万风年，纪晓亮，朱元励，梅琨，张明华，2

(1.温州医学院温州市水域科学与环境生态重点实验室，浙江温州325035;

2.University of California Land，Air and Water Resources Department，Davis CA 95616)

当前，环境问题特别是水环境问题越来越受到全世界各国人们的关注。随着经济的发展及人口的不断增长，地表水污染问题逐渐凸显出来。由于它和生态系统及人类健康密切相关，针对地表水污染的监测与研究也越来越多[1－6]。提供可靠的水质信息是政府及环境部门制定环境保护政策措施的前提。传统水质监测的方法是在水体实地设立水质监测点，通过定点取样分析获取水质指标。这种监测方法虽然可以获取较准确的水质参数数据，但费时费力，更重要的是这种方法无法提供空间上的水质分布特征信息。因此，快速准确并且大范围地获取区域内的水质状况就成了水质监测研究中的一个关键问题。遥感技术具有宏观、快速、周期性等优势，其中美国陆地卫星Landsat已经被广泛用于内陆水体的水质指标如叶绿素、浊度、悬浮物等参数的反演[7－12]。

在国内外遥感应用与水体水质监测的研究中，大多数的研究对象为较宽广的水域，如海岸，江河或是湖泊[12－17]，而对城市水体的研究较少。流经城区的河流因其水域面积相对较小且受到周围环境的影响较大，水质参数的空间分布及变化规律与较大水域存在区别，本研究的目的是基于最佳自变量以及最佳回归方程建立水质参数与Landsat-7 ETM+遥感数据的相关关系，从而为研究区水体的水质监测工作提供一种快捷便利的方法。

1 材料与方法

1.1 研究区域

温瑞塘河水域位于中国东南沿海的浙江省，发源于温州西部山区，最终经瑞安市流入飞云江。温瑞塘河位于温州城区的主河道全长20.4 km，流域面积298.7 km2。自西向东流经农业区、温州市区，然后自北向南流经城乡结合部以及温州三垟湿地(图1)。温瑞塘河主河道平均宽度为50 m，温瑞塘河流域为典型亚热带海洋气候，平均年降雨量1 685 mm，年平均径流量约为9亿m3。

在温瑞塘河主河道设置8个水质监测点，编号为1－8(图1)。

1.2 方法

1.2.1 遥感数据预处理

采用Landsat-7 ETM+遥感影像(条带号为118，41)。获取的遥感影像为2009年1月14日的ETM+影像，ETM+与TM影像在前5个波段没有区别，波谱范围及地面分辨率两者均一致，ETM+在热红外波段有所改进，地面分辨率由TM的120 m提高到ETM+的60 m。目前ETM+影像可以在USGS的网站下载(http://glovis.usgs.gov/ImgViewer/Java2ImgViewer.htmL)。下载的ETM+影像经过了几何校正，校正到WGS-84坐标系下。为了消除影像中包含的由于太阳位置和角度条件、薄雾等大气条件所引起的失真，对影像进行了辐射校正。辐射校正的目的是将遥感图像原始的DN值转换成地物的反射率。ENVI软件中的FLAASH模块用于对本研究遥感影像进行辐射校正。

图1 研究区和水质监测点

1.2.2 水质采样及分析方法

水样监测点的坐标由GPS确定，用于本研究的水质参数取样时间与卫星过境时间一致，为2009年1月14日。每一个监测点的水样由采集器采集后即刻用YSI 6920 V2-1多参数水质探头测量温度(temp)、电导率(EC)、pH值、浊度以及溶解氧(DO)5项水质指标。用YSI测试完后，水样由500 mL聚乙烯瓶储存，放入冰袋箱后运回实验室做室内分析。水样先用孔径0.45 mm的滤纸过滤，在＜4℃下冷藏。AutoAnalyzer 3用于测试水样中的氨氮(NH4+-N )，硝酸盐(NO3－)浓度，TOC-V CPH-CPN AutoAnalyzer 用于测试总氮(TN)浓度以及总有机碳(TOC)浓度。

之前的相关研究大多使用以采样点为中心像元，提取3×3或是5×5像元数组的平均值代表取样点水体的光谱数据[15，18－19]。在本研究中，由于河流的平均宽度只有50 m，加上部分站点GPS定位出现误差，采样点的位置并没有落在河道中，因此本研究中提取的采样点光谱数据为采样点临近4个水体像元的平均值，水体在影像图上的区域由温瑞塘河水系矢量图叠加确定。

