劉軒，趙同謙，蔡太義，肖春艷，陳曉舒，張文靜

（1.河南理工大學(xué)資源環(huán)境學(xué)院，河南 焦作 454000；2.河南理工大學(xué)測繪與國土信息工程學(xué)院，河南 焦作 454000）

南水北調(diào)工程是具有重大國際影響的跨流域調(diào)水工程，是我國跨流域水資源優(yōu)化配置和保障民生的重大戰(zhàn)略性基礎(chǔ)設(shè)施。而丹江口水庫作為南水北調(diào)工程的水源地，是國家最為重要的水源保護(hù)區(qū)之一，輸水水質(zhì)安全保障極其重要[1]。近年來，庫區(qū)通過調(diào)整周邊農(nóng)業(yè)種植結(jié)構(gòu)、減少工業(yè)排污、加大水土保持力度，使庫區(qū)水質(zhì)總體良好，水質(zhì)常年保持Ⅱ類標(biāo)準(zhǔn)以上[2]。但是，隨著庫區(qū)周邊經(jīng)濟(jì)不斷發(fā)展，許多城鎮(zhèn)在山地中發(fā)展水產(chǎn)業(yè)、中藥材加工業(yè)、林產(chǎn)品加工業(yè)，由于建設(shè)用地較少制約經(jīng)濟(jì)發(fā)展，部分區(qū)域土地過度開發(fā)影響生態(tài)環(huán)境的可持續(xù)發(fā)展，對(duì)丹江口水庫的水質(zhì)安全造成了一定威脅[3]。丹江口水庫的水質(zhì)狀況不僅直接影響庫區(qū)水質(zhì)和生態(tài)環(huán)境，更關(guān)系到南水北調(diào)中線工程沿線大中城市的經(jīng)濟(jì)發(fā)展，以及居民生活用水安全。

傳統(tǒng)的水質(zhì)監(jiān)測方法主要是通過實(shí)地水質(zhì)采樣結(jié)合實(shí)驗(yàn)室分析來獲取水質(zhì)信息，雖然準(zhǔn)確度較高，但是無法對(duì)斷面進(jìn)行實(shí)時(shí)監(jiān)測，難以及時(shí)全面地反映水體水質(zhì)的時(shí)空變化狀況，具有一定的局限性。近年來，隨著遙感技術(shù)不斷發(fā)展，水質(zhì)遙感監(jiān)測技術(shù)作為一種非傳統(tǒng)監(jiān)測技術(shù)，監(jiān)測范圍廣、能夠快速實(shí)時(shí)地獲取湖泊區(qū)域水質(zhì)的時(shí)空分布并反映污染物主要來源[4]。同時(shí)，水質(zhì)遙感監(jiān)測還可以預(yù)測污染物的流動(dòng)趨勢，滿足大范圍水域水質(zhì)時(shí)空監(jiān)測的要求，彌補(bǔ)傳統(tǒng)水質(zhì)監(jiān)測方法的不足[5]。常規(guī)的遙感水質(zhì)參數(shù)反演方法主要有經(jīng)驗(yàn)方法[6]、半經(jīng)驗(yàn)法[7]和半分析法[8]。其中，半經(jīng)驗(yàn)法隨著高光譜遙感數(shù)據(jù)在水質(zhì)監(jiān)測中的應(yīng)用逐步得到發(fā)展，其原理是將已知水質(zhì)參數(shù)光譜特征與最佳波段或波段組合，通過數(shù)學(xué)統(tǒng)計(jì)方法進(jìn)行相關(guān)分析后，反演水質(zhì)指標(biāo)含量，是目前水質(zhì)反演最常用的一種方法[9]。常用的數(shù)學(xué)方法有線性回歸[10]、多項(xiàng)式回歸[11]、模糊綜合評(píng)價(jià)[12]、貝葉斯分析[13]、灰色系統(tǒng)理論[14]和神經(jīng)網(wǎng)絡(luò)模型[15]等方法。如BUCKTON等[16]利用人工神經(jīng)網(wǎng)絡(luò)，借助MERIS數(shù)據(jù)反演了葉綠素、非葉綠素懸浮物和溶解有機(jī)物3 種水質(zhì)指標(biāo)[16]。冼翠玲等[17]利用高分辨率遙感影像和實(shí)測水質(zhì)數(shù)據(jù)，對(duì)溫瑞塘河總氮和總磷遙感構(gòu)建反演模型進(jìn)行遙感反演，發(fā)現(xiàn)多元線性回歸和人工神經(jīng)網(wǎng)絡(luò)模型，均能有效地體現(xiàn)溫瑞塘河的水質(zhì)狀況和空間分布。

