基于多通道光谱技术的煤矿水环境监测方法研究

王 皓，丛茂勤，刘昕悦，明 星，林海燕

(1.天津海运职业学院，天津 300350；2.中科院软件所南京软件技术研究院，江苏 南京 210049)

煤矿资源的开采与利用为我国创造了巨大的经济效益，同时也带来了一定的环境、生态和社会问题。煤矿地表塌陷区是随着矿区煤炭开挖而形成的一种特殊的生态环境，地下潜水水位高的煤矿塌陷区将会形成大面积的塌陷积水。据统计，我国煤炭开采造成的土地占压和沉陷已达50多万公顷[1]，生态恢复治理工作严重滞后。煤矿水环境决定着区域内的生态水平，因此对水质状况进行及时高效的动态监测是水环境保护和生态治理的关键，同时也为采煤塌陷区污染的控制和综合治理提供科学参考。

叶绿素a(Chla)、总磷(TP)和总悬浮物(TSM)是影响水体光谱特征的重要因素，也是煤炭矿区水质参数反演[2-5]、矿区水质污染等级[3]、水体富营养化评价[2]研究的主要指标。目前，煤炭矿区水环境监测主要有人工移动监测和遥感监测。人工移动监测通过人工移动采样，获取水样后进行实验室化学分析，该方法仅能获取点状分布的监测数据，存在人工采集成本较高、时效性差、结果具有局限性等问题；遥感监测具有空间性强、覆盖面广等特点，主要是通过卫星搭载的传感器获取水域的光谱影像，经过水质参数反演计算获取区域内的水质参数，但是这种方法观测周期较长，不能达到实时监测效果，因此亟需一种既能满足实时高效动态监测又能满足局部覆盖的水质监测方法。

本文以徐州九里矿区为研究对象，提出了一种实时多通道光谱水质监测方法。此方法通过将自主研发的云谱相机搭载在高点平台上进行非接触的水体光谱影像数据采集，计算出水体的反射率数据，运用反演模型测定水体中Chla、TP和TSM的含量，实现目标区域水质参数的连续自动监测，以期为煤炭矿区水质动态监测和水资源的保护提供技术支撑。

1 研究区域概况与数据采集

1.1 研究区概况

徐州市位于江苏省西北部，市区面积约963km2。市区内以黄河故道为分水岭，九里矿区在黄河故道以北，有庞庄煤矿、夹河煤矿、王庄煤矿和宝应煤矿，是主要的采煤塌陷区，由于地下潜水位高，采煤塌陷积水严重，地表水系遭到破坏，工业、生活污水就近排放，进一步加重了水质污染。因此对采煤塌陷积水区进行综合整治是矿区治理与生态重建的关键之一[6]。

1.2 数据采集

本文使用KSHA-C08型多通道云谱相机采集被监测区域水体的光谱影像，云谱相机一般选择固定在便于数据采集且易于安装、维护的地点。本次试验云谱相机安装高度为10m。由于安装点是由东南方向日出，西南方向日落，综合太阳高度角、方位角以及环境因素，为了尽量避免太阳直射反射的干扰所产生的耀斑，确定多通道云谱相机的观测方向为西北方向，与水平面法线之间的观测夹角约为45°。采集时间为日照的上午8点至下午5点，图像采集间隔自定义为30min，空间分辨率为1mm(35mm焦距)，幅宽为1.44m×1.08m(35mm焦距)，设备共有8路光谱通道，包括彩色、蓝光、绿光、红光、红光边缘、近红外等8路单通道影像，均为8bit图像数据，光谱通道参数见表1。

表1 光谱通道参数

在监测水域内随机选择多个距离尽可能远的采样点，按照设定时间间隔对多个采样点进行多通道光谱数据采集，同时采集监测水域采样点的水样，用以验证水质参数与特定波段的相关性，进一步验证反演模型的准确度。

2 地物光谱特征

2.1 多通道光谱数据

矿区检测区域内有水体、植被、建筑物三类不同地物，通过云谱相机采集的某晴天上午11点40分的地物光谱影像如图1所示。

从图1中可以看出水体区域在多通道下像素值(DN值)均较低，尤其是蓝光和近红外光的DN较低；建筑物在各通道的DN值均比其他地物高，反映了建筑物高反射率的特点；植被在560nm和近红外通道DN值较高，尤其是709nm，反映了植被在560nm通道和近红外通道存在较为明显的反射特征。结果表明云谱相机采集到的多通道光谱影像符合不同地物的光谱特征[7，8]。

图1 多通道光谱影像数据

2.2 地物反射光谱

在进行多通道光谱影像采集后，需计算地物光谱反射率。本文提出了依据光照度进行DN值数据库索引的方法。首先构建多通道不同光照度下反射率为30%的标准DN值数据库，并根据光照度计获得的实时照度值进行数据库索引，找出对应照度值下的多通道标准DN值，进而计算出多通道相应地物的反射率[9，10]。不同地物的反射率曲线如图2所示。

图2中植被在560nm处有一个小的反射峰，在490nm和665nm处有两个吸收谷，在近红外通道有较强的反射，符合常见绿色植被的光谱反射特征；水体整体的反射率均较低，在560nm有一个小的反射峰，近红外通道反射较低，符合低叶绿素a浓度的水体反射特征；建筑物整体反射率均较高，尤其是709nm，也满足常见的建筑物的反射光谱特征。

