田 野, 郭子祺, 喬彥超, 雷 霞, 謝 飛

中國(guó)科學(xué)院遙感與數(shù)字地球研究所，遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100101

基于遙感的官?gòu)d水庫(kù)水質(zhì)監(jiān)測(cè)研究

田 野, 郭子祺*, 喬彥超, 雷 霞, 謝 飛

中國(guó)科學(xué)院遙感與數(shù)字地球研究所，遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 北京 100101

遙感監(jiān)測(cè)具有監(jiān)測(cè)面積廣、速度快、成本低等優(yōu)勢(shì)，常用于大面積水質(zhì)監(jiān)測(cè)。以北京官?gòu)d水庫(kù)為研究對(duì)象，通過(guò)野外和實(shí)驗(yàn)室測(cè)量數(shù)據(jù)建立水質(zhì)參數(shù)遙感反演的生物光學(xué)模型，對(duì)夏季官?gòu)d水庫(kù)的非色素顆粒物濃度、葉綠素a濃度和有色可溶性有機(jī)物(CDOM)濃度進(jìn)行了反演。該模型研究的目的就是通過(guò)建立反演模型，利用衛(wèi)星數(shù)據(jù)進(jìn)行水質(zhì)參數(shù)反演，從而得到大面積水體的水質(zhì)分布圖。采用CHRIS/Proba高光譜數(shù)據(jù)反演官?gòu)d水庫(kù)的水體組分濃度，對(duì)庫(kù)區(qū)水質(zhì)反演要素的空間分布規(guī)律進(jìn)行了分析。結(jié)果表明，所采用的遙感反演模型基本適用于官?gòu)d水庫(kù)水質(zhì)監(jiān)測(cè)，反演出的葉綠素a、總懸浮物和CDOM的空間分布與實(shí)際測(cè)量值的空間分布基本吻合。

遙感監(jiān)測(cè); 水質(zhì)監(jiān)測(cè); 水質(zhì)反演; 高光譜數(shù)據(jù)

水質(zhì)監(jiān)測(cè)是水質(zhì)評(píng)價(jià)與水污染防治的主要依據(jù)。隨著水體污染問(wèn)題的日益嚴(yán)重，對(duì)水污染的動(dòng)態(tài)監(jiān)測(cè)與評(píng)價(jià)已成為當(dāng)務(wù)之急，但是傳統(tǒng)的水質(zhì)監(jiān)測(cè)方法檢測(cè)和分析過(guò)程復(fù)雜、周期長(zhǎng)，數(shù)據(jù)的頻次、時(shí)效和代表性遠(yuǎn)遠(yuǎn)滯后于環(huán)境管理與決策的需求，特別是一些突發(fā)性、大范圍的環(huán)境質(zhì)量變化不能被及時(shí)捕捉[1]。遙感技術(shù)以其獨(dú)特的優(yōu)勢(shì)為水質(zhì)監(jiān)測(cè)和研究開(kāi)辟了新的途徑，它克服了常規(guī)方法主觀性強(qiáng)、監(jiān)測(cè)范圍小、長(zhǎng)期趨勢(shì)分析困難的缺點(diǎn)，可以實(shí)現(xiàn)水質(zhì)快速、大范圍、低成本、周期性動(dòng)態(tài)監(jiān)測(cè)，并可發(fā)現(xiàn)一些常規(guī)方法難以揭示的污染源和污染物的遷移特征，因此在內(nèi)陸水質(zhì)監(jiān)測(cè)中開(kāi)始發(fā)揮越來(lái)越大的作用[2]。目前國(guó)內(nèi)外已經(jīng)開(kāi)展了多種利用遙感數(shù)據(jù)建立水質(zhì)參數(shù)反演模型以監(jiān)測(cè)海洋、近岸地帶以及內(nèi)陸湖泊水質(zhì)環(huán)境變化的研究[3]。André Morel等提出了一種簡(jiǎn)單的估算葉綠素濃度與有色溶解物的波段比值法，認(rèn)為R(412)/R(443)、R(490)/R(555)分別與CDOM、葉綠素濃度有著很好的相關(guān)關(guān)系[4]。楊煜等基于環(huán)境一號(hào)衛(wèi)星高光譜遙感數(shù)據(jù)，利用基于生物光學(xué)模型的三波段模型對(duì)巢湖葉綠素a濃度進(jìn)行了反演與填圖，達(dá)到平均相對(duì)誤差為33%的精度[5]。楊偉等提出了一種半分析模型優(yōu)化的查找表法，從3種已有的辦分析模型計(jì)算結(jié)果中篩選最優(yōu)解，結(jié)果表明該方法可達(dá)到平均歸一化偏差小于9%的精度[6- 7]。Glenn Campbell采用5種波段加權(quán)法求解生物光學(xué)模型，對(duì)澳大利亞的一些湖泊進(jìn)行了水質(zhì)參數(shù)反演，REF與DER加權(quán)方法均獲得了不錯(cuò)的精度[8- 9]。

