摘要：提出一種基于衛(wèi)星遙感的環(huán)境污染監(jiān)測方法，利用Sentinel-2和Landsat 8遙感數(shù)據(jù)，計算歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）和水體污染指數(shù)（Water Pollution Index，WPI），結合支持向量機（Support Vector Machine，SVM）分類器分類主要污染源，并基于高斯擴散模型模擬污染物的擴散趨勢。試驗結果表明，該方法在污染源分類和擴散預測中具有高效性和可靠性，為環(huán)境污染治理提供了科學依據(jù)。

關鍵詞：市政工程；衛(wèi)星遙感；環(huán)境污染監(jiān)測

中圖分類號：X87 文獻標識碼：A 文章編號：1008-9500（2025）02-00-03

Research on Monitoring Method of Municipal Engineering Environmental Pollution Based on Satellite Remote Sensing

YAO Linbo

（Yangxin Chengtou Landscaping Co.， Ltd.， Binzhou 251800， China）

Abstract： A satellite remote sensing-based method for environmental pollution monitoring is proposed. Using Sentinel-2 and Landsat 8 data， Normalized Difference Vegetation Index （NDVI） and Water Pollution Index （WPI） are calculated， pollution sources are classified with Support Vector Machine （SVM）， and pollutant diffusion is modeled using a Gaussian diffusion model. The experimental results show that this method has high efficiency and reliability in pollution source classification and diffusion prediction， providing a scientific basis for environmental pollution control.

Keywords： municipal engineering; satellite remote sensing; pollution monitoring

市政工程環(huán)境污染情況復雜，需要有新的技術手段突破傳統(tǒng)監(jiān)測在效率和全面性上的局限[1]。因此，基于遙感影像的多光譜特性，研究了一種系統(tǒng)性的污染監(jiān)測方法，通過植被和水體光譜特征提取結合分類與擴散預測技術，實現(xiàn)污染源的高效識別與動態(tài)評估。

1 衛(wèi)星遙感技術概述

衛(wèi)星遙感是一種基于傳感器獲取地表信息的監(jiān)測技術，其能夠捕捉地物的光譜、幾何、輻射特性，廣泛應用于大氣、水體及地表污染的檢測[2]。衛(wèi)星遙感設備以多光譜傳感器為主，結合高分辨率影像，可實時監(jiān)測環(huán)境變化且監(jiān)測范圍大，為市政工程的環(huán)境污染監(jiān)測提供了精確可靠的數(shù)據(jù)來源。

市政工程中的污染主要來源于建筑揚塵、污水排放及固廢堆積，具有分布廣、類型多樣、動態(tài)復雜的特點。傳統(tǒng)的監(jiān)測手段通常無法全面反映這些污染源的空間分布及擴散趨勢，而衛(wèi)星遙感技術通過多光譜與時序監(jiān)測，可精準識別和動態(tài)追蹤污染源，為污染治理提供科學依據(jù)。

2 基于衛(wèi)星遙感的市政工程環(huán)境污染監(jiān)測方法

2.1 數(shù)據(jù)采集與預處理

為全面監(jiān)測建筑工地及其周邊區(qū)域的環(huán)境污染，選用Sentinel-2衛(wèi)星的多光譜影像作為主要數(shù)據(jù)來源，并結合Landsat 8的高光譜數(shù)據(jù)進行補充。其中，Sentinel-2以高空間分辨率和頻繁的數(shù)據(jù)更新提供精細化監(jiān)測，而Landsat 8的高光譜分辨率則有助于提取更豐富的光譜信息。

為保證數(shù)據(jù)的一致性和適用性，需要預處理采集的遙感數(shù)據(jù)，包括輻射校正、幾何配準、數(shù)據(jù)融合。輻射校正通過消除大氣散射和吸收的影響，確保影像光譜信息的真實可靠；幾何配準利用高精度地面控制點，將不同數(shù)據(jù)源調(diào)整至統(tǒng)一的地理坐標系，確?？臻g精度一致性；數(shù)據(jù)融合采用高通濾波法，將Sentinel-2的空間分辨率與Landsat 8的光譜分辨率相結合，生成高質(zhì)量影像數(shù)據(jù)。

2.2 光譜特征提取

為準確監(jiān)測市政工程區(qū)域的環(huán)境污染狀況，需要進行遙感影像的光譜特征提取?；诓煌廴绢愋偷墓庾V反射特性，通過計算歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI）和水體污染指數(shù)（Water Pollution Index，WPI），實現(xiàn)對植被覆蓋和水體污染的量化評估[3]。

NDVI用于反映植被的健康狀況和覆蓋程度，計算公式如式（1）所示。

（1）

式中：INDV為歸一化植被指數(shù)，取值為[-1，1]，取值越接近1表示植被覆蓋越好；RNIR為近紅外波段的反射率，其值越高表示植被越健康；RRED為紅光波段的反射率，其值越低表示植物對紅光的吸收特性越強。

WPI用于量化水體污染程度，其計算公式如式（2）所示。

（2）

式中：IWP為水體污染指數(shù)，值越高表示污染程度越嚴重；RB2、RB3、RB4以及RB5分別為藍光、綠光、紅光以及近紅外波段的反射率。污染水體通常表現(xiàn)為藍光和綠光波段的反射率降低，而紅光和近紅外波段的反射率升高。

2.3 污染源識別

污染源的精準識別是市政工程環(huán)境污染監(jiān)測的重要環(huán)節(jié)，基于光譜特征提取的結果，利用支持向量機（Support Vector Machine，SVM）分類器分類識別污染源[4]。SVM分類器通過構建分類超平面，將空間中不同類別的污染區(qū)域區(qū)分開來，并對建筑揚塵區(qū)、污水排放區(qū)和固廢堆積區(qū)等主要污染類型進行精準分類。SVM的核心目標是通過優(yōu)化式（3）的目標函數(shù)，實現(xiàn)分類精度的最大化。

