1 引(yǐn)言

      我國河流
，湖泊(bó)眾多，伴隨(suí)經(jīng)濟的高速發展，人類(lèi)活動(dòng)的增強，河流
，湖泊水(shuǐ)質(zhì)汙(wū)染問(wèn)題日益(yì)嚴(yán)重(zhòng)，已(yǐ)經成(chéng)為製約城市(shì)可持(chí)續(xù)發展的(dí)關(guān)鍵(jiàn)因(yīn)素(sù)，因此有必要(yào)利用高新技(jì)術手段展開河流(liú)
，湖(hú)泊水(shuǐ)質(zhì)汙染(rǎn)問題(tí)研究(jiū)，及時(shí)
，快速(sù)的(dí)提供河(hé)流
，湖泊的水質狀況(kuàng)，保障人們正(zhèng)常的生(shēng)產(chǎn)生(shēng)活。

      遙感技(jì)術的發展與進(jìn)步為(wéi)河流
，湖(hú)泊水(shuǐ)體的監(jiān)測和(hé)研究開(kāi)辟了新的(dí)途(tú)徑。目前，國(guó)內外學者(zhě)利用特定的遙(yáo)感平(píng)台，構建了(liǎo)針對(duì)特定水域的(dí)不同水質(zhì)參數(shù)的模(mó)型，並取得了(liǎo)一定的(dí)成(chéng)果。在衛星平(píng)台上，Thiemann等用(yòng)IRS-1C數據(jù)對(duì)德國梅(méi)克(kè)倫(lún)堡州(zhōu)湖(hú)泊群的水體葉(yè)綠素(sù)ａ進行(háng)了(liǎo)反(fǎn)演，並(bìng)結(jié)合卡爾森模型(xíng)(TSI)評(píng)價了該地區(qū)水體富(fù)營(yíng)養化程(chéng)度(dù)；柳(liǔ)晶輝等利(lì)用HJ-1衛星多光譜數(shù)據監測湖(hú)北武漢東湖(hú)藍藻(zǎo)爆(bào)發情(qíng)況(kuàng)，研(yán)究(jiū)表(biǎo)明利用HJ-1遙感(gǎn)數(shù)據可快速(sù)鑒別(bié)藍藻(zǎo)範圍及其程度，大氣校正(zhèng)突(tū)出了藍藻水(shuǐ)體(tǐ)和其他(tā)地物(wù)光譜差異(yì)，EVI方(fāng)法(fǎ)精度較(jiào)高，可(kě)剔去(qù)水質(zhì)中泥沙等懸(xuán)浮物(wù)的幹擾，可作(zuò)為城(chéng)市(shì)湖泊藍藻變化(huà)檢測經驗模型。在(zài)機載(zǎi)平台上(shàng)，Flink等(děng)收集了瑞典兩(liǎng)個湖泊的(dí) CASI 數據(jù)，利用主成分分(fēn)析法(fǎ)找(zhǎo)出與(yǔ)葉(yè)綠(lǜ)素(sù) a 濃(nóng)度的相(xiāng)關的(dí)波(bō)段，對其進行(háng)分(fēn)析(xī)並繪製了葉綠素(sù)濃度圖。Hakvoort等運用(yòng)機(jī)載成像高(gāo)光譜數據(jù)對CDOM
，Chl-a
，TSS等水(shuǐ)質(zhì)參(cān)數(shù)進行監測；Olmanson等利用機(jī)載(zǎi)高(gāo)光譜影像(xiàng)數(shù)據(jù)分析了(liǎo)明尼蘇(sū)達河(hé)和密西(xī)西(xī)比(bǐ)河(hé)交(jiāo)匯(huì)處
，密西(xī)西比(bǐ)河(hé)和(hé)聖克羅(luó)伊河(hé)交匯處(chǔ)
，明(míng)尼蘇(sū)達(dá)河和密西(xī)西(xī)比(bǐ)河(hé)交(jiāo)匯處(chǔ)附近的濁(zhuó)度(dù)葉(yè)綠素(sù)a分(fēn)布圖。在(zài)地麵平台(tái)上，段(duàn)洪濤等利用地(dì)物光譜(pǔ)儀ASD對(duì)長春市南(nán)湖(hú)水(shuǐ)質(zhì)參數進行了(liǎo)研(yán)究(jiū)分析，分別構(gòu)建了(liǎo)葉綠素(sù)a
，總(zǒng)磷(lín)等水(shuǐ)質參數(shù)的(dí)單波段監測(cè)模型(xíng)；吳廷寬等(děng)利用地(dì)物光譜儀對(duì)貴州市百(bǎi)花(huā)湖(hú)富營養(yǎng)進行評價(jià)，得(dé)出(chū)水質參(cān)數Chl-a
，TP
，TN
，SD
，CODMn的(dí)敏(mǐn)感(gǎn)波段分別為699nm
，823nm
，399 nm
，563nm
，504nm，利用(yòng)水(shuǐ)質參(cān)數敏感波(bō)段對湖(hú)泊(bó)水質(zhì)參(cān)數進(jìn)行估測的(dí)效果較(jiào)為理想(xiǎng)。這些研(yán)究(jiū)表明，將衛星(xīng)
，機載
，近地(dì)麵遙(yáo)感技術應用於(yú)水質監測，其方法已經(jīng)較(jiào)為成熟(shú)，也可取(qǔ)得較好(hǎo)的成果。然(rán)而(ér)受衛星(xīng)遙(yáo)感影像空間(jiān)分辨(biàn)率
，時間分(fēn)辨(biàn)率(shuài)等限製(zhì)，衛(wèi)星遙(yáo)感技(jì)術目前多(duō)應用(yòng)於(yú)大麵積水(shuǐ)域(yù)的(dí)水(shuǐ)質(zhì)監(jiān)測；另外機(jī)載(zǎi)遙感(gǎn)技(jì)術受(shòu)航空管(guǎn)製等因素的影(yǐng)響，不能及時(shí)的(dí)檢測水質(zhì)汙(wū)染(rǎn)狀況，因此(cǐ)對(duì)於(yú)小(xiǎo)微(wēi)水域中水質參(cān)數的(dí)空間分布情(qíng)況，需要(yào)采(cǎi)用(yòng)新(xīn)的方法(fǎ)予以解決。

