中国典型城市黑臭水体光学特性分析及遥感识别模型研究
多源数据对黑臭水体整治的遥感监测
多源数据对黑臭水体整治的遥感监测随着城市化进程的加快，城市水体环境问题日益突出，其中黑臭水体的治理成为当前环保领域的重要任务。
黑臭水体不仅直接影响周边居民的生活质量，还对水生态环境造成了严重破坏。
对黑臭水体的治理和监测显得尤为重要。
而遥感技术由于其全天候、高时空分辨率等优势，成为黑臭水体监测的重要手段。
本文将重点讨论多源数据对黑臭水体整治的遥感监测的应用和意义。
一、遥感技术在黑臭水体监测中的应用1. 多光谱遥感数据多光谱遥感数据是遥感技术最常用的数据之一，它具有多频道、全天候、高时空分辨率等优势。
在黑臭水体监测中，多光谱遥感数据可以通过反演水体色素浓度、透明度、藻类含量等信息，从而间接判断水体受污染程度。
通过多光谱数据的分析，可以快速、精确地识别黑臭水体的分布范围和污染等级，为整治工作提供科学依据。
高光谱遥感数据具有更多的光谱波段，可以提供更为详细的物质信息。
在黑臭水体监测中，高光谱遥感数据可以更准确地辨别水体中的有机物质、叶绿素含量、溶解有机质等指标，有助于分析污染物的类型和来源。
高光谱数据还可以应用于水体富营养化程度的监测，为黑臭水体整治提供更加全面的数据支持。
3. SAR（合成孔径雷达）数据SAR数据具有独特的穿透性和反射性，可以在不同天气条件下获取地表信息。
在黑臭水体监测中，SAR数据可以通过反演水体的粗糙度、表面覆盖物等特征，精准地识别出水体的污染情况。
而且，SAR数据还可以应用于水体变化的监测，及时发现水体衰退和污染扩散等现象，为黑臭水体治理提供及时的监测和预警。
以上三种遥感数据分别从光谱信息、化学成分、地形特征等方面提供了丰富的水体监测信息，有助于科学全面地了解黑臭水体的污染状况，为黑臭水体整治提供科学依据和技术支持。
二、多源数据对黑臭水体整治的意义1. 提高监测的精度和全面性传统的黑臭水体监测往往依赖于地面调查和水质采样，存在采样点有限、监测周期长、数据不全面等问题。
而多源遥感数据可以通过卫星遥感和无人机遥感等手段实现对全球范围、高时空分辨率的水体监测，能够更准确地反映水体受污染的情况，提高监测的精度和全面性。
多源数据对黑臭水体整治的遥感监测
多源数据对黑臭水体整治的遥感监测近年来，随着城市化进程的加快和工业化程度的提高，城市黑臭水体问题日益突出。
黑臭水体不仅对周围环境造成污染，还给居民生活带来严重影响。
为了有效解决黑臭水体问题，利用多源数据对黑臭水体进行遥感监测已成为一种重要的手段。
本文将从多源数据的获取、遥感监测的方法以及对黑臭水体整治的实际应用等方面进行探讨。
一、多源数据的获取遥感监测黑臭水体需要获取多种类型的数据，主要包括遥感影像数据、水质监测数据、环境监测数据等。
遥感影像数据是进行黑臭水体监测的基础数据，可以通过卫星、航空等平台获取。
通过遥感影像数据，可以获取到黑臭水体的位置、范围和分布情况，为后续的监测和治理工作提供重要依据。
水质监测数据和环境监测数据也是非常重要的数据来源，可以从地面监测站点获取到，这些数据可以反映出黑臭水体的污染程度和环境状况，为对黑臭水体的整治提供参考。
二、遥感监测的方法在获取到多源数据之后，需要利用遥感技术对黑臭水体进行监测。
遥感监测黑臭水体主要可以采用光学遥感和雷达遥感两种方法。
光学遥感主要是通过卫星、航空等平台获取黑臭水体的高分辨率影像，利用影像处理技术进行特征提取和分类，从而实现对黑臭水体的监测。
而雷达遥感则是利用合成孔径雷达（SAR）等技术获取黑臭水体的反射和散射信息，通过数据处理和分析得到黑臭水体的特征参数，实现对黑臭水体的遥感监测。
除了光学遥感和雷达遥感，还可以结合地理信息系统（GIS）技术进行综合分析和建模。
通过GIS技术，可以将遥感影像数据、水质监测数据、环境监测数据等多源数据进行集成，实现对黑臭水体的综合监测和分析。
还可以利用GIS技术进行空间分布分析和环境风险评估，为黑臭水体整治提供科学依据。
三、对黑臭水体整治的实际应用利用多源数据对黑臭水体进行遥感监测的结果，不仅可以直观地展现黑臭水体的分布、范围和污染程度，还可以为黑臭水体的整治提供科学依据和技术支持。
在实际应用中，遥感监测可以帮助相关部门及时掌握黑臭水体的动态变化情况，开展整治工作。
多源数据对黑臭水体整治的遥感监测
多源数据对黑臭水体整治的遥感监测【摘要】黑臭水体是当今严重的环境问题，对人们的健康和生活质量产生负面影响。
本文基于多源数据对黑臭水体整治的遥感监测进行研究，通过分析黑臭水体问题现状、遥感技术在水体监测中的应用以及多源数据在整治中的作用，探索了遥感监测在黑臭水体整治中的价值和作用，在整治效果评估中取得了积极成果。
本文结论指出多源数据在遥感监测中的优势，展望了未来的研究方向，总结了本文的重要发现和贡献。
通过本文的研究，有望为黑臭水体的整治提供有效的监测和评估手段，为环境保护和人类健康作出更大的贡献。
【关键词】关键词：黑臭水体整治、遥感监测、多源数据、水体监测、整治效果评估、优势、未来展望、研究背景、研究目的、研究意义、现状分析、探索、总结。
1. 引言1.1 研究背景黑臭水体是指同时具有黑色和恶臭特征的水体，是城市水环境中的一种严重污染形式。
由于城市化进程的加速和城市污水、工业废水直排未经处理等原因，黑臭水体问题一直是困扰城市环境和居民生活的严重环境问题。
黑臭水体不仅给周围的居民带来不良的生活环境，还对水环境和生态系统造成严重危害。
研究背景下，对黑臭水体问题的深入探讨及遥感监测技术在黑臭水体整治中的应用具有重要的现实意义和理论价值。
通过研究多源数据对黑臭水体整治的遥感监测，有助于更好地了解黑臭水体的分布情况、了解整治效果、推动黑臭水体治理工作的开展。
1.2 研究意义传统的监测手段存在采样不全、监测频次低、反馈滞后等问题，而多源数据对黑臭水体整治的遥感监测可以通过卫星遥感、无人机遥感、地面监测等多种数据源的融合，实现对水体污染状况的全方位监测，为水体整治工作提供更为全面的数据支持。
多源数据的综合利用还能够更好地发现黑臭水体问题的隐蔽性和复杂性，为整治工作提供更深入的分析依据。
研究利用多源数据进行遥感监测对黑臭水体整治的意义重大，能够推动水体环境监测和整治工作的进一步发展，促进城市水环境质量的改善，保护人民群众的生态环境权益。
中国典型城市黑臭水体光学特性分析及遥感识别模型研究
中国典型城市黑臭水体光学特性分析及遥感识别模型研究中国典型城市黑臭水体光学特性分析及遥感识别模型研究近年来,随着我国社会经济的快速发展,城市规模的日益膨胀,城市居民人口的快速增长,城市污水排放量急剧增加,导致城市黑臭水体大面积出现。
城市河流黑臭问题目前已经成为我国许多大中城市突出的环境问题。
与黑臭水体常规地面监测手段相比,遥感技术获得的监测信息具有时间和空间上的相对连续性,动态范围大,不仅有助于从区域层面把握黑臭水体特征,而且有利于及时、全面掌握黑臭水体的发生、发展与演变迁移过程,因此可节省大量人力、物力和时间花费。
以卫星遥感为主要手段的天地一体化黑臭水体遥感识别研究具有重要意义。
本文以北京、长春和沈阳三个典型北方城市,杭州、无锡和常州三个典型南方城市黑臭水体区域为试验区,经过多次野外水体综合试验,获取了黑臭水体水质参数、表观光学量和固有光学量等数据,并构建了我国典型城市黑臭水体光学特性数据库,基于这些数据开展了三个方面的研究工作:黑臭水体水质参数特性分析、表观光学特性分析和固有光学特性分析,并提出了两种基于实测遥感反射率的黑臭水体识别模型。
本文主要取得的研究成果是:(1)分别分析了重度黑臭、轻度黑臭和一般水体固有光学量、表观光学量和水质参数特性,为识别模型构建奠定了基础;(2)基于实测遥感反射率首次建立了分类决策树,先划分了重度、轻度和一般水体三个大类,进一步将重度黑臭和轻度黑臭按照光谱特征细分为多个类别;(3)提出一种基于实测遥感反射率的黑臭水体识别方法—饱和度法,选取合适阈值进行黑臭识别,并对结果进行精度验证,结果表明,该方法可以有效地识别研究区域黑臭水体和一般水体;(4)提出一种基于实测遥感反射率的黑臭水体识别方法—光谱指数法,选取合适阈值进行黑臭识别,并对结果进行精度验证,该方法可以有效地识别研究区域黑臭水体、轻度黑臭水体和一般水体;(5)改善了《城市黑臭水体整治工作指南》中重度、轻度黑臭和一般水体的DO、ORP、NH3-N和透明度判别指标。
多源数据对黑臭水体整治的遥感监测
多源数据对黑臭水体整治的遥感监测随着城市化进程的加快和环境污染问题的日益严重，黑臭水体已经成为旧城区环境治理领域中的一大难题。
近年来，政府已经采取了大量的措施来对黑臭水体进行整治，但是对于水体污染的监测和评估还面临着很大的困难。
传统的监测方法需要大量的人力和物力，而且不能及时获取到水体污染的情况。
因此，利用遥感技术对黑臭水体进行监测已经成为一个研究的热点。
黑臭水体是指水体受到多种污染因素影响，导致水体表面产生大量浮沫或者水体发出难闻的臭味，同时在水体底部积累大量有机物。
黑臭水体一旦形成，对于城市和居民的健康安全、经济建设和环境保护都有很大的影响。
遥感技术是通过卫星或者飞机对地球进行观测并记录地面上的信息，可以通过监测水体的光谱反射、温度以及悬浮物浓度等参数，对黑臭水体进行监测，减少人力和物力的投入，提高监测效率。
多源数据是指利用多种遥感数据进行分析和处理，以获取更加全面和准确的信息。
在黑臭水体的整治中，多源数据的应用可以提高监测的精度和覆盖范围。
例如利用高分辨率卫星图像进行黑臭水体的识别和定位，结合地面气象数据进行黑臭水体的特征分析，利用激光雷达对水体的深度进行测量，综合小时的遥感数据来判断水体的污染程度和健康状况。
多源数据的综合应用可以使监测结果更加科学和可靠，对黑臭水体治理具有重要的意义。
在黑臭水体的遥感监测中，水体的光谱反射是一个重要的参数。
由于黑臭水体受到有机污染物的影响，水体中的颜色会发生变化。
一般来说，水体的颜色可以通过计算水体反射光谱中的三个波段—蓝、绿和红来确定。
但是由于黑臭水体的光学特性与普通水体有所不同，黑臭水体的光谱特征是比较复杂的，需要结合多种遥感数据进行综合分析和处理，以减少误判和漏判的情况。
此外，水体温度也是一个重要的参数，对于黑臭水体的监测也具有重要的意义。
由于水体中的有机物质的大量存在，会影响水体的热容。
因此，黑臭水体的温度比普通水体要高，这也是遥感监测中的一个重要指标。
分析城市黑臭水体遥感监测与筛查研究进展
分析城市黑臭水体遥感监测与筛查研究进展隋明祥摘要：城市黑臭水体是水体污染的一种极端现象，也是目前较为突出的城市环境问题。
传统黑臭水体监测主要依靠地面人工测量，耗时费力，加上采样点位布置数量和监测频率有限导致传统黑臭水体检测方式对城市黑臭水处理效率低下，效果不理想。
大数据支持下的遥感监测技术能够提升城市黑臭水治理成效。
