梁永春，尹芳，趙英芬，劉磊

1. 長(zhǎng)安大學(xué)地球科學(xué)與資源學(xué)院，陜西 西安 710054；2. 長(zhǎng)安大學(xué)土地工程學(xué)院，陜西 西安 710054；3. 中國(guó)四維測(cè)繪技術(shù)有限公司，北京 100094

太湖作為中國(guó)的第三大淡水湖，在長(zhǎng)江三角洲地區(qū)經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境保護(hù)方面發(fā)揮著重要作用，具有水上運(yùn)輸、飲水供應(yīng)、水產(chǎn)養(yǎng)殖、旅游觀光等眾多功能（賈軍梅等，2015）。自20世紀(jì)80年代以來(lái)，隨著工業(yè)化和城鎮(zhèn)化水平的不斷推進(jìn)，工業(yè)廢水以及生活污水排放導(dǎo)致太湖的水質(zhì)狀況不斷惡化，水質(zhì)由Ⅱ類(lèi)水體降低至Ⅲ類(lèi)水體，部分區(qū)域甚至降低至Ⅳ類(lèi)和Ⅴ類(lèi)水體（范成新，1996；林澤新，2002；謝紅彬等，2004）。2007年太湖藍(lán)藻大爆發(fā)以來(lái)，太湖治理有所加強(qiáng)，但水質(zhì)狀況仍不容樂(lè)觀。生活污水和食品、造紙、印染、石化等工業(yè)廢水中含有油脂、蛋白質(zhì)、糖類(lèi)、脂肪酸、酯類(lèi)等有機(jī)污染物質(zhì)，有機(jī)物的累計(jì)會(huì)增加水中的耗氧量，影響?hù)~(yú)類(lèi)和其他水生生物的正?；顒?dòng)（張運(yùn)林等，2020），進(jìn)一步影響人類(lèi)的生產(chǎn)生活以及生命健康。相比于內(nèi)陸水體，湖泊水流緩慢且湖水更換周期長(zhǎng)，稀釋湖內(nèi)污染物的能力較弱（陶玉強(qiáng)等，2020），而太湖作為中國(guó)第三大內(nèi)陸湖泊，湖水面積大且城市環(huán)繞，有機(jī)污染是太湖水體污染的重要組成之一。因此，須加強(qiáng)太湖水體有機(jī)污染監(jiān)測(cè)，為太湖流域治理提供依據(jù)。傳統(tǒng)水質(zhì)監(jiān)測(cè)方法受多種因素的制約，特別是采樣耗時(shí)長(zhǎng)且數(shù)量有限，只能監(jiān)測(cè)斷面的水質(zhì)狀況，無(wú)法實(shí)現(xiàn)大面積快速監(jiān)測(cè)（田野等，2015）。遙感技術(shù)具有監(jiān)測(cè)速度快、可監(jiān)測(cè)的范圍大及周期性監(jiān)測(cè)等優(yōu)勢(shì)，被廣泛應(yīng)用于土地資源調(diào)查、城市環(huán)境監(jiān)測(cè)、農(nóng)林業(yè)、大氣、水文等領(lǐng)域（陳良富等，2016；徐冠華等，2016）。

近年來(lái)由于水資源利用和水污染問(wèn)題不斷加劇，水質(zhì)遙感監(jiān)測(cè)研究更加廣泛。水質(zhì)遙感監(jiān)測(cè)是指通過(guò)研究水體反射光譜特征與各水質(zhì)參數(shù)之間的關(guān)系，建立水質(zhì)參數(shù)反演模型，結(jié)合反演模型與遙感影像數(shù)據(jù)，反演整個(gè)區(qū)域的水質(zhì)狀況，有利于