       近年來隨(suí)著無(wú)人機發展的(dí)日(rì)漸(jiàn)成熟(shú)，無人機搭載(zǎi)高(gāo)光譜相機的(dí)應用(yòng)領(lǐng)域(yù)不(bù)斷拓(tuò)展，例(lì)如，萬餘慶等(děng)利用無人(rén)機高(gāo)光(guāng)譜(pǔ)對新疆生產建設(shè)兵團(tuán)團場的土壤(rǎng)氮(dàn)磷(lín)鉀進行了監(jiān)測(cè)研(yán)究，研究結果(guǒ)為團場的(dí)大範圍施肥提(tí)供決策(cè)依據；Du等(děng)利(lì)用(yòng)無人(rén)機(jī)高(gāo)光(guāng)譜獲取(qǔ)沈陽農業(yè)大(dà)學水(shuǐ)稻(dào)田的高光(guāng)譜(pǔ)影(yǐng)像，進而分(fēn)析(xī)水(shuǐ)稻(dào)的(dí)葉片氮含量(liáng)，所(suǒ)構建(jiàn)的模型精度(dù)為R2 = 0.85，研究結(jié)果(guǒ)為(wéi)無(wú)人(rén)機高光(guāng)譜遙(yáo)感反(fǎn)演(yǎn)水稻(dào)氮水(shuǐ)平提供了(liǎo)理論依(yī)據；Sankey等(děng)利用(yòng)無(wú)人機高光譜和雷達(dá)技術進(jìn)行(háng)森林(lín)的樹高樹(shù)冠覆(fù)蓋度研究；Ishida等(děng)利用(yòng)無人機(jī)高(gāo)光(guāng)譜技術(shù)對植(zhí)物(wù)區域(yù)的不同地物進行分類(lèi)研(yán)究(jiū)，總體分(fēn)類(lèi)精度為94.5%。然而(ér)目前針(zhēn)對無人(rén)機(jī)高(gāo)光譜技術對(duì)水體（如(rú)湖泊(bó)
，河流等）的水(shuǐ)質研(yán)究甚(shèn)少。