为此，文章结合城市黑臭水出现原因机理以及遥感监测技术在城市黑臭水治理中的原理，具体分析应用遥感检测技术优化处理城市黑臭水的策略。
关键词：城市黑臭水;遥感技术;筛查研究进展TP311 ：A ：1009-3044（2018）31-0243-02城市黑臭水体主要是指在城市建设区内部存在的令人作呕的水体统称，黑臭是水体有机污染发展的一种极端现象，一般是由于水体缺氧和有机物的腐败导致的，在城市化的发展进程下，城市黑臭水污染问题已经成为城市发展建设需要解决的问题之一。
城市黑臭水体通常分布范围较广，河宽一般较窄，易受到两岸环境的影响。
在检测黑臭水体污染的时候，传统的地面采样监测方式获取的河道水质信息十分有限，在一定程度上加大了黑臭水体的监测难度。
遥感技术以其宏观、大面积同步观测以及持续观测的特点能够为城市黑臭水体污染治理提供重要手段的支持，辅助使用大数据和地理信息系统则是能够在以往的基础上进一步提升城市黑水污染治理成效。
1 城市黑臭水體的成因和机理从2015年开始，环境保护部门卫星环境使用基地开展了地区城市黑臭水遥感监测施工操作，在具体施工操作中，卫星基地应用高分辨率的卫星数据信息来收集各种类型的遥感数据信息，之后根据北京地区的黑臭水水体综合治理名单开展了一系列遥感监测和空间解剖处理工作。
从遥感监测数据图像中可以发现，北京地区的黑臭水体总体长度是280.75km，有80%左右的成分是轻度黑臭水体，剩下的都是重度黑臭水体。
结合遥感数据信息显示，地区的黑臭水体数量较多的是集中在通州地区，黑臭水体的长度和面积也达到了最大。
多源数据对黑臭水体整治的遥感监测
多源数据对黑臭水体整治的遥感监测随着城市化进程的加快，城市水体污染问题日益突出。
黑臭水体一直是城市水环境治理的重点难点问题。
传统的黑臭水体整治一直面临着监测手段粗糙、数据更新慢、局部盲区等问题。
而遥感技术的发展为黑臭水体整治提供了新的手段和途径。
本文将探讨多源数据对黑臭水体整治的遥感监测，以期为城市水环境整治提供更加科学精准的数据支持。
一、遥感技术在黑臭水体整治中的重要作用遥感技术是通过卫星、航空器等获取地球表面信息的技术手段。
它具有广覆盖、高精度、快速更新等优势，可为黑臭水体整治提供丰富的多源数据。
遥感技术可以实现对黑臭水体的全天候全时段监测，不受地域和气象条件的限制，可以对整个城市范围内的黑臭水体进行监测。
遥感技术可以获取高分辨率的影像数据，可以对水体的形态、颜色、悬浮物、气味等特征进行识别和监测。
遥感技术可以实现数据的快速更新和多期对比分析，有助于发现黑臭水体的演变规律和趋势变化，为整治提供科学依据。
遥感技术对黑臭水体整治具有重要的作用和意义。
二、多源数据在遥感监测中的应用1. 遥感影像数据遥感影像数据是遥感监测的基础数据，可为黑臭水体的监测和分析提供空间信息。
通过遥感影像数据，可以获取黑臭水体的空间分布、水体类型、水体面积、水体变化等信息。
利用遥感影像数据可以进行水质参数反演，如浊度、叶绿素、藻华等参数反演，从而全面掌握水质信息，指导黑臭水体的整治工作。
遥感雷达数据具有穿透云雾、全天候观测等特点，可为黑臭水体的监测提供重要信息。
遥感雷达可以获取水体的粗糙度、风浪等信息，进而判断水体的污染程度和黑臭程度。
遥感雷达还可以获取大面积水体的实时监测数据，为黑臭水体的整治提供实时数据支持。
3. 其他多源数据除了遥感影像数据和遥感雷达数据外，还可以利用多种遥感数据对黑臭水体进行监测。
激光雷达可以获取水体的高程信息，红外遥感可获取水体的温度信息，多光谱遥感可以获取水体的光谱信息等。
这些多源数据的综合应用可以为黑臭水体整治提供更加全面的数据支持。
基于高分二号卫星融合数据的城镇黑臭水体遥感监测研究
基于高分二号卫星融合数据的城镇黑臭水体遥感监测研究靳海霞;潘健【摘要】为研究通过卫星遥感手段监测城镇黑臭水体位置分布的可行性,利用高分二号卫星融合影像数据对北京市城镇水体进行水体岸线提取和水质参数反演.水质参数包括叶绿素a、悬浮物浓度、透明度和营养化指数.基于水体岸线提取结果和反演的各类水质参数的指数分布图,结合预先设定的水体黑臭程度遥感判别指标,对北京市9处水体河段水质进行综合遥感判读,辅以实地调查验证.研究结果表明,利用高分二号卫星融合影像能够很好的识别城镇区域内宽度较窄的河道岸线,并判定水面浮萍的存在,定量反演出的水体单位面积内悬浮物浓度、透明度和营养状态指数能够反映水体的黑臭程度,各河段水体黑臭程度的遥感判别结果与官方公布的结果基本一致.%To study the feasibility of monitoring the position of the urban black smelly water distribution by means of satellite remote sensing,there using of GF-2 image fusion data extract coastline and inversion water quality parameters for Beijing urban water body.Water quality parameters including chlorophyll a,suspended solids concentration,transparency and eutrophication index.Based on the coastline extraction result and inversion of all kinds of water quality parameters of the index distribution,combined with the preset water black smelly degree index of remote sensing,9 places of the river water quality in Beijing are for remote sensing interpretation,complemented by field investigation verification.The results show that GF-2 satellite image fusion can well identify the narrow width of the river coastline of cities and towns,and determines the presence of water duckweed.Quantitative inversion of water per unit area ofsuspended solids concentration,transparency and nutritional status index can reflect the extent of black-odor water body,and the results of each river water black-odor sensing the degree of discrimination and official results are basically the same.【期刊名称】《国土资源科技管理》【年(卷),期】2017(034)004【总页数】11页(P107-117)【关键词】高分二号;影像融合;黑臭水体;透明度;富营养化【作者】靳海霞;潘健【作者单位】山西农业大学信息学院,山西太谷 030800;中国地质大学(北京) 土地科学技术学院,北京 100083【正文语种】中文【中图分类】P407.8根据住房和城乡建设部发布的《城市黑臭水体整治工作指南》，城市黑臭水体是城市内不良水体的统称，该种水体具有令人不悦的色彩和(或)散发令人不适的气息。
遥感识别黑臭水体的技术方案
遥感识别黑臭水体的技术方案黑臭水体是一种污染源的重要组成部分，亟需全面控制和管理。
目前，实现黑臭水体排放状态的监测工作主要是采用传统的现场抽水和实地观测监测。
该方法存在时空覆盖范围小、效率低等问题。
因此，近年来，利用遥感技术来监测这类污染物获得了越来越多的关注。
遥感技术是一种新兴的技术，可以通过电子设备收集各种天然特征和其他迹象，并可以将其统称为遥感数据。
其基本技术原理是将空间信息转换为有价值的统计数据，从而更好地了解黑臭水体的状况。
各种遥感技术监测黑臭水体的技术方案可以大致分为两类：一是可见光遥感技术，二是红外遥感技术。
可见光遥感技术可以直接采集黑臭水体的光谱信息，以及其他相关的地物特征，以及分析黑臭水体的形态和位置。
红外遥感技术可以收集环境中气体、水溶液以及水体及其他污染物的热力学分布特征，以及可见光难以检测的水体污染物的吸收特征，从而实现黑臭水体的遥感监测。
综上所述，当前，利用遥感技术来监测黑臭水体的技术方案有可见光、红外遥感技术等。
首先，根据相关技术参数确定合理的数据采集步骤，以及抽取合适的数据集；其次，根据相关参数，建立黑臭水体污染物的遥感模型，实现对黑臭水体污染物数据的实时识别；最后，建立环境污染源分布统计模型，实现对污染物的时空分布特征监测。
以上是利用遥感技术来监测黑臭水体的技术方案的一般思路，由于数据的实时性和及时性等，其实施过程需要严格按照规范流程来进行。
首先，要从多源遥感数据中抽取黑臭水体的有效特征，采用信息降维技术来降低数据量，大大提高数据处理的效率。
其次，根据各种物理化学参数和黑臭水体变化规律，采用聚类分析、几何分析等方法，建立分类模型。
它能对不同类别的黑臭水体进行有效地识别和定位。
最后，采用空间分析技术，构建空间模型，实现空间变化趋势分析和预测，有助于更有效地控制和管理黑臭水体污染。
因此，利用遥感技术来监测黑臭水体的技术方案不仅可以提高效率，还可以大大增强对污染物的监测能力，及时发现和控制黑臭水体污染，保护环境资源，实现绿色发展。
基于遥感的黑臭水体识别方法研究及应用
基于遥感的黑臭水体识别方法研究及应用基于遥感的黑臭水体识别方法研究及应用近年来，随着城市化和经济发展的加快，水环境污染问题变得越来越突出。
其中一种常见的水环境问题是黑臭水体，它不仅给水生态环境带来巨大威胁，还给人们的生活带来了很大的不便和危害。
针对黑臭水体的快速识别和处理成为了环保工作者和科研人员的重要任务。
遥感技术作为一种高效的监测手段，成功地应用于黑臭水体的识别和监测中。
它通过获取传感器获取的地物或环境的遥感数据，借助以地球为观测对象的遥感技术手段，实现指定区域的远程监测。
遥感技术可以获取大范围、高分辨率的数据，为黑臭水体的识别提供了有力的技术支持。
在黑臭水体的识别方法研究中，遥感技术主要利用水体的反射特性和空间分布特征进行分析。
首先，通过反射率数据，可以根据不同波段的水体吸收和散射特性，判断水体中的污染物质的类型和浓度。