官?gòu)d水庫(kù)是海河流域五大支流之一永定河上的第一座大型水庫(kù)，曾經(jīng)是北京市的主要供水水源之一。由于遭遇20世紀(jì)80年代后期的嚴(yán)重污染與90年代的進(jìn)一步惡化，官?gòu)d水庫(kù)于1997年被迫退出了城市生活飲用水體系。針對(duì)飲用水體系水體的水質(zhì)監(jiān)測(cè)對(duì)于保障城市飲用水供應(yīng)具有重要意義。本文以官?gòu)d水庫(kù)為研究區(qū)，基于高光譜遙感數(shù)據(jù)——CHRIS影像，利用水質(zhì)采樣點(diǎn)實(shí)測(cè)光譜信息建立水質(zhì)參數(shù)反演模型，對(duì)官?gòu)d水庫(kù)的水質(zhì)空間分布情況進(jìn)行反演，并對(duì)官?gòu)d水庫(kù)水質(zhì)情況進(jìn)行了分析。

1 方法和實(shí)驗(yàn)

利用遙感技術(shù)反演水質(zhì)參數(shù)主要有3種方法：經(jīng)驗(yàn)法、半經(jīng)驗(yàn)法及分析法[10]。經(jīng)驗(yàn)法通過(guò)研究水體光譜與各組分濃度之間的經(jīng)驗(yàn)關(guān)系建立反演模型，半經(jīng)驗(yàn)法在經(jīng)驗(yàn)法的基礎(chǔ)上結(jié)合了水體及其組分的特征光譜，分析法通過(guò)光在水體中的輻射傳輸過(guò)程建立嚴(yán)格的數(shù)學(xué)物理關(guān)系進(jìn)行水質(zhì)反演。前兩種方法具有明顯的地域性，可移植性差。分析法使用的生物光學(xué)模型具有明確的物理意義，對(duì)地面同步數(shù)據(jù)的依賴(lài)性較小，是水質(zhì)參數(shù)反演、水環(huán)境監(jiān)測(cè)方法的重要發(fā)展方向。本文采用分析法來(lái)反演官?gòu)d水庫(kù)水質(zhì)參數(shù)。反演的水質(zhì)參數(shù)包括葉綠素a濃度、非色素懸浮物濃度以及有色可溶性有機(jī)物(CDOM)吸收系數(shù)。

1.1 研究區(qū)域概況

圖1 數(shù)據(jù)采集點(diǎn)分布圖Fig.1 Sampling points distribution of Guanting Reservoir

