利用遥感影像分级识别城市河道黑臭水体方法
时间：2023-01-25 17:45:05 来源：柠檬阅读网 本文已影响 人 
路 曦
(陕西国际商贸学院，陕西 西安 712046)
黑臭水体是一种发散恶臭且会对空气造成污染的水体，是由于水体发生有机污染形成的，该有机污染是由于水体中含氧量较低，有机物发生腐烂导致[1]。此外，目前工业化的快速发展，污水未经处理直接排放至河流和湖泊之中，无法实现水体自净，水生态环境承载力下降，遭受较大破坏[2]，导致黑臭水的形成。黑臭水体的形成对于人们的居住、城市的环境等均造成较大影响。城市中河道的分布较零散[3]，外加黑臭形成的时间存在差异，形成的原因较为复杂，并且形成因素之间存在相互作用。因此，黑臭水的黑臭程度也存在差异，表示城市河道黑臭水存在不同黑臭级别[4]，基于此，对于黑臭水的整治难度较大。
遥感技术作为一种综合的探测技术，具备实时性较高、覆盖范围广等特点，能够完成远距离目标的探测和识别，通过各类传感仪收集目标信息，并经过处理后形成目标的遥感影像[5]，依据影像中的信息完成目标的分析和识别等。近几年，遥感技术在城市河道黑臭水体探测方面得到大量应用。各个地区在实行黑臭水治理前，对其实行探测识别是主要内容，为完成黑臭水体的提取和识别，有学者提出基于模型评估的识别方法[6]，也有学者提出基于密集连接全卷积神经网络的提取方法[7]。上述方法在识别过程中，虽然能够完成黑臭水体的探测识别，但黑臭水体的程度分级效果不理想。本文为了向黑臭水治理提供可靠依据，可依据黑臭水的等级实行针对性治理。利用遥感影像分级识别城市河道黑臭水体，并以西安地区为例，展开城市河道黑臭水体的分级识别。
1.1 研究区概况
西安市位于渭河流域中部关中盆地，其境内河道数量较多，大小河流数量总计54条，其中渭河、泾河、石川河系3条河流属于过境河流，其河流分布概况如图1所示。
图1 西安河流分布概况Fig.1 Distribution of rivers in Xi′an
西安作为国家明确建设的国际化大都市和国家中心城市，也正在经历着城市大规模建设和人口激增的高速发展期，随之而来的城市水体纳污能力受到严重的挑战[8]。其中渭河的支流皂河，更是西安城市内的主要污水排放河流，承担该市大部分的排污。并且，皂河的水量每天均发生一定比例的增长，皂河河道两侧的污水在排放前的处理水平较差、排放量较大，形成黑臭水体。面对该情况，西安市在对黑臭水实行管理和整治过程中，除加快污水处理厂和配套管网的建设以外[9]，依据不同的黑臭水等级，展开针对性的治理。本文以皂河为例，对其实行分级识别。
1.2 数据采集与分级识别方法
(1)实测数据采集。在皂河的上、中、下游的不同位置各采集10个采样点，共获取30个采样点数据，上游数据用A1—A10表示，中游数据采用B1—B10表示，下游数据采用C1—C10表示。对各个采样点的水面实行测量[10]，测量内容分别为水体表面的透明度、溶解氧、氧化还原电位等与水质关联的参数数据，并完成测量时间、水体表面情况等信息的记录[11]。完成记录后采集各个采样点的水体样本。为判断采集的水体样本的黑臭水等级[12]，本文以《城市黑臭水体整治工作指南》中的黑臭水分级标准为判断依据，其判断标准见表1。
表1 黑臭水分级标准Tab.1 Black smelly water classification standards
(2)遥感影像数据采集。GF-6卫星是一颗光学遥感卫星，其运行轨道较低，轨道高度大约在644 km，并且卫星上共搭载2台相机，均为多光谱相机，其中1个为高分辨率，1个为中分辨率宽视场成像相机，因此，其对于地形和环境的探测具备极大优势[13]。本文则在衡量该卫星的优势后，获取该卫星拍摄的西安皂河城市河道黑臭水的遥感影像[14]，该遥感影像为上述小节的采样点位置范围，其拍摄时间为2021年7月，其分辨率为2 m全色/8 m多光谱高分辨率影像。由于篇幅限制，河流分布概况遥感影像如图2所示。
