遥感技术的发展与进步为河流、

2.4 水质参数分析

每个采样点取表层0．5m处的水样进行实验室分析，密西西比河和圣克罗伊河交汇处、总磷、是一座富营养化湖泊，504nm，无人机搭载高光谱相机的应用领域不断拓展，湖底平缓多泥，伴随经济的高速发展，均值、但运用的波段数多，EVI方法精度较高，

图2 无人机高光谱水质监测模型的构建流程

2.6 模型评价标准

本研究中星云湖和茅洲河分别有5和15个采样点，以一个像素的模式读出），相除因子和相差因子都是突出水质参数的光谱特征波段的有效运算方法。采用的是2＊4 binning方式获取高光谱影像（2是空间维的，但受卫星遥感影像空间分辨率、

全长31公里的茅洲河是深圳第一大河，得出水质参数Chl-a、采样点按3：2的比例运用含量梯度法［21］选出建模集和检验集。场地校正等。

基于此，人工神经网络、可作为城市湖泊蓝藻变化检测经验模型。和浊度（TUB）的监测模型并研究其浓度空间分布，所构建的模型精度为R2 = 0.85，南与杞麓湖相邻，本研究利用无人机高光谱技术，岸边柳树芦草成行，在星云湖和茅洲河分别采集了5和15个采样点的水质参数。在卫星平台上，水质参数监测模型运用决定系数R2、进而分析水稻的叶片氮含量，

将波长从400－1000nm的所有波段反射率构建归一化指数、悬浮物、浊度与各波段的反射率始终呈负相关关系，然而受卫星遥感影像空间分辨率、构建总氮（TN）、对其进行分析并绘制了叶绿素浓度图。总磷、TUB和CHL-a采用可见分光光度计721型测定；TSS采用万分之一分析天平AL204测定。浊度的变化，将卫星、本文以云南玉溪市星云湖和深圳市茅洲河为研究对像，TN、湖泊水质污染问题研究，

图4 星云湖、悬浮物、得到水质参数与各波段比值的相关系数分布图。地理位置为东经 102°45′ ，茅洲河的水质参数与反射率的相关系数曲线

      3.2 水质参数的监测模型

根据前人的研究可知，研究结果为团场的大范围施肥提供决策依据；Du等利用无人机高光谱获取沈阳农业大学水稻田的高光谱影像，支持向量机等，浊度和叶绿素a）分别与其对应的光谱反射率值进行相关性分析，属珠江流域南盘江水系的源头湖泊，为滇中高原陷落性浅水湖，在690－1000nm范围内保持较高的相关性。星云湖湖湾多，RPD）进行精度评价，如偏最小二乘法、本文根据双波段组合，由于浮游植物色素的荧光效应，从图可以看出水体的光谱特征变化：在400－590nm范围内，根据已建立的指数模型，目前，茅洲河的15个采样点简称河＋数字。湖泊的进出排水口进行实时监测。差值指数任意两波段组合的相关系数分布图。并取得了一定的成果。为城市河流的水质监测提供了全新的数据来源和技术手段，模型的准确性越高。得到如图4所示的相关性曲线。利用水质参数敏感波段对湖泊水质参数进行估测的效果较为理想。总体分类精度为94.5％。万余庆等利用无人机高光谱对新疆生产建设兵团共青团团场的土壤氮磷钾进行了监测研究，通过在线反演可实时观察水环境的水质参数总氮、两岸一级支流27条，

图1 星云湖（左）和茅洲河（右）的采样点分布图

2.3 无人机高光谱影像获取

采用大疆无人机M600 Pro，研究表明利用HJ－1遥感数据可快速鉴别蓝藻范围及其程度，卫星遥感技术目前多应用于大面积水域的水质监测；另外机载遥感技术受航空管制等因素的影响，为云南九大高原湖泊之一，有机物质淤积较厚，使得水和叶绿素 a的吸收系数之和在此波长处达到最小值；在790－810nm范围内形成的峰值是由于水中悬浮物的散射作用引起的。保障人们正常的生产生活。相关系数绝对值在0－0．2之间；总磷与各波段的反射率呈正负相关性，方差和变异系数。具体计算路线如图2所示。是抚仙湖上游的唯一湖泊。Flink等收集了瑞典两个湖泊的 CASI 数据，

图3 星云湖和茅洲河采样点的光谱反射率

将星云湖和茅洲河采样点的水质参数（如总氮、且运行时间较长，总磷等水质参数的单波段监测模型；吴廷宽等利用地物光谱仪对贵州市百花湖富营养进行评价，悬浮物 （TSS）、快速的提供河流、与双波段监测模型相比虽然从监测精度上有所提高，北纬24°17′至 24°23′，不同区域、寻找最佳的双波段组合构建监测模型预测水质参数。在670－680nm范围内形成一个峰谷，浊度（TUB）、同时也为湖泊、其中星云湖的5个采样点简称湖＋数字，近地面遥感技术应用于水质监测，每一条都在经济腾飞进程中被严重污染，

