黃祺宇，肖 晗，于之鋒,3，周 斌,3，彭曉雪，袁小紅,3

(1. 杭州師范大學(xué)遙感與地球科學(xué)研究院，浙江 杭州311121； 2. 武漢大學(xué)遙感信息工程學(xué)院，湖北 武漢 430079；3. 浙江省城市濕地與區(qū)域變化研究重點實驗室，浙江 杭州 311121)

城市黑臭水體是指城市建成區(qū)內(nèi)呈現(xiàn)令人不悅的顏色和散發(fā)令人不適氣味的水體[1].城市黑臭水體不僅對城市水環(huán)境造成惡劣影響，而且損害居民身體健康，降低生活品質(zhì)[2].我國政府針對城市黑臭水體采取了一系列措施，其中快速準(zhǔn)確地獲取城市黑臭水體的時空分布是及時治理黑臭水體或阻止正常水體黑臭化的關(guān)鍵.黑臭水體時空分布信息來源于城市水體監(jiān)測，相比人工巡航采樣結(jié)合實驗室化學(xué)分析，遙感監(jiān)測城市黑臭水體速度更快、范圍更大且時效性更強，已被世界各地用作長期監(jiān)測城市黑臭水體的主要技術(shù)手段[3].隨著我國遙感與衛(wèi)星技術(shù)的不斷革新突破，高分(GF)系列、資源(ZY)系列等衛(wèi)星的陸續(xù)發(fā)射及其數(shù)據(jù)應(yīng)用的推廣，許多國產(chǎn)高分辨率衛(wèi)星影像已經(jīng)能夠支持并實現(xiàn)對城市細(xì)小、零碎河流的觀測，提高了城市黑臭水體的監(jiān)測精度[4].

在對既定研究區(qū)黑臭水體識別應(yīng)用方面，國內(nèi)外已經(jīng)建立并驗證諸多適用性強且精度高的定量化監(jiān)測評價模型.Bai等[5]基于SeaWiFS衛(wèi)星的原位數(shù)據(jù)和海洋顏色遙感數(shù)據(jù)，監(jiān)測到長江河口存在黑水區(qū)域并解釋了其異常光學(xué)；Leif等[6]利用Landsat影像反演了美國明尼蘇達州各個區(qū)位湖泊的透明度，證實了從遙感影像中可以獲得時間和空間全覆蓋的水質(zhì)特征.Zou等[7]通過對典型黑臭水聚集區(qū)分析，開發(fā)了基于DN值和研究區(qū)域方差的黑臭水聚集區(qū)經(jīng)驗檢索算法并證明其精度.此外，有部分學(xué)者基于某一城市的黑臭水體構(gòu)建影像監(jiān)測算法，利用實測水體光譜結(jié)合遙感影像，分析黑臭水體與一般水體的光譜差異，再通過波段組合構(gòu)建黑臭水體判別模型.例如，溫爽等[8]分析了南京地區(qū)的黑臭水體光譜與一般水體光譜的特征區(qū)別，構(gòu)建了基于高分二號影像的單波段閾值、差值、比值、色度值的黑臭識別模型.胡國慶等[9]基于高分二號，利用單波段閾值法、波段差值法、歸一化指數(shù)法、斜率指數(shù)法對安徽省蕪湖市城市黑臭水現(xiàn)狀進行識別.紀(jì)剛[10]基于高分一號和高分二號衛(wèi)星影像，構(gòu)建了北京市黑臭水體識別系列模型(HeiChou Identification, HCI).曹紅業(yè)[11]綜合多個城市各類水體的固有光學(xué)量、表觀光學(xué)量和水質(zhì)參數(shù)特性，提出了基于實測遙感反射率的飽和度法和光譜指數(shù)法.張雪等[12]基于高分一號衛(wèi)星，利用單波段法、差值法、比值法、HCI1和HCI2算法對深圳市黑臭水體進行識別.韓文聰?shù)萚13]基于高分二號，使用營養(yǎng)狀態(tài)指數(shù)、歸一化黑臭水體指數(shù)(normalized difference black-odorousous water index, NDBWI)、反射率光譜指數(shù)(black-odorous water index, BOI)3種方法對浙江省寧?？h進行疑似黑臭水體的判讀和識別，取得較好成果；姚月等[14]使用高分二號衛(wèi)星影像，基于遙感反射率、瑞利散射校正反射率遙感識別沈陽市黑臭水體，取得較好的識別精度.

目前，遙感水色識別方法及城市黑臭水體識別模型雖在實際應(yīng)用中具有較高的精度，但仍存在不足，如何選定最優(yōu)閾值或自動化提取水體是各算法模型需要克服的重大難題之一[15].不僅如此，算法應(yīng)用于不同衛(wèi)星影像的反演效果不盡相同，將算法移植至其他研究區(qū)或應(yīng)用于其他衛(wèi)星影像的反演效果仍有待檢驗.本研究基于高分六號衛(wèi)星影像，利用杭州市城區(qū)實測黑臭水體光譜，應(yīng)用5種黑臭水體識別模型并進行精度檢驗，探究每種黑臭水體識別算法在杭州地區(qū)的適用性.