氮素是引起水體富營養(yǎng)化和影響藻類繁殖的重要因素，對(duì)水體水質(zhì)具有非常重要的影響。因此監(jiān)測水體中的氮含量，對(duì)防止氮污染、加強(qiáng)湖泊水生態(tài)環(huán)境治理極其關(guān)鍵[18]?？偟═N）與氨氮（NH3-N）是體現(xiàn)水質(zhì)中氮含量的兩項(xiàng)重要指標(biāo)。但是，TN 與NH3-N由于不存在顯著的光學(xué)特性無法直接進(jìn)行遙感反演，通常需要分析其與水體中不同物質(zhì)之間的相互關(guān)系進(jìn)行間接分析[19]。雷坤等[20]利用CBERS-1 數(shù)據(jù)建立了太湖表層水體葉綠素a 和TN 的遙感信息模型，反演了葉綠素a 和TN 的分布狀況后發(fā)現(xiàn)，監(jiān)測數(shù)據(jù)的同步性和覆蓋范圍對(duì)建立的水質(zhì)遙感反演模型的準(zhǔn)確性和適用性有重要影響。DEWIDAR 等[21]利用9 月份的Landsat-5 TM 各波段與總磷（TP）、TN、溶解氮（DO）、pH 值和含鹽量等水質(zhì)指標(biāo)的相關(guān)性進(jìn)行分析，研究發(fā)現(xiàn)TN與波段1和波段2的相關(guān)性最強(qiáng)。與其他水質(zhì)指標(biāo)相比，氮元素受區(qū)域和季節(jié)影響程度較高，同時(shí)缺少物理機(jī)理支撐，對(duì)其進(jìn)行遙感反演需要更多的波段信息進(jìn)行驗(yàn)證[22]。深入研究TN 與NH3-N等非光學(xué)活性物質(zhì)光學(xué)特性，特別是光學(xué)特性與水體表面反射率、輻射亮度之間的相互關(guān)系，進(jìn)一步深入拓展TN 與NH3-N 反演模型，可以為不同地域、不同特點(diǎn)水體的水質(zhì)遙感反演尋求更為精確的反演模型。

目前，常用的水質(zhì)遙感反演方法雖然達(dá)到一定的精度要求，但也存在各自的缺點(diǎn)。如線性回歸簡單易實(shí)現(xiàn)，但其忽略了水質(zhì)參數(shù)與遙感數(shù)據(jù)之間的非線性關(guān)系，無法更好地提高遙感反演的精度[23]。使用經(jīng)驗(yàn)方法結(jié)合機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法，能夠揭示更高層次和非線性的統(tǒng)計(jì)關(guān)系，并將水質(zhì)參數(shù)中的關(guān)鍵變量與非光學(xué)活性物質(zhì)參數(shù)聯(lián)系起來[24]。BP 神經(jīng)網(wǎng)絡(luò)是基于人工智能的一種非線性數(shù)據(jù)建模工具，具有較強(qiáng)的自適應(yīng)和自學(xué)習(xí)能力[25]。引起水質(zhì)變化的影響因素較多，傳統(tǒng)的反演模型無法很好地解決影響因素對(duì)水質(zhì)作用呈現(xiàn)出的復(fù)雜非線性關(guān)系，而BP 神經(jīng)網(wǎng)絡(luò)能夠較好地?cái)M合影響因素與水質(zhì)指標(biāo)之間的相互關(guān)系，從而降低人為干擾使評(píng)價(jià)結(jié)果更客觀準(zhǔn)確[26]。

