基于光譜特征參數(shù)的官?gòu)d水庫(kù)富營(yíng)養(yǎng)化及污染分析

江澄 馬中祺 楊甜 羅陽(yáng) 何紅艷

（1 北京空間機(jī)電研究所先進(jìn)光學(xué)遙感技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100094）（2 水利部海河水利委員會(huì)海河下游管理局水文水資源管理中心，天津 300061）（3 生態(tài)環(huán)境部海河流域北海海域生態(tài)環(huán)境監(jiān)督管理局，天津 300170）

0 引言

隨著京津冀協(xié)同發(fā)展的推進(jìn)，作為京津冀地區(qū)的生態(tài)涵養(yǎng)區(qū)、永定河流域的重要水資源支撐平臺(tái)和生態(tài)安全屏障，官?gòu)d水庫(kù)水環(huán)境保護(hù)對(duì)積極推進(jìn)京津冀協(xié)同發(fā)展具有重要的意義。然而，由于官?gòu)d水庫(kù)上游流域水資源開發(fā)利用過度，水庫(kù)面臨跨邊界水量短缺、流域生態(tài)環(huán)境惡化等危機(jī)[1]。要從根本上改善和治理水體環(huán)境，需對(duì)水體水質(zhì)指標(biāo)進(jìn)行監(jiān)測(cè)，對(duì)庫(kù)區(qū)水質(zhì)變化狀況有準(zhǔn)確的把握，依據(jù)水質(zhì)參數(shù)的差異進(jìn)行專項(xiàng)治理。衛(wèi)星遙感具有快速、連續(xù)、范圍廣、周期性、成本相對(duì)低廉等特點(diǎn)，是水質(zhì)監(jiān)測(cè)的實(shí)用基本平臺(tái)。通常水體可分為一類水體和二類水體，一類水體目前已有公認(rèn)的水質(zhì)反演模型，二類水體由于有很強(qiáng)的區(qū)域性，因此無法得到精度較高、通用性較強(qiáng)的反演模型[2]。

目前，針對(duì)二類水體的水質(zhì)反演方法主要包括經(jīng)驗(yàn)/半經(jīng)驗(yàn)方法和分析/半分析方法。經(jīng)驗(yàn)/半經(jīng)驗(yàn)方法的核心是水質(zhì)參數(shù)光譜特征的先驗(yàn)已知性，分析/半分析方法的核心是生物光學(xué)模型，各自的優(yōu)缺點(diǎn)已有較多論述[3-5]。在特定的水域，半經(jīng)驗(yàn)算法有較強(qiáng)的穩(wěn)定性，同時(shí)具有相對(duì)較高的反演精度[6-9]。雖然通過實(shí)驗(yàn)手段對(duì)單種水質(zhì)參數(shù)葉綠素、懸浮泥沙等的光譜特征比較了解，但對(duì)與影響水環(huán)境污染的濁度、溶解氧等指標(biāo)缺乏系統(tǒng)深入的認(rèn)識(shí)，對(duì)其光譜特征關(guān)注度不夠。

2018年夏季，海河流域北海海域生態(tài)環(huán)境監(jiān)督管理局組織了對(duì)官?gòu)d水庫(kù)的水色試驗(yàn)，獲取了高品質(zhì)的水色要素濃度、水體光譜以及環(huán)境等參數(shù)，本文利用水體實(shí)測(cè)光譜和實(shí)驗(yàn)室分析數(shù)據(jù)，探討了水體光譜特征與葉綠素、濁度和溶解氧等富營(yíng)養(yǎng)化和污染指標(biāo)之間的相關(guān)關(guān)系，建立了適用于官?gòu)d水庫(kù)水體的富營(yíng)養(yǎng)化和污染遙感定量模型，同時(shí)分析了反演模型在官?gòu)d水庫(kù)富營(yíng)養(yǎng)化及污染狀態(tài)調(diào)查應(yīng)用中的精度。

1 數(shù)據(jù)獲取

官?gòu)d水庫(kù)橫跨河北省懷來縣和北京市延慶縣，位于北京市西北約80km 的永定河官?gòu)d山峽的入口處，水面面積為157km2。官?gòu)d水庫(kù)山區(qū)面積、丘陵區(qū)面積、河川區(qū)面積分別為14191km2、16173km2、133038km2，分別占全流域面積的33%、37%、30%，總庫(kù)容為41.6 億立方米，控制流域面積42500km2，是北京市集供水、防洪、水產(chǎn)、發(fā)電等多功能于一體的水庫(kù)之一，也是懷來縣發(fā)展農(nóng)、林、漁業(yè)的主要水源之一[10]。