水體的區(qū)域性監(jiān)測(cè)。很多專(zhuān)家學(xué)者進(jìn)行水質(zhì)遙感監(jiān)測(cè)研究，研究的水質(zhì)參數(shù)包括光學(xué)活性物質(zhì)和非光學(xué)活性物質(zhì)，其中水體光學(xué)活性物質(zhì)包括葉綠素a、CDOM、NPSS、SD等物質(zhì)，而非光學(xué)活性物質(zhì)包括NH3-N、TP、TP、COD、BOD、DO等物質(zhì)（黃耀歡等，2010；王林等，2013）。其中生化需氧量（biochemical oxygen demand，BOD）是指在一定條件下，微生物分解水中的可生化降解有機(jī)物所進(jìn)行的生物化學(xué)反應(yīng)過(guò)程中所消耗的溶解氧的數(shù)量（王洪偉等，2021）。BOD是水質(zhì)有機(jī)污染監(jiān)測(cè)的重要指標(biāo)之一，在水質(zhì)監(jiān)測(cè)、水環(huán)境的功能評(píng)價(jià)以及有機(jī)污染的有效控制等方面都有相當(dāng)重要的意義。自20世紀(jì)80年代人們就認(rèn)識(shí)到生化需氧量對(duì)水體以及環(huán)境研究的重要性（丁岳水，1980），對(duì) BOD評(píng)價(jià)水體有機(jī)污染狀況的有效性、BOD測(cè)定方法（Zhang et al.，2013；Liu et al.，2016；李國(guó)剛等，2004）以及與其他水質(zhì)參數(shù)的相關(guān)性（殷燕等，2010）等方面開(kāi)展了重點(diǎn)研究。部分學(xué)者使用多種研究方法（Najafzadeh et al.，2019；Tao et al.，2019；Golab et al.，2020）預(yù)測(cè) BOD 濃度。曾祥英等（2010）采用基于時(shí)域的反演算法模型構(gòu)建佛山河道的BOD模型，Hur et al.（2012）預(yù)測(cè)典型城市河流的BOD、COD 和總氮濃度。Sharaf El Din et al.（2017）利用 Landsat 8/OLI進(jìn)行水體光學(xué)和非光學(xué)參數(shù)的估算。楊柳等（2013）基于BP神經(jīng)網(wǎng)絡(luò)和ETM+影像像元光譜進(jìn)行溫榆河 BOD反演研究。林劍遠(yuǎn)等（2019）基于航空和水表高光譜遙感數(shù)據(jù)，利用水質(zhì)參數(shù)和光譜反射率進(jìn)行相關(guān)性分析，建立嘉興市河網(wǎng)化學(xué)需氧量、生化需氧量、總磷、總氮的反演模型。這些研究成果均證實(shí)利用多光譜數(shù)據(jù)Landsat ETM+、Landsat 8/OLI影像數(shù)據(jù)和高光譜遙感數(shù)據(jù)進(jìn)行 BOD的反演研究的可行性。雖然運(yùn)用高光譜影像和多光譜影像數(shù)據(jù)均可有效進(jìn)行 BOD濃度的反演監(jiān)測(cè)，但高光譜數(shù)據(jù)目前時(shí)效性較差，嚴(yán)重影響高光譜遙感的推廣使用，而多光譜影像數(shù)據(jù)具有數(shù)據(jù)免費(fèi)、空間分辨率高、重訪周期短、覆蓋范圍大等優(yōu)點(diǎn)，已被廣泛應(yīng)用于水體、土地、森林、海洋等研究領(lǐng)域的遙感監(jiān)測(cè)和研究，充分利用多光譜數(shù)據(jù)進(jìn)行水體等研究具有廣闊的發(fā)展前景。目前運(yùn)用最多的多光譜數(shù)據(jù)為L(zhǎng)andsat系列遙感影像，尤其是Landsat 8影像數(shù)據(jù)，自2013年投入使用之后，因空間分辨率高、波段數(shù)據(jù)較多、光譜覆蓋范圍大等優(yōu)勢(shì)被廣泛使用。

目前太湖水體監(jiān)測(cè)數(shù)據(jù)表明太湖水體生化需氧量濃度出現(xiàn)超標(biāo)，需氧有機(jī)物濃度增加，亟需開(kāi)展太湖地區(qū) BOD快速、長(zhǎng)期監(jiān)測(cè)與評(píng)估。因此，以太湖生化需氧量為研究對(duì)象，基于Landsat 8遙感影像和實(shí)測(cè) BOD濃度數(shù)據(jù)建立響應(yīng)關(guān)系模型，進(jìn)行BOD反演、制圖，分析太湖BOD時(shí)空分布特征，為太湖有機(jī)污染的監(jiān)測(cè)和治理提供依據(jù)。

1 研究區(qū)概況

太湖地處長(zhǎng)江中下游地區(qū)，橫跨江蘇和浙江兩省，主體位于江蘇省南部。太湖水域面積為2338.1 km2，湖岸線全長(zhǎng)393.2 km，平均水深1.9 m，最大水深2.6 m，總蓄水量為4.4×109m3。太湖地區(qū)屬亞熱帶季風(fēng)氣候，夏季高溫多雨，冬季寒冷少雨，降水主要集中于夏季 7—8月，年平均降水量為 1000—1400 mm。太湖周邊地勢(shì)西高東低，西部多為丘陵，東部以平原為主，各類(lèi)水系比較發(fā)達(dá)。

2 數(shù)據(jù)采集與研究方法

2.1 水樣采集

太湖面積較大，結(jié)合當(dāng)?shù)氐匦我约昂此w的分布特征，共布設(shè)20個(gè)采樣點(diǎn)（圖1），采樣點(diǎn)名稱(chēng)與編號(hào)對(duì)應(yīng)關(guān)系見(jiàn)表1。結(jié)合Landsat 8影像數(shù)據(jù)的獲取時(shí)間，本次研究可用水質(zhì)樣品共有4組，分別為2016年5月4—6日、2016年8月1—4日、2016年9月1—8日、2017年3月2—8日。水質(zhì)采樣及檢測(cè)根據(jù)中國(guó)環(huán)境監(jiān)測(cè)總站《國(guó)家地表水環(huán)境質(zhì)量監(jiān)測(cè)網(wǎng)監(jiān)測(cè)任務(wù)作業(yè)指導(dǎo)書(shū) (試行)》的要求。BOD的測(cè)定需要單獨(dú)采樣，將水樣采集于棕色玻璃瓶，水樣注滿玻璃瓶且不留多余空間，水樣不少于1000 mL，樣品采集后的運(yùn)輸過(guò)程需保存在冷藏設(shè)備。BOD測(cè)定方法以《水質(zhì)五日生化需氧量(BOD5) 的測(cè)定稀釋與接種法》（HJ 505—2009）為標(biāo)準(zhǔn)。2016年5、8、9月和2017年3月獲得樣品BOD濃度范圍分別為1.4—4.4、0.9—4.8、1.0—4.8 和 1.6—6.2 mg·L?1。