其次，在空间分布特征方面，通过遥感图像所提供的信息，可以识别出与正常水体不同的环境特征，从而确定是否存在黑臭水体。
这些环境特征可能包括水体颜色、湖泊表面水温、水体的悬浮物等，这些特征在黑臭水体中常常表现出不同的统计规律。
目前，基于遥感的黑臭水体识别方法主要分为两种类型：一是基于单一遥感数据源的方法，二是基于多源遥感数据的融合识别方法。
基于单一遥感数据源的方法主要是通过处理和分析单一的遥感图像数据，利用图像处理和分析算法来识别黑臭水体。
而基于多源遥感数据的融合识别方法，则是综合利用多种遥感数据，通过数据融合和特征提取，提高黑臭水体的识别准确性。
在具体应用方面，基于遥感的黑臭水体识别方法已经成功应用于许多城市和湖泊的监测与管理中。
例如，通过利用多源遥感数据，研究人员可以分析黑臭水体的时空分布特征，了解其形成的原因和演化趋势，从而为污染源的治理提供有效的参考。
此外，遥感技术也可以用于黑臭水体的监测与预警，及时发现并追踪黑臭水体的出现，加强环境保护和治理工作。
总之，基于遥感的黑臭水体识别方法在水环境监测与管理中发挥着重要作用。
城市黑臭水体识别监测与治理技术研究现状及进展
城市黑臭水体识别监测与治理技术研究现状及进展随着城市化进程的加快，城市黑臭水体治理成为了一个亟待解决的环境问题。
城市黑臭水体是指由于城市污水排放、城市污水管网渗漏、城市河道富营养化等多种因素导致的水体腐败、异味、水质恶劣的现象。
治理城市黑臭水体对于改善城市生活环境、保护水资源、促进城市可持续发展具有重要意义。
在这一背景下，城市黑臭水体识别监测与治理技术的研究也日益受到关注。
本文将对城市黑臭水体识别监测与治理技术的现状及进展进行介绍和分析。
一、城市黑臭水体识别监测技术1.传统监测技术传统的城市黑臭水体监测技术主要包括水质监测、空气监测和现场调查。
水质监测通过采集水样进行化学分析，得到水体中各种污染物的含量。
空气监测则是通过检测空气中的恶臭气味成分来评估黑臭水体的情况。
现场调查则是通过人工观察和嗅闻的方式来判断黑臭水体的程度。
这些传统监测技术存在着信息获取不及时、监测范围有限、准确度不高的问题。
2.遥感和无人机监测技术近年来，随着遥感技术和无人机技术的发展，利用遥感和无人机进行城市黑臭水体监测逐渐成为了新的趋势。
遥感技术可以通过卫星、航空器等平台获取大范围、高分辨率的水体信息，包括水体表面温度、水色、叶绿素含量等，从而实现对城市黑臭水体的识别和监测。
无人机则可以在低空对水体进行高分辨率、高精度的监测，能够实时获取水体的图像和数据。
遥感和无人机监测技术的应用使得城市黑臭水体的监测水平得到了大幅提升。
3.传感器监测技术传感器技术是城市黑臭水体监测的一种重要手段。
传感器可以实时监测水体的各项指标，包括水质、气味、温度、溶解氧等，具有信息获取及时、监测范围广等优点。
目前，一些城市已经开始利用传感器网络对城市黑臭水体进行实时监测和预警，为黑臭水体治理工作提供了有力的技术支持。
1.污水处理技术城市黑臭水体的主要原因之一是污水排放过多，造成了水体富营养化和异味。
加强污水处理是治理城市黑臭水体的关键。
目前，常用的污水处理技术包括生物膜工艺、厌氧-好氧工艺、地表湿地处理等，这些技术可以有效去除污水中的有机物、氮、磷等污染物，从而减轻水体富营养化和异味问题。
廊坊市黑臭水体光谱特征与时空分布分析
廊坊市黑臭水体光谱特征与时空分布分析摘要：为了探究廊坊市黑臭水体的光谱特征及其时空分布规律，接受高区分率卫星遥感数据和水质监测数据，分析了廊坊市黑臭水体的时空分布特征和光谱特征差异，并探讨了其污染来源及其对水环境的影响。
探究发现，廊坊市黑臭水体主要分布在工业集中区和城市区域，存在明显的时空差异；黑臭水体的光谱特征表现为高离散度、低反射率和显著的吸纳特性，主要与有机物质、藻类等有关；污染源主要来自于工业废水和生活污水等。
探究结果可以为廊坊市黑臭水体治理提供科学依据和技术支持，为城市水环境保卫和可持续进步提供参考。
关键词：黑臭水体，光谱特征，时空分布，高区分率卫星遥感，水质监测一、引言随着城市化进程的加速和工业化程度的提高，我国城市水环境面临着越来越大的压力。
其中，黑臭水体作为城市水环境污染的典型表现之一，已经成为当前城市治理面临的重要问题。
廊坊市作为京津冀地区的重要城市之一，其水环境面临的压力更加突出。
因此，对廊坊市黑臭水体的光谱特征及其时空分布规律进行探究，对于增进城市水环境保卫和可持续进步具有重要意义。
二、数据和方法本文接受2021年廊坊市高区分率卫星遥感数据和水质监测数据，利用遥感技术和统计分析方法对廊坊市黑臭水体的光谱特征及其时空分布规律进行探究。
其中，遥感数据主要包括高区分率光学卫星遥感影像和高空间区分率的激光雷达数据；水质监测数据主要包括COD、NH3-N、TP、TN等指标。
通过对遥感和水质监测数据的融合分析，探讨黑臭水体污染源的来源和影响因素。
三、结果分析廊坊市黑臭水体主要分布在工业集中区和城市区域，分布范围较广。
空间分布特征明显，随海拔高度增加和距离水源遥离，黑臭水体的污染程度逐渐减轻。
黑臭水体的光谱特征表现为高离散度、低反射率和显著的吸纳特性，主要与有机物质、藻类等有关。
其中，有机物质是黑臭水体的主要组分，其吸纳谱主要分布在400-700nm范围内，表现为明显的吸纳特性。
藻类是黑臭水体的另一个关键组分，其吸纳谱主要分布在500-600nm和680nm周边，表现为较强的吸纳特性。
黑臭水体遥感监测技术研究及应用
无需测量水质指标的黑臭 水体精确识别模型
城市黑臭水体光谱色度识 别分级模型
城市黑臭水体水质识别分 级模型
光谱空间到色度空间的转换 与特征分析
表征水体黑臭特性的水质指 标反演模型构建
遥感应用 地面模型 理论基础
2
研究 概况
研究进展、研究内容、技术路线、 实验区选择、数据处理
二、研究概况
研究进展
序号 1
光谱数据处理
2.00
1.60
1.20 0.80
RN (i)
1
R(i)
950
R(i)
n i350
0.40
First order differential 352 377 402 427 452 477 502 527 552 577 602 627 652 677 702 727 752 777 802 827 852 877 902 927 952 977 1002
三、黑臭水体机理与水质评价
Indicator DO
NH3-N BOD5 COD
TN TP Total
不同水质参数的权重分配
Importance in water quality（qi） 4 3 1 1 2 2 13
水质评价
Water condition Excellent Good Fair Marginal Poor Excellent Good Fair Marginal Poor Excellent Good Fair Marginal Poor Excellent Good Fair Marginal
黑臭水体关键水 质参数遥感反演 与评价方法研究
本研究的提出
基于星载高分辨率影像的城市黑臭水体监测
黑臭水体遥感识别研究进展
第33卷，第1期国土资源遥感Vol.33,No.1 2021年3月REMOTE SENSING FOR LAND&RESOURCES Mao.,2021doi:10.6046//tzyyy.2020104引用格式：陈帅，赵文玉,廖中平.黑臭水体遥感识别研究进展#J］.国土资源遥感,2021,33（1）:20-29.（ChenS,Zhao WY,Ls-ao Z P.Remote sensing identification of black-odor water bodies:A review# J］.Remote Sensing for Land and Resources,2021,33（1）:20-29.）黑臭水体遥感识别研究进展陈帅1,赵文玉2・3,廖中平1（1.长沙理工大学交通运输工程学院，长沙410114；2.洞庭湖水环境治理与生态修复湖南省重点实验室，长沙理工大学水利工程学院，长沙410114；3.湖南省水生资源食品加工工程技术研究中心，长沙理工大学化学与食品工程学院，长沙410114）摘要：黑臭水体对生态环境质量影响严重，加强黑臭水体整治是水环境治理的重要工作。
黑臭水体的宏观监测是治理的前提，而遥感技术在宏观监测领域有巨大的优势。
目前利用遥感技术识别黑臭水体已有少量研究,本文系统总结了目前黑臭水体遥感识别的研究现状，从反射光谱、水体颜色以及固有光学量3个识别特征分析黑臭水体的光学特性,并分别归纳其识别算法；总结了这些算法可能存在的问题,包括算法通用性问题、大气校正问题导致遥感反射率不准确、对于不同类型水体识别特征出现重叠部分等；最后从进一步挖掘识别特征、进行反射光谱分类、应用机器学习算法3方面对未来的发展趋势进行了展望。
关键词：黑臭水体；光学特性；遥感；识别算法中图法分类号：TP79文献标志码：A文章编号：1001-070X（2021）01-0020-100引言我国住房和城乡建设部颁发的《城市黑臭水体整治工作指南》［1］（以下简称《指南》）定义黑臭水体为呈现令人不悦的颜色和（或）散发令人不适气味的水体，依据透明度、溶解氧、氧化还原电位和氨氮4个水质指标将其分为非黑臭、轻度黑臭和重度黑臭3个等级。
上海市黑臭水体光谱特征分析及遥感识别方法探究
