出版日期: 2019-07-25
点击次数：
下载次数：
DOI: 10.11834/jrs.20197292
2019 | Volumn23 | Number 4
上一篇  |  下一篇
遥感应用 
太原市黑臭水体遥感识别与地面验证
expand article info 李佳琦1,2 , 李家国1 , 朱利3 , 申茜1 , 戴华阳2 , 朱云芳1,2
1. 中国科学院遥感与数字地球研究所，北京 100101
2. 中国矿业大学(北京) 地球科学与测绘工程学院，北京 100083
3. 环境保护部卫星环境应用中心，北京 100094
收稿日期: 2017-08-07; 预印本: 2018-03-21
基金项目: 国家科技重大专项(编号：2017ZX07302003)；科技部重点研发项目(编号：2017YFB0503900)；高分辨率对地观测系统重大专项(编号：11-Y20A32-9001-15/17)
第一作者简介: 李佳琦，1994年生，女，硕士研究生，研究方向为水环境遥感监测应用。E-mail：lijiaqi_wrs@163.com
通信作者简介: 李家国，1982年生，男，副研究员，研究方向为传感器辐射定标与校正、水环境遥感监测、遥感大数据快速处理。E-mail：jacoli@126.com

摘要

城市黑臭水体整治是城市水环境治理的一项重要工作。本文通过构建黑臭水体遥感识别模型，解决城市黑臭水体整治过程中黑臭水体的识别问题，实现城市黑臭水体空间分布快速定位与排查。通过分析黑臭水体形成机理和试验数据，从光谱特征上构建反映水体清洁程度的光谱指数(WCI)，从图像特征上构建水体颜色、次生环境、河道淤塞、岸边带垃圾堆放等解译标志，综合光谱指数和解译标志共同进行黑臭水体遥感识别。利用该方法对太原市建成区内黑臭水体空间分布进行排查识别，共得到疑似黑臭河段14条，长度为52.530 km。经验证，除去断流影响外，遥感识别黑臭水体点位精度为92.86%，遥感识别黑臭河段长度精度为78.19%。在精度验证基础之上，进一步分析了黑臭水体遥感识别光谱指数和各项解译标志在黑臭识别中所占的权重，其中光谱指数和水体颜色二者权重最大，分别占29.60%和27.10%，是构成遥感识别黑臭水体的主要特征标志。通过两时相影像识别结果比对表明，WCI指数能够明显反应黑臭水体变化特征。因此，利用本文方法进行城市黑臭水体遥感识别具有很高的精度，在城市水环境整治过程中具有重要的应用价值。

关键词

黑臭水体, 遥感识别, 水体清洁指数, 解译标志, 太原市, WCI

Remote sensing identification and validation of urban black and odorous water in Taiyuan city
expand article info LI Jiaqi1,2 , LI Jiaguo1 , ZHU Li3 , SHEN Qian1 , DAI Huayang2 , ZHU Yunfang1,2
1.Institute of Remote Sensing Application and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China
2.College of Geoscience and Surveying Engineering, China University of Mining & Technology (Beijing), Beijing 100083, China
3.Satellite Environment Center, Ministry of Environmental Protection, Beijing 100094, China

Abstract

Treatment of urban black and odorous water is important in the control of urban water environment. A remote sensing recognition model of black and odorous water bodies was constructed in this study to identify the affected water bodies for treatment, determine their location, and investigate their space distribution. On the basis of the analysis of formation mechanism of black and odorous water and test data, we constructed a spectrum index called water cleanliness index (WCI) from spectrum characteristics to reflect water cleanliness. We also established interpretation signs from image characteristics, such as water color, secondary environment, river silting, and riparian garbage stacking. Combination of the spectral index and interpretation signs could be used to identify black and odorous water bodies. The proposed method was used to identify the space distribution of black and odorous water bodies in the built-up area of Taiyuan. A total of 14 black and odorous river sections with a length of 52.530 km were obtained. The point accuracy of remote sensing identification of black and odorous water bodies was 92.86%, and the river accuracy of remote sensing identification of black and odorous water bodies was 78.19% without the effects of dried-up rivers. The weights of the spectral index and interpretation signs in the remote sensing identification of black and odorous water bodies were analyzed on the basis of the results of black and odorous river sections. The spectral index and water color had the largest weights among them with 29.60% and 27.10%, respectively. Both of them constituted the main characteristics of remote sensing identification of black and odorous water bodies. Comparison of the results of the two-phase remote sensing image recognition showed that WCI could significantly reflect the change characteristics of black and odorous water bodies. Therefore, this method has high precision in recognizing urban black and odorous water bodies by remote sensing and can be applied in the control of urban water environment.

Key words

black and odorous water, remote sensing identification, water cleanliness index, interpretation symbol, Taiyuan city, WCI

1 引　言

城市河流是城市景观、生态环境和海绵城市的重要组成部分，在城市发展过程中已逐渐成为城市形象的名片。然而，随着城市扩展和工业化的发展，许多重要的城市河流受到了人类越来越多的干扰，河流水质逐步恶化形成黑臭水体。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的统称(中华人民共和国住房和城乡建设部和中华人民共和国环境保护部，2015)。自19世纪以来，国内外诸多城市河流均发生水体黑臭现象。国外河流如伦敦的泰晤士河、德国的莱茵河、美国的特拉华河和芝加哥河均成为污染严重的河流。中国城市黑臭水体现象也已成为普遍存在的问题之一，并且南北方城市均出现季节性或常年性的河流黑臭现象。南方城市如深圳的布吉河、宁波的内河、苏州的外城河、南京的秦淮河、佛山的汾江等黑臭现象十分突出，同时北方城市如沈阳的南运河、松花江哈尔滨段、汾河太原段、嫩江齐齐哈尔段等也出现了不同程度的黑臭现象(http://kns.cnki.net/KCMS/detail/detail.aspx?dbcode=CJFQ&dbname=CJFDLAST2015&filename=HJJI2015Z3037&v=MTQ2NzhNMUZyQ1VSTE9mWStadUZ5M25VNzNQTFNmQlo3RzRIOVNtckk5R1k0UjhlWDFMdXhZUzdEaDFUM3FUclc=[2018-08-07])。

