基于高分遥感影像的城市黑臭水体反演及治理研究--------以无锡为例

基于高分遥感影像的城市黑臭水体反演及治理研究--------以无锡为例

潘桃云,梁佳慧,汤一鸣,王奥林,陈鑫海

无锡学院 江苏 无锡 214105

摘  要：随着遥感技术的发展，人们越来越倾向于利用遥感技术提取水体并对水体成分进行识别，城市黑臭水体的遥感识别对于黑臭水体的动态监测以及治理研究有着重要的作用。本文基于哨兵二号卫星遥感影像，以无锡市新吴区和滨湖区为研究对象，利用高分遥感数据及地面监测数据分析城市黑臭水体水质参数特点以及光谱敏感波段，构建黑臭水体识别算法NDWI指数法对城市黑臭水体进行识别及动态监测，进行无锡城市黑臭水体空间和时间尺度的分析，最终反演得到其水质变化情况，为无锡水文生态环境监测提供新思路。

关键词：城市黑臭水体；动态监测； NDWI指数

引 言

城市黑臭水体是指建城区内呈现出令人不悦的颜色，或散发出令人不适气味的水体统称［1］。城市黑臭水体是百姓反映强烈的水环境问题，不仅损害了城市人居环境，也严重影响城市形象，影响城市居民的健康。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。2015年《国务院关于印发水污染防治行动计划的通知》，称水环境保护事关人民群众切身利益，事关全面建成小康社会，事关实现中华民族伟大复兴中国梦[2-3]。无锡市政府响应号召，在2016年发布《无锡市市区黑臭水体整治工作方案》，以“消除市区黑臭水体”为核心，计划用5年时间对列入工作指标的市区41条黑臭河道进行综合整治，目标到2020年底前，是无锡市的黑臭水体总体得到消除。

传统的黑臭水体监测依赖地面人工测量采样进行化学分析，通过对透明度、溶解氧、氨、氮等水质指标的含量分析构建黑臭水体的监测，这些传统的监测设备昂贵，监测方法耗时费力，且不能大范围的对城市黑臭水体进行动态监测。传统的黑臭水体监测法已不满足当前黑臭水治理的目标。近年来，高光谱、高分辨率航空航天遥感技术飞 速发展，遥感技术具有成本低、时效性强、监测范围广的特点[4]。随着遥感应用技术的发展，影像地物的提取方法也等到了快速的发展，基于卫星遥感影像对水体信息提取的方法研究受到了广大学者的深入探索，从而提出来众多方法，比如李佳琦等WCI指数法提取黑臭水体信息，WCI指数能够强烈反应黑臭水体的信息[5]；陈帅等将水体提取分为三类，分别是基于反射光谱的阈值法，基于水色的色度法以及基于固有光学量的经验算法对黑臭水体进行提取分析[6]；韩文聪等通过NDBWI指数及BOI指数模型来开展疑似黑臭水体的遥感监控，并结合目视解译综合识别疑似黑臭水体[7]。NDBW指数和BOI指数模型均是直接利用黑臭水体的光谱特征放大差异并设定阈值进行计算，具有较好的水体类型分类效果，结合相关水体特征信 息的目视解译可以获得更加精准的水体质量信息。遥感作为黑臭水体的预筛查手段，具有良好的应用效果。遥感作为黑臭水体的预筛查手段，具有良好的应用效果，在2021年有学者利用NDBWI指数和NDWI指数模型利用黑臭水体的光谱特征放大差异并设定阈值进行计算，这种方法具有较好的水体类型分类效果，结合相关水体特征信息的目视解译可以获得更加精准的水体质量信息[8]。

本研究以无锡为例，开展黑臭水体的遥感监测与识别技术的研究。以滨湖区、新吴区为研究区（图1），新吴区在2016年排查出主要的三条黑臭水河道（梅西河，梅东河，庙下浜河），滨湖区一共排查出数十条黑臭水河道（西新河、刘港浜河、乌泾桥河、河垀浜河等），利用卫星遥感对其黑臭水河道进行研究，分析黑臭河段的水体光谱特征，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，可以获取大范围、高重访周期的数据，提供高分辨率的环境监测能力，可用于监测河流湖泊的污染情况，利用NDWI指数法对研究区开展疑似黑臭水体的筛查，展开对黑臭水体的治理及动态监测。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。

图1 研究区概况

1、研究区域概况及数据处理

1.1研究区域概况

无锡地处中国华东地区，江苏省南部，位于长江三角洲平原腹地，无锡市的河流湖泊大约占全市面积的22.82%，水系发达，河湖相通，众多穿梭在城市中的河流最终与太湖相连，若与湖相连的河水是黑臭不堪，太湖水很快也会受到污染。无锡市境内以平原为主，星散分布着低山、残丘。南部为水网平原；北部为高沙平原；中部为低地辟成的水网圩田；无锡属亚热带季风海洋性气候，受季风环流影响，形成的气候特点是：四季分明，气候温和，雨水充沛，日照充足，无霜期长。无锡市区年平均降水量较高，超长的梅雨季节导致无锡水环境恶劣。由于地理位置及气候变化的影响，处理河流问题、消除黑臭水体逐渐成为无锡的一大解决难题，不仅如此，城市黑臭水体让人感官上不舒适的同时，还直接影响到城市空气质量及水资源质量，市民的生活环境与其息息相关。

