基于无人机多光谱遥感图像信息的水质污染监测研究

何雄

（遵义水利水电勘测设计研究院，贵州 遵义 563002）

0 引言

贵州地貌属于中国西南部高原山地，省内地势西高东低，海拔约1 100 m，植被覆盖茂密，常年雨水多，境内大小河流最终汇入长江和珠江两大水系。近些年随着国家对乡村振兴的重视，乡村用水问题是近年来贵州大力解决的问题，各种大小中型水库建立解决了山区农民用水难、吃水难的问题。

但是科技的发展，生活水平的提高，环境污染问题越来越严重。经济的快速发展提高了老百姓的生活水平，也越来越重视生活质量和品质，对生活环境也提出了更高的要求。经济的快速发展遗留的问题就是在发展的同时对于环境保护的考虑不够，出现很多都是先污染后治理的问题。贵州河流水库众多，改革开放以来，省内大多数区域大力发展重工业，以拉动经济发展，因此导致过渡排放的工业废水非常多。初期环保意识薄弱，宣传教育力度不够，排放的生活污水流入河流当中，导致水质被严重污染。很多水库、河流、湖泊富营养化，浮游藻类疯狂繁殖，给企业和国家带来了巨大的经济损失。因此，水污染问题现在已经非常严峻，而水质监测技术作为发现问题的手段，是一项重要监测环节。

1 无人机遥感

1.1 无人机

无人驾驶飞机，是利用遥控设备（无线电技术）和控制程序及控制设备操纵的不载人飞机。

与有人驾驶飞机相比，无人机灵活性非常高，可以在低空领域灵活飞行，只需要简单的操作或者航线设计，而且无人机的飞行高度低，相对事故风险很低。

近几年无人机技术，GPS差分技术，软件技术的发展，使得以基于后差分处理系统，自动化驾驶航线设计，长航时，大载重的无人机技术越来越成熟，各种新技术，新手段在不断的摸索，无人机的应用越来越广泛。

1.2 遥感技术

遥感技术是利用非接触传感器去获取地物信息的一种手段，主要通过光学、多光谱、高光谱、雷达、激光等方式被动或者主动的方式获取地物的光谱信息，通过技术手段，还原或者模拟光谱信息从而对地物进行量测、分析、比较的技术。

1.3 无人机遥感技术

无人机遥感，是近几年新起的监测手段。主要结合无人驾驶飞行器技术、遥感传感器技术、GPS 差分定位技术、通讯技术，自动化、智能化、专业化完成监测。以无人机搭载环境监测设备进行环境监测将成为环境监测的重要手段。

无人机遥感一般搭载简单的单发相机或者激光雷达，进行被动或者主动摄影，完成地面信息的采集，通过摄影测量技术，还原现场模型，从而获取地形数据。该技术被广泛应用于数字化成图，变化监测等领域。

而新型的无人机遥感，可以搭载多光谱成像仪，对特定植被，水域进行拍摄，经后续数据处理后，对比分析植被的病虫灾害、水质环境质量，进行监测。

2 水质监测

水质监测，是对水体中各类污染物的种类、浓度及变化趋势监视和测定，从而评价水质污染状况的一种技术。传统的水质监测是在水资源范围内，修建监测站，通过不断提取采样数据，经专业的设备分析后，得出分析结果。该手段投入的设备繁多，前期投入非常大，而且在实际操作过程中，靠监测站只能就近采样，对于监测站附近的水质监测非常准确，但是离开这个范围的水质就无法监测到了。人工采样，对人员经验判断考验非常大，采样的位置，采样的水质及对样本的保护都非常关键，而且人员投入也大，不可控因素多，操作非常不方便。以无人机为平台搭载多光谱传感器作业方式，可以弥补这些短板，全方位方便快捷获取全区域的遥感影像资料，效率快捷，实时性高，利用该技术进行水质环境监测意义重大。

3 饮用水源水质监测

2021年7月，选择飞马D2000搭载多光谱航摄仪对遵义某重要水源水库建有水质监测站的一段进行无人机多光谱航摄。该水库为遵义市重要水源水库，水质质量直接影像老百姓的饮水质量，也是遵义市重点监测的水源水库。

为了保证监测质量，航高选择100 m，当地地形限制，高度无法再降低。

此次根据遥感定量反演出水色指数共9 项。其中包括叶绿素a浓度、营养状态指数、富营养化指数、颜色指数等。现对以上参数进行说明。

3.1 叶绿素a浓度

水中浮游生物、初级生产力和水体富营养化程度影响着水体叶绿素a浓度含量，从而引起高光谱成像光谱上反射率的变化。基于对叶绿素a 浓度敏感的反射率光谱或吸收光谱以及光谱指数，探索其与叶绿素a 浓度之间的定量关系，估算影像中叶绿素a浓度的含量。

从反演结果来看，整体上叶绿素a浓度整体偏低（图1中黄色1.04～2，浅绿色0.95～1.04，绿色-4.44～0.95），表明整体水质偏好。将叶绿素a 浓度分为三个等级：小于0.95 ug/L、小于1.04 ug/L、小于2 ug/L。