不同遙感傳感器的時(shí)空分辨率、回訪時(shí)間均會(huì)對(duì)水質(zhì)遙感反演精度產(chǎn)生一定程度影響。如KUTSER等[27]的研究發(fā)現(xiàn)在提取黑色湖泊懸浮物方面Sentinel-2 優(yōu)于Landsat 8 OLI。早期的水質(zhì)遙感反演研究常用的遙感數(shù)據(jù)有MODIS[28]、HJ-1[29]、Landsat TM/OLI[30]和GF-1 WFV[31]等。部分衛(wèi)星數(shù)據(jù)的空間分辨率相對(duì)較低，適用于尺度較小的典型區(qū)域，而在大型湖泊進(jìn)行TN 與NH3-N 含量遙感反演具有一定局限性。Sentinel-2 影像是新一代多光譜影像，搭載MSI傳感器，共有13 個(gè)波段，重訪時(shí)間為5 d。其中可見光到近紅外波段空間分辨率為10 m，4 個(gè)紅邊波段和2 個(gè)短波紅外波段空間分辨率為20 m。Sentinel-2 綜合了其他衛(wèi)星遙感數(shù)據(jù)的優(yōu)勢，其重訪時(shí)間短、分辨率高且光譜識(shí)別能力強(qiáng)的特點(diǎn)，非常適用于大型湖泊水體監(jiān)測并可確保結(jié)果更加精確[32]。

綜上，本研究結(jié)合丹江口水庫實(shí)際監(jiān)測數(shù)據(jù)和Sentinel-2遙感影像，對(duì)TN與NH3-N含量的敏感波段進(jìn)行分析并構(gòu)建BP 神經(jīng)網(wǎng)絡(luò)反演模型，采用BP 神經(jīng)網(wǎng)絡(luò)對(duì)丹江口水庫2016—2020 年TN 和NH3-N 含量進(jìn)行反演，獲取更具實(shí)際意義的TN 和NH3-N 時(shí)空變化特征，為積累區(qū)域性與季節(jié)性水體固有光學(xué)特性數(shù)據(jù)提供科學(xué)的參考依據(jù)。

1 研究區(qū)域概況與數(shù)據(jù)處理

1.1 研究區(qū)域概況

南水北調(diào)中線工程水源地丹江口水庫位于豫、鄂、陜?nèi)〗唤缣?，地處漢江干流及其支流丹江交匯處下游0.8 km處，由漢江庫區(qū)和丹江庫區(qū)兩個(gè)庫區(qū)組成。南水北調(diào)中線工程輸水的源頭主要位于丹江庫區(qū)，該庫區(qū)水源主要來自流經(jīng)陜西、河南兩省的丹江流域（圖1）。南水北調(diào)中線工程從河南省南陽市淅川縣境內(nèi)陶岔閘引水，2013 年大壩壩頂高程加高至176.6 m，水域面積增至1 050 km2，其中丹江口庫區(qū)范圍擴(kuò)大至506 km2，水庫因河流切割大部分地貌為塊狀山林，地形起伏變化較大。氣候?qū)俦眮啛釒Т箨懶约撅L(fēng)氣候，年平均降水量804.3 mm，年平均氣溫15.8 ℃。近年來，庫區(qū)及其周邊地區(qū)重點(diǎn)發(fā)展金銀花、核桃、獼猴桃等特色林果業(yè)，并推廣生物有機(jī)肥和低毒無毒農(nóng)藥，一方面防止土壤中氮磷流失，另一方面可以起到固土保水的作用。

圖1 南水北調(diào)中線工程水源地丹江口水庫區(qū)域位置Figure 1 Location of water source area in the middle route of South to North Water Diversion Project

1.2 數(shù)據(jù)處理

（1）水質(zhì)監(jiān)測斷面及數(shù)據(jù)獲取

以水質(zhì)參數(shù)總氮（TN）與氨氮（NH3-N）為研究對(duì)象，依托丹江口水庫渠首管理局已建成的6 個(gè)自動(dòng)監(jiān)測站點(diǎn)，收集了2016年2月和2020年2月在丹江口水庫布設(shè)的共70 個(gè)采樣點(diǎn)的水質(zhì)監(jiān)測數(shù)據(jù)。其中，2016 年水質(zhì)數(shù)據(jù)用于敏感波段分析和構(gòu)建反演模型，2020 年水質(zhì)數(shù)據(jù)用于精度驗(yàn)證。同時(shí)，為進(jìn)一步分析丹江口水庫的TN 與NH3-N 空間變化，本研究設(shè)置了1 條庫區(qū)水體TN 與NH3-N 含量的剖面線，并以此線繪制縱向剖面圖（圖2）。

