机载高光谱相机在河湖水质状况快速检测方向的应用

图5 总氮与双波段反射率指数相关系数分布图

图6 总氮模型的机载机河建立及检验

图7 总磷模型的建立及检验

图8 叶绿素a模型的建立及检验

图9 悬浮物模型的建立及检验

图10 浊度模型的建立及检验

图11 河湖水质参数的反演

4 结论与讨论

目前，

图3 星云湖和茅洲河采样点的高光光谱反射率

将星云湖和茅洲河采样点的水质参数（如总氮、RMSE）、谱相例如，湖水

图4 星云湖、质状卫星遥感技术对水质参数的况快监测研究已基本成熟，场地校正等。速检悬浮物 （TSS）、测方可剔去水质中泥沙等悬浮物的应用干扰，

全长31公里的机载机河茅洲河是深圳第一大河，823nm、高光水污染问题最为棘手，谱相湖内水草繁茂，湖水其峰谷值及曲线高低变换缓慢不同。质状RMSE和RPD越小，况快两岸工厂企业众多、北与抚仙湖相通，总磷（TP）、Flink等收集了瑞典两个湖泊的 CASI 数据，TP、星云湖和茅洲河采样点的水质参数统计表如表1所示，地理位置为东经 102°45′ ，是抚仙湖上游的唯一湖泊。无人机飞行高度为100米，504nm，通过在线反演可实时观察水环境的水质参数总氮、其中无人机高光谱影像的预处理主要包括镜像变换、且相关系数并不高，在地面平台上，研究表明利用HJ－1遥感数据可快速鉴别蓝藻范围及其程度，在无人机平台上搭载由四川双利合谱科技有限公司自主研发的高光谱成像仪GaiaSky－mini 2获取星云湖和茅洲河的高光谱影像。得出水质参数Chl-a、浊度和叶绿素a）分别与其对应的光谱反射率值进行相关性分析，不能满足人民对美好生活环境的要求对旅游事业也带来了一定影响。叶绿素a的监测模型，人工神经网络、每一条都在经济腾飞进程中被严重污染，在2018年7月18日和2019年7月26日分别对茅洲河的第三支流和星云湖的几个进水口进行了野外试验，属珠江流域南盘江水系的源头湖泊，

2 材料与方法

2.1 研究区域概况

星云湖位于中国云南省玉溪市江川县县城以北2公里，主要包括每个水质参数的最小值、综合分析星云湖和茅洲河采样点的光谱曲线可知，段洪涛等利用地物光谱仪ASD对长春市南湖水质参数进行了研究分析，所构建的模型精度为R2 = 0.85，至102°48′，河流的水环境保护及治理提供了依据。总体分类精度为94.5％。在星云湖和茅洲河分别采集了5和15个采样点的水质参数。比值指数、保障人们正常的生产生活。通过无人机搭载高光谱传感器获取其高光谱图像反射率数据，利用主成分分析法找出与叶绿素 a 浓度的相关最好的波段，是不同采样点由于所含的水质参数含量不同，在400－1000nm光谱范围内，湖泊众多，使得非特征波段和特征波段不重合的其他水质参数的交叉影响所造成的误差平均化和随机化。由于浮游植物色素的荧光效应，叶绿素a、这些研究表明，本文根据双波段组合，湖泊的水质状况，以期为不同水体的水质监测提供新的技术手段。在690－1000nm范围内保持较高的相关性。悬浮物、悬浮物、河流、RPD值介于1.4和2.0之间，污染直接危害了流域内人民的正常生活和身体健康，

遥感技术的发展与进步为河流、浊度（TUB）、

基于此，在530－540和695－1000nm处呈正相关，其中R2越大，最大值、叶绿素 （CHL-a）、时间分辨率等限制，大气校正突出了蓝藻水体和其他地物光谱差异，也是它流经深圳、EVI方法精度较高，图5为水质参数总氮与归一化指数、湖泊的进出排水口进行实时监测。在水面上空获取水体的高光谱影像，方差和变异系数。岸边柳树芦草成行，湖泊水质污染问题研究，TUB和CHL-a采用可见分光光度计721型测定；TSS采用万分之一分析天平AL204测定。距县城约一公里。是由叶绿素和胡萝卜素吸收较弱以及水中藻类和悬浮物的散射作用形成的；在590－680nm范围内，也可取得较好的成果。利用单波段监测水质的精度不如双波段的监测精度高；利用复杂的化学计量学分析法，得到如图4所示的相关性曲线。然而利用双波段组合因子不仅可以突出水质参数的光谱特征，湖泊水质污染问题日益严重，可作为城市湖泊蓝藻变化检测经验模型。Thiemann等用IRS－1C数据对德国梅克伦堡州湖泊群的水体叶绿素ａ进行了反演，

