一、项目背景

传统的河流、湖泊水质监测主要是采用实地采样和实验室分析等方法，这种监测方法需要在河流、湖泊内定点、定剖面进行，通过常年累月的监测、记录和实验室分析，虽然能够达到一定的数据精度，但是不能反映河流、湖泊水质的总体时空状况，且费时费力、监测区域有限，只具有局部和典型的代表意义，不能满足实时、快速、大尺度的监测和评价要求。

利用无人机高光谱遥感技术为河流、湖泊水体的监测和研究开辟了新的途径。遥感水质监测技术具有高动态、低成本和宏观性等显著特点，在河流、湖泊水质污染研究方面有着常规检测不可替代的优点。它既可以满足大范围水质监测的需要，也可以反映水质在空间和时间上的分布和变化情况，弥补了单一采用水面采样的不足，同时还能发现一些常规方法难以揭示的污染源的分布以及污染物的迁移特征和影响范围，为科学布设水面采样点提供依据。高光谱遥感由于其高精度、多波段、信息量大等特点被广泛应用于遥感水质监测，大大提高了水质参数的估测精度。伴随着高光谱遥感技术的不断进步，水质监测已由定性描述转向定量分析，同时可监测的水质参数逐渐增加，反演精度也不断提高，在水资源的保护、规划和可持续发展方面发挥了重大作用。

二、项目整体实施方案

无人机高光谱水环境监测技术路线图

利用地面光谱数据和水质参数监测结果构建水质参数的反演模型，将最优的模型应用到无人机高光谱影像上完成空间分布图制作。具体的技术流程如上图所示。

无人机高光谱成像系统要实现水质定性定量从宏观空间和时间上污染分布变化，不简单是高光谱数据采集，要实现空间分布及定量测量，除了需要配置匹配相关检测设备 （无人机成像高光谱、地物光谱仪、多参数水质检测仪等），后续专业性处理软件及数据算法模型、数据处理服务更为重要。

2.1  无人机高光谱影像获取

iSpecHyper系列多旋翼无人机高光谱成像系统是莱森光学（LiSen Optics）一款基于小型多旋翼无人机机载高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。iSpecHyper机载无人机高光谱成像系统采用了独有内置或外置扫描系统和增稳系统，成功克服了小型无人机系统搭载推扫式高光谱相机时，由于无人机系统的震动造成的成像质量差的问题，同时具有高光谱分辨率和优异的成像性能。

主要技术特点：

△光谱范围400-1000nm，分辨率优于3nm

△高性能分光系统、大靶面CCD图像传感器，高灵敏度、高像质

△全靶面高成像质量光学设计，点列斑直径小于0.5像元

△通过地面站实时观测飞机采样地点并可利用地面站设置逐点采集的航线·数据预览及矫正功能

高光谱曲线

2.2  地物光谱数据获取

莱森光学iSpecField-HH/iSpecField-NIR/WNIR地物光谱仪专门用于野外遥感环境监测的最新产品，由于其操作灵活、轻巧方便、光谱测试速度快、光谱数据准确是一款真正意义上便携式手持地物光谱仪，采用了工业级触控彩色显示屏幕，同时采用了独有光学设计内置摄像头（相机）、GPS、激光指示器、内置光学快门控制、操作软件可设置自动采集模式（指定扫描次数和自动保存数据）使野外操作更加便捷方便，广泛应用于遥感测量、水环境测量、农作物监测、森林研究、海洋学研究和矿物勘察等各领域。

便携式地物光谱仪

手持式地物光谱仪

三、无人机高光谱水环境监测方案流程

△水样采集与水质参数检测

在研究区内选取20个采样点，使用标准采样器对水面至水下50cm的水柱进行取样，并测定水质参数。悬浮物浓度(mg/L)、浊度(度)分别按照GB11901—89(1990年)[9]、GB 13200—91(1990年)[10]进行测定，同步开展水面高光谱数据测量。

△水面光谱实测数据采集与分析

使用iSpecFile-HH/iSpecFiled-WNIR地物光谱仪在350-1000 nm/350-2500nm波谱段内按照1 nm间隔采样，水面光谱采用倾斜法进行测量[11]，每次测定前需对辐射仪进行校正，单个样点重复采集5次，以均值为光谱反射值。

依据采集光谱数据绘制水面光谱反射曲线(图1)。由图1可以看出，采样点在350~500 nm波段区间反射率变化基本一致，光谱反射率较低，这是由于水体叶绿素与其他可溶性有机物在该波段内的吸收率较高。反射率随着波长的增加而增大，波峰出现在580 nm附近。达到峰值后，反射率随着波长的增大迅速降低，在800~1 000 nm的近红外波段趋近于0，这是由于纯水的吸收波段主要在近红外波段内。

图1

△水质参数反演模型构建

通过逐波段遍历构建归一化差值光谱指数NDSI，计算其与悬浮物浓度、浊度间的Pearson相关系数。建立相关性分布图4、图5。观察单波段反射率与水质参数间的相关系数分布(图4)，水质参数的相关系数随波长的变化呈现出相似的趋势，即悬浮物浓度值越高，对应水体浊度值越高，这一现象与两水质参数的定义相吻合[1]。分析相关系数等值线分布图(图5)，悬浮物浓度相关系数最大值为0.856，对应波长500、670 nm，其波段范围与Gitelson等人文献[15]的研究结果一致[15]；浊度相关系数最大值为0.874，对应波长540nm与625nm。本研究决定以和为自变量，分别构建研究区水库的悬浮物浓度和浊度反演模型。

悬浮物浓度、浊度与反射波谱的相关性分布

  (a)悬浮物浓度                                                                   (b)浊度

以和为自变量，悬浮物浓度或浊度参数为因变量，利用决定系数R2与均方根误差(RMSE)对线性模型、指数模型和乘幂模型进行评定，选择最佳反演模型结构。如表1，线性模型 R2值最高，RMSE最低。因此，本文选择线性模型作为两种水质参数，并根据实测采样点的光谱和水质参数，构建矿区水域悬浮物浓度与浊度的遥感反演结果。

水质参数反演模型分析

悬浮物浓度与浊度反演结果

△水质参数反演模型精度验证

反演模型预测值与水质参数检测值进行对比分析，经模型精度检验发现（图7），模型预测值和实测值均匀分布在1:1趋势线附近，模型精度满足反演需要；R2值与前人基于卫星载荷的遥感水质参数反演结果相近文献[6、,16-17]。因此，本研究构建的反演模型可以有效而快速地估测矿区水库的悬浮物浓度与浊度。

图7 悬浮物浓度与浊度实测值 VS 预测值

△无人机高光谱水质参数反演

将无人机获取的同时期研究区高光谱影像数据，并结合构建的水质参数反演模型进行反演，绘制出水库悬浮物浓度和浊度分布图(图8)。如图8所示，矿区附近水域的悬浮物浓度在0~97 mg/L，多数处在4~13 mg/L；浊度则在0~45度，多数处在5~8度。水体较为清澈，无明显污染现象，水库边界处的悬浮物浓度和浊度较高，与反演结果一致，符合实际实地调研结果。

图8 矿区水域水质参数浓度分布

以实测光谱和采样的水质参数为数据源建立反演模型，利用无人机高光谱遥感，实现水体悬浮物浓度和浊度的精准监测，通过实例验证，得出以下结论：①采用波长500、670 和540 、625 nm计算的归一化差值指数所构建的线性模型，可以作为悬浮物浓度与浊度的反演模型；②基于本文建立的水质参数反演模型，利用无人机高光谱遥感，可以快速监测小中型水域的水质参数。