（1）水體實(shí)測(cè)光譜數(shù)據(jù)

2018年6月8日，在官?gòu)d水庫(kù)進(jìn)行了二類水體反演模型建立與檢驗(yàn)的水色試驗(yàn)（試驗(yàn)站位見圖1）。本次試驗(yàn)主要測(cè)量水體的反射光譜、葉綠素a、濁度、溶解氧，以及氣象輔助要素等，共獲得17個(gè)站位的現(xiàn)場(chǎng)及實(shí)驗(yàn)室數(shù)據(jù)。

在水體光譜測(cè)量中，光譜儀在水面之上測(cè)量得到的總輻射量L主要源于太陽(yáng)直射反射、天空光水面反射以及離水輻亮度[11]：

式中Lw是進(jìn)入水體的光被水體成分散射回來進(jìn)入傳感器的離水輻射量，包含反演所需的水體信息；ρ是水-氣界面反射率；Lsky是天空光在水面反射以后進(jìn)入觀測(cè)儀器的信號(hào)；Lcap是海面白帽的信息，Lg是水面波浪對(duì)太陽(yáng)直射光的隨機(jī)反射，三者均不含有水體信息。表面測(cè)量法的關(guān)鍵是如何消除水面輻射場(chǎng)中因波浪影響而引入的太陽(yáng)直射反射、白帽和天空光反射成分。

采用手持ASD FieldSpec 光譜儀進(jìn)行水體表面光譜測(cè)量[12]，光譜范圍為325～1075nm，其光譜分辨率約為3nm（700nm 處小于3nm）。依次測(cè)量水體輻亮度、天空光輻亮度、標(biāo)準(zhǔn)灰板輻照度后，按照下式計(jì)算光譜反射率Rrs：

圖1 官?gòu)d水庫(kù)采樣點(diǎn)分布圖Fig.1 The map of sampling sites in Guanting Reservoir

圖2 實(shí)測(cè)反射率光譜Fig.2 Reflectance spectral curves in situ

（2）實(shí)驗(yàn)室分析數(shù)據(jù)

現(xiàn)場(chǎng)試驗(yàn)采集的水樣經(jīng)過實(shí)驗(yàn)室分析，葉綠素a（Chlorophyll-a，Chl-a）、濁度（Turbidity，Tur）和溶解氧（Dissolved Oxygen，DO）濃度的信息分別如圖3 所示：

采樣水體葉綠素a 含量的最大值為14.06μg/L，最小值為2.36μg/L，平均值為5.0713μg/L；濁度的最大值為4.74NTU（散射濁度單位），最小值為0.9NTU，平均值為2.0282NTU；采樣水體溶解氧濃度的最大值為11.9mg/L，最小值為8.6mg/L，平均值為9.5571mg/L。

（3）衛(wèi)星影像數(shù)據(jù)

衛(wèi)星影像數(shù)據(jù)來源于“高分二號(hào)”（GF-2）衛(wèi)星[14]，其波段范圍如表1 所示，較好涵蓋了反映水色物質(zhì)光譜特性的波段范圍。

圖3 水質(zhì)參數(shù)（濃度）實(shí)驗(yàn)室分析結(jié)果Fig.3 Water quality parameters（concenlration）distribution obtained in lab

表1 GF-2 衛(wèi)星數(shù)據(jù)的波段信息Tab.1 Band information of GF-2 satellite data

選取與水體光譜測(cè)量準(zhǔn)同步的2018年5月25日GF-2 衛(wèi)星影像數(shù)據(jù)進(jìn)行預(yù)處理（包括輻射定標(biāo)、大氣校正、幾何校正），得到消除大氣影響、幾何變形后的水體遙感反射率數(shù)據(jù)。

