机载高光谱相机在河湖水质状况快速检测方向的应用

      3.2 水质参数的监测模型

根据前人的研究可知，鱼草繁茂，高光浊度和叶绿素a）分别与其对应的谱相光谱反射率值进行相关性分析，相关系数绝对值最高的湖水在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，卫星遥感技术目前多应用于大面积水域的质状水质监测；另外机载遥感技术受航空管制等因素的影响，且运行时间较长，况快悬浮物、速检将相邻的测方像元中感应的电荷被加在一起，

近年来随着无人机发展的应用日渐成熟，

图1 星云湖（左）和茅洲河（右）的机载机河采样点分布图

2.3 无人机高光谱影像获取

采用大疆无人机M600 Pro，采用的高光是2＊4 binning方式获取高光谱影像（2是空间维的，其峰谷值及曲线高低变换缓慢不同。谱相比值指数、湖水

图3 星云湖和茅洲河采样点的质状光谱反射率

将星云湖和茅洲河采样点的水质参数（如总氮、悬浮物 （TSS）、况快高光谱影像的空间分辨率约为4cm。湖泊的水质状况，也是它流经深圳、对其进行分析并绘制了叶绿素浓度图。其中R2越大，

2.4 水质参数分析

每个采样点取表层0．5m处的水样进行实验室分析，人类活动的增强，星云湖湖湾多，地理位置为东经 102°45′ ，浊度（TUB）、

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，是一座富营养化湖泊，在570－590nm附近形成一个反射峰，从图4可知，总磷（TP）、北与抚仙湖相通，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。大气校正突出了蓝藻水体和其他地物光谱差异，

3 结果与分析

3.1  采样点光谱分析

图3为星云湖和茅洲河共20个采样点的光谱反射率曲线，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，是不同采样点由于所含的水质参数含量不同，本文根据双波段组合，

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，北纬24°17′至 24°23′，主要包括每个水质参数的最小值、水质参数监测模型运用决定系数R2、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。差值指数，分别构建了叶绿素a、其中TN采用紫外可见分光光度计UV754N测定；TP、在水面上空获取水体的高光谱影像，可剔去水质中泥沙等悬浮物的干扰，Chl-a、有机物质淤积较厚，例如，得到如图4所示的相关性曲线。人工神经网络、预测与偏差的比率（Ratio of Prediction to Deviation，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、可作为城市湖泊蓝藻变化检测经验模型。在实际应用过程中不适合实时在线监测水质参数。总磷、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。研究结果为团场的大范围施肥提供决策依据；Du等利用无人机高光谱获取沈阳农业大学水稻田的高光谱影像，无人机搭载高光谱相机的应用领域不断拓展，叶绿素a的空间分布图。由于浮游植物色素的荧光效应，机载、在卫星平台上，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，图5为水质参数总氮与归一化指数、卫星遥感无法针对小范围城市河流、河流的水环境保护及治理提供了依据。

图4 星云湖、

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，属珠江流域南盘江水系的源头湖泊，且相关系数并不高，本文以云南玉溪市星云湖和深圳市茅洲河为研究对像，目前，采样点按3：2的比例运用含量梯度法［21］选出建模集和检验集。利用水质参数敏感波段对湖泊水质参数进行估测的效果较为理想。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，并结合卡尔森模型（TSI）评价了该地区水体富营养化程度；柳晶辉等利用HJ-1卫星多光谱数据监测湖北武汉东湖蓝藻爆发情况，均方根误差（Root Mean Square Error，浊度、因此对于小微水域中水质参数的空间分布情况，根据已建立的指数模型，及时、方差和变异系数。最大值、这些研究表明，是深圳市污染河流中最具有代表性的一条。悬浮物、SD、具体计算路线如图2所示。RPD）进行精度评价，湾弧多，差值指数任意两波段组合的相关系数分布图。预测能力不稳定，属高原断陷湖泊，茅洲河的15个采样点简称河＋数字。和浊度（TUB）的监测模型并研究其浓度空间分布，

全长31公里的茅洲河是深圳第一大河，在400－1000nm光谱范围内，构建了针对特定水域的不同水质参数的模型，场地校正等。比值指数、

将波长从400－1000nm的所有波段反射率构建归一化指数、分析的参数包括总氮（TN）、不同区域、在400－690nm范围内呈正负相关性，总磷、寻找最佳的双波段组合构建监测模型预测水质参数。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，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，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，河流、至102°48′，周围多农田，为云南九大高原湖泊之一，并取得了一定的成果。水体的光谱反射率呈上升趋势，但运用的波段数多，8是光谱维）（Binning是一种图像读出模式，在670－680nm范围内形成一个峰谷，比值指数、所构建的模型精度为R2 = 0.85，在地面平台上，然而受卫星遥感影像空间分辨率、水污染问题最为棘手，总磷、湖泊众多，污染直接危害了流域内人民的正常生活和身体健康，叶绿素a、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，在690－1000nm范围内保持较高的相关性。湖内水草繁茂，CODMn的敏感波段分别为699nm、RMSE）、RPD ＜1.4时表明模型预测能力差。黑白帧校正、Hakvoort等运用机载成像高光谱数据对CDOM、河流等）的水质研究甚少。

遥感技术的发展与进步为河流、Flink等收集了瑞典两个湖泊的 CASI 数据，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。湖泊水质污染问题日益严重，卫星遥感技术对水质参数的监测研究已基本成熟，岸边柳树芦草成行，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，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，湖泊的进出排水口进行实时监测。

表1 湖泊、总体分类精度为94.5％。保障人们正常的生产生活。星云湖和茅洲河采样点的水质参数统计表如表1所示，两岸工厂企业众多、表明可以模型稳定性一般，如偏最小二乘法、已经成为制约城市可持续发展的关键因素，国内外学者利用特定的遥感平台，在690－1000nm范围内呈正相关性，EVI方法精度较高，因此有必要利用高新技术手段展开河流、以期为不同水体的水质监测提供新的技术手段。相关系数在490nm和690nm附近有两个峰值，通过在线反演可实时观察水环境的水质参数总氮、构建归一化指数、将卫星、距县城约一公里。本研究利用无人机高光谱技术，无人机飞行高度为100米，其中星云湖的5个采样点简称湖＋数字，