上海市黑臭水体光谱特征分析及遥感识别方法探究顾佳艳，何国富*，占玲骅，胡元树，孔维鑫，杨根森华东师范大学生态与环境科学学院, 上海市城市化生态过程与生态恢复重点实验室, 上海 200241R rs R rs α摘要： 黑臭水体识别对全面开展黑臭水体整治及长效监管具有重要意义. 为探究上海市黑臭水体的识别方法，以其2017年黑臭水体名录为研究对象，选取105条段河道样本，于2018年7—8月进行现场调查，开展水质监测、光谱测量、光谱分析、遥感识别及验证. 结果表明：①依据上海市中小河道黑臭地方判定标准，样本中共有49个黑臭水体，56个一般水体. ②将遥感反射率()作为光谱分类的主要依据，光谱数据预处理后，共得到4个主要反射峰(F )和3个主要吸收谷(G )，根据波峰波谷位置特征，可将样本分为三类一般水体(GW)、三类黑臭水体(BOW). ③平均值光谱曲线显示，BOW1、BOW3两类水体在550~700 nm 处的光谱曲线与其他四类水体存在明显差异，更易识别和区分，而BOW2与GW2两类水体的光谱曲线形态差异较小，增加了识别难度. ④根据拟合多光谱曲线，提出角度1法和比值法组合成的角度-比值联合法，经识别验证，黑臭水体的综合识别率为95.92%，对一般水体的误判率为39.29%. ⑤将归一化比值模型(BOI 法)、黑臭水体斜率指数(SBWI 法)、归一化黑臭水体指数(NDBWI 法)三类已有识别方法用于105个样本识别，对黑臭水体识别效果均不佳，这可能是由于采样时间、地点不同，方法的判别阈值不适用等造成. 研究显示，上海市黑臭水体中BOW1类和BOW3类水体与一般水体光谱特征有明显差异，角度-比值联合法对105个点位水样的总识别正确率达到77.14%，但该识别方法仅在上海市进行了探讨，还需在其他城市或地区进行验证.关键词： 上海市；黑臭水体；遥感识别；光谱特征；角度-比值联合法中图分类号： X87文章编号： 1001-6929（2022）01-0070-10文献标志码： ADOI ： 10.13198/j.issn.1001-6929.2021.10.04Spectrum Characteristics Analysis of Black and Odorous Waters in Shanghai and Study of Remote Sensing RecognitionGU Jiayan ，HE Guofu *，ZHAN Linghua ，HU Yuanshu ，KONG Weixin ，YANG GensenShanghai Key Lab for Urban Ecological Processes and Eco-Restoration, School of Ecological and Environmental Science, East China Normal University , Shanghai 200241, ChinaR rs R rs αAbstract ：The identification of black and odorous water is of great significance for comprehensive remediation of polluted water and long-term monitor of water quality. To develop the methods for identifying black and odorous water in Shanghai, 105 rivers were selected from the list of black and odorous water of Shanghai City in 2017, and field investigation was conducted for water quality monitor, spectrum measurement, spectrum analysis, remote sensing identification and methods validation from July to August 2018. The results indicated that: (1) According to the local criteria of black and odorous water for small and medium rivers in Shanghai City, the rivers were divided into 49 black odorous water and 56 general water. (2) Using the reflectance of remote sensing () as the principle basis of spectrum classification, four main reflection peaks (F ) and three main absorption valleys (G ) were obtained after data preprocessing. According to the locations of the peaks and valleys, the samples were classified into 3 general water (marked as GW) and 3 of black odorous water (marked as BOW). (3) The figures of average values of showed that the spectrum of BOW1 and BOW3 were significantly different from the other four types of water samples at the wavelength of 550-700 nm, which were readily to be identified. However, the spectrum of BOW2 and GW2 exhibited minor differences, which increases the difficulty of identification. (4) Based on the simulation of the spectrum, the combined angle-ratio method that integrated 1 method with ratio method was proposed to identify the water samples. The comprehensive recognition rate of black and odorous water was 95.92%, while the misjudgment rate of general water was 39.29%.(5) Three existing achievement methods, BOI methods, SBWI methods, and NDBWI methods, were also used to identify the black and收稿日期： 2021-03-04 修订日期： 2021-10-11作者简介： 顾佳艳(1992-)，女，上海人，助理研究员，硕士，主要从事水污染控制研究，jygu@ .* 责任作者，何国富(1974-)，男，湖北黄冈人，副教授，博士，主要从事水污染控制与生态修复研究，gfhe@ 基金项目： 上海市生态环境局2017年重点项目(沪环科[2017]第3号)Supported by Key Project of Shanghai Ecological Environment Bureau in 2017，China (No.3 Shanghai Environmental Science [2017])第 35 卷 第 1 期环 境 科 学 研 究Vol.35，No.12022 年 1 月Research of Environmental SciencesJan.，2022odorous water bodies. The poor recognition effect might be due to the different sampling time and locations, and the unapplicable model threshold. This study indicated that the spectrum characteristics of BOW1 and BOW3 in Shanghai City were significantly different from those of general water bodies. The total recognition rate of combined angle-ratio method for 105 water samples was as high as 77.14%. However, this recognition method is only used to study the water quality in Shanghai City and need to be further verified in other cities and regions.Keywords：Shanghai City；black and odorous water；remote sensing recognition；spectrum characteristics；combined angle-ratio method根据《城市黑臭水体整治工作指南》，城市黑臭水体是指“建成区内呈现令人不愉悦的颜色和(或)散发令人不适气味的水体”，沉积底泥悬浮[1-3]、有机物污染[4]、水体热污染[5-6]等均可造成水体黑臭. 水体黑臭本质上是水体污染负荷超过了其自净能力，从而引发的水质指标超标[7]，国内大部分城市存在普遍的河道黑臭，其分布广且散. 自《水污染防治行动计划》发布以来，上海市经过摸排，将1 864条段黑臭水体列为整治对象(2017年)，陆续开展整治工作. 我国水环境管理由浓度控制、总量控制、水质管理向风险管理转变的发展趋势已基本成型[8]. 因此，如何巩固整治成果、如何开展有效监管及风险管控是上海市水环境质量综合提升的重要内容. 水体黑臭具有动态性、季节性、反复性的特征，传统监测技术手段难以实现长期、周期性的评估，容易造成漏报或数据更新不及时，亟需一种能够实现广泛调查的监管方法. 不同污染程度水体有着不同的光学活性物质，对于太阳辐射能量的吸收和反射有所不同，如高浓度的有色可溶性有机物对光谱的吸收作用[9]，在685 nm附近Chla的荧光光谱有明锐的峰值[10]等. 由于水体具备这些光学特征，遥感技术在黑水团监测[11-14]、水体提取[15-17]、水质反演[18-20]等方面实现了广泛应用，且已成功运用于海洋[21]、湖泊[22-23]等大型水体的污染监测.卫星遥感监测技术通过搭载传感器，可在区域或城市尺度上反映监测对象的宏观变化趋势[24]. 在光学遥感卫星研制方面，我国自主研制并发射的高分二号(GF-2)空间分辨率达到0.8 m，具备了对中小型河道的识别能力. 在此基础上，针对市域范围内的黑臭水体遥感研究取得了大量成果，研究者们对包括北京市、深圳市、沈阳市、南京市、太原市、无锡市、杭州市等多个城市或地区的黑臭水体光谱特征进行了分析，并基于实测数据或拟合数据构建识别模型，主要包括单波段法、比值法、色度法、归一化比值模型(BOI法)、光谱指数法、黑臭水体斜率指数(SBWI 法)、黑臭水体判别指数(HCI)等[25-29]. 但国内对于黑臭水体遥感研究仍存在验证样本具有随机性、研究数据量不足[30]等问题. 