出版日期: 2019-03-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20197482
2019 | Volumn23 | Number 2
上一篇  |  下一篇
  
高分二号的沈阳市黑臭水体遥感识别
expand article info 姚月1,2 , 申茜2 , 朱利3 , 高红杰4 , 曹红业5 , 韩惠1,6 , 孙建国1,6 , 李俊生2
1. 兰州交通大学 测绘与地理信息学院，兰州 730070
2. 中国科学院遥感与数字地球研究所，北京 100094
3. 环境保护部 卫星环境应用中心，北京 100094
4. 中国环境科学研究院，北京 100012
5. 重庆欣荣土地房屋勘测技术研究所，重庆 400020
6. 甘肃省地理国情监测工程实验室，兰州 730070
收稿日期: 2017-11-08
基金项目: 中国科学院战略性先导科技专项资金 (编号：XDA19040302)；国家自然科学基金(编号：41571361)；基于卫星的沈阳等东北城市黑臭水体遥感识别及黑臭水体污染来源分析研究(编号：2017YSKY-006)；国家水体污染控制与治理科技重大专项(编号：2017ZX07302-003)；“城市黑臭水体遥感监管关键技术先期研究”课题(编号：2016SZXHC)
第一作者简介: 姚月，1993年生，女，硕士研究生，研究方向为水色遥感、水环境遥感监测。E-mail：yao926983@163.com
通信作者简介: 申茜，1981年生，女，副研究员，研究方向为高光谱遥感、水色遥感。E-mail：shenqian@radi.ac.cn

摘要

中国城市黑臭水体情况严重，基于遥感监测黑臭水体刚刚起步，很多问题待解决。以沈阳市城市建成区内主要河流为研究区，于2015年—2016年开展地面调查，获取了浑河和蒲河46个一般水体的样点，和辉山明渠、满堂河、细河以及微山湖路附近、丁香湖北部50个黑臭水体的样点数据，包括水面光谱和主要水质参数。分析了黑臭水体与一般水体的光谱特征，发现城市黑臭水体反射率光谱在绿光—红光波段变化比一般水体平缓，基于这一特点提出了一种基于反射率光谱指数BOI(Black and Odorous water Index)的黑臭水体识别模型，并将其与红绿波段比值指数进行对比，具有更好的识别精度。结果表明：(1)基于遥感反射率(Rrs)计算的BOI小于0.065时，可判为黑臭水体。(2)由于GF2水体图像精确大气校正存在困难，可以利用瑞利散射校正反射率(Rrc)替代Rrs，BOI小于阈值0.05时，可判别为黑臭水体；同时模拟证明，当气溶胶光学厚度逐渐增大时，黑臭水体与一般水体的光谱差异将逐渐减小，因此这种方法主要适用于比较清晰的图像、气溶胶光学厚度比较小(如AOT(550)≤0.5时)。(3)基于Rrc的BOI模型可以较好的应用于GF2图像上，具有较好的识别精度。对2015年—2016年3景GF-2影像提取的结果显示，满堂河和新开河黑臭现象得到逐步改善，辉山明渠黑臭现象依然严峻。本文发展的黑臭水体遥感识别算法主要是基于沈阳黑臭水体的光谱特征，仅在沈阳市进行了验证，将来还需在其他城市进一步验证，并且需要更多地考虑多种因素对水体反射率的影响。

关键词

GF-2, 城市黑臭水体, 黑臭水体指数, BOI, 遥感识别

Remote sensing identification of urban black-odor water bodies in Shenyang city based on GF-2 image
expand article info YAO Yue1,2 , SHEN Qian2 , ZHU Li3 , GAO Hongjie4 , CAO Hongye5 , HAN Hui1,6 , SUN Jianguo1,6 , LI Junsheng2
1.Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
2.Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China
3.Satellite Environment Center, Ministry Of Environmental Protection, Beijing 100094, China
4.Chinese Research Academy of Environmental Sciences, Beijing 100012, China
5.Xinrong Land and Housing Investigation and Techniques Institute, Chongqing 400020, China
6.Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China

Abstract

The situation of urban black and odorous water in China is serious, but the monitoring of this water is just starting from remote sensing and many problems need to be solved. The research provides technical support for the effective regulation of urban black and odorous river. Taking the main rivers in the urban built-up area of Shenyang city as the research object, we carried out ground surveys from 2015—2016 years, and obtained 46 general water samples in Hun river and Pu river, and 50 black and odorous water samples in Huishanming channel, Mantang river, Xi river, the river near the Weishanhu road, and the river of north of Dingxiang Lake, including the water spectrum and water quality parameters. Through the analysis of spectral characteristics of the black-odor water and general water , we found that the urban black and odorous water reflectance spectra in green - red band is gentler than the general water, then we put forward an index of BOI (Black and Odorous water Index) based on the reflectivity spectrum of black and odorous water recognition model. By comparing the BOI index with the ratio index of red and green bands (Wen, et al., 2018 ), BOI index has better recognition accuracy. The results show that: (1) When BOI based on the remote sensing reflectance (Rrs) is less than the threshold of 0.065, which can be awarded as black and odorous water. (2) Due to the difficulties of accurate atmospheric correction in GF2 image, Rayleigh scattering correction reflectance (Rrc) can be used to replace Rrs. When BOI is less than 0.05, it can be discriminated as black and odorous water. And the simulation prove that when the aerosol optical thickness increases gradually, the spectral differences of black and odorous water and general water will decrease, so this method is applicable to the clear image with small aerosol optical thickness (such as AOT (550) ≤0.5). (3) BOI based on Rrc can be applied to GF2 image better, and has better recognition accuracy. The results that are extracted from the three images from 2015 to 2016 are showed that the black and odorous phenomenon of Mantang river and Xinkai river have been gradually improved, but Huishanming channel is still serious. In this paper, the identification algorithm of black and odorous water is mainly based on the spectral characteristics of Shenyang city, it has been validated only in Shenyang, and further verification in other cities. And it is necessary to consider the influence of various factors on the reflectivity of water body in the future.

