穆紅波 徐燕飛 殷夢杰

摘 要："珠海一號"衛(wèi)星高光譜數(shù)據(jù)具有高時空分辨率的特點，為采煤沉陷區(qū)水質時空監(jiān)測提供了更高精度的數(shù)據(jù)源。葉綠素a濃度是評價水質狀況的重要參數(shù)。為探究淮南采煤沉陷區(qū)葉綠素a濃度反演模型，以安徽淮南顧橋采煤沉陷區(qū)為研究對象，基于"珠海一號"高光譜影像和水樣測試數(shù)據(jù)，對采煤沉陷水域葉綠素a濃度反演模型進行構建，反演并分析了顧橋采煤沉陷區(qū)葉綠素a濃度空間分布特征及其成因。結果表明：基于珠海一號高光譜影像（b10+b19-b2）/（b10+b19+b2）波段組合方式構建的三次函數(shù)模型精度和穩(wěn)定性較高，可以用于顧橋采煤沉陷區(qū)水質的動態(tài)監(jiān)測;顧橋沉陷區(qū)水域總體葉綠素a濃度較高，高值區(qū)主要位于水域中部，且南部水域高于北部;農(nóng)田施肥和工礦生產(chǎn)、居民生活污水的排放是造成沉陷區(qū)內葉綠素a濃度上升的主要原因。

關鍵詞：水質遙感;珠海一號衛(wèi)星;高光譜影像;葉綠素a;采煤沉陷區(qū)

Abstract：The hyperspectral data OHS-1 satellite，with the high spatial and temporal resolution， provides a more accurate data source for the spatial and temporal monitoring of water quality in mining subsidence area. Chlorophyll-a concentration is an important parameter to evaluate water quality. To explore the inversion model of chlorophyll-a concentration in Huainan coal mining subsidence area， the inversion model of chlorophyll-a concentration in the coal mining subsidence area was constructed， with Guqiao coal mining subsidence area in Huainan， Anhui province as the research object， and the spatial distribution characteristics of chlorophyll-a and its origin in the subsidence area were analyzed based on the hyperspectral image of OHS-1 satellite and water sampling data. The results show that the cubic function model based on （b10+b19-b2）/（b10+b19+b2）band combination from hyperspectral image of OHS-1 satellite has high inversion accuracy and stability， and can be used for dynamic monitoring of water quality in Guqiao coal mining subsidence area. The overall chlorophyll-a concentration in the water of subsidence area is high， mainly located in the middle part of the area， which in the southern part is higher than in the northern part. The main reasons for the increase of chlorophyll-a concentration in the subsidence area are the fertilization of farmland， the discharge of the industrial and mining production and the domestic sewage.

Key words：water quality remote sensing; OHS-1 satellite; hyperspectral image; Chlorophyll-a;coal mining subsidence

我國東部高潛水位礦區(qū)，常年大規(guī)模地下煤炭的開采形成了大面積的沉陷水域，嚴重影響了當?shù)氐霓r(nóng)業(yè)生產(chǎn)和居民生活，沉陷水域的水環(huán)境問題成為限制礦區(qū)生態(tài)環(huán)境修復和區(qū)域經(jīng)濟可持續(xù)發(fā)展的重要因素[1]85。水體水質參數(shù)的有效監(jiān)測和研究是開展水環(huán)境治理和修復的重要前提。傳統(tǒng)的通過采集水樣進行水質測試分析的方法盡管精度較高，但由于受采樣點數(shù)量和代表性的限制，難以實現(xiàn)水質參數(shù)空間化、時效性、代表性的監(jiān)測和時空變化研究[2-3]。相比于傳統(tǒng)監(jiān)測分析方法，遙感技術具有成本低、范圍廣、時效性強的優(yōu)勢，利用遙感影像進行水域水質參數(shù)的反演，可以實現(xiàn)水質全區(qū)域的空間分布及其變化分析。