2 结果与分析

2.1 监测结果

表1列出了8个监测点ETM+波段1至波段5的原始DN值(digital number，是遥感影像像元亮度值)以及相应的光谱反射率值。

8个监测点的水质参数值统计概要见表2。

2.2 监测模型

由于水温以及pH为常规水质指标，并且在本研究区没有显示水质的污染与温度和pH有关系，因此这2个参数没有与光谱数据建立回归方程。一元线性回归用于水质参数与遥感光谱数据的回归方程的建立，通用的一元线性方程如下:

式中:Y为水质参数;X是遥感光谱数据;b为经验常数。

自变量ETM1，ETM2，ETM3，ETM4，ETM5，ETM2/ETM1(R21)，ETM3/ETM1(R31)，ETM3/ETM2(R32)，ETM3/ETM4(R34)参与一元回归方程的建立，并检验相关性(取显著性水平P=0.05)。SPSS 17.0统计软件用于本研究的统计分析以及回归方程建立。位于研究区其他河流的5个水质监测点用于检验所建模型的可靠性，监测模型可靠性评价指标采用模拟值与实测值的相对误差(RE)衡量，RE使用以下公式计算:

表1 取样点水体的平均DN值和反射率值

表2 8个监测点水质的参数值

其中Xest为模型估测值，Xmea为水质实测值。

表3列出了所有P值＜0.05的一元线性回归方程及其相应的R2。其中，自变量ETM1和EC有着最为紧密的关系，对EC的变异有79.3%的贡献率(P=0.003)。ETM2和ETM3也可与EC建立显著的关系，两者可以分别解释75.9%(P=0.005)以及74%(P=0.006)EC的变异。R31作为自变量可以与Turb建立很好的相关关系，对Turb变异的贡献率到达56.8%(P=0.031)。自变量R21和R31可以与DO建立显著的关系，分别可以解释DO变异的74.5%(P=0.006)和72.9%(P=0.007)。ETM1，ETM2，ETM3以及R31作为独立变量均与TOC有显著的线性关系，TOC变异的83%(P=0.002)，86.5%(P=0.001)，83.8%(P=0.001)和59.2%(P=0.026)可以分别被上述4个变量解释。其中，自变量ETM2建立的回归方程的R2最高，达到0.865。另外，ETM1，ETM2，ETM3和R31也可与NH+-N建立显著的关系，同样ETM2为回归方程中最好的变量，可以解释NH4+-N 86.9%的变异(P=0.001)。有5个自变量与NO3－有显著的相关性，其中R31可以建立与NO3－极显著的关系，可以解释NO3－变异中的92.6%。其他自变量ETM2，ETM3，R21，R32可以解释NO3－变异中的56.5%(P=0.032)，65%(P=0.016)，59.2%(P=0.026)和52%(P=0.043)。自变量ETM1，ETM2，ETM3和R31可以与TN建立显著的关系，ETM1可以最大程度解释TN中的变异，为81.4%(P=0.002)，ETM2是第2好的预测因子，解释变异量为81.2%(P=0.002)。ETM3、R31对TN的变异量解释分别为79.9%(P=0.003)和51.5%(P=0.045)。

水体污染状况可通过许多物理、化学和生物的参数来反映，水质的改变可以引起水体物理性状及光谱特征的变化，这是遥感方法研究水污染的依据[20]。已有研究提出简单的线性模型最适合用于建立TM反射率数据与水质参数的相关性[18]，众多研究包括本研究在内也证明了这一观点。ETM+影像的前3个波段ETM1，ETM2和ETM3的单波段或是波段组合建立的线性模型就可以反演出本研究区所有的水质参数，说明ETM+可见光波段可以用于水质监测的研究，这也与前人的研究成果符合[10]。研究中没有发现近红外波段与水质参数有较好的相关性可能是由于水体对近红外波段具有很强的吸收作用造成的。在通过对水质参数做一元回归分析时，发现EC、NH+4-N以及TN均可以通过ETM1，ETM2，ETM3以及R31构建回归方程，说明三者之间存在一定的相关性，SPSS的相关性分析也证明了这一点，三者均两两显著相关(P＜0.01)。这表明温瑞塘河中的电导率主要受到NH4+离子的影响，而TN中的N含量主要由NH4+-N构成。

