城市黑臭水體是指城市建成區內, 呈現令人不悅的顏色和(或)散發令人不適氣味的水體的統稱.所謂“黑臭”是水體有機污染的一種極端現象, 是由于水體缺氧、有機物腐敗而造成的, 已經成為我國許多大中城市共同存在的環境污染問題.目前國內外對城市黑臭水體的研究多集中于黑臭形成機制、水質評價方法與指標構建、生態修復等方面.對城市黑臭水體的識別, 則主要采取資料收集、實地考察、野外監測與評價指標相結合的方法.水體黑臭的常見評價指標有溫度, 色度, 化學耗氧量(COD或高錳酸鹽指數)、5日生化需氧量(BOD5)、氨氮(NH4+-N)、溶解氧(DO)、總氮(TN)、硫酸還原菌數、臭閾值(TO)等.

　　城市黑臭水體通常分布范圍較廣, 河寬一般較窄, 易受到兩岸環境(居民點、建筑工地、工廠)影響; 水流速度較小, 水面多漂浮樹葉等雜質, 常出現“斷頭”現象.由于城市河道水面通常低于路面, 且設有護欄, 因此常規的地面采樣監測不易采集河道中心水質信息, 難以全面劃定黑臭水體分布范圍, 增加監測難度.遙感技術以其宏觀、大面積同步觀測以及持續觀測的特點, 為城市水體的監測提供了一種新的技術手段.萬風年等建立ETM+遙感影像的可見光波段及其組合與電導率(EC)、氨氮(NH4+-N)等水質參數的回歸方程, 模型精度較高, 較好地反映了浙江溫瑞塘河水質參數空間分布情況.姚俊等解譯了蘇州河3個不同時相的彩紅外遙感影像和熱紅外遙感影像信息, 分析了蘇州河水體污染的狀況和歷史原因.馬躍良等利用TM影像數據對珠江廣州河段水環境質量中的水質污染進行監測研究, 并建立了水質污染遙感預測模型.目前的研究主要針對水質參數進行, 還沒有提出有效地黑臭水體識別的方法.

　　隨著高分遙感技術的發展, 大量的城市高空間分辨率遙感數據為城市黑臭水體監測提供了數據保障, 但是其模型方法的研究還十分欠缺.基于此, 本研究針對南京市主城區河流開展野外實驗, 對比分析黑臭水體和正常水體的光譜差異, 構建基于高分影像的城市黑臭水體遙感識別方法, 以期為黑臭河道監管提供技術支持.

　　1 材料與方法 1.1 研究區及采樣點分布

　　南京位于江蘇省西南部(北緯31°14′~32°37′, 東經118°22′~119°14′), 長江下游, 市域總面積6 587 km2, 是江蘇省省會.南京水域面積達11%以上, 有秦淮河、金川河、玄武湖、莫愁湖、百家湖、石臼湖、固城湖、金牛湖等大小河流湖泊.其中, 城市內河是城市人居環境中重要組成部分, 近年來隨著城市化進程的不斷加劇, 大量生活污水等直接排入河流, 導致水體發黑發臭.

　　2016年的1月19日、4月10日、11月3日對南京城市河道開展地面調查, 記錄黑臭河段位置, 并分別采集沙洲西河、禿尾河及玄武湖、金川河樣點共55個進行水面光譜測量和水質分析.其中, 沙洲西河和玄武湖樣點共計18個, 均屬于正常水體.禿尾河位于浦口區, 蜿蜒流經天潤城和旭日上城, 河寬15~30 m, 是一條斷頭河, 水面呈現深墨綠色, 懸浮大量黑色絮狀物, 腥臭味明顯.因此共采集禿尾河樣點29個, 屬于黑臭水體.此外, 金川河樣點共8個, 包含黑臭水體和正常水體, 采樣時間與所獲取遙感影像時間同步.野外實驗采樣點分布如圖 1所示.

　　圖 1

　　此外, 為了與其它類型水體進行對比, 還收集了南京夾江(29個樣點)的野外實測遙感反射率數據.南京夾江水體葉綠素濃度低, 懸浮泥沙含量相對較高.