作為研究區(qū)的官?gòu)d水庫(kù)地處北緯40°18′至40°26′，東經(jīng)115°37′至115°51′，屬于中國(guó)重要水系之一的海河流域，建于1951年至1954年。其最主要的支流為河北懷來(lái)永定河。設(shè)計(jì)總庫(kù)容41.6億m3，水庫(kù)流域總面積4.34萬(wàn)km2，控制流域面積47000km2，多年平均流量44.6秒立方。設(shè)計(jì)洪水流量11450秒立方，現(xiàn)總庫(kù)容21.9億m3，設(shè)計(jì)灌溉面積10萬(wàn)hm2，裝機(jī)容量3.0萬(wàn)千瓦。它是新中國(guó)成立之后的第一個(gè)大型水庫(kù)并在多個(gè)省市的防洪抗災(zāi)、農(nóng)業(yè)灌溉以及能源供應(yīng)上都發(fā)揮了重要的作用。20世紀(jì)80年代后期，庫(kù)區(qū)受到嚴(yán)重污染，90年代水質(zhì)繼續(xù)惡化，1997年被迫推出城市生活飲用水體系。其主要供水支流永定河的有機(jī)物污染是水庫(kù)水質(zhì)污染的重要原因之一[11]。近年來(lái)，由于上游城市用水量的增大、地下水位降低過(guò)快，水土流失未有效控制與治理導(dǎo)致入庫(kù)水量減少水庫(kù)覆蓋面積隨之減少。據(jù)當(dāng)?shù)鼐用褚约跋嚓P(guān)報(bào)道得知，水庫(kù)于夏季至秋季之間水質(zhì)最為惡劣，并伴有濃烈腥味，因此本實(shí)驗(yàn)野外數(shù)據(jù)采集選擇5月10日和8月11日。兩次試驗(yàn)天氣條件均為晴朗，無(wú)風(fēng)到微風(fēng)，氣溶膠濃度較小。真實(shí)反映水庫(kù)整體水質(zhì)，減少周?chē)h(huán)境干擾并避免遙感數(shù)據(jù)混合像元帶來(lái)的誤差，并考慮到水庫(kù)狹長(zhǎng)的形狀，野外試驗(yàn)的樣本點(diǎn)選為遠(yuǎn)離水岸及水生植物茂密區(qū)域、靠近水庫(kù)中心的位置。由于兩次野外試驗(yàn)間隔3個(gè)月，由于水草等水生植物泛濫，第二次野外試驗(yàn)的選點(diǎn)區(qū)域有別于第一次試驗(yàn)。第一次試驗(yàn)從11:00到14:30共采集7個(gè)水樣，第二次試驗(yàn)于11:00至15:00之間共采集18個(gè)水樣(圖1)。

1.2 表觀光學(xué)量建模與測(cè)量

1.2.1 表觀光學(xué)量建模

(1)

對(duì)于遙感反射率Rrs可由公式2計(jì)算得到

(2)

(3)

1.2.2 表觀光學(xué)量測(cè)量與計(jì)算

本文采用ASD (Analytical Spectral Devices) 進(jìn)行水表光譜測(cè)量，各試驗(yàn)點(diǎn)采集的水樣在實(shí)驗(yàn)室進(jìn)行固有光學(xué)量以及水體組分濃度的測(cè)量。ASD光譜儀測(cè)量范圍從350nm到2500nm，覆蓋可見(jiàn)光、近紅外以及短波紅外，光譜分辨率為1nm。由于水體對(duì)800nm之后的輻射具有強(qiáng)烈的吸收作用，水色遙感中僅采用低于800nm的波段。

為獲得更為真實(shí)的水表光譜，在進(jìn)行測(cè)量時(shí)需要遵循合理的觀測(cè)幾何。由于觀測(cè)天頂角從0°到40°之間變化時(shí)，離水幅亮度Lw變化幅度很小[12]，而觀測(cè)方位角處于40°到135°之間可以在避免儀器陰影時(shí)盡量較少太陽(yáng)耀斑的影響。因此觀測(cè)幾何可設(shè)計(jì)為圖2所示，其中，觀測(cè)天頂角為40°，觀測(cè)方位角為135°。

圖2 水面光場(chǎng)觀測(cè)幾何Fig.2 Above the water surface observation geometry

圖3 遙感反射率Rrs計(jì)算結(jié)果Fig.3 The results of Rrs

上行輻照度Ewu和上行輻亮度Lwu的比值Q需要進(jìn)行合理的給定。至今，Q的計(jì)算方法主要有兩種：直接賦予常數(shù)4或者Pi以及Gons于1999年提出的經(jīng)驗(yàn)公式[13]：

(4)

