城区重度污染水体遥感识别研究

李佳琦，戴华阳，李家国，朱 利，周亚明

(1. 中国矿业大学(北京)，北京 100083； 2. 中国科学院遥感与数字地球研究所，北京 100101； 3. 三亚中科遥感研究所，三亚 572029； 4. 环境保护部卫星环境应用中心，北京 100094)

城市污染水体，顾名思义指的是在城市建成区内，视觉上呈令人不悦的颜色和(或)嗅觉上散发令人不适的水体的统称。随着我国城镇化快速发展，城市污染水体已经成为我国许多城市共同存在的污染问题，污染水体不仅影响城市景观，破坏河流生态系统，更影响到城市居民的生活和危害人体健康。因此，控制和治理城市河道水体污染、整治河道污染已经刻不容缓。2015年4月2日国务院颁发的《水污染防治行动计划》指出[1]：到2015年底前，地级及以上城市建成区应完成水体排查，公布污染水体名称、责任人及达标期限。到2017年底前，地级及以上城市建成区应实现河面无大面积漂浮物，河岸无垃圾，无违法排污口；直辖市、省会城市、计划单列市建成区基本消除污染水体。到2020年地级及以上城市建成区污染水体均控制在10%以内；到2030年，城市建成区污染水体总体得到消除。

城市污染水体分布广泛，传统方法依靠人力开展地面调查，不仅费时费力，还难以短时间内开展大范围动态监管。遥感具有监测范围广、成本低、速度快等优势，已经在水生生态保护、水体污染控制与治理、水环境灾害监测和预警等方面提供重要技术支撑，得到广泛应用。随着高空间、高光谱分辨率卫星传感器的不断涌现和完善，针对城市复杂水体的动态遥感监测已具备条件[3]。利用高分遥感数据监测城市污染水体，可以用于筛查遗漏污染水体名单，动态监测污染水体严重程度变化，定量评价污染水体治理成效，全面支撑城市污染水体监管，在环境保护方面具有十分重要的现实意义[4]。因此，本文选取国产高分辨率卫星GF1数据进行银川市污染水体遥感监测。

1 研究数据及影像预处理

1.1 研究区概况

银川市为宁夏回族自治区省会。东与盐池县接壤，西依贺兰山，与内蒙古自治区阿拉善盟为邻，南与同心县、吴忠市利通区、青铜峡市相连，北接平罗县与内蒙古自治区鄂托克旗相邻(以明长城为界)。其地域范围在北纬37°29′—38°53′，东经105°49′—106°53′之间，总面积9 491.0 km2。根据不透水面聚集密度得到银川市建成区面积为495.044 km2。银川地表水水源充足，水质良好。黄河是银川的主要河流，流经银川80多公里，南北贯穿，银川平原引用黄河水自流灌溉已有两千多年的历史。历史上由于黄河不断改道，银川境内沟渠成网，湖泊湿地众多。银川市建成区及水系如图1所示。

图1 银川市水系分布图

1.2 数据预处理过程

高分一号(GF-1)卫星是中国高分辨率对地观测系统的第一颗卫星，发射于2013年4月26日，同年12月30日正式投入使用。GF-1卫星搭载了2台2 m分辨率全色/8 m分辨率多光谱相机，4台16 m分辨率多光谱相机。本文根据覆盖区域无云，成像效果较好、能覆盖银川市建成区等原则选取影像，最终选取4景2015年10月26日的GF-1 PMS1和PMS2影像，并且对影像数据进行几何校正、辐射定标、大气校正、影像拼接与裁剪等预处理[5]，具体如下所述。

1.2.1 几何校正

几何校正是为了消除遥感成像时由于飞行器的姿态、高度、速度及地球自转等因素的影响，造成的图像相对于地面目标发生几何畸变。

1.2.2 辐射定标

辐射定标即将影像数字量化输出(DN)值转化为地物辐射亮度的过程。辐射定标公式为

Le(λe)=Gain·DN+Offset

(1)

式中，Le(λe)为转换后辐亮度，单位为W·m-2·sr-1·μm-1；DN为卫星影像输出值；Gain为定标斜率，单位为W·m-2·sr-1·μm-1；Offset为绝对定标系数偏移量，单位为W·m-2·sr-1·μm-1。定标参数Gain和Offset可从中国资源卫星应用中心网站上获取，具体参数见表1。

表1 GF1 PMS定标参数

1.2.3 大气校正

大气校正的目的是为了消除大气和光照等因素对地物反射的影响，获取地物真实反射率数据。在水色遥感中，卫星传感器接受的总辐射量中90%以上来自于大气瑞利散射、气溶胶散射及太阳反射，而包含水体信息的水体离水辐射信号甚微[6]。因此，为了更精确地进行污染识别，需对影像进行大气校正处理。