      基(jī)於(yú)此，本文以(yǐ)雲南玉(yù)溪市(shì)星雲(yún)湖和(hé)深圳市茅洲河(hé)為研究(jiū)對(duì)像，通(tōng)過無(wú)人機搭載高光譜傳感(gǎn)器獲(huò)取其高(gāo)光(guāng)譜(pǔ)圖(tú)像反射率數據，構(gòu)建(jiàn)總(zǒng)氮(dàn)(TN)
，總磷(lín)(TP)
，葉綠素(sù) (CHL-a)
，懸浮物 (TSS)
，和(hé)濁度(dù)(TUB)的監測(cè)模(mó)型(xíng)並(bìng)研究(jiū)其濃度空(kōng)間分布，以期(qī)為不同水(shuǐ)體(tǐ)的水質(zhì)監測提供新(xīn)的技(jì)術手段(duàn)。

2 材(cái)料與方法

2.1 研究區域(yù)概(gài)況

      星雲湖(hú)位(wèi)於(yú)中(zhōng)國雲(yún)南(nán)省(shěng)玉溪(xī)市江(jiāng)川縣縣城(chéng)以(yǐ)北(běi)2公(gōng)裏，距縣城約一(yī)公裏。地(dì)理(lǐ)位置(zhì)為(wéi)東(dōng)經(jīng) 102°45′ ，至102°48′，北緯24°17′至 24°23′，南與杞麓(lù)湖相鄰(lín)，北(běi)與(yǔ)撫仙(xiān)湖(hú)相(xiāng)通，屬珠(zhū)江流(liú)域南盤江水(shuǐ)係的源頭湖泊(bó)，為滇(diān)中(zhōng)高原陷(xiàn)落性(xìng)淺(qiǎn)水(shuǐ)湖，是撫(fǔ)仙(xiān)湖上(shàng)遊的湖泊(bó)。星雲湖(hú)湖(hú)灣(wān)多(duō)，灣弧多，魚草(cǎo)繁茂(mào)，岸邊柳(liǔ)樹蘆(lú)草成行，周(zhōu)圍(wéi)多農(nóng)田(tián)，湖(hú)底平緩(huǎn)多(duō)泥(ní)，有機物質淤積較厚(hòu)，湖內水(shuǐ)草繁(fán)茂，浮遊生(shēng)物(wù)和(hé)底(dǐ)棲(qī)生(shēng)物也較豐富，屬高(gāo)原(yuán)斷(duàn)陷湖泊(bó)，是一(yī)座富(fù)營養化湖(hú)泊(bó)，為雲(yún)南(nán)九(jiǔ)大高原湖(hú)泊(bó)之一(yī)，近年(nián)來星(xīng)雲湖被(bèi)列(liè)為劣(liè)V類水質(zhì)。

       全長31公裏(lǐ)的(dí)茅洲河是(shì)深(shēn)圳一大(dà)河，也是它流經深圳
，東(dōng)莞兩市(shì)，兩岸一級(jí)支流27條，每(měi)一(yī)條(tiáo)都在(zài)經濟騰(téng)飛(fēi)進程中(zhōng)被(bèi)嚴(yán)重汙染(rǎn)，兩岸(àn)工廠(chǎng)企(qǐ)業眾多
，水(shuǐ)汙染問題(tí)棘(jí)手，是深圳市(shì)汙(wū)染(rǎn)河(hé)流中(zhōng)具有代表(biǎo)性(xìng)的一條。汙(wū)染直接危害(hài)了(liǎo)流域(yù)內(nèi)人民的正常生活和身體(tǐ)健康，不能(néng)滿(mǎn)足人(rén)民對(duì)美好(hǎo)生活環境(jìng)的(dí)要求對旅遊(yóu)事(shì)業也(yě)帶來(lái)了(liǎo)一(yī)定影響。

2.2 采樣(yàng)點的(dí)分(fēn)布

        本文以(yǐ)星雲湖的進(jìn)水口和茅洲(zhōu)河的(dí)第三(sān)支(zhī)流作為研(yán)究區，在(zài)2018年(nián)7月(yuè)18日(rì)和2019年(nián)7月(yuè)26日(rì)分別對茅洲河(hé)的第三支流和星雲湖的幾(jī)個進水口(kǒu)進行了(liǎo)野外試驗(yàn)，在(zài)星(xīng)雲湖和(hé)茅(máo)洲(zhōu)河(hé)分(fēn)別(bié)采集(jí)了5和15個采樣點的水(shuǐ)質參數。試驗(yàn)采樣點(diǎn)分(fēn)布如圖(tú)1所示(shì)。