Key words

GF-2, urban black-odor water bodies, Black-Odor water Index, BOI, remote sensing recognition

1 引　言

城市黑臭水体是指城市建成区内呈现令人不悦的颜色和(或)散发令人不适气味的水体(住房和城乡建设部，2015)。城市黑臭水体主要呈现暗黑色、黑灰色、黑褐色、黄褐色以及灰绿色等不正常的水体颜色。此外，黑臭河道多为封闭或半封闭状态且没有明显流动，表面常漂浮生活垃圾或黑色污泥藻团等。中国最早出现河流黑臭是在20世纪80年代，比如上海的黄浦江(顾国维 等，1983)；后来黑臭水体不断增加，苏州河(应太林 等，1997)、松花江哈尔滨江段(陈世军和张谌，2002)，沈阳市的卫工河(李相力 等，2003)以及广州市的古廖涌(李开明 等，2005)等出现过甚至经常出现季节性的黑臭现象。目前中国大部分城市，几乎普遍存在黑臭水体。城市黑臭水体不仅对城市水环境造成恶劣影响，还影响着居民的身体健康和生活品质。2015年4月2日国务院颁发的《水污染防治行动计划》(“水十条”)明确提出到2030年城市建成区黑臭水体总体得到消除(国务院，2015)。

传统黑臭水体排查大多采用人工实地调查的方法，这种排查不仅速度慢、成本高、难于长期周期性监测，而且易造成黑臭水体漏报的情况。与之相对的，应用卫星遥感监测黑臭水体将具有低成本、大范围、高效率、长时间等优势，为城市黑臭水体监测提供了一种新的技术手段。

有关黑臭水体遥感识别的研究非常少，目前温爽等人(2018)利用高分影像，提出一种比值法对南京市黑臭水体进行监测。靳海霞和潘健(2016)利用融合后的高分影像反演多种水质参数，对北京市的黑臭水体进行监测。更多的研究主要集中在利用可见光(400—700 nm)遥感监测“黑色水体”方面。在一些特殊条件下，水体离水辐亮度非常低，被称为海洋、河口和湖泊中的黑水现象。Hu等人(2003)利用SeaWiFS遥感影像发现了弗罗里达近岸水体有黑水现象。Bai等人(2009)研究了2003年春季长江入海口的黑水现象，是由悬浮颗粒物浓度和后向散射比的相对低值引起的。Kutser等人(2005，2009，2016)利用遥感监测了高纬度和北极地区的极其黑的湖泊，反射率在整个可见光范围(400—700 nm)数值都非常低。此外，黑藻团(black blooms)的研究也不同于黑臭水体，它是一种富营养化和藻华爆发的生态灾害现象(Duan 等，2014；Pucciarelli 等，2008；Rusch 等，1998；Zhang 等，2016；Zou 等，2014)。Rixen等人(2008，2010)研究河流中的黑色水体是由棕色的溶解性有机物导致的。

随着GF系列、ZY系列等国产高分辨率卫星的发射，我国遥感监测技术已达到亚米级水平，对于较为细小的河流，也同样具有监测能力，这为监测城市黑臭水体提供了数据支持。所以，本研究的目标是分析典型研究区黑臭水体和一般水体的光谱特征差异，在此基础上构建基于国产高分卫星影像(GF-2)的城市黑臭水体识别方法。

2 研究区与数据

2.1 研究区介绍

沈阳市是中国15个副省级城市之一，东北地区最大的中心城市。沈阳市全市大小河流26条，分别属于辽河、浑河两大水系，水资源总量为31.70亿m3，供700多万人口饮用。因此，沈阳市城市水体对于居民和经济发展具有至关重要的影响。然而，辽河流域的污染状况在全国属于严重区域。在政府公布的清单中(住房和城乡建设部和环境保护部，2016)，沈阳市黑臭河流总长度89.5 km，在295个地级市中排名前十。因此，监测与治理黑臭水体对于沈阳市来说十分重要。

沈阳市政府公布的黑臭水体清单中共有5个河段，分别是满堂河、南运河、辉山明渠、新开河和卫工明渠。在黑臭水体上报前，已经有学者针对卫工河、南运河和辉山明渠(李相力 等，2003；贾玉鹤 等，2007；赵士彤 等，2014)进行了评价和治理研究。

2.2 黑臭水体判别指标及实测数据

2.2.1 黑臭水体判别指标

住房和城乡建设部会同环境保护部等国家相关部门组织制定了《城市黑臭水体整治工作指南》(住房和城乡建设部和环境保护部，2016)(后文简称《指南》)，明确规定了黑臭水体监测与评价方法。《指南》中提出并规定了城市黑臭水体污染程度的标准以及测定方法。城市黑臭水体的评价指标包括透明度(cm)、溶解氧(mg/L)、氧化还原电位(mV)和氨氮(mg/L)，判别标准和指标测定方法见下表1。

表 1 城市黑臭水体判别标准和指标测定方法
Table 1 The criteria and methods for determination of urban black and odorous water

下载CSV 
特征指标 黑臭
水体 		测定方法 备注
透明度/cm <25 塞氏盘或铅字法透明度计 现场原位测定
溶解氧/
(mg/L) 		<2 电化学法 现场原位测定
氧化还原
电位/mV 		<50 电极法 现场原位测定
氨氮/(mg/L) >8 纳氏试剂光度法/
水杨酸—次氯酸钠光度法 		水样应经过
0.45 μm滤膜过滤

根据《指南》中的4个理化指标，某采样点其中一个理化指标达到黑臭级别，便可认定其为黑臭水体。《指南》中按照污染程度将黑臭水体分为轻度黑臭水体和重度黑臭水体，本文这里没有细分，将这两类水体统称为黑臭水体，作为研究对象。

相对的，一般水体则指在城市范围内正常、非黑臭的水体，主要根据其4个水质参数均属于非黑臭水体作为判别标准。感官上，一般水体较为清澈，主要呈现浅绿色、绿色等，无异味，水面干净无杂质。

2.2.2 实测数据

2015年7月16—18日、2016年9月19—20日和2016年10月9—11日在沈阳市建成区范围内开展了3次野外水面试验，按照《指南》指标，在辉山明渠、满堂河、细河以及微山湖路附近、丁香湖北部判别和采集了50个黑臭水体样点数据；同时在浑河和蒲河采集了46个一般水体样点数据。在每个样点现场测量水面光谱和一部分水质参数，并采集水样送回实验室分析一部分水质参数。2015年浑河和蒲河的叶绿素a浓度较高，悬浮物浓度较低，属于富营养化水体。