图1 叶绿素a浓度图

3.2 营养状态指数

水体营养状态指数是建立营养状态指数的目的是识别或评价水体的富营养化，是评估水体中用于植物、动物、浮游生物生存的营养物质的指标。富营养化的最重要特征是水体水生生物群落中的生产性有机体远远超过消费性有机体这种明显的不平衡，一般分为贫营养、中营养和富营养三种类型。该指数是通过间接估算水体叶绿素a 浓度的方式进行营养状态指数的计算，从而间接建立水体营养状态与水体光谱反射率之间的关系。水质整体偏好，故水体的营养状态指数偏低。

3.3 水体富营养化指数

水体富营养化指数原理同上，区别在于此次用的水体富营养化指数，只是单纯的NDVI 指数的比对。没有代入叶绿素a浓度。计算NDVI，区分正常水体与富营养化水体，确定不同程度富营养化的指数阈值。

水质整体较好，为了基于一期影像同期对比，可将水体分为三个等级。小于-0.20的为水质优秀、大于-0.20小于0的为水质一般，小于1的为较差水质。

3.4 总磷

水中的总磷含量是衡量水质的重要指标之一，总磷的定义是水中各种有机氮的总量。在叶绿素a影像上，水体内生化成分的改变，使得对总磷生化成分敏感的波段位置的叶绿素值出现波动，曲线上的差异增大。基于对磷素组分敏感的叶绿素值变化特征，探索叶绿素a 浓度与磷含量之间的定量关系，估算影像中总磷的含量。

此次反演出的磷的总量在0～0.16 mg/L，总体水质较好。这个总磷量整体控制较好，保证了水质微生物群安全。

3.5 总氮

水中的总氮含量是衡量水质的重要指标之一，总氮的定义是水中各种形态无机和有机氮的总量。在叶绿素a影像上，水体内生化成分的改变，使得对总氮生化成分敏感的波段位置上的叶绿素值出现波动，曲线上的差异增大。基于对氮素组分敏感的叶绿素值变化特征，探索叶绿素a浓度与氮含量之间的定量关系，估算影像中总氮的含量。整体反演出总氮含量控制在0～0.89 mg/L，趋于正常水平。

3.6 颜色指数

水体颜色指数即水色指数。水色指数是传统水体光学性质监测数据之一，水色指的是水的颜色。基于福莱尔比色表将自然水体颜色划分为21个颜色级别。色级标准是蓝色、黄色、褐色三种溶液按一定比例配置21 种颜色，数值越小水色越高。就直观而言，数值大小决定了看到水是否清澈，是否蔚蓝。水色指数是建立水体反色率与水体颜色之间的关系，水体颜色与水质参数变化密切相关，从而反映水质参数变化，是水体颜色重要的监测依据。可以看出水体呈现两种颜色，水质整体较好。

3.7 水体透明度

透明度作为水质参数的重要指标，其浓度不同，在高光谱影像上的反射率差异明显。基于对透明度浓度敏感的反射率光谱或吸收光谱以及光谱指数，探索其与透明度浓度之间的定量关系，估算影像中水体透明度浓度的含量。从定量反演结果来看，整体水质透明度较好，水体清澈。

3.8 生化需氧量

生化需氧量（BOD5）是指表示水中有机化合物等需氧物质含量的一个综合指标。在叶绿素a影像上，水体内生化成分的改变，使得对生化需氧量敏感的波段位置上的叶绿素值出现波动，曲线上的差异增大。基于对生化需氧量敏感的叶绿素值变化特征，探索叶绿素a 浓度与生化需氧量之间的定量关系，估算影像中生化需氧量。

数值越大代表需氧量越大，定量反演结果整体在0～3.80 mg/L，需氧量较少，水质参数较好。

3.9 高锰酸盐指数

高锰酸盐指数（CDOMn）是测定地表水中还原性污染物的主要指标。在叶绿素a 影像上，水体内生化成分的改变，使得对高锰酸盐指数敏感的波段位置上的叶绿素值出现波动，曲线上的差异增大。基于对高锰酸盐指数敏感的叶绿素值变化特征，探索叶绿素a 浓度与高锰酸盐指数之间的定量关系，估算影像中高锰酸盐指数。

如图2遥感定量反演出的高锰酸盐指数整体控制在0.40～5.56 mg/L，指数正常范围。

图2 高锰酸盐指数图

上述所分析结果与水质监测站数据对比，结果均与实际监测数据相吻合。

虽然结论来看较为准确，但是数据还是存在如下问题：①噪点多，对于多光谱数据，数据特点应该是连续的，不应该出现细小颗粒；②边缘区域数据判断不够准确，这个有可能是本身水源边缘由于起风导致水浪拍击水源边缘水质混浊导致，也有可能是航拍边缘质量不过关，需进一步验证。

4 结语

利用无人机搭载多光谱传感器的新型技术，就目前热点水质量，水环境问题，进行初步实验，利用无人机影像具有实时性，较卫星影像有分辨率高的特点，通过反演模型，实现了对研究区域叶绿素a、营养状态指数、富营养化、总磷、总氮、颜色指数、水体透明度、生化需氧量、高锰酸盐指数9 种水质参数分析，通过与实测数据对比，得出无人机遥感可以较为准确的反应研究区域水质污染情况，从而确认无人机遥感技术在水源监测领域的可行性。