圖2 水質(zhì)監(jiān)測采樣點(diǎn)分布Figure 2 Distribution of sampling points for water quality monitoring

（2）遙感影像數(shù)據(jù)采集與預(yù)處理

選取Sentinel-2 為影像數(shù)據(jù)，選擇水質(zhì)監(jiān)測數(shù)據(jù)時(shí)間（月份）相近且云量小于5%的三景影像，即2016年2 月16 日（Sentinel-2A），2018 年3 月11 日（Sentinel-2A）和2020 年3 月12 日（Sentinel-2B）。利用SNAP 軟件的Sen2cor 模塊對(duì)所有影像進(jìn)行大氣校正和輻射定標(biāo)。對(duì)大氣校正和輻射定標(biāo)處理后的影像，計(jì)算歸一化差異水體指數(shù)（MNDWI），通過掩膜統(tǒng)計(jì)功能提取丹江口水庫的水體信息，結(jié)果見圖3。最后，利用植被指數(shù)（NDVI）剔除水生植被分布區(qū)域，獲得無水生植被覆蓋的水體遙感影像。

圖3 2016、2018、2020年丹江口水庫水域圖Figure 3 Water area of Danjiangkou reservoir in 2016，2018 and 2020

1.3 研究方法

BP 神經(jīng)網(wǎng)絡(luò)是一種多層前饋網(wǎng)絡(luò)，最早由RUMELHART 等[33]提出。基本原理為：輸入樣本數(shù)據(jù)到神經(jīng)網(wǎng)絡(luò)輸入層中，由隱含層處理并輸出計(jì)算結(jié)果到輸出層；同時(shí)，計(jì)算神經(jīng)網(wǎng)絡(luò)輸出層實(shí)際計(jì)算結(jié)果與期望值之間的誤差，將誤差值沿網(wǎng)絡(luò)反向傳播，并修正連接權(quán)值；然后再給定另一個(gè)輸入層，重復(fù)上述過程，當(dāng)神經(jīng)網(wǎng)絡(luò)輸出結(jié)果的誤差達(dá)到允許范圍或達(dá)到設(shè)定訓(xùn)練次數(shù)為止，即得到目標(biāo)神經(jīng)網(wǎng)絡(luò)模型[34]。

1.3.1 TN與NH3-N含量的敏感波段選取

首先利用2016 年實(shí)測TN 與NH3-N 數(shù)據(jù)，與Sentinel-2 影像的全部波段進(jìn)行Pearson 相關(guān)性分析，結(jié)果表明Sentinel-2 各波段與TN、NH3-N 均呈正相關(guān)，其中B2 藍(lán)波段（0.490 nm）、B3 綠波段（0.560 nm）、B4紅波段（0.665 nm）和B8 近紅外波段（0.842 nm）與TN、NH3-N 含量的相關(guān)性較強(qiáng)。波段組合的水質(zhì)參數(shù)值相關(guān)性與單波段相比相關(guān)性較高。因此，本研究對(duì)B2、B3、B4 和B8 四個(gè)波段的遙感反射率進(jìn)行不同的波段組合（求和、求差、相乘等），分別與實(shí)測TN、NH3-N數(shù)據(jù)進(jìn)行相關(guān)性分析，結(jié)果見圖4。

在圖4 中，56 個(gè)不同的波段組合方式中，B2×B8與TN 含量實(shí)測值的相關(guān)系數(shù)為0.930 1，在所有波段組合中相關(guān)性最高；B3/B2 與NH3-N 含量實(shí)測值的相關(guān)系數(shù)為0.944 4，在所有波段組合中相關(guān)性最高。因此，選用B2×B8 和B3/B2 兩種波段組合構(gòu)建丹江口水庫TN和NH3-N含量反演模型。

圖4 不同波段組合相關(guān)系數(shù)（r）Figure 4 Correlation coefficients（r）of different band combinations