理論上，Q值通常在0.3與6.5之間。對(duì)于渾濁水體常在3和4之間，對(duì)于湖泊和水庫(kù)類(lèi)水體中Q值處于3.3左右。本次試驗(yàn)中，采用該經(jīng)驗(yàn)公式用于確定Q值，從而盡量避免由于Q取常數(shù)所帶來(lái)的誤差。根據(jù)實(shí)測(cè)光譜數(shù)據(jù)，Rrs和Fdif可以由式3和Fdif=Edif/Ead計(jì)算得到，由時(shí)間和位置信息，則可以計(jì)算太陽(yáng)天頂角，進(jìn)而根據(jù)菲涅爾公式計(jì)算氣水界面反射率，對(duì)于其它未知參數(shù)，也同樣參照有關(guān)文獻(xiàn)，取ρdif=0.066，n=1.333，w=0.5(圖4)。

從圖4可以看到，由5月10日和8月11日兩次實(shí)驗(yàn)計(jì)算得到的Q值分別接近3和4，這是由于不同的大氣條件等因素導(dǎo)致的。從400nm到750nm，對(duì)于同一試驗(yàn)點(diǎn)，Q的取值隨波長(zhǎng)變化保持穩(wěn)定，因此，用不同的常數(shù)去擬合不同試驗(yàn)點(diǎn)的Q值。

1.3 固有光學(xué)量建模與測(cè)量

1.3.1 固有光學(xué)量建模

(5)

圖4 Q值計(jì)算結(jié)果Fig.4 The results of Q

圖5 R(0-)計(jì)算結(jié)果Fig.5 The results of R(0-)

圖6 f值結(jié)果Fig.6 The results of f

對(duì)本研究區(qū)域水體而言，其中吸收系數(shù)a(λ)可以由式6計(jì)算得到：

a(λ)=aw(λ)+aCDOM(λ)+at(λ)+aph(λ)

(6)

式中，aw(λ)，aCDOM(λ)，at(λ)和aph(λ)分別為純水，CDOM，非色素懸浮物和浮游植物的吸收系數(shù)。

總后向散射系數(shù)可以由下式計(jì)算得到：

bb(λ)=bbw(λ)+bbt(λ)+bbph(λ)=bbw(λ)+bbp(λ)

(7)

式中，bbw(λ)，bbt(λ)，bbph(λ)和bbp(λ)分別為純水，非色素懸浮物，浮游植物和總懸浮物的后向散射系數(shù)。CDOM的后向散射系數(shù)可以忽略，而非色素懸浮物和浮游植物的后向散射系數(shù)由于實(shí)驗(yàn)條件的限制，并沒(méi)有分別處理，而是引入總懸浮物后向散射系數(shù)進(jìn)行代替。

式6和式7中，aw(λ)和bbw(λ)為已知參數(shù)[15- 16]，其余參數(shù)需要進(jìn)行實(shí)驗(yàn)室測(cè)量。

這里需要引入單位固有光學(xué)量來(lái)建立固有光學(xué)量和水質(zhì)參數(shù)的聯(lián)系。單位固有光學(xué)量為各固有光學(xué)量與對(duì)應(yīng)水體組分濃度之間的比值：

(8)

由于CDOM沒(méi)有濃度的概念，定義其單位吸收系數(shù)為：

(9)

式中，λ0常取440nm。

由此，式可寫(xiě)作：

(10)

由式9和式10，各目標(biāo)水質(zhì)參數(shù)即可反演得到。

1.3.2 固有光學(xué)量測(cè)量和數(shù)據(jù)預(yù)處理

本次研究采用的是實(shí)驗(yàn)室測(cè)量固有光學(xué)量。本次研究的實(shí)驗(yàn)室測(cè)量目標(biāo)主要有4個(gè)：c總光束衰減系數(shù)；aCDOMCDOM吸收系數(shù)；ap總懸浮物吸收系數(shù)；at非色素顆粒物吸收系數(shù)。本次試驗(yàn)采用的是PerkinElmer Lambda 950 進(jìn)行吸收系數(shù)和衰減系數(shù)的測(cè)量。其測(cè)量光譜為175—3300nm，光譜分辨率為1nm。各參數(shù)測(cè)量方法和預(yù)處理過(guò)程均參照NASA提出的海洋光學(xué)規(guī)范。測(cè)量結(jié)果見(jiàn)圖7,圖8。