目前，水質遙感涉及到的參數(shù)主要包括葉綠素a（Chlorophyll-a，Chla）、透明度、濁度、總氮、總磷、富營養(yǎng)化指數(shù)等直接和間接相關參數(shù)。所使用的數(shù)據(jù)源從多光譜遙感數(shù)據(jù)、非成像高光譜數(shù)據(jù)到高光譜成像光譜數(shù)據(jù)，發(fā)展了經(jīng)驗模型、半經(jīng)驗/半分析模型和分析模型三種反演方法。針對內陸地表水水質遙感，國內外學者建立了眾多的水質參數(shù)遙感反演模型，然而，由于內陸水體光學特征的復雜性，目前還沒有普適性的水質遙感反演模型[4-6]。近年來，一些學者在對內陸湖泊水體水質參數(shù)遙感反演的基礎上，對我國東部采煤沉陷水域水質參數(shù)的遙感反演進行了研究。文獻[7]以兗州礦濟寧礦區(qū)為研究區(qū)，基于Hyperion高光譜數(shù)據(jù)，通過對礦業(yè)擾動區(qū)水體組分敏感波段的分析，構建礦業(yè)擾動的反演模型，實現(xiàn)了礦業(yè)擾動區(qū)地表水體的遙感反演。文獻[8]綜合應用地面測量光譜和無人機高光譜數(shù)據(jù)，對工礦城市尾礦庫、河流、湖泊等典型區(qū)域的水質參數(shù)進行了反演。文獻[9]以淮南顧橋采煤沉陷水域為研究對象，利用HJ-1 A/B衛(wèi)星的和的影像數(shù)據(jù)，結合同步水體波譜信息和現(xiàn)場水質監(jiān)測數(shù)據(jù)，建立了針對淮南釆煤沉陷水域水環(huán)境特點的遙感反演模型，并對采煤沉陷水域富營養(yǎng)化現(xiàn)狀進行了評價。

文獻[1]89利用HJ-1衛(wèi)星數(shù)據(jù)，分別對淮南顧橋和潘集兩個不同類型的沉陷區(qū)水體進行了相關水質指標的遙感反演并進行了富營養(yǎng)化評價，研究表明顧橋沉陷水域富營養(yǎng)化程度明顯高于潘集沉陷水域。盡管前人已經(jīng)在顧橋采煤沉陷區(qū)水質遙感監(jiān)測方面取得了一定的成果，但上述研究主要是基于中等分辨率遙感衛(wèi)星數(shù)據(jù)開展的，相較于大型湖泊、河流的水質反演，采煤沉陷區(qū)水體光譜特征更為復雜，且水域面積較小，鄰近像元效應影響較為嚴重，更加需要高分辨率的衛(wèi)星遙感數(shù)據(jù)。2018年12月17日，“珠海一號”商業(yè)航天高光譜衛(wèi)星數(shù)據(jù)首次對外發(fā)布，其數(shù)據(jù)具有高光譜、高空間、高時間分辨等特點，開啟了我國商業(yè)高光譜遙感定量新時代，為小范圍高分辨率水域水質時空監(jiān)測提供了數(shù)據(jù)源，在內陸水體遙感監(jiān)測中具有較大潛力[10-11]。

葉綠素a作為水體光合生物諸如藍藻、綠藻等生物的重要組成成分，是衡量水體初級生產(chǎn)力和富營養(yǎng)化程度最基本的指標，也是水質狀態(tài)評價的關鍵參數(shù)之一，成為國內外學者水質遙感反演研究的主要目標[12-16]。本文以安徽淮南顧橋采煤沉陷水域為研究對象，基于“珠海一號”高光譜數(shù)據(jù)，結合野外實測光譜和水樣測試分析，通過對葉綠素a濃度敏感性波段及其組合的相關分析，構建遙感反演模型，對研究區(qū)葉綠素a空間分布特征及其成因加以分析，為該區(qū)域水環(huán)境的監(jiān)測和治理提供科學指導。