1.2数据获取与处理

1.2.1 哨兵二号影像数据获取

在利用遥感技术提取水体提取信息时，常常受到水体周边建筑物及田地的影响，利用全色遥感影像提取水体存在一定的不确定性及局限性，提取效果不够理想。因此我们小组采用了多光谱遥感数据，多光谱遥感数据由于具有较高空间分辨率、时间分辨率且更易获取等特性，在实际应用中被广泛采取，成为水体水质遥感业务化监测主要数据来源[9]。

哨兵二号是由欧空局发射的携带一枚多光谱成像仪（MSI）的高分辨率多光谱成像卫星，高度为786km，可覆盖13个光谱波段，从可见光和近红外到短波红外，具有不同的空间分辨率。地面分辨率分别为10m、20m、60m。在光学数据中，哨兵二号是唯一一个在红边范围内含有三个波段的数据。哨兵二号获取的数据主要用于陆地监测，提供植被、土壤和水覆盖、内陆水路及海岸区域等图像。此次研究的数据通过目视判别，并结合获取时间、云层条件等因素，选取覆盖研究区无云或少云的影像，最终筛选2020年哨兵二号的数据作为研究对象。

1.2.2数据处理

原始数据由于受传感器方位及地形起伏、地球曲率、大气折射等的影像，光谱的反射亮度并不能代表真是的地表反光率，遥感影像上的地物也会产生不同程度的变形，所以不能直接用于实验操作，需要先进行预处理。将影像数据进行大气校正、辐射校正与图像裁剪，得到处理好的数据以方便使用。由于本文采用的是哨兵二号的数据，所以大气校正和辐射校正均在在Sen2cor中进行；图像的裁剪则直接在ENVI软件中进行。

2、水体提取方法及研究

2.1、NDWI指数法提取水体

在本文中由于我们缺乏红光波段的数据信息，所以采用归一化水体指数法（NDWI），归一化水体指数法是S.K等人基于植被指数法（NDVI）的方法原理进行改进得到的，利用遥感影像的特定波段进行归一化差值处理，以凸显影像中的水体信息[10]。通过影像上水体的各波段曲线可以看出，水体的光谱值在绿波段处达到峰值，在近红外波段由于水体的强烈吸收，反射率几乎为零，因此水体在近红外波段的光谱值处于波谷的较低状态，这就是归一化水体指数方法的原理，利用水体波段光谱的波峰值减去波谷值，得到的差值要远大于其他地物以凸显水体的灰度值，所以可用于提取遥感影像的水体信息，公式如下所示：

NDWI=[Rrs(G)- Rrs(NIR)]/[Rrs(G)+ Rrs(NIR)]

式中，Rrs(G)为绿光波段的反射率，Rrs(NIR)为近红光波段的反射率。

2.2设定阈值提取黑臭水体

利用ROI对水体进行样本选取，通过计算得出水体阈值，但是此时得到的水体阈值并不是特别精准的，我们需要通过对计算得出的水体阈值进行不断的实验，结合无锡市黑臭水体的实际情况进行对比分析，最终得到一个最合适的阈值，提取出无锡市新吴区、滨湖区的疑似黑臭水。

表1 城市黑臭水体污染程度分级标准

3、结果分析

NDWI是最经典的也是最简单快捷的水体提取方法，多用于城市水网，但在其藻类较多的地方容易造成提取误差。由于引起水体黑臭的原因复杂多样，不同地区的黑臭水体类型存在差异性，因此该方法在其他城市应用的适用性、阈值稳定性以及识别精度有待进一步验证。本次实验缺乏大量的样本来进行黑臭水体阈值的划分与精度验证，因此采用无锡市政府水质调查情况与目视解译进行初步对比分析，并得出最终的疑似黑臭水体划分范围。针对城市环境污染状况改善、黑臭水体现象日渐减少及污染程度不详等问题，对城市黑臭水体展开详细的调查与研究，现以江苏省无锡市黑臭水体为研究对象。结合无锡市近些年水体污染的改善情况，本次实验通过研究无锡市新吴区、滨湖区水体污染现状，利用NDVI指数法对水体进行识别与提取，得到主要的河道信息及黑臭水体分布情况。在与现存记录的几年前水体提取实验数据与报告对比，讨论黑臭水体治理状况结果的完成进度和治理手段的有效与否。对2020年6月的哨兵二号影像数据，根据计算及其不断试验确定的阈值，分割出正常水体和黑臭水体，按不同颜色的感兴趣区区分出黑臭水体和主要河道，结果如图2、图3所示，得出以下结论：