圖7 非色素懸浮物、浮游植物、CDOM和純水的吸收系數(shù)測(cè)量結(jié)果Fig.7 Measured absorption coefficients of inorganic suspend sediment, phytoplankton, CDOM and pure waterat：非色素顆粒物吸收系數(shù)absorption of tripton;aph：葉綠素吸收系數(shù)absorption of chla;aCDOM：黃色物質(zhì)吸收系數(shù)absorption of CDOM;aw：純水吸收系數(shù)absorption of water

圖8 各組分單位固有光學(xué)量測(cè)量結(jié)果Fig.8 Estimated SIOPs of each componentaph:單位葉綠素a吸收系數(shù)unit absorption of tripton;at:單位非色素顆粒物吸收系數(shù)unit absorption of chla;bbp:單位顆粒物后向散射系數(shù)unit backscattering of suspended matters;aCDOM:單位黃色物質(zhì)吸收系數(shù)unit absorption of CDOM

圖9 CChla、Ctripton和aCDOM(440nm)的相對(duì)誤差計(jì)算結(jié)果Fig.9 The relative error of CChla、Ctripton and aCDOM(440nm)RE(CChla)：葉綠素濃度反演相對(duì)誤差relative error of chla concentration;RE(Ctripton)：非色素顆粒物濃度反演相對(duì)誤差relative error of suspended matter concentration;RE(aCDOM(440))：黃色物質(zhì)440 nm除吸收系數(shù)反演相對(duì)誤差relative error of CDOM(440nm) concentration

1.4 留一法交叉驗(yàn)證

為了驗(yàn)證求解出來(lái)的單位固有光學(xué)量是否具有較好的代表性和適用性，這里引入了留一法交叉驗(yàn)證(LOOCV)進(jìn)行論證。留一法交叉驗(yàn)證已經(jīng)被證明能夠有效評(píng)價(jià)統(tǒng)計(jì)模型的歸納性特征，并且其結(jié)果是幾乎無(wú)偏的[17]。其算法可以簡(jiǎn)單描述為：從N個(gè)樣本中取出一個(gè)樣本后，用剩下的N-1個(gè)樣本來(lái)設(shè)計(jì)預(yù)測(cè)模型，然后用取出的樣本作檢驗(yàn)。這樣重復(fù)N此，檢驗(yàn)N次，并統(tǒng)計(jì)平均預(yù)測(cè)偏差。其優(yōu)點(diǎn)是有效的利用了N個(gè)樣本，比較適用于樣本數(shù)N較小的情況。

通過(guò)留一法交叉驗(yàn)證計(jì)算得到的葉綠素a濃度、非色素懸浮物濃度和aCDOM(440nm)的均方根誤差為2.5166、2.4501、0.2036，相對(duì)誤差RE為0.1075、0.2394、0.1723。其總體平均相對(duì)誤差為17.31%(圖9)，結(jié)果比較理想，因此，計(jì)算得到的單位固有光學(xué)量是值得信賴(lài)的。

1.5 矩陣反演法

眾多學(xué)者已經(jīng)證明矩陣反演法可用于二類(lèi)水體水質(zhì)反演[18- 20]。R(0-)可以分別由表觀光學(xué)量和固有光學(xué)量計(jì)算得到，因此，其關(guān)系可被寫(xiě)作矩陣形式：

(11)

或者：Y=Ax

式中，n為波段數(shù)，A是n×3的矩陣。

為求解上式，本文采用最小二乘法求解上式，即保證：

(12)

由此，即可計(jì)算出各水質(zhì)參數(shù)，完成反演。

2 反演與結(jié)果

2.1 反演結(jié)果

反演過(guò)程建立好之后，需要選擇合適的波段進(jìn)行水質(zhì)反演，特別是對(duì)于輕度污染的水體。圖10為全波段(400—750)和五波段模型(450,585,677,696,734)反演結(jié)果的比較。

圖10 各樣本水體組分濃度與模型反演濃度對(duì)比Fig.10 Comparison of the derived concentration versus the estimated concentration

為評(píng)價(jià)其反演精度，這里引入均方根誤差RMSE和相對(duì)誤差RE：

(13)