1.3.2 TN與NH3-N的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)為3 層時(shí)，任意精度接近連貫的非線性函數(shù)，可以解決各種非線性數(shù)據(jù)問題。因此，本文選取2016 年70 個(gè)采樣點(diǎn)TN 和NH3-N 含量為輸入層節(jié)點(diǎn)，評(píng)價(jià)結(jié)果作為輸出層結(jié)點(diǎn)，建立3 層BP神經(jīng)網(wǎng)絡(luò)模型。

神經(jīng)網(wǎng)絡(luò)模型建立后，進(jìn)一步設(shè)定相關(guān)參數(shù)規(guī)格。其中，選用Sigmod 函數(shù)和Purelin 函數(shù)分別作為輸入層與中間隱含層之間及中間隱含層與輸出層之間的網(wǎng)絡(luò)轉(zhuǎn)移函數(shù)。設(shè)定神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)步長為0.05，訓(xùn)練次數(shù)50 000 次，誤差期望值0.001。對(duì)建立的神經(jīng)網(wǎng)絡(luò)模型反復(fù)訓(xùn)練后，分別得到TN 和NH3-N 的最優(yōu)r值（表1）。

表1 BP神經(jīng)網(wǎng)絡(luò)模型相關(guān)系數(shù)（r）Table 1 Correlation coefficients（r）of BP neural network model

為進(jìn)一步驗(yàn)證建立的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測值精度，將2020 年水質(zhì)數(shù)據(jù)的實(shí)測值與預(yù)測值進(jìn)行對(duì)比，結(jié)果見圖5。

從圖5 可以看出，TN 和NH3-N 含量的預(yù)測值與實(shí)測值基本接近，變化趨勢也相對(duì)一致，預(yù)測效果較好。其中R2分別為0.863 和0.877，均方根誤差RMSE分別為0.011 2 mg·L-1和0.086 3 mg·L-1，表明所建立的TN 和NH3-N BP 神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測精度，適用于Sentinel-2 影像的庫區(qū)TN 和NH3-N 含量遙感反演研究。

圖5 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測值與實(shí)測值對(duì)比圖Figure 5 Comparison between predicted and measured values based on BP neural network model

2 結(jié)果與分析

2.1 TN和NH3-N年際變化特征

在空間柵格尺度上，應(yīng)用建立的TN 和NH3-N 含量的BP 神經(jīng)網(wǎng)絡(luò)模型，采用2016 年TN 和NH3-N 數(shù)據(jù)，對(duì)2017、2019 年丹江口水庫3 月的TN 和NH3-N含量進(jìn)行反演，估算TN 和NH3-N 含量的年平均值，分析2016—2020 年丹江口水庫水質(zhì)的年際變化情況，揭示TN 和NH3-N 的空間分異與變化特征，結(jié)果見圖6和表2。

圖6 表明，研究時(shí)期內(nèi)TN 和NH3-N 的年平均值沒有表現(xiàn)出波動(dòng)狀態(tài)，均呈下降趨勢。TN 與NH3-N含量均呈現(xiàn)較明顯的下降趨勢，其中TN 由2016 年的1.02 mg·L-1下降到2020 年的0.928 mg·L-1；而NH3-N含量由2016 年的0.024 6 mg·L-1下降到2020 年的0.017 3 mg·L-1。

圖6 2016—2020年TN和NH3-N含量變化趨勢Figure 6 Change trends of TN and NH3-N concentrations from 2016 to 2020

表2 中TN 和NH3-N 變化狀況顯示，2016、2018、2020 年NH3-N 含量最小值分別為0.002、0.001、0.001 mg·L-1，最大值分別為0.067、0.061、0.060 mg·L-1，符合Ⅱ類水質(zhì)標(biāo)準(zhǔn)；TN含量最小值分別為0.820、0.747、0.639 mg·L-1，最大值分別為1.230、1.204、1.174 mg·L-1。其中NH3-N 含量最大值為0.067，符合國家地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)中Ⅰ類水質(zhì)的規(guī)定要求（小于0.15 mg·L-1），TN 含量最大值為1.230，基本符合Ⅳ類水質(zhì)標(biāo)準(zhǔn)（小于1.5 mg·L-1）。從TN 和NH3-N 占總水體面積來看，TN Ⅲ類水質(zhì)標(biāo)準(zhǔn)的面積由2016年的41.30%上升至2020 年的73.49%，Ⅳ類水質(zhì)標(biāo)準(zhǔn)的面積由2016年的58.70%下降至2020年的26.51%。