图2 新吴区黑臭水体                           图3 滨湖区黑臭水体

1.针对实际调查的样本河道及周边环境，根据现有的固定理论知识和其空间特性，选取基于水体指数的阈值提取方法。从而建立所需函数并应用与待提取的两个研究区影像中，从若干的阈值中通过目视对比及影像信息对比，选取最优阈值1.5~2.5。黑臭水体分布具有范围广且不连续的特征，集中分布于各城区人口密集的区域;无锡市滨湖区和新吴区黑臭水体治理工作取得初步成效。

2.研究区域黑臭水体由于存在大量藻类生物及非藻类颗粒物，其吸收系数将影响影响水体提取的精确值其中包含ad的样点非色素颗粒物吸收系数最大，且不同类型的水体有较大差异，重度黑臭>轻度黑臭>一般水体。针对不同类型水体的光谱差异性，重度黑臭

1，2，3和4类的遥感影像反射率与一般正常水体及富营养化水体有明显差异。须对所提取的黑臭水体进行消除或去除非相关信息波段及滤波处理。方可排除其它因素对城市黑臭水体信息造成干扰或错判现象。并且由于黑臭水体污染等级越高浮游植物及非藻类植物便越多，所以较高污染等级的黑臭水体须结合更多光谱差异性进行非相关光谱信息剔除处理。

4、存在的问题及展望

黑臭水体动态变化是虽然是显著的，但治理后容易发生“复黑”现象。但整体来看，河流黑臭现象有所改善。经过与实际水环境监测的黑臭河体进行比较，我们发现利用该方法进行提取的水体范围存在一定的偏差。原因主要有一下几点：

1、研究区域所得结果具有局限性和不准确性

本研究选取的是2020年6月的数据，无锡的黑臭水治理工程从2016年开始至2020年年底结束。所以结果中部分黑臭水体已经治理完成，未能成功提取。且仅仅分析了新吴区及滨湖区两个样本研究区，无论从空间角度还是时间序列上都些许欠缺，若能从黑臭水体产生的源头跟踪记录至重度黑臭水体再到逐步治理的完整过程，便更能准确的揭示城市黑臭水体从无到有再到无过程中的光学特性变化。为以后研究铺设基础道路。

2、所使用卫星影像数据信息不完善

Sentinel-2卫星，单波段范围较宽，成像波段较少，波谱上一般不连续，光谱波段不能覆盖整个可见光至红外范围，光谱分辨率较低。对于水体研究还是存在一定缺陷。后期可选择一些高光谱遥感数据进行进一步的研究。

3、算法模型存在误差，影响结果精度

无论提取黑臭水体的哪一项黑臭指数，都存在许多不确定因素（比如阴影、地物干扰、黑臭是否已检测、以及黑臭标准等），为提高正确率，需结合地面实测数值对相应地区进行不同模型的阈值修改。但本次研究后的准确率没有现场核查。

后期，我们会扩大黑臭水体采样规模，整合目前已有的黑臭水体反射光谱建立全国黑臭水体光谱库寻找最佳分类策略进行科学分类。建立相应的识别模型将极大地提高识别算法精度。运用机器学习算法目前采用的经验算法虽然计算简捷，但由于遥感反射率与黑臭水体各特征相关性得不到有效证明导致经验算法移植性不高。

参考文献

［1］于德浩，王艳红，邓正栋，等．内陆水体水质遥感监测技 术研究进展［J］．中国给水排水，2008，24( 22) : 12-16．

［2］马万栋,吴传庆,殷守敬等.基于实测光谱的烟台四十里湾水体叶绿素a遥感反演[J].中国环境监测,2015,(4):135-140.

［3］肖潇,徐坚,赵登忠等.基于国产卫星多光谱影像的河流水体浊度遥感联合反演研究[J].长江科学院院报,2021,38(6):128-136.DOI:10.11988/ckyyb.20200337.

［4］李佳琦，李家国等，太原市黑臭水体遥感识别与地面验证，遥感学报，2019，776-778.

［5］陈 帅，赵文玉等，黑臭水体遥感识别研究进展，国资源遥，2021，21-23.

［6］韩文聪，张霄宇等，基于高分二号影像的城镇黑臭水体遥感监，环境生态学，2021,65-68.

［7］MCFEETERS S K 1996. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing [J],17.

［8］占玲骅，基于光学特性的城市黑臭水体识别模型研究，2019,5.6.

［9］ 曹红业，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 2017，5.

［10］ 庞博,孙庆彬,赵修敏.聊城市黑臭水体水质监测状况及长效改善对策[J].节能与环保,2022(1):89-91.

［11］ 陈帅，赵文玉，廖忠平，黑臭水体遥感识别研究进展[J],2021，33（1）：20-29.

［12］Kim Y H, Im J, Ha H K,  et al. Machine learning approaches tocoastal water quality monitoring using GOCI satellite data [J]. GIScience & Remote  Sensing,2014,51 (2) : 158-174.

潘桃云， 2000.10.7，女，汉族，籍贯：云南昭通市人，学历：无锡学院本科在读，研究方向：遥感科学与技术

【课题】无锡学院《基于高分遥感影像的城市黑臭水体提取》（XJDCZX202110300169）

［13］