河流黑臭对城市环境和居民生活均造成多方面的不利影响，不仅危及城市生活用水安全、影响城市生态环境安全和城市形象，而且黑臭水体的恶臭对人类的呼吸系统、循环系统、消化系统都有不良影响，危害到市民的身体健康。因此，控制和治理城市河道水体污染、整治河道黑臭已经刻不容缓。2015年国务院颁布的《水污染防治行动计划》(“水十条”)明确提出城市黑臭水体整治要求及目标“到2015年底前，地级及以上城市建成区应完成水体排查，公布黑臭水体名称”。由于黑臭水体具有季节性、分散性等特征，利用地面监测手段难以快速获取大范围黑臭现状，利用遥感手段辅助城市黑臭水体识别与整治具有大范围、快速等优势，已成为2016年度中国遥感领域十大事件之一(中国科学院遥感与数字地球研究所，2017)。

由于卫星遥感技术在城市黑臭水体应用方面尚未成熟，相关的模型和方法均处于探索阶段，其应用的深度还依赖于对黑臭水体遥感影像光谱特征及图像特性的分析。国外学者对黑臭水体的研究主要集中在不同黑臭水体形成机理以及黑臭水体评价方法等方面(Sugiura 等，2004；Kutovaya和Watson，2014；Canfield 等，1984)，属于生物化学领域，尚未提出如何利用遥感手段进行黑臭水体识别研究。国内早期相关研究主要通过对水质参数进行定量反演，从而判别水体污染程度，如马跃良等(2003)利用TM (Thematic Mapper)数据，建立TM各波段灰度值与综合污染指数之间的回归关系，定量化预测水质污染指数；王云鹏等(2001)分析了不同水质水体可见光—近红外光谱与水质指标的关系，并通过对遥感影像进行对数变换、HIS(Hue、Intensity、Saturation)变换、KL(Karhunen-Loeve)变换、密度分割、图像分类处理，区分污染水体。姚俊等(2003)利用彩色红外影像和热红外遥感影像从图像特征和光谱特征分析了苏州河水体污染状况和历史原因。近期，Wang等(2014)、Duan等(2014)对“黑水团”形成机理及光学特性进行了分析研究；温爽等(2018)通过黑臭水体光谱特征分析，利用GF2影像构建了南京市黑臭水体识别模型，即波段阈值法、比值法和差值法；曹红业等(2017)基于实测遥感反射率构建了北京市黑臭水体识别饱和度法和光谱指数法，定量分析黑臭水体水质参数与黑臭水体指数之间的相关性。黑臭水体形成原因及遥感特征具有较强的区域关联性，上述研究主要集中在一线大都市，如南京和北京等，而在北方以工业为主导的省会城市，如太原市等尚未开展相关研究。因此本文基于国产高空间分辨率GF1卫星影像，以太原市建成区为研究区，分析黑臭河段的空间解译特征和水体光谱特征，构建黑臭水体遥感识别指标体系，并进行黑臭水体遥感识别，通过实地测量试验验证黑臭水体遥感识别精度，并分析该体系各项指标所占比重。通过两期影像比对，分析黑臭水体变化特征，以期进一步补充完善城市黑臭水体遥感识别理论方法与技术体系。

2 研究区概况及遥感数据预处理

2.1 研究区概况

太原市位于山西省境中央，太原盆地的北端，华北地区黄河流域中部，东、西、北3面环山，中、南部为河谷平原，整个地形北高南低呈簸箕形。地理坐标为东经111°30′—113°09′，北纬37°27′—38°25′。太原市建成区轮廓呈蝙蝠形，东西横距约144 km，南北纵约107 km。太原市水系较少，主要水系为黄河第2大支流——汾河，自北向南横贯太原市全境，支流较多，流量较小，均匀分布于太原市各个行政区。太原市属于温带半干旱季风性气候，太阳日照充足，全年降水量450 mm左右，降雨量少，多日照少降雨的气候环境为河流黑臭提供了适宜的条件。此外，太原市属于重工业基地，工业排污严重，随着人口密度不断增加，太原市市内河流大多受到工业废水和生活污水的影响，纳污严重，再加上多日照，少降雨气候环境，河流黑臭问题相当严重。太原市地区干旱，河流流量小，流动性差，降雨量小，且河流持续不断地接收生活废水和工业污水，因此河流自净能力远抵不过水体污染速率，大多数黑臭河流为常年性黑臭。在夏季，由于降雨量的增加，河流流量相对较大，部分河流污染程度被稀释，黑臭程度有所缓解；但是在冬季，太原市河流接纳的几乎全是生活与工业污水，黑臭程度十分严峻(周文瑞，2006)。因此，本文以太原市为例进行北方干旱城市河流黑臭问题研究。

2.2 遥感数据预处理

高分一号(GF-1)卫星发射于2013年4月26日，是中国第一颗高分辨率对地观测系统卫星。该卫星搭载两台2 m分辨率全色和8 m分辨率多光谱相机PMS(Panchromatic and Multi spectral)，4台16 m分辨率多光谱相机WFV(Wide Field of View)。本文选择以2 m分辨率全色、8 m分辨率多光谱影像为数据源进行黑臭水体遥感识别研究，相关成像参数见表1。

