Resonon | 高光譜成像儀在檢索城市河流水質(zhì)參數(shù)方面的應(yīng)用

點(diǎn)擊藍(lán)字，關(guān)注我們

健康的水環(huán)境對(duì)可持續(xù)的城市發(fā)展至關(guān)重要。然而，隨著城市化的快速推進(jìn)和人口增長(zhǎng)，工業(yè)廢水和生活污水造成了嚴(yán)重的水污染，危及人類(lèi)健康和水生生態(tài)系統(tǒng)。傳統(tǒng)的水質(zhì)監(jiān)測(cè)方法成本高昂且勞動(dòng)密集。近年來(lái)，MODIS、Landsat 和 Sentinel 等衛(wèi)星圖像技術(shù)取得了進(jìn)展，提供了廣泛且具成本效益的監(jiān)測(cè)手段，但由于空間和光譜分辨率的限制，在監(jiān)測(cè)總磷 (TP) 和化學(xué)需氧量 (CODMn) 等非光學(xué)活性參數(shù)時(shí)仍面臨挑戰(zhàn)。

機(jī)載高光譜成像儀通過(guò)提供高分辨率圖像，彌補(bǔ)了衛(wèi)星與地面監(jiān)測(cè)之間的不足，成為一種有效的解決方案。無(wú)人機(jī)獲取的高光譜圖像能夠捕捉到詳細(xì)的光譜數(shù)據(jù)，從而改善非光學(xué)活性水質(zhì)參數(shù)的反演。盡管具備優(yōu)勢(shì)，但仍面臨諸如水質(zhì)樣本有限和光譜特征復(fù)雜等挑戰(zhàn)。

有效的光譜預(yù)處理和特征選擇對(duì)于提高高光譜圖像水質(zhì)反演的準(zhǔn)確性和效率至關(guān)重要。分?jǐn)?shù)階導(dǎo)數(shù) (FOD) 和離散小波變換 (DWT) 等技術(shù)能夠降低噪聲并提取有價(jià)值的信息，但它們?cè)谒|(zhì)監(jiān)測(cè)中的應(yīng)用仍處于發(fā)展階段。

本文旨在：(1) 評(píng)估 FOD、DWT 及特征選擇在水質(zhì)參數(shù)反演中的有效性；(2) 比較不同回歸模型的性能；(3) 確定敏感光譜帶及其在水質(zhì)估計(jì)中的作用。目標(biāo)是建立一個(gè)基于無(wú)人機(jī)高光譜圖像的城市河流水質(zhì)監(jiān)測(cè)綜合框架。

這項(xiàng)研究聚焦于廣州市荔灣區(qū)部分河流。荔灣區(qū)位于廣州中心城區(qū)，人口稠密，擁有大量舊城區(qū)建筑以及發(fā)達(dá)的花卉和貿(mào)易產(chǎn)業(yè)。研究區(qū)位于珠江三角洲北部，地勢(shì)平坦，水系復(fù)雜，夏季降水充沛。人類(lèi)活動(dòng)產(chǎn)生的污染物通過(guò)排水系統(tǒng)進(jìn)入城市河流，導(dǎo)致嚴(yán)重的水污染問(wèn)題，甚至出現(xiàn)黑臭水體。自2015年以來(lái)，廣州市政府采取了一系列水環(huán)境治理措施，水質(zhì)明顯改善。采樣點(diǎn)分布在花地河、葵蓬河、廣佛河和涌沙河。無(wú)人機(jī)圖像及部分視圖如圖1b所示，紅、綠、藍(lán)波段分別選為620 nm、520 nm、432 nm。

