＜ｒ ＜０．６）［１３］ ；ＣＯＤ 與各波段反射率存在正相關和負相關，相關系數在７０５ ｎｍ 處達到最大值０．７９，為強相關性（０．６＜ｒ＜０．８）；ＴＰ 在６８０～７６０ ｎｍ 范圍內與各波段反射率負相關，在其余波段正相關，相關系數在７８３ ｎｍ 處達到最大值０．３１，為較弱相關性（０．２＜ｒ＜０．４）；ＴＮ 與各波段反射率存在正相關和負相關，相關系數在７４０ ｎｍ處達到最大值０．５１，為中等相關性。

２．３ 水質參數反演模型

分析水質參數和光譜各波段反射率的相關性，篩選出各水質參數相關性峰值對應的光譜波段，ＣＯＤ、ＴＰ、ＴＮ 和ＮＨ_３－Ｎ 相關性最高的波段分別為７０５ ｎｍ（Ｂ５）、７８３ ｎｍ（Ｂ７）、７４０ ｎｍ（Ｂ６）和８４２ ｎｍ（Ｂ８）波段，建立水質參數與所選波段之間反演模型（見表１），在各反演模型中選取確定系數最大的反演模型（見圖６）。從圖６ 可以看出，建模集數據點均勻分布在擬合曲線兩側，ＣＯＤ、ＴＰ 和ＴＮ 的反演模型確定系數Ｒ２ 均高于ＮＨ_３－Ｎ 反演模型的。

２．４ 水質參數反演模型驗證及評價

通過遙感反演模型對小浪底水質參數進行反演，用實測數據中的６ 組驗證集數據與模型反演值進行曲線擬合，擬合結果表明，各水質參數反演值和驗證集實測值均勻分布在擬合曲線兩側，擬合曲線確定系數Ｒ^２均高于反演模型的，且曲線斜率均在１ 附近，說明各反演模型可用于水質參數反演，各水質參數反演模型精度評價見表２。從表２ 可以看出，ＣＯＤ 反演模型的確定系數Ｒ^２最大，ＲＰＤ 大于２．０，反演模型精確度和穩定性最好；ＴＰ 和ＴＮ 的反演模型精確度和穩定性較好；ＮＨ_３－Ｎ 的確定系數Ｒ^２較小，ＲＰＤ 小于２．０，模型精確度和穩定性較差。可嘗試通過提高多光譜數據獲取的實時性和增加采樣點數量來提高反演精度。

２．５ 水質參數質量濃度分布圖反演

根據建立的ＣＯＤ、ＴＰ、ＴＮ 和ＮＨ_３－Ｎ 反演模型，對獲取的多光譜圖像各像元進行估算，反演小浪底水質參數質量濃度分布，結果見圖７。由圖７ 可知，水庫出水口和部分邊界處ＣＯＤ 質量濃度較高，往水庫內部延伸ＴＮ、ＴＰ 和ＮＨ_３－Ｎ 質量濃度高于邊緣處。

３ 結束語

以小浪底水庫Ｓｅｎｔｉｎｅｌ－２ 多光譜遙感影像和采樣點實測水質參數為數據源，通過相關性分析篩選各水質參數的敏感波段，選擇相關性好的波段進行水質參數反演，建立了反演模型，并通過驗證集驗證了各模型的精確度和穩定性，進而反演了各水質參數的空間分布，結果表明：小浪底水庫ＣＯＤ 反演模型精確度和穩定性較好，ＴＰ 和ＴＮ 反演模型次之，ＮＨ_３－Ｎ 的性能最差，模型可以用來反演小浪底水庫ＣＯＤ、ＴＰ 和ＴＮ 的濃度和空間分布，用于小浪底水庫和黃河流域水生態環境水質參數大范圍快速監測。

【責任編輯 呂艷梅】