圖1 太湖采樣點(diǎn)位置Fig. 1 Sampling points distribution of Taihu Lake

表1 太湖采樣點(diǎn)與編號(hào)對(duì)應(yīng)表Table 1 Table of sampling points and serial numbers in Taihu lake

本研究主要運(yùn)用2016年8月和9月數(shù)據(jù)進(jìn)行模型構(gòu)建和驗(yàn)證。根據(jù)《地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)》（表2），2016年8月20個(gè)樣點(diǎn)實(shí)測(cè)BOD濃度，14個(gè)采樣點(diǎn)的ρ(BOD)≤3 mg·L?1，說(shuō)明這些區(qū)域水質(zhì)狀況較好，屬Ⅰ類(lèi)和Ⅱ類(lèi)水體；6個(gè)監(jiān)測(cè)點(diǎn)的BOD濃度超過(guò)3 mg·L?1，表明太湖部分區(qū)域有機(jī)污染較嚴(yán)重，其中5個(gè)采樣點(diǎn)的質(zhì)量濃度為3—4 mg·L?1，為Ⅲ類(lèi)水體；1個(gè)采樣點(diǎn)的質(zhì)量濃度為4—6 mg·L?1之間，為Ⅳ類(lèi)水體。2016年9月實(shí)測(cè)數(shù)據(jù)，14個(gè)采樣點(diǎn)的ρ(BOD)≤3 mg·L?1，屬Ⅰ類(lèi)和Ⅱ類(lèi)水體；6 個(gè)監(jiān)測(cè)點(diǎn)的BOD質(zhì)量濃度超過(guò)3 mg·L?1，其中4個(gè)采樣點(diǎn)的質(zhì)量濃度為3—4 mg·L?1，為Ⅲ類(lèi)水體；2個(gè)采樣點(diǎn)的質(zhì)量濃度為4—6 mg·L?1，為Ⅳ類(lèi)水體。

表2 生化需氧量地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)1)Table 2 Environmental quality standards for surface water

2.2 遙感數(shù)據(jù)的采集和處理

2.2.1 遙感數(shù)據(jù)介紹

Landsat 8衛(wèi)星發(fā)射于2013年，攜帶兩個(gè)主要的載荷：陸地成像儀OLI和熱紅外傳感器TIRS。OLI成像儀主要包括9個(gè)波段，TIRS包括2個(gè)波段。全色波段、多光譜波段、熱紅外波段空間分辨率分別為15、30、100 m，空間分辨率和信噪比均較高，適用于水體監(jiān)測(cè)（徐涵秋等，2013）。本研究使用的Landsat 8影像數(shù)據(jù)獲取時(shí)間為2016年4月22日、2016年7月27日、2016年8月28日，2017年3月8日，影像部分區(qū)域存在薄云，太湖湖區(qū)受云層影響小。

2.2.2 遙感數(shù)據(jù)處理

利用ENVI 5.3軟件的FLAASH大氣校正模型對(duì)Landsat 8影像數(shù)據(jù)進(jìn)行大氣校正，消除大氣的影響并將影像轉(zhuǎn)換為地表反射率。在進(jìn)行大氣校正過(guò)程中需對(duì)傳感器高度、地表高程、大氣模型等參數(shù)進(jìn)行設(shè)置（蒲莉莉等，2015），參數(shù)設(shè)置見(jiàn)表 3。Landsat 8不同影像的大氣模型、飛行日期和飛行時(shí)間不同，其他參數(shù)基本一致，大氣校正后獲得了Landsat 8 B1—B7共7個(gè)波段的反射率數(shù)據(jù)。

表3 FLAASH大氣校正模型參數(shù)（以2016年8月28日影像數(shù)據(jù)為例）Table 3 FLAASH atmospheric correction model parameters (the image in August 28, 2016 as an example)

2.3 BOD遙感反演方法

水質(zhì)遙感反演研究方法主要是多元線性回歸方法、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、梯度提升決策樹(shù)法和偏最小二乘回歸等方法進(jìn)行研究。其中偏最小二乘法（partial least squares regression，PLSR）將多元線性回歸分析、主成分分析與典型相關(guān)分析有機(jī)結(jié)合起來(lái)，通過(guò)從自變量集合中提取若干相互獨(dú)立的主成分來(lái)建立與因變量之間的關(guān)系（劉忠華等，2011），可較好地解決多元逐步回歸無(wú)法解決的光譜波段多重相關(guān)性問(wèn)題。偏最小二乘法在反演土壤、礦物、重金屬、植被以及水體懸浮物、水體濁度等方面均取得了較好的效果（趙晨露等，2012）。而且機(jī)器學(xué)習(xí)法只顯示數(shù)據(jù)處理結(jié)果，無(wú)法展示建模參數(shù)與光譜特征的響應(yīng)關(guān)系，更無(wú)法了解各個(gè)光譜波段對(duì)模型的影響程度，不利于研究結(jié)果的推廣應(yīng)用。且太湖采樣點(diǎn)數(shù)據(jù)偏少且Landsat 8影像各波段之間相關(guān)性較強(qiáng)，因此選擇偏最小二乘回歸模型進(jìn)行BOD水體反演研究。