2 模型與方法

（1）神經(jīng)網(wǎng)絡(luò)模型

人工神經(jīng)網(wǎng)絡(luò)的誤差反向傳播訓(xùn)練算法（簡(jiǎn)稱BP 算法）的主要思想是把學(xué)習(xí)過程分為兩個(gè)階段[15-17]：第一階段為正向傳播過程，給出輸入信息，通過輸入層經(jīng)隱含層逐層處理并計(jì)算每個(gè)單元的輸出值；第二階段為誤差反向傳播過程，若在輸出層未能得到期望的輸出值，則逐層遞歸計(jì)算當(dāng)前輸出與期望輸出的差值（即誤差），并依據(jù)差值調(diào)整權(quán)值與閾值，不斷迭代上述兩個(gè)過程，最終使得誤差達(dá)到最小。

本文采用的神經(jīng)網(wǎng)絡(luò)模型為三層前饋型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，采用BP 算法進(jìn)行網(wǎng)絡(luò)訓(xùn)練，其結(jié)構(gòu)如圖4 所示[17]。

圖4 三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 The neural network structure with three layers

將GF-2 衛(wèi)星各波段反射率計(jì)算的光譜特征參數(shù)作為輸入，相應(yīng)的水質(zhì)參數(shù)作為期望輸出，模型的訓(xùn)練數(shù)據(jù)集來自水體光譜測(cè)量以及實(shí)驗(yàn)室分析結(jié)果。

（2）光譜特征參數(shù)的最優(yōu)選擇

二類水體的光譜反射率隨波長(zhǎng)而變化，從圖2 可見，在可見光波段出現(xiàn)兩個(gè)反射峰，第一個(gè)反射峰在500～600nm 之間，第二個(gè)反射峰在660nm 左右，反射谷則出現(xiàn)在650nm 附近。GF-2 衛(wèi)星的B1、B2、B3與水體的敏感波段均有重疊，通過研究不同波段與葉綠素a 濃度、濁度和溶解氧濃度的相關(guān)關(guān)系，以光譜相關(guān)系數(shù)作為選擇最優(yōu)的光譜特征參數(shù)準(zhǔn)則，從而篩選出用于反演的光譜特征參數(shù)。備選的光譜特征參數(shù)包括以下四類：

光譜等效反射率之差 Diff(λ1,λ2)，即

光譜等效反射率之比 Ratio(λ1,λ2)，即

歸一化的光譜等效反射率 Norm(λ1,λ2)，即

三波段組合的光譜特征參數(shù) Tri(λ1,λ2,λ3)，即

表2 光譜特征參數(shù)的相關(guān)系數(shù)Tab.2 The correlation coefficients of spectral features parameters

由表2 可知，對(duì)于三個(gè)待反演的水質(zhì)參數(shù)，篩選后的5個(gè)光譜特征參數(shù)均有較高的相關(guān)系數(shù)，其數(shù)值均在0.5 以上，最高可達(dá)0.8 左右，而且相關(guān)性最高的特征均為B3 和B1 的差值組合（Diff（B3, B1））。統(tǒng)計(jì)后可知，所有水質(zhì)參數(shù)的高相關(guān)性光譜特征參數(shù)中，B3 與B1 的出現(xiàn)頻率最高，均為10 次，這也與國(guó)內(nèi)外目前經(jīng)驗(yàn)或半分析水質(zhì)參數(shù)反演算法中利用藍(lán)、紅波段作為特征波段的結(jié)論相吻合。

同時(shí)可見，雙波段差值組合出現(xiàn)的頻率為7 次，比值組合和歸一化差值組合出現(xiàn)的頻率均為4 次，而三波段組合的頻率為0 次。這說明對(duì)于官?gòu)d水庫(kù)而言，波段反射率之差可以較好的反映區(qū)域內(nèi)水質(zhì)參數(shù)狀況。

基于上述高相關(guān)性光譜特征參數(shù)，構(gòu)建訓(xùn)練數(shù)據(jù)集，選取70%的數(shù)據(jù)用于訓(xùn)練模型，15%數(shù)據(jù)用于測(cè)試，15%數(shù)據(jù)用于驗(yàn)證。訓(xùn)練過程中選擇Sigmoid 函數(shù)作為神經(jīng)元的激活函數(shù)，經(jīng)調(diào)整后模型包含1個(gè)隱含層，隱含層內(nèi)有10個(gè)基本單元。