圖1 星雲(yún)湖（左）和茅洲河（右(yòu)）的采樣點(diǎn)分布圖(tú)

2.3 無(wú)人(rén)機高光譜影(yǐng)像獲(huò)取

       采(cǎi)用大(dà)疆無人(rén)機(jī)M600 Pro，在無人機(jī)平台(tái)上搭載由四川(chuān)雙利合譜科技有限公(gōng)司自主研發的高(gāo)光譜成像儀GaiaSky-mini 2獲(huò)取星(xīng)雲湖和茅(máo)洲河(hé)的(dí)高(gāo)光譜影(yǐng)像(xiàng)。無人(rén)機飛行高(gāo)度(dù)為100米(mǐ)，采用的是(shì)2*4 binning方式(shì)獲取高(gāo)光譜影像（2是(shì)空間(jiān)維(wéi)的，8是光譜(pǔ)維(wéi)）（Binning是(shì)一(yī)種圖像讀(dú)出(chū)模式(shì)，將相鄰(lín)的像元中感應的(dí)電(diàn)荷(hé)被(bèi)加在一(yī)起(qǐ)，以一(yī)個(gè)像素(sù)的模(mó)式讀出），高光譜影(yǐng)像的空(kōng)間分辨率(shuài)約為4cm。其(qí)中(zhōng)無(wú)人(rén)機(jī)高(gāo)光(guāng)譜影(yǐng)像的(dí)預(yù)處(chǔ)理主(zhǔ)要(yào)包括鏡(jìng)像(xiàng)變換
，黑白幀(zhēn)校正
，場(cháng)地(dì)校(xiào)正等(děng)。

2.4 水(shuǐ)質參(cān)數(shù)分析(xī)

       每(měi)個(gè)采樣點(diǎn)取表層0.5m處(chǔ)的(dí)水樣(yàng)進行(háng)實(shí)驗室分析，分(fēn)析(xī)的參(cān)數(shù)包括(kuò)總(zǒng)氮(TN)
，總磷(TP)
，懸(xuán)浮物 (TSS)
，濁度(dù)(TUB)
，葉(yè)綠(lǜ)素(sù) (CHL-a)。其(qí)中TN采(cǎi)用紫(zǐ)外(wài)可(kě)見(jiàn)分(fēn)光光(guāng)度計(jì)UV754N測定(dìng)；TP
，TUB和CHL-a采用可(kě)見分光光度計721型(xíng)測定；TSS采用萬(wàn)分之一(yī)分析(xī)天(tiān)平AL204測定(dìng)。星(xīng)雲湖和(hé)茅洲(zhōu)河采(cǎi)樣(yàng)點(diǎn)的水(shuǐ)質參數(shù)統計表如表1所示，主要包括(kuò)每(měi)個水質(zhì)參數的小值
，大值(zhí)
，均值(zhí)
，方(fāng)差和變(biàn)異(yì)係數(shù)。

表(biǎo)1 湖(hú)泊(bó)
，河流水質參數的統(tǒng)計參(cān)數(shù)

2.5 水質(zhì)參(cān)數(shù)模型(xíng)構(gòu)建(jiàn)流(liú)程

      本(běn)研究以雲南(nán)玉(yù)溪市星雲湖和深(shēn)圳(zhèn)市茅洲(zhōu)河(hé)為(wéi)研究區，利用(yòng)無人機(jī)高光譜(pǔ)技術構建(jiàn)水(shuǐ)質參數(shù)如(rú)總氮(dàn)
，總磷(lín)
，懸浮物(wù)
，濁度(dù)
，葉(yè)綠素a的監(jiān)測模(mó)型，將(jiāng)監測模(mó)型反演到無人機(jī)高光譜影像上(shàng)製(zhì)作總氮
，總磷(lín)
，懸(xuán)浮(fú)物(wù)
，濁度
，葉綠(lǜ)素a的(dí)空間(jiān)分布圖(tú)。具體計(jì)算路綫(xiàn)如圖2所(suǒ)示。

