1 引言(Introduction)

随着水质遥感技术的不断发展, 可用遥感监测的水质指标逐渐增多.由于不同水体的物质组成和状态不同, 光谱曲线会发生变化, 表现为对特定波长光的吸收或反射.水质遥感就是基于这一原理展开的, 它是通过研究水体反射光谱特征与水质指标值之间的关系, 建立水质指标遥感反演模型的一种方法(张渊智等, 2011；艾烨霜等, 2016).水质遥感以独特的优势为探索水质“立体监测网”建设(王秉杰等, 2013；烟贯发等, 2014)开辟了新的途径, 相比传统的水质监测方法, 水质遥感可以实现对水体快速、大范围、低成本、周期性的动态监测, 具有不可替代的优越性(王天阳等, 2007；杜成功等, 2016).

目前, 国内外学者在水质遥感领域取得了诸多成果, 但其监测的水域主要集中在湖泊、河流、水库及其它大面积流域.Dekker等(2001) 以Landsat TM的2、3波段为变量, 对弗里斯兰湖区(Fluessen湖泊、Sneekermeer湖泊、Groote Brekken湖泊、Koevordermeer湖泊、Tjeukemeer 湖泊和Slotermeer湖泊)总悬浮浓度进行了估算；Wang等(2004) 利用Landsat TM数据构建水质模型, 并研究了深圳的水质变化；顾万花等(2011) 利用植被指数对淀山湖蓝藻暴发期叶绿素a的含量进行遥感估测；徐炜凡等(2011) 基于环境一号对“三湖一库”的营养化状态进行评价, 反演了其中TP、TN、COD等营养化指标；王旭楠等(2008) 基于ASTER数据, 利于两层BP神经网络模型, 反演了石头口门水库水质参数DO、BOD₅、NH₄⁺-N的浓度；马跃良等(2003) 选取9个珠江广州河段监测断面, 监测的水质参数主要有悬浮物(SS)、DO、pH值、挥发酚、亚硝酸盐等, 同时选用TM遥感数据, 采用多元回归分析的方法, 得出了计算水化学特征值综合污染公式.在利用遥感反演水质参数的研究中, 通过特定时间的图像并结合同步实地监测的水质参数数据, 建立较高精度的水质遥感模型, 并利用该模型的遥感数据进行处理, 可以获取较为准确的结果.

另外, 一些学者也对干旱区水质遥感反演研究进行了初步探索, 如乔平林等(2003) 利用TM数据的2、3、4波段构建了干旱区石羊河流域的COD、BOD₅及TN的遥感监测模型；杨柳等(2013) 探求了干旱区温榆河流域水质参数TN、NH₄⁺-N浓度与ETM+影像的可见光、近红外和中红外波段光谱反射率之间的相关性, 建立了精度较高的TN和NH₄⁺-N浓度反演模型；周冠华等(2009) 系统地总结了干旱区内陆水体光学特性的复杂性、大气校正的复杂性、水面反射光校正的不确定性、反演算法与生物光学模型的复杂性和区域性, 以及现有传感器监测内陆水质在性能方面的局限性.但以上研究对干旱区水质指标TN、TP、COD、BOD₅等的估算都是对遥感数据波段的简单组合, 缺乏一定的合理性.本文基于Landsat OLI数据, 从水体指数出发, 利用遥感技术对干旱区内陆湖泊艾比湖流域的水质指标进行研究, 并在水体指数研究的基础上, 对SS、浊度、色度、COD、BOD₅、TN、TP、总溶解性固体(TDS)、电导率(EC)、DO、NH₄⁺-N、水体pH值12个水质参数的遥感监测技术进行研究, 最后利用统计学分析方法, 分析水体指数与水质指标特征之间的相关性, 并建立各指标之间的关系估算模型.以期为进一步开展水质遥感监测工作及建立相关的模型提供参考.