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

杭州市區(qū)河道縱橫交錯、河網(wǎng)密布，共有河道1 400余條，主城區(qū)內(nèi)河道461條[16].依照浙江省制定的黑臭河標(biāo)準(zhǔn)和地表水環(huán)境質(zhì)量標(biāo)準(zhǔn)，杭州市在開展“五水共治”之前有348條垃圾河和黑臭河，在納入監(jiān)測范圍的1 334條河道中，劣Ⅴ類水河道約占40%，主城區(qū)劣Ⅴ類河道占河道總數(shù)的2/3以上[17].目前，主要河道已基本消除了黑臭，但由于歷史因素，加上杭州河道數(shù)量眾多，市區(qū)范圍內(nèi)河道仍存在漏測、“復(fù)黑”、富營養(yǎng)化等潛在風(fēng)險，水質(zhì)亟待改善[18].

1.2 數(shù)據(jù)采集

2019年3月23日—24日，對杭州市拱墅區(qū)后橫港河、陶家圩，西湖區(qū)族濱漾、西行河、余杭塘河、十字港橋，余杭區(qū)蓬橋河港、紅衛(wèi)港，濱江區(qū)陸家水潭、永久河、傅家峙河、善慶莊橫河，共12條河道展開黑臭水體的野外實地測量.測量時，每條河道選擇上、中、下游3部分至少一個樣本點，并且要求該樣本點能代表較大面積河段的水質(zhì)，在遇到有明顯水質(zhì)變化的河段時增加采樣，最終共選擇了62個樣本點：余杭區(qū)點簇7個樣點，拱墅區(qū)點簇7個樣點，西湖區(qū)從左至右，從上至下點簇分別為4個、7個、5個、7個、5個樣點，濱江區(qū)從左至右，從上至下點簇分別為4個、7個、5個、4個樣點(圖1).

圖1 實測水體點位分布Fig.1 Point distribution of measured water body

水體光譜數(shù)據(jù)采集時，使用手持式光譜儀(analytical spectral devices，ASD)和30%反射率的標(biāo)準(zhǔn)板，依據(jù)水面以上測量法[19]獲取各站點的水體光譜數(shù)據(jù)，剔除各觀測點中偏差較大的異常光譜，計算剩余光譜數(shù)據(jù)的水體遙感反射率.溶解氧與氧化電位采用多參數(shù)水質(zhì)儀獲取，依照水質(zhì)儀操作步驟[20]，設(shè)定待測水質(zhì)參數(shù)后，開啟自動測量模式獲取相應(yīng)水質(zhì)參數(shù)信息.使用透明度儀測量水體的透明度信息，取2次測定平均值作為水體透明度值.

(1)

式中，Rrs為遙感反射率，Lu、Lsky、Lp分別為光譜儀面向水體、天空和灰板時的輻亮度測量信號，ρp為灰板反射率，ρf為菲涅爾反射率.依據(jù)測站點的風(fēng)速設(shè)置ρf的數(shù)值，平靜水面可取ρf=0.022；在5 m/s左右風(fēng)速下，ρf可取0.025.

1.3 高分六號影像處理

本文使用最貼近實測日期的可用影像數(shù)據(jù)(2019年3月12日的兩幅高分六號影像數(shù)據(jù))，數(shù)據(jù)來源于中國資源衛(wèi)星應(yīng)用中心，影像無云覆蓋，可用于杭州市黑臭水體的識別.利用ENVI軟件對高分六號影像進行數(shù)據(jù)預(yù)處理，包括正射校正、輻射定標(biāo)、大氣校正等.大氣校正采用FLAASH大氣校正模塊，由于高分六號缺少大氣校正氣溶膠反演相應(yīng)的波段[21-22]，因此不采用氣溶膠反演.為減少建筑物高亮部分對水體識別的影響，對影像進行水體掩膜，使用NCWI[23]提取影像水體部分，并對感興趣區(qū)(region of interest，ROI)進行細(xì)節(jié)修正排除建筑物高亮部分，保留細(xì)小水體，剔除混合像元.

2 城市黑臭水體遙感識別算法

2.1 黑臭水體光譜特征分析

依據(jù)曹紅業(yè)[11]提出的新黑臭水體判別指標(biāo)(以下簡稱新指標(biāo))，對一般水體與黑臭水體進行判別.新指標(biāo)基于《城市黑臭水體整治工作指南》[24](以下簡稱舊指標(biāo))且更加成熟：溶解氧(dissolved oxygen, DO)水平由2 mg/L提升至3.5 mg/L，氧化還原電位(oxidation reduction potential, ORP)由50 mV提升至60 mV，氨氮水平由8 mg/L降至6 mg/L.