Landsat 8遙感影像進(jìn)行預(yù)處理之后，通過(guò)ArcGIS 10.3軟件提取采樣點(diǎn)位置Landsat 8影像數(shù)據(jù)各單波段的反射率值，將單波段和波段組合像元光譜反射率與實(shí)測(cè) BOD濃度進(jìn)行相關(guān)性分析，選取相關(guān)性最佳的波段作為敏感波段，以實(shí)測(cè) BOD濃度為因變量，敏感波段為自變量，構(gòu)建偏最小二乘回歸模型，通過(guò)驗(yàn)證數(shù)據(jù)集進(jìn)行驗(yàn)證，根據(jù)驗(yàn)證結(jié)果評(píng)價(jià)模型的精確性和有效性。偏最小二乘回歸模型的驗(yàn)證參數(shù)為預(yù)測(cè)均方根誤差（RMSEP）、決定系數(shù)（R2）和預(yù)測(cè)偏差比（RPD）。R2的取值范圍為0—1，值越接近于1，相關(guān)程度越高，即預(yù)測(cè)值與實(shí)測(cè)值越接近。當(dāng)RPD≤1.4時(shí)，說(shuō)明模型無(wú)法對(duì)樣品進(jìn)行預(yù)測(cè)；1.4

3 結(jié)果與討論

3.1 模型構(gòu)建

結(jié)合2016年7月27日和2016年8月28日Landsat 8波段反射率與2016年8月1—4日和2016年9月1—8日實(shí)測(cè)BOD濃度構(gòu)建偏最小二乘模型。利用SPSS軟件分別將FLAASH大氣校正后2016年7月27日像元光譜反射率值與2016年8月1—4日BOD實(shí)測(cè)值和2016年8月28日Landsat 8像元光譜反射率值和2016年9月1—8日BOD實(shí)測(cè)值進(jìn)行相關(guān)性分析（表4）。

表4 Landsat 8單波段光譜反射率與BOD濃度相關(guān)性分析Table 4 Correlation of single spectral reflectance and BOD concentration

2016年7月27日Landsat 8影像單波段反射率與2016年8月1—4日BOD濃度之間為正相關(guān)關(guān)系，相關(guān)系數(shù)r在0.032—0.652之間，B5的相關(guān)系數(shù)r最高，為0.652，確定B5為敏感波段。2016年8月28日Landsat 8影像單波段反射率與2016年9月1—8日BOD濃度為正相關(guān)關(guān)系，相關(guān)系數(shù)r在0.342—0.733之間，B4的相關(guān)系數(shù)r最高，為0.733，因B1、B2、B3、B4、B5的相關(guān)系數(shù)均比較高，可確定為敏感波段。再結(jié)合兩組數(shù)據(jù)波段組合相關(guān)分析結(jié)果進(jìn)行進(jìn)一步篩選，將Landsat 8數(shù)據(jù)B1—B7這7個(gè)波段進(jìn)行任意兩波段的和、差、比值以及比值組合 (ri+rj)/(ri?rj) 的方式（i≠j組合，式中：ri、rj表示不同波段的反射率）（杜成功等，2016），得到84種組合方式，將波段組合與BOD濃度進(jìn)行相關(guān)性分析（表5）。2016年7月27日影像與2016年8月1—4日實(shí)測(cè)BOD濃度波段組合相關(guān)系數(shù)范圍為?0.692—0.707，B4、B5、B6和 B7波段組合的相關(guān)性較好；2016年8月28日影像與2016年9月1—8日實(shí)測(cè) BOD濃度波段組合相關(guān)系數(shù)范圍為?0.721—0.760，與 B1、B2、B3、B4、B5相關(guān)的波段組合相關(guān)性較好。由于本次研究結(jié)合2016年7月27日和2016年8月28日Landsat 8波段反射率與2016年8月1—4日和2016年9月1—8日實(shí)測(cè)BOD濃度數(shù)據(jù)構(gòu)建模型，因此選擇B1、B2、B3、B4、B5、B6和B7作為敏感波段構(gòu)建模型。2016年7月27日影像小梅口有云層遮擋，2016年8月28日影像，竺山湖心有云層遮擋，為防止影像受云層和陸地的影響，剔除4個(gè)樣點(diǎn)，以建模和驗(yàn)證3?1比例劃分28個(gè)采樣點(diǎn)數(shù)據(jù)為建模集，8個(gè)采樣點(diǎn)數(shù)據(jù)為驗(yàn)證集。構(gòu)建偏最小二乘回歸模型如下：

