朱熹 劉黎明 葉張林

摘 要：面對(duì)上海市的水環(huán)境監(jiān)測(cè)需求，針對(duì)國(guó)產(chǎn)“吉林一號(hào)”衛(wèi)星的多光譜遙感數(shù)據(jù)，及水文水資源管理署提供的河道斷面采樣點(diǎn)數(shù)據(jù)，提出了一種水質(zhì)參數(shù)反演方法。以上海市浦東新區(qū)為研究區(qū)，總磷、氨氮、高錳酸鹽、溶解氧為待反演水質(zhì)參數(shù)，神經(jīng)網(wǎng)絡(luò)BP算法為反演模型，基于國(guó)家標(biāo)準(zhǔn)得到水質(zhì)類別。實(shí)驗(yàn)結(jié)果顯示，浦東新區(qū)內(nèi)總磷為主要污染指數(shù)，遙感反演算法精度良好，能夠應(yīng)用于城市河道水質(zhì)監(jiān)測(cè)，為政府決策提供依據(jù)。

關(guān)鍵詞：吉林一號(hào);神經(jīng)網(wǎng)絡(luò);水質(zhì)反演

中圖分類號(hào)：U61? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? 文章編號(hào)：1006—7973（2020）09-0043-03

1 引言

清潔安全的水環(huán)境與人民的健康生活息息相關(guān)，也是社會(huì)可持續(xù)發(fā)展的基礎(chǔ)。城市區(qū)域人口密度大，經(jīng)濟(jì)發(fā)展迅速，水環(huán)境的維護(hù)是重點(diǎn)也是難點(diǎn)，城市河流的監(jiān)管任務(wù)充滿了挑戰(zhàn)。上海為了整治水體污染，按照分級(jí)管理屬地負(fù)責(zé)原則，建立了市、區(qū)、街鎮(zhèn)三級(jí)河長(zhǎng)體系，力爭(zhēng)在2020年完全消滅劣V類河道。因此為了保障人民群眾的健康生活，維護(hù)城市的生態(tài)環(huán)境，水污染的及時(shí)發(fā)現(xiàn)就顯得尤為重要，也對(duì)監(jiān)管部門的發(fā)現(xiàn)及響應(yīng)能力提出了更高的要求。遙感手段相較于傳統(tǒng)的化學(xué)采樣分析法，具有以下優(yōu)勢(shì)[1]：①響應(yīng)速度快，遙感衛(wèi)星可以實(shí)時(shí)傳輸影像數(shù)據(jù)，不需等待樣本檢測(cè)，即可為相關(guān)部門快速定位污染河道提供依據(jù);②覆蓋范圍廣，對(duì)于上海市各區(qū)鎮(zhèn)可以完整覆蓋;③實(shí)際成本低，相較于采樣送檢，遙感手段極大降低了污染定位的各類成本。

隨著國(guó)家對(duì)于衛(wèi)星遙感能力的重視，更多高時(shí)空分辨率的衛(wèi)星升空，為建立完整的遙感監(jiān)測(cè)網(wǎng)提供了可能性。而遙感水質(zhì)反演技術(shù)依附于遙感硬件力量的成長(zhǎng)，也獲得了長(zhǎng)足的進(jìn)步，可反演的各類參數(shù)也擴(kuò)充至葉綠素a、懸浮物、氨氮、總磷等。目前的水質(zhì)反演方式主要分為分析方法、經(jīng)驗(yàn)方法及半經(jīng)驗(yàn)方法[5-7]，其中，分析方法基于光譜的反射、散射及水體的吸收等方面考慮，建立在光學(xué)傳輸?shù)奈锢砘A(chǔ)上，具有嚴(yán)謹(jǐn)?shù)耐蒲葸壿?，但是所需?shù)據(jù)較多，模型構(gòu)建困難，且也有一定的區(qū)域局限性。經(jīng)驗(yàn)方法則是對(duì)采樣數(shù)據(jù)與光譜數(shù)據(jù)統(tǒng)計(jì)關(guān)系建立模型[8]，方法相對(duì)簡(jiǎn)便，但是局限性明顯樣本與衛(wèi)星影像同步困難，且沒有物理依據(jù)。Dekker[2]基于Landsat衛(wèi)星的TM數(shù)據(jù)，對(duì)懸浮物和葉綠素a進(jìn)行了線性和指數(shù)回歸。半經(jīng)驗(yàn)方法將已知的光譜特征與統(tǒng)計(jì)模型結(jié)合，分析相關(guān)性較優(yōu)的譜段或譜段組合，多應(yīng)用于高光譜遙感影像。Buckton[3，4]使用Meris數(shù)據(jù)和BP神經(jīng)網(wǎng)絡(luò)構(gòu)建模型，反演了葉綠素a、黃色物質(zhì)、懸浮物等水質(zhì)參數(shù)，驗(yàn)證精度高于一般經(jīng)驗(yàn)?zāi)Ｐ汀?/p>