圖 1. 研究區(qū)域地圖和采樣點(diǎn)位置。（a）研究區(qū)域和采樣點(diǎn)的位置和（b）收集的無(wú)人機(jī)圖

圖2. 研究框架

2022年10月14日至15日，在圖1a所示位置共采集了45個(gè)水樣，采樣深度為水面以下0.5米?；ǖ睾哟蠖鄶?shù)采樣點(diǎn)由船只在河中心進(jìn)行采集，無(wú)法乘船的小河則在距岸邊約3米處采樣。由于當(dāng)?shù)叵拗?，奎彭河和劍沙河水深約1.5-2米，未能使用船只采樣，且采樣點(diǎn)附近無(wú)河床露出，故無(wú)人機(jī)圖像僅記錄水面的反射率。每個(gè)采樣點(diǎn)收集五個(gè)250 mL水樣用于實(shí)驗(yàn)室分析，以及兩個(gè)1 L備用樣品，樣品裝入棕色避光瓶中保存。所有水質(zhì)指標(biāo)在3天內(nèi)測(cè)定，SD和TUB現(xiàn)場(chǎng)測(cè)定，TP和CODMn在實(shí)驗(yàn)室條件下測(cè)定。采樣過(guò)程中使用便攜式GPS記錄地理位置。為保證采樣質(zhì)量，進(jìn)行了平行采樣，5個(gè)采樣點(diǎn)的平行采樣率為11.1%，每個(gè)點(diǎn)取3個(gè)平行樣，最終值為其平均值，采樣質(zhì)量要求RSD≤10%。

表1. 無(wú)人機(jī)飛行時(shí)間和速度

無(wú)人機(jī)系統(tǒng)為大疆M300 RTK，飛行高度200 m，飛行時(shí)間和速度見(jiàn)表1。無(wú)人機(jī)搭載美國(guó)RESONON公司生產(chǎn)的Pika L 高光譜成像儀，重量0.6 kg，光譜范圍為400～1000 nm。由于水面光反射信號(hào)較弱，采用合并技術(shù)將多個(gè)相鄰像素合并為一個(gè)，從而提高線性CCD的像素響應(yīng)度和信噪比。最終采集的無(wú)人機(jī)圖像的光譜間隔為4 nm。考慮到兩端的傳感器噪聲，最終選擇了400～900 nm范圍內(nèi)的光譜信息。

圖3. 無(wú)人機(jī)圖像對(duì)應(yīng)地面采樣點(diǎn)的光譜曲線：（a）無(wú)人機(jī)采樣點(diǎn)對(duì)應(yīng)的原始反射光譜曲線；（b）具有不同級(jí)別WQPs的光譜曲線。

圖 4. FOD 處理后的平均光譜曲線。SG 是 SG 平滑后的 OR 平均值：(a) 階數(shù)從 0 到 1 的 FOD 反射率；(b) 階數(shù)從 1.1 到 2.0 的 FOD 反射率。

圖 5. FOD-DWT 后處理光譜與 (a) SD、(b) TUB、(c) TP 和 (d) CODMn 之間的相關(guān)性熱圖。FOD 的階數(shù)設(shè)置為步長(zhǎng) 0.1。在 FOD 的每個(gè) 0.1 范圍內(nèi)，從下到上對(duì)應(yīng) 0 到 10 級(jí) DWT。

圖 6. PCC 超過(guò) 0.5 的 FOD-DWT 數(shù)據(jù)集的數(shù)量，其中 (a) SD、(b) TUB、(c) TP 和 (d) CODMn。

圖 7. 基于多種特征選擇方法和回歸模型的精度結(jié)果比較：(a) SD、(b) TUB、(c) TP 和 (d) CODMn。

圖 8. 不同 FOD 和 DWT 值的光譜和 TP 的 PCC 最大值和平均值熱圖：(a) 階數(shù)從 0–1 的 FOD 反射率；(b) 階數(shù)從 1.1–2.0 的 FOD 反射率。

本研究表明，結(jié)合 FOD 和 DWT 的光譜預(yù)處理對(duì)高光譜圖像進(jìn)行去噪，以及特征選擇以過(guò)濾敏感特征，可有效提高 WQP 估計(jì)的準(zhǔn)確性。使用 FOD-DWT 處理的光譜數(shù)據(jù)作為輸入，DTR 模型顯示出 WQP 反演的良好潛力。根據(jù) WQP 的光譜特征和可用的采樣數(shù)據(jù)，正確選擇特征提取方法和 ML 回歸模型對(duì)于實(shí)現(xiàn)更高的回歸精度至關(guān)重要?；跈C(jī)載高光譜技術(shù)，提出了一種有效的基于 ML 的框架，用于高度城市化地區(qū)的河流 WQP 檢索。