图2 不同地物对应的反射率曲线

2.3 相关性分析

本文结合已有特殊波段及组合，对不同采样点的叶绿素a(Chla)、总磷(TP)和总悬浮物(TSM)浓度与光谱反射率相关性进行分析得知，叶绿素a(Chla)、总磷(TP)和总悬浮物(TSM)浓度与光谱反射率在Band6/Band5、Band7/Band2、Band7/Band3三个波段组合情况下具有最大相关性。Band6/Band5、Band7/Band2、Band7/Band3称为叶绿素a(Chla)、总磷(TP)和总悬浮物(TSM)的最优通道组合。相关性公式见式(1)。

式中，γ(X，Y)为相关系数，度量X与Y之间的线性关系；Cσv(X，Y)为X与Y的协方差；Vαγ[X]为X的方差；Vαγ[Y]为Y的方差。

3 水质监测

3.1 水质参数反演模型的构建

本文选取最优通道组合数据作为建模因子，然后依次构建线性、指数、幂函数和多项式这四种基本模型，并计算决定系数R2。相比单一通道的模型方法，能够有效降低背景干扰，提高水体有效光谱信息的获取。模型构建流程如图3所示。

图3 多通道光谱水质参数反演模型构建流程

水质参数反演模型及决定系数(R2)见表2。表2显示，三种水质参数反演模型中，模型的决定系数R2均呈现出多项式函数高于线性函数高于指数函数高于幂函数的状况[11，12]。以Band6/Band5作为建模因子的Chla反演模型中，R2均高于0.75，其中多项式函数R2高达0.86。以Band7/Band2作为因子建立的TP反演模型中，多项式函数R2达到0.81。以Band7/Band3作为因子建立的TSM反演模型中，各模型的R2均高于0.72，多项式函数R2达到0.84。最终，Chla、TP、TSM的反演模型分别选择Band6/Band5、Band7/Band2、Band7/Band3作为因子建立的多项式函数。

表2 多通道光谱水质参数反演分析模型

3.2 基于多通道优化反演模型的实时监测

利用本文提出的多通道光谱优化反演模型对实时采集的光谱影像进行分析，可以计算出不同时间段被监测水体的主要参数值，并能够跟随其连续变化过程。选取某天连续整点时刻采集点的监测结果见表3。

表3 连续整点时刻水质参数浓度空间分布

由表3可以看出，随着数据采集时间的持续，水体中的阴影和表面漂浮的少许植被等因外界环境因素影响而变化，与此同时水体本身的内部组成含量也在发生变化。利用采集到水体的多通道光谱影像，可以完整收集动态变化的数据，并进一步反映出水体组分的变化情况。

在不同整点时刻水质参数反演结果的统计值如图4所示。上午8∶00至下午17∶00，目标水体Chla浓度的变化范围8.91～17.64mg/m3，均值13.56mg/m3。TP浓度的变化范围0.04～0.08mg/L，均值0.06mg/L。TSM浓度的变化范围19.42～48.57mg/L，均值33.13mg/L。其中Chla浓度较低，表明水体中藻类较少，主要是受到气候的影响。Chla浓度升高时，TP的浓度也有所提升，表明两种水质指标之间存在一定的相关性。TSM的浓度变化较大，主要与水体中有机悬浮物和无机悬浮物的变化相关，由于研究区位于居民生活区附近，生活污水排放会导致TSM的变化较为明显。

图4 水质参数变化

3.3 监测结果分析

在煤矿监测区域内每个采样点采集2000mL水样并低温冷藏，当天由当地检测机构通过分光光度法(HJ 897—2017)测定Chla含量，钼酸铵分光光度法(GB/T 11893—1989)测定TP含量，称重法(GB 11901—1989)测定TSM含量，并与相应水质参数反演结果进行了比较，也验证了多通道光谱水质参数反演方法的精度。两者比对结果见表4。

表4 水质参数实测与模型结果对比

对比实验测定结果表明水质参数浓度的验证误差较低，反演精度较高，表明该多通道光谱优化反演方法可以有效地对矿区内水体的水质状况进行实时监测。按照地表水环境质量标准(GB 3838—2002)，目标区域TP浓度大于0.02mg/L，小于0.1mg/L时，属于二类水体。

4 结 论

1)本文针对矿区水环境监测提出了一种基于多通道光谱水质多参数监测方法。此方法采用远距离非接触方式进行水体多通道光谱数据采集，获取的多光谱影像以及地物反射率曲线均符合不同地物的反射光谱特征，优化的水质参数反演模型，使数据更加准确。

2)相对于传统的单通道光谱数据反演建模方法，最优通道组合数据可以在保证较高准确率的同时减小了计算量，降低数据计算复杂度，克服运算量过大问题，保证了数据处理实时性。

3)多通道光谱水环境监测方法结合了传统监测和遥感监测，很大程度上弥补了时效性、可视化效果等方面的不足，可以及时获得准确的水质参数的空间分布、时空变化，对矿区水域整体治理具有重要的应用价值和实际意义。