其中2016年9月19日GF2卫星同步过境，试验同步点(±2小时内)分布如图1所示，共14个采样点，在浑河和辉山明渠各有7个采样点。


图 1 沈阳市野外试验采样点分布图
Fig. 1 The distribution map of samples for field surveys in Shenyang

实验观测包括室外现场和室内试验两部分。野外试验现场采集数据主要包括水面光谱数据，太阳辐射测量数据，一些现场测量水质参数数据：透明度SD(cm)、氧化还原电位ORP(mV)、溶解氧DO(mg/L)、水温(℃)、浊度(NTU)等，以及风速风向、时间、经纬度等辅助测量参数。采集足够水样低温冷藏保存，并带回实验室测量水质参数。室内水质参数测量包括叶绿素a浓度(μg/L)、总悬浮物浓度(mg/L)、有机悬浮物浓度(mg/L)、无机悬浮物浓度(mg/L)、CDOM(m–1)、氨氮NH3-N(mg/L)总氮TN(mg/L)、总磷TP(mg/L)、硫化物(mg/L)、COD(mg/L)、BOD5(mg/L)。

水面光谱使用ASDFiledSpec®3便携式地物光谱仪，基于“表面法”进行测量(唐军武 等，2004)。水体光谱测量与其他地物光谱测量不同，需要剔除天空光在水面的镜面反射，得到能够反映水中物质信息离水反射率，又称遥感反射率(Rrs)。

对于每个采样点，我们测量了水体上行辐亮度Lu(λ)，天空光下行辐亮度Lsky(λ)以及参考板的辐亮度数据Lp(λ)。然后，遥感反射率Rrs(sr–1)可以通过下式计算得到(Mobley，1999)

$ R_{\rm{rs}}({\textit{λ}}) = \frac{{L_{\rm{w}}({\textit{λ}})}}{{E_{\rm{s}}({\textit{λ}})}} = \frac{{L_{\rm{u}}({\textit{λ}}) - r_{\rm{sky}} \times L_{\rm{sky}}({\textit{λ}})}}{{{{{\text{π}}}} \times (L_{\rm{p(}}{\textit{λ}} {\rm{)}}/\rho _{\rm{p}}({\textit{λ}}))}} $ (1)

式中，Lw(λ)是指离水辐亮度，Es(λ)是指水面下行辐照度，rsky是指水气界面的天空光反射率，可以通过Fresnel公式(Mobley，1999)推算得到。ρp(λ)是由生产商所提供的参考板的反射率光谱。

太阳辐射使用美国SolarLight公司生产的MicrotopsⅡ型手持便携式太阳光度计和配套的手持GPS，测量2016年9月19日GF-2过境时试验区域上空气溶胶光学厚度；透明度SD(cm)采用塞氏盘(>330 mm)、和TDJ-330型透明度计(<330 mm)测量；氧化还原电位ORP由CT-8022笔式ORP计测量；溶解氧DO(mg/L)、水温(℃)是由美国维赛YSI550A溶解氧测定仪测量；浊度(NTU)采用美国奥利龙AQ3010浊度仪测量。测量的室内水质参数参照相应的国家和环保部门标准进行测量。

2.3 高分影像数据及预处理

获取了2015年—2016年GF-2 PMS的3景图像，其中与地面采样试验同步的是2016-09-19，其余两景获取时间分别是2015-05-10，2016-06-02。GF-2是中国首颗亚米级民用高分辨率卫星，搭载了两台PMS(全色/多光谱)，左右相机总幅宽为45 km，星下点空间分辨率可达0.8 m，侧摆能力±35°(中国资源卫星应用中心，2014)。可获取波谱范围为0.45—0.90 μm的1 m全色影像，和由蓝(0.45—0.52μm)、绿(0.52—0.59 μm)、红(0.45—0.69 μm)，近红外(0.77—0.89 μm)4个波段组成的4 m多光谱影像。

对GF-2预处理过程包括：正射校正、几何精校正、辐射定标、大气校正和融合。首先，利用全色和多光谱影像自带的参数进行正射校正，并参照Google Earth控制点进行几何精校正；用中国资源卫星数据与应用中心公布的绝对辐射定标系数(中国资源卫星应用中心，2016)进行绝对定标；利用辐射定标的结果计算大气层顶表观反射率TOA Rt(λ)(Apparent reflectance at Top of Atmosphere)，然后基于辐射传输模型的解析公式计算瑞利分子散射的反射率Rr(λ)(Gordon，1997)。瑞利散射校正后反射率Rrc(λ)的计算公式如下

$ L_{{{\textit{λ}}}} ={Gain} \times {\rm{DN}} + {Offset} $ (2)
$ R_{\rm{rc}}({\textit{λ}}) = R_{\rm{t}}({\textit{λ}}) - R_{\rm{r}}({\textit{λ}}) = \frac{{{\text{π}} \times L_{\rm{{\textit{λ}}}}}}{{F_0{\rm{(}}{\textit{λ}} {\rm{)}} \times \cos {{{\textit{θ}} }}_0}} - R_{\rm{r}}({\textit{λ}}) $ (3)

式中，Lλ是指辐射定标后的辐亮度，由增益Gain和偏移Offset计算得到；F0(λ)是指大气顶层太阳平均光谱辐射；θ0是指太阳的天顶角。

大气校正主要是校正大气中的气溶胶散射和大气分子散射(又称瑞利散射)(Gordon和Wang，1994)。精确的气溶胶散射要求气溶胶光学厚度作为输入参数。如果只是开展一次星地同步实验，可以利用太阳光度计实地测量气溶胶光学厚度数据。但是，如果要利用卫星遥感数据开展业务化应用，就需要基于图像自身反演气溶胶光学厚度数据。对于清洁水体，一般采用两个近红外波段来获取气溶胶信息(Gordon和Wang，1994)；对于浑浊水体，一般采用两个短波红外波段来获取气溶胶信息(Wang和Shi，2007)。对于GF-2来说，缺少专门用于大气校正的两个近红外或者两个短波红外波段，因此无法应用常用的水体大气校正方法。与GF-2类似的(蓝、绿、红、近红外)4波段遥感数据，如HJ-CCD(Zhang 等，2014)和GF-1(孙林 等，2016)的水体大气校正一直是一个难题。