表 1 GF-1 PMS波谱范围
Table 1 The spectral range of GF-1 PMS

下载CSV 
波段号 波谱范围/nm 空间分辨率/m 回归周期/天
全色 Pan 450—900 2 41
多光谱 Band1(蓝) 450—520 8
Band2(绿) 520—590
Band3(红) 630—690
Band4(近红外) 770—890

通过目视判别，并结合获取时间、太阳光照条件等因素，选取覆盖研究区无云或少云的影像，最终筛选4景2016年4月14日和4景2016年10月16日GF-1 PMS数据作为研究对象，并对其进行数据预处理，主要包括正射校正、辐射定标、大气校正、图像融合等。

(1)正射校正。几何校正是为了消除因传感器本身、地球曲率等因素造成的几何畸变，而正射校正除此之外还纠正因地形起伏而产生的畸变，通过GF-1影像自带的RPC(Rational Polynomial Coefficient)文件分别对多光谱、全色影像进行正射校正。

(2)辐射定标与大气校正。辐射定标是将图像的数字量化值DN(Digital Number)转化为辐亮度数据。辐射定标公式如式(1)

$ {L_e}({l_e}) = {\rm{Gain}} \times {\rm{DN}} + {\rm{Offset}} $ (1)

式中， ${L_e}({l_e})$ 为定标后辐亮度，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。研究数据所用绝对辐射定标系数由中国资源卫星应用中心提供，具体参数见表2，其中PMS1和PMS2均为GF1卫星搭载的两台全色、多光谱相机。

表 2 2016年GF-1 PMS绝对辐射定标系数
Table 2 Absolute radiometric calibration factor of GF-1 PMS in 2016

下载CSV 
传感器 波段 Gain Offset
GF-1 PMS1 Pan 0.1982 0
Band1 0.2110 0
Band2 0.1802 0
Band3 0.1806 0
Band4 0.1870 0
GF-1 PMS2 Pan 0.1979 0
Band1 0.2240 0
Band2 0.1851 0
Band3 0.1793 0
Band4 0.1863 0

在传感器接收的大气顶层总信号中，80%—90%来源于大气散射，而带有水体信息的离水辐射信号不足10%(张兵 等，2012)。因此大气校正的目的就是从传感器接收的总信号中去除大气的影响，得到真正含有水体信息的反射率数据。本文利用ENVI的FLAASH大气校正模块对GF-1 PMS多光谱数据进行校正。根据影像经纬度、成像时间以及影像区域选取MLS大气模型(Mid-Latitude Summer)，以及城市(urban)气溶胶模型，在此基础上实现影像大气校正。

(3)图像融合。图像融合是将低空间分辨率的多光谱影像与高空间分辨率的单波段影像进行重采样生成一幅高空间分辨率的多光谱影像。NNDiffuse Pan Sharpening融合方法是专为高空间分辨率影像设计的，能够较好的保持图像的色彩、纹理和光谱信息(董崧 等，2017)，利用此方法进行太原市GF-1 PMS影像融合，融合前后结果对比如图1所示。由图1可看出，融合后的影像不仅提高了其空间分辨率，而且还较好的保留了原始影像的色彩、纹理等，更有利于对黑臭水体的遥感识别。


图 1 GF-1影像融合后对比
Fig. 1 Comparison of GF-1 images after Pan Sharpening

3 黑臭水体遥感识别方法

3.1 黑臭水体光谱识别WCI指数

2015年12月7日，太原市公布上报黑臭水体共17条。经现场人工初步核查，判定均为黑臭水体，通过走访黑臭水体周边居民，最终选取10条常年黑臭水体作为论文样本，如图2所示。在此基础上随机选取黑臭水体样本点(图2中圆点)，提取样本点的光谱信息，分析黑臭水体的光谱特征。一般水体选择样本为太原市清徐县的清泉湖和汾河二库水域，在样本区域内随机选择一般水体样本点(图2三角点)，提取一般水体样本点光谱信息。


图 2 黑臭水体样本与样本点空间分布
Fig. 2 The spatial distribution of sample black and odorous water and sample points

利用GF-1 PMS影像提取的黑臭水体与一般水体光谱特征如图3和图4所示，可以看出从波段1到波段2，黑臭水体反射率相对于一般水体反射率总体上升缓慢，斜率较小，而从波段2到波段3，黑臭水体反射率相对于一般水体反射率上升幅度较大，斜率相对较大。为进一步增强黑臭水体与一般水体波段斜率光谱特征差异，取1、2波段与2、3波段斜率比值作为遥感识别黑臭水体的光谱水体指数，即水体清洁指数WCI(Water Cleanliness Index)，如式(2)所示

${\rm{WCI}} = \frac{{|({b_2} - {b_1})/\Delta {{\textit{λ}}_{12}}|}}{{|({b_3} - {b_2})/\Delta {{\textit{λ}}_{23}}|}}$ (2)

式中， $\Delta {{\textit{λ}}_{12}} = {{\textit{λ}}_2}{\rm{ - }}{{\textit{λ}}_1}$ ， $\Delta {{\textit{λ}}_{23}} = {{\textit{λ}} _3}{\rm{ - }}{{\textit{λ}}_2}$ ； ${b_1}$ 、 ${b_2}$ 、 ${b_3}$ 分别为GF-1 PMS第1、2、3波段的反射率值； ${{\textit{λ}} _1}$ 、 ${{\textit{λ}} _2}$ 、 ${{\textit{λ}} _3}$ 分别为第1、2、3波段的中心波长。


