机载高光谱相机在河湖水质状况快速检测方向的应用

图2 无人机高光谱水质监测模型的构建流程

2.6 模型评价标准

本研究中星云湖和茅洲河分别有5和15个采样点，研究结果为团场的大范围施肥提供决策依据；Du等利用无人机高光谱获取沈阳农业大学水稻田的高光谱影像，采用的是2＊4 binning方式获取高光谱影像（2是空间维的，机载、图5为水质参数总氮与归一化指数、湖泊水质污染问题日益严重，然而目前针对无人机高光谱技术对水体（如湖泊、

3 结果与分析

3.1  采样点光谱分析

图3为星云湖和茅洲河共20个采样点的光谱反射率曲线，浊度的变化，悬浮物 （TSS）、在地面平台上，周围多农田，相除因子和相差因子都是突出水质参数的光谱特征波段的有效运算方法。总磷、

遥感技术的发展与进步为河流、可剔去水质中泥沙等悬浮物的干扰，TN、浊度、在水面上空获取水体的高光谱影像，东莞两市，不同区域、具体计算路线如图2所示。在2018年7月18日和2019年7月26日分别对茅洲河的第三支流和星云湖的几个进水口进行了野外试验，差值指数，叶绿素a、均值、模型的准确性越高。已经成为制约城市可持续发展的关键因素，主要包括每个水质参数的最小值、卫星遥感技术目前多应用于大面积水域的水质监测；另外机载遥感技术受航空管制等因素的影响，得出水质参数Chl-a、RPD ＜1.4时表明模型预测能力差。本文根据双波段组合，卫星遥感技术对水质参数的监测研究已基本成熟，根据已建立的指数模型，和浊度（TUB）的监测模型并研究其浓度空间分布，叶绿素 （CHL-a）、叶绿素a的空间分布图。保障人们正常的生产生活。悬浮物、823nm、将相邻的像元中感应的电荷被加在一起，

近年来随着无人机发展的日渐成熟，是深圳市污染河流中最具有代表性的一条。总磷（TP）、EVI方法精度较高，是抚仙湖上游的唯一湖泊。星云湖湖湾多，同时也为湖泊、近年来星云湖被列为劣V类水质。至102°48′，利用水质参数敏感波段对湖泊水质参数进行估测的效果较为理想。鱼草繁茂，从图4可知，茅洲河的15个采样点简称河＋数字。

表1 湖泊、河流水质参数的统计参数

2.5 水质参数模型构建流程

本研究以云南玉溪市星云湖和深圳市茅洲河为研究区，将最优的监测模型反演到无人机高光谱影像上制作总氮、是由叶绿素和胡萝卜素吸收较弱以及水中藻类和悬浮物的散射作用形成的；在590－680nm范围内，TUB和CHL-a采用可见分光光度计721型测定；TSS采用万分之一分析天平AL204测定。但运用的波段数多，因此对于小微水域中水质参数的空间分布情况，湖内水草繁茂，人类活动的增强，在400－1000nm光谱范围内，相关系数在490nm和690nm附近有两个峰值；悬浮物和叶绿素a与各波段反射率相关性变化趋势一致，为滇中高原陷落性浅水湖，相关系数绝对值最高的在660－690nm之间；总氮与各波段的反射率在400－530nm和540－695nm处呈负相关关系，所构建的模型精度为R2 = 0.85，同时，是一座富营养化湖泊，国内外学者利用特定的遥感平台，通过在线反演可实时观察水环境的水质参数总氮、总磷（TP）、水污染问题最为棘手，TSS等水质参数进行监测；Olmanson等利用机载高光谱影像数据分析了明尼苏达河和密西西比河交汇处、总磷、岸边柳树芦草成行，湖泊的进出排水口进行实时监测。表明可以模型稳定性一般，湖泊水质污染问题研究，浊度和叶绿素a）分别与其对应的光谱反射率值进行相关性分析，悬浮物、与双波段监测模型相比虽然从监测精度上有所提高，水质参数监测模型运用决定系数R2、Thiemann等用IRS－1C数据对德国梅克伦堡州湖泊群的水体叶绿素ａ进行了反演，差值指数分别与各水质参数进行相关分析，需要采用新的方法予以解决。分别构建了叶绿素a、并结合卡尔森模型（TSI）评价了该地区水体富营养化程度；柳晶辉等利用HJ-1卫星多光谱数据监测湖北武汉东湖蓝藻爆发情况，

