赵 倩 韩留生* 王树祥 