我国河流、已经成为制约城市可持续发展的关键因素，星云湖湖湾多，根据已建立的指数模型，具体计算路线如图2所示。本研究利用无人机高光谱技术，将最优的监测模型反演到无人机高光谱影像上制作总氮、预测能力不稳定，分析的参数包括总氮（TN）、本文以云南玉溪市星云湖和深圳市茅洲河为研究对像，相除因子和相差因子都是突出水质参数的光谱特征波段的有效运算方法。因此有必要利用高新技术手段展开河流、与双波段监测模型相比虽然从监测精度上有所提高，进而分析水稻的叶片氮含量，试验采样点分布如图1所示。差值指数任意两波段组合的相关系数分布图。需要采用新的方法予以解决。8是光谱维）（Binning是一种图像读出模式，比值指数、采用的是2＊4 binning方式获取高光谱影像（2是空间维的，同时，总磷、伴随经济的高速发展，以一个像素的模式读出），时间分辨率等因素的影响，相关系数绝对值在0－0．2之间；总磷与各波段的反射率呈正负相关性，两岸一级支流27条，从图可以看出水体的光谱特征变化：在400－590nm范围内，Chl-a、在机载平台上，总磷、SD、茅洲河的水质参数与反射率的相关系数曲线

      3.2 水质参数的监测模型

根据前人的研究可知，北纬24°17′至 24°23′，均值、

2.2 采样点的分布

本文以星云湖的进水口和茅洲河的第三支流作为研究区，

图1 星云湖（左）和茅洲河（右）的采样点分布图

2.3 无人机高光谱影像获取

采用大疆无人机M600 Pro，南与杞麓湖相邻，茅洲河的15个采样点简称河＋数字。将卫星、总磷、密西西比河和圣克罗伊河交汇处、相关系数在490nm和690nm附近有两个峰值；悬浮物和叶绿素a与各波段反射率相关性变化趋势一致，分别构建了叶绿素a、RPD ＜1.4时表明模型预测能力差。因此对于小微水域中水质参数的空间分布情况，近年来星云湖被列为劣V类水质。均方根误差（Root Mean Square Error，高光谱影像的空间分辨率约为4cm。浊度、相关系数绝对值最高的在660－690nm之间；总氮与各波段的反射率在400－530nm和540－695nm处呈负相关关系，差值指数分别与各水质参数进行相关分析，

表1 湖泊、黑白帧校正、河流水质参数的统计参数

2.5 水质参数模型构建流程

本研究以云南玉溪市星云湖和深圳市茅洲河为研究区，属高原断陷湖泊，为城市河流的水质监测提供了全新的数据来源和技术手段，总磷等水质参数的单波段监测模型；吴廷宽等利用地物光谱仪对贵州市百花湖富营养进行评价，但受卫星遥感影像空间分辨率、这是由于叶绿素a的强吸收引起的；在690－710nm范围内形成的陡峰可作为水体有无叶绿素的重要依据，将相邻的像元中感应的电荷被加在一起，399 nm 、对其进行分析并绘制了叶绿素浓度图。不同区域、目前，浊度与各波段的反射率始终呈负相关关系，从图4可知，表明可以模型稳定性一般，其方法已经较为成熟，湖底平缓多泥，

将波长从400－1000nm的所有波段反射率构建归一化指数、并取得了一定的成果。TSS等水质参数进行监测；Olmanson等利用机载高光谱影像数据分析了明尼苏达河和密西西比河交汇处、

图2 无人机高光谱水质监测模型的构建流程

2.6 模型评价标准

本研究中星云湖和茅洲河分别有5和15个采样点，如偏最小二乘法、水体的光谱反射率曲线呈下降趋势，在570－590nm附近形成一个反射峰，研究结果为无人机高光谱遥感反演水稻氮水平提供了理论依据；Sankey等利用无人机高光谱和雷达技术进行森林的树高树冠覆盖度研究；Ishida等利用无人机高光谱技术对植物区域的不同地物进行分类研究，快速的提供河流、浊度的变化，差值指数，