表2 2016、2018、2020年TN和NH3-N變化狀況Table 2 Changes of TN and NH3-N in 2016,2018 and 2020

從2016—2020 年丹江口水庫TN 和NH3-N 含量變化來看，NH3-N含量保持Ⅰ類水質(zhì)標(biāo)準(zhǔn)；而TN含量在Ⅲ類水質(zhì)標(biāo)準(zhǔn)與Ⅳ類水質(zhì)標(biāo)準(zhǔn)之間?？傮w來看，2016—2020 年丹江口水庫水質(zhì)較好，年際變化表明近年來水庫水質(zhì)指標(biāo)TN 和NH3-N 含量均呈下降趨勢，水質(zhì)整體呈向好趨勢。

2.2 TN和NH3-N空間變化特征

根據(jù)TN 和NH3-N 的反演結(jié)果，得到不同年份丹江口水庫的TN 和NH3-N 空間分布狀況（圖7）。根據(jù)設(shè)置的TN 與NH3-N 含量剖面線，繪制TN 與NH3-N含量縱向剖面圖（圖8）。以此分析TN和NH3-N含量的時(shí)空分布特征，探究污染物變化趨勢及主要的污染源。

從圖7 可以看出，丹江口水庫研究時(shí)期內(nèi)TN 和NH3-N 表現(xiàn)出以點(diǎn)和面為中心的部分含量較高的特點(diǎn)，含量降低的水域均表現(xiàn)為擴(kuò)大趨勢。在丹江流域和水庫入口處區(qū)域以及庫區(qū)中部部分區(qū)域TN含量主要集中在1～1.174 mg·L-1之間，高于庫區(qū)其他區(qū)域，且2018 年該區(qū)域范圍有所擴(kuò)大。而NH3-N 含量的較高范圍為0.03～0.059 6 mg·L-1，總體上呈現(xiàn)由中間向東西兩側(cè)遞增，其中庫區(qū)南部東西兩側(cè)邊緣部分區(qū)域NH3-N 含量較高，呈面狀集中趨勢，2020 年該區(qū)域NH3-N 含量明顯下降，面積進(jìn)一步縮小。而丹江流域前端NH3-N 含量較高的區(qū)域至2020 年有一定程度擴(kuò)大。

圖7 2016—2020 TN和NH3-N含量的時(shí)空分布特征Figure 7 Temporal and spatial distribution characteristics of TN and NH3-N concentrations from 2016 to 2020

由圖8 可知，庫區(qū)北部三個(gè)年份的TN 含量整體上高于其他區(qū)域，南部區(qū)域的TN含量僅次于北中部，中部TN 含量較低。庫區(qū)中部和北部的NH3-N 含量均較低，庫區(qū)區(qū)域研究時(shí)期內(nèi)的NH3-N 含量未出現(xiàn)較明顯的含量較高的區(qū)域，且三個(gè)年份的變化趨勢基本一致。