目前，有关上海市黑臭水体遥感识别及光谱分析的研究甚少，基于此，该研究以上海市黑臭水体名录内的105条段河道样本为研究对象，结合水质参数和光谱测量数据，分析黑臭水体和一般水体的光谱特性及差异，构建上海市黑臭水体识别方法并进行验证，为其未来黑臭水体的监测、监管及评估提供借鉴.1 研究区域与数据分析1.1研究区域上海是我国最重要的沿海城市之一，经济发展引入了大量人口，使得河流的生态系统遭受到一定的破坏，水环境质量已成为制约其环境保护与经济进一步发展的重要因素[31]. 2017年上海市共统计有河道43 424条段，黑臭河道整治名录1 864条段. 研究共采集名录内105条段河道水样，覆盖15个行政区(见图1，不包括黄浦区，该区在采样时已整治完毕).图 1 研究区域及点位分布Fig.1 Research area and points distribution1.2样品采集及分析方法采样时间为2018年7−8 月，使用圆柱形采水器第 1 期顾佳艳等：上海市黑臭水体光谱特征分析及遥感识别方法探究71采集水下50 cm 处的水体，用2个1 L 乙烯瓶盛装，置于0~4 ℃的保温箱保存. 现场测定：河宽(0.1 m)、透明度(SD)(0.01 m)、温度(T )(0.1 ℃)、氧化还原电位(ORP)(1 mV)、DO 浓度(0.01 mg/L). 实验室测定：Chla 浓度、总悬浮颗粒物(TSM)浓度、COD Cr 浓度、高锰酸盐指数(COD Mn )浓度、TP 浓度、氨氮(NH 3-N)浓度、粒径(d 10、d 50、d 90). 测定方法参照《水和废水监测分析方法》(第四版)[32].1.3 黑臭水体判定标准根据《关于加快本市城乡中小河道综合整治的工作方案》(2016年)，得出上海市对中小河道黑臭的地方定量判定标准为NH 3-N 浓度>5 mg/L 、DO 浓度<2mg/L 、SD<25 cm ，其中一个指标不达标，则判定为黑臭. 对于水深小于25 cm 的采样点，若未见河底，判定为黑臭. 此外，将感官评判与定量指标相结合，上海地方对黑臭水体的定性判定标准为投诉多、环境差、有异味.1.4 光谱测量及遥感反射率(R rs )计算ρp 使用AvaField-1便携式地物波谱仪，以“水面以上法”测量光谱[33]，采用天顶角40°、方位角135°的观测几何[34]，选用反射率()为99%的参考白板，测量当天要求无明显云层遮挡、太阳光直射. 按照“确定积分时间−暗电流(15条)−参考板光谱(15条)−水体光谱(15条)−天空光光谱(15条)−参考板光谱(15条)”顺序依次采集数据. 每个点位采集三组光谱数据，单独保存进行统计处理.L u (λ)L sky (λ)L p (λ)R rs 根据测量所得的水体上行辐亮度、天空光下行辐亮度以及参考板的辐亮度，计算遥感反射率().R rs (λ)r sky ρp r sky 式中：为实测高光谱反射率，sr −1；为水气界面的天空光反射率，通过Fresnel 公式[35]推算得到；为由生产商提供的参考板反射率光谱. 根据采样时间和经纬度，计算太阳天顶角、方位角. 通过观测方位角和风速查找，发现当观测天顶角为40°时，=0.024 5.2 结果与讨论2.1 上海市黑臭水体光谱提取特征分析2.1.1 光谱分类内陆水体的光学特性比大洋水体更为复杂[36]，城市水体黑臭作为极端的水体污染，其污染物的来源、形态、含量等差异都会使水体呈现不同的表现形式，对其分类能更加精确有效地描述各类水体特征.R rs 以遥感反射率()为光谱分类的主要依据，做进一步数据处理，包括：①平滑处理. 采用Savitzky-Golay 平滑模型[37]；②归一化处理. 将 420~750 nm 波段间的反射率平均值作为归一化值[38]；③一阶微分处理. 确定光谱拐点以及最大、最小反射率的波长位置，最终得到4个主要反射峰(F )和3个主要吸收谷(G )（见图2和表1）.图 2 主要反射峰及吸收谷位置Fig.2 Locations of the main reflection peaksand absorption valleys表 1 主要反射峰及吸收谷特征值Table 1 Characteristic wavelength of main reflection peaks andabsorption valleys反射峰/吸收谷平均值/nm 范围/nm F 1568.24±9.02552.43~589.99F 2643.29±5.82634.84~654.32F 3701.78±6.50688.00~722.10F 4804.83±4.40761.13~811.18G 1630.91±6.20609.57~641.72G 2676.17±2.81667.47~680.02G 3755.41±11.20740.80~794.35R rs 对105个点位进行数据统计分析，最终确定以反射峰1(F 1)、反射峰2(F 2)、反射峰3(F 3)对应的遥感反射率()作为划分依据，将黑臭水体分为三类(BOW1类、BOW2类、BOW3类)，一般水体分为三类(GW1类、GW2类、GW3类). 其中，GW1类(33个)、BOW1类(14个)特征值均表现为F 1>F 2>F 3，GW2类(18个)、BOW2类(13个)特征值均表现为F 1>F 3>F 2，GW3类(5个)、BOW3类(22个)特征值均表现为F 3>F 1>F 2.2.1.2 六类水体光谱特征分析R rs为针对各类水体的光谱特征进行分析，绘制平均值光谱曲线(见图3). 张玲[39]发现400~900 nm72环 境 科 学 研 究第 35 卷R rs R rs R rs 范围内，一般水体的值整体比黑臭水体稍高. 该研究中，400~520 nm 范围内仅有GW3类和BOW3类水体满足该特征；520~675 nm 范围内，基本符合一般水体值高于黑臭水体的特征，但675 nm 后结果相反. 姚焕玫等[40]也发现，黑臭水体的值在近红外波段达到最大，而一般水体则呈现相反的特征.R rs 如图4所示，六类水体的光谱曲线在不同波长范围均有较为明显的特征峰和特征谷. 其中，550 nm 附近的吸收峰主要受浮游植物影响；650 nm 附近的反射峰则是由620 nm 附近的藻青蛋白吸收峰和675 nm 附近的Chla 吸收峰共同作用形成；700 nm 附近的反射峰则与水中藻类浓度有关，且峰值大小可用于衡量Chla 浓度[41]；700 nm 后，由于纯水吸收，反射率陡降；在806 nm 附近又出现反射峰，BOW3类水体峰值明显高于其他水体，这是由TSM 的后向散射引起，且仅与非生命悬浮颗粒物的浓度大小有关[42]. GW1类和BOW1类水体在400~550 nm 内的随波长增加逐渐上升. 有研究[25]指出，黑臭水体的反射率光谱比一般水体变化更为平缓. 温爽等[29]也发现，南京市黑臭水体在550~700 nm 范围内光谱曲线变化最为平缓. 该研究中BOW1类水体表现出类似特征. 此外，何磊[43]提出水中悬浮泥沙浓度的增加会导致水体反射峰值向长波方向移动(600 nm 以上). 该研究中GW1类和BOW1类水体在550 nm 附近的吸收峰明显向600 nm 方向移动(见图4). 综上，BOW1类、BOW3类水体在550~700 nm 处的光谱曲线与其他四类水体存在明显差异.R rs 图 4 六类水体遥感反射率()平均值光谱曲线Fig.4 Spectral curves of average remote sensing reflectance of six types of water bodies2.2 水质参数分析根据上海市中小河道黑臭判定标准，105个样本中共有49个黑臭水体，56个一般水体，其水质参数平均值±标准差如表2所示. 由表2可见，黑臭水体中，ORP 及TSM(总悬浮物)浓度平均值均表现为BOW1类>BOW2类>BOW3类；NH 3-N 浓度及SD 则均表现为BOW2类>BOW1类>BOW3类，其余指标值则均表现为BOW1类<BOW2类<BOW3类，水体内有机注：图中曲线的不同颜色代表不同采样水体.R rs 图 3 六类水体的遥感反射率()光谱曲线R rs Fig.3 Remote sensing reflectance () spectrums of six types of water bodies第 1 期顾佳艳等：上海市黑臭水体光谱特征分析及遥感识别方法探究73物含量逐渐增加. 一般水体中，除NH 3-N 浓度、SD 、TSM 浓度、d 10、d 50、d 90六项指标外，其余指标值也表现为GW1类<GW2类<GW3类.水体光谱特性会受到悬浮泥沙颗粒大小和含量、浮游生物含量、营养盐含量、水深、水温等因素的影响[44]. BOW1类水体Chla 浓度最小，而粒径和TSM 浓度最大，因此水体受Chla 浓度影响最小，TSM 浓度影响最大. 有观点认为，当TSM 浓度在0~50 mg/L 的范围时，任何波段的反射率和TSM 浓度都具有较强的相关性[45]. 六类水体TSM 浓度平均值在24.81~54.00 mg/L 之间，推测各水体的光谱曲线波动幅度可能与TSM 浓度的大小有所关联. BOW3类水体Chla 浓度和粒径最大，表现为675 nm 附近处的吸收谷和700 nm 附近的反射峰值最为突出. GW2类、BOW2类水体的大部分参数值分别介于其余两种水体之间，其光谱曲线变化特征也依从水质特征. 此外，由于二者的光谱曲线的形态变化差异较小，在水体识别上增加了难度. 实际上，水质浓度的变化与水体反射光谱特征之间尚缺乏足够的响应，也会导致部分水体的识别精度下降[46].2.3 上海市黑臭水体遥感识别方法讨论R rs R rs(eq)对进行波段积分，将实测高光谱数据拟合为多光谱数据，得到等效遥感反射率〔〕值，对总样本量的2/3(共70个样本点，其中31个黑臭水体，39个一般水体)进行黑臭水体识别建模，计算公式如下：R rs(eq)f SRF (λ)F 0(λ)式中：为卫星波段等效遥感反射率，sr −1；为卫星波段光谱响应函数(选用GF2-PMS2传感器光谱响应函数)；为大气层外太阳光谱辐照度，W/m 2.××××结合样本的实际情况，该研究主要对角度法和比值法的建模和验证情况进行讨论. 建模样本数:验证样本数=2:1(建模样本数根据总样本数等比例抽取).为更合理地评价方法对黑臭水体的识别效果，定义综合识别正确率=(建模样本数/总样本数)建模正确率+(验证样本数/总样本数)验证正确率. 定义总识别正确率=(黑臭水体样本数/总样本数)黑臭水体综合识别正确率+(一般水体样本数/总样本数)一般水体综合识别正确率.2.3.1 角度法识别黑臭水体的结果αααααα角度法是利用光谱曲线呈现的不同夹角识别黑臭水体，其中蓝波段、绿波段、红波段及近红外波段中心波长依次为514、546、656、822 nm(见图5). 