兴隆湖水生植物遥感信息提取和氮磷分布特征*

谭 詹，汪仁银，任 玖，胡澄宇，冯文强

(1.四川水利职业技术学院，四川 崇州，611231；2.成都理工大学，成都，610059)

水环境是人类生存环境的重要组成部分，水环境污染程度加剧不仅影响人们用水需求，还影响人们生活环境，给社会生产生活带来严重的影响，制约社会经济的发展。水体氮、磷营养盐增加导致富营养化加剧，严重破坏水生生态系统，研究表明，富营养化现象受多种环境因子影响，其中最为重要的2个参数即是溶解性的氮和磷[1]。通过构建人工湿地、生态浮床等水生态修复技术在去除氮、磷的同时还能降解其他的有毒有害污染物，已经被广泛采用[1，2]。水生植物通过促进湖泊水体中含磷物质的沉降和抑制表层沉积物的再悬浮而起到促进磷的沉积，可降低水体中磷的含量，并将水体中的氮传输到底泥中，降低湖泊河流水体中的总氮、总磷含量。水生高等植物提高水体溶解氧，为其他物种提供或改善生存条件，提高水体透明度，改善水体的景观效应，起到改善水质的作用。通过恢复及培育水生植物，可以增加系统的生物多样性，提高了系统抗干扰能力，使水生生态系统结构更加稳定[3，4]。

遥感技术是一门快速反映地表实际情况的间接接触检测技术，能够快速的向用户提供高分辨率、大区域覆盖、高精度质量的遥感影像，对遥感影像进行处理、解译等手段可得到感兴趣区域信息[5]。近年，遥感技术在水环境监测及治理方面得到广泛应用[6-9]。本文利用高分遥感影像根据像斑灰度特征提取水生植物信息，对兴隆湖特征位置平均采集水样并检测，获取总氮、总磷等影响水质的参数，通过ArcMap空间分析中的反距离权重法(IDW)[10-12]得到与水生植物分布紧密相关的总氮、总磷特征分布信息。

1 研究方法

对GF-2-PMS2遥感数据预处理并基于像斑灰度特征提取水生植物信息，根据外业采样点检测相关水质参数，分析水生植物像斑信息及总氮、总磷特征信息分布情况。流程如图1所示。

图1 兴隆湖水生植物遥感信息提取和总氮总磷分布特征

1.1 遥感数据及预处理

1.1.1 遥感数据来源

采用2019年8月获取的GF-2-PMS2遥感数据，数据包含优于1m分辨率的全色波段影像和优于4m分辨率的多光谱波段影像。研究区内影像无云覆盖，影像质量较好。GF-2卫星有效载荷技术指标如表1所示。

表1 GF-2卫星有效载荷技术指标

1.1.2 数据预处理

实验中对GF-2数据预处理包括辐射定标、大气校正、正射校正、影像融合和图像裁剪[5]，选用处理软件为ENVI5.3。遥感影像预处理流程如图2所示。

图2 影像预处理流程

1.2 水生植物像斑提取

像斑是指图像上具有灰度值接近的分布连续的像素的集合，基于像斑的水生植物提取方法，主要是构建像斑特征空间和像斑特征提取[5]，特征提取可以是光谱特征、纹理特征、形状特征等，如图3所示。

图3 像斑特征的组织关系

像斑特征的提取釆用影像分割技术提取。影像分割是面向对象影像分析的基础，其结果将对后续的分析处理产生重要的影响。

1.3 研究区水样采集及检测

对研究区采用平均取样法，并通过钼酸铵分光分度法、碱性过硫酸钾消解紫外分光光度法等检测方法对总氮、总磷等反应水质情况的参数进行检测，如表2所示。

表2 样本水质检测方法

1.4 氮磷分布特征分析

通过插值分析中的反距离权重法(IDW)分析总氮总磷特征，反距离权重(IDW)插值使用一组采样点的线性权重组合来确定像元值。权重是一种反距离函数。进行插值处理的表面应当是具有局部因变量的表面[10-12]，如图4所示。

图4 反距离权重法原理

2 实验及结果分析

2.1 实验区概况

兴隆湖位于成都中心城区以南的天府新区，是该区最大的人工湖[13]，地理坐标为东经约104°04′18″-104°06′00″，北纬约30°23′26″-30°24′28″。兴隆湖通过鹿溪河泄洪道实现河湖分离，并利用现状地形构建而成，湖泊设计水位为464.0m，水面面积为2.6km2，平均水深2.5m，湖岸线长约11.7km。兴隆湖是天府新区的生态核心，在改善新区生态环境、调节局地小气候、带动旅游等相关产业发展和提升天府新区综合竞争力等方面都具有重要意义。兴隆湖水域面积大、湖体容量大，水体理化指标监测结果表明，兴隆湖水质属劣Ⅴ类，主要污染物为氨氮、总氮和总磷[13]。

2.2 兴隆湖遥感影像预处理

2.2.1 辐射定标

辐射定标的目的是将记录的原始DN值转换为大气外层表面辐射亮度值，本研究根据2015年中国资源卫星应用中心发布的GF-2-PMS2外场绝对辐射定标系数进行辐射定标，转换公式为：

