一、引言

近年来我国注重发展养殖产业，尤其是渔业养殖产业，其不仅是我国国民经济重要的组成部分，也为民众提供品类丰富的鱼类、虾类、蟹类等，其与人民生活息息相关。我国幅员辽阔，淡水资源丰富，为渔业养殖带来了得天独厚的条件。伴随着相关部门政策支持，渔业养殖业极为发达。但在渔业养殖过程中，对池塘水质要求极高。渔业养殖池塘均为“活水”，极易受到上游河水污染，同时当水质内某种微生物或物质超标后，影响水产养殖动物正常生长，严重可造成水产养殖动物大量死亡，因此对渔业养殖池塘水质进行监测非常有必要。近年来，有不少专家学者研究渔业养殖池塘水质监测方法。

无人机遥感技术是通过无人机搭载遥感影像采集设备，执行遥感影像拍摄后，通过遥感影像获取目标相关信息的技术。该技术被广泛应用指挥救援、地质调查、环境监测等领域。本文在此将无人机遥感技术应用到池塘水质监测过程中，提出基于无人机遥感技术的渔业养殖池塘水质监测方法，以提升渔业养殖池塘水质监测技术水平。

无人机遥感技不是通过无人机搭载遥感影像采集设备，执,行遥感影像拍摄 后，通过遥感影像获取目标相关信息的技术。该技术被广泛应用指挥救援、地质调查、环境监测等领域。本文在此将无人机遥感技术应用到池塘水质监测过程中，提出基于无人机谣感技术的渔业养殖池塘水质监测方法，以提升渔业养殖池塘水质监测技术水平。

二、研究区概况

以某水产养殖公司的半循环养殖池塘作为实验对象，该半循环养殖池塘占地面积约为200X104m²，其中蟹塘为53X104m²左右，淡水鱼塘为140X104m²左右，净化区面积为7X104m²左右。该半循环养殖池塘存在多条交汇河流，且河流上游存在工业区和生活区，会存在生活废水排放问题和工业污染残留。该半循环养殖池塘水质监测点位置如图1所示，

图1 研究区水质监测点位置示意图

在图1内10个水质监测点位置，采集表层0.3m处水样，容量为800mL，分别使用碱性过硫酸钾分光光度法、钳酸分光光度法、纳氏试剂法、高锰酸盐指数法和重量法测试池塘水样内的总氮(TN)、总磷(TP)、铵态氮(NH₄⁺-N)高酸盐指数(COD_Mn)和总悬浮物(TSS)。

三、渔业养殖池塘水质监测方法

3.1基于无人机的池塘水质监测图像采集

使用无人机搭载高光谱成像仪和地物高光谱仪方式采集研究区内池塘遥感图像。利用无人机搭载高光谱成像仪和地物光谱仪拍摄到研究区池塘遥感图像后，将其回传到地面计算机内备用。

3.2池塘遥感图像辐射校正

在计算机内，将采集到的池塘遥感图像按照该图像的量级对其进行量化处理，得到物理意义上的量辐射率，其详细过程如下:

令DN表示池塘遥感图像的像元亮度值，高光谱辐射率由L表示二者之间存在较强的线性关系。则第i个辐射波段池塘遥感图像的辐射率表达公式如下:

式中:Qi表示第i个辐射波段池塘遥感图像的辐射率;Zi，Bi分别表示第个辐射波段的增益数值和偏置系数.

由于无人机拍摄池塘遥感图像时，受太阳位置、拍摄角度以及大气透明度影响，导致池塘遥感图像存在失真情况。利用公式(1)得到所有池塘高光谱图像辐射率后，依据该辐射率计算无人机拍摄池塘遥感图像时接收到的辐射值，该辐射值由Qsat。表示则地表反射率和无人机拍摄遥感图像时接收的辐射之间关系表达公式如下:

式中:p表示池塘表面反射率;Q_sat表示地物高光谱仪的辐射值;Q_path表示辐射路径;T表示池塘和无人机之间的大气透射率;E分别表示太阳辐射照度和太阳天顶角:T_z表示太阳照射方向的大气透射率;E_down表示地表下行散射照度。

表1太阳辐射照度取值

其中太阳辐射照度取值如表1所示，在表1内，由于6波段为热反射波段，本文不考虑池塘区域热反射情况，因此无6波段。

在忽略大气透射损失和地表下行散射情况下，则公式(2)可改写为:

当池塘遥感图像内黑目标的实际反射数值为0时，则无人机拍摄池塘遥感图像时，接收到的辐射值计算公式如下:

式中:Z表示总偏置数值;B表示遥感图像总偏置系数;D_Nmin表示池塘遥感图像的像元亮度最小值;Q_min表示辐射率最小值。

四、实验分析

使用本文方法采集研究区遥感图像，并采集水样并检测后，使用基于水质反演模型实现池塘水质监测。

在该过程中，检测的池塘内总磷、总氮、按态氮、高锰酸盐指数和悬浮物水质参数，如表2所示。

表2池塘10个监测点水质参数

池塘内总磷数值作为实验对象，利用其验证本文方法构建的水质反演模型输出监测结果的精度，结果如图2所示。

图2水质反演模型检验结果

分析图3可知，利用本文方法输出的池塘内总磷监测结果的监测值与实际值拟合曲线较为接近说明其可较好地反演池塘内总磷实际分布状况。

以编码为1~5的监测点为实验对象，使用本文方法采集该池塘遥感图像后，计算该5个监测点遥感光谱反射率，结果如图3所示。

图3 5个监测点遥感光谱反射率曲线

分析图3可知，该池塘5个监测点遥感光谱反射率随着波长的增加呈现先上升后下降趋势。该池塘5个监测点的光谱反射率在500~600nm呈现一个反射高峰，其原因在于池塘水质内存在大量的叶绿素和胡萝卜素，其吸收500~600mm波段的光谱较少，且水质内存在的悬浮物会将一部分光谱反射，因此在该波段内，池塘监测点的光谱反射率呈现峰状分布，随着波长持续增加，在波长为600~850mm左右时，池塘监测点光谱反射率呈现稍大幅度下降趋势。出现该现象原因为池塘水质内叶绿素和胡萝卜素可吸收该波段光谱。因此在600~850mm波段内，光谱反射率数值呈现降低趋势在波段为850~1000mm时该池塘光谱反射率数值又呈现上升趋势，其原因也是因为水质内叶绿素和胡萝卜素不吸收该波段光谱所致，综上所述，在该池塘内。5个监测点的光谱反射率曲线变化趋势相同，但受监测位置不同，在相同波长时，其光谱反射率数值存在一定差异，但相差数值不大，

使用本文方法监测该池塘10个监测点的总氮、总磷、悬浮物、高酸盐指数和态氮分布情况，结果如图4所示。

图4 池塘水质监测结果

分析图4可知，该池塘内总氮主要分布在池塘的内部区域，越靠近岸边，总氮含量越低，且10个监测点水质内总氮数值相差不大。该池塘内，总磷主要分布在2，3，4，5，监测点附近，其他监测点区域总磷含量较少态氮主要分布在第5~8监测点区域，其他区域态氮数值不高。该池塘的悬浮物数值略高，且其分布较为均匀，10个监测点位置处的悬浮物数值均相差不大。该池塘悬浮物较高的原因在于水质内含有水生动物所吃的食物。该池塘内高锰酸盐指数较低，高数值仅分布在第6和第7监测点区域综上结果:本文方法可有效依据池塘水质检测结果，反演其内部总磷、总氮等物质分布情况，具备较强的应用效果。

表3 12个月内池塘铵态氮和 高锰酸盐指数变化

进一步验证本文方法实际应用效果，以12个月为期，监测点1为实验对象，以镀态氮和高锰酸盐指数为指标，测试在12个月内，本文方法监测该池塘镀态氮和高锰酸盐指数变化情况，结果如表4所示，分析表3可知，在12个月内该池塘态氮和高酸盐指数在8月份之前时，二者数值呈现平稳状态;但当时间在8月和9月时，该池塘水质内钱态氮和高锰酸盐指数迅速上升。随着时间持续延长，该池塘水质内态氮和高锰酸盐指数又恢复到略平稳状态。出现该情况原因在于在8~9月份时，昼夜温差较大，使池塘内藻类浮游生物大量死亡，池塘内的悬浮物增加，有机质含量也上升，同时该季节是鱼类、虾类、蟹类丰收时间，池塘内生物被打捞后，池塘水质内存在饲料残留，因此造成按态氮和高锰酸盐指数上升。

五、结论

本文提出基于无人机遥感技术的渔业养殖池塘水质监测方法，丰富了水质监测手段，为渔业养殖池塘水环境保护提供了新思路。通过对本文方法进行多角度验证，本方法具备较强的实用性。从验证结果来看，本文方法在监测池塘水质方面取得一定成果，但其依然存在很大进步空间，未来可从采集遥感图像方面和水质反演模型适用性方面进行改进。在方法中增加遥感图像预处理方法，去除遥感图像内的噪声，充分考虑水质反演模型参数选择问题，使其水质反演结果更加精准。