1.1 研究方案和對(duì)象 選擇2015年1月至2017年7月于本院產(chǎn)檢并自愿接受NIPT的孕婦雙胎妊娠442例，單胎妊娠15 206例。納入標(biāo)準(zhǔn)：①孕周12周以上；②孕婦體重100kg以下；③夫妻染色體未發(fā)現(xiàn)明顯異常者；④近一年內(nèi)未接受過(guò)異體輸血，細(xì)胞治療，免疫治療及無(wú)移植手術(shù)者。雙胎妊娠孕婦年齡為16～48歲，孕周12～33周。單胎妊娠孕婦年齡為16～50歲，孕周12～38周。所有孕婦均充分告知了NIPT的臨床適應(yīng)證和局限性，并簽署了知情同意書(shū)且本研究通過(guò)廣東省婦幼保健院倫理委員會(huì)的批準(zhǔn)。

表5 Landsat 8 波段組合光譜反射率與BOD濃度相關(guān)性分析Table 5 Correlation of band combination spectral reflectance and BOD concentration

3.2 模型驗(yàn)證

3.2.1 建模精度

偏最小二乘預(yù)測(cè)模型應(yīng)用至建模集各波段像元光譜反射率，計(jì)算得到BOD的預(yù)測(cè)值，與建模集28個(gè)數(shù)據(jù)點(diǎn)進(jìn)行比較。通過(guò)兩組數(shù)據(jù)計(jì)算預(yù)測(cè)均方根誤差（RMSEP）、決定系數(shù)（R2）和預(yù)測(cè)偏差比（RPD），如圖2a所示。決定系數(shù)R2為0.61，預(yù)測(cè)均方根誤差為0.69 mg·L?1，預(yù)測(cè)偏差比為1.61，說(shuō)明該模型具有較好的預(yù)測(cè)效果，適合進(jìn)行BOD的預(yù)測(cè)。

3.2.2 驗(yàn)證精度

偏最小二乘預(yù)測(cè)模型應(yīng)用至驗(yàn)證集8個(gè)數(shù)據(jù)，計(jì)算得到 BOD的預(yù)測(cè)值，與驗(yàn)證集進(jìn)行比較。通過(guò)兩組數(shù)據(jù)計(jì)算預(yù)測(cè)均方根誤差（RMSEP）、相關(guān)系數(shù)（r），如圖2b所示。驗(yàn)證集中預(yù)測(cè)值和實(shí)測(cè)值之間的相關(guān)系數(shù) r達(dá)到 0.85，預(yù)測(cè)均方根誤差RMSEP為0.74 mg·L?1，說(shuō)明該模型具有很好的預(yù)測(cè)效果，適合進(jìn)行BOD的預(yù)測(cè)。

圖2 BOD實(shí)測(cè)值和遙感反演值相關(guān)關(guān)系Fig. 2 Correlativity of predicted value and the measured values of BOD concentration

3.3 BOD空間分布特征分析

3.3.1 BOD空間插值結(jié)果

利用反距離權(quán)重法分別對(duì)2016年8月1—4日和2016年9月1—8日實(shí)測(cè)BOD濃度值進(jìn)行空間插值（圖3a、4a），2016年8月1—4日實(shí)測(cè)BOD質(zhì)量濃度范圍為 0.9—4.8 mg·L?1；2016 年 9 月 1—8日實(shí)測(cè) BOD 質(zhì)量濃度范圍為 1.0—4.8 mg·L?1。BOD濃度均比較低，屬于Ⅱ類(lèi)和Ⅲ類(lèi)水體，太湖水質(zhì)狀況良好。2016年8月和9月的插值結(jié)果趨勢(shì)相似，BOD濃度由南部向北部逐漸升高，高值位于梅梁湖心、竺山湖心等北部和西部地區(qū)，低值位于太湖中南部地區(qū)。

3.3.2 太湖BOD遙感反演結(jié)果

圖3 2016年8月太湖BOD實(shí)測(cè)值插值圖（a）、2016年7月太湖BOD影像反演圖（b）Fig. 3 Interpolation of measured BOD concentration of Taihu Lake in August 2016 (a) and inversion of BOD concentration of Taihu Lake in July 2016 (b)

對(duì)比2016年7月27日遙感反演圖（圖3b）與2016年8月1—4日實(shí)測(cè)BOD濃度插值圖（圖3a），對(duì)比2016年8月28日遙感反演圖（圖4b）與2016年9月1—8日實(shí)測(cè)BOD濃度插值圖（圖4a），BOD濃度變化趨勢(shì)相似，均表現(xiàn)為由中南部低值區(qū)向西北部的高值區(qū)增加的趨勢(shì)，西北部地區(qū) BOD插值結(jié)果和遙感反演結(jié)果均較高。BOD插值結(jié)果和遙感反演結(jié)果差異較大部位在太湖東南部區(qū)域，圖3a和圖4a顯示太湖東南部地區(qū)BOD質(zhì)量濃度較低，為1.0—2.0 mg·L?1；圖3b和圖4b中太湖東部BOD質(zhì)量濃度較高，為4.0—10.0 mg·L?1，說(shuō)明該區(qū)域水質(zhì)狀況較嚴(yán)重，是由于在該區(qū)域大面積圍網(wǎng)養(yǎng)蟹，增加了水體氮磷等營(yíng)養(yǎng)鹽和有機(jī)污染物質(zhì)（曾慶飛等，2011）。由于太湖范圍僅布設(shè)了20個(gè)樣點(diǎn)，空間插值結(jié)果只能反映 BOD濃度值大體變化趨勢(shì)，無(wú)法反映無(wú)樣點(diǎn)處的變化細(xì)節(jié)，而太湖東部地區(qū)由于無(wú)樣點(diǎn)導(dǎo)致插值結(jié)果 BOD值較低；遙感反演則基于反演模型獲得逐像元（30 m）BOD空間分布，可以精確反演整個(gè)太湖區(qū)域每個(gè)30 m像元范圍BOD值，因此具有更強(qiáng)的細(xì)節(jié)差異區(qū)分能力。