（3）

式中：w為分類超平面的法向量；C為懲罰參數(shù)，值越大表示對分類錯誤的懲罰越嚴格；ξi為第i個訓練樣本的分類誤差，值越大表示樣本點距離正確分類邊界越遠；n為訓練樣本的總數(shù)量。

2.4 污染擴散模擬

污染物的擴散趨勢直接關系到其對環(huán)境的影響程度和治理方案的設計。為精準模擬污染物在空間中的分布與動態(tài)擴散過程，結合遙感監(jiān)測數(shù)據(jù)與氣象條件，基于高斯擴散模型計算污染物的濃度，濃度分布的計算公式如式（4）所示。

（4）

式中：C（x，t）為在擴散時間t時，距離污染源中心位置為x處的污染濃度，mg/m3；M為污染物的總量，kg；D為擴散系數(shù)，m2/s，其值由環(huán)境介質(zhì)的特性及氣象條件決定；t為擴散的時間，s；x為污染物擴散方向上的空間距離，m。結合實際遙感數(shù)據(jù)和當?shù)貧庀髼l件，將該模型應用于污染擴散的模擬與分析。通過輸入污染源的初始濃度、擴散系數(shù)D、擴散時間t和空間位置x，能夠生成污染物的動態(tài)濃度分布圖，為評估污染物擴散范圍和設計治理方案提供科學依據(jù)。

3 試驗與分析

3.1 試驗方案

為驗證基于衛(wèi)星遙感的市政工程環(huán)境污染監(jiān)測方法的有效性，選取某城市建設密集區(qū)域（面積約10 km2）作為試驗區(qū)域，包含建筑工地、河流、廢棄物堆積場等污染源。首先依托Sentinel-2和Landsat 8遙感影像獲取數(shù)據(jù)，通過輻射校正、幾何配準和數(shù)據(jù)融合完成預處理后，計算NDVI和WPI，以量化植被健康狀況和水體污染程度。其次，采用SVM分類器識別影像中的污染源，將區(qū)域劃分為建筑揚塵區(qū)、污水排放區(qū)和固廢堆積區(qū)。最后，結合實地監(jiān)測數(shù)據(jù)，基于高斯擴散模型對污染物的濃度分布和擴散趨勢進行模擬，全面評估基于衛(wèi)星遙感的市政工程環(huán)境污染監(jiān)測方法在污染監(jiān)測和擴散預測中的性能。

3.2 試驗結果分析

試驗區(qū)域的NDVI和WPI分布結果如圖1所示。

圖1（a）顯示建筑工地周邊植被覆蓋顯著降低，NDVI值普遍低于0.2，反映出植被健康狀況受污染影響嚴重。圖1（b）揭示了河流下游水體污染程度，WPI值超過2.0，表明該區(qū)域存在大量污染物排放，可能與污水排放相關。

基于光譜特征和支持向量機分類器，試驗成功將污染源劃分為建筑揚塵區(qū)、污水排放區(qū)、固廢堆積區(qū)3類。其中，建筑揚塵區(qū)分布于工地周邊，反映了施工活動的直接影響；污水排放區(qū)沿河流分布，顯示出水體污染的集中性；固廢堆積區(qū)集中于特定地塊，主要由垃圾或工業(yè)固廢形成。

污染物擴散模擬結果如圖2所示。結合高斯擴散模型和實際氣象條件，疊加河流流向與污染源位置，清晰展現(xiàn)了污染物的動態(tài)擴散趨勢。

建筑揚塵和固廢堆積的污染主要集中于局部區(qū)域，污染濃度隨距離增加迅速衰減，影響范圍相對有限。相比之下，河流的流動性擴大了污水排放的影響范圍，下游區(qū)域污染濃度顯著高于上游。

試驗結果表明，基于衛(wèi)星遙感的污染監(jiān)測方法不僅能夠精準識別污染源，還能通過擴散模擬有效評估污染物的空間傳播，為市政工程環(huán)境污染治理提供了科學依據(jù)和決策支持。

4 結論

基于衛(wèi)星遙感的市政工程環(huán)境污染監(jiān)測方法通過結合NDVI和WPI提取植被和水體污染特征，利用SVM分類器高精度識別主要污染源，并基于高斯擴散模型實現(xiàn)污染物動態(tài)擴散預測。未來，研究可進一步結合人工智能算法優(yōu)化監(jiān)測流程，提升方法的自動化與適應性。

參考文獻

1 焦燕燕.市政工程施工中環(huán)境保護存在的污染問題與優(yōu)化策略[J].中國廚衛(wèi)，2022（4）：7-9.

2 劉 陽，田 浩，李春霖，等.衛(wèi)星遙感在海洋漁業(yè)的應用與展望[J].中國海洋大學學報（自然科學版），2024（10）：90-103.

3 唐吉喆，徐夢冉，莫 宇，等.生態(tài)地理分區(qū)視角下的遼寧省植被歸一化植被指數(shù)的時空變化[J].應用生態(tài)學報，2023（12）：3271-3278.

4 李鑫妮，王亞君，許曉婷.基于AOA優(yōu)化SVM的工業(yè)過程故障檢測[J].現(xiàn)代化工，2024（增刊2）：343-347.

收稿日期：2024-12-05

作者簡介：姚林波（1975—），男，山東陽信人，工程師。研究方向：市政工程。