1 上海市水文总站，上海200232
2 中国科学院上海技术物理研究所, 上海200083中国科学院大学, 北京100049
由于上海市河湖水网密布，科学有效地监测河湖水质，有利于巩固河湖治理成果，为新形势下水资源的保护和管理服务。研究目的是实现卫星遥感技术在城市水体水质监测中的有效应用。基于Sentinel-2多光谱影像，采用机器学习技术建立了城市河流水质参数反演模型，对2019~2021年上海市103条河流的溶解氧（Dissolved Oxygen, DO）、高锰酸盐指数（Permanganate index, CODMn）、氨氮（Ammonia Nitrogen, NH3-N）和总磷（Total Phosphorus, TP） 4种水质参数进行了遥感反演。分析了上海市主要河流水质参数的时空变化特征，并对上海市水环境进行了评价。结果表明，DO、CODMn和TP三个水质指标的反演精度优于80%，NH3-N的反演精度优于70%；4种水质参数所属水体类别均优于V类；第一、第四季度水质优于第二、第三季度。
城市河流 遥感 机器学习 水质参数 urban river remote sensing machine learning Sentinel-2 Sentinel-2 water quality parameters
1 哈尔滨学院, 黑龙江省寒区湿地生态与环境研究重点实验室, 黑龙江 哈尔滨 150086
3 东北农业大学资源与环境学院, 黑龙江 哈尔滨 150038
4 北京市农林科学院植物营养与资源研究所, 北京 100097
工程施工时基坑排水是保障基坑安全的必要措施, 排出水进入城市内河, 对内河及下游水生态安全产生影响。 该研究采集哈尔滨市何家沟欧亚之窗公园段建筑工程施工过程中基坑排出水(W1)、 排水口上游100 m处(W2)、 排水口处(W3)、 排水口下游50 m处(W4)、 排水口下游100 m处(W5)、 排水口下游200 m处(W6)的水体样品, 应用三维荧光光谱-平行因子分析方法, 测定溶解性有机质(DOM)的荧光光谱特征, 分析DOM的组成和来源, 探究基坑排水对城市内河水体环境的影响。 结果表明: 内河水体腐殖化指数(HIX)在0.337~0.381范围内, 腐殖化程度低, W1, W3~W6的HIX差异不显著, 均显著低于W2, 说明排水进一步降低了内河水体腐殖化程度。 荧光指数(FI370)介于2.330~2.900范围内, 生物指数(BIX)在0.897~1.140范围内, W1和W2的FI370和BIX均显著高于W3~W6, 两者具有极强的自生源特征, 说明排水使下游水体自生源特征降低。 水体样品DOM中共识别出2类4种有机组分: 可见类富里酸组分(C1)、 类色氨酸组分(C2)、 紫外类富里酸组分(C3)和类酪氨酸组分(C4), 即类富里酸物质(C1、 C3)和类蛋白物质(C2、 C4), 两者间成负相关关系。 FI370与4种有机组分间均呈极显著的相关性, 说明DOM组成简单。 W2具有相对较高的DOM浓度, 而排水口下游水体DOM浓度低, 基本保持稳定。 类蛋白物质在上游水体中占有相对较高的比重, 在W4中, 4种有机组分相对比重差异不显著, W5和W6类富里酸物质的相对比重有升高趋势, 同样说明基坑排水导致内河水体自生源特征降低。 除pH值升高外, 下游水体样品溶解氧(DO)、 总氮、 总磷等理化指标含量均降低, pH值与类富里酸物质呈正相关, 与类蛋白物质呈负相关, 而DO、 化学需氧量及水体养分指标与之相反。 水体DOM有机组分与理化指标的相关性不同, 可直接或间接影响DOM组成。 因此, 工程施工基坑排水可降低城市内河水体DOM浓度, 改变了水体DOM组成。
三维荧光光谱 城市内河 排水 溶解性有机质 Three-dimensional fluorescence spectroscopy Urban river Drainage Dissolved organic matter
1 中国科学院大学工程科学学院, 北京 100049
2 中国科学院上海技术物理研究所, 中国科学院空间主动光电技术重点实验室, 上海 200083
3 中国科学院电子学研究所, 北京 100190
水体辐射传输模型是水体光谱特性分析的理论基础, 水体固有光学量由水体组成决定, 与水体表面光场无关。 基于统计的半经验算法虽然能获取指定区域水质参数反演结果, 但是缺乏物理意义; 基于生物光学模型的分析算法, 针对城市河网内陆Ⅱ类水体光学特性复杂、 空间分布异质性强、 水体细小、 流动性大等特点, 利用高光谱数据, 研究基于固有光学量的城市河网水质参数反演模型, 对内陆城市浑浊水体光谱特性研究具有重大意义。 提出了适用于内陆城市河网水体的改进QAA算法, 以获取水体固有光学量, 改进包括后向散射估计模型调整和参考波段优化两个方面; 计算参考波段总吸收系数、 颗粒物后向散射系数等固有光学量, 得到浮游植物吸收系数和剔除纯水吸收系数; 对浮游植物吸收系数最优波段比值与叶绿素a浓度进行线性回归分析, 构建叶绿素a水质浓度反演模型, 对剔除纯水吸收系数最优波段比值与悬浮物浓度线性回归分析, 构建悬浮物水质浓度反演模型。 针对内陆河网Ⅱ类水体, 以典型的河网城市嘉兴市为研究区域, 获取了研究区域航空高光谱数据, 以及水质采样化验数据和水面以上光谱数据等地面准同步测量数据; 利用QAA算法和IIMIW算法对实测水面以上光谱进行固有光学量反演, 对比分析两个算法并结合城市河网水体特点, 提出改进QAA算法; 利用改进的QAA算法实现了研究区域水体的固有光学量反演, 基于反演的水体固有光学量建立了叶绿素a浓度和悬浮物浓度两项水色参数定量反演模型, 反演模型决定系数R2分别为0.64和0.71; 并用航空高光谱数据同步区域的4个地面样点实测数据, 对反演结果进行验证分析。 通过水质参数浓度反演值与实测值的对比, 叶绿素a和悬浮物水质浓度反演的平均相对误差分别为9.2%和9.4%, 反演得到的叶绿素a和悬浮物浓度分布图, 也与城市河网的特点和实际情况相符, 为城市河网水质监测提供方法和模型参考。
