基于低空遥感技术的河道水质监测方法

周 源

（上海同繁勘测工程科技有限公司，上海 200439）

0.引言

城市河道水质评价城市生态环境的重要指标之一。水质检测是水质评价与水污染防止的主要手段与依据。随着水体污染问题的日益严重，对水污染的动态检测与评价已成为当务之急，但是传统的水质检测方法检测和分析过程复杂，周期长，数据的频次、时效和代表性远滞后于环境管理与决策的需求，特别是一些突发性、大范围的环境质量变化不能被及时捕捉。遥感技术以其独特的优势为水质检测和研究开辟了新的途径，它克服了常规方法主观性强、监测范围小、长期趋势分析困难的缺点，可以实现水质快速、大范围、低成本、周期性动态监测，并可发现一些常规方法难以揭示的污染源和污染物的迁移特征，因此在内陆水质监测中开始发挥越来越大的作用[1]。目前国内外已经开展了多种利用遥感数据建立水质参数反演模型以监测海洋、近岸地带以及内陆湖泊水质环境变化的研究。

目前，遥感水质监测主要采用卫星遥感技术。虽然遥感卫星观测覆盖面积大、效率高，但是其应用成果主要还是集中应用在以海洋、滨海、大型湖泊、河流等一类和二类水体的水质反演和监测中，无法适用于宽度窄、水质污染因素多、水质变化频繁的城市河道[2]。如，目前可用于水质反演的遥感卫星空间分辨率均大于10m、解析力大于15m，而宽度为20m的河道在影像中横切面则不足两个像素，无法进行有效反演；反演总磷、氨氮等水质参数反演所需光谱分辨率应优于10nm，而目前可用于水质反演的多光谱遥感卫星分辨率均大于50nm；遥感卫星过境时间均为上午9至10时，当过境时刻云量超过视场角30%时也无法进行有效地面覆盖。因此城市河道水体水质监测对遥感数据的空间分辨率、光谱分辨率（有效带宽）以及可观测时间都提出了更高的要求。

为此，本文提出了一种以传统水质检测技术与新型低空遥感水质检测技术相结合的方式，展开河道水体动态水质检测体系的建设。利用低空遥感技术机动性强、覆盖面广的特点，结合水色水质反演技术，将传统的散点取样水质检测体系拓展至覆盖水体整个水域表面域的水体水质检测体系，并通过周期性往复观测，实现河道水体动态水质检测，从而获取覆盖完整、维度丰富的水质资料，为“劣五”水体识别、长效水质管理、水污染巡查、污染成因与变迁分析等智能化水务应用提供技术支持和数据支撑。

1.无人机多光谱水质监测方法

城市水体多频无人机多光谱水质监测方法的流程主要由内外业两部分组成（如图1所示）。其中外业部分包括地面靶标布设、无人机巡河、河道水质采样；内业部分包括影像校正、多波段融合、正射成图、河道识别与分割、水体相对辐射校正与水质参数反演。其中地面靶标布设为水体相对辐射校正提供反射率基准，河道水质采样的成果则用于对水质参数反演结果检验。

图1 城市水体多频无人机多光谱水质监测流程图

1.1 地面靶标布设

地面靶标布设是利用已知后向散射辐射特性的靶标为被监测水体上涌（upwelling）反射率计算提供环境光辐射亮度基准。地面靶标可根据测区环境选择使用漫反射板或自然地物。为了有效计算水体反射率，靶标反射率应不高于40%。在使用自然地物作为地面靶标时，应确保所选择地物表面平整、辐射特性稳定，后向散射特性接近朗伯体。在进行目标水体遥感监测的前后24小时，应通过地物光谱测量测区地面靶标的反射率，并作为水体相对辐射校正基准。地面靶标可沿河道两岸布设，布设密度由无人机巡河航速决定：

式（1）中，l为两个地面靶标之间的距离；s为无人机巡河航速；t为环境光照变化时间。通常t设定为900″。

1.2 无人机巡河

无人机巡河采用多旋翼无人机搭载多光谱遥感成像传感器，沿河道中心线进行巡河。在空域限高允许的条件下，无人机巡河航高由河道宽度、传感器分辨率等决定，应满足以下条件：

式（2）中，w为河道宽度；H为无人机航高；μ为多光谱遥感成像传感器单个像素宽度；f为多光谱遥感成像传感器焦距；θ为多光谱遥感成像传感器有效视场角；r为多光谱影像地面投影分辨率（ground sample distance，GSD）。通常θ应小于40°，r应小于5cm。无人机巡河航速s通常设定为8至12m/s，可依据现场风力大小在该区间进行选择，风力越大则巡航速度越低以确保无人机抗风能力，风力超过5级时应停止巡河任务。巡河时的航向重叠度通常设置为80%。

1.3 河道水质采样

河道水质采样是在无人机巡河同期间对被监测河道水体进行水样采集，按照国家标准GB 3838-2002[3]进行相应水质参数分析，得到各采样点上的水质参数分类等级，从而验证最终水质参数反演结果的可靠性与真实性。

1.4 影像校正

影像校正是将多光谱遥感成像传感器采集的光谱影像中无量纲的灰度值（Digital Number, DN）转换为有量纲的辐射亮度值，并在校正过程中纠正影像的径向畸变、切向畸变、渐晕效应等由传感器本身光学结构引起的系统误差。