　　1.2 數據采集與測量方法

　　實驗觀測包括室外實驗和室內實驗兩部分.室外實驗包括遙感反射率、透明度、溶解氧、氧化還原電位的測量和水樣采集, 同時記錄樣點經緯度等信息.

　　水面光譜數據測量使用美國ASD公司生產的ASD FieldSpec Pro便攜式光譜輻射計, 其波段范圍是350~1 050 nm.首先將儀器探頭垂直對準灰板中心, 避免陰影、雜散光, 測量標準灰板的輻亮度(Lp); 然后背對太陽方向, 儀器與水面法線方向的夾角為30°~45°, 在避開太陽直射反射、忽略或避開水面泡沫的情況下, 所測得水體輻亮度為Lsw; 將儀器向上旋轉90°對準天空測量輻亮度(Lsky); 最后再垂直對準灰板測量標準灰板的輻亮度.每個采樣點都需要測量10條以上光譜信息.水面光譜數據按照唐軍武等[35]介紹的方法換算成水面遙感反射率.

　　用塞氏盤進行透明度的測量.手握卷尺緩慢釋放繩子, 將塞氏盤垂直沉入水中, 當盤中黑白色剛好看不清楚時記錄標尺讀數, 即為透明度值.數值以厘米為單位, 反復觀察2~3次確保讀數穩定性.

　　溶解氧(DO)、氧化還原電位測量分別采用溶解氧檢測儀(YSI550A)、筆式OPT計(CT-8022).儀器使用之前需要用標準液進行校正, 測量時將探頭完全沒入水中, 待讀數穩定記錄數值; 每個采樣點測量完畢使用高純水將探頭沖洗干凈以備下次使用.

　　本研究依據透明度、溶解氧、氧化還原電位這3項指標判斷水體是否黑臭, 具體判別標準如表 1所示.

　　1.3 高分影像數據及預處理

　　采用2016年11月3日的GF-2遙感影像進行南京黑臭水體遙感識別, 影像覆蓋鼓樓區、玄武區、秦淮區、建鄴區以及浦口區部分區域, 地面采集樣點中有8個同步實測樣點.

　　GF-2多光譜數據空間分辨率4 m, 該數據共4個波段, 波長范圍分別為450~520、520~590、630~690和770~890 nm, 中心波長分別為514、546、656和822 nm.

　　利用ENVI軟件對影像進行正射校正、輻射定標、大氣校正等操作.大氣校正采用ENVI自帶FLAASH大氣校正模塊.利用11月3日在金川河實測的水面遙感反射率與大氣校正結果進行對比, 通過比較大氣校正后數據和實測光譜數據的差異來評價大氣校正精度.由于5號采樣點受岸邊植被影響較大, 光譜特征與植被較相似, 因此不參與精度評價.將與衛星數據同步的7個樣點實測遙感反射率通過光譜響應函數擬合至GF-2傳感器4個波段, 并與大氣校正后的遙感反射率進行對比.大氣校正值和實測值在可見光波段的MAPE分別為31.73%、12.33%、17.76%, RMSE分別為0.004 3、0.002 9、0.003 0 sr-1(圖 2).

　　圖 2

　　2 黑臭水體遙感識別模型構建 2.1 黑臭水體光譜特征分析

　　為了判別城市黑臭水體的光譜特征, 將所采集的南京市黑臭水體、正常水體與南京夾江飲用水源地水體(2014年10月實測)等野外實驗采集的光譜數據進行對比, 分析黑臭水體和不同類型水體的光譜差異.如圖 3所示, 城市黑臭水體的遙感反射率的數值和光譜斜率與其他類型水體有明顯的區別.