(14)

式中，n為水質(zhì)反演所采用的波段數(shù)，xr和xm分別為各水體組分濃度反演結(jié)果和實(shí)驗(yàn)室測(cè)量結(jié)果。

如圖10和表1，本次研究采用了全波段、五波段和四波段模型分別進(jìn)行了反演精度比較?？傮w來(lái)說(shuō)，3種模型的平均反演精度(平均相對(duì)誤差)在20%以?xún)?nèi)。因此，針對(duì)低污染二類(lèi)水體的水質(zhì)參數(shù)反演是可行的。

表1 各水體組分反演結(jié)果均方根誤差和相對(duì)誤差Table 1 The inversion results of RMSE and RE

2.2 水質(zhì)反演填圖

本次試驗(yàn)選擇了CHRIS高光譜數(shù)據(jù)進(jìn)行各水體組分空間分布的定性研究(圖11)。

圖11 葉綠素a濃度、非色素懸浮物濃度以及aCDOM(440) 的空間分布圖Fig.11 Chl-a, tripton and aCDOM(440) concentration distribution

由圖11可以看出，葉綠素a的濃度在水庫(kù)中上游地區(qū)濃度較低，而在永定河入口以及下游區(qū)域葉綠素濃度較高。中上游地區(qū)處于水生植物比較茂盛的區(qū)域，由于水生植物進(jìn)行光合作用使得水體中的二氧化碳濃度大大降低，不適合同樣需要吸收二氧化碳進(jìn)行光合作用的浮游植物的生存，因此該區(qū)域內(nèi)水體中葉綠素a濃度比較低。在入口處，由于水體流動(dòng)性比較大，其葉綠素a的含量由支流流域水質(zhì)決定。下游處，由于河床較低、湖水較深，即使水底生長(zhǎng)了大量的水生植物(一般情況下沒(méi)有水生植物)，接受到的太陽(yáng)光也比較稀薄，光合作用比較微弱，使得水表水體中的二氧化碳濃度比較高，適于浮游植物的繁殖。兩次實(shí)地采集的野外數(shù)據(jù)也很好的支持了這種分布的合理性。懸浮物濃度也有類(lèi)似的分布，原因同樣是因?yàn)橹猩嫌蔚貐^(qū)生長(zhǎng)的大量水生植物，而由于植物對(duì)水體中的懸浮物具有一定的吸附作用，從而降低了水體中懸浮物的含量；黃色物質(zhì)CDOM濃度的分布則有別于葉綠素a和懸浮物濃度。在中上游地區(qū)，由于水生植物的腐爛、水生養(yǎng)殖業(yè)導(dǎo)致的動(dòng)物尸體腐爛等，造成該區(qū)域CDOM的濃度偏高，而其他水域則相對(duì)較低。

3 討論與結(jié)論

根據(jù)遙感反演水體組分分布結(jié)果，分布圖合理的體現(xiàn)了官?gòu)d水庫(kù)葉綠素a、總懸浮物和CDOM的空間分布，也說(shuō)明了本次研究的生物光學(xué)模型適用于官?gòu)d水庫(kù)水質(zhì)監(jiān)測(cè)。然而，由于內(nèi)陸水色遙感缺少有效(適用于內(nèi)陸水色遙感的波段)、周期穩(wěn)定的衛(wèi)星數(shù)據(jù)，很難做到衛(wèi)星與地面同步觀測(cè)，并且由于水體信息微弱，受環(huán)境因素及大氣影響較大，而目前又缺乏行之有效的周邊環(huán)境、大氣影響剔除方法，因此水質(zhì)參數(shù)遙感反演的精度評(píng)價(jià)一直是個(gè)難點(diǎn)。結(jié)合該模型的無(wú)線傳感器技術(shù)的引入將有可能解決現(xiàn)階段的數(shù)據(jù)缺乏、定量精度較低的問(wèn)題。

[1] 李俊生. 高光譜遙感反演內(nèi)陸水質(zhì)參數(shù)分析方法研究-以太湖為例 [D]. 北京:中國(guó)科學(xué)院研究生院. 2007.