图 3 黑臭水体光谱曲线
Fig. 3 Spectral curve of black and odorous water


图 4 一般水体光谱曲线
Fig. 4 Spectral curve of general water

黑臭水体样本和一般水体样本的清洁指数WCI计算结果如图5所示，由图5可看出，太原市一般水体的WCI光谱指数普遍明显高于黑臭水体，黑臭水体的WCI指数介于0.020—0.870，而一般水体的WCI指数均大于1。基于数理统计学的数值上下线分析原理，以黑臭水体样本点2倍标准差(2σ)作为不确定度，计算黑臭水体样本点WCI统计上限，结果为0.985，相关统计参数如表3所示。为便于应用和计算，本文选取1作为区分黑臭水体与一般水体的阈值。即当 $0 \leqslant {\rm{WCI}} \leqslant 1$ 时，可判别水体为黑臭水体；当 ${\rm{WCI}} > 1$ 时，可判别水体为一般水体。


图 5 黑臭水体与一般水体样本点清洁指数WCI分布
Fig. 5 The WCI distribution of black odor water samples and general water samples

表 3 黑臭水体样本点WCI指数统计
Table 3 The statistics of WCI index of black and odorous water samples

下载CSV 
均值µ 标准差σ µ+2σ
0.461 0.262 0.985

3.2 黑臭水体图像解译标志

国内外研究表明，黑臭水体主要是由有机污染物、腐殖质吸附致黑物质及底泥中放线菌大量繁殖引起的(徐明德 等，2008)。其本质是水体中有机物质在好氧微生物和厌氧细菌分解环境下的一种生物化学转化过程。当大量有机污染物进入水体后，好氧微生物的生化作用消耗了水体中大量的氧气，造成水体缺氧，随之厌氧细菌开始出现并大量繁殖，并对有机物污染物进行无氧分解(林培，2015)。有机物在腐败、分解和发酵的过程中会产生腐殖质、氨氮、硫化氢、甲烷和硫醇等多种发臭物质，同时水中铁、锰等重金属被还原，与水中的硫形成硫化亚铁等化合物。氨氮和硫化氢及其他带臭味易挥发的小分子物质逸出水面后进入大气，使水体发臭。基于黑臭水体形成机理，构建以下几项图像解译标志，用以辅助黑臭水体光谱识别指数进一步剔除误判水体，当河流WCI指数显示为疑似黑臭水体，但该河流不存在任何黑臭水体解译标志现象，则将该河段判定为一般水体。

(1)水体颜色。当氨氮、硫化氢等难溶于水的气体在上升过程中会携带污泥进入水相，形成大量吸附了FeS、MnS的带负电胶体的悬浮颗粒，使水体发黑(谢飞和吴俊锋，2016)。因此，水体颜色发黑、发灰是判断黑臭水体的一项重要标志(Canfield 等，1984)。

在PMS真彩色影像上，黑臭水体通常呈现黑色、灰黑色、灰绿色、褐色等颜色特征，而一般水体多为绿色、深绿色。如图6所示，矩形框内一般水体颜色为深绿色、绿色，而黑臭水体颜色为黑色、灰绿色。

(2)次生环境。由于大量的含氮、磷等无机物的生活及工、农业污水排放，造成水体富营养化，藻类大量生长，形成次生环境问题，过度消耗水中氧气，进而藻类因缺氧大量死亡、腐烂，引发黑水团(Duan 等，2014；Wang 等，2014)，使水体发生黑臭现象。这表明次生环境也是判断黑臭水体的一项潜在标志。

当水体爆发次生环境问题，最常见的主要有藻类大量繁殖形成水华、浮萍泛滥等，随着时间的推移，水体逐渐恶化，形成黑臭(孙淑雲 等，2016)。图7为浮萍泛滥并大量死亡后引发的水体黑臭现象。


图 6 一般水体与黑臭水体颜色比对
Fig. 6 Color comparison between general water and black and odorous water


图 7 浮萍死亡引发的黑臭水体
Fig. 7 Black and odorous water caused by duckweed

(3)河道淤塞。城市水循环不足是引起黑臭水体的水动力学因素(王旭 等，2016)。城市引水和灌溉用水量的不断增加，导致河流上游来水量不断减少，随着废弃物不断增加，使河道不断淤浅，造成排水不畅，降低水体污染物的携冲能力和自净能力，为黑臭水体的形成提供了一定的形成条件。因此，河道淤塞是判别黑臭水体的依据之一。

河道淤塞、断头浜、死水浜会造成河水无法流通，无法形成健康的生态循环体系。图8矩形框内为河道淤堵和死水浜引发的黑臭河段。


图 8 河道淤堵黑臭河段
Fig. 8 Black and foul river reaches of clogging river channel

(4)岸边带垃圾堆放。生活垃圾和建筑垃圾在河道岸边的堆放不仅会造成河道的堵塞，而且发酵后的生活垃圾还会散发异臭。在城乡结合部，由于生活垃圾回收机制的不健全，生活垃圾被肆意堆放在河道周边，发酵的生活垃圾是造成城市河流黑臭的重要来源之一。

垃圾在影像上颜色不均匀、深浅不一，多灰白相间、呈斑点状。如图9所示，矩形框内为岸边垃圾堆放引发的黑臭河段，正方形框内为河道岸边垃圾堆放。


图 9 岸边垃圾堆黑臭河段
Fig. 9 Black and odorous river in the garbage dump

4 结果与验证

4.1 黑臭水体遥感识别结果

基于遥感影像在太原市建成区内共提取55条河流，长度236.583 km。在此基础上进一步提取河流中心线，并对其进行WCI清洁指数计算；基于空间连续性原则，以300 m为单元，对中心线WCI值进行统计，若相邻单元均判别为黑臭水体，则将这两个单元归为同一条黑臭河段，否则划分为两条河段，以此确定黑臭河段长度；最后取该长度中心线上各像元点的平均值作为黑臭河段的WCI指数。