　　圖 3

 

(a)圖 1禿尾河及金川河黑臭水體采樣點光譜曲線; (b)圖 1沙洲西河、玄武湖及金川河正常水體采樣點光譜曲線; (c)夾江水體光譜曲線 圖 3 3種類型水體遙感反射率光譜、均值及GF2 PMS2模擬結果

　　城市黑臭水體在400~900 nm波段遙感反射率值整體低于0.025 sr-1, 其平均值在三類水體中最小, 和夾江平均遙感反射率相差最大[圖 3(d)].在400~550 nm波段范圍, 黑臭水體遙感反射率隨波長增加上升緩慢, 其它水體的光譜曲線在該波段范圍斜率較大[圖 3(b)、3(c)]; 在550~580 nm波段范圍, 黑臭水體遙感反射率出現峰值, 波峰寬度大于其他類型水體, 但值最低, 形狀最為平緩; 黑臭水體由于水體溶解氧含量低, 導致水體藻含量少, 在620 nm沒有明顯吸收谷, 在700 nm附近沒有明顯的反射峰.

　　總體而言, 城市黑臭水體遙感反射率最低, 在550~700 nm范圍內整體走勢很平緩, 雖然具有波動變化, 但是峰谷不突出.黑臭水體光譜所表現出的這種特征可以作為其遙感識別的重要依據. 圖 3(e)給出了針對GF-2傳感器波段設置的不同類型實測水體光譜信息.對比圖 3(d)和圖 3(e), 可以看出GF-2的寬波段設置大大縮減了光譜信息, 使得黑臭水體和其他類型水體光譜特征的差異變小, 但仍然可以體現出不同類別水體的明顯差異.例如, GF-2影像的第二波段(中心波長546 nm)對應水體550~580 nm出現的峰值, 但是黑臭水體的值最低; 此外, 由于黑臭水體遙感反射率較低且在可見光范圍變化平緩, 因此光譜值在GF-2影像一、二波段和二、三波段數值的差異小于其它水體, 且光譜斜率最小.這些差異, 為從高分影像建模提取黑臭水體提供了物理基礎.

　　2.2 城市黑臭水體識別算法

　　利用地面實測遙感反射率擬合為GF-2影像的多光譜數據, 進行黑臭水體識別建模.其中, 除了與衛星同步的8個樣點數據外, 其它樣點數據均參與建模.基于2.1節的分析, 提出單波段閾值法、波段差值法、波段比值法和色度法進行城市黑臭水體提取.

　　2.2.1 單波段閾值法

　　城市黑臭水體遙感反射率整體低于其它水體, 在550 nm附近即GF-2影像第二波段與其它水體的差異相對較高.因此利用這一波段遙感反射率值提取城市黑臭水體, 算法如式(1).

(1)

　　式中, Rrs(Green)為GF-2影像第二波段大氣校正后遙感反射率值, N為常數.

　　圖 4為各樣點Rrs(Green)值, 選取N=0.019 sr-1作為判別一般水體和黑臭水體的閾值.

　　圖 4

　　2.2.2 波段差值法

　　由于城市黑臭水體遙感反射率值在480~550 nm上升緩慢, 在550 nm附近出現的波峰較寬且值最低.具體在GF-2影像上的表現為在可見光藍綠波段, 南京夾江水體光譜斜率最高, 城市正常水體次之, 而城市黑臭水體最低.由此, 可以利用藍綠波段的遙感反射率差值來判斷是否是城市黑臭水體, 算法如式(2).

(2)

　　式中, Rrs(Blue)和Rrs(Green)分別為GF-2影像第一、二波段大氣校正后遙感反射率值, N為常數.

　　圖 5為建模樣點藍綠波段遙感反射率差值, 選取N=0.003 6 sr-1作為判別一般水體和黑臭水體的閾值.

　　圖 5

 

　　2.2.3 波段比值法

　　城市黑臭水體在550~700 nm范圍內光譜曲線變化最為平緩, 斜率最低. GF-2影像對應此光譜范圍的綠、紅波段, 中心波長分別為546 nm和656 nm, 很好地體現出城市黑臭水體這一光譜特征.從圖 3(e)可以看出, 城市正常水體在此波段范圍光譜斜率同樣較低, 但是其具有較高的遙感反射率值.因此, 選擇這兩個波段組合的遙感反射率差、和的比值來識別城市黑臭水體.算法如式(3).