圖4 2016年9月太湖BOD實(shí)測(cè)值插值圖（a）、2016年8月太湖BOD影像反演圖（b）Fig. 4 Interpolation of measured BOD concentration of Taihu Lake in September 2016 (a) and inversion of BOD concentration of Taihu Lake in August 2016 (b)

3.3.3 太湖BOD影響因素分析

對(duì)比太湖地區(qū)的 BOD實(shí)測(cè)值插值結(jié)果與遙感反演結(jié)果，遙感反演 BOD空間分布結(jié)果與實(shí)際相符，表明反演模型的精度較高。遙感反演圖的西北和東南區(qū)域 BOD濃度較高。西北部是常州市武進(jìn)區(qū)，該區(qū)是江蘇省的農(nóng)業(yè)大區(qū)，農(nóng)藥殘留問(wèn)題對(duì)武進(jìn)區(qū)甚至整個(gè)太湖流域的水質(zhì)狀況造成不利影響，因此西北部水體 BOD濃度較高。西部區(qū)域包括太湖上游的武進(jìn)、宜興和溧陽(yáng)三地區(qū)，該區(qū)域畜禽養(yǎng)殖規(guī)模較大（張長(zhǎng)飛等，2015），排放廢水中含有大量的有機(jī)污染物（徐偉樸等，2004），影響水體有機(jī)物含量。太湖東南區(qū)域大面積圍網(wǎng)養(yǎng)蟹，受養(yǎng)殖殘餌的影響，加上藻類(lèi)生物量較大，增加了水體氮磷等營(yíng)養(yǎng)鹽，因此東太湖有機(jī)污染較為突出（曾慶飛等，2011）。水中微生物分解有機(jī)物質(zhì)導(dǎo)致溶解氧含量降低，BOD濃度增加，影響東太湖水質(zhì)狀況。太湖東北部五里湖心部分屬于無(wú)錫市，無(wú)錫市人口密集且工業(yè)發(fā)達(dá)，生活污水和工業(yè)廢水中有機(jī)污染物質(zhì)的排放導(dǎo)致水體 BOD濃度的增加。太湖邊緣帶 BOD濃度高，主要受到人類(lèi)生產(chǎn)生活的影響（Xu et al.，2020）。太湖東部胥湖心區(qū)域水質(zhì)狀況較差，該區(qū)域?qū)儆谔K州市范圍，同樣受到人類(lèi)生產(chǎn)生活的影響，水體污染較嚴(yán)重。沿岸地區(qū)的生產(chǎn)生活產(chǎn)生污水排放至太湖，增加近岸太湖水體的有機(jī)污染程度，間接影響水質(zhì)指標(biāo)的變化。

3.3.4 太湖水體等級(jí)劃分

根據(jù)生化需氧量地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)對(duì) BOD濃度反演結(jié)果進(jìn)行水體的等級(jí)劃分（圖 5），當(dāng)ρ(BOD)≤3 mg·L?1，屬于Ⅰ類(lèi)和Ⅱ類(lèi)水體（圖中綠色區(qū)域）；當(dāng) 3 mg·L?1<ρ(BOD)≤4 mg·L?1，屬于Ⅲ類(lèi)水體（圖像中黃色區(qū)域）；當(dāng) 4 mg·L?1<ρ(BOD)≤6 mg·L?1，屬于Ⅳ類(lèi)水體（圖像中呈玫紅色區(qū)域）；當(dāng) 6 mg·L?1<ρ(BOD)≤10 mg·L?1，屬于Ⅴ類(lèi)水體（圖像中紅色區(qū)域）。太湖大部分區(qū)域水質(zhì)狀況較好，屬于Ⅱ類(lèi)和Ⅲ類(lèi)水體，符合飲用水標(biāo)準(zhǔn)，可用于飲水供應(yīng)。太湖西部、西北部和東南區(qū)域，屬于Ⅳ類(lèi)和Ⅴ類(lèi)水體，有機(jī)污染較嚴(yán)重。因此在太湖治理的過(guò)程中，應(yīng)針對(duì)性地對(duì)環(huán)太湖邊緣區(qū)域進(jìn)行治理。

圖5 基于Landsat8影像太湖水質(zhì)分級(jí)圖（2016年7月27日 (a) 和2016年8月28日 (b)）Fig. 5 Map of water quality classification of Taihu Lake based on Landsat 8 remote sensing images in July, 27, 2016 (a) and August, 28, 2016 (b)