1.5 多波段融合

由于无人机机载多光谱遥感成像传感器结构通常为阵列式成像传感器，因此每个波段影像均由独立的成像单元获取，每个波段影像的中心投影参数、影像内参和外参均不相同。为了将在同一曝光点获取的各波段影像融合为单幅多波段影像，需进行多波段融合[4]。由于水面上无法获得可靠的影像配准同名点，因此在进行城市河道多波段影像融合时，应采用水面约束和姿态约束条件进行多波段配准计算。即在多波段影像配准过程中，应去除水面区域的同名点；在影像纠正参数计算的优化过程中，应利用无人机前后影像曝光位置和姿态参数与纠正参数比较，避免纠正参数与位姿差距较大的结果。

1.6 正射成图

正射成图是通过影像纠正与拼接方法将无人机机载多光谱遥感成像传感器在巡河过程中每个曝光点获取的中心投影河道影像拼接成一幅完整的正射投影影像。由于无人机巡河采用沿河道中心线飞行单航带影像采集方式，因此无法使用传统的空三加密方法获得正射影像。本方法中，使用相同区域的历史航摄正射影像、遥感影像为本底数据。首先，利用sift、surf等图像特征描述子将单幅多波段融合影像与本底数据进行密集匹配生成稠密点云，并通过点云生成单幅正射投影影像；其次，使用相邻影像中线切割方法对单幅影像进行切片与拼接；最终得到巡河线路上的完整正射影像。

1.7 河道识别与分割

在正射成图成果上，使用9×9×4卷积窗口获取影像中各像素的图像特征。其中窗口第一个9为窗口在影像横轴上的宽度，第二个9为窗口在影像纵轴上的宽度，4为550nm、650nm、720nm和750nm四个波段。将该卷积窗口展开为321×1的特征向量，利用支持向量机（SVM）方法进行逐像素分类。分类类型为水体和非水体两类，最终得到河道水体正射影像。

1.8 水体相对辐射校正

水体相对辐射校正步骤是在河道识别与分割成果的基础上，对河道水体正射影像进行逐像素反射率求解的过程。首先，在正射成图成果影像上标注地面靶标，并获得其在遥感影像中不同波段中的辐射亮度值，k为地面靶标序号；b为波段序号；其次，通过图像空间最小近邻搜索获得每个水体像素最近的地面靶标；最后，利用式（3）获得水体像素反射率，其中i为像素行号；j为像素列号；b为波段序号：

式（3）中，Dijb为河道水体正射影像第i行第j列第b波段像素的辐射亮度值；Rkb为第k个地面靶标在第b波段的反射率。

1.9 水质参数分类评级

利用水体光谱库以及水体光谱中数据训练完成的分类模型[5]，可将河道水体正射影像中每个像素各波段反射率数据作为该像素特征向量带入分类模型中，即可获得该水体像素的水质参数分类等级（依据《国家地表环境质量标准GB 3838-2002》）。通过中值滤波对反射率影像进行卷积处理，可去除突变像素，最终获得巡河范围内整个流域的水质参数分类分布图。通过河道水质采样点上采集样本，在实验室化验分析结果，可用于验证流域水质参数分类分布图对河道水质等级评估的准确性和可靠性。

2.实验成果与分析

为了验证多光谱水质监测方法的可行性，在上海市桃浦河宝山段河道分别于2019年5月7日、7月4日与8月8日进行了水质监测测试实验。实验使用了1200mm轴距六旋翼无人机搭载多光谱成像仪实施巡河，其中单波段图像分辨率为6000×4000像素，100m航高空间解析力为1.2cm.

实验共计采用6个波段：红色波段、绿色波段、蓝色波段、675nm波段、705nm波段以及850nm波段。其中675、705与850nm波段为窄带宽，其光谱分辨率为10nm。每次实验无人机作业时间为30分钟（时间包括无人机入场、启航、巡河、返航以及收站时间），平均巡河时间为10分钟，巡河航高为150m，巡河航速为10m/s。实验区域河道总长度约为6km，河道宽度平均为30m，监测水质参数分别为总磷、氨氮与化学需氧量。按照本文介绍方法获得的三个实验日期中三项水质参数的水质分类等级正射影像图成果。

在5月至8月的监测时段内，实验区河道水体的化学需氧量始终保持为Ⅱ类至Ⅲ类级别，氨氮在7月短暂恢复为V类水体，但在5月与8月均为劣V类水体，总磷指标在5月至7月均为Ⅲ类水体，但至8月水质有所下降，大部分水体降至V类水体。为了验证成果的准确性与可靠性，在外业监测过程中分别在5月7日采样9处、7月4日采样6处、8月8日采样10处，共计25个采样点，通过实验室分析获得了采样点总磷、氨氮和化学需氧量的准确等级并与遥感监测结果在相同位置进行了比对和统计，其结果（如表1所示）：

表1 水质参数分类精度统计

其中氨氮参数等级评估精度最高，准确率为96%，其中1处采样点水质评估高于实际等级1级。化学需氧量参数等级评估精度最低，准确率为72%，其中1处采样点水质评估高于实际等级1级，5处采样点水质评估低于实际等级1级，1处采样点水质评估高于实际等级2级。总磷参数等级评估精度准确率为76%，其中1处采样点评估高于实际等级1级，5处采样点评估低于实际等级1级。

3.结论与展望

本文提出了一种利用无人机与多光谱成像技术的水质监测与水质等级评估方法。该方法适用于城市区域内河道宽度较小且难以通过卫星遥感手段监测的河流。通过多次实验验证，该方法的外业实施效率远高于其他手段，每分钟巡河长度最高可超过1km；该方法的监测分辨率高，可对河道实现厘米级成像监测；通过对测区河道整个空间的完整覆盖监测，不仅可定性判断水质等级状况，还可根据水质等级在河道中时间空间分布和变化规律推演污染成因和污染来源。通过实验的水质评估精度结果，该方法的水质等级判断结果基本可靠，但仍然可以通过对其中反演和分类模型优化，进一步提高其分类结果的精度。