将光谱指数提取的黑臭水体结果结合图像解译标志进一步综合判断河段是否发生黑臭现象，各黑臭河段判定结果如表4所示，1表示河段存在该项解译标志，否则为0。最终遥感识别黑臭水体14段，长度达52.530 km。黑臭水体遥感识别结果如图10和表5所示，图10中红色河流为遥感识别黑臭水体，主要分布在万柏林区、杏花岭区、尖草坪区和晋源区。

表 4 遥感识别黑臭河段判定结果
Table 4 Discriminant result of remote sensing identification of black and odorous river

下载CSV 
黑臭河段 解译标志 WCI指数
水体颜色 次生环境 河道淤塞 岸边带垃圾堆放
1 1 0 0 0 1
2 1 0 1 0 1
3 1 0 0 0 1
4 1 0 0 1 1
5 1 1 1 1 1
6 0 1 1 1 1
7 1 1 1 1 1
8 1 1 1 1 1
9 1 0 1 0 1
10 1 1 0 1 1
11 1 1 1 1 1
12 1 0 1 0 1
13 1 1 0 0 1
14 1 0 0 0 1


图 10 黑臭水体遥感识别结果
Fig. 10 Remote sensing results of black and odorous water bodies

表 5 遥感识别黑臭河段结果
Table 5 The result of black and odorous river sections by remote sensing identification

下载CSV 
河流编号 行政区 长度/km WCI
1 万柏林区 1.441 0.198
2 万柏林区 10.466 0.485
3 万柏林区 1.093 0.410
4 尖草坪区 1.131 0.391
5 尖草坪区 2.838 0.322
6 杏花岭区 3.642 0.509
7 迎泽区 7.607 0.426
8 尖草坪区 6.143 0.149
9 尖草坪区 2.636 0.240
10 尖草坪区 0.915 0.362
11 晋源区 7.442 0.337
12 晋源区 3.729 0.205
13 晋源区 1.281 0.386
14 晋源区 2.165 0.540

4.2 黑臭水体实地精度验证

为验证黑臭水体遥感识别精度，2016年6月在太原市开展了城市黑臭水体实地验证试验。根据黑臭水体遥感识别结果，设计试验点位。在点位设计过程中，即要考虑点位在黑臭河段上分布的均匀性，也要考虑观测点的安全性和可达性。在点位设计过程中，尽量避开在高速公路、铁道、农田周边设点，这些地区往往很难到达，而且测量的安全性也无法保证。考虑到城市河桥一般都建有人行道或自行车道，而且车辆通行速度通常也限制较低，因此尽量将观测点设置在一般道路的河桥上以便于测量。本次试验共设计试验测量点位46个，由于道路限制及围墙阻断等原因，实际到达点位39个。如图11所示，黄色圆点为设计并到达点位，绿色三角点为设计但未到达点位。

试验现场测量记录了河宽、经纬度、黑臭级别、水面状况、岸边状况、温度、水深、透明度、溶解氧、氧化还原电位及PH、氨氮等信息。透明度采用黑白赛式盘测量，溶解氧和氧化还原电位由AP-2000水质多参数分析仪测量，氨氮由实验室水样化验测得。


图 11 黑臭水体试验点空间分布
Fig. 11 The spatial distribution of test points of black and odorous water

城市黑臭水体整治工作指南中规定，黑臭水体理化判别指标主要包括透明度、溶解氧、氧化还原电位和氨氮4项，各项指标判别标准如表6所示，表中一般水体指除黑臭水体之外的地表水体，其包含中国地表水环境质量标准(GB3838-2002)中规定的5类地表水，表中仅给出IV类、V类地表水两项指标作为对照，其余指标请参见GB3838-2002(中华人民共和国环境保护部和国家质量监督检验检疫总局，2002)。

表 6 地表水与黑臭水体理化指标判别标准
Table 6 Discrimination criteria of physical and chemical indexes of surface water and black and odorous water

下载CSV 
特征指标 GB3838-2002 黑臭水体整治工作指南
IV类水 V类水 一般水体 轻度黑臭 重度黑臭
透明度/cm — — >25 10—25 <10
溶解氧/(mg/L) ≥3.0 ≥2.0 >2.0 0.2—2.0 <0.2
氧化还原电位/mV — — >50 −200—50 <−200
氨氮/(mg/L) ≤1.5 ≤2.0 <8.0 8.0—15 >15
　注：“—”表示无该项指标测量要求。

基于理化指标测量结果和黑臭水体判别标准，确定测量点位黑臭程度。在39个实地调查点位中，黑臭水体点位26个，一般水体点位2个，断流点位11个。根据黑臭验证点位的连续性，最终确定遥感识别黑臭河段的类型和长度。由于无法实地统计河流长度，本文中的所用的河段长度均根据河流矢量统计所得，当验证整条河段均为黑臭水体时，则该河段确认黑臭河段长度与识别河段长度一致；当验证河段为黑臭与断流的组合时，根据Google Earth多时相影像，人工解译确定断流长度与位置，从识别河段矢量中剔除断流，剩余河段即为确认黑臭河段。黑臭河段结果如表7所示。