3.4 模型推廣應(yīng)用

運(yùn)用偏最小二乘法對(duì)2016年7月和8月太湖BOD進(jìn)行反演研究的預(yù)測(cè)效果較好，證實(shí)了運(yùn)用偏最小二乘模型反演太湖BOD的可行性。為了進(jìn)一步驗(yàn)證本方法的有效性并研究太湖BOD的時(shí)空變化，將本研究中方法推廣至太湖其他時(shí)段 BOD的反演研究，建立相應(yīng)預(yù)測(cè)模型，反演BOD空間分布。

由于遙感影像受云層的影響，結(jié)合實(shí)測(cè) BOD數(shù)據(jù)的獲取時(shí)間，選擇2016年4月22日和2017年3月8日兩景Landsat 8影像與同期2016年5月4—6日和2017年3月2—8日的實(shí)測(cè)BOD濃度構(gòu)建模型（表6）。因2016年4月22日影像獲取時(shí)間與2016年4月實(shí)際采樣時(shí)間1—4日相差時(shí)間約20 d，與2016年5月實(shí)際采樣時(shí)間4—6日相差10 d左右，這10多天的天氣變化小，無(wú)暴雨等天氣且氣溫相近，因此選擇2016年4月22日Landsat 8影像數(shù)據(jù)與2016年5月4—6日實(shí)測(cè)BOD濃度數(shù)據(jù)構(gòu)建模型。為消除影像云層和陸地的影像，2016年4月和2017年3月均選擇17個(gè)采樣點(diǎn)構(gòu)建偏最小二乘回歸模型。將模型運(yùn)用至同一遙感影像，可得到基于像元的BOD遙感反演圖，再基于太湖采樣點(diǎn)提取BOD反演結(jié)果，與實(shí)測(cè)BOD濃度計(jì)算R2、RMSEP、RPD等參數(shù)。2017年3月模型決定系數(shù)為 0.69，預(yù)測(cè)均方根誤差為 0.71 mg·L?1，預(yù)測(cè)偏差比為 1.70；2016年 4月模型決定系數(shù)為0.60，預(yù)測(cè)均方根誤差為0.62 mg·L?1，預(yù)測(cè)偏差比為1.45。分析可知2017年3月的影像數(shù)據(jù)和實(shí)測(cè)數(shù)據(jù)獲取時(shí)間接近，構(gòu)建模型的誤差較小，而2016年4月影像數(shù)據(jù)與實(shí)際采樣數(shù)據(jù)時(shí)間相差較大，因此存在一定誤差。這說(shuō)明影像獲取時(shí)間與實(shí)際采樣時(shí)間越接近則效果越好，誤差越小。

表6 多個(gè)時(shí)間生化需氧量預(yù)測(cè)模型Table 6 Multi-time prediction model of biochemical oxygen demand

將模型運(yùn)用至同一遙感影像，可得到基于像元的BOD遙感反演圖（圖6）。大部分水體BOD質(zhì)量濃度為0.0—4.0 mg·L?1，水體屬Ⅱ類(lèi)和Ⅲ類(lèi)可飲用水體。將遙感反演結(jié)果與同期實(shí)測(cè) BOD插值圖（圖7）進(jìn)行對(duì)比，顯示大部分水體BOD的水質(zhì)狀況較一致，南部水質(zhì)狀況好，中部水質(zhì)狀況中等，北部水質(zhì)狀況差。反演結(jié)果顯示水體的 BOD濃度分布變化細(xì)節(jié)更加清晰，不同水質(zhì)差異明顯。遙感反演和插值結(jié)果差異較大部位均為太湖東南部區(qū)域，與2016年7月和8月偏最小二乘模型預(yù)測(cè)效果相似，太湖東部未設(shè)置采樣點(diǎn)，因此無(wú)法反映東部養(yǎng)殖造成的BOD局部異常。對(duì)比2016年4月、7月、8月和2017年3月BOD反演結(jié)果，7月和8月 BOD濃度值較年初期高，說(shuō)明年中期太湖有機(jī)污染較初期嚴(yán)重。

圖6 基于多時(shí)間Landsat 8 影像BOD遙感反演圖Fig. 6 Inversion of the BOD concentration based on the multi-time Landsat 8 remote sensing images

圖7 基于多時(shí)間實(shí)測(cè)BOD濃度插值圖Fig. 7 Interpolation based on the multi-time measured BOD concentration