2 研究区概况(Study area)

艾比湖流域位于北纬44°05′~45°08′、东经82°35′~83°16′, 主要包括2个绿洲：艾比湖沿岸地区及地处艾比湖流域的中部偏西(包括艾比湖湖区)地区(图 1).由于新疆独特的地形特征, 有天山、昆仑山等高大山系, 夏季风难以逾越, 湿润气流无法吹进, 水汽来源被隔绝, 致使夏季的水汽十分贫乏, 降雨量稀少.冬季, 来自蒙古-西伯利亚高压区的强大干冷气流导致该地区异常干燥寒冷.艾比湖区域属于典型的中温带干旱大陆气候, 以干旱少雨、气温变化剧烈为特征.年平均气温6.6~7.8 ℃, 年降水量为116.0~169.2 mm.近40年来, 由于入湖水量的减少, 艾比湖湖面急剧萎缩, 湖面曾缩至不足500 km², 水位下降了2~3 m, 干涸湖地已沦为盐漠, 成为浮尘天气发源地(邓慧敏等, 2014).艾比湖流域南、西、北三面环山, 东部与古尔班通古特沙漠相连, 西接博乐市, 北邻托里县, 南为精河洪积扇, 湖周为湖积平原, 流域面积50321 km².

流域包括东、南、西、北4个河区：东边为奎屯河区, 南边为精河区, 西边为博尔塔拉河区, 北边为托里小河区, 西南地区为柳沟水一库、柳沟二库、枯沟水库和奎屯河水库.近年来, 随着流域内经济的快速发展, 人类活动对流域的水环境产生巨大影响, 研究区生态环境遭到破坏, 生态系统的平衡受到了严重影响(杨建军等, 2009；谢霞等, 2013).

3 研究方法(Study methods) 3.1 数据采集与处理 3.1.1 遥感影像数据

考虑到艾比湖流域的地形特点, 中低分辨率遥感影像的像元尺度比艾比湖水库某些湖口的宽度还大, 这就导致了大量混合像元的出现, 从而造成反演精度的降低, 因此, 需要基于较高空间分辨率的遥感影像来构建适合清洁内陆水体的水质指标遥感估算模型.本研究选择与野外采样时间准同步的3景Landsat OLI数据分别用于模型的构建和验证, 3景影像的过境时间分别为2015年5月19日、26日、28日, 轨道号分别为145-29、146-29、147-29.其中, 2015年5月19-26日的34个样点用于模型的构建, 2015年5月28日的15个样点和2015年10月的野外实测的水质数据和准同步的OLI数据用于模型精度的验证.由于艾比湖流域水体水质指标随时间变化并不是很大, 本研究采用的卫星过境时间和采样时间差是可以接受的.对获取的影像进行辐射定标和FLAASH大气校正(Yang et al., 2015；EI Harti et al., 2016) , 将辐亮度转换为地物表面的遥感反射率(Burns et al., 2014) .

3.1.2 野外采样及数据选取

于2015年5月19-28日对艾比湖流域地表水采集53个水样(图 1), 采样时记录每个样点的经纬度、风速、风向等信息.将水样低温冷藏, 并于当天送到实验室.样品测试的项目主要有SS、浊度、色度、COD、BOD₅、TN、TP、TDS、EC、DO、NH₄⁺-N、水体pH值12个监测参数.

地表水采样完成后, 在野外测定温度、电导率和pH, 之后将采集的水样用聚乙烯瓶带回实验室分析, 样品分析方法按《水和废水监测分析方法》进行.水样带回实验室后立即测定SS、浊度、色度、COD、BOD₅、TN、TP、NH₄⁺-N、TDS值, 具体测量方法如表 1所示.

目前, 艾比湖流域的水质破坏体现在水体的富营养化、盐渍化方面, 根据这一水质特征, 并参考野外考察的实际情况, 主要选取SS、浊度、色度、COD、BOD₅、TN、TP、TDS、EC、NH₄⁺-N、DO、水体pH值12个监测指标与艾比湖流域水体指数之间的关系进行分析及建立模型.本研究采用艾比湖流域采集的53个水样, 剔除4个异常值点, 用其中34个点的数据与水体指数进行建模, 用剩下15个点的数据进行模型验证.

3.2 水体指数的选取

水体对于电磁波的辐射具有反射、散射、吸收和透射作用.在可见光波段600 nm之前, 水的吸收少, 反射率较低, 存在大量透射, 水体可见光反射率约为5%左右；在近红外、中红外波段内, 水体的吸收率很强, 几乎吸收全部的入射能量, 因此, 在红外波段的反射能量很小, 反射率几乎为零, 水体整体反射率低.由此造成水体之间的光谱差异与陆地上其他地物光谱特征间的差异相比要小得多, 利用这种差异可以识别水体.为了增强这种差异, 人们提出了水体指数, 它可以增强水体的表现特征, 抑制植被、裸土等其他地物的表现特征.随着科技的进步, 水体指数的计算方法也在不断发展.本文选取了其中11种典型的水体指数(表 2).