与气溶胶散射的计算困难相反，瑞利散射计算比较简单，一般只需要以研究区大气压或者高程作为输入就可以计算得到(Vermote和Vermeulen，1999)，因此非常方便进行批处理和业务化应用。只要使用的水体光谱指数受气溶胶散射的影响比较小，那么瑞利散射校正反射率就可以很好的应用于水体研究。很多研究表明，FAI指数、NGRDI指数及PCI等光谱指数已经很好的应用于水华监测、叶绿素a反演及藻蓝素反演等应用(Hu，2009；Feng 等，2014；Qi 等，2014)。因此，本研究也尝试使用瑞利散射校正反射率，然后寻找受气溶胶散射影响比较小的光谱指数，实现黑臭水体的识别。

最后，用经几何校正和瑞利散射校正后的Rrc影像，作为融合前的影像。利用Gram-schmidt Pan Sharpening方法对多光谱影像和全色影像进行融合。对融合后的图像使用NDWI水体指数法进行水体提取，并使用ROI修改水体掩膜，剔除河流岸两边明显的混合像元，并对较为细小的河流进行补全。

3 黑臭水体光谱提取特征分析

为了寻找城市黑臭水体与一般水体的反射率光谱差异，将所采集的黑臭河流、一般水体遥感反射率光谱进行对比，并展示了现场照片，如图2所示。一般水体包括JulyHH6和SepHH16分别为2015年7月、2016年9月采集的浑河点位，SepP1为2016年9月采集的蒲河点位；黑臭水体包括JulyM2、SepSY16、SepSY23、OctSY01、OctSY18分别是2015年7月、2016年9月、2016年10月采集的满堂河、微山湖路附近、辉山明渠、丁香湖北部、细河黑臭水体点位。


图 2 一般水体和黑臭水体的反射率光谱及现场照片对比
Fig. 2 Comparison of reflectance spectra and field photographs of the ordinary water and the black-odor water

从图2可以看出，SY01和SepSY23黑臭水体颜色呈现较为浑浊的灰绿色，其遥感反射率与一般内陆水体的光谱相似，但遥感反射率整体较高(>0.015 sr–1)。OctSY18、M2、SepSY16黑臭水体呈现黑灰色，其遥感反射率整体偏低(<0.012 sr–1)。OctSY18、JulyM2、SepSY16在400—700 nm可见光范围内几乎没有特征峰和谷，在806 nm附近的反射峰特征也不是十分明显。OctSY01和SepSY23在400—580 nm波段范围内，两条反射率随波长的增加而逐渐上升，主要是由于黄色物质吸收和非色素颗粒物吸收共同作用形成的；在500—600 nm范围内，两条反射率都有一个平缓的峰，但比一般水体的峰要平缓很多；在600—700 nm范围，两条黑臭水体反射率仍然要比一般水体变化小，只是OctSY01在675 nm附近有明显的特征谷，表示叶绿素a在此处有明显的吸收峰，SepSY23在此附近没有明显的特征谷；在700 nm之后纯水吸收陡增使得反射率呈现陡降的特征；因在806 nm附近的特征峰，是由于该波长存在纯水的局部吸收谷，该波长处的反射率主要由总悬浮颗粒物的后向散射决定。一般水体通常呈现绿或浅绿色，2015年浑河是富营养化水体，JulyHH6的Chl-a含量为39.43 mg/m3，水体颜色呈现绿色。受浮游植物色素吸收特征的影响，JulyHH6反射率光谱在440 nm、675 nm、和620 nm附近的特征谷分别是由叶绿素a色素吸收和藻蓝蛋白色素吸收引起的，两色素吸收峰之间共同形成了550 nm、650 nm、700 nm附近的反射峰。蒲河富营养化状况一直很严重，SepP1的Chl-a含量为321.47 mg/m3，与JulyHH6具有同样的光谱特征。到了2016年浑河已消除富营养化状态，SepHH16的Chl-a含量为1.51 mg/m3，水体颜色呈现浅绿色，其Rrs受浮游植物色素吸收影响较小，在550 nm附近有一个明显的反射峰。

通过对比可以看出，不论是灰绿色的还是黑灰色的黑臭水体，其Rrs光谱都要比一般水体变化更为平缓，这个明显的光谱特征差异为利用高分卫星影像识别黑臭水体提供了理论基础。

为了研究适用于GF-2影像的黑臭水体识别模型，将一般水体和黑臭水体的Rrs参照GF-2的光谱响应函数等效为GF-2多光谱波段的反射率Rrs(eq)，如图3所示。


图 3 一般水体与黑臭水体等效后遥感反射率(Rrs(eq))对比
Fig. 3 Comparison of the equivalent remote sensing reflectance(Rrs(eq))of the ordinary water and the black-odor water

对比一般水体和黑臭水体Rrs(eq)可以看出：一般水体遥感反射率Rrs(eq)在485 nm蓝光波段和660 nm红光波段的值相似，555 nm处绿光波段明显高出蓝光波段和红光波段的很多，反射率变化十分明显；而对于黑臭水体来说，由于黑臭水体悬浮物浓度较高，使得红光波段明显高于蓝光波段，且仅低于绿光波段的值，反射率整体变化比较平缓，与一般水体Rrs(eq)有着明显的区别。

4 黑臭水体遥感识别算法

4.1 基于遥感反射率(Rrs)的黑臭水体遥感识别算法

利用一般水体和城市黑臭水体的不同的Rrs特征，增强两者之间的光谱差别可以区分城市黑臭水体和一般水体。温爽提出了波段比值法，选择绿波段和红波段遥感反射率差、和的归一化比值来识别城市黑臭水体。该公式为(温爽 等，2018)

$ {N_1} \leqslant \frac{{{R_{{\rm{rs}}}}({\rm{G}}) - {R_{{\rm{rs}}}}({\rm{R}})}}{{{R_{{\rm{rs}}}}({\rm{G}}) + {R_{{\rm{rs}}}}({\rm{R}})}} \leqslant {N_2} $ (4)