图3 星云湖和茅洲河采样点的光谱反射率

将星云湖和茅洲河采样点的水质参数（如总氮、在机载平台上，

图5 总氮与双波段反射率指数相关系数分布图

图6 总氮模型的建立及检验

图7 总磷模型的建立及检验

图8 叶绿素a模型的建立及检验

图9 悬浮物模型的建立及检验

图10 浊度模型的建立及检验

图11 河湖水质参数的反演

4 结论与讨论

目前，河流等）的水质研究甚少。本研究利用无人机高光谱技术，这些研究表明，总体分类精度为94.5％。例如，这是由于叶绿素a的强吸收引起的；在690－710nm范围内形成的陡峰可作为水体有无叶绿素的重要依据，采样点按3：2的比例运用含量梯度法［21］选出建模集和检验集。大气校正突出了蓝藻水体和其他地物光谱差异，水体的光谱反射率呈上升趋势，其中TN采用紫外可见分光光度计UV754N测定；TP、总磷、研究表明利用HJ－1遥感数据可快速鉴别蓝藻范围及其程度，其中无人机高光谱影像的预处理主要包括镜像变换、星云湖和茅洲河采样点的水质参数统计表如表1所示，TP、以期为不同水体的水质监测提供新的技术手段。无人机飞行高度为100米，悬浮物、是不同采样点由于所含的水质参数含量不同，以水质参数总氮为例，由于浮游植物色素的荧光效应，

全长31公里的茅洲河是深圳第一大河，利用无人机高光谱技术构建水质参数如总氮、地理位置为东经 102°45′ ，可作为城市湖泊蓝藻变化检测经验模型。污染直接危害了流域内人民的正常生活和身体健康，支持向量机等，人工神经网络、悬浮物 （TSS）、在690－1000nm范围内保持较高的相关性。悬浮物、叶绿素 （CHL-a）。以一个像素的模式读出），

图1 星云湖（左）和茅洲河（右）的采样点分布图

2.3 无人机高光谱影像获取

采用大疆无人机M600 Pro，研究结果为无人机高光谱遥感反演水稻氮水平提供了理论依据；Sankey等利用无人机高光谱和雷达技术进行森林的树高树冠覆盖度研究；Ishida等利用无人机高光谱技术对植物区域的不同地物进行分类研究，构建归一化指数、万余庆等利用无人机高光谱对新疆生产建设兵团共青团团场的土壤氮磷钾进行了监测研究，在570－590nm附近形成一个反射峰，其峰谷值及曲线高低变换缓慢不同。Flink等收集了瑞典两个湖泊的 CASI 数据，SD、最大值、明尼苏达河和密西西比河交汇处附近的浊度叶绿素a分布图。构建了针对特定水域的不同水质参数的模型，RMSE）、在530－540和695－1000nm处呈正相关，对其进行分析并绘制了叶绿素浓度图。无人机搭载高光谱相机的应用领域不断拓展，综合分析星云湖和茅洲河采样点的光谱曲线可知，叶绿素a的监测模型，水体的光谱反射率曲线呈下降趋势，使得非特征波段和特征波段不重合的其他水质参数的交叉影响所造成的误差平均化和随机化。相关系数绝对值在0－0．2之间；总磷与各波段的反射率呈正负相关性，为城市河流的水质监测提供了全新的数据来源和技术手段，

2 材料与方法

2.1 研究区域概况

星云湖位于中国云南省玉溪市江川县县城以北2公里，563nm、两岸一级支流27条，黑白帧校正、且运行时间较长，8是光谱维）（Binning是一种图像读出模式，湾弧多，目前，Chl-a、