表 7 黑臭水体实地验证结果
Table 7 Field test results of black and odorous water

下载CSV 
遥感识
别黑臭
河段 		长度L1/km 河段
划分 		验证
类别 		河宽/
m 		确认
长度
L2/km 		精度
P/%
1 1.441 — 断流 3 — —
2 10.466 — 一般水体 3 0 0.00
3 1.093 — 黑臭水体 6 1.093 100
4 1.131 — 黑臭水体 8 1.131 100
5 2.838 — 黑臭水体 10 2.838 100
6 3.642 6-1 黑臭水体 4 2.831 77.73
6-2 断流 4 — —
7 7.607 7-1 黑臭水体 20 5.483 72.08
7-2 断流 20 — —
8 6.143 8-1 黑臭水体 10 3.921 63.83
8-2 断流 40 — —
9 2.636 — 断流 6 — —
10 0.915 — 黑臭水体 6 0.915 100
11 7.442 — 黑臭水体 15 7.442 100
12 3.729 — 断流 5 — —
13 1.282 — 黑臭水体 8 1.282 100
14 2.165 14-1 黑臭水体 3 1.006 46.47
14-2 断流 3 — —

由于试验验证结果为黑臭水体点位结果，而最终展现结果为黑臭河段结果，因此本文分别从遥感识别黑臭水体点位精度和遥感识别黑臭河段长度精度两方面评价遥感识别黑臭水体精度。

(1)遥感识别黑臭水体点位精度评价。经验证，在39个实地调查点位中，黑臭水体点位26个，一般水体点位2个，断流点位11个。影响黑臭水体遥感识别结果最主要的因素为河流断流，这主要是因为太原市气候干旱，导致部分河流季节性干枯，而影像成像时间与调研时间有一定的时间差异，从而影响遥感识别结果。由于断流点位无法反映真实水体状况，因此在精度评价时不考虑断流影响。利用式(3)进行遥感识别黑臭水体点位精度评价，计算得遥感识别黑臭水体点位精度为92.86%。

$ P = \frac{{{N_1}}}{{N - {N_2}}} \times 100\text{%} $ (3)

式中，N1为验证黑臭点位个数，取值为26；N为实际调查点位个数，取值为39；N2为断流点位个数，取值为11。

(2)遥感识别黑臭河段长度精度评价。在遥感识别的14条疑似黑臭河段中，经验证有1条为一般水体(2号河段)，3条全部为断流(1号、9号、13号河段)，6条全部为黑臭水体(3号、4号、5号、10号、11号、13号河段)，其余4条为黑臭和断流的组合(6号、7号、8号、14号河段)，验证黑臭河段结果空间分布如图12所示，黑臭水体总长度达27.942 km。利用式(4)计算每条黑臭河段遥感识别精度，如表7所示，最后取各河段遥感识别精度平均值作为总体遥感识别精度P'，如式(5)所示。经计算，遥感识别黑臭河段精度为78.19%。

$ P = \frac{{{L_2}}}{{{L_1}}} \times 100\text{%} $ (4)
$P' = \frac{1}{n}\sum P $ (5)

式中，L2为确认黑臭河段长度，L1为遥感识别黑臭河段长度，n为参与评价河段精度的个数，在本文中n取值为11。


图 12 黑臭水体验证结果
Fig. 12 Test results of black and odorous water

5 遥感识别综合分析

由于黑臭水体遥感识别技术尚属于初探阶段，图像解译标志主观因素较多。为进一步分析光谱指数和解译标志在遥感识别黑臭水体中所占权重，本文利用二值函数进行评价，当河段存在某一项黑臭标志时，该项标志取值为1，否则为0，如式(6)所示。每条河段(j=1，2， $ \cdot \! \cdot \! \cdot $ ，10)第i项标志所占的比重Kij计算见式(7)；最后取所有河段第i项标志的平均值作为该项标志的综合比重Ki′，见式(8)。

$ {X_{ij}} = \left\{ \begin{array}{l} 1,{\text{第}}j{\text{条黑臭河段存在该标志}}\\ 0,{\text{第}}j{\text{条黑臭河段未存在该标志}} \end{array} \right. $ (6)
$ {{K}_{ij}}={}^{{X}_{ij}}\!\!\diagup\!\!{}_{\sum{{{X}_{j}}}}\; $ (7)
$ K_{i}^{'}={}^{\sum{{{K}_{i}}}}\!\!\diagup\!\!{}_{{{N}^{'}}}\; $ (8)

式中，i=1，2， $\cdots $ ，5，j=1，2， $\cdots $ ，10。 ${N^{\rm{'}}}$ 为黑臭河段个数，在本文中取值为10。

各项识别标志所占比重如表8所示，其中光谱指数在黑臭水体遥感识别指标体系中所占比重最大，为29.60%。其次是水体颜色，为27.10%，二者构成遥感识别黑臭水体的主要特征标志。次生环境和岸边带垃圾比重其次，均为16.30%，而河道淤塞在判别黑臭水体方面能力最弱，比重为10.50%。

表 8 太原市黑臭水体遥感识别指标比重
Table 8 The Index proportion of black and odorous water by remote sensing identification in Taiyuan city

下载CSV 
黑臭
河段 		解译标志比重 WCI指数比重K5
水体颜色K1 次生环境K2 河道淤塞K3 岸边带垃圾K4
3 0.50 0 0 0 0.50
4 0.33 0 0 0.33 0.33
5 0.20 0.20 0.20 0.20 0.20
6-1 0 0.25 0.25 0.25 0.25
7-1 0.20 0.20 0.20 0.20 0.20
8-1 0.20 0.20 0.20 0.20 0.20
10 0.25 0.25 0 0.25 0.25
11 0.20 0.20 0.20 0.20 0.20
13 0.33 0.33 0 0 0.33
14 0.50 0 0 0 0.50
K′i 27.10% 16.30% 10.50% 16.30% 29.60%