以绿波段为顶点，将绿-蓝波段和绿-红波段的夹角定义为1角；以红波段为顶点，将绿-红波段和红-近红外波段的直线夹角定义为2. BOW1类水体的1角主要为钝角，总体上大于其他水体中的1角；BOW3类水体的2角大多近似直角，而其他水体中的2角更趋于平角.设蓝波段坐标为(x 1, y 1)，绿波段坐标为(x 2, y 2)，红波段坐标为(x 3, y 3)，近红外波段坐标为(x 4, y 4). 坐表 2 105个河道点位水质参数平均值Table 2 Water qualities parameters at 105 river samples水质参数黑臭水体一般水体BOW1类BOW2类BOW3类GW1类GW2类GW3类化学参数ORP/mV 161.57±25.06105.31±52.7499.50±46.69112.45±34.82121.89±45.50159.40±68.33TP 浓度/(mg/L)0.29±0.110.55±0.330.57±0.350.27±0.130.32±0.200.42±0.26NH 3-N 浓度/(mg/L)0.54±0.46 2.88±2.72 1.45±1.220.67±0.43 1.18±0.89 1.02±0.50COD Cr 浓度/(mg/L)19.81±8.2430.73±11.3344.48±14.1513.70±6.9521.08±5.3430.11±4.33COD Mn 浓度/(mg/L) 5.60±1.178.89±2.4810.17±3.67 5.19±1.47 6.43±1.758.09±0.58DO 浓度/(mg/L)3.55±2.407.31±5.4413.20±3.07 6.89±2.088.01±4.1012.85±3.13光学参数SD/cm 22.36±7.2930.15±11.1223.55±8.6941.39±22.3645.56±20.0337.60±9.71d 10/μm4.43±1.418.22±5.2711.87±5.886.29±2.289.09±4.577.26±1.94d 50/μm 15.94±10.7128.26±18.1041.69±20.3624.95±15.6833.00±16.6230.05±14.64d 90/μm 70.22±41.4085.70±43.43113.57±37.2885.10±42.64104.70±44.1995.28±40.46TSM 浓度/(mg/L)54.00±40.7644.82±26.0844.32±30.1835.94±27.5524.81±19.6451.80±35.73Chla 浓度/(μg/L)7.77±5.7133.52±27.0187.37±75.6215.14±22.2527.29±15.9662.02±27.1074环 境 科 学 研 究第 35 卷标标准化处理如下：(x1′, x1′)=[(x1－450)/100, y1/0.4)]；(x2′, y2′)=[(x2－450)/100, y2/0.4]；(x3′, y3′)=[(x3－450)/100,y 3/0.4]；(x4′, y4′)=[(x4－450)/100, y4/0.4].αα如图6(a)(b)所示，以角度1>90°为界，对BOW1类水体识别率为100%；以角度2<165°或>175°为界，可识别出87.50%的BOW2类水体、92.86%的BOW3注：图中曲线的不同颜色代表不同采样水体.R rs(eq)图 5 六类水体的等效遥感反射率〔〕光谱曲线RFig.5 Equivalent remote sensing reflectance () spectral curves of six types of water bodies图 6 角度法对上海市黑臭水体的识别结果Fig.6 Identification results of black and odorous waters in Shanghai City by angle method第 1 期顾佳艳等：上海市黑臭水体光谱特征分析及遥感识别方法探究75角度α1>90°α2⩽165°>175°(角度α1⩽90°)和(165°<角度α2⩽175°)类水体，因此将角度法判别阈值选取为，黑臭水体()和(角度或)；一般水体.αα⩽对一般水体，角度1>90°时，会将30.43%的GW1类水体误判为黑臭；同样，角度2165°或>175°时，会将52.17%的GW1类水体、61.54%的GW2类水体、33.33%的GW3类水体误判为黑臭.2.3.2 比值法识别黑臭水体的结果R rs 在比值法中，将蓝波段、绿波段、红波段、近红外波段分别定义为b 1、b 2、b 3、b 4，将其对应的差、和的比值两两组合，如(b 2－b 4)/(b 2+b 4)等，增大黑臭水体和一般水体之间的差距，以此识别黑臭水体.建模过程中发现不涉及b 4波段的识别方法精度较低，而在b 1b 4、b 2b 4、b 3b 4三种组合情况中，b 2与b 4组合对黑臭水体的识别率最高.≤(R rs b 2−R rs b 4)/(R rs b 2+R rs b 4)⩽0.6(R rs b 2−R rs b 4)/(R rs b 2+R rs b 4)>0.6波段比值0.6时，BOW1类、BOW2类、BOW3类水体的识别率分别为66.67%、100%、100%(见图7)，因此将比值法的阈值选取为，黑臭水体；一般水体. 同样，此时会将26.09%的GW1类水体、23.08%的GW2类水体、100%的GW3类水体误判为黑臭.图 7 比值法对上海市黑臭水体的识别结果Fig.7 Identification results of black and odorouswaters in Shanghai City by ratio method2.3.3 角度法和比值法的精度评价αα基于上述两种方法的黑臭水体识别阈值区间，对35个点位进行验证. 采用角度1验证时，3类水体(BOW1类、BOW2类、BOW3类，下同)识别率分别为100%、20%、12.5%，一般水体中GW1类3个样本被误判；采用角度2验证时，3类水体识别率分别为100%、60%、75%，GW1类7个样本被误判，识别正确率为30%，GW2类、GW3类分别有2个、1个样本被误判；采用比值法验证时，3类水体识别率分别为80%、80%、87.5%，GW1类、GW2类各有3个样本被误判，识别正确率分别为70%、60%，此外，GW3类也有1个样本被误判.2.3.4 基于角度-比值联合法识别黑臭水体的结果αααα1>90°(R rs b 2−R rs b 4)/(R rs b 2+R rs b 4)⩽0.6α1⩽90°)和[(R rs b 2−R rs b 4)/(R rs b 2+R rs b 4)>0.6].根据水体综合识别正确率定义，对六类水体进行综合识别，结果如表3所示. 角度1法对BOW1类水体识别率为100%，且仅对GW1类水体有误判，但对BOW2类、BOW3类水体识别能力有限. 角度2法对三类黑臭水体都有较好的识别率，但对一般水体的误判率为55.36%. 鉴于此，尝试将比值法替代角度2法，组成角度-比值联合法，探究组合方法对黑臭水体的识别情况，此时判别阈值为，黑臭水体(角度)和 []；一般水体(角度表 3 角度法和比值法的综合识别正确率Table 3 Comprehensive recognition rates of anglemethod and ratio method%方法BOW1类BOW2类BOW3类综合识别α角度1法10015.389.0936.73α角度2法92.8676.9286.3685.71比值法71.4392.3195.4587.76方法GW1类GW2类GW3类综合识别α角度1法30.300.000.0017.86α角度2法57.5855.5640.0055.36比值法27.2733.3380.0033.93αα如图8所示，对BOW1类水体，角度1法补充了比值法不能识别出的水体，正确率为100%；BOW2类、BOW3类水体的识别正确率同比值法，分别为92.31%、95.45%. 此时，角度-比值联合法对黑臭水体的综合识别正确率为95.92%. 由于角度1法会使得一部分GW1类水体的误判率被提高，此时综合误判率为39.29%，相较比值法(33.93%)增加了5.36%.整体来看，根据水体总识别正确率定义，角度-比值联合法对105个样本的总识别正确率为77.14%.2.4 已有识别方法的应用分析为进一步探究角度-比值联合法识别黑臭水体的适用性，基于拟合多光谱数据，采用姚月等[25]定义的归一化比值模型(BOI, black and odorous water index)，温爽等[29]定义的黑臭水体斜率指数(SBWI, slope ofblack-odorous water index)以及归一化黑臭水体指数76环 境 科 学 研 究第 35 卷(NDBW, inormalized difference black-odorous water index)对上海市105个样本进行识别验证(见表4).由表5可见，3种验证方法及判定阈值更适用于识别一般水体. 对于黑臭水体，BOI 法对BOW1类水体的识别率最高，但仅为57.14%，且BOI 法和SBWI 法无法识别BOW2类和BOW3类水体.表 5 3种验证方法对上海市黑臭水体的识别结果Table 5 Identification results of black and odorous waters in Shanghai City by three valida tion methods项目GW1类GW2类GW3类BOW1类BOW2类BOW3类BOI 法一般水体数量/个2818561322黑臭水体数量/个500800识别率/%84.85100.00100.0057.1400SBWI 法一般水体数量/个3018571322黑臭水体数量/个300700识别率/%90.91100.00100.0050.0000NDBWI 法一般水体数量/个2518581120黑臭水体数量/个800622识别率/%75.76100.00100.0042.8615.389.093种验证方法对BOW1类水体的识别正确率均小于60%，这一方面可能是由于不同研究者建立的水体光谱数据库不同，导致建立的方法可识别的黑臭水体也不相同；另一方面，也可能是方法本身的判别阈值不适用. 基于此，将BOI 法、SBWI 法、NDBWI 法的判定阈值调整为0.11、0.013、[0.06, 0.15]，此时3种验证方法对BOW1类水体的识别率均为100%，同时对GW1类水体造成57.58%、21.21%、57.58%的误判.综上所述，黑臭水体不同验证方法的适用区域和范围不尽相同，易受地理位置和水质环境等因素的影响[47]，需要在实际应用过程中进行修正[48]. 