基于高光谱遥感的水体浊度反演与模型构建-电子发烧友网

浊度是水环境监测的重要水质参数，与悬浮物之间具有紧密联系，是用来估计悬浮物质量的关键。实时、快速监测矿区周边地表水水质是防止矿区水环境污染的前提。传统的水质监测手段主要通过实地定点采样、实验室理化分析的形式获取水质参数，在一定程度上能排除环境干扰，对水质指标做出较为精准的评价，但采样间隔较长、样本点分布稀疏，且耗时费力，难以完成全面实时的地表水水质状况监测。遥感技术具有时效性强、低成本和场景监测能力，可实现大区域水体的快速监测，反映研究区水质的时空变化特征。但卫星观测能力易受天气、时空分辨率等限制，难以及时进行有效监测。

近年来，无人机技术飞速发展，以无人机为飞行平台搭载高光谱传感器，可低空作业，具有获取数据分辨率高、光谱信息丰富等优势，可在一定程度上弥补卫星遥感对水体监测的不足。

基于国内诸多研究的基础，联合无人机高光谱数据与地面实测光谱数据、水质参数数据，采用相关性分析法选取最优波段，分析光谱指数与水体水质参数的定量关系，构建反演模型，并应用于无人机高光谱影像，生成矿区水体浊度空间分布图，实现范围性地表水水质监测。

01数据获取与处理

采用大疆为搭载平台，搭载机载高光谱，通过高光谱成像系统进行数据传输与获取。根据任务要求合理规划摄区航线，利用航迹规划子系统将规划的航线数据载入空中控制系统，然后按照航线数据进行拍摄。拍摄数据将通过无线电实时传输到地面控制系统。为准确掌握研究区水体情况，在研究区水域范围内均匀随机选取20个采样点，采集采样点处光谱数据、水样，并及时完成水质参数测定。水面样本点光谱数据采集使用背携式ASD光谱辐射仪，光谱响应范围为350～2500nm，光谱分辨率为1nm。无人机搭载传感器获取的光谱范围是380～1000nm，为确保采样光谱与无人机高光谱波长范围一致，选用实测采样点光谱350～1000nm数据。部分水体光谱曲线如图1所示，水体实测光谱曲线基本符合标准水体反射光谱曲线，水体反射率较低，远低于其他大多数地物，水体在蓝绿波段具有较强反射，在其他可见光波段吸收较强。

图1部分样本点水体光谱曲线

02研究方法

为选择与水体参数浊度值高度相关的最优波段，采用相关性分析法，使用采样点光谱数据构建光谱归一化差值指数，计算NDSI与采样点水质参数浊度值的相关性，选取相关性最高的波段组构建水质反演模型，并以决定系数R2与均方根误差RMSE作为精度评价标准，评定反演模型预测精度，选取最优反演模型，应用于无人机高光谱数据，实现水质参数反演的空间可视化。

引入均方根误差作为验证反演模型精度的指标，通过计算样本点实测水质浊度值与不同反演模型预测值之间的均方根误差,分析不同反演模型的预测精度,进而选取最优模型。均方根误差计算公式为:

公式(3)中，xmea为采样点实测水质浊度值，xest为模型反演预测值，n为样本点总数。

03结果分析

为检验所构建反演模型的预测精度，对比采样点实测浊度值与反演模型预测值，结果如图3所示。采样点实测浊度值与反演模型预测值较均匀地分布在1∶1线性附近，即模型预测值与实测值接近，模型预测结果可用于实际监测需求。经对比验证，反演模型预测结果具有较高精度，可用于无人机高光谱影像，进行研究区水体浊度参数的范围性监测，获取水体浊度空间可视化分布成果。

图3水体浊度实测值与预测值对比

基于采样点实测光谱与浊度值数据构建反演模型，满足反演精度需求，结合同时期获取的无人机高光谱数据实现全域水体的浊度反演，并绘制水体浊度值空间分布图，如图4所示。研究区水体浊度值为0～45度，其中78%范围水域浊度值为9～18度，水边缘区域约有12%范围浊度值达到20～45度。结果表明，该区域水体整体较为清澈，悬浮物浓度较低，浊度值较小，无明显污染现象，而水域边界处反演模型预测结果浊度值较高，与实际调研结果一致。

图4研究区水域浊度空间分布

04结论

结合实测样本点光谱数据、水体浊度，采用相关性分析方法选取与浊度相关较高的最优波段，构建反演模型。经最优波段分析发现，当波段为540、625nm，归一化差值指数与水体浊度具有最大相关性，数值为0.762，因此基于波段（540、625nm）构建反演模型。为检验模型精度，对比模型预测值与实测值发现，样本点位置水体浊度值与反演模型预测值均匀分布在1∶1线性附近，反演精度较高。同时将反演模型应用于无人机高光谱影像，实现地表水体浊度的范围性监测，分析水体浊度，实现数据空间化与可视化。

研究利用无人机实时监测、高空间分辨率的能力，对于地表水污染监测预警具有重要意义。随着研究的深入，基于丰富的光谱信息可进一步开展水体悬浮物浓度、CHL-a浓度以及有机物污染等方面的监测分析，为地表水水质监测与环境保护提供技术支持。