4 討論

太湖水體BOD的反演研究顯示，運(yùn)用Landsat 8/OLI衛(wèi)星進(jìn)行水體生化需氧量的反演研究是可行的。將構(gòu)建的偏最小二乘回歸模型運(yùn)用至2016年7月27日和2016年8月28日Landsat 8遙感影像，得到7月和8月BOD反演結(jié)果，顯示太湖南部水質(zhì)狀況較好，太湖北部污染比較嚴(yán)重，這與其他研究成果相吻合，盛翼等（2019）研究發(fā)現(xiàn)太湖總體上東、南部水質(zhì)好于西、北部，西部水域竺山湖心一帶為太湖污染最嚴(yán)重的水域，東部、南部、湖心區(qū)水域維持較好水質(zhì)。再結(jié)合太湖2016年4月22日和2017年3月8日影像偏最小二乘模型反演結(jié)果，可分析太湖有機(jī)污染時(shí)空分布狀況，依據(jù)有機(jī)污染分布可針對(duì)性進(jìn)行太湖水質(zhì)狀況評(píng)價(jià)和水體治理。多個(gè)時(shí)間 BOD反演結(jié)果顯示，太湖水體主要是Ⅱ類(lèi)和Ⅲ類(lèi)水體，與柳后起等（2020）以化學(xué)需氧量為評(píng)價(jià)指標(biāo)，得到太湖水體為Ⅲ類(lèi)地表水相似。查慧銘等（2018）通過(guò)高錳酸鹽指數(shù)和 BOD5的研究發(fā)現(xiàn)的夏季有機(jī)污染較嚴(yán)重，進(jìn)一步導(dǎo)致水華爆發(fā)，與本研究中多個(gè)時(shí)間 BOD濃度反演結(jié)果一致，年中期太湖有機(jī)污染情況較初期嚴(yán)重。

研究過(guò)程還存在實(shí)際采樣時(shí)間與影像獲取時(shí)間不同以及采樣點(diǎn)數(shù)據(jù)少的問(wèn)題。針對(duì)采樣時(shí)間與影像獲取時(shí)間不一致的問(wèn)題，盡量選擇與采樣時(shí)間最接近的影像。本研究中選擇的2016年7月27日影像與采樣日期（2016年8月1—4日）相差4—7 d，2016年8月28日影像與采樣日期（2016年9月1—8日）樣品相差3—10 d，時(shí)間較為接近，最大程度減少時(shí)間差異造成的影響。針對(duì) 20個(gè)采樣點(diǎn)偏少的問(wèn)題，本研究將兩景相同季節(jié)的影像結(jié)合，組成40個(gè)采樣點(diǎn)，進(jìn)而劃分建模集和驗(yàn)證集，取得了較好的預(yù)測(cè)效果。同時(shí)，本模型對(duì)于兩個(gè)時(shí)間的影像均適用，實(shí)用性更強(qiáng)。

為更進(jìn)一步驗(yàn)證偏最小二乘方法適用性，將該方法應(yīng)用至2016年4月和2017年3月兩景影像，取得較好的驗(yàn)證效果，BOD反演結(jié)果和實(shí)測(cè)值的插值結(jié)果變化趨勢(shì)相同，充分證實(shí)了偏最小二乘模型的適用性。為構(gòu)建更高精度模型以及更好地進(jìn)行模型驗(yàn)證，后續(xù)可將Sentinel-2等影像與Landsat 8結(jié)合以提高遙感數(shù)據(jù)獲取頻率，可以通過(guò)獲取更多時(shí)間的水質(zhì)參數(shù)以及遙感影像進(jìn)行更充分的驗(yàn)證，為太湖有機(jī)污染狀況快速監(jiān)測(cè)、調(diào)查和環(huán)境治理提供依據(jù)。

5 結(jié)論

（1）本研究以2016年7月27日和2016年8月28日Landsat 8波段反射率與2016年8月1—4日和2016年9月1—8日40個(gè)樣點(diǎn)實(shí)測(cè)BOD濃度為研究對(duì)象，構(gòu)建偏最小二乘回歸模型，模型決定系數(shù)為0.61，預(yù)測(cè)均方根誤差為0.69 mg·L?1，預(yù)測(cè)偏差比為 1.61。將模型運(yùn)用至驗(yàn)證數(shù)據(jù)，實(shí)測(cè)值和預(yù)測(cè)值的相關(guān)系數(shù) r達(dá)到 0.85，預(yù)測(cè)均方根誤差為0.74 mg·L?1，預(yù)測(cè)模型效果好，說(shuō)明應(yīng)用Landsat 8/OLI數(shù)據(jù)對(duì)太湖BOD濃度監(jiān)測(cè)具有可行性。

（2）將偏最小二乘回歸模型運(yùn)用至 2016年 7月27日和2016年8月28日Landsat 8影像得到BOD遙感反演圖，其BOD空間分布特征與2016年8月1—4日和2016年9月1—8日樣點(diǎn)BOD空間插值結(jié)果吻合較好。遙感反演結(jié)果能更清楚地表征太湖BOD的分布情況，BOD濃度從太湖南部向北部逐漸增加，中南部區(qū)域 BOD濃度低，西北部、邊緣地區(qū)以及東南部東太湖地區(qū)BOD濃度較高。

（3）進(jìn)一步驗(yàn)證偏最小二乘方法的有效性并研究太湖 BOD的時(shí)空變化情況，將該方法推廣至太湖其他時(shí)段BOD的反演研究（2016年4月和2017年3月），建立相應(yīng)預(yù)測(cè)模型，反演BOD空間分布，反演效果較好。對(duì)比2016年4、7、8月和2017年3月BOD反演結(jié)果，7月和8月BOD濃度值較年初期高，說(shuō)明年中期太湖有機(jī)污染較初期嚴(yán)重，以此為依據(jù)可為太湖有機(jī)污染的評(píng)價(jià)和治理提供依據(jù)。