因此该研究提出的角度-比值联合法需在其他城市或者区域进行进一步验证和探讨.3 结论与展望a) 该研究共采集上海市黑臭水体名录中105个河道样本，根据其中小河道黑臭地方判定标准，得到49个黑臭水体，56个一般水体.b) 根据光谱曲线特征，将水体分为三类一般水体(GW1类、GW2类、GW3类)、三类黑臭水体(BOW1类、BOW2类、BOW3类)，其中BOW1类、BOW3类与其他四类水体光谱曲线差异明显；水质参数显示，BOW1类的Chla 浓度、粒径值在六类水体中最小，TSM 浓度最大；而BOW3类的Chla 浓度、粒径值均最大.ααc) 基于拟合多光谱数据对样本进行识别验证，角度1法、角度2法、比值法对黑臭水体的综合识别正确率分别为36.73%、85.71%、87.76%；以角度α1表 4 基于拟合表观光学特性的黑臭水体判别式汇总Table 4 Summary of discrimination formula for black and odorous waters based on fitting apparent optical properties判别式判别阈值黑臭水体一般水体BOI =R rc (G)−R rc (R)R rc (B)+R rc (G)+R rc (R)≤0.05>0.05SBWI =|R rs (G)−R rs (B)|∆λ1×|R rs (G)−R rs (R)|∆λ2≤0.005>0.005NDBWI =R rs (G)−R rs (R)R rs (G)+R rs (R)[0.06, 0.115]<0.06或>0.115R rc R rs ∆λ1∆λ2注：BOI 法中为研究者通过大气校正得到的瑞利散射校正反射率，用以代替遥感反射率()；SBWI 法中、未注明单位，此处采用μm ，将结果放大1 000倍，采用同数量级比较;G 和R 分别表示黑臭水体和一般水体.图 8 基于角度-比值联合法的上海市黑臭水体识别结果Fig.8 Identification results of black and odorous waters in Shanghai City by combined angle-ratio method第 1 期顾佳艳等：上海市黑臭水体光谱特征分析及遥感识别方法探究77法和比值法组合成的角度-比值联合法对黑臭水体的综合识别正确率为95.92%，对一般水体的误判率为39.29%；该方法的总识别正确率为77.14%.d) 采用BOI法、SBWI法、NDBWI法进行验证，发现3种验证方法更适用于识别样本集中的一般水体，对BOW1类的识别率均低于60%，且BOI法、SBWI法无法识别BOW2类及BOW3类水体，这可能是由于采样时间、地点不同，导致方法的判别阈值不适用.e) 研究提出的黑臭水体遥感识别方法主要是基于对上海市105条段水体光谱特征的分析结果，并且仅在上海市进行了验证，还需在其他城市或地区进一步验证和探讨.参考文献(References)：WU M, HUANG S L, WEN W, et al.Nutrient distribution withinand release from the contaminated sediment of Haihe River[J].Journal of Environmental Sciences，2011，23（7）：1086-1094.［1］CHEN J，XIE P，MA Z M，et al. A systematic study on spatial andseasonal patterns of eight taste and odor compounds with relationto various biotic and abiotic parameters in Gonghu Bay of LakeTaihu， China[J]. Science of the Total Environment，2010，409(2)：314-325.［2］HAGGARD B E, SOERENS T S.Sediment phosphorus release ata small impoundment on the Illinois River, Arkansas andOklahoma, USA[J].Ecological Engineering，2006，28（3）：280-287.［3］CHENG X H，PETERKIN E，BURLINGAME G A. A study onvolatile organic sulfide causes of odors at philadelphia's northeastwater pollution control plant[J]. Water Research，2005，39(16)：3781-3790.［4］KIRILLIN G, SHATWELL T, KASPRZAK P.Consequences ofthermal pollution from a nuclear plant on lake temperature andmixing regime[J].Journal of Hydrology，2013，496：47-56.［5］VERONES F, HANAFIAH M M, PFISTER S, et al.Characterization factors for thermal pollution in freshwater aquaticenvironments[J].Environmental Science & Technology，2010，44（24）：9364-9369.［6］高红杰, 袁鹏, 刘瑞霞.我国城市黑臭水体综合整治: 问题分析、治理思路与措施[J].环境工程技术学报，2020，10（5）：691-695.GAO H J, YUAN P, LIU R prehensive governance ofurban black and odorous water bodies in China: problem analysis,treatment ideas and measures[J].Journal of EnvironmentalEngineering Technology，2020，10（5）：691-695.［7］符志友, 张衍燊, 冯承莲, 等.我国水环境风险管理进展、挑战与战略对策研究[J].环境科学研究，2021，34（7）：1532-1541.FU Z Y, ZHANG Y S, FENG C L, et al.Progress, challenge andstrategic countermeasures of Chinese pollution risk managementof water environment[J].Research of Environmental Sciences，2021，34（7）：1532-1541.［8］HOGE F E，VODACEK A，SWIFT R N，et al. Inherent optical ［9］properties of the ocean: retrieval of the absorption coefficient ofchromophoric dissolved organic matter from airborne laserspectral fluorescence measurements[J]. Applied Optics，1995，34(30)：7032.ZARCO-TEJADA P J, PUSHNIK J C, DOBROWSKI S, et al.Steady-state chlorophyll-a fluorescence detection from canopyderivative reflectance and double-peak red-edge effects[J].Remote Sensing of Environment，2003，84（2）：283-294.［10］HU C M，HACKETT K E，CALLAHAN M K，et al. The 2002ocean color anomaly in the Florida Bight: a cause of local coralreef decline?[J]. Geophysical Research Letters，2003，30(3)：1151.［11］KUTSER T, PAAVEL B, VERPOORTER C, et al.Remotesensing of black lakes and using 810 nm reflectance peak forretrieving water quality parameters of optically complex waters[J].Remote Sensing，2016，8（6）：497.［12］DUAN H T, MA R H, LOISELLE S A, et al.Opticalcharacterization of black water blooms in eutrophic waters[J].Science of the Total Environment，2014，482/483：174-183.［13］ZHAO J, HU C M, LAPOINTE B, et al.Satellite-observed blackwater events off southwest Florida: implications for coral reefhealth in the Florida keys national marine sanctuary[J].RemoteSensing，2013，5（1）：415-431.［14］FEYISA G L, MEILBY H, FENSHOLT R, et al.Automated waterextraction index: a new technique for surface water mapping usingLandsat imagery[J].Remote Sensing of Environment，2014，140：23-35.［15］XU H Q.Modification of normalised difference water index(NDWI) to enhance open water features in remotely sensedimagery[J].International Journal of Remote Sensing，2006，27（14）：3025-3033.