1.2.4 图像融合

图像融合是将低分辨率的多光谱影像与高分辨率的单波段影像重采样生成一幅高分辨率多光谱遥感影像的过程。因此，为了更好地识别污染水体，需对影像进行图像融合以提高影像空间分辨率。结果如图2所示。

图2 影像融合前后对比

1.2.5 图像拼接与裁剪

由于一景GF1影像难以覆盖银川市整个建成区范围，因此本文使用4景GF1影像进行拼接处理，并且根据银川市建成区矢量进行裁剪，得到银川市建成区影像，图3为银川市建成区标准假彩色影像。

图3 银川市建成区影像

2 银川市污染水体遥感识别

2.1 污染水体形成机理

从形成机理上来说，污染水体发黑发臭主要是在缺氧或厌氧状况下，水体内有机污染物发生系列物理、化学、生物作用的结果。水体中的有机物在氧化分解过程中耗氧速率大于复氧速率，造成缺氧环境，厌氧微生物分解有机质产生大量的恶臭气体(NH3、H2S和CH4)逸出水面进入大气，致使水体发黑发臭[7]。由此可知水体发黑发臭是污染水体的显著特征，污染水体也可称为黑臭水体。因此，可以从水体颜色方面判断水体是否发生污染。

水体发生黑臭主要有以下几方面的原因[8]：

(1) 有机物和氨氮消耗水中氧气。有机物主要来源于生活污水、工业废水及城市径流污水。这些污水含有大量的氨氮元素，使水体富营养化，造成藻类等水生植物疯狂生长，形成次生环境问题，过度消耗水中营养盐，加速其死亡。然后被有氧细菌氧化分解，过度消耗水中氧气，形成黑臭。这表明，次生环境是反映黑臭问题的一项重要指标[12]。

(2) 水动力学条件不足、水循环不畅也是引起河道水体黑臭的原因之一。当河道淤塞、岸边存放大量垃圾，造成河道堵塞，水流动性差，从而引起黑臭。因此河道淤塞、岸边垃圾堆放也是反映黑臭问题的重要指标。

2.2 黑臭水体遥感识别指标

基于污染水体形成机理，可构建污染水体遥感识别模型。主要从以下几个指标进行黑臭水体遥感识别：

(1) 水体颜色。由黑臭形成机理可知，水体颜色发黑，气味发臭是污染水体最显著特征。气味无法通过遥感监测，但是黑臭水体颜色发黑、发灰可通过遥感影像监测获得[14]，如图4所示。一般水体与黑臭水体颜色相比，一般水体常呈蓝色、绿色，而黑臭水体则呈黑色、灰色、墨绿色等。

图4 水体颜色对比

(2) 次生环境。当含有大量氮、磷元素的污水排入水体中，会使水体富营养化，造成次生环境问题[16]，从而引发黑臭。次生环境常常变现为水华、浮萍泛滥、水葫芦疯长等，有大量挺水植被出现。图5所示长框内为浮萍泛滥导致的黑臭水体。

图5 黑臭水体发生次生环境

(3) 河道淤塞。当河面狭窄、排水不畅，或河道被封堵，水动力不足，从而水体自净能力不足，易引发黑臭。图6长方框内为河道淤塞导致的黑臭水体。

图6 河道淤塞

(4) 岸边垃圾堆放。当河道两岸存放大量生活垃圾和建筑垃圾，不仅会造成河道淤堵，经发酵后的垃圾还会散发异味，是造成河流黑臭的主要来源之一。如图7所示，左下方框内为建筑垃圾，右上方框内为黑臭水体。

图7 岸边建筑垃圾堆放

2.3 银川市黑臭水体遥感识别

根据以上建立的黑臭水体遥感识别指标，利用GF影像和Google Earth开展银川市建成区黑臭水体遥感识别。在银川市建成区共提取399条河段，面积达25.587 2 km2。在这些河流中，根据黑臭水体遥感识别指标共识别污染水体15条，主要分布在西夏区、贺兰县、兴庆区、永宁县和金凤区。其空间分布如图8所示。

3 精度验证

为了验证黑臭水体遥感识别精度，2016年6月开展了银川市黑臭水体实地验证试验。根据遥感识别疑似黑臭水体的具体分布确定试验点位置，按照点位分布均匀、车辆可通行原则设计点位，试验前共设计了33个试验点，由于道路限制等原因，实际到达27个试验点，地理分布如图9所示，圆圈“○”点位为设计点位，圆心圆“⊙”点位为实际到达点位。试验现场测量并记录了试验点经纬度、河宽、污染程度、岸边状况、水深、透明度、氧化还原电位、溶解氧等，并且采取水样送至实验室化验氨氮含量等，根据各项指标测量值，确定水体污染程度。

图8 银川市遥感识别污染水体

图9 银川市污染水体试验点位设计

根据城市黑臭水体整治工作指南给出的黑臭水体判别准则可知：城市黑臭水体分级的评价指标包括透明度、溶解氧(DO)、氧化还原电位(ORP)和氨氮(NH3-N)，黑臭水体污染程度分级标准见表2。