河网城市 高光谱 固有光学量 改进QAA 水质反演 Urban river network Hyperspectral Inhevent optical parameters Improvequasi-analytical algorithm (QAA) Retrieval of water quality 光谱学与光谱分析
2019, 39(12): 3761
1 中国科学院空间主动光电重点实验室, 中国科学院上海技术物理研究所, 上海 200083
2 中国科学院大学, 北京 100049
城市地表水是城市生态环境的重要组成部分, 地表水环境高光谱遥感是高光谱遥感的重要应用方向, 水体提取是地表水环境高光谱遥感的第一步, 其主要任务是从高光谱遥感数据中提取地表水水体轮廓。 基于光谱指数的水体提取方法充分利用光谱信息, 计算简单, 实现容易, 提取效果优异。 归一化植被指数(NDVI)、 归一化水体指数(NDWI)、 高光谱差异化水体指数(HDWI)和基于指数的水体指数(IWI)等光谱指数已经广泛应用于湖泊、 大江大河等开阔水体提取。 近些年来, 随着成像光谱技术的发展, 高光谱遥感数据的获取能力也突飞猛进, 空间分辨率和光谱分辨率不断提高。 与江河湖基本在流域内沿地形分布不同, 城市地表水一般细小, 纵横交错, 形成河网。 在高光谱遥感数据用于城市体表水提取时, 其面临的图像空间分辨率、 地物类型和地物复杂等, 与江河湖水体提取有很大不同。 因此, 需要对这些常用的光谱指数在城市地表水提取中的适宜性进行评价。 以此做为出发点和目标, 以河网密布的江南水乡中国浙江省嘉兴市为研究对象, 以应用型航空成像光谱仪(Airborne imaging spectrometer for applications, AISA)获取的高空间分辨率机载高光谱遥感数据为数据源, 通过Youden指数确定最佳阈值, 将总体分类精度、 错分误差、 漏分误差、 Kappa系数作为衡量指标, 分析评价了NDVI, NDWI, HDWI和IWI 4种光谱指数在城市河网提取中的适宜性。 结果表明, 阴影与水体光谱变化趋势类似, 是造成水体提取过程中高错分误差的主要因素。 四种指数都可以准确抑制落在植被中的阴影, 但无法有效抑制落在建筑物中的阴影。 HDWI虽然可以在一定程度上抑制建筑物中的阴影, 但是无法有效地抑制亮建筑物背景。 通过对不同类型水体和阴影(笼罩下地物)光谱的进一步分析, 虽然水体和阴影光谱曲线变化趋势相似, 均在560～600 nm附近存在波峰, 但是水体和阴影波峰高度存在差异, 水体波峰值较大而阴影波峰值较低。 因此, 通过充分挖掘水体和阴影在560～600 nm处光谱反射信息, 有望进一步抑制建筑物阴影, 提高城市河网水体提取精度。
城市河网水体 高光谱水体提取 光谱指数 适宜性分析 Urban river network Hyperspectral water body extraction Spectral index Suitability analysis 光谱学与光谱分析
2019, 39(11): 3482
1 中国环境科学研究院城市水环境科技创新基地, 北京 100012
2 中国环境科学研究院环境基准与风险评估国家重点实验室, 北京 100012
3 西安建筑科技大学环境与市政工程学院, 陕西 西安 710055
4 同济大学污染控制与资源化研究国家重点实验室, 上海 200092
应用三维荧光技术结合自组织神经网络方法,研究典型城市河流沉积物孔隙水中水溶性有机物(DOM)与颗粒性有机物(POM)组成结构及空间分布特征.自组织神经网络是一种非监督神经网络算法,能够从有机物三维光谱中提取不同的荧光组分,表征各组分的含量.沉积物是重要的有机碳库,而沉积物孔隙水中有机物的多寡可直接反映其环境特征.人们对水体中沉积物孔隙水中的DOM与营养盐特征的研究较多,而对POM的研究较少,尤其对重污染城市支流河的研究更少.因此,选取沈阳市白塔堡河为研究对象,沿河源、农村、城市区域河段采集沉积物孔隙水样品,提取DOM与POM,检测样品的三维荧光光谱.DOM的f450/500值为1.82～1.91,表明DOM主要是微生物源;POM的f450/500值为1.42～1.68,表明POM主要以陆地输入为主.自组织神经网络解析DOM与POM含有类酪氨酸、类色氨酸、类富里酸与类胡敏酸等物质,类酪氨酸主要源于新鲜的具有高氧化的类蛋白物质,而类色氨酸主要为微生物代谢产物。 DOM的各组分丰度之和为POM的2倍,类酪氨酸平均相对丰度在50%以上,类色氨酸的平均相对丰度为18.8%～23.1%,类富里酸相对丰度比类胡敏酸的高,但两者在有机物组分所占比重小。 通过主成分分析,DOM与POM特征呈现沿河源、农村、城市区域河段变化,表明白塔堡河深受人类活动的影响。
水溶性有机物 颗粒性有机物 三维荧光光谱 自组织神经网络 城市河流 DOM POM Excitation-emission matrix fluorescence Self-organizing map Urban river