本文以長(zhǎng)光衛(wèi)星技術(shù)有限公司自主研發(fā)的“吉林一號(hào)”多光譜遙感影像及浦東新區(qū)水文水資源管理署提供的水質(zhì)樣本點(diǎn)數(shù)據(jù)為基礎(chǔ)，對(duì)四項(xiàng)指標(biāo)總磷、氨氮、高錳酸鹽、溶解氧建立神經(jīng)網(wǎng)絡(luò)BP算法模型，在此基礎(chǔ)上得到遙感水質(zhì)參數(shù)的反演模型，并對(duì)其精度進(jìn)行驗(yàn)證。

2 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理

2.1實(shí)驗(yàn)數(shù)據(jù)

本文遙感衛(wèi)星采用“吉林一號(hào)”，該衛(wèi)星一箭四星包括一顆光學(xué)A星、兩個(gè)靈巧視頻星及一顆靈巧驗(yàn)證星。本次實(shí)驗(yàn)使用光學(xué)A星的浦東區(qū)四景多光譜數(shù)據(jù)，其包括B0-B19共20個(gè)譜段，其中，B0-B6空間分辨率為5m，B7-B12分辨率為10m，B13-B19分辨率為20m，重返周期為3.3天，幅寬有11.6公里，考慮到分辨河道的空間分辨率要求，選用B0-B6進(jìn)行遙感水質(zhì)反演，見下表。

水質(zhì)參數(shù)采樣數(shù)據(jù)獲取的是衛(wèi)星成像同一天的上海市河流斷面實(shí)地采樣分析數(shù)據(jù)，按照《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)（GB3838-2002）》由水文水資源管理署提供737個(gè)斷面采樣點(diǎn)溶解氧（DO）、高錳酸鹽指數(shù)（CODMn）、氨氮（NH3-N）、總磷（TP）共四項(xiàng)指標(biāo)進(jìn)行評(píng)價(jià)。

2.2數(shù)據(jù)預(yù)處理

在進(jìn)行水質(zhì)反演之前，需要對(duì)衛(wèi)星遙感數(shù)據(jù)進(jìn)行鑲嵌拼接、輻射定標(biāo)、大氣校正以及幾何校正，利用定標(biāo)參數(shù)將遙感衛(wèi)星獲取的傳感器記錄的數(shù)字量化DN值轉(zhuǎn)化為地表反射率。除此之外，利用NDWI對(duì)水體進(jìn)行提取，一般閾值設(shè)為0，大于0的像元視為水體，整體提取效果良好，但是在細(xì)小河道由于混合像元現(xiàn)象嚴(yán)重，漏檢明顯，由于本實(shí)驗(yàn)主要針對(duì)市區(qū)鎮(zhèn)管河道，所以NDWI可以較好達(dá)到目的。

針對(duì)水質(zhì)樣本點(diǎn)的預(yù)處理工作包含兩個(gè)部分，一是剔除狹窄河道樣本點(diǎn)，該區(qū)域混合像元現(xiàn)象嚴(yán)重，嚴(yán)重誤導(dǎo)反演結(jié)果，二是通過標(biāo)準(zhǔn)閾值法剔除樣本數(shù)據(jù)中的異常點(diǎn)。經(jīng)過上述兩步篩選，共計(jì)保留641個(gè)樣本點(diǎn)數(shù)據(jù)參與之后的模型構(gòu)建。

上圖為篩選之后樣本點(diǎn)各水質(zhì)參數(shù)指標(biāo)分布，總體上四水質(zhì)指標(biāo)展示整體水質(zhì)良好，但仍然存在少量劣V類水樣，及大量V類水樣。由圖可知，高錳酸鹽指數(shù)表現(xiàn)最良好，主要集中為II-IV類水，總磷表現(xiàn)最差，V及劣V類水樣占比最高，且不存在I類水樣，超標(biāo)通常源于生活污水和化工廢水，主要是由人類活動(dòng)造成。

3 基于神經(jīng)網(wǎng)絡(luò)BP算法遙感水質(zhì)反演方法

3.1神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

神經(jīng)網(wǎng)絡(luò)模型作為一種半經(jīng)驗(yàn)?zāi)Ｐ?，近年來被廣泛應(yīng)用于衛(wèi)星遙感反演。神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部節(jié)點(diǎn)之間相互連接關(guān)系，從而達(dá)到處理信息的目的。其中，誤差反向傳播（BP）算法（圖3）是神經(jīng)網(wǎng)絡(luò)中的基礎(chǔ)，學(xué)習(xí)過程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸入樣本從輸入層傳入，經(jīng)各隱層逐層處理后，傳向輸出層。若輸出層的實(shí)際輸出與期望的輸出不符，則轉(zhuǎn)入誤差的反向傳播階段。誤差反傳是將輸出誤差以某種形式通過隱層向輸入層逐層反傳，并將誤差分?jǐn)偨o各層的所有單元，從而獲得各層單元的誤差信號(hào)，此誤差信號(hào)即作為修正各單元權(quán)值的依據(jù)。這種信號(hào)正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過程，是周而復(fù)始地進(jìn)行的。權(quán)值不斷調(diào)整的過程，也就是網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練過程。此過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度，或進(jìn)行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。