式中，Rrs(G)为绿光波段的遥感反射率，Rrs(R)为红光波段的遥感反射率，N1和N2为阈值。并选取N1=0.06，N2=0.115作为判别一般水体和黑臭水体的阈值。

本文同样利用了在绿光波段到红光波段之间，一般水体变化较快而黑臭水体变化不明显这一光谱特征差别。与温爽等人(2018)不同的是，本文的黑臭水体样本不仅包括较低反射率的黑臭水体，还包括反射率较高的浑浊的黑臭水体。利用两种黑臭水体的共同光谱特征，选择绿波段与红波段的反射率差值作为分子，采用可见光3个波段作为分母，提出了一种改进后的归一化比值模型BOI(Black and Odorous water Index)模型

$ {\rm{BOI}} = \frac{{R_{\rm{rs}}({\rm G}) - R_{\rm{rs}}({\rm R})}}{{R_{\rm{rs}}({\rm B}) + R_{\rm{rs}}({\rm G}) + R_{\rm{rs}}({\rm R})}} \leqslant T $ (5)

式中，Rrs(B)为蓝光波段的遥感反射率，Rrs(G)为绿光波段的遥感反射率，Rrs(R)为红光波段的遥感反射率，T为阈值。

为了确定阈值，将96个实测点的数据经过GF-2影像的等效计算后，筛选64个实测点(2/3个样本点)带入黑臭识别模型得到阈值；其余32个实测点(1/3个样本点)进行检验。64个样本点其中包括黑臭水体样本数为32个，一般水体的样本数为32个，黑臭水体样本的BOI指数的范围在–0.05—0.06，一般水体样本的识别指数的范围在0.068—0.24。如图4(a)所示，可以确立基于实测Rrs的阈值为0.065，这一阈值可以很好的区分黑臭水体和一般水体。同时将温爽提出的模型(温爽 等，2018)带入沈阳市的数据中，如图4(b)中所示，两条红线为其文章中给出的阈值，红线之间为黑臭水体，红线之外为一般水体，可以明显看出，该算法给出的阈值无法明显区分沈阳市的黑臭水体与一般水体。同时修改其阈值为0.09，假设认为小于该阈值的都被判别为黑臭水体，如图4(b)中黑线所示，图中在个别点不能很好地区分黑臭水体与一般水体，而使用BOI指数，这些点可以被区分出来。所以使用可见光3个波段之和替代两个绿红波段之和作为归一化值，可以增加黑臭水体与一般水体的可分性，更好的对两者进行区分。


图 4 BOI(Rrs)指数阈值的确定并与其他算法进行对比
Fig. 4 Determining the threshold of the BOI(Rrs)index and comparing with other algorithms

4.2 基于瑞利散射校正反射率(Rrc)的黑臭水体遥感识别算法

4.1节构建了基于遥感反射率Rrs的黑臭识别算法，应用于卫星遥感图像时，要求对图像进行精确的大气校正得到Rrs。但是，如2.3节所述，业务化的黑臭水体卫星遥感监测要求精确大气校正过程中基于卫星图像自身反演气溶胶信息，但是GF-2缺少常用于反演气溶胶信息的两个近红外或短波红外波段。因此，我们尝试利用简化的大气校正得到的瑞利散射校正反射率Rrc代替Rrs，来构建黑臭水体遥感识别算法。

为了构建基于Rrc的黑臭水体遥感识别算法，首先要获取黑臭水体和普通水体的Rrc数据，为此，我们基于大气辐射传输模型模拟的方法基于黑臭水体和普通水体的Rrs计算Rrc，计算公式如下(Feng 等，2014)

$ R_{\rm{rc}} = \rho _{\rm{a }} + {t}_0 \times t \times {\text{π}} \times R_{\rm{rs}} $ (6)

式中，ρa代表气溶胶散射和气溶胶与瑞利之间的交叉散射，t0是从太阳到目标的总的漫射透过率，t是从目标到遥感器的总的漫射透过率。

式(6)中的ρa、t0、t都可以利用大气辐射传输模型6SV计算得到。将550 nm处气溶胶光学厚度AOT(550)分别设为0.1、0.3、0.5、0.7，基于6SV模型计算分别对应的ρa、t0、t参数；然后选择20个黑臭水体样本和20个一般水体样本的Rrs，代入式(6)，就计算得到对应的Rrc。进一步利用Rrs和对应的Rrc计算各自的BOI(Rrs)和BOI(Rrc)，其散点图如图5所示。


图 5 BOI(Rrs)与BOI(Rrc)的相关关系
Fig. 5 Correlation between BOI(Rrs)and BOI(Rrc)

结果表明，一方面BOI(Rrs)与BOI(Rrc)具有较好的相关性，R2=0.69，可以用Rrc替代Rrs用于识别黑臭水体；另一方面，通过两者关系可以确定基于Rrc的BOI指数的阈值。通过对比可以看出，随着气溶胶光学厚度的逐渐增大，黑臭水体和一般水体的BOI指数值的差距会逐渐缩小。当AOT=0.7的时候，对应的大气能见度大约是5.7 km，此时图像已经会比较模糊；当AOT≤0.5的时候，对应的大气能见度优于8.4 km，此时的图像会更清晰。因此，基于瑞利散射校正反射率的BOI指数主要适用于那些比较清晰的遥感图像。实际上，对于气溶胶比较大，比较模糊的图像，地物的光谱差异就会被大气干扰，用别的方法提取黑臭的效果也不会很好。所以只有当气溶胶光学厚度控制在一定范围内(如AOT(550)≤0.5)，该黑臭识别指数才会有很好的适用性。经过反复对比，基于Rrc的阈值设为0.05可以区分大部分黑臭水体和一般水体，但是会有黑臭水体漏提的可能。

4.3 黑臭水体遥感识别精度评价方法

采用3种方法来评价本文发展的黑臭水体遥感识别方法的精度和可靠性。首先，将该方法应用于水面实测光谱等效为GF-2波段的数据来识别黑臭水体，然后利用同步水质测量数据对识别结果进行精度评价。精度评价指标采用识别正确率