(3)

　　式中, Rrs(Green)和Rrs(Red)分別為GF-2影像第二、三波段大氣校正后遙感反射率值, N1、N2為常數.

　　圖 6為建模樣點紅綠波段比值, 選取N1=0.06 sr-1、N2=0.115 sr-1作為判別一般水體和黑臭水體的閾值.

　　圖 6 建模樣點綠紅波段遙感反射率比值

2.2.4 色度法

　　野外調查發現, 黑臭水體反射率較低, 在視覺中具有直觀的體現.此外, 已有國內外學者運用色度方法, 直觀且定量地反映湖泊水色變化規律[37~40].因此, 嘗試建立色度指標進行黑臭水體識別.

　　本研究根據色度計算公式[41], 將GF-2影像紅、綠、藍波段分別作為R、G、B代入公式計算, 得到CIE坐標系統中表征水體顏色的主波長.根據圖 7建模樣點計算結果, 城市黑臭水體對應波長范圍為528~540 nm.其余波段范圍分別對應不同顏色(圖 8), 其中490~528 nm主要呈現藍色; 540~560 nm范圍呈現綠色, 和城市河道的正常水體的顏色最接近; 560~576 nm范圍代表顏色為黃色, 主要體現在秦淮河等較為渾濁的水體.

圖 7 建模樣點CIE坐標主波長

圖 8 色度法計算結果

　　2.3 精度評價

　　采用驗證樣點識別的正確率對算法精度進行評價, 由式(4)計算.

(4)

　　式中, N正確識別表示識別結果和實際情況一致的樣點數目, N總數為驗證樣點總數.

　　3 結果與討論

　　將以上方法應用于2016年11月3日GF-2 PMS2影像, 提取出南京主城區黑臭水體, 如圖 9所示.衛星過境當天野外同步實驗采集的8個樣點(圖 1)水質參數如表 2所示. JC1、JC2位于金川河泵站附近水流交匯處, 流速大, 河岸寬, 居民點較少, 透明度和溶解氧含量較高(表 1和表 2), 水體黑臭現象不明顯, 是正常水體. JC8位于長江入江口處, 河寬大概20 m, 附近居民點較少, 無排污口, 水體顏色正常, 無臭味, 透明度和溶解氧含量高(表 1和表 2), 是正常水體. JC3~JC7位于城市狹窄河道, 河水流經多處居民小區, 沿岸有數個排污口, 水質極差, 水體顏色變深, 呈現墨綠色, 近岸則聞到刺鼻臭味; 透明度低于30 cm, 溶解氧含量低于0.4 mg·L-1(表 1和表 2), 是典型城市黑臭水體.利用這8個樣點對黑臭水體遙感識別效果進行評價.

圖9

 

樣點號	透明度/cm	溶解氧/mg·L-1	氧化還原電位/mV	黑臭情況
JC1	50	1.26	59	正常
JC2	70	3.95	109	正常
JC3	20	0.36	-161	黑臭
JC4	30	0.11	-139	黑臭
JC5	10	0.12	-133	黑臭
JC6	20	0.23	-174	黑臭
JC7	30	0.12	-144	黑臭
JC8	80	5.14	319	正常

  表2                                           

　　3.1 不同算法識別精度對比

　　基于2.2節所構建的算法, 對南京市部分城區黑臭水體進行識別.由于長江是含沙量大且比較渾濁的水體, 不存在黑臭現象, 和黑臭水體的光譜特征差異顯著, 在遙感影像上和其他類型水體顏色相差大, 因此將其單獨劃分為一類.在遙感影像上選取金川河流域采集的8個衛星同步樣點對算法識別精度進行評價.

　　3.1.1 單波段算法

　　根據表 3, 單波段法對黑臭識別結果和實際情況一致的是JC1、JC4、JC5、JC6所在河段.根據2.3節精度評價方法, 算法識別正確率為50%. 圖 9(a)紅色部分是單波段法識別的城市黑臭水體分布范圍.