表2 城市污染水体污染分级标准

根据黑臭水体分级指标，共确定17个黑臭点位，根据这些点位分布，可确定黑臭河段12条，面积达315 319.95 m2。其中重度黑臭河段5条，轻度黑臭河段7条。黑臭河段空间分布如图10所示，详细河段信息见表3。

图10 银川市遥感识别污染水体实地验证结果

在本次试验中，共实地验证点位27个，其中黑臭点位17个，一般水体10个，遥感识别精度达62.96%。经分析，影响遥感识别精度的主要原因有以下几方面：

(1) 遥感影像成像时间与调研时间的差异。由于采用的影像成像时间与实地验证时间存在一定时间差，部分河流由于受降雨等因素的影响，通过水体自净能力，由微黑臭状态自净为一般水体。

(2) 水深影响。部分河流水深较深，在影像上水体颜色有时会呈现暗深色，导致水体误判为黑臭水体。

(3) 河道植被覆盖影响。由于部分河流受河道两岸植被覆盖的影响，其阴影会造成对水体的误判。

表3 银川市遥感识别污染水体实地验证结果

4 结 论

(1) 根据污染水体形成机理，构建了污染水体遥感识别模型，监测识别了银川市重度污染的黑臭水体，确定银川市12条污染河段，面积可达315 319.95 m2，其中，重度黑臭河段5条，轻度黑臭河段7条。通过实地验证试验，识别精度可达62.96%。

(2) 分析得出了影响精度的主要原因是影像成像时间与调研时间的差异，以及水深、植被覆盖率等因素。

(3) 遥感识别成果为银川市政府黑臭水体整治工作提供了参考，以全面消除银川市污染水体。通过遥感手段识别城市黑臭水体的精度还有待提高，以后需增加其他识别指标进行进一步研究，以提高遥感识别精度。

参考文献：

[1] 住房城乡建设部.城市黑臭水体整治工作指南[EB/OL].(2015-08-28)[2016-06-21].http:∥www.mohurd.gov.cn/wjfb/201509/t20150911_224828.html.

[2] 林培.《城市黑臭工作指南》解读[J].建设科技,2015(8)：14-15.

[3] 李建，田礼乔，陈晓玲.水环境参数定量遥感反演空间尺度误差分析[J].测绘学报,2017,46(4)：478-486.

[4] 中国科学院遥感与数字地球研究所.遥感技术首次辅助城市黑臭水体整治工作取得进展[EB/OL].(2017-04-20)[2017-04-28].http:∥www.radi.ac.cn/dtxw/kjyw/201704/t20170420_4777980.html.

[5] 周星宇，张继贤，高绵新，等.高分辨率遥感影像下沿海地区地表覆盖信息的提取[J].测绘通报,2017(2)：19-24.

[6] 张兵，李俊生，王桥，等.内陆水体高光谱遥感[M].北京：科学出版社,2012.

[7] 谢飞，吴俊锋.城市黑臭河流成因及治理技术研究[J].污染防治技术.2016,29(1)：1-3.

[8] 王旭，王永刚，孙长虹，等.城市黑臭水体形成机理与评价方法研究进展[J].应用生态学报,2016,27(4)：1331-1340.

[9] 黑臭水体是怎么形成的?[J].环境经济.2015(Z3)：38.

[10] 王逢武，封勇.我国黑臭水体形成机理及治理技术研究进展[J].水资源保护,2016,32(1)：52-56.

[11] 李学萌.黑臭水体的产生原因及综合治理研究[J].当代化工研究,2016(8)：85-86.

[12] DUAN H T，MA R H，LOISELLE S A，et al．Optical Characterization of Black Water Blooms in Eutrophic Waters[J].Science of the Total Environment,2014,482-483：174-183．

[13] WANG G F，LI X N，FANG Y，et al．Analysis on the Formation Condition of the Algae-induced Odorous Black Water Agglomerate [J].Saudi Journal of Biological Sciences,2014,21：594-607．

[14] CANFIELD D E，LINDA S B，HODGSON L M，et al．Relations between Color and Some Limnological Characteristics of Florida Lakes[J].Journal of the American Water Resources Association,1984(20)：323-329．

[15] 马荣华，段洪涛，唐军武，等.湖泊水环境遥感[M].北京：科学出版社,2010.

[16] 孙淑雲，古小治，张启超，等.水草腐烂引发的黑臭水体应急处置技术研究[J].湖泊科学,2016,28(3)： 485-493.

[17] SUGIURA N，UTSUMI M，WEI B，et al．Assessment for the Complicated Occurrence of Nuisance Odours from Phytoplankton and Environmental Factors in a Eutrophic Lake[J].Lakes & Reservoirs: Research and Management，2004(9)：195-201．