$ {\text{识别正确率}}=\frac{M}{N} \cdot 100\text{% } $ (7)

式中，N表示该类别中的总样本个数，M表示采用模型后识别正确的样本个数。其次，将该方法应用于1景有同步水质实测数据的GF-2图像，然后利用同步水质实测数据对识别结果进行精度评价，仍然使用识别正确率作为评价指标。最后，我们将该方法应用于多景没有同步水质实测数据的GF-2图像，用来检验方法的稳定性。

5 黑臭水体遥感识别结果精度评价

5.1 基于光谱等效数据的黑臭水体识别精度评价

使用32个实测点(1/3个样本点)来评价BOI指数的精度。如图6(a)所示，这其中包括18个黑臭水体样本和14个一般水体的样本，黑臭水体样本的BOI范围大概在–0.045—0.061，一般水体样本的BOI范围在0.08—0.2。采用阈值0.065，识别正确率为100%，没有误判的情况，具有很好的精度。这是因为首先本研究是利用实测光谱等效后的遥感反射率识别黑臭水体，实测光谱受岸边、大气等影响特别小；其次实测光谱选择的站位的都是比较确定的黑臭水体和普通水体，而且沈阳市黑臭水体较为典型，黑臭水体光谱与一般水体光谱区别性很大，所以可以很好的区分。然后将温爽等人(2018)提出的模型温爽及修改后的阈值0.09带入验证数据中，如图6(b)中所示，识别正确率为96.8%，精度同样较高。


图 6 基于Rrs的BOI指数的精度验证并于其他算法进行对比
Fig. 6 Accuracy testing of BOI index based on Rrs and comparing with other algorithms

5.2 基于有同步实测数据的GF-2影像黑臭水体识别精度评价

将以上方法应用于2016-09-19 10:58:00获取的GF-2 PMS1影像，提取出黑臭水体，如图7所示。卫星过境当日天气晴朗，实测AOT(550)=0.35。同步过境(±2小时内)的14个采样点，包括7个黑臭水体(图7a)，7个一般水体(图7(b))，对两者的Rrc进行对比。可以看出黑臭水体的Rrc在绿波段到红波段之间依然保持原有平缓的状态；而一般水体Rrc在绿波段到红波段依然保持下降的状态；蓝波段的反射率在两种水体中都有偏高的趋势。对同步过境区域进行黑臭识别指数的计算，阈值设置为0.05，根据图7(c)可以看出，辉山明渠整条河流都被判别为黑臭水体。根据图7(a)和7(b)中的反射率，计算水体BOI指数(图7(d))可以看出，辉山明渠和浑河的BOI值可以明显分出一般水体和黑臭水体。


图 7 同步过境采样点的Rrc反射率光谱及其黑臭水体识别结果及验证
Fig. 7 The Rrc spectra of simultaneous transit sampling points and black-odor water identification results and validation

5.3 基于多景无同步实测数据GF-2影像的黑臭水体识别可靠性评价

为了进一步证明BOI指数的有效性，将BOI指数应用于多景GF-2的影像中。选取两景当日天气晴朗的GF-2影像(2015-05-10和2016-06-02)，利用本文提出的BOI模型法提取黑臭水体，识别结果如图8所示。2015年5月辉山明渠、满堂河、新开河以及浑河南部的支流玄菟路附近都被识别为黑臭水体；到了2016年6月，黑臭情况有所改善，新开河黑臭河段长度明显变短，浑河南部支流也得到改善；到了2016年9月，满堂河和新开河黑臭现象基本消失，这与政府的整治监管有着直接的联系。


图 8 沈阳市遥感识别黑臭水体多时序分析
Fig. 8 The temporal variation and analysis of remote sensing identification of black-odor water in Shenyang city

6 结　论

根据研究的沈阳市黑臭水体的遥感识别及监测，得到以下结论：

(1)城市黑臭水体常表现为灰绿色和黑灰色，其遥感反射率Rrs光谱在绿光—红光波段变化都要比一般水体变化更为平缓。根据这个光谱特征差异，本文提出了一种基于光谱指数BOI的黑臭水体识别模型，用于从一般水体中识别黑臭水体。

(2)基于遥感反射率Rrs计算的BOI小于阈值0.065时，可判为黑臭水体。

(3)GF2的精确大气校正较难实现，因此瑞利散射校正反射率Rrc代替Rrs，BOI小于阈值0.05时，可判别为黑臭水体；同时模拟证明，当气溶胶光学厚度逐渐增大时，黑臭水体与一般水体的光谱差异将逐渐减小，因此这种方法主要适用于比较清晰的图像、气溶胶光学厚度比较小(如AOT(550)≤0.5)。

(4)基于Rrc的BOI模型可以很好的应用于GF2图像上，具有较好的识别精度，应用于多时序的影像中，对2015年—2016年3景GF2影像提取的黑臭水体结果显示，发现到2016年9月，满堂河和新开河黑臭现象基本消失，辉山明渠黑臭现象依然严峻。

(5)利用沈阳市光谱数据，将本文提出的BOI模型与红绿波段比值模型进行对比，BOI模型具有更高的黑臭水体识别精度。

(6)本文发展的黑臭水体遥感识别算法主要是基于沈阳黑臭水体的光谱特征，并且仅在沈阳市进行了验证，将来还需在其他城市进一步验证。并且本文研究区采集的黑臭水体较为浑浊，水体透明度极低，反射率基本未受水底泥质的影响，将来的研究中需要充分的考虑多种因素对水体反射率的影响。

参考文献(References)