 　　表 3 不同算法驗證樣點取值及識別結果

樣點號	單波段法			差值法			比值法			色度法		實際黑臭情況
	計算結果/sr-1	識別結果		計算結果/sr-1	識別結果		計算結果/sr-1	識別結果		計算結果/nm	識別結果
JC1	0.019 5	正常		0.001 4	黑臭		0.133 2	正常		542	正常	正常
JC2	0.018 5	黑臭		0.003 1	黑臭		0.117 5	正常		545	正常	正常
JC3	0.022 6	正常		0.001 7	黑臭		0.068 6	黑臭		535	黑臭	黑臭
JC4	0.018 8	黑臭		0.001 9	黑臭		0.080 6	黑臭		552	正常	黑臭
JC5	0.010 4	黑臭		0.001 1	黑臭		0.077 2	黑臭		548	正常	黑臭
JC6	0.015 9	黑臭		0.001 8	黑臭		0.114 9	黑臭		554	正常	黑臭
JC7	0.019 9	正常		0.002 9	黑臭		0.069 8	黑臭		557	正常	黑臭
JC8	0.013 3	黑臭		0.004 1	正常		0.153 6	正常		536	黑臭	正常

　　3.1.2 差值算法

　　根據表 3, 差值算法對黑臭識別結果和實際情況一致的是JC3、JC4、JC5、JC6、JC7、JC8所在河段, 識別正確率為75%. 圖 9(b)紅色部分是差值算法識別出的城市黑臭水體分布范圍.

　　3.1.3 比值算法

　　根據表 3, 比值算法對8個樣點所在河段的識別結果與實際情況一致, 識別正確率達到100%. 圖 9(c)紅色部分是比值法識別的城市黑臭水體分布范圍.

　　3.1.4 色度法

　　根據表 3, 色度法識別正確的是JC1、JC2、JC3, 識別正確率為37.5%. 圖 9(d)紅色部分是色度法識別的城市黑臭水體分布范圍.

　　3.2 算法識別誤差原因及適用性分析 3.2.1 不同算法識別誤差原因分析

　　從圖 9可以看出, 算法識別誤差主要表現為將城市湖泊正常水體錯分為黑臭水體.單波段法和差值算法將莫愁湖識別為黑臭水體, 識別正確率最高的比值算法也將玄武湖部分區域識別為黑臭水體, 而色度法將兩者均識別為黑臭水體.通過野外調查, 莫愁湖和玄武湖水質較為清潔, 為正常水體, 并未出現黑臭.對上述錯分現象進行分析, 主要原因如下.

　　(1) 光譜存在重疊部分.城市湖泊水質較好, 由于水體吸收較強, 遙感反射率值很低, 在影像上呈現暗像元的特征. 圖 10為實測玄武湖和部分黑臭水體光譜曲線以及模擬至GF-2傳感器上的結果.從中可以看出, 兩種水體的遙感反射率值非常低, 在400~700 nm范圍有較多的重疊.在GF-2數據第2波段遙感反射率值十分接近, 因此運用單波段法不能將兩者明顯區分; 運用比值法計算時, 通過波段組合, 兩者值域也存在重疊的部分.因此, 玄武湖等正常水體和黑臭水體在運用單波段法、比值法進行計算時, 可能出現錯分現象.

圖 10 光譜曲線對比

　 　(2) 水色相似.色度法可以直觀反映不同地物的顏色差別, 但有些河段受排放污染物的影響水色差異大, 出現墨綠、灰黑色等(圖 11), 與玄武湖、莫愁湖等正常水體顏色相似; 此外, GF-2影像4個波段中心波長和CIE標準色度系統不能完全對應, 也可能導致計算結果存在一定偏差.因此色度法對城市黑臭水體的識別精度低.

圖 11 典型城市黑臭水體

　　　　(3) 對GF-2遙感影像第1波段的大氣校正效果較差[圖 2(a)], 因此在運用1、2波段的差值進行計算時, 容易將部分正常水體錯分為黑臭水體, 產生較大誤差.