[2] 齊峰, 王學(xué)軍. 內(nèi)陸水體水質(zhì)監(jiān)測(cè)與評(píng)價(jià)中的遙感應(yīng)用. 環(huán)境科學(xué)進(jìn)展, 1999, 7(3): 90- 99.

[3] Chen X L, Li Y S, Liu Z G, Yin K D, Li Z L, Wai O W, King B. Integration of multi-source data for water quality classification in the Pearl River estuary and its adjacent coastal waters of Hong Kong. Continental Shelf Research, 2004, 24(16): 1827- 1843.

[4] Morel A, Gentili B. A simple band ratio technique to quantify the colored dissolved and detrital organic material from ocean color remotely sensed data. Remote Sensing of Environment, 2009, 113(5): 998- 1011.

[5] 楊煜, 李云梅, 王橋, 王彥飛, 金鑫, 尹斌, 張紅. 基于環(huán)境一號(hào)衛(wèi)星高光譜遙感數(shù)據(jù)的巢湖水體葉綠素a濃度反演. 湖泊科學(xué), 2010, 22(4): 495- 503.

[6] 楊偉, 松下文經(jīng), 陳晉. 基于水體反射光譜和組分濃度的固有光學(xué)特性反演算法. 湖泊科學(xué), 2009, 21(2): 207- 214.

[7] 楊偉, 陳晉, 松下文經(jīng). 基于生物光學(xué)模型的水體葉綠素濃度反演算法. 光譜學(xué)與光譜分析, 2009, 29(1): 38- 42.

[8] Campbell G, Phinn S R, Dekker A G, Brando V E. Remote sensing of water quality in an Australian tropical freshwater impoundment using matrix inversion and MERIS images. Remote Sensing of Environment, 2011, 115(9): 2402- 2414.

[9] Campbell G, Phinn S R. An assessment of the accuracy and precision of water quality parameters retrieved with the Matrix Inversion Method. Limnology and Oceanography: Methods, 2010, 8: 16- 29.

[10] Dekker A G. Detection of Optical Water Quality Parameters for Eutrophic Waters by High Resolution Remote Sensing [D]. Amsterdam, Netherlands: Vrije University, 1993: 1- 240.

[11] 袁博宇. 官?gòu)d水庫(kù)水質(zhì)現(xiàn)狀及趨勢(shì)分析. 北京水利, 2000, (5): 29- 31.

[12] Mueller J L, Fargion G S, McClain C R, Pegau S, Zaneveld J R, Mitchell B G, Mueller J L, Kahru M, Wieland J, Stramska M. Inherent Optical Properties: Instruments, Characterization, Field Measurements and Data Analysis Protocols. Ocean optics protocols for satellite ocean color sensor validation, NASA, 2003, Revision 4, Volume VI.

[13] Gons H J. Optical teledetection of chlorophyll a in turbid inland waters. Environment Science & Technology, 1999, 33(7): 1127- 1132.

[14] Walker R E. Marine Light Field Statistics. Wiley Series in Pure and Applied Optics. New York: Wiley, 1994.

[15] Pope R M, Fry E S. Absorption spectrum (380—700 nm) of pure water. II. Integrating cavity measurements. Applied Optics, 1997, 36(33): 8710- 8723.

[16] Buiteveld H, Hakvoort J H M, Donze M. Optical properties of pure water. Ocean Optics XII, SPIE, 1994, 2258: 174- 183.

[17] Cawley G C, Talbot N L C. Fast exact leave-one-out cross-validation of sparse least-squares support vector machines. Neural Networks, 2004, 17(10): 1467- 1475.

[18] Hoogenboom H J, Dekker A G, De Haan J F. Retrieval of chlorophyll and suspended matter in inland waters from CASI data by matrix inversion. Canadian Journal of Remote Sensing, 1998, 24(2): 144- 152.

[19] Kallio K, Kutser T, Hannonen T, Koponen S, Pulliainen J, Veps?l?inen J, Pyh?lahti T. Retrieval of water quality from airborne imaging spectrometry of various lake types in different seasons. Science of the Total Environment, 2001, 268(1/3): 59- 77.