黑臭水体污染具有季节性，本文通过2016年4月14日与10月16日太原市高分影像黑臭水体识别结果的比对，进一步分析太原市黑臭水体在春季和秋季的季节性变化。两个季相影像光谱指标WCI指数计算结果如表9所示。经比对发现，5号河段在秋季影像中WCI指数呈现一般水体特征，其余河段无明显变化。结合目视解译比对发现，5号河段河道有明显治理痕迹，如图13所示。


图 13 5号黑臭河段治理前后变化比对
Fig. 13 The change comparison of the No. 5 black and odorous river before and after the control

表 9 太原市黑臭水体光谱指数WCI比对
Table 9 Comparison of spectral index WCI of black and odorous water in Taiyuan

下载CSV 
黑臭河段 WCI
2016-04-14 2016-10-16
3 0.410 0.072
4 0.391 0.733
5 0.322 1.675
6—1 0.509 0.538
7—1 0.426 0.694
8—1 0.149 0.754
10 0.362 0.540
11 0.337 0.235
13 0.386 0.167
14 0.540 0.788

6 结　论

城市黑臭水体给周边居民带来了极差的感官体验，是直接影响其生产生活的水环境问题。目前，城市黑臭水体整治已经成为地方各级人民政府改善城市人居环境工作的重要内容。本文在分析黑臭水体形成机理和影像光谱特征的基础上，基于GF1 PMS卫星构建黑臭水体遥感识别光谱指数——WCI指数，并提出4项图像解译标志辅助光谱指数识别黑臭水体。研究表明，以b1、b2波段和b2、b3波段反射率的斜率比构建的WCI光谱指数可以很好的区分黑臭水体与一般水体，综合光谱指数与解译标志的黑臭水体遥感识别方法具有较高的识别精度。利用该方法解决了太原市黑臭水体空间分布快速定位问题，通过多时相遥感影像比对，可实现黑臭水体动态监测，为太原市黑臭水体治理进展监督提供技术服务。

虽然清洁指数WCI可以在太原市很好地区分黑臭水体与一般水体，但由于引起水体黑臭的原因多样且复杂，仅由该指数来识别黑臭水体可能存在一般水体和黑臭水体之间的误判，因此在黑臭水体遥感识别过程中需要结合图像解译标志对水体性质进行综合判别。此外，WCI指数计算简单、应用方便，但由于黑臭水体具有多样性、地区差异性，因此该模型阈值分布的稳定性有待进一步验证，需要大量的应用数据进行检验。由于每个城市引起河流黑臭的原因都有所不同，因此清洁指数WCI作为黑臭水体遥感识别模型，在其他城市应用的适用性、阈值稳定性和精度是下一步研究工作的重点。

志 谢 此次影像数据和野外实验的数据获取得到了中国科学院遥感与数字地球研究所和环境保护部卫星环境应用中心的大力支持，在此表示衷心的感谢！

参考文献(References)