表3 光谱数据与水质参数的一元回归分析

回归方程还显示出ETM1，ETM2，ETM3与除NO3－外的其余的水质参数包括EC、NH4+-N、TN以及TOC均呈负相关关系，由于NH4+-N、TN和TOC的浓度可以作为水质状况的参考，这表明通过ETM+第1，第2和第3波段的反射率值可以反映出水质状况，具有高反射率值区域意味着有较低浓度的NH4+-N、TN及TOC，表明该区域水质较好，而越差水质区域ETM1，ETM2，ETM3值就越小，相似的结论在TM影像应用与水质监测中被提出过［20］。尽管已有相关研究认为反映水质的最佳波长在650～700 nm附近［21］，本研究区水体光谱ETM2波段呈现很强的反射特性，能够较敏感地反映出水质指标的变化，认为在温瑞塘河研究区ETM2能够最好地反映水质状况。

2.3 模型检验

为了检验监测模型的可靠性，位于研究区其他河流的5个水质监测点N1至N5的水质实测数据和模型预测值作对比(图2)。EC预测值与实测值的平均相对误差为16.4%，Turb为124.2%，DO为149.2%，NH4+-N为10.89%，NO3－为92%，TN为15.6%，TOC为10.35%。根据相对误差的结果，我们认为研究所建立的EC，TOC，NH4+-N以及TN的预测模型具有较高的可靠性，可以用作本研究区水质参数的反演及空间分布模拟。

图2 利用ETM+遥感数据水质参数预测值与实测值比较

基于温瑞塘河上的8个水质监测点，虽然可以建立起与Turb，DO以及NO－3的水质监测模型，但在验证模型时，这些参数的计算结果与实测值的相对误差都＞50%，这可能与参与验证的5个点所在区域的土地利用类型有关。参与验证的5个点所在河流均位于农村区域，相对位于城区以及城郊建模所用的监测点，位于农村的监测点的DO，Turb以及－3受到的影响因素与在城区与城郊有所不同，通过光谱反映出来的特征规律也不一样，因此所建立的水质模型可能并不适用于农村区域河流的水质监测。而研究区域内TN，NH4+-N，TOC的含量主要受农业面源污染以及生活污水的影响，因此在温瑞塘河主河道建立的TN，NH4+-N以及TOC监测模型同样可以较准确地反演农村地区河流水质。

另外，我们发现用于反演DO，Turb以及－3的回归模型均以波段的比值为自变量，尽管已有研究表明，TM/ETM相关波段的比值可以用以反演水质参数如DO，Turb等[15，17]，但是2个波段相除的处理有可能会使原本在单波段反射率上表现出显著差异的特征被缩小，这就导致比值所得到的光谱信息对水体的敏感性可能不如只基于1个波段构成的光谱信息，本研究的结果也表明，在反演同一水质参数时，用单一波段反射率构建的回归方程的相关系数要高于基于波段比值构建的方程。因此，对于DO，Turb以及－3的回归模型相对误差较大另一种可能的解释是基于波段比值构建的水质监测模型由于其对水质参数较差的敏感性导致模型使用有一定的局限性。

2.4 水质参数空间分布

图3－4显示了根据预测模型计算得到的温瑞塘河主河道EC，NH4+－N，TN以及TOC空间分布图。从分布图中可以看出，温瑞塘河污染十分严重，根据国家地表水环境质量标准，V类水体NH4+－N和TN的标准值为2 mg·L－1，根据温瑞塘河NH4+－N和TN的空间分布图显示，大部分水体的这2项水质指标远＞2 mg·L－1水质为劣V类。根据水质状况可以将温瑞塘河明显区分成2个部分，上游至市区段以及市郊至下游。其中上游至市区段由于水面较宽、流速较大，再加上从2000年开始实施的温瑞塘河综合整治使得中心城区排入温瑞塘河的污染得到了一定的控制，在城区部分的温瑞塘河水质要相对好于市郊至下游的第2段。当温瑞塘河流出市区进入城郊以及农村区域时，由于排污设施的不完善以及由于流速减小造成的上游汇入污染物在此段内的汇聚沉积，使得这段区域内污染状况更加严重，各水质参数均明显较第1段内浓度值有大幅度升高。因此，城郊及农村区域的污染整治工作应成为下一段温瑞塘河整治工作的重点区域。

图3 基于ETM+遥感影像温瑞塘河EC空间分布(2009年1月14日)