4 结果与分析(Results and analysis) 4.1 艾比湖流域水质采样点水体OLI数据反射率提取研究

本研究从Landsat OLI数据上提取了53个采样点的水体光谱反射率曲线, 结果如图 2所示, 其中, 图 2a为艾比湖中心纯净水体像元上提取的水体反射率曲线, 图 2b为从Landsat OLI数据上提取的53个采样点的水体光谱曲线.从图中可以看出, 53个采样点的水体光谱反射率曲线均与艾比湖中心纯净像元上的水体光谱反射率曲线走势一致.Landsat OLI数据的分辨率为30 m, 导致水体采样点可能存在混合像元问题, 而光谱反射率曲线完全排除了混合像元, 说明本研究采样点均处于水体像元上, 因此, 基于遥感方法进行水质估算是可行的.

4.2 艾比湖流域水质指标特征估算模型

为了寻求对水质指标信息最敏感的水体遥感数据多波段变量因子, 将11个水体指数作为水质指标的估算因子, 分析这些水体指数与水质指标之间的相关性.本文研究还分别建立水质指标与水体指数之间的线性、指数、倒数、对数、多项式等关系模型, 选取与水质指标显著相关性的估算指数进行回归估计, 建立回归方程.首先提取艾比湖流域的水体指数值, 再将水体指数分别与水质指标进行回归分析, 综合考虑模型的稳定性及其实用性, 经过比较发现艾比湖流域水体指数与水质指标呈现如下关系.

1) 艾比湖流域水体的SS浓度与NEW型水体指数的相关性显著, NEW型水体指数由OLI数据的B₁和B₇组成, 这与邬明权等(2012) 利用Landsat OLI数据B₁、B₃构建的渤海海域总悬浮物浓度估算模型的研究相符, 悬浮物的敏感性波段为B₁.

2) 水体色度与Vegetation index(VI)的相关性显著, VI由B₂、B₇两个波段经过数学变换组成, 说明B₂、B₇波段是水体色度敏感性波段.水体的色度与水体叶绿素等藻类富营养指标之间的关系已经被大多数学者(张成成等, 2013)证实.艾比湖流域地处中亚干旱区, 水体叶绿素含量处于低值区, 因此, 在拟合曲线构建中, 不同色度水体在OLI影像数据上的反射率变化不是非常明显, 从而造成图 3拟合曲线中R²值较低, 估计误差比较大.

3) 水体浊度与AWEI_sh, AWEI_sh是由OLI数据B₂、B₃、B₇波段经过数学变化组成, 说明水体浊度的敏感性波段为B₂、B₃、B₇, 这与童小华等(2006) 利用TM数据B₂构建的黄浦江上游水域的水质透明的监测模型所选的敏感性波段一致；但在模拟中, 艾比湖西北部的水体和阿其克苏河下游水体混浊, 因为艾比湖处于准葛尔盆地的最低处, 流域盐渍化比较严重, 水体浊度值高与其他样点的浊度值, 因此, 该值对于整个回归曲线R²的贡献较大.

4) TDS、EC与新型水体指数(NWI)的相关性显著, 新型水体指数(NWI)由B₁、B₅、B₆、B₇经过数学变换组成, 说明TDS的敏感波段为B₁、B₅、B₆、B₇波段, 本研究结果与王桥等(2013) 的研究结果相似.

5) COD、BOD₅、DO与NDWI的相关性显著, NDWI指数由B₃、B₅波段经过数学变化构成, 而水中COD、BOD₅、DO反映了水体有机污染的程度, 说明与B₃、B₅波段的像元灰度值相关性显著, 同时与室内光谱分析的结果也是一致的(王学军等, 2000；史锐等, 2017).

6) TP与新型水体指数(NWI)的相关性显著, NWI由B₁、B₅、B₆、B₇经过数学变换组成, 朱利等(2010) 、雷坤等(2004) 基于环境一号卫星构建的TP估算模型的波段范围与本研究一致；刘瑶等(2013) 认为, 水体中TP含量主要受悬浮物吸咐迁移作用的影响, 其次受到水体的浮游生物和其他有机溶解物的影响, 在一定程度上TP的变化也将会影响水体浮游生物的生长繁殖, 进而改变叶绿素a的浓度.因此, 总磷可以通过遥感手段进行间接检测.