圖8 TN 與NH3-N 含量縱向剖面圖Figure 8 Longitudinal profile of TN and NH3-N concentrations

3 討論

利用遙感數(shù)據(jù)構(gòu)建反演模型反演水質(zhì)參數(shù)的關(guān)鍵是選擇準(zhǔn)確的光譜特征以及更先進(jìn)的遙感數(shù)據(jù)。而目前，TN 和NH3-N 光譜特征和遙感監(jiān)測機(jī)理仍不十分明確。本研究在選取Sentinel-2 遙感數(shù)據(jù)的B2藍(lán)波段（0.490 nm）、B3 綠波段（0.560 nm）、B4 紅波段（0.665 nm）和B8近紅外波段（0.842 nm）4個(gè)波段進(jìn)行各種組合后，B2×B8 與TN 含量的相關(guān)性和B3/B2 與NH3-N含量的相關(guān)性在所有波段組合中最高，由此可知B2×B8 和B3/B2 的光學(xué)特性及水體表面反射率、輻射亮度分別與TN 和NH3-N 具有一定相關(guān)性。統(tǒng)計(jì)分析結(jié)果表明，BP 神經(jīng)網(wǎng)絡(luò)模型對(duì)TN和NH3-N的反演結(jié)果準(zhǔn)確度較高，而對(duì)實(shí)測數(shù)據(jù)依賴性較低。進(jìn)一步表明，Sentinel-2 衛(wèi)星數(shù)據(jù)具有足夠的潛力來反演大型水庫水體的TN 和NH3-N 含量。雖然Sentinel-2數(shù)據(jù)的波段范圍可以用于湖泊、水庫中的TN 和NH3-N 反演，但由于獲取Sentinel-2數(shù)據(jù)有限，夏季時(shí)段的大多數(shù)遙感影像受到云層遮擋而無法處理，沒有對(duì)庫區(qū)豐水期與枯水期的TN 和NH3-N 含量進(jìn)行對(duì)比，且無法表征植物生長和微生物對(duì)氮素的凈化作用，未能很好地探析冬季與夏季TN 和NH3-N 含量之間的異同。

水體富營養(yǎng)化是由氮素引起的，氮素主要來源包括土壤養(yǎng)分、植物殘?bào)w分解和外源輸入三個(gè)方面[35]。研究發(fā)現(xiàn)丹江口水庫TN 和NH3-N 含量的主要來源是土壤養(yǎng)分和外源輸入。在整個(gè)研究時(shí)期內(nèi)，水庫TN 和NH3-N 含量整體呈下降趨勢，表明丹江口水庫水質(zhì)在不斷改善，說明水源地農(nóng)業(yè)非點(diǎn)源的污染控制措施和沿線的生態(tài)建設(shè)取得了非常明顯的成效。

在TN 和NH3-N 含量時(shí)間變化方面，2016—2020年丹江口水庫TN 和NH3-N 含量沒有出現(xiàn)較大的波動(dòng)，其最小值和最大值均呈下降趨勢。研究期內(nèi)，NH3-N 含量保持Ⅰ類水質(zhì)標(biāo)準(zhǔn)，而TN 含量在Ⅲ類與Ⅳ類水質(zhì)標(biāo)準(zhǔn)之間?？傮w來看，2016—2020 年丹江口水庫水質(zhì)較好，年際變化表明近年來水庫水質(zhì)指標(biāo)TN 和NH3-N 含量均呈下降趨勢，水質(zhì)整體呈向好趨勢。在TN 和NH3-N 含量空間變化方面，庫區(qū)中部部分區(qū)域TN 含量較高。本研究選用了2 月份枯水期水質(zhì)數(shù)據(jù)，該時(shí)期內(nèi)庫區(qū)中部會(huì)形成滯留區(qū)水體并形成獨(dú)立水位較低的小湖，湖中心水體底部易發(fā)生攪動(dòng)，從而引起沉積污染物懸浮并釋放氮，因此庫區(qū)中部部分區(qū)域TN 明顯較高。朱媛媛等[36]的研究指出丹江口水庫的10 條主要入庫河流中，漢江的TN 輸入量最大，其次為堵河和老灌河。李中原等[37]的研究發(fā)現(xiàn)，老灌河產(chǎn)生的污染物最多，其次是丹江、淇河、滔河。丹江、老灌河、滔河均是丹江口水庫北部入庫的主要支流，盡管丹江、滔河、老灌河入庫和環(huán)庫支流水量較小，但其TN入庫負(fù)荷較大，在匯入水庫后流速減弱使氮元素易在入口處集聚。這與本研究中TN含量較高的區(qū)域主要集中在水庫入庫河流入口處的現(xiàn)象相一致。這進(jìn)一步表明水質(zhì)的時(shí)空變化是由懸浮沉積物的再懸浮和營養(yǎng)物點(diǎn)源流入等過程在較小的空間尺度上引起的。NH3-N 濃度含量較高的區(qū)域范圍位于庫區(qū)南部東西兩側(cè)邊緣部分，呈面狀集中趨勢。這是由于上述區(qū)域周邊地形復(fù)雜、坡度落差較大，導(dǎo)致水土流失的防護(hù)能力較弱。水土流失一旦發(fā)生，流失的水土中攜帶的化肥是造成該區(qū)域水體中NH3-N 含量較高的原因。一般而言，流域內(nèi)居民用地和耕地所占面積比例越大，水體中N含量的濃度越高。對(duì)庫區(qū)南部東西兩側(cè)區(qū)域?qū)嵉卣{(diào)查后發(fā)現(xiàn)，該區(qū)域耕地面積比例較高，農(nóng)業(yè)是該區(qū)域的主要生產(chǎn)活動(dòng)，當(dāng)?shù)鼐用駷樵黾赢a(chǎn)量不合理地施用農(nóng)藥化肥，地面徑流攜帶大量氮素進(jìn)入水體，造成入庫河流含氮量指標(biāo)本底值較高，故該區(qū)域NH3-N含量較高。