用于訓(xùn)練模型的實(shí)測(cè)值與模型估測(cè)值之間的散點(diǎn)圖如圖5 所示，圖2 右下角是二者的確定系數(shù)R2，結(jié)果顯示，實(shí)測(cè)值與估測(cè)值均分布在1：1 線（如圖5 中虛線所示）附近，DO 和Tur 的訓(xùn)練模型效果最好，確定系數(shù)達(dá)到0.99 以上，Chl-a 的實(shí)測(cè)值與估測(cè)值之間也有較好的一致性，其確定系數(shù)為0.9395。

圖5 實(shí)測(cè)值與估測(cè)值散點(diǎn)圖Fig.5 The scatter plot between measured and estimated values

3 結(jié)果與分析

（1）精度驗(yàn)證

為分析反演模型的適用性以及模型誤差，選擇遙感影像中所覆蓋的8個(gè)實(shí)地采樣點(diǎn)作為精度驗(yàn)證樣點(diǎn)，計(jì)算實(shí)測(cè)值與反演值之間的相對(duì)誤差，葉綠素a、濁度和溶解氧的結(jié)果如表3、表4、表5 所示。

表3 葉綠素-a 反演結(jié)果驗(yàn)證Tab.3 Validation of Chl-a retrieval results

表4 濁度反演結(jié)果驗(yàn)證Tab.4 Validation of Tur retrieval results

表5 溶解氧反演結(jié)果驗(yàn)證Tab.5 Validation of DO retrieval results

驗(yàn)證結(jié)果顯示，葉綠素a 和溶解氧的平均相對(duì)誤差在23%左右，部分采樣點(diǎn)的葉綠素a 濃度相對(duì)誤差低于10%，濁度的反演誤差稍高，相對(duì)誤差的平均值約為31%，少數(shù)點(diǎn)的誤差較大，這些誤差較大點(diǎn)多存在于實(shí)測(cè)值較大的點(diǎn)附近。由于遙感像元與采樣點(diǎn)存在尺度差異，使得空間分布存在突變，此時(shí)單點(diǎn)采樣難以代表該點(diǎn)附近像元尺度的區(qū)域，并且由于藍(lán)光波段受大氣的影響較為嚴(yán)重，大氣校正的精度直接影響了水質(zhì)參數(shù)的反演精度。但整體來看，葉綠素a、濁度和溶解氧的反演誤差在二類水體反演的誤差可接受范圍之內(nèi)（約20%～30%之間）[19-22]。

（2）基于葉綠素的富營(yíng)養(yǎng)化評(píng)價(jià)

Chl-a 作為浮游植物的重要組成成分，是衡量浮游植物現(xiàn)存量和水體富營(yíng)養(yǎng)化程度的重要指標(biāo)。基于建立的葉綠素反演模型，官?gòu)d水庫(kù)Chl-a 濃度的空間分布如圖6 所示。

由反演結(jié)果可見，Chl-a 的濃度在水庫(kù)北部濃度較低，而在南部地區(qū)較高。這是由于北部地區(qū)水生植物比較茂盛，大量的水生植被吸納水體中的N、P 等元素，從而抑制了藻類生長(zhǎng)，因此該區(qū)域內(nèi)Chl-a 的濃度較低。而在水庫(kù)南部區(qū)域，由于河床較低，湖水較深，水生植物接收的太陽(yáng)輻射較為稀薄，光合作用薄弱導(dǎo)致表面水體的二氧化碳濃度較高，更適合浮游植物的繁殖，因此該區(qū)域內(nèi)Chl-a 的濃度較高。

為了防治水庫(kù)水體的富營(yíng)養(yǎng)化，不但要對(duì)水體的富營(yíng)養(yǎng)化指標(biāo)進(jìn)行監(jiān)測(cè)，而且要對(duì)水體所處營(yíng)養(yǎng)狀態(tài)進(jìn)行評(píng)價(jià)。以Chl-a 反演結(jié)果為數(shù)據(jù)源進(jìn)行營(yíng)養(yǎng)狀態(tài)指數(shù)TSI 的計(jì)算[23]

式中Cchl為水體Chl-a 含量。依據(jù)分類標(biāo)準(zhǔn)，對(duì)官?gòu)d水庫(kù)進(jìn)行富營(yíng)養(yǎng)化水平分類，如圖7 所示。官?gòu)d水庫(kù)Chl-a 濃度為1.4～12.9μg/L，平均濃度為5.97μg/L，TSI 在20～50 之間變化，水庫(kù)北部屬于中營(yíng)養(yǎng)型（30～40），水庫(kù)南部屬于中富營(yíng)養(yǎng)型（40～50），永定河入口一部分區(qū)域富營(yíng)養(yǎng)化程度較低，TSI 為30左右，處于貧中營(yíng)養(yǎng)型水平和中營(yíng)養(yǎng)型水平之間。