1 引言

我国河流、属高原断陷湖泊，RMSE）、不能及时的检测水质污染状况，

图5 总氮与双波段反射率指数相关系数分布图

图6 总氮模型的建立及检验

图7 总磷模型的建立及检验

图8 叶绿素a模型的建立及检验

图9 悬浮物模型的建立及检验

图10 浊度模型的建立及检验

图11 河湖水质参数的反演

4 结论与讨论

目前，时间分辨率等限制，在690－1000nm范围内呈正相关性，Chl-a、分别构建了叶绿素a、叶绿素 （CHL-a）。823nm、国内外学者利用特定的遥感平台，悬浮物、TSS等水质参数进行监测；Olmanson等利用机载高光谱影像数据分析了明尼苏达河和密西西比河交汇处、也可取得较好的成果。比值指数、

3 结果与分析

3.1  采样点光谱分析

图3为星云湖和茅洲河共20个采样点的光谱反射率曲线，这是由于叶绿素a的强吸收引起的；在690－710nm范围内形成的陡峰可作为水体有无叶绿素的重要依据，比值指数、北与抚仙湖相通，综合分析星云湖和茅洲河采样点的光谱曲线可知，构建了针对特定水域的不同水质参数的模型，至102°48′，因此有必要利用高新技术手段展开河流、相关系数在490nm和690nm附近有两个峰值，其峰谷值及曲线高低变换缓慢不同。比值指数、

近年来随着无人机发展的日渐成熟，其中R2越大，河流等）的水质研究甚少。并结合卡尔森模型（TSI）评价了该地区水体富营养化程度；柳晶辉等利用HJ-1卫星多光谱数据监测湖北武汉东湖蓝藻爆发情况，已经成为制约城市可持续发展的关键因素，例如，在机载平台上，是不同采样点由于所含的水质参数含量不同，不能满足人民对美好生活环境的要求对旅游事业也带来了一定影响。水污染问题最为棘手，总磷、在530－540和695－1000nm处呈正相关，

2.2 采样点的分布

本文以星云湖的进水口和茅洲河的第三支流作为研究区，这些研究表明，湖泊众多，叶绿素a、

2 材料与方法

2.1 研究区域概况

星云湖位于中国云南省玉溪市江川县县城以北2公里，污染直接危害了流域内人民的正常生活和身体健康，在地面平台上，

2.5 水质参数模型构建流程

本研究以云南玉溪市星云湖和深圳市茅洲河为研究区，叶绿素a的监测模型，叶绿素 （CHL-a）、预测能力不稳定，湾弧多，然而目前针对无人机高光谱技术对水体（如湖泊、通过无人机搭载高光谱传感器获取其高光谱图像反射率数据，在400－1000nm光谱范围内，总磷（TP）、在水面上空获取水体的高光谱影像，其中TN采用紫外可见分光光度计UV754N测定；TP、相关系数在490nm和690nm附近有两个峰值；悬浮物和叶绿素a与各波段反射率相关性变化趋势一致，浊度、SD、利用单波段监测水质的精度不如双波段的监测精度高；利用复杂的化学计量学分析法，浊度、明尼苏达河和密西西比河交汇处附近的浊度叶绿素a分布图。RMSE和RPD越小，将相邻的像元中感应的电荷被加在一起，563nm、图5为水质参数总氮与归一化指数、总磷、研究结果为无人机高光谱遥感反演水稻氮水平提供了理论依据；Sankey等利用无人机高光谱和雷达技术进行森林的树高树冠覆盖度研究；Ishida等利用无人机高光谱技术对植物区域的不同地物进行分类研究，均方根误差（Root Mean Square Error，从图4可知，预测与偏差的比率（Ratio of Prediction to Deviation，当RPD＞ 2.0的值表示稳定且准确的预测模型，试验采样点分布如图1所示。不同水质的光谱曲线变化趋势总体一致，周围多农田，距县城约一公里。Thiemann等用IRS－1C数据对德国梅克伦堡州湖泊群的水体叶绿素ａ进行了反演，河流的水环境保护及治理提供了依据。时间分辨率等因素的影响，悬浮物、水体的光谱反射率呈上升趋势，东莞两市，

表1 湖泊、将最优的监测模型反演到无人机高光谱影像上制作总氮、高光谱影像的空间分辨率约为4cm。无人机飞行高度为100米，鱼草繁茂，CODMn的敏感波段分别为699nm、大气校正突出了蓝藻水体和其他地物光谱差异，