1 研究區(qū)概況

顧橋礦位于安徽省淮南市鳳臺縣以東約20km，地處潘謝礦區(qū)中西部，東與丁集礦為鄰，西與張集礦相接，北與顧北礦相通，井田面積約為106km2（見圖1）。礦區(qū)內地下水位平均埋深1～2m，長期的煤炭開采形成了大面積沉陷積水區(qū)，平均水深約為4m。經(jīng)遙感影像解譯，截止2020a，整個積水區(qū)域面積達到11.6km2。

礦區(qū)內主要土地利用類型為耕地，采煤沉陷水域的主要利用方式為水產(chǎn)養(yǎng)殖和光伏發(fā)電。由于沉陷水域主要由農(nóng)田、村莊塌陷而來，周圍有發(fā)電廠、煤矸石堆積，各種農(nóng)業(yè)污水、生活及工業(yè)廢水進入積水區(qū)域，造成了一定程度的污染。同時，不合理的水產(chǎn)養(yǎng)殖也不同程度地影響著水體水質狀況[1]87-88。

2 數(shù)據(jù)與方法

（1）樣品采集與測試

2019年5月23日對顧橋沉陷區(qū)水質進行了實地采樣，采樣點分布如圖2所示，采樣當天天氣晴朗，水面平靜。此次采樣共采集有效水體樣本20個，同步利用ASD野外光譜輻射儀，采用水體水面以上光譜測量方法[17]對各樣點的輻射數(shù)據(jù)進行測量，共獲得水體光譜曲線1 400條。水體樣本按照相關要求保存在棕色瓶中帶回實驗室進行測試分析。其中，2/3的測試數(shù)據(jù)用來進行模型的構建，1/3的數(shù)據(jù)進行模型反演精度的評價。

（2）遙感數(shù)據(jù)處理

本文收集了與采樣時間接近的2019年5月4日的一景成像質量優(yōu)良的“珠海一號”高光譜衛(wèi)星數(shù)據(jù)， 該數(shù)據(jù)具有256個波段（有效成像波段數(shù)32）， 波長范圍為400nm～1 000nm，光譜分辨率為2.5nm，空間分辨率為10m，幅寬為150km，重訪周期為2d。

由于在遙感圖像中，水體表現(xiàn)為弱信息，因此在對沉陷區(qū)水質參數(shù)進行反演時，對遙感圖像的預處理就顯得尤為重要[1]87，主要包括遙感圖像的幾何校正、輻射定標、大氣校正和圖像裁剪。

此外，在進行水質相關指標反演之前還需對研究區(qū)水體范圍進行提取。因水體在藍光波段對入射能量具有較強反射峰，在近紅外、短波紅外幾乎吸收全部能量，國內相關學者根據(jù)上述水體光譜特征先后提出了單波段閾值法、多波段譜間關系法、歸一化水體指數(shù)法、改進的歸一化水體指數(shù)法等來進行水體信息的提取[18-19]。根據(jù)在該地區(qū)的實驗，使用歸一化水體指數(shù)方法能很好的提取出沉陷積水區(qū)范圍。

（3）反演模型構建

利用實測采樣點，對珠海一號高光譜數(shù)據(jù)每一波段反射率值和葉綠素a濃度測試值進行相關性分析，結果如圖3所示。

由圖3可知，葉綠素a濃度與波段b2、b10、b19相關性較強，所以可以使用上述波段進行葉綠素a濃度的反演。由于單波段與葉綠素a濃度進行相關性分析時其相關性可能較弱，所以一般方法是將幾個較強相關性的波段進行組合，以提高與葉綠素a濃度的相關性，進而增加反演模型的精度，常用的增強方式有波段間比值、波段間歸一化、波段間求和、波段間差值等。據(jù)前人研究結果表明，通過上述增強方法后的波段運算結果在一定程度上能增加與葉綠素a濃度的相關性。因此，這里將相關性較強的波段b2、波段b10、波段b19進行上述組合，最后將組合結果與采樣點葉綠素a濃度進行相關性分析，結果如表1所示。

