学术交流 | 基于Sentinel-2和ZH-1遥感影像的松北区水质监测

 关键词 ：银水湾；哨兵二号；高光谱；叶绿素a浓度；综合营养指数

随着我国城镇化的快速发展，工业生产、农业灌溉和人民日常用水量日趋增加。人们生产、生活产生的工业废水和生活污水被排放到城市河道中，造成城市水体水质日益恶化，严重破坏城市河流生态系统，对城市景观和城市发展造成较大影响，对区域的生态环境、人居环境和人们的身体健康造成了严重的危害。监测和治理水体污染是目前亟待解决的城市环境问题。

传统水质监测方法主要采用地面水站监测，监测范围有限，难以实现长时间连续的大范围监测。而遥感技术可以从全空间领域，多时间序列快速、连续地体现整个水域的水质状况。水体中的叶绿素a浓度、悬浮物浓度和透明度是水质监测的重要指标参数。对此，国内外学者开展了大量的相关研究，王爽等人以Landsat-8/OLI、FY-3A/MERSI和HJ-1B/CCD遥感影像为数据源，结合实测的叶绿素a浓度和水体光谱特征，得到胶州湾的叶绿素a浓度的空间分布情况。宋庆君等人选取太湖为试验区，对比分析TASSAN模型、比值模型、近红外估算模型反演出水体悬浮物浓度，最终得出结论利用近红外（812 nm）波峰高度来估算太湖悬浮物的效果最好。Keiner等人利用Landsat-TM数据，对水体叶绿素、悬浮物和可溶性有机物3个水质参数进行反演。Dall等人利用MODIS影像，构建3个特征波段反演模型，反演水体的叶绿素a浓度。

总结目前的研究成果可知，利用遥感技术进行水质监测的研究已经较为成熟，但是多数研究主要是针对水体的单因子进行反演，如叶绿素a浓度。本文基于哨兵二号（Sentinel-2）卫星影像和珠海一号（ZH-1）卫星影像，对哈尔滨市松北区银水湾等河段的水体的绿素a浓度、悬浮物浓度、透明度和综合富营养化指数进行反演，形成每季度水体监测，并对研究区域内水质进判别和评价，辅助有关部门进行定量污染源解析，服务水体治理措施，可有效地节约成本，提高治理效果。

松北区内河流纵横，水量丰枯不均，主要江河有松花江及其支流金水河和呼兰河，区内河水平缓而宽阔，区内陆河、渠、湖泊较为丰富。本研究以松北区银水湾作为研究区，如图1所示。

图1 研究区水体分布图

银水湾位于哈尔滨松北区，银水湾支渠具有排涝、生态环境、景观、旅游等综合功能，局部放大图如图2所示。支渠总长度为6.494 km，平均水面宽度60 m，水面面积0.37 km2，常年河水呈黄色，污染严重，被称为“金水湾”，现场照片如图3所示。

图2 银水湾局部放大图

图3 银水湾现场照片

本文采用4月10日的ZH-1卫星影像和7月24日的Sentinel-2卫星影像，对松北区银水湾，采用多种遥感影像数据源，进行4月和7月的每季度水质监测。

2.1  哨兵二号（Sentinel-2）卫星影像

Sentinel-2卫星携带一个多光谱成像仪，可覆盖13个光谱波段，幅宽为290km。13个波段，光谱覆盖范围从可见光到短红外，空间分辨率分别为10m、20 m和60m。两颗互补，重访周期为5d。在光学数据中，Sentinel-2是首颗包含3个“红边”波段的光学卫星，可以提供有关植被状态的关键信息，本文采用2020年7月24日的Sentinel-2影像，对波段2、3、4、8进行合成，空间分辨率为10m。

2.2  珠海一号（ZH-1）卫星影像

ZH-1高光谱卫星采用推扫成像方式，单次成像范围为150km×400（km/min），空间分辨率为10m，光谱分辨率为2.5nm，波长范围为400～1 000nm，32个波段。目前，单颗高光谱卫星重访周期为6d，8颗高光谱卫星综合重访周期缩约为1d。本文采用2020年4月10日的ZH-1影像数据，并对数据进行预处理，用于后续水质参数反演工作。

本文主要以高光谱ZH-1卫星影像和多光谱Sentinel-2卫星影像为主要数据源，并对遥感影像进行辐射校正和正射校正等数据预处理。利用自动化提取水体，得到研究区水体分布范围，并对研究区水体的叶绿素a浓度、悬浮物浓度和透明度等水质参数进行反演，在此基础上得到研究区水质的综合污染情况的空间分布图和污染水体的专题报告，具体研究路线如图4所示。

