探討遙感反演模型技術在水質參數(shù)監(jiān)測中的具體應用

張子安

（寧波諾丁漢大學地理學院 浙江寧波 315100）

1 河流概況

渾河是遼河的支流，是遼寧省東部河流。發(fā)源于清原縣滾馬嶺，全長415km。流域面積1.14×104km2，年徑流量30.52×108m3。渾河水系的不對稱特征明顯，水系的東側支流十分密集，水量較大；水系西側支流很少，水量較小。渾河成為城市廢水的主要排放渠道，河水的富營養(yǎng)化和污染日趨嚴重。

2 數(shù)據(jù)源采集與數(shù)據(jù)預處理

2.1 野外數(shù)據(jù)采集

根據(jù)渾河中游河段水面狀況、水質分布以及水面形狀等特征，采樣路線設計為自南向北。數(shù)據(jù)采集分六個時間點進行：2012年8月3日、2013年6月4日、2013年8月11日，2013年9月15日和2014年7月11日。共獲得96份水體高光譜數(shù)據(jù)，在觀測幾何，以減小船舶陰影和太陽直射反射對水面光場的破壞。6月～7月，ChI-a濃度較低，河流深水區(qū)的ChI-a濃度較低[1]。

2.2 HJ-1A數(shù)據(jù)預處理從中國衛(wèi)星資源中心獲取6個時間點的六景多光譜數(shù)據(jù)。只有2012年8月3日和2013年9月15日的影像質量符合要求，對這兩景圖像進行預處理。

2.2.1 輻射定標。從衛(wèi)星中心得到的圖像需要進行絕對定標，精DN值轉換為輻亮度圖像后方可進行下一步處理。定標公式如下：

其中L-輻亮度；α-絕度輻射定標系數(shù)增益；L0-偏移量。

2.2.2 影像裁剪。利用遙感數(shù)字影像處理軟件（ENVI），在保留研究中心區(qū)的前提下，對初始遙感圖像進行裁剪。

2.2.3 幾何糾正。利用ENVI軟件對獲取的遙感數(shù)據(jù)進行幾何糾正，以經過糾正的Landsat-TM數(shù)據(jù)為參考，利用二次多項式模型求解，誤差精度控制在0.3個像元以內。

2.2.4 大氣糾正。地球濃密的大氣層會對衛(wèi)星傳感器接受的光譜輻射產生較大干擾，本研究利用ENVI軟件完成2景多光譜遙感數(shù)據(jù)的大氣校正。

3 基于HJ-1A衛(wèi)星多光譜數(shù)據(jù)的Chl-a反演

3.1 葉綠素a反演模型的構建

HJ-1A多光譜包括藍、綠、紅、近紅四個波段，由于水色信息分布于這四個波段，并存在一定的重疊。在上節(jié)衛(wèi)星影像數(shù)據(jù)預處理的基礎上對HJ-1A各波段之間的相關系數(shù)進行分析，并得到如表1所示的結果。

表1 HJ-1A各波段間的相關性

前三個波段之間的相關性較強，這三個波段之間信息重疊較多，而與波段4之間的重疊信息較少。利用HJ-1A和TM多光譜數(shù)據(jù)進行Chl-a濃度反演建模的波段選擇方式的研究結論，進行進一步篩選，對葉綠素a濃度相關系數(shù)進行分析，分析結果如表2所示。

表2 HJ-1A波段及波段組合與Chl-a濃度的相關系數(shù)

結果顯示4個波段與Chl-a濃度相關系數(shù)的最大絕對值為0.66，數(shù)組合波段相比單波段的相關系數(shù)要高，最大絕對值為0.77，顯示組合波段對噪音影響的降低具有一定的效果。受HJ-1A波段范圍的限制，葉綠素a的反射峰和吸收谷沒有包含在四個波段中，在作與Chl-a的一元回歸分析時應該選擇相關系數(shù)最大的波段。

3.2 反演模型的對比檢驗

兩期Chl-a濃度預測結果計算所得：SVM在預測精度上表現(xiàn)出明顯的優(yōu)勢，在樣本數(shù)量較少的情況下，仍有較好的預測精度。

3.3 模型的應用

利用SVM模型反演結果的三個指標依次為:35.33ug/L，18.26ug/L，21.30ug/L，顯示渾河處于IV類水質。反演結果顯示研究區(qū)Chl-a濃度均值分別上升了：3.61ug/L和6.71 ug/L，說明渾河水質在不斷惡化。妨水河Chl-a濃度在空間分布上的差異性明顯：Chl-a濃度深水區(qū)較低，高濃度值區(qū)域浮游藻類分布較明顯。

第一期采樣點水體平均溫度為16.81°C，總磷、總氮平均濃度分別為:0.04mg/L、1.13 mg/L，第二期采樣點的三個指標依次是：14.63°C，0.0，5 mg/L，1.33mg/L。 數(shù)據(jù)顯示高溫對藻類生長繁殖有利，第二期溫度較低，但是Chl-a濃度值更高，也證實了渾河的水質在惡化。

4結語

4.1 SVM模型的反演比一元線性模型精度要高，將HJ-1A多光譜數(shù)據(jù)與波段組合數(shù)據(jù)結合作為SVM模型的輸入變量對提高模型精度有利。

4.2 模型的計算結果顯示渾河水體處于富營養(yǎng)化狀態(tài)，監(jiān)測結果與沈陽水務局公布的結果一致。

4.3 SVM模型具有很好的非線性擬合能力，能夠提高水質參數(shù)反演的精度。

[1]趙玉芹,汪西莉,蔣賽.渭河水質遙感反演的人工神經網絡模型研究[J].遙感技術與應用,2009，01:63-67.

[2]汪西莉,周兆永,延軍平.應用GA-SVM的渭河水質參數(shù)多光譜遙感反演[J].遙感學報，2009，04:740-744.

[3]朱利，姚延娟，吳傳慶，張永軍，陳靜，王穎.基于環(huán)境一號衛(wèi)星的內陸水體水質多光譜遙感監(jiān)測[J].地理與地理信息科學，2010，02:81-84+113.