　　3.2.2 算法適用性分析

　　綜合上述的分析, 比值算法識別精度最高.比值算法基于城市黑臭水體和正常水體在550~650 nm范圍內光譜差異而建立, 通過GF-2影像綠、紅波段遙感反射率差、和的比值計算求得, 具有理論依據, 簡單易于操作.比值算法對于城市黑臭河段的識別正確率最高, 可以準確地區分城市河道的黑臭水體和正常水體.但是由于城市內部大型清潔湖泊遙感反射率較低, 計算結果值域存在重疊, 因此運用比值算法計算容易將其劃分為黑臭水體.因此, 比值算法不適用于區分城市河道黑臭水體和城市內部非常清潔的大型湖泊.

　　3.3 南京主城區黑臭水體空間分布 3.3.1 南京主城區黑臭水體空間分布

　　利用比值算法提取研究區黑臭水體, 識別出黑臭河段11條, 總長度40.7 km, 總面積0.749 km2, 分別為金川河、中保河、清江東溝、明御河、月牙湖、友誼河玄武段、友誼河秦淮段、沙洲東河、奧體北河、禿尾河東支、西支.從圖 9(c)可以看出, 黑臭河段分布范圍廣且不連續, 集中分布在南京市各城區人口密集的區域, 其空間分布如下.

　　(1) 金川河流域位于鼓樓區北部, 清江東溝、中保河位于南部; 明御河、月牙湖位于秦淮區北部; 友誼河流經玄武區和秦淮區, 分別為友誼河玄武段和友誼河秦淮段; 沙洲東河、奧體北河均位于建鄴區中部; 禿尾河東支、西支黑臭河段位于浦口區北部.

　　(2) 不同河段黑臭情況不同.鼓樓區金川河黑臭河段主要位于中支上游部分, 下游流入長江的河段水色正常; 友誼河出現黑臭的河段位于上游玄武區; 而浦口區北部禿尾河段靠近長江的部分水色正常, 其余部分河段則出現黑臭現象.

　　3.3.2 黑臭河段形成的環境因素分析

　　針對提取的黑臭河段, 對其周邊環境影響因素進行分析如下.

　　(1) 人口密集區生活污水排放.例如金川河中支上游[圖 11(a)]、清江東溝、明御河等河段, 流經居民小區、菜市場等地, 生活污水大量排放, 有機污染物分解消耗大量溶解氧造成水體缺氧, 引起水體發黑發臭; 此外有機物富集在水體表面形成有機物膜破壞正常水體界面的交換, 加劇水體黑臭現象.

　　(2) 河岸建筑工地、化工廠等的影響.例如建鄴區沙洲東河附近有一處建筑工地, 污水排放進入河流, 水體渾濁發黑發臭[圖 11(b)]; 江寧區萊茵達路附近有大量工業園, 工廠廢水排放進入河流, 不僅使得水體顏色異常, 通常呈現乳白色[圖 11(c)], 而且散發刺激性氣味.

　　(3) 斷頭浜水體.由于城市發展遺留問題以及管理不善, 導致城市河段常出現“斷頭”現象, 形成斷頭浜.斷頭浜水體由于水動力不足, 造成河道淤泥增多, 底泥中堆積的污染物釋放到水體導致河流發黑發臭.例如鼓樓區北部金陵新村附近的一條重度黑臭河段, 距離居民小區僅兩米的距離, 水體幾乎不流動, 散發惡臭[圖 11(d)].

　　4 結論

　　(1) 和城市正常水體、夾江相比, 城市黑臭水體遙感反射率最低, 在整個可見光范圍峰谷不突出, 而且在400~550 nm范圍光譜斜率最小.具體聯系污水寶或參見http://m.dongaorq.cn更多相關技術文檔

　　(2) 利用GF-2影像, 基于第1、2、3、4波段, 分別建立了單波段算法、差值算法、比值算法和色度法識別黑臭水體.采用地面同步調查結果檢驗, 比值算法的識別精度最高, 對城市河道黑臭水體的識別結果更準確.

　　(3) 黑臭河段分布具有范圍廣且不連續的特征, 集中分布于各城區人口密集的區域; 水體發生黑臭主要受到生活污水、工業廢水、斷頭浜等因素影響.