［16］MCFEETERS S K.The use of the normalized difference waterindex (NDWI) in the delineation of open water features[J].International Journal of Remote Sensing，1996，17（7）：1425-1432.［17］HARVEY E T, KRATZER S, PHILIPSON P.Satellite-basedwater quality monitoring for improved spatial and temporalretrieval of chlorophyll-a in coastal waters[J].Remote Sensing ofEnvironment，2015，158：417-430.［18］PRIYAA S S, S R, G A R.Retrieval of water quality parameters ofSouth Andaman coral Islands using remotely operated underwatervehicle[J].Water Science，2019，33（1）：105-117.［19］ZHANG Y Z, PULLIAINEN J T, KOPONEN S S, et al.Waterquality retrievals from combined Landsat TM data and ERS-2SAR data in the Gulf of Finland[J].IEEE Transactions onGeoscience and Remote Sensing，2003，41（3）：622-629.［20］KIYOFUJI H, HOKIMOTO T, SAITOH S I.Predicting thespatiotemporal chlorophyll-a distribution in the sea of Japan basedon SeaWiFS ocean color satellite data[J].IEEE Geoscience andRemote Sensing Letters，2006，3（2）：212-216.［21］DUAN H T, MA R H, XU X F, et al.Two-decade reconstructionof algal blooms in China's Lake Taihu[J].Environmental Science& Technology，2009，43（10）：3522-3528.［22］DEKKER A G,PETERS S W M.The use of the thematic mapperfor the analysis of eutrophic lakes:a case study in the Netherlands ［23］78环 境 科 学 研 究第 35 卷。
城市黑臭水体遥感监测关键技术研究进展
第13卷第6期2019年6月Vol.13,No.6Jun.2019环境工程学报Chinese Journal ofEnvironmental Engineering E-mail:cjee@ (010)62941074吴世红.城市黑臭水体遥感监测关键技术研究进展[J].环境工程学报,2019,13(6):1261-1271.WU Shihong.Research progress of remote sensing monitoring key technologies for urban black and odorous water bodies[J].Chinese Journal of Environmental Engineering,2019,13(6):1261-1271.城市黑臭水体遥感监测关键技术研究进展吴世红*交通运输部天津水运工程科学研究院，天津300000第一作者：吴世红(1979—)，男，硕士，高级工程师。
研究方向：交通建设环境保护。
E -mail ：39423706@ *通信作者摘要城市黑臭水体泛滥是公众极为关切的城市环境问题，对其进行实时监测更是《水污染防治行动计划》的国家战略需求。
遥感技术在生态环境监测领域表现出了不可替代的优势，可实现业务化大面积监测，而目前的研究主要集中在基于物理化学过程的黑臭水体监测技术方面，利用遥感技术监测黑臭水体的研究相对较少。
在分析黑臭水体的实测光学性质和影像表观特征的基础上，重点归纳了黑臭水体遥感识别模型构建的研究进展，主要包括光学阈值法、基于典型遥感水质指标的识别法和色度法，并对未来黑臭水体遥感研究趋势进行了展望。
关键词黑臭；城市水体；遥感；光学识别模型城市水体指位于城建区内的河流、沟渠、湖泊和其他景观水体，被称为“城市之肾”，具有淡水供应、环境净化、休闲娱乐等功能。
近年来，随着我国城市规模的日益增长，生产生活污水排放量呈指数增加，城市环境基础设施不堪重负，导致城市水体“黑臭”频发[1]。
文档样例遥感卫星看清黑臭水体成因
遥感卫星看清黑臭水体成因卫星中心利用近期的高分辨率卫星影像数据—高分2号（空间分辨率1米）和资源3号（空间分辨率2.1 米）对北京建成区内主要水域开展遥感提取，在此基础上结合北京市上报的黑臭水体名单，获取了北京市建成区61段黑臭水体的空间分布，开展了相应的遥感监测与空间分析工作。
遥感监测结果表明，北京市城市建成区内拟治理黑臭河段（即地方上报的黑臭河段，计划黑臭整治的河段）共有61段，利用遥感手段获得黑臭水体总长度为280.75km，总面积10.98km2，全部黑臭水体中86.74%为轻度黑臭水体，13.26%为重度黑臭水体。
分布在哪里？东南部较多，二环内基本没有通过北京建成区黑臭水体遥感监测一张图来看，北京市建成区东南部重度黑臭河段较多。
通州区拟治理黑臭河段数量最多，朝阳区次之，大兴区第三。
昌平、房山、丰台、海淀和顺义区黑臭河段数量相对较少，东城区、西城区和石景山区没有拟治理黑臭河段。
基于遥感影像分析得出，通州区拟治理黑臭河段数量最多，达17段，长度和面积也最大，总长度114.42公里，总面积6.69平方公里。
朝阳区有12段黑臭河段，总长度58.55公里，总面积1.58平方公里。
大兴区有8 段黑臭河段，总长度45.78公里，总面积1.04平方公里。
从环线来看，北京市拟治理的黑臭河段主要分布北京水系下游及五环六环之间的城乡接合部，四五环之间和六环外次之，三四环之间和二三环之间较少，二环内基本没有黑臭河段分布。
成因是什么？水量少，污染重，监管弱利用高分遥感影像分析结果表明：首先，河段水量少、拦流坝建设等导致水体流动不畅，造成水环境容量差，污染物不易扩散，易形成黑臭河段。
“一方面，北京常年少雨，区域水资源缺乏，加之部分河段上游河水被截，造成补水不足；另一方面，河道狭窄、部分不合理拦流坝建设以及部分河段下游断流，导致河道排水不畅，污染物难以扩散，易形成黑臭河段。
”其次，沿岸脏乱差、雨污混流、废水直排、农业面源污染等导致污染源众多，加上上游来源及内源，不易根治，易形成黑臭河段。
城市黑臭水体的无人机高光谱遥感识别
城市黑臭水体的无人机高光谱遥感识别
买日阿巴·吐尔逊;刘振宇;赵文静;雷斌
【期刊名称】《中南民族大学学报:自然科学版》
【年(卷),期】2022(41)6
【摘要】首次开展了无人机高光谱数据的黑臭水体识别研究,利用无人机高光谱传感器Gaiasky-mini2-VN和现场观测手段,分别获取了水体遥感反射率,比对以验证无人机获取光谱;根据高光谱数据,建立了黑臭水体识别算法.结果表明:同步观测时,两种方式获取的500~900 nm水体遥感反射率基本一致,R^(2)大于0.94,RMSE小于0.003;绿红波段反射率的归一化比值能更好地区分水体的黑臭程度.说明利用携带蓝、绿、红和近红这4个波段传感器的无人机可实现对黑臭水体准确和实时监管.
【总页数】8页(P668-675)
【作者】买日阿巴·吐尔逊;刘振宇;赵文静;雷斌
【作者单位】中南民族大学资源与环境学院;生态环境保护部华南环境科学研究所【正文语种】中文
【中图分类】X122;X87
【相关文献】
1.功效黑臭系数法评价城市水体黑臭程度的研究
2.改进SIFT算法的城市河流黑臭水体遥感影像动态识别研究
3.基于遥感卫星影像技术的城市黑臭水体识别原理及
精度评价方法4.基于高分六号影像的盐城市黑臭水体遥感识别5.探索利用遥感技术识别和治理城市黑臭水体的方法—以西安市为例
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中国典型城市黑臭水体光学特性分析及遥感识别模型研究
近年来,随着我国社会经济的快速发展,城市规模的日益膨胀,城市居民人口的快速增长,城市污水排放量急剧增加,导致城市黑臭水体大面积出现。
城市河流黑臭问题目前已经成为我国许多大中城市突出的环境问题。
与黑臭水体常规地面监测手段相比,遥感技术获得的监测信息具有时间和空间上的相对连续性,动态范围大,不仅有助于从区域层面把握黑臭水体特征,而且有利于及时、全面掌握黑臭水体的发生、发展与演变迁移过程,因此可节省大量人力、物力和时间花费。
以卫星遥感为主要手段的天地一体化黑臭水体遥感识别研究具有重要意义。
本文以北京、长春和沈阳三个典型北方城市,杭州、无锡和常州三个典型南方城市黑臭水体区域为试验区,经过多次野外水体综合试验,获取了黑臭水体水质参数、表观光学量和固有光学量等数据,并构建了我国典型城市黑臭水体光学特性数据库,基于这些数据开展了三个方面的研究工作:黑臭水体水质参数特性分析、表观光学特性分析和固有光学特性分析,并提出了两种基于实测遥感反射率的黑臭水体识别模型。
本文主要取得的研究成果是:(1)分别分析了重度黑臭、轻度黑臭和一般水体固有光学量、表观光学量和水质参数特性,为识别模型构建奠定了基础;(2)基于实测遥感反射率首次建立了分类决策树,先划分了重度、轻度和一般水体三个大类,进一步将重度黑臭和轻度黑臭按照光谱特征细分为多个类
别;(3)提出一种基于实测遥感反射率的黑臭水体识别方法—饱和度法,选取合适阈值进行黑臭识别,并对结果进行精度验证,结果表明,该方法可以有效地识别研究区域黑臭水体和一般水体;(4)提出一种基于实测遥感反射率的黑臭水体识别方法—光谱指数法,选取合适阈值进行黑臭识别,并对结果进行精度验证,该方法可以有效地识别研究区域黑臭水体、轻度黑臭水体和一般水体;(5)改善了《城市
黑臭水体整治工作指南》中重度、轻度黑臭和一般水体的DO、ORP、NH3-N和透明度判别指标。
论文的研究成果是基于国内外内陆水体水色遥感已有相关研究基础,推广至黑臭水体上,为国家有效监管黑臭水体提供技术支持。