  • Canfield Jr D E, Linda S B and Hodgson L M. 1984. Relations between color and some limnological characteristics of Florida lakes. Journal of the American Water Resources Association, 20 (3): 323–329. [DOI: 10.1111/j.1752-1688.1984.tb04711.x]
  • Cao H Y. 2017. Study on Analysis of Optical Properties and Remote Sensing Identifiable Models of Black and Malodorous Water in Typical Cities in China. Chengdu: Southwest Jiaotong University (曹红业. 2017. 中国典型城市黑臭水体光学特性分析及遥感识别模型研究. 成都: 西南交通大学)
  • Dong S, Zang S Y, Wu C S and Li M. 2017. Comparison of different image fusion methods using SPOT-7. Geomatics and Spatial Information Technology, 40 (1): 75–78. [DOI: 10.3969/j.issn.1672-5867.2017.01.020] ( 董崧, 臧淑英, 吴长山, 李苗. 2017. SPOT-7遥感图像融合技术对比研究. 测绘与空间地理信息, 40 (1): 75–78. [DOI: 10.3969/j.issn.1672-5867.2017.01.020] )
  • 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]
  • Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences. 2017. Remote sensing technology for the first time to assist the progress of urban black odor water remediation work[EB/OL].[2017-04-25]. http://www.radi.ac.cn/dtxw/kjyw/201704/t20170420_4777980.html (中国科学院遥感与数字地球研究所. 2017. 遥感技术首次辅助城市黑臭水体整治工作取得进展[EB/OL].[2017-04-25]. http://www.radi.ac.cn/dtxw/kjyw/201704/t20170420_4777980.html)
  • Kutovaya O A and Watson S B. 2014. Development and application of a molecular assay to detect and monitor geosmin-producing cyanobacteria and actinomycetes in the Great Lakes. Journal of Great Lakes Research, 40 (2): 404–414. [DOI: 10.1016/j.jglr.2014.03.016]
  • Lin P. 2015. Interpretation of " urban black odor work guide”. Construction Science and Technology (8): 14–15, 21. [DOI: 10.16116/j.cnki.jskj.2015.18.001] ( 林培. 2015. 《城市黑臭水体整治工作指南》解读. 建设科技 (8): 14–15, 21. [DOI: 10.16116/j.cnki.jskj.2015.18.001] )
  • Ma Y L, Wang Y P and Jia G M. 2003. Application of remote sensing in monitoring water pollution in Guangzhou Section of the Pearl River. Chongqing Environmental Science, 25 (3): 13–16. [DOI: 10.3969/j.issn.1674-2842.2003.03.004] ( 马跃良, 王云鹏, 贾桂梅. 2003. 珠江广州河段水体污染的遥感监测应用研究. 重庆环境科学, 25 (3): 13–16. [DOI: 10.3969/j.issn.1674-2842.2003.03.004] )
  • Ministry of Environmental Protection of People’s Republic of China and General Administration of Quality Supervision, Inspection and Quarantine of the People’s Republic of China. 2002. Environmental quality standards for surface water[EB/OL].[2019-03-29]. http://kjs.mee.gov.cn/hjbhbz/bzwb/shjbh/shjzlbz/200206/t20020601_66497.shtml (中华人民共和国环境保护部, 国家质量监督检验检疫总局. 2002. 地表水环境质量标准[EB/OL].[2019-03-29]. http://kjs.mee.gov.cn/hjbhbz/bzwb/shjbh/shjzlbz/200206/t20020601_66497.shtml)
  • Ministry of Housing and Urban-Rural Development. 2015. Urban black odor water remediation work guide[EB/OL].[2017-04-25]. http://www.mohurd.gov.cn/wjfb/201509/t20150911_224828.html (中华人民共和国住房和城乡建设部, 中华人民共和国环境保护部. 2015. 住房城乡建设部环境保护部关于印发城市黑臭水体整治工作指南的通知[EB/OL].[2017-04-25]. http://www.mohurd.gov.cn/wjfb/201509/t20150911_224828.html)
  • Sugiura N, Utsumi M, Wei B, Iwami N, Okano K, Kawauchi Y and Maekawa T. 2004. Assessment for the complicated occurrence of nuisance odours from phytoplankton and environmental factors in a eutrophic lake. Lakes and Reservoirs: Science, Policy and Management for Sustainable Use, 9 (3/4): 195–201. [DOI: 10.1111/j.1440-1770.2004.00246.x]
  • Sun S Y, Gu X Z, Zhang Q C and Chen K N. 2016. Research on an emergency treatment technology for black-odor water caused by macrophytes decaying. Journal of Lake Sciences, 28 (3): 485–493. [DOI: 10.18307/2016.0303] ( 孙淑雲, 古小治, 张启超, 陈开宁. 2016. 水草腐烂引发的黑臭水体应急处置技术研究. 湖泊科学, 28 (3): 485–493. [DOI: 10.18307/2016.0303] )
  • Wang G F, Li X N, Fang Y and Huang R. 2014. Analysis on the formation condition of the algae-induced odorous black water agglomerate. Saudi Journal of Biological Sciences, 21 (6): 597–604. [DOI: 10.1016/j.sjbs.2014.07.002]
  • Wang X, Wang Y G, Sun C H and Pan T. 2016. Formation mechanism and assessment method for urban black and odorous water body: a review. Chinese Journal of Applied Ecology, 27 (4): 1331–1340. [DOI: 10.13287/j.1001-9332.201604.014] ( 王旭, 王永刚, 孙长虹, 潘涛. 2016. 城市黑臭水体形成机理与评价方法研究进展. 应用生态学报, 27 (4): 1331–1340. [DOI: 10.13287/j.1001-9332.201604.014] )
  • Wang Y P, Min Y S, Fu J M and Sheng G Y. 2001. Remote sensing method of water pollution and application on water pollution monitoring in Guangzhou Section of Pearl River. Journal of Remote Sensing, 5 (6): 460–465. [DOI: 10.11834/jrs.20010610] ( 王云鹏, 闵育顺, 傅家谟, 盛国英. 2001. 水体污染的遥感方法及在珠江广州河段水污染监测中的应用. 遥感学报, 5 (6): 460–465. [DOI: 10.11834/jrs.20010610] )
  • 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] )
  • Xie F and Wu J F. 2016. Cuses of malodorous black rivers in cities and the study on treatment technologies. Pollution Control Technology, 29 (1): 1–3, 15. ( 谢飞, 吴俊锋. 2016. 城市黑臭河流成因及治理技术研究. 污染防治技术, 29 (1): 1–3, 15. )
  • Xu M D, Peng J and Shi L H. 2008. Evaluation on malodorous and black water body in taiyuan district section of Fenhe River. Sci-Tech Information Development and Economy, 18 (31): 128–129. [DOI: 10.3969/j.issn.1005-6033.2008.31.074] ( 徐明德, 彭静, 师莉红. 2008. 汾河太原城区段水体黑臭评价. 科技情报开发与经济, 18 (31): 128–129. [DOI: 10.3969/j.issn.1005-6033.2008.31.074] )
  • Yao J, Zeng X F and Yi J F. 2003. Using remote sensing technology to monitor water pollution of Shanghai Suzhou River. Image technology (2): 3–7, 12. [DOI: 10.3969/j.issn.1001-0270.2003.02.001] ( 姚俊, 曾祥福, 益建芳. 2003. 遥感技术在上海苏州河水污染监测中的应用. 影像技术 (2): 3–7, 12. [DOI: 10.3969/j.issn.1001-0270.2003.02.001] )
  • Zhang B, Li J S, Wang Q and Shen Q. 2012. Hyperspectral Remote Sensing of Inland Waters. Beijing: The Science Publishing Company: 130-131 (张兵, 李俊生, 王桥, 申茜. 2012. 内陆水体高光谱遥感. 北京: 科学出版社: 130-131)
  • Zhou W R. 2006. Study on Black and Stink Issue of Fen River in Taiyuan City Zone. Taiyuan: Taiyuan University of Technology (周文瑞. 2006. 汾河太原城区段河流黑臭问题研究. 太原: 太原理工大学)
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