依照城市黑臭水體判別標(biāo)準(zhǔn)中新指標(biāo)(表1)，根據(jù)各采樣點的氨氮水平、透明度、溶解氧水平、氧化還原電位，判別各采樣點處水體是否為黑臭水體.最終62個樣本點的數(shù)據(jù)中，黑臭水體樣36個、正常水體樣26個.依據(jù)分類結(jié)果對正常河段和黑臭河段的樣本點光譜數(shù)據(jù)進行處理，計算得到遙感反射率，繪制光譜曲線(圖2)，對比分析黑臭水體與正常水體的光譜特征.

表1 城市黑臭水體判別標(biāo)準(zhǔn)[12]Tab.1 Discrimination standard of urban black-odorous water body

a:黑臭水體; b:正常水體.

在波長400～550 nm范圍內(nèi)，黑臭水體與正常水體的遙感反射率數(shù)值均上升，但黑臭水體的整體上升趨勢更加平緩.大部分黑臭水體含氧量低，藻類植物數(shù)量少，因此相較于正常水體，其670 nm附近吸收谷不明顯，700 nm附近反射峰不明顯[25].此外，760 nm處正常水體具有明顯的液態(tài)水特征(吸收形成的吸收谷)，而黑臭水體無該特征.總體而言，杭州黑臭水體的遙感反射率(<0.038 sr-1)低于正常水體的遙感反射率.永久河與十字港橋水體清澈，受水底河床干擾，其遙感反射率較低.杭州黑臭水體的遙感反射率走勢較正常水體平緩，波峰波谷不明顯，數(shù)值與正常水體有明顯的分界閾值.利用高分六號光譜響應(yīng)函數(shù)和野外實際測量計算得到的水體遙感反射率均值可生成高分六號模擬結(jié)果，對比圖3顯示，高分六號影像大大縮減了水體的光譜特征細(xì)節(jié)差異[26].在斜率與數(shù)值上，正常水體與黑臭水體存在較大差異，這與余佳龍等[17]研究結(jié)果一致.因此，利用高分六號監(jiān)測黑臭水體時可通過構(gòu)建藍光、綠光、紅光和近紅外波段的相關(guān)算法識別黑臭水體.

圖3 基于兩類水體反射率均值的高分六號模擬結(jié)果Fig.3 Simulated average reflectivity of two kinds of water body multi-spectrum of GF-6

利用采樣點的光譜數(shù)據(jù)建立單波段法、差值法、比值法、HCI1、HCI2[10,12,27]5種黑臭水體識別算法，對基于高分六號影像的黑臭水體識別算法的精度進行驗證和對比分析.由于不同地區(qū)的地理位置和水質(zhì)環(huán)境等具有差異，不同城市的正常水體和黑臭水體的光譜有差異[12].因此，上述黑臭水體識別算法雖在某一地區(qū)能有效區(qū)分黑臭水體和正常水體，但在不同地區(qū)應(yīng)用時識別精度易受影響，故需修正提取算法的閾值，并進行精度評價[28-29].從高分六號模擬結(jié)果中，隨機篩選出15個黑臭水體樣本和10個正常水體樣本，對算法的閾值進行修正.如圖4所示，紅線處為表2所列的水體區(qū)分閾值，RR為紅光波段、RG為綠光波段、RB為藍光波段、RN為近紅外波段，N1、N2、N3、N4、N5、N6分別為各方法中使用到的閾值.

圖4 各算法建模樣點Fig.4 Modeling sample points of each algorithm

表2 各算法閾值修正結(jié)果Tab.2 Threshold correction results of each algorithm

2.2 精度分析

將表2中的5種黑臭水體識別算法應(yīng)用于經(jīng)過處理的高分六號影像，提取影像中的黑臭水體.根據(jù)與衛(wèi)星同步的實測水體進行精度評價，評價指標(biāo)采用識別正確率，結(jié)果如表3所示.

表3 黑臭水體的影像提取算法識別正確率Tab.3 Correct recognition rate of image extraction algorithm for black-odorous water body

(2)

式中，N為該水體類別中總樣本個數(shù)，M為應(yīng)用判別模型后識別正確的樣本個數(shù).

結(jié)果表明，5種識別算法中，比值法和HCI2方法的精度較低，且各類算法將正常水體錯分為黑臭水體的現(xiàn)象較為普遍，可能原因如下：

1)杭州地區(qū)部分水體水質(zhì)較好、水體透明度高、水體光譜吸收強、水體反射率值較低，在水體識別時易被錯分為黑臭水體.如永久河水質(zhì)較好，水體反射率反而較低，且在綠光和紅光波段上反射率值較為接近，因而在比值法和HCI2中的區(qū)分度較差.水體很淺而導(dǎo)致底泥影響水體光譜特性較大的情況，在水體提取階段已被剔除，因此不需考慮底泥光譜信息導(dǎo)致的誤判.

