基于Landsat的淮河干流水质监测的可行性分析

文广超，刘正疆，谢洪波，张 毅，张 娟

(河南理工大学 资源环境学院，河南 焦作 454000)

1 研究背景

我国淡水资源总量为2.8×1012m3/a，位居世界第四，但人均淡水资源量还不到世界平均水平的1/4，是严重缺水的国家之一。随着我国城镇化和工业化进程的快速推进以及社会经济的飞速发展，我国的水体环境正面临前所未有的污染加剧困境。近年来，我国七大水系、主要湖泊均受到不同程度的污染[1]。河流作为岸边带人民生产生活的纽带[2-3]，人民生产生活与水环境承载力矛盾日益突出[4-5]，流域的水体污染引起一系列生态环境问题，从而造成流域水体生态功能严重退化。因此，对流域水体污染趋势进行及时高效的监测是流域环境保护和生态治理的关键和基础，同时也能为流域水体污染控制和综合治理提供参考。

淮河是新中国建国以来全方位、大规模流域治理事业的起点，也是我国水资源保护与治理的重点和难点。近年来，大批学者对淮河水污染问题做了大量的研究工作，但多采用断面水质评价方法[6]，对整个淮河流域或者区间进行水质评价和污染趋势分析，费时费力且时效性不足，而且结果具有局限性。将遥感技术应用到淮河干流流域地区[7]，大尺度、即时性的水污染时空分析[8]，对于流域水体污染防治动态遥感监测以及指导流域经济社会的可持续发展具有重要的现实意义[9]。因此本文以淮河干流水质监测为研究主题，拟将遥感影像数据与典型断面水质监测数据相结合，分析将Landsat数据应用于流域水质监测的可行性，以期为大尺度流域水质动态监测和水资源的保护提供技术支撑。

2 研究区概况与数据来源

2.1 研究区概况

淮河作为我国中东部的桥梁、南北方的过渡带，流域面积约27×104km2，人口占全国的13%，耕地面积占全国的11%，水资源量占全国的3.4%，在国民经济中占有重要地位[10-11]。淮河是我国跨行政区流域的典型代表，西起于河南省桐柏山北麓，干流由西向东流经河南、安徽、江苏3省，在三江营入长江，全长约1 000 km，190余条支流汇入其中。干流位于亚热带湿润性季风与暖温带半湿润气候过渡带，降水时空分布和年际变化差别极大，年内6-9月份降水量占全年降水量的50%以上，洪涝年份约为干旱年份降水量的2～5倍，流域年平均降水量为920 mm，年平均气温为11～16℃。淮河干流流域是典型的人口高密度区，上游居民分散，中下游居民相对集中，大面积的农作物区及众多大中型企业沿河岸分布。

自20世纪70、80年代，由于不合理开发利用水资源[12]、污水处理厂建设力度不够、流域产业结构调整困难、农业面源污染严重、入河排污总量管理制度不完善等问题[13]，导致淮河流域年径流量突变年份较为复杂[14-15]，水体污染问题日益突出[12]，严重制约了流域岸边带经济的可持续发展。研究区地理位置以及本文采用的淮河干流6个重点水质监测断面分布如图1所示。

2.2 数据来源

本文研究采用淮河干流区域遥感影像、数字高程、地理和环境监测4类数据，数据来源表述如下：

(1)Landsat系列影像数据，来源于美国地质勘查局网站，分别为2006、2009、2010、2013和2017年淮河枯水期数据，河段无冰，无云遮挡。

(2)GDEMV2数字高程数据，来源于中国科学院计算机网络信息中心地理空间数据云平台。

(3)1∶25万比例尺国家基础地理信息DLG河流数据，来源于国家基础地理信息中心。

(4)地表水水质断面的pH、溶解氧(DO)、高锰酸盐指数(CODMn)、NH3—N数据，来源于中国环境监测总站。地表水监测数据与遥感影像同步。

3 研究方法

基于遥感数据，采用改进的归一化水体指数(MNDWI)提取水体信息。同时基于水质断面污染项监测数据，采用量化、平均加权建立综合污染指数，将综合污染指数与水体敏感波段(可见光、近红外)反射率结合建立多元线性回归分析评价模型，通过将评价结果与历史实际水质监测数据记录对比，验证该水质遥感监测模型的精度，再分析该模型用于流域水体污染趋势监测的可行性，从而达到定量分析水质污染状况的目的。

3.1 水体及波谱信息提取

首先，对Landsat系列影像进行几何精校正、正射校正、辐射定标、FLAASH大气校正预处理，消除影像的辐射失真和几何畸变问题。其次，运用归一化水体指数(NDWI)[16]、改进的归一化水体指数(MNDWI)[17]、单波段阈值法分别对预处理过的影像进行水体信息提取。经精度评价，三者提取精度分别为85%、91%、81%，故本文采用MNDWI阈值法对TM、OLI影像水体进行提取。

图1 淮河干流地理位置及水质采样点

3.2 综合污染指数建立

国家《地表水环境质量评价办法(试行)》中水质类别划分采用单因子标准指数法，其计算式如下：

Si=Ci/Cs

(1)

式中：Si为第i种污染物的标准指数；Ci为第i种污染物的实测值，mg/L；Cs为第i种污染物的标准值，mg/L。

pH无量纲，考虑到pH值的“双序列”问题，将pH值“单序列化”[18]：

P=7.5+(7.5-Q) (6.5≤Q<7.5)

(2)

P=8.5+(6.5-Q)/2 (5.5≤Q<6.5)

(3)

P=9+(5.5-Q)/1.1 (Q<5.5)

(4)

P=Q(Q=else)

(5)