图2 河流分布概况遥感影像Fig.2 Remote sensing image of river distribution
为保证通过选择的遥感影像精准地完成城市河道黑臭水体分级识别，需对选择的遥感影像实行处理[15]，提升影像的质量。本文采用快速大气校正(QUick Atmospheric Correction，QUAC)工具完成，整个处理过程包含多个步骤，分别为遥感影像数据下载和筛选、波段融合、几何精准校正、大气校正、水体中心线提取、水体判别、异常数据删除等。在整个预处理步骤中[16]，大气校正是其中重要的步骤。由于卫星在获取遥感影像过程中需经过大气环境[17]，大气以及光照等会造成城市河道水体的反射，影响图像对于黑臭水的分级识别结果。因此，大气校正能够有效处理大气以及光照造成的反射线现象[18]，获取真实可靠的水体反射和辐射情况，并分辨遥感影像中的不同物质的波谱信息。本文采用QUAC快速大气校正工具完成，其校正流程如图3所示。
图3 大气校正流程Fig.3 Atmospheric correction process
通过大气校正后，使卫星获取的水体遥感影像中，水体的反射率与实际结果更吻合，保证黑臭水的分级识别精度。
1.3 城市河道黑臭水体遥感识别方法
(1)城市河道黑臭水体光谱特征分析。为保证城市河道黑臭水遥感识别的可靠性，避免发生识别错误情况，先对遥感影像获取的水体光谱实行分析，判断正常水体和黑臭水体之间的光谱特征差异，如图4所示。通过该差异分析后，可发现不同水体的光谱波段反射率存在明显差异，重度一级黑臭水体的遥感反射率极低，低于0.008 SΓ-1，且没有发生明显波动[19]，一直处于较为平缓中，其表示重度黑臭水体已经不具备水体的光谱特征；
重度二级黑臭水体的遥感反射率较高，均在0.015 SΓ-1以上，最高反射率达到0.025 SΓ-1左右，并且该波长处于550～700 nm的范围内，波动较为平缓，表明重度二级黑臭水体仍旧具备一定的水体光谱特征。在统计过程中，为降低统计复杂度，可将两者结合统计，统称为重度黑臭水体。轻度黑臭水体的反射率均在0.009 SΓ-1以上，波动变化相对于2种重度黑臭水体而言较为明显，表示其水体特征更为明显；
普通水体的遥感反射率整体波动较为明显[20]，在整个波长中均存在波动变化，水体特征显著。
图4 城市河道黑臭水体遥感反射率特征结果Fig.4 Results of remote sensing reflectance characteristics of black and odorous water bodies in urban rivers
(2)遥感分级指数的黑臭水体识别模型。依据光谱特征分析结果，结合各个水体的遥感反射率情况，本文采用遥感分级指数模型完成黑臭水体分级识别，该模型的公式为：
(1)
(2)
2.1 大气校正结果分析
本文在进行遥感影像对城市河道黑臭水体实行分级识别前，为保证分级识别效果，对其实行影像数据预处理。本文以不同波长下的遥感影像反射率作为衡量指标，分析大气校正效果，结果如图5所示。
图5 大气校正结果Fig.5 Atmospheric correction results
依据图5测试结果得出，在不同的波长下，红、蓝、绿3种波段的遥感影像反射率结果与实测结果的吻合程度较高，可以看出校正效果良好，能够保证遥感影像对于城市黑臭水分级识别的效果。
2.2 黑臭水体实测结果分析
对采集的水体数据进行实测分析，获取水体的透明度、溶解氧、氧化还原电位结果。由于篇幅原因，结果仅随机呈现上、中、下游的不同位置的各5处采集点数据测试结果，见表2。
表2 水体实测数据结果Tab.2 Measured data results of water body