[20] Hakvoort H, de Haan J, Jordans R, Vos R, Peters S, Rijkeboer M. Towards airborne remote sensing of water quality in The Netherlands-validation and error analysis. ISPRS Journal of Photogrammetry and Remote Sensing, 2002, 57(3): 171- 183.

Remote sensing of water quality monitoring in Guanting Reservoir

TIAN Ye, GUO Ziqi*, QIAO Yanchao, LEI Xia, XIE Fei

StateKeyLaboratoryofRemoteSensingScience,InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofScineces,Beijing100101,China

Because of the advantages of rapidness, wide coverage, low cost, and dynamic monitoring over a long period of time, remote sensing has been widely used for water quality monitoring in recent decades．However, monitoring inland water quality by remote sensing is far behind ocean color remote sensing in both development of remote sensors and monitoring approaches. The development of hyperspectral remote sensing technique has brought much more new possibilities to inland water quality remote sensing. In this study, Guanting Reservoir, which lies between Zhangjiakou (HeBei) and Beijing and once upon a time was one of Beijing′s drinking water sources, is selected to be the research area. In-situ hyper-spectral measurements were conducted by using the ASD FieldSpec Pro FR spectroradiometer at 7 different points in Guanting Reservoir in May and at other 18 different points in August. Water samples were also simultaneously collected for laboratory analyses. Sample site position information was recorded via portable GPS and chlorophyll-a concentration of the water samples were measured in laboratory by Lambda950 spectraphotometric. The data indicates that Guanting Reservoir water′s chlorophyll-a concentration and tripton concentration was low. With the data obtained in situ and in the laboratory, the bio-optical model was built to retrieve the concentrations of tripton, chlorophyll-a and colored dissolve organic matter (CDOM) of summer Guanting water. The retrieve results shows that all-bands matrix inversion method gained the best accuracy, then was five-bands method. Four-bands method got the worst accuracy. Then combining with the aerospace hyper-spectral data CHRIS/Proba, the water quality parameters at the whole reservoir was obtained and spatial analysis was conducted at last. Upstream region of chlorophyll a concentration were less than the downstream region and the Yongding River entrance in the reservoir. Aquatic plants in the upstream area was relatively lush area, because aquatic plants for photosynthesis so greatly reduce the concentration of carbon dioxide in water was not suitable also need to absorb carbon dioxide for photosynthesis of phytoplankton to survive, so chlorophyll a concentration in the region relatively low. The tripton concentration had similar distribution. The colored dissolve organic matter (CDOM) concentration distribution was different from them. In the upstream areas, due to the decay of aquatic plants, aquatic farming causes rotting animal carcasses, resulting in high concentrations of CDOM in the region, while other waters is relatively low. Distribution could reflect the reasonable Guanting Reservoir chlorophyll-a concentration, tripton concentration and CDOM concentration distribution, the study also shows that the bio-optical model is applicable to Guanting Reservoir water quality monitoring.The method proposed in this work had potential applications in environmental management for improved chlorophyll-a concentration monitoring efficiency in large-scale water bodies. It was also applicable in policy/decision makings needed for early warning and prevention of water eutrophication and the management of water contamination. However, due to the lack of effective and stable satellite data, it is difficult to achieve simultaneous observation satellites and ground, and because the water information is weak, affected by environmental factors and the atmosphere is large, so the water quality parameter remote sensing accuracy assessment is always difficult.

remote sensing; water quality monitoring; water quality retrieval; hyper-spectral data

國(guó)家自然科學(xué)基金資助項(xiàng)目(41240005)

2013- 06- 07;

日期:2014- 05- 08

10.5846/stxb201306071407

*通訊作者Corresponding author.E-mail: Guoziqi@irsa.ac.cn

田野, 郭子祺, 喬彥超, 雷霞, 謝飛.基于遙感的官?gòu)d水庫(kù)水質(zhì)監(jiān)測(cè)研究.生態(tài)學(xué)報(bào),2015,35(7):2217- 2226.

Tian Y, Guo Z Q, Qiao Y C, Lei X, Xie F.Remote sensing of water quality monitoring in Guanting Reservoir.Acta Ecologica Sinica,2015,35(7):2217- 2226.