式中：P为“单序列化”后的pH值；Q为pH的监测值。

《地表水环境质量标准》(GB 3838-2002)中规定pH、DO、COD、NH3—N、挥发酚、氰化物、砷、汞、铬、总磷等24项为常规水质参数(因子)。中国环境监测总站选取pH、NH3—N、DO、CODMn这4个评价因子对全国主要流域重点水质监测断面进行水质自动监测与评价。基于环境监测总站平台获取的上述4个水质评价因子数据，按照《地表水环境质量标准》(GB 3838-2002)中Ⅲ类水质为标准对淮河干流水质评价因子pH、DO、CODMn、NH3—N进行标准化。

由于单因子评价以最差的单项指标来确定水体综合水质类别，具有“一刀切”的局限性，因此本文将上述4项指数进行平均加权，建立综合污染指数A：

A=∑Si

(6)

3.3 基于遥感影像水体污染指数模型构建

水体及其污染物质的光谱特征是利用遥感信息进行水质监测与评价的依据[19-22]。Landsat可见光和近红外波段是水体最敏感的波段，对水体污染特征表现突出[23-25]。仅从单一波段监测水质变化，结果将造成一定的差异性，本文将可见光与近红外波段一并考虑参与运算，建立由pH、DO、CODMn、NH3—N这4项水质指标组成综合污染指数A与影像反射率的多元线性回归模型：

y=β0+β1X1+…+βpXp+ε

(7)

式中：β0，β1，…，βp为P+1个未知参数；β0为回归常数；ε为不可观测的随机误差且通常假定ε～N(0,σ2)；y为因变量(被解释变量)；Xi(i=1,2,…,P)为自变量(解释变量)。

本文将影像反射率与断面综合污染指数进行多元线性回归分析，用拟合优度R2对建立的多元线性回归模型进行优劣性评价。

以2010、2009年Landsat5可见光(Band1、Band2、Band3)、近红外波段(Band4)、中红外波段(Band5、Band7)数据与综合污染指数A进行多元线性回归分析，建立TM数据与水质的定量模型(方程式(8))。以2017、2013年Landsat8海蓝波段(Band1)、可见光(Band2、Band3、Band4)、近红外波段(Band5)、短波红外波段(Band6、Band7)数据与综合污染指数A进行多元线性回归分析，建立起OLI数据与水质的定量模型(方程式(9))。

A=0.3737Band1-1.8470Band2+1.1157Band3-

0.3500Band4+0.1353Band5-0.2924Band7+

9.0087

(8)

A=0.0042Band1-0.0058Band2+0.0071Band3-

0.0045Band4+0.0009Band5-0.0074Band6+

0.0089Band7-22.6835

(9)

方程式(8)的拟合优度R2=0.9796，方程式(9)的拟合优度R2=0.9316。

4 结果与分析

4.1 水质遥感监测模型精度评价

将淮河干流区域遥感数据代入遥感水体污染指数模型，得到综合污染指数的计算值，同时基于淮河干流的水质断面监测数据，通过量化、平均加权得到综合污染指数的观测值。2006、2013年计算值与观测值的对比见表1，由表1可以看出，各个断面的综合污染指数的计算值与观测值具有很好的一致性，整体绝对误差不超过 0.17，相对误差不超过7.11%。

4.2 淮河干流水体污染趋势分析

水质分类以综合污染指数A作为水体污染度量标准，结合水质遥感监测模型所得计算值，采用密度分割对水体区域影像进行分类，将区域内水体污染程度分为清洁(A=0～1)、一般(A=1～2)、轻度污染(A=2～3)、中度污染(A=3～4)、重度污染(A>4)5类，达到水体污染程度的定量化和水质污染时空判读的目的。统计区域水质分类数据，得到2006-2017年淮河干流总面积及各类水体面积占比变化情况如表2所示。

以表2中污染水体(包括轻度污染、中度污染和重度污染)面积占比的年际变化作为衡量淮河干流水质好转与否的标准，对水质面积占比数据进行处理分析，得到2006-2017年淮河干流整体的水体污染变化趋势为：2006-2009年水体污染面积占比增加15.19%，淮河干流水质恶化；2009-2010年水体污染面积占比减少4.89%，淮河干流水质好转；2010-2013年水体污染面积占比增加36.32%，淮河干流水质整体持续恶化；2013-2017年水体污染面积占比减少8.16%，淮河干流水质好转。与水利部淮河水利委员会公布的淮河流域污染河长占比的实际变化趋势(图2)对比，整体结果一致。

表1 2006、 2013年各水质采样断面综合污染指数计算值与观测值的比较

表2 2006-2017年淮河干流总面积及各类污染水体面积占比变化情况

图2 2006-2017年淮河流域污染河长及污染河长占比实际变化趋势

5 结 论

(1)将pH、DO、CODMn、NH3—N 4项水质环境监测指标量化，建立综合污染指数A，与Landsat系列影像反射率数据相结合，构建了TM、OLI水质污染遥感监测模型。

(2)将该水质遥感监测模型运用到淮河干流水质分析，得到2006-2017年淮河干流的水体污染变化趋势，计算结果与淮河水质污染实际情况一致。说明本文提出的遥感水质监测模型在流域水污染趋势量化评估方面具有可行性，可将其应用于大尺度流域水质监测中。

(3)虽然遥感技术可以很大程度上弥补常规性区域跨度和传统水体污染监测手段的时效性等方面的不足，但在实际监测过程中，仍需要考虑二者各自的优势，将其与监测结果相互验证和互相补充，才能更加精确和全面地分析流域水体污染状况。因此客观认识遥感技术对于水质的探测能力及其可应用范围，对于流域水质发展趋势监测的具体问题具有重要的现实意义。