由表1可知，葉綠素a濃度與（b10+b19-b2）/（b10+b19+b2）組合方式相關性最高，所以選用此波段組合進行葉素綠a濃度反演模型的構建。分別采用常用的線性函數(shù)、指數(shù)函數(shù)、二次函數(shù)、三次函數(shù)模型對每個采樣點的波段組合值和葉綠素a濃度值進行曲線擬合，結果如圖4所示。

擬合效果的評價一般使用R2與調整后R2來衡量，R2越接近1，表示效果越好，調整后R2越接近1模型穩(wěn)定性越高。由圖4可知，三次函數(shù)模型的R2最高，調整后R2也達到了0.603，因此選擇三次函數(shù)模型作為本研究區(qū)葉綠素a濃度的最佳反演模型。

（4）反演模型評價

對利用高光譜數(shù)據(jù)與實測數(shù)據(jù)建立的各水質指標反演模型，使用剩余1/3樣本進行模型精度評價，計算其平均絕對誤差（Mean Absolute Error，MAE）、均方根誤差（Root Mean Square Error，RMSE），并作出其誤差圖（見圖5）、實測值與模型估算值對比圖（見圖6）。平均絕對誤差（MAE）是將各次測量的誤差取絕對值后再求平均值，可以避免誤差相互抵消的問題，可以準確反映實際估算誤差的大小。均方根誤差（RMSE）是模型預測值與真實觀測值偏差的平方與觀測次數(shù)的n比值的平方根，主要用來評價模型估算值與真實值之間的偏差，同時在一定程度上也能代表估算模型的穩(wěn)定性。一般來說，均方根誤差越小，模型精度和穩(wěn)定性越好。由圖5可知，葉綠素a濃度MAE為1.132，RMSE為1.231，因此，該模型可以用于顧橋沉陷積水區(qū)葉綠素a濃度的反演。

3 結果分析

基于上述葉綠素a濃度反演模型得到研究區(qū)葉綠素濃度空間分布，并將其劃分為五級，為便于闡述將沉陷水域標記為五個小區(qū)域，沉陷水域西北部分因大量光伏電池的鋪設，未參與反演，如圖7所示。

由圖3.1可知，葉綠素a濃度在整個水域濃度都比較高，尤其是水域中部，且南部Ⅲ、Ⅳ區(qū)域濃度相對北部高值區(qū)范圍更大，北部I、Ⅱ區(qū)域以及西部V區(qū)域濃度相對較低、范圍較小，與裴文明等研究結果相一致[1]88-89。這主要與當?shù)氐霓r(nóng)業(yè)生產(chǎn)有關，5月份為農(nóng)田播種季節(jié)，大量農(nóng)業(yè)化肥使用過程中，氮磷等元素通過地表徑流匯集到沉陷積水區(qū)內，并且其南部靠近發(fā)電廠、礦區(qū)和居民區(qū)，大量工業(yè)廢水和生活污水的流入也導致富營養(yǎng)化程度加重。此外鄰近沉陷水域中煤矸石填充的道路南側，葉綠素a濃度也相對較高。

4 結論

本文以淮南顧橋采煤沉陷區(qū)為研究對象，基于“珠海一號”高光譜數(shù)據(jù)各波段反射率值與葉綠素a濃度實測值的相關性分析，確立最佳波段組合，建立了研究區(qū)葉綠素a濃度的反演模型，對研究區(qū)葉綠素a濃度進行了空間反演和分析。

（1）利用“珠海一號”高光譜數(shù)據(jù)能夠得到更高分辨率的水質反演結果，為采煤沉陷區(qū)水質監(jiān)測和時空變化研究提供了有力支持。對于顧橋采煤沉陷區(qū)來說，葉綠素a濃度與“珠海一號”高光譜數(shù)據(jù)b2、b10、b19波段相關性較強，基于（b10+b19-b2）/（b10+b19+b2）組合所構建的三次函數(shù)模型反演效果最佳，反演模型精度和穩(wěn)定性較高。但模型在整個礦區(qū)的適用性以及季節(jié)性差異還有待進一步驗證。