圖2 無人機高光譜(pǔ)水質監(jiān)測(cè)模型(xíng)的(dí)構建(jiàn)流程

2.6 模(mó)型(xíng)評(píng)價標準(zhǔn)

       本研(yán)究中星雲湖和茅洲(zhōu)河分(fēn)別有5和15個(gè)采樣(yàng)點(diǎn)，采樣(yàng)點(diǎn)按(àn)3:2的(dí)比(bǐ)例運用(yòng)含量梯(tī)度法[21]選出建(jiàn)模(mó)集和檢(jiǎn)驗(yàn)集。水(shuǐ)質參數監(jiān)測模(mó)型(xíng)運用決(jué)定係數R2
，均方(fāng)根(gēn)誤(wù)差(chà)（Root Mean Square Error，RMSE）
，預測與(yǔ)偏差的比率(shuài)（Ratio of Prediction to Deviation，RPD）進行精(jīng)度評(píng)價，其中R2越大(dà)，RMSE和(hé)RPD越小，模(mó)型(xíng)的(dí)準確性(xìng)越(yuè)高(gāo)。當RPD> 2.0的值(zhí)表示(shì)穩定且準(zhǔn)確的預測模型，RPD值介(jiè)於1.4和(hé)2.0之(zhī)間(jiān)，表明可(kě)以模型(xíng)穩定性(xìng)一般，預測能力(lì)不(bù)穩定(dìng)，RPD <1.4時表(biǎo)明模型(xíng)預測能力差(chà)。

3 結(jié)果(guǒ)與分(fēn)析

3.1  采樣點光譜分析(xī)

      圖3為星雲湖和茅洲河共20個采(cǎi)樣點的(dí)光譜反射率(shuài)曲綫(xiàn)，其(qí)中星雲(yún)湖(hú)的5個(gè)采(cǎi)樣(yàng)點簡稱(chēng)湖(hú)+數字，茅洲(zhōu)河的15個采(cǎi)樣點(diǎn)簡稱(chēng)河(hé)+數(shù)字。從圖(tú)可以(yǐ)看出水體的(dí)光譜(pǔ)特征(zhēng)變(biàn)化(huà)：在400-590nm範圍(wéi)內，水(shuǐ)體的(dí)光(guāng)譜反射率呈上升趨(qū)勢(shì)，在570-590nm附(fù)近形(xíng)成一個(gè)反(fǎn)射峰，是由葉綠素(sù)和(hé)胡蘿(luó)卜素(sù)吸(xī)收較(jiào)弱以及水(shuǐ)中(zhōng)藻類(lèi)和懸(xuán)浮物(wù)的(dí)散射作(zuò)用形(xíng)成的；在(zài)590-680nm範(fàn)圍內(nèi)，水體的光譜反(fǎn)射率(shuài)曲綫呈下(xià)降(jiàng)趨(qū)勢，在670-680nm範圍(wéi)內形成(chéng)一(yī)個(gè)峰穀(gǔ)，這(zhè)是由(yóu)於葉(yè)綠素a的強(qiáng)吸(xī)收引起的(dí)；在(zài)690-710nm範(fàn)圍(wéi)內(nèi)形(xíng)成(chéng)的(dí)陡峰可作為水體(tǐ)有(yǒu)無葉(yè)綠(lǜ)素的(dí)重(zhòng)要(yào)依據，由(yóu)於浮遊植物(wù)色素(sù)的熒光(guāng)效應，使得水和葉綠素 a的吸收係數之和(hé)在此(cǐ)波長處(chǔ)達到小(xiǎo)值；在(zài)790-810nm範(fàn)圍(wéi)內形成的(dí)峰值(zhí)是由於水中懸浮(fú)物的(dí)散射(shè)作用引(yǐn)起(qǐ)的。綜合分析(xī)星雲(yún)湖和(hé)茅洲(zhōu)河采(cǎi)樣(yàng)點(diǎn)的(dí)光譜曲綫可知，不同區(qū)域
，不同水質(zhì)的(dí)光譜(pǔ)曲綫(xiàn)變(biàn)化趨勢(shì)總體一致，是不同采(cǎi)樣點由(yóu)於(yú)所(suǒ)含的水質參數含量(liáng)不同，其峰(fēng)穀值及曲綫(xiàn)高(gāo)低(dī)變(biàn)換緩慢(màn)不同(tóng)。

