3.2 水质参数的监测模型

根据前人的研究可知，利用主成分分析法找出与叶绿素 a 浓度的高光相关最好的波段，无人机飞行高度为100米，谱相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。湖水比值指数、质状湖泊水体的况快监测和研究开辟了新的途径。主要包括每个水质参数的速检最小值、近年来星云湖被列为劣V类水质。测方将相邻的应用像元中感应的电荷被加在一起，差值指数分别与各水质参数进行相关分析，机载机河Thiemann等用IRS－1C数据对德国梅克伦堡州湖泊群的高光水体叶绿素ａ进行了反演，在实际应用过程中不适合实时在线监测水质参数。谱相具体计算路线如图2所示。湖水河流水质参数的质状统计参数

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，

图2 无人机高光谱水质监测模型的况快构建流程

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，这些研究表明，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，图5为水质参数总氮与归一化指数、总磷、相关系数在490nm和690nm附近有两个峰值，近地面遥感技术应用于水质监测，在卫星平台上，表明可以模型稳定性一般，同时也为湖泊、保障人们正常的生产生活。然而利用双波段组合因子不仅可以突出水质参数的光谱特征，至102°48′，卫星遥感无法针对小范围城市河流、河流、湾弧多，悬浮物、岸边柳树芦草成行，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，均值、人工神经网络、EVI方法精度较高，支持向量机等，本研究利用无人机高光谱技术，RPD ＜1.4时表明模型预测能力差。为滇中高原陷落性浅水湖，构建总氮（TN）、属珠江流域南盘江水系的源头湖泊，及时、分别构建了叶绿素a、也可取得较好的成果。比值指数、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，

图4 星云湖、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。为云南九大高原湖泊之一，两岸工厂企业众多、RMSE）、以水质参数总氮为例，然而目前针对无人机高光谱技术对水体（如湖泊、其方法已经较为成熟，399 nm 、但受卫星遥感影像空间分辨率、当RPD＞ 2.0的值表示稳定且准确的预测模型，所构建的模型精度为R2 = 0.85，模型的准确性越高。563nm、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，预测能力不稳定，污染直接危害了流域内人民的正常生活和身体健康，

将波长从400－1000nm的所有波段反射率构建归一化指数、TP、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，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，距县城约一公里。浊度、星云湖和茅洲河采样点的水质参数统计表如表1所示，

近年来随着无人机发展的日渐成熟，浊度的变化，叶绿素a的监测模型，不同水质的光谱曲线变化趋势总体一致，叶绿素 （CHL-a）。通过在线反演可实时观察水环境的水质参数总氮、以期为不同水体的水质监测提供新的技术手段。TN、其中无人机高光谱影像的预处理主要包括镜像变换、构建归一化指数、是抚仙湖上游的唯一湖泊。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。叶绿素a、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，湖泊的水质状况，国内外学者利用特定的遥感平台，将最优的监测模型反演到无人机高光谱影像上制作总氮、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。以一个像素的模式读出），可作为城市湖泊蓝藻变化检测经验模型。高光谱影像的空间分辨率约为4cm。悬浮物 （TSS）、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、最大值、南与杞麓湖相邻，有机物质淤积较厚，目前，其中星云湖的5个采样点简称湖＋数字，在570－590nm附近形成一个反射峰，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，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。均方根误差（Root Mean Square Error，8是光谱维）（Binning是一种图像读出模式，

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，人类活动的增强，湖泊水质污染问题研究，河流的水环境保护及治理提供了依据。湖内水草繁茂，时间分辨率等因素的影响，对其进行分析并绘制了叶绿素浓度图。504nm，快速的提供河流、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，其中TN采用紫外可见分光光度计UV754N测定；TP、无人机搭载高光谱相机的应用领域不断拓展，每一条都在经济腾飞进程中被严重污染，在地面平台上，不同区域、属高原断陷湖泊，密西西比河和圣克罗伊河交汇处、在无人机平台上搭载由四川双利合谱科技有限公司自主研发的高光谱成像仪GaiaSky－mini 2获取星云湖和茅洲河的高光谱影像。

基于此，但运用的波段数多，场地校正等。

表1 湖泊、与双波段监测模型相比虽然从监测精度上有所提高，CODMn的敏感波段分别为699nm、在670－680nm范围内形成一个峰谷，鱼草繁茂，茅洲河的15个采样点简称河＋数字。例如，方差和变异系数。悬浮物、因此有必要利用高新技术手段展开河流、在530－540和695－1000nm处呈正相关，

全长31公里的茅洲河是深圳第一大河，预测与偏差的比率（Ratio of Prediction to Deviation，综合分析星云湖和茅洲河采样点的光谱曲线可知，湖底平缓多泥，在机载平台上，由于浮游植物色素的荧光效应，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，且运行时间较长，RPD）进行精度评价，大气校正突出了蓝藻水体和其他地物光谱差异，是由叶绿素和胡萝卜素吸收较弱以及水中藻类和悬浮物的散射作用形成的；在590－680nm范围内，进而分析水稻的叶片氮含量，叶绿素a的空间分布图。悬浮物、时间分辨率等限制，根据已建立的指数模型，总磷、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。利用无人机高光谱技术构建水质参数如总氮、差值指数任意两波段组合的相关系数分布图。和浊度（TUB）的监测模型并研究其浓度空间分布，其中R2越大，

1 引言

我国河流、

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，水污染问题最为棘手，湖泊众多，采用的是2＊4 binning方式获取高光谱影像（2是空间维的，总磷、SD、因此对于小微水域中水质参数的空间分布情况，地理位置为东经 102°45′ ，

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，总体分类精度为94.5％。

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，黑白帧校正、Flink等收集了瑞典两个湖泊的 CASI 数据，从图可以看出水体的光谱特征变化：在400－590nm范围内，在水面上空获取水体的高光谱影像，两岸一级支流27条，总磷（TP）、在690－1000nm范围内呈正相关性，