依据表2测试结果得出：不同位置采样点的水体状态存在差异，上游采样点中仅有一个采样点的水体测定为普通水体，即A1采样点。其他均为轻度黑臭水体；
中下游水体的各个采样点均为重度一级黑臭水体和重度二级黑臭水体。
2.3 遥感影像分级识别结果分析
对所有与采样点对应的水体遥感影像实行分级识别，计算城市河道黑臭水体遥感反射率特征结果，以此获取其水体等级分布结果，如图6所示。并依据水体的BOCI结果，判断水体的黑臭等级，结果如图7所示。由于篇幅限制，仅随机呈现15个遥感影像的BOCI指数分级识别结果，遥感影像分级识别结果如图6所示。
图6 遥感影像分级识别结果Fig.6 Classification recognition results of remote sensing shadow images
图7 下游黑臭水体的遥感影像识别结果Fig.7 Remote sensing image recognition results of black smelly water in the downstream
依据图6和图7测试结果得出：通过遥感影像能够完成研究地区的水体类型的识别，并且能够计算出水体的BOCI指数，依据设定的阈值对指数实行判断，实现黑臭水体的分级识别，同时能够呈现局部城市河道黑臭水体的识别。
为判断本文采用的遥感影像对于城市河道黑臭水体分级识别的可靠性，以相同的采样点进行实测和遥感的分级识别。分级识别结果见表3。
表3 2种分级识别方法的识别效果Tab.3 Identification effects of two hierarchical identification methods
依据表3测试结果得出，30个采样点中，实测和遥感的普通水体、轻度黑臭水体、重度黑臭水体(一级和二级结合统计)数量均一致。并且可依据识别结果计算各类水体的长度，且计算结果与实际结果之间吻合程度较高，误差均在0.5 m以内。因此，本文利用遥感影像分级识别城市河道黑臭水的结果精度较高，与实际情况较为吻合，因此能够为黑臭水体的管理和整治提供可靠依据。
目前，各个城市对于黑臭水体的管理和整治工作大面积展开，在整治前，可靠判断黑臭水体的类别的黑臭等级，对于整治效率和效果存在直接影响，并且对于整治后的管理也可提供监察管理数据结果，保证整治效果的持久性监督。
本文以西安市渭河的分流皂河为例，利用遥感影像完成其城市河道黑臭水体分级识别。分析结果显示，本文方法在利用遥感影像进行城市河道黑臭水分级识别时，对影像实行预处理后，能够有效提升遥感影像质量,并能够利用遥感影像完成城市河道水体类别的识别。同时，可实现黑臭水体的等级识别，并且识别结果与实测结果吻合程度极高，水体识别长度误差均在0.5m以内，能够为黑臭水的整治和后期管理提供可靠依据。在未来的研究中，将考虑进一步扩大研究区域，分析不同水体的水质特征。
猜你喜欢 反射率校正重度 利用镜质组反射率鉴定兰炭与煤粉互混样的方法解析冶金能源(2022年5期)2022-10-14——缺陷度的算法研究">商品条码印制质量检测参数——缺陷度的算法研究条码与信息系统(2022年3期)2022-07-05车灯反射腔真空镀铝反射率研究汽车电器(2022年6期)2022-07-02重度牙周炎牙齿的牙髓治疗时机及牙周牙髓联合治疗对重度牙周炎的疗效观察锦州医科大学报(2022年2期)2022-05-07劉光第《南旋記》校正国学(2020年1期)2020-06-29忆青少年日记(中学版)(2018年7期)2018-11-29基于地面边缘反射率网格地图的自动驾驶车辆定位技术汽车文摘(2018年2期)2018-11-27宫斗剧重度中毒意林(2018年20期)2018-10-31基于特征分解的方位向多通道SAR相位失配校正方法雷达学报(2018年3期)2018-07-18一种具有自动校正装置的陶瓷切边机佛山陶瓷(2017年8期)2017-09-06