（2）整個顧橋采煤沉陷區(qū)葉綠素a濃度都比較高，說明水體的富營養(yǎng)化程度較高，高值區(qū)主要位于水域中部及煤矸石充填的道路南側，且南部水域高于北部。這一方面與農(nóng)業(yè)生產(chǎn)過程中化肥使用有關，另一方面與煤矸石堆積、工礦生產(chǎn)廢水和生活污水的排放有關。

參考文獻：

[1] 裴文明，張慧，姚素平，等.淮南礦區(qū)不同類型沉陷水域水質遙感反演和時空變化分析[J].煤田地質與勘探，2018，46（3）：85-90.

[2] 徐鵬飛，毛峰，金平斌，等.基于GF1_WFV的千島湖水體葉綠素a濃度時空變化[J].中國環(huán)境科學，2020，40（10）：4 580-4 588.

[3] 侯鵬飛.城鎮(zhèn)化背景下滇池葉綠素a濃度時空變化特征研究[D].昆明：云南師范大學，2020.

[4] 段洪濤，羅菊花，曹志剛，等.流域水環(huán)境遙感研究進展與思考[J].地理科學進展，2019，38（8）：1 182-1 195.

[5] 曹引，冶運濤，趙紅莉，等.內陸水體水質參數(shù)遙感反演集合建模方法[J].中國環(huán)境科學， 2017， 37（10）：3 940-3 951.

[6] DANIEL O，ANATOLY G，VITTORIO E B，et al.Review of constituent retrieval in optically deep and complex waters from satellite imagery[J].Remote Sensing of Environment，2012，118（4）：116-126.

[7] 韓留生.礦業(yè)擾動區(qū)水質參數(shù)高光譜遙感反演[D].青島：山東科技大學，2011.

[8] 彭令，梅軍軍，王娜，等.工礦業(yè)城市區(qū)域水質參數(shù)高光譜定量反演[J].光譜學與光譜分析，2019，39（9）：2 921-2 928.

[9] 葉圓圓.基于RS淮南采煤沉陷水域水質實時監(jiān)測技術研究[D].淮南：安徽理工大學，2014.

[10] 洪韜.珠海一號高光譜衛(wèi)星在內陸湖泊監(jiān)測中的應用[J].衛(wèi)星應用，2019，（8）：19-22.

[11] 尹慧新，樊彥國.基于“珠海一號”高光譜衛(wèi)星的洱海水體提取方法研究[J].航天返回與遙感，2020（4）：118-127.

[12] 陶然，彭金嬋，張豪，等.內陸水體葉綠素a濃度遙感監(jiān)測方法研究進展[J].地理信息世界，2019，26（4）：44-53.

[13] 潘應陽，國巧真，孫金華.水體葉綠素a濃度遙感反演方法研究進展[J].測繪科學，2017，42（1）：43-48.

[14] 宋挺，周文鱗，劉軍志，等.利用高光譜反演模型評估太湖水體葉綠素a濃度分布[J].環(huán)境科學學報，2017，37（3）：888-899.

[15] 封紅娥，李家國，朱云芳，等.GF-1與Landsat8水體葉綠素a濃度協(xié)同反演——以太湖為例[J].國土資源遙感，2019，31（4）：182-189.

[16] WANG T，HUANG M T，WANG Z J.Estimation of chlorophyll-a Concentration of lakes based on SVM algorithm and Landsat 8 OLI images[J].Environmental Science and Pollution Research，2020，27：14 977-14 990.

[17] 唐軍武，田國良，汪小勇，等.水體光譜測量與分析Ⅰ：水面以上測量法[J].遙感學報，2004，8（1）：37-44.

[18] 朱鶴.遙感技術在地表水源地水體監(jiān)測中的應用研究[D].北京：中國水利水電科學研究院，2013.

[19] 王航，秦奮.遙感影像水體提取研究綜述[J].測繪科學，2018，43（5）：23-32.

（責任編輯：李 麗，范 君）