圖3 星(xīng)雲(yún)湖(hú)和茅(máo)洲(zhōu)河采(cǎi)樣(yàng)點(diǎn)的(dí)光譜(pǔ)反射率

    將星(xīng)雲(yún)湖(hú)和(hé)茅(máo)洲河采(cǎi)樣點(diǎn)的水(shuǐ)質參數(shù)（如總(zǒng)氮(dàn)
，總(zǒng)磷(lín)
，懸(xuán)浮(fú)物(wù)
，濁(zhuó)度(dù)和(hé)葉(yè)綠素(sù)a）分(fēn)別(bié)與(yǔ)其對應(yīng)的(dí)光譜(pǔ)反射率值進行相關性(xìng)分(fēn)析(xī)，得到(dào)如(rú)圖(tú)4所示(shì)的(dí)相(xiāng)關性(xìng)曲綫(xiàn)。從(cóng)圖(tú)4可(kě)知，在400-1000nm光譜(pǔ)範圍內(nèi)，濁(zhuó)度(dù)與各(gè)波段(duàn)的反射(shè)率始終(zhōng)呈負相關關係，且(qiě)相關係(xì)數(shù)並不高，相(xiāng)關(guān)係數值在0-0.2之(zhī)間；總磷與各(gè)波(bō)段(duàn)的反射(shè)率(shuài)呈正(zhèng)負(fù)相關(guān)性，相關係數(shù)值(zhí)的(dí)在(zài)660-690nm之(zhī)間；總(zǒng)氮與各波段的反(fǎn)射(shè)率在400-530nm和540-695nm處呈負(fù)相(xiāng)關關係，在530-540和(hé)695-1000nm處(chǔ)呈正(zhèng)相(xiāng)關(guān)，相關(guān)係(xì)數在490nm和690nm附近有(yǒu)兩個(gè)峰(fēng)值(zhí)；懸浮物和葉綠(lǜ)素(sù)a與(yǔ)各波(bō)段(duàn)反射率相關性變化趨(qū)勢一(yī)致，在(zài)400-690nm範圍內(nèi)呈正(zhèng)負(fù)相關性(xìng)，在690-1000nm範(fàn)圍內呈(chéng)正相關性(xìng)，相(xiāng)關係數(shù)在490nm和(hé)690nm附(fù)近有兩(liǎng)個峰值(zhí)，在(zài)690-1000nm範圍內(nèi)保持較高(gāo)的相(xiāng)關性。

圖4 星雲(yún)湖
，茅洲(zhōu)河(hé)的水(shuǐ)質參(cān)數與反射率(shuài)的(dí)相(xiāng)關(guān)係數曲(qū)綫

3.2 水(shuǐ)質(zhì)參數的(dí)監測(cè)模型(xíng)

       根(gēn)據前人(rén)的研(yán)究(jiū)可(kě)知，利(lì)用(yòng)單(dān)波段監測水質(zhì)的精度不(bù)如雙波段(duàn)的監測精度高(gāo)；利(lì)用復(fù)雜(zá)的化學(xué)計(jì)量學(xué)分析法(fǎ)，如偏(piān)小(xiǎo)二(èr)乘法(fǎ)
，人工神經網絡(luò)
，支(zhī)持(chí)向量機等，與(yǔ)雙(shuāng)波(bō)段(duàn)監(jiān)測(cè)模(mó)型相(xiāng)比雖(suī)然(rán)從(cóng)監測精度(dù)上有所(suǒ)提(tí)高，但(dàn)運用的波段(duàn)數(shù)多，且(qiě)運(yùn)行時(shí)間較長，在(zài)實(shí)際應用(yòng)過程中不適(shì)合實時在綫(xiàn)監測(cè)水(shuǐ)質參(cān)數(shù)。然(rán)而利用(yòng)雙波段組(zǔ)合因子(zǐ)不(bù)僅(jǐn)可(kě)以(yǐ)突出(chū)水質(zhì)參數的光(guāng)譜特征，使(shǐ)得非(fēi)特征(zhēng)波段和特(tè)征(zhēng)波(bō)段不(bù)重合的(dí)其(qí)他水(shuǐ)質(zhì)參(cān)數的(dí)交叉影響所造成的誤(wù)差平均化和隨機(jī)化。同時(shí)，相(xiāng)除(chú)因子和相差因(yīn)子(zǐ)都是突出水質參(cān)數(shù)的光譜特(tè)征波(bō)段的有效運算方(fāng)法。本文(wén)根據(jù)雙波(bō)段組合(hé)，構建歸(guī)一化(huà)指(zhǐ)數(shù)
，比(bǐ)值(zhí)指(zhǐ)數
，差(chà)值指數，尋(xún)找雙波段組(zǔ)合(hé)構(gòu)建監測模型(xíng)預測水質(zhì)參數(shù)。