7) 水体pH值与NEW型水体指数的相关性显著, NEW型水体指数由OLI数据的B₁和B₇组成, 而OLI数据的B₁和B₇为水体pH的敏感性波段, 该结果与张渊智等(2011) 的研究结果相符.本文主要选取与艾比湖流域水质指标相关性较高的水体指数建立了如下估算模型(图 3).通过对11种水体指数与不同的水质指标建立关系, 得出估算不同水质指标的最优模型(图 3)：不同水体指数与不同水质指标的关系均成三次函数关系, 0.55≤r≤0.88, 相关性显著, 且均方根误差均较小.

4.3 模型验证

利用15个实测样点对上述估算模型进行验证, 已知两者的关系方程式, 把遥感反演的水体指数值带入方程式中, 计算出水质指标特征值的模拟值.将模拟数据和实测数据进行对比分析, 图 4是带入方程后得到的水质指标值的模拟值与相应实测值的线性关系.利用验证样本对艾比湖的SS、浊度、色度、COD、BOD₅、TP、TDS、EC、DO、水体pH值等模型验证时发现, 利用验证样本艾比湖水质浊度与AWEL_sh指数之间估算模型的相对平均误差为27%, 验证判定系数R²=0.98, 均方根误差为3.19 NTU.艾比湖COD与NDWI指数之间估算模型的相对平均误差为21%, 验证判定系数R²=0.96, 均方根误差为8.228 mg·L^-1.水质色度与Vegetation index指数之间的模型估算精度相对平均误差为19%, 验证判定系数R²=0.87, 均方根误差为2.733.SS与NEW指数之间的模型估算模型相对平均误差为22%, 验证判定系数R²=0.731, 均方根误差为25.2 mg·L^-1.TP与EWI指数之间的估算模型检验相对平均误差为13%, 验证判定系数R²=0.719, 均方根误差为0.07 mg·L^-1.NWI的倒数与TDS之间的估算模型检验的相对平均误差为22%, 验证判定系数R²=0.667, 均方根误差为90.64 mg·L^-1.水体指数(NDWI)的倒数与DO之间的估算模型相对平均误差为11%, 验证判定系数R²=0.622, 均方根误差为0.751 mg·L^-1.pH值与水体指数NEW的估算模型检验精度的相对平均误差为9%, 验证判定系数R²=0.746, 均方根误差为0.158 mg·L^-1.

为了进一步验证估算模型的普适性, 本研究选择利用2015年10月的40个实测水样点对上述估算模型进行再验证, 把OLI数据上提取的的水体指数值带入方程式中, 计算出水质指标特征值的模拟值.将模拟数据和实测数据进行对比分析, 图 5是带入方程后得到的水质指标值的模拟值与相应实测值的关系图.利用验证样本对艾比湖的SS、浊度、色度、COD、BOD₅、TP、TDS、EC、DO、水体pH值等模型发现, 利用验证样本艾比湖水质浊度与AWEL_sh指数之间估算模型验证判定系数R²=0.22, 均方根误差为71.发现艾比湖COD与NDWI指数之间估算模型的验证判定系数R²=0.25, 均方根误差为9.2 mg·L^-1.水质色度与Vegetation index指数之间的模型估算的验证判定系数R²=0.81, 均方根误差为3.35.SS与NEW指数之间的模型估算模型验证判定系数R²=0.38, 均方根误差为47 mg·L^-1.TP与EWI指数之间的估算模型验证判定系数R²=0.73, 均方根误差为0.039 mg·L^-1.水体指数(NWI)的倒数与TDS之间的估算模型检验的相对平均误差为22%, 验证判定系数R²=0.22, 均方根误差为71 mg·L^-1.水体指数(NDWI)的倒数与DO之间的估算模型验证判定系数R²=0.27, 均方根误差为0.97 mg·L^-1.pH值与水体指数NEW的估算模型检验精度的验证判定系数R²=0.72, 均方根误差为0.41.