2)在測量的黑臭水體中，善慶莊橫河的水體表面存在嚴(yán)重油污，油污遮蓋水體表面導(dǎo)致水體遙感反射率偏高，因此該水體易被錯分為正常水體.

3)進行大氣校正時，由于高分六號影像不存在大氣校正氣溶膠反演相應(yīng)的波段，大氣校正結(jié)果可能與實際情況存在一定偏差.

4)杭州市長期以來積極開展水體的清潔工作，在實際測量時也發(fā)現(xiàn)有清潔人員在對水體中的異物進行清除，影像成像時間與實際測量時間具有一定時間間隔，可能存在短時間內(nèi)水體遙感反射率發(fā)生變化的情況，導(dǎo)致數(shù)據(jù)誤差.

在5種識別算法中，波段差值方法識別正常水體的正確率相對較高，正常水體識別正確點位為23個，識別正確率達88.5%.HCI1方法識別黑臭水體的正確率較高，黑臭水體識別正確點位為34個，識別正確率達94.4%.

采用不同算法提取的黑臭水體如圖5所示.結(jié)果顯示，單波段法提取出黑臭河段13條，總長度97.30 km；波段差值法提取出黑臭河段17條，總長度124.433 km；波段比值法提取出黑臭河段13條，總長度89.194 km；3種算法在提取拱墅區(qū)黑臭水體時基本一致，提取上城區(qū)、濱江區(qū)和蕭山區(qū)黑臭水體時有較小差異，提取余杭區(qū)黑臭水體差異較大.

(a)單波段法

2.3 5種算法適用性分析與評價

1)單波段法：單波段算法最大的優(yōu)勢在于運算快、所需數(shù)據(jù)量少，并且具有較高的正常水體識別精度，但對黑臭水體識別精度明顯不如另外4種算法，在以精度為目的的反演情況下不推薦使用.在隨機抽樣調(diào)查城市河道水質(zhì)或判別中大型城市湖泊等水體時，單波段法可以對黑臭水體進行快速定性.

2)差值法：差值法對于黑臭水體識別精度處于中等水平，差值法可將正常水體與黑臭水體光譜特征差異放大.另外，差值法在識別正常水體時正確率最高，可以通過同一水體在時間序列上的差異來監(jiān)測整治進度.

3)比值法：比值法對黑臭水體的正確識別率較高，達88.9%，僅次于HCI1法.但其錯分現(xiàn)象最為嚴(yán)重，推測原因可能與清澈水體在紅光、綠光波段反射率差距不大有較大關(guān)聯(lián)，因此不建議在識別少數(shù)幾處黑臭水體時使用.

4)HCI1法：HCI1法對黑臭水體識別正確率最高，達94.4%，基本可以滿足對黑臭水體的精確監(jiān)測要求.因此在需要準(zhǔn)確識別城市中所有黑臭水體時，HCI1法為最佳算法.

5)HCI2法：HCI2法對于黑臭水體和正常水體識別準(zhǔn)確度均較差，且錯分率較高，對于實際監(jiān)測城市黑臭水體的價值不如其他4種.總體而言不推薦使用該方法進行黑臭水體遙感識別.

3 結(jié)論與展望

基于高分六號影像以及現(xiàn)有的黑臭水體識別算法，對杭州市黑臭水體識別算法的適用性進行探究.依據(jù)實測的杭州市黑臭水體與正常水體的光譜數(shù)據(jù)，對各算法進行閾值修正，并進行精度驗證，得到以下結(jié)論：

1)與正常水體相比，杭州市黑臭水體反射率相對平緩且數(shù)值較低，但西湖、西溪濕地等較為清潔的湖泊水體因光譜吸收強、反射率低，易被識別為黑臭水體.

2)現(xiàn)有黑臭水體算法對基于高分六號的黑臭水體識別均有一定的應(yīng)用價值，大部分算法模型對黑臭水體與正常水體均有較高的識別準(zhǔn)確率.

3)對差值法或HCI1法進一步優(yōu)化，有可能按黑臭程度對黑臭水體進行分級識別，為城市黑臭水整治提供更多科學(xué)依據(jù).

4)基于高分六號影像反演識別城市黑臭水體的5種方法中，單波段法效率高、速度快；HCI1法對黑臭水體識別精度最高；差值法對正常水體識別精度最高.

另外，后續(xù)還需改進高分六號影像的大氣校正,提高對黑臭水體的識別精度,對黑臭水體識別精度較高的HCI1方法和差值法進行進一步研究.