  • Bai Y, He X Q, Pan D L, Zhu Q K and Gong F. 2009. The black water around the Changjiang (Yangtze) Estuary in the spring of 2003. Acta Oceanologica Sinica, 28 (4): 23–31.
  • Chen S J and Zhang C. 2002. Analysis on the black-odor of Songhua river in Harbin. Science and Technology Information (8): 69 ( 陈世军, 张谌. 2002. 松花江哈尔滨江段黑臭现象分析. 黑龙江科技信息 (8): 69 )
  • China Centre for Resource Satellite Data and Application. 2014. GF-2[EB/OL]. (2014-10-15) [2017-04-05]. http://www.cresda.com/CN/Satellite/3128.shtml (中国资源卫星应用中心. 2014. 高分二号[EB/OL]. (2014-10-15) [2017-04-05]. http://www.cresda.com/CN/Satellite/3128.shtml)
  • China Centre for Resource Satellite Data and Application. 2016. Calibration[EB/OL]. (2016-10-10) [2017-04-05]. http://www.cresda.com/CN/Downloads/dbcs/10506.shtml (中国资源卫星应用中心. 2016. 定标系数[EB/OL]. (2016-10-10) [2017-04-05]. http://www.cresda.com/CN/Downloads/dbcs/10506.shtml)
  • Duan H T, Ma R H, Loiselle S A, Shen Q S, Yin H B and Zhang Y C. 2014. Optical characterization of black water blooms in eutrophic waters. Science of the Total Environment, 482–483 : 174–183. [DOI: 10.1016/j.scitotenv.2014.02.113]
  • Feng L, Hu C M, Han X X, Chen X L and Qi L. 2014. Long-term distribution patterns of chlorophyll-a concentration in China’s largest freshwater lake: meris full-resolution observations with a practical approach. Remote Sensing, 7 (1): 275–299. [DOI: 10.3390/rs70100275]
  • Gordon H R. 1997. Atmospheric correction of ocean color imagery in the earth observing system era. Journal of Geophysical Research: Atmospheres, 102 (D14): 17081–17106. [DOI: 10.1029/96JD02443]
  • Gordon H R and Wang M H. 1994. Retrieval of water-leaving radiance and aerosol optical thickness over the oceans with seawifs: a preliminary algorithm. Applied Optics, 33 (3): 443–452. [DOI: 10.1364/AO.33.000443]
  • Hu C M. 2009. A novel ocean color index to detect floating algae in the global oceans. Remote Sensing of Environment, 113 (10): 2118–2129. [DOI: 10.1016/j.rse.2009.05.012]
  • Hu C M, Hackett K E, Callahan M K, Andréfouët S, Wheaton J L, Porter J W and Muller-Karger F E. 2003. The 2002 ocean color anomaly in the Florida Bight: a cause of local coral reef decline?. Geophysical Research Letters, 30 (3): 51-1–51-4. [DOI: 10.1029/2002GL016479]
  • Jia Y H, Liu Y, Zhao H and Jia L Y. 2007. The study and application of integrated pollution control technology in south canal in Shenyang. Jiangsu Environmental Science and Technology, 20 (4): 27–30. [DOI: 10.3969/j.issn.1674-4829.2007.04.009] ( 贾玉鹤, 刘阳, 赵虹, 贾丽艳. 2007. 综合治理技术在沈阳南运河污染防治中的研究应用. 江苏环境科技, 20 (4): 27–30. [DOI: 10.3969/j.issn.1674-4829.2007.04.009] )
  • Jin H X and Pan J. 2017. Urban black-odor water body remote sensing monitoring based on GF-2 satellite data fusion. Scientific and Technological Management of Land and Resources, 34 (4): 107–117. [DOI: 10.3969/j.issn.1009-4210.2017.04.013] ( 靳海霞, 潘健. 2017. 基于高分二号卫星融合数据的城镇黑臭水体遥感监测研究. 国土资源科技管理, 34 (4): 107–117. [DOI: 10.3969/j.issn.1009-4210.2017.04.013] )
  • Kutser T, Pierson D C, Kallio K Y, Reinart A and Sobek S. 2005. Mapping lake CDOM by satellite remote sensing. Remote Sensing of Environment, 94 (4): 535–540. [DOI: 10.1016/j.rse.2004.11.009]
  • Kutser T, Tranvik L and Pierson D C. 2009. Variations in colored dissolved organic matter between boreal lakes studied by satellite remote sensing. Journal of Applied Remote Sensing, 3 (1): 033538 [DOI: 10.1117/1.3184437]
  • Kutser T, Paavel B, Verpoorter C, Ligi M, Soomets T, Toming K and Casal G. 2016. Remote sensing of black lakes and using 810 nm reflectance peak for retrieving water quality parameters of optically complex waters. Remote Sensing, 8 (6): 497 [DOI: 10.3390/rs8060497]
  • Li K M, Liu J, Jiang D and Liu B. 2005. Bioremediation and management of the Guliao River. Chinese Journal of Applied and Environmental Biology, 11 (6): 742–746. [DOI: 10.3321/j.issn:1006-687X.2005.06.020] ( 李开明, 刘军, 江栋, 刘斌. 2005. 古廖涌黑臭水体生物修复及维护试验. 应用与环境生物学报, 11 (6): 742–746. [DOI: 10.3321/j.issn:1006-687X.2005.06.020] )
  • Li X L, Zhang P C and Yu H C. 2003. Analysis on black color and odor of Weigong River in Shenyang. Environmental Protection Science, 29 (5): 27–28. [DOI: 10.16803/j.cnki.issn.1004-6216.2003.05.009] ( 李相力, 张鹏程, 于洪存. 2003. 沈阳市卫工河黑臭现象分析. 环境保护科学, 29 (5): 27–28. [DOI: 10.16803/j.cnki.issn.1004-6216.2003.05.009] )
  • Ministry of Housing and Urban-Rural Development. 2015. Urban black odor water remediation work guide. (住房和城乡建设部. 2015. 环境保护部关于印发城市黑臭水体整治工作指南的通知. [2017-04-25]. http://www.mohurd.gov.cn/wjfb/201509/t20150911_224828.html)
  • Ministry of Housing and Urban-Rural Development and Ministry of Environmental Protection. 2016. National urban black-odor water regulation platform. (住房和城乡建设部, 环境保护部. 2016. 全国城市黑臭水体整治监管平台. [2017-07-27] http://gz.hcstzz.com)
