[发明专利]一种遥感反演水体COD的方法

说明书

本发明涉及水污染治理领域，公开了一种遥感反演水体COD的方法，借助高时空分辨率的哨兵2号遥感影像，通过辐射定标、大气校正、重采样等预处理措施，结合同步水体实测数据，利用ArcGIS空间分析工具与随机森林(RF)、支持向量机(SVR)神经网络(NNs)机器学习算法，构建了水质参数反演模型，实现了对水体COD指标的快速确定，满足城市小型水体水质监测的需要。

技术领域

本发明涉及水污染治理领域，具体涉及一种遥感反演水体COD的方法。

背景技术

水是人类及其他生物生存和社会可持续发展不可或缺的资源，水的质量影响着人类生存和发展的质量。随着经济的迅速发展，有机污染物在城市河流和湖泊中的大量排放，城市水生态系统中的有机物含量急剧增长，以城市内河为代表的城市水体由于其环境容量小，自净能力差等特点，形成了严重的环境问题，例如水体富营养化和黑臭水体。目前，对于城市水务管理部门和环保部门来说，水体监测手段仍然以传统的“现场采集水样进行实验室水质参数测定”为主。这种监测方法虽然具有较高的精度，但其只能了解监测点及有限范围内的水质状况，并不能反映大面积水体生态环境的时空变化。此外，传统水体监测方法操作复杂，时间和经济成本均较高，难以实现实时监测需求。虽然目前市场上有很多便携式的水质监测仪，部分设备通过数据传输模块可以实现实时监测，但这些设备的监测指标多集中于pH、水温、电导率、溶解氧等等一些常规水质指标。对于能够更好地表征城市水体污染的指标，如COD，仍然难以实现。而且，这些设备的监测结果也只能反应监测点及有限范围内的水质状况，无法对大面积水域进行水质监测。基于以上分析，现有的水质监测方法显然已经不能满足城市水体污染快速识别、高效预警和科学管理的需求，因此亟需更加快速、便捷、高效、全面的城市水体水质监测方法。

随着遥感技术的发展，使得遥感监测水质成为了一种可能。从现有的研究来看，常用的卫星遥感数据包括Landsat卫星的TM/ETM+、OLI数据、Terra和Aqua卫星的MODIS数据、SPOT卫星的HRV数据、IRS系统的LISS数据和气象卫星NOAA的AVHRR数据等。其中，TM/ETM+、OLI数据因具备较高的空间分辨率和光谱分辨率，已成为目前水质遥感监测中使用最广泛的多光谱数据。国内外学者利用该数据开展了大量的研究，在对叶绿素a浓度、悬浮物浓度、黄色物质和透明度的估测方面均取得了比较理想的结果。但该数据的更新周期长达16天，因此并不适合城市小型水体水质监测和预警。MODIS数据具有观测周期短(1day)、光谱分辨率高和全球免费获取等优势，在水质监测研究中收到越来越多的重视。但是其空间分辨率高达250米，而城市水体面积一般较小，因此也不适合用于城市水体水质监测。

高分辨率商业卫星的成功发射，也为水质监测提供了更高空间分辨率的遥感数据，如IKONOS和QuickBird数据的空间分辨率分别达到了1m和0.61m。但是受数据获取的经济成本限制，并不适合日常水质监测。高光谱影像能够提供大量窄波段连续光谱图像数据，为遥感反演水质提供了更加丰富的光谱特征数据。但是星载高光谱数据(如Hyperion和CHRIS)目前均属于试验性数据。机载高光谱数据(如AVIRIS、CASI和CIS等)覆盖范围小，监测成本较高。因此现阶段高光谱数据也不适合长期、连续的城市小型水体水质监测。

发明内容

基于以上问题，本发明提供了一种遥感反演水体COD的方法，以解决现有的城市小型水体湖泊监测高成本低效率的问题；通过将机器学习引入遥感反演水质的经验方法，利用已经积累的遥感数据和水质参数数据训练机器，使得机器在未来具备利用遥感数据预测水质参数的能力，实现了对水体COD指标的快速确定，满足城市小型水体水质监测的需要。

本发明通过下述技术方案实现：

一种遥感反演水体COD的方法，包括以下步骤，

(1)水体监测数据获取：