图4 基于ETM+遥感影像温瑞塘河NH4+-N空间分布(2009年1月14日)

3 小结

通过利用ETM+光谱数据与温瑞塘河主河道水质参数建立相关关系，表明ETM+光谱数据可以很好地反演本研究区EC，4+-N，TN以及TOC水质参数，证明了遥感作为一项方便快捷的技术手段可以快速实时地反映水质的空间分布规律，满足大范围水质监测的需求。

[1]Mac Donald L R，Smart A W，W issmar R C.Monitoring guidelines to evaluate effects of forestry activities on streams in the Pacific Northwest and Alaska[M].Washengton:US EPA，1991:166.

[2]National Resource Council.Assessing the TMDL approach to water quality management[M].Washington D C:National Academy Press，2001:109.

[3]刘瑞民，何孟常，王秀娟.大辽河流域上游非点源污染输出风险分析[J].环境科学，2009，30(3):663－667.

[4]杜聪，王世新，周艺，等.应用遥感数据评价蓝藻水华对太湖取水口的影响[J].中国环境科学，2009，29(10):1041－1046.

[5]马小雪，纪晓亮，李军，等.基于GIS的平原河网走航在线水质监测方法研究[J].浙江农业学报，2012，24(3):503－508.

[6]杨阳，马小雪，商栩.温州温瑞塘河水体黑臭评价[J].浙江农业科学，2012(4):566－569.

[7]Dwivedi R M，Narain A.Remote sensing of phytoplankton，an attempt from the Landsat Thematic Mapper[J].International Journal of Remote Sensing，1987，8:1563－1569.

[8]Ritchie JC，Cooper C M，Schiebe F R.The relationship of MSS and TM digital data with suspended sediments，chlorophyll，and temperature in Moon Lake，Mississippi[J].Remote Sensing of Environment，1990，33:137－148.

[9]Lathropr G.Landsat Thematic Mapper monitoring of turbid inland water quality[J].Photogrammetric Engineering and Remote Sensing，1992，58:465－470.

[10]Dekker A G，Peters SW M.The use of the Thematic Mapper for the analysis of eutrophic lakes:a case study in the Netherlands[J].International Journal of Remote Sensing，1993，14:799－821.

[11]Ostlund C，Pierson D，Lindell T，et al.Mapping of the water quality of Lake Erken，Sweden，from imaging spectrometry and Landsat Thematic Mapper[J].Science of the Total Environment，2001，268:139－153.

[12]Chen C Q，Tang S L，Pan Z L，et al.Remotely sensed assessment of water quality levels in the Pearl River Estuary，China[J].Marine Pollution Bulletin，2007，54:1267－1272.

[13]Harma P，Vepsalainen J，Hannonen T，et al.Detection of water quality using simulated satellite data and semi-empirical algorithms in Finland[J].The Science of the Total Environment，2001，268:107－121.

[14]马荣华，戴锦芳.结合Landsat ETM与实测光谱估测太湖叶绿素及悬浮物含量[J].湖泊科学，2005，17(2):97－103.

[15]Wang F，Han L，Kung H T，et al.Applications of Landsat-5 TM imagery in assessing and mapping water quality in Reelfoot Lake，Tennessee[J].International Journal of Remote Sensing，2006，27:5269－5283.

[16]巩彩兰，尹球，匡定波.黄浦江水质指标与反射光谱特征的关系分析[J].遥感学报，2006，10(6):910－916.

[17]Tong X H，Xie H，Qiu Y L，et al.Quantitative monitoring of inland water using remote sensing of the upper reaches of Huangpu River，China[J].International Journal of Remote Sensing，2010，31:2471－2492.

[18]Ritchie J C，Cooper C M，Schiebe F R.The relationship of MSS and TM digital data with suspended sediments，chlorophyll，and temperature in Moon Lake，Mississippi[J].Remote Sensing of Environment，1990，33:137－148.

[19]Forster B C，Sha X W，Xu B.Remote sensing of sea water quality parameters using Landsat-TM[J].International Journal of Remote Sensing，1993，14:2759－2771.

[20]李旭文，季耿善，杨静.苏州运河水质的TM分析[J].遥感学报，1993，8(1):36－44.

[21]Bhargava D S.Very low altitude remote sensing of the water quality of rivers[J].Photogrammetric Engineering＆Remote Sensing，1983，49(6):805－809.