总之, 经过两期数据对模型的验证发现, 利用建模同期剩下的15个采样点对该估算模型进行验证, 判定系数为0.621＜R²<0.94, 模型的均方根误差较低.再利用2015年10月的40个采样点对模型进行再验证, 发现验证模型判定系数0.22＜R²<0.81, 模型的均方根误差较低.在估算模型中TP、BOD₅、SS、pH、色度和浊度两期数据的验证判定系数R²保持在0.5以上, 均方根误差较小.因此, 利用艾比湖流域的水体指数建立的TP、BOD₅、SS、pH、色度和浊度估算模型具有较好的普适性.

5 讨论(Discussion)

本研究主要考虑如何在干旱内陆地区进行综合水质指标的监测, 首先, 选择Landsat OLI 数据的Band 2、Band 3和Band 8波段来构建单波段模型, 利用这些模型对艾比湖流域的水质指标进行估算研究, 发现这些模型的估算值和测量值之间的平均相对误差很大, 无法达到预想效果.分析原因主要是部分学者(赵丽娜等, 2016)；采用的研究区与本研究区的区域特点不同, 因此, 以上的研究方法并不适合干旱区艾比湖流域内陆水体水质指标估算.

国内外研究(Hassani et al., 2016；赵丽娜等, 2016；Baban et al., 1993；吴敏等, 2005)表明, 波段的组合运算和水质指的标相关性显著, 为了寻求水质指标信息最敏感的遥感数据多波段变量因子, 对不同波段进行组合运算, 通过比较发现, 波段组合模型的估算精度较单波段模型有明显提高, 但多个波段的简单组合不仅具有一定的随机性而且也缺乏科学严谨性.本研究为了克服上述不足, 选择利用水体指数代替简单的波段组合, 而多光谱遥感影像地表水体提取方法经过许多学者的研究与修改已经趋于完善.如吉红霞等(2015) 使用归一化水体指数(NDWI)法、NDWI-ISODATA法提取了10 m分辨率的水体分布, 分析了不同方法提取结果之间的差异性及产生原因, 结果表明, 相对于近红外单波段而言, 基于NDWI图像的ISODATA法提取水体的精度更高.

因此, 本研究考虑利用通用的11种水体指数对艾比湖的SS、浊度、色度、COD、BOD₅、TP、TDS、EC、DO、水体pH值等进行回归分析并建立估算模型.结果发现, 一种水体指数能够较好地估算一种水质指标, 利用验证样本对该模型进行验证, 结果表明, 该模型精度较高, 因此，可以认为利用上述水体指数构建的模型对艾比湖流域水体总悬浮物浓度信息的估算方法是可行的.但由于水体指数建立的目的是强化水体与陆地的差异性, 实现水陆分离, 因此, 水体指数中重点考虑的是突出水陆差异性, 而并不关注水体中参数指标的差异性.水体指数在水质参数估算中的适用性, 以及水体指数与水质指标之间的内在机制并不清楚, 并且受到样本数量的限制, 因此, 本文所构建的模型对于更大变化范围的水质指标估算是否仍然有效还需要更深入的研究, 特别是对本研究区中的总氮、总氨并没有合理的估算方式.

6 结论(Conclusions)

1) 水体指数MNDWI、IWS、RNDWVI、RNDWI、AWEI_nsh与水体指标值之间的相关系数r≤0.55, 但EWI、AWEI_sh、NDWI、Vegetation index、NEW、NWI与水质指标值之间的相关系数满足0.55≤r≤0.88, 因此, 选用水体指数EWI、AWEI_sh、NDWI、Vegetation index、NEW、NDWI、NWI分别与水质指标值回归建模.

2) 通过对数据进行建模及分析, 发现水质指标值与水体指数之间存在三次函数关系, 因此, 随机选用34个采样点的水质指标值与水体指数建立数学模型.这些模型的相关系数满足0.55≤r≤0.88, 用同期剩下的15个采样点对该估算模型进行验证, 验证的判定系数0.621＜R²<0.94, 最大相对平均误差为27%, 最小相对平均误差为9%.同时, 利用2015年10月的40个采样点对模型进行二次验证, 发现验证的判定系数0.22＜R²<0.81, 模型的均方根误差较低.在估算模型中TP、BOD₅、SS、pH、色度和浊度两期数据的验证判定系数R²保持在0.5以上, 均方根误差较小.因此, 利用艾比湖流域的水体指数建立的TP、BOD₅、SS、pH、色度和浊度估算模型具有较好的普适性.该模型在干旱区艾比湖流域的水质估算中具有一定的普适性, 该流域的水质指标值可以用不同水体指数的建模方式来估算.