图4 技术路线流程图

本文利用Sentinel-2和ZH-1卫星遥感影像作为数据源，在进行水质参数反演前，需要对数据进行辐射校正、几何校正、影像镶嵌和裁剪等操作。

1.1辐射校正

辐射校正主要是用来消除传感器因自身条件、大气条件、太阳位置和角度条件及某些不可避免的噪声等因素，引起传感器所得到的目标测量值与目标的光谱发射率或光谱辐亮度等物理量之间的差异。辐射校正主要包括辐射定标和大气校正两部分。

1）辐射定标

辐射定标是将接收的遥感数据，通常是影像灰度值转换为实际的物理量（如辐射亮度值、地面反射率等），主要是消除传感器本身的误差，确定传感器入口处的准确辐射值。辐射定标分为绝对辐射定标和相对辐射定标，影像灰度值与辐射亮度值之间的转换关系为：

式中，Lλ为转换后的辐射亮度值，常用单位为W/( m2•µm•sr )；DN为影像原始灰度值；Gain和Offset分别为传感器的增益和偏移量。

2）大气校正

大气校正，主要是消除大气影响造成的辐射误差，获取地面真实反射率的过程。地面传感器最终接收得到的目标总辐射亮度不是地表真实发射率，会受大气中的气溶胶散射和太阳光照等因素影响。本文主要利用ENVI中的FLAASH模块对ZH-1高光谱影像进行大气校正。

1.2   正射校正

正射校正是对影像空间和几何畸变进行校正，消除影像倾斜和投影误差，从而输出多中心投影平面正射影像的处理过程。本文以Sentinel-2为参考影像，对ZH-1高光谱影像进行正射校正，以保证同一区域内同一地物的Sentinel-2和ZH-1影像位置相同。

1.3   影像镶嵌和裁剪

利用ENVI软件，将覆盖研究范围的相同数据源的遥感影像进行镶嵌，并按照研究区矢量范围对镶嵌后影像进行裁剪，得到松北区范围内的影像。

采用面向对象的方法对遥感影像的水体进行自动化提取，并利用遥感影像的光谱信息，对研究区范围内水体的叶绿素a浓度、悬浮物浓度、透明度等水质进行反演，并综合3种参数得到综合污染指数，通过综合污染指数评价城市水体污染程度。

2.1 水体提取

为了清晰表示出水体参数的变化特征，需提取出研究区的水体分布情况。本文利用易康（eCognition）解译软件，采用面向对象的方法，利用遥感影像的绿波段和近红外波段构建归一化水体指数（Normalized Difference Water Index，NDWI）对影像水体进行自动化提取，如图5所示。 

式中，Green为绿波段；Nir为近红外波段。

图5 水体分布图

2.2水质参数反演

水体中水质参数的成分和浓度不同，对应遥感影像波段的光谱信息也不同，因此可以根据遥感影像的光谱信息与水体水质参数关系建立模型，得到水体水质参数浓度的空间分布关系。本文利用模型分析法反演出研究区内水体的叶绿素a浓度、悬浮物浓度、透明度以及水体综合营养指数等水质参数，从而得到整个研究区内水质空间分布情况。

1）叶绿素a浓度的反演

水体叶绿素a浓度是评定水体富营养化和水体污染程度的重要指标，水体的叶绿素a浓度不同，对应遥感影像的光谱信息也不同。一般情况下，含有叶绿素a的水体的光谱特性为在近红外波段值最高，在红光波段反射率呈现最低状态。因此，本文采用影像的红光波段和近红外波段，反演出水体叶绿素a浓度，构建的反演模型为：

式中，Cchl-a为叶绿素a浓度，单位为mg·m-3；b3，b4分别为遥感影像的红光波段和近红外波段的像元值。

2） 悬浮物浓度的反演

悬浮物浓度较大的水体的光谱信息较正常水体的光谱信息具有一定差异性，正常水体在可见光的蓝绿波段反射率较强，红外和近红外波段反射率较低，悬浮物浓度较大的水体，反射峰会发生“红移”现象。因此，本文选用遥感影像的波段差异处的绿光波段和红光波段作为反演水体悬浮物浓度的主要特征波段。