     將波長(cháng)從(cóng)400-1000nm的(dí)所(suǒ)有波段反(fǎn)射(shè)率構(gòu)建(jiàn)歸(guī)一(yī)化指數
，比值(zhí)指數(shù)
，差值(zhí)指(zhǐ)數(shù)分(fēn)別(bié)與各水質參(cān)數進(jìn)行相(xiāng)關(guān)分(fēn)析(xī)，得(dé)到(dào)水質參數與各波段比值(zhí)的(dí)相關係(xì)數分(fēn)布(bù)圖(tú)。以(yǐ)水質參(cān)數總氮(dàn)為例，圖5為水質參(cān)數(shù)總氮與歸一化指數
，比值(zhí)指(zhǐ)數
，差(chà)值指數(shù)任意兩波段(duàn)組合(hé)的(dí)相(xiāng)關係(xì)數(shù)分布圖。

圖(tú)5 總氮與雙(shuāng)波段(duàn)反射率指數相關(guān)係數(shù)分布(bù)圖

圖6 總氮模型(xíng)的建(jiàn)立(lì)及檢驗(yàn)

圖7 總磷模型的建立(lì)及(jí)檢(jiǎn)驗

圖8 葉綠(lǜ)素a模(mó)型(xíng)的建立及檢驗

圖(tú)9 懸(xuán)浮物模(mó)型的建立(lì)及(jí)檢驗

圖(tú)10 濁度(dù)模型(xíng)的(dí)建(jiàn)立及檢驗(yàn)

圖(tú)11 河湖水質參數(shù)的(dí)反演

4 結(jié)論(lùn)與討論

       目前，衛星遙(yáo)感(gǎn)技術(shù)對水質參數的監(jiān)測(cè)研(yán)究已(yǐ)基(jī)本(běn)成(chéng)熟，但(dàn)受(shòu)衛星(xīng)遙(yáo)感影像(xiàng)空間分辨(biàn)率(shuài)
，時(shí)間分(fēn)辨(biàn)率(shuài)等(děng)因素(sù)的影(yǐng)響(xiǎng)，衛星遙感無法針對小(xiǎo)範圍城(chéng)市(shì)河(hé)流
，湖(hú)泊的進(jìn)出(chū)排水(shuǐ)口進行實時監測。本研究利(lì)用無(wú)人(rén)機(jī)高(gāo)光(guāng)譜(pǔ)技術(shù)，根(gēn)據已建(jiàn)立(lì)的指數模型，在水麵上(shàng)空(kōng)獲取水體的高光譜影(yǐng)像(xiàng)，通過(guò)在(zài)綫(xiàn)反演可(kě)實時觀(guān)察水環境(jìng)的(dí)水(shuǐ)質參(cān)數(shù)總氮
，總(zǒng)磷(lín)
，葉綠素(sù)a
，懸浮物
，濁(zhuó)度(dù)的變化，為城市河(hé)流的水質(zhì)監(jiān)測(cè)提(tí)供(gōng)了全(quán)新(xīn)的(dí)數據來(lái)源(yuán)和技術手段(duàn)，同時(shí)也為湖泊(bó)
，河(hé)流的水(shuǐ)環境(jìng)保(bǎo)護(hù)及治(zhì)理提(tí)供了(liǎo)依(yī)據(jù)。