圖6 葉綠素-a 的空間分布Fig.6 Distribution of Chl-a

圖7 官?gòu)d水庫(kù)富營(yíng)養(yǎng)化情況Fig.7 Eutrophication status of Guanting Reservoir

（3）污染程度分析

基于建立的濁度反演模型和溶解氧反演模型，官?gòu)d水庫(kù)Tur 和DO 的空間分布如圖8、圖9 所示。Tur代表了水體的“清澈”程度，由圖8 可見，Tur 在北部區(qū)域普遍呈現(xiàn)為較低值，基本上小于2NTU，而在岸線周邊呈現(xiàn)明顯高值，約為3NTU，且從永定河入口呈現(xiàn)出向四周擴(kuò)散狀，庫(kù)區(qū)南部的水體濁度逐漸下降，處于低值狀態(tài)，南部小部分水體濁度基本上小于1NTU。

DO 則直接反映了水體水質(zhì)狀況，其含量越低，說明水體受污染程度越嚴(yán)重。有機(jī)物污染嚴(yán)重的水體溶解氧含量低，它與水生生物的生存有著密切的關(guān)系。由圖9 可見，除近岸區(qū)和南部部分水體的DO 值較低外，庫(kù)區(qū)整體DO 值較高。

庫(kù)區(qū)北部河道水流速度快，水體交換能力較強(qiáng)，同時(shí)由于水力沖刷作用，沉積物堆積較少，因此水域的渾濁度較低，溶解氧含量較高。南部水體流動(dòng)緩慢，水體交換能力較差，再加上底泥二次污染，導(dǎo)致庫(kù)區(qū)南部部分區(qū)域的渾濁度較高，溶解氧含量較低。庫(kù)區(qū)岸線周邊與陸地接壤，生物含量和有機(jī)污染都較為嚴(yán)重，由于面源污染導(dǎo)致該區(qū)域溶解氧含量低于其它水域。

圖8 濁度的空間分布Fig.8 Distribution of Tur

圖9 溶解氧的空間分布Fig.9 Distribution of DO

4 結(jié)束語(yǔ)

通過尋求最優(yōu)光譜特征參數(shù)并建立其與葉綠素、濁度和溶解氧等富營(yíng)養(yǎng)化和污染指標(biāo)之間的相關(guān)關(guān)系，能夠建立針對(duì)二類水體富營(yíng)養(yǎng)化和污染的遙感監(jiān)測(cè)定量模型，更能表現(xiàn)出水色成分與水體光譜之間復(fù)雜的非線性關(guān)系?；贕F-2 衛(wèi)星數(shù)據(jù)反演葉綠素、濁度、溶解氧的平均相對(duì)誤差分別為23.2%、31.74%、23.75%，在二類水體反演誤差的可接受范圍之內(nèi)，表明該模型適用于官?gòu)d水庫(kù)富營(yíng)養(yǎng)化及污染狀態(tài)調(diào)查，將為官?gòu)d水庫(kù)水資源、水環(huán)境和水生態(tài)管理提供數(shù)據(jù)支撐。

在內(nèi)陸二類水體，高精度的建立水質(zhì)參數(shù)與遙感反射率之間的真實(shí)關(guān)系具有很大的難度和挑戰(zhàn)，本文的工作僅是開始，圍繞遙感反射率與水體特性仍有許多有待完善和進(jìn)一步深入研究的方面：在內(nèi)陸近岸水域，傳統(tǒng)的光譜模型并不適用，下一步將對(duì)水體固有光學(xué)特征進(jìn)行深入研究；建立區(qū)域的光學(xué)-生化參數(shù)轉(zhuǎn)換模型，拓展生化參數(shù)的遙感反演能力；二類水體水色遙感涉及二類水體大氣校正和二類水體水質(zhì)參數(shù)反演兩方面問題，下一步將重點(diǎn)在統(tǒng)一的框架體系下考慮上述問題，從而提升遙感監(jiān)測(cè)精度。