式中，Ctss为悬浮物浓度，单位为mg·L-1；b2，b3分别为遥感影像的绿光波段和红光波段。

3）透明度的反演

透明度与悬浮物浓度呈负相关，悬浮物浓度越大的河段，其透明度反而越小。反演模型为：

式中，Ctss为悬浮物浓度；Zsd为水体透明度，单位为cm。4）水体综合营养指数

水体的缺氧性和富营养为评价水体污染程度的重要指标，主要是基于水体的叶绿素a浓度和透明度建立综合营养指数模型，如下所示：

式中，TLIchi-a为基于叶绿素a浓度的营养状态指数；TLIsd为基于透明度的营养状态指数。

分别对两种营养指数进行归一化操作，然后选取两个营养指数的最大值作为新的综合营养指数，叠加到遥感影像上进行最佳阈值选取，得到污染水体的分布情况。

利用上述方法对遥感影像进行水质参数的反演，得到水体的叶绿素a浓度、悬浮物浓度、透明度和综合营养指数的分布情况。

通过叶绿素a浓度模型，得到研究区内叶绿素a浓度的空间分布情况，如图6所示。并对银水湾及其相邻的松花江的叶绿素a浓度进行统计，见表1。

图6 水体叶绿素a浓度空间分布图

表1 研究区水体叶绿素a浓度统计结果

由上述可知，研究区内水体的叶绿素a浓度主要在30～45mg·m-3之间，银水湾流域的叶绿素a浓度高于相邻松花江流域的叶绿素a浓度，银水湾的平均叶绿素a浓度为42.38mg·m-3，松花江的平均叶绿素a浓度为33.17mg·m-3。

利用水体悬浮物模型对研究区水体的悬浮物浓度进行反演，得到水体悬浮物浓度的空间分布，如图7所示，统计结果见表2。

由图7和表2可知，银水湾流域的悬浮物浓度高于松花江的悬浮物浓度，银水湾平均悬浮物浓度为66.38mg·L-1，松花江的平均悬浮物浓度为31.58 mg·L-1，其中松花江悬浮物浓度南岸整体高于北岸。

图7 水体悬浮物浓度空间分布图

 表2 研究区水体悬浮物浓度统计结果

水体透明度反演模型主要基于水体悬浮物浓度得到水体透明度反演模型主要基于水体悬浮物浓度得到，其分布情况，如图8所示，统计结果见表3。

图8 水体透明度空间分布图

表3 研究区水体透明度统计结果

由上述结果可知，水体透明度与水体悬浮物浓度呈负相关，银水湾流域的水体透明度低于松花江的水体透明度，银水湾平均透明度为19.36cm，松花江流域水体透明度为36.47cm。

水体综合营养指数主要综合利用叶绿素a浓度、透明度，分别对其进行归一化处理并取最大值，然后进行最佳阈值选取，分别得到水体的4月和7月每季度监测的污染状况，如图9和图10所示。其中，珠海一号卫星高光谱卫星，光谱信息更为精细化，可将其综合营养指数根据选取最佳阈值，污染程度进行3级显示，4月份珠海一号影像和7月份哨兵二号卫星影像的综合营养指数统计值统计情况，分别见表4和表5。

图9    水体综合污染等级空间分布图（珠海一号4月份高光谱遥感影像）

图10 水体综合污染程度空间分布图（7月份哨兵二号遥感影像） 

表4  珠海一号4月份水体污染程度分级

表5 哨兵二号7月份水体污染程度表

由上述结果可知，银水湾污染情况严重，在7月份哨兵影像上的平均污染指数为0.71，而相邻的松花江水质状况好，无污染，属于正常水体。

水体的水质参数对于遥感影像的红外和近红外波段敏感，在此波段内污染水体与非污染水体光谱特征明显不同，可辅助识别水体的污染状况。本文主要是基于现有水质参数反演模型对研究区的水质参数进行反演，缺少实地采集的水质数据，今后可同步获取影像与实地采集数据，更精确和客观地得到水体污染状况分布。且本文主要采用的是10m空间分辨率的遥感影像，对于一些水面较窄的水体很难进行水质情况的判别，尤其城市中的重点排污渠等，在今后的相关工作中应结合更高分辨率的遥感影像。

引文格式：孙  微，曹宇佳，马新文，等. 基于Sentinel-2和ZH-1遥感影像的松北区水质监测[J].地理信息世界,2021,28(1):118-123.

作者简介：孙微，黑龙江望奎人，高级工程师，学士，主要从事测绘与遥感研究等工作

来源：地理信息世界