Le(λe)=Gain·DN+Offset

式中：Le(λe)为转换后辐射亮度值，单位为

W·m-2·sr-1·μm-1；

DN为卫星载荷观测值；

Gain为定标斜率，单位为W·m-2·sr-1·μm-1；

Offset为绝对定标系数偏移量，单位为W·m-2·sr-1·μm-1。

2.2.2 大气校正

大气校正的目的是将辐射亮度值或表面反射率转换为地表实际反射率，消除大气散射、吸收和反射引起的误差。本研究采用FLAASH模型对影像数据进行大气校正，FLAASH大气校正需要影像的中心波长信息，ENVI暂不能自动识别GF-2数据的头文件信息，因此，需要手动添加中心波长信息。这里取波谱响应值为1的波长为各波段对应中心波长，依次为514nm、546nm、656nm、822nm。

2.2.3 正射校正

正射校正的目的是消除地形的影响或是相机方位引起的变形等，生成平面正射影像，正射校正可以说是几何校正的最高级别，正射校正除了进行常规的几何校正的功能外，还要根据DEM来纠正影像因地形起伏而产生的畸变，会给图像加上高程信息。全色波段影像和多光谱波段影像均自带RPC(Rational Polynomial Coeffcient)信息，RPC的实质是有理函数纠正模型(Rational Function Model-RFM)，是将像点坐标(r，c)表示为以相应地面点空间(X，Y，Z)为自变量的多项式的比值。利用RPC信息分别对多光谱和全色数据进行正射校正。

2.2.4 影像融合

影像融合的目的是获得既有全色影像的高分辨率，又有多光谱影像的彩色信息的影像。本研究采用NNDiffuse Pan Sharpening图像融合算法，融合结果对于色彩、纹理和光谱信息得到很好的保留。如图5所示。

(a)融合前 (b)融合后

2.2.5 影像裁剪

通过ArcMap软件确定湖泊矢量边界，矢量数据和融合后的栅格数据叠加裁剪获取湖泊的栅格数据。如图6所示。

(a)叠加矢量裁剪 (b)裁剪后影像

2.3 基于灰度特征的水生植物像斑提取

像斑是指图像上具有灰度值接近的分布连续的像素的集合，获取像斑最重要的是构建像斑特征空间和像斑特征提取，像斑特征的提取常常根据像素灰度直方图釆用影像分割技术提取。对于参与运算像素的选择有两种方式，一种是选择像斑内部及其边缘所有像素；另一种是去除像斑边缘只选择像斑内部的像素。这两种方式适用于两种情况：当像斑内像素的相似同质性较高，影像分割效果较好时，让属于该像斑的像素全部参与像斑特征计算，这种方式可以较为完整地保留纹理特征；当像斑边缘像素与像斑内部像素同质性较差时，在特征提取时除去像斑外部边缘像素进行特征特区的方式更为适合[14]。由于兴隆湖湖面绿色植物内部同质性较高，选择像斑内部及其边缘所有像素，分割效果较好，如图7所示。

图7 水生植物分布情况

2.4 水样采集与检测

用平均采样法分别在鹿溪河入水口、出水口、城市排污口、湖心等位置均匀采集十个点，采样位置如图8所示。

图8 采样点分布

水样采集后立即送检，对pH、高锰酸盐指数、氨氮、总氮和总磷检测，得到采样点的水质分析结果，如表3所示。

表3 检测结果

2.5 兴隆湖总氮总磷特征及分布

根据地表水环境质量标准标准限值(如表4所示)，兴隆湖高锰酸盐指数值均超过6mg/L，属于Ⅳ类，氨氮除4号点位置属Ⅲ类，其余均属Ⅱ类，总磷除3号点位置属Ⅳ类，其余均不超过Ⅲ类，总氮4、5号点位置属Ⅳ类，其余均属Ⅲ类。总氮总磷各采样点特征如图9所示。

(a)总磷(TP) (b)总氮(TN)

表4 地表水环境质量标准基本项目标准限值 单位：mg/L

通过插值分析中的反距离权重法(IDW)分析总氮总磷信息，此方法假定所映射的变量因受到与其采样位置间的距离的影响而减小。因此，对其搜索半径距离和点数进行反复调试，确定最佳阈值，表示总氮、总磷分布情况的参数，设置半径为5km，点数12，得到兴隆湖整体氮磷特征分布图，如图10所示。

(a)总磷(TP) (b)总氮(TN)

3 结论

根据遥感影像特征提取水生植物分布情况，水生植物主要分布在鹿溪河入水口、城市排水口等，根据氮磷特征分布图直观表达出兴隆湖氮磷含量及分布信息：

(1)总磷含量在3号点城市排水口处最高，属IV类，在1号出水口处最低；

(2)总氮含量在4、5号鹿溪河入水口最高，属IV类，出水口1号点明显降低。

综述，鹿溪河入水口及城市排水口氮磷含量高，通过水生植物根部吸附等作用，出水口流入鹿溪河总氮和总磷含量均降低。水生植物分布情况结合氮磷特征分布图分析得出，水生植物的分布和湖水氮磷含量有密切联系，为后期平衡水生植物和氮磷的关系，合理种植水生植物有一定的指导作用，对防止兴隆湖水体富营养化和黑臭水具有积极意义，也为下一步研究水生植物及氮磷量的遥感自动监测及变化检测奠定基础。