NH3-N 在TN 中占有重要地位，NH3-N 含量會(huì)直接影響TN 含量。國家在實(shí)行禁磷的環(huán)境保護(hù)政策后，氮是主要控制對(duì)象。相對(duì)于TN，NH3-N 對(duì)水體水質(zhì)有更為直接的影響。研究區(qū)域TN 與NH3-N 含量在空間分布上沒有表現(xiàn)出一致性，通過計(jì)算2016、2018、2020 年所有樣點(diǎn)NH3-N 與TN 含量的平均值，得到三個(gè)時(shí)期NH3-N 占TN 的比例分別為1.43%、1.22%、1.13%，說明庫區(qū)水體中其他形態(tài)氮所占TN比例較大。水體中的NH3-N 含量高于2.5 mg·L-1時(shí)，總氮含量與氨氮含量表現(xiàn)出一定的線性相關(guān)[38]。本研究對(duì)2016、2018、2020 年TN 與NH3-N 進(jìn)行線性分析后發(fā)現(xiàn)，二者并沒有呈現(xiàn)出較好的線性關(guān)系，說明庫區(qū)水體中NH3-N 含量較低，也一定程度上驗(yàn)證了反演結(jié)果具有一定準(zhǔn)確度。

4 結(jié)論

本研究通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，對(duì)南水北調(diào)中線水源地丹江口水庫2016—2020年TN和NH3-N兩個(gè)水質(zhì)指標(biāo)進(jìn)行反演并分析其時(shí)空變化，結(jié)論如下：

（1）利用Sentinel-2影像波段反射率，分別建立了基于B2×B8 和B3/B2 波段組合的TN 和NH3-N 的BP神經(jīng)網(wǎng)絡(luò)模型，同時(shí)采用水質(zhì)數(shù)據(jù)的實(shí)測值與預(yù)測值進(jìn)行精度驗(yàn)證，結(jié)果表明，利用Sentinel-2影像波段所建立的BP 神經(jīng)網(wǎng)絡(luò)模型適用于TN 與NH3-N 含量的遙感反演。

（2）丹江口水庫TN和NH3-N年際變化表明水質(zhì)整體呈向好趨勢。2016—2020年間NH3-N含量保持Ⅰ類水質(zhì)標(biāo)準(zhǔn)，而TN含量在Ⅲ類與Ⅳ類水質(zhì)標(biāo)準(zhǔn)之間。

目前，雖然通過遙感技術(shù)可以動(dòng)態(tài)監(jiān)測大型湖泊的水質(zhì)時(shí)空分布，但是由于受地理位置、天氣云量等影響，獲取時(shí)間間隔相等且分辨率高的遙感數(shù)據(jù)難度較大；同時(shí)，由于水質(zhì)反演的精度對(duì)實(shí)測數(shù)據(jù)的依賴程度高，因此要實(shí)現(xiàn)高精度的水質(zhì)反演，需進(jìn)一步合理地設(shè)置采樣點(diǎn)。在下一步研究中，可以結(jié)合高光譜的波譜分析進(jìn)行水質(zhì)反演，以此分析不同季節(jié)適合的反演模型，為大型湖泊水生態(tài)環(huán)境改善及水質(zhì)監(jiān)管提供技術(shù)支撐。