  • Mobley C D. 1999. Estimation of the remote-sensing reflectance from above-surface measurements. Applied Optics, 38 (36): 7442–7455. [DOI: 10.1364/AO.38.007442]
  • Pucciarelli S, Buonanno F, Pellegrini G, Pozzi S, Ballarini P and Miceli C. 2008. Biomonitoring of Lake Garda: identification of ciliate species and symbiotic algae responsible for the " black-spot” bloom during the summer of 2004. Environmental Research, 107 (2): 194–200. [DOI: 10.1016/j.envres.2008.02.001]
  • Qi L, Hu C M, Duan H T, Cannizzaro J and Ma R H. 2014. A novel meris algorithm to derive cyanobacterial phycocyanin pigment concentrations in a eutrophic lake: theoretical basis and practical considerations. Remote Sensing of Environment, 154 : 298–317. [DOI: 10.1016/j.rse.2014.08.026]
  • Rixen T, Baum A, Pohlmann T, Balzer W, Samiaji J and Jose C. 2008. The Siak, a tropical black water river in Central Sumatra on the verge of anoxia. Biogeochemistry, 90 (2): 129–140. [DOI: 10.1007/s10533-008-9239-y]
  • Rixen T, Baum A, Sepryani H, Pohlmann T, Jose C and Samiaji J. 2010. Dissolved oxygen and its response to eutrophication in a tropical black water river. Journal of Environmental Management, 91 (8): 1730–1737. [DOI: 10.1016/j.jenvman.2010.03.009]
  • Rusch A, Töpken H, Böttcher M E and Höpner T. 1998. Recovery from black spots: results of a loading experiment in the Wadden Sea. Journal of Sea Research, 40 (3–4): 205–219. [DOI: 10.1016/S1385-1101(98)00030-6]
  • Sun L, Yu H Y, Fu Q Y, Wang J, Tian X P and Mi X T. 2016. Aerosol optical depth retrieval and atmospheric correction application for GF-1 PMS supported by land surface reflectance data. Journal of Remote Sensing, 20 (2): 216–228. [DOI: 10.11834/jrs.20165052] ( 孙林, 于会泳, 傅俏燕, 王健, 田信鹏, 米雪婷. 2016. 地表反射率产品支持的GF-1 PMS气溶胶光学厚度反演及大气校正. 遥感学报, 20 (2): 216–228. [DOI: 10.11834/jrs.20165052] )
  • Tang J W, Tiang G L, Wang X Y, Wang X M and Song Q J. 2004. The methods of water spectra measurement and analysis I: above-water method. Journal of Remote Sensing, 8 (1): 37–44. [DOI: 10.11834/jrs.20040106] ( 唐军武, 田国良, 汪小勇, 王晓梅, 宋庆君. 2004. 水体光谱测量与分析Ⅰ: 水面以上测量法. 遥感学报, 8 (1): 37–44. [DOI: 10.11834/jrs.20040106] )
  • The State Council. 2015. Action plan of water pollution prevention. (国务院. 2015. 水污染防治行动计划的通知. [2017-09-28] http://www.gov.cn/zhengce/content/2015-04/16/content_9613.htm)
  • Vermote E F and Vermeulen A. 1999. Atmospheric Correction Algorithm: Spectral Reflectances (MOD09) Version 4.0. [s.l.]: NASA contract NAS5-96062.
  • Wang M H and Shi W. 2007. The NIR-SWIR combined atmospheric correction approach for MODIS ocean color data processing. Optics Express, 15 (24): 15722–15733. [DOI: 10.1364/OE.15.015722]
  • Wen S, Wang Q, Li Y M, Zhu L, Lü H, Lei S H, Ding X L and Miao S. 2018. Remote sensing identification of urban black-odor water bodies based on high-resolution images: a case study in Nanjing. Environmental Science, 39 (1): 57–67. [DOI: 10.13227/j.hjkx.201703264] ( 温爽, 王桥, 李云梅, 朱利, 吕恒, 雷少华, 丁潇蕾, 苗松. 2018. 基于高分影像的城市黑臭水体遥感识别: 以南京为例. 环境科学, 39 (1): 57–67. [DOI: 10.13227/j.hjkx.201703264] )
  • Ying T L, Zhang G Y and Wu X X. 1997. The mechanism of blackening and stink and effects of resuspended sediments on Suzhou Creek water quality. Shanghai Environmental Sciences, 16 (1): 23–26. ( 应太林, 张国莹, 吴芯芯. 1997. 苏州河水体黑臭机理及底质再悬浮对水体的影响. 上海环境科学, 16 (1): 23–26. )
  • Zhang M W, Tang J W, Dong Q, Duan H T and Shen Q. 2014. Atmospheric correction of HJ-1 CCD imagery over turbid lake waters. Optics Express, 22 (7): 7906–7924. [DOI: 10.1364/OE.22.007906]
  • Zhang Y L, Shi K, Liu J J, Deng J M, Qin B Q, Zhu G W and Zhou Y Q. 2016. Meteorological and hydrological conditions driving the formation and disappearance of black blooms, an ecological disaster phenomena of eutrophication and algal blooms. Science of the Total Environment, 569–570 : 1517–1529. [DOI: 10.1016/j.scitotenv.2016.06.244]
  • Zhao S T, Lin J W, Wang Y G, Dong Y H, Li H B, Zhang P and Xie D Q. 2014. Evaluation and countermeasures to be taken to treat the polluted water of the middle and upper reaches of Shenyang Huishan Channel. Journal of Safety and Environment, 14 (4): 267–271. [DOI: 10.13637/j.issn.1009-6094.2014.04.058] ( 赵士彤, 林静雯, 王英刚, 董怡华, 李海波, 张鹏, 谢东青. 2014. 沈阳辉山明渠中上游污染水质评价及整治对策. 安全与环境学报, 14 (4): 267–271. [DOI: 10.13637/j.issn.1009-6094.2014.04.058] )
  • Zou L, Zhang B, Li J S, Shen Q, Zhang F F and Wang G L. 2014. A study on retrieval algorithm of black water aggregation in Taihu Lake based on HJ-1 satellite images. IOP Conference Series: Earth and Environmental Science, 17 (1): 012100 [DOI: 10.1088/1755-1315/17/1/012100]
数据专区
  • 目录 目录
  • 文章信息 文章信息
  • 引用格式 引用格式
  • 地图 地图
  • 评论 评论
  • 图 图
  • 表 表
  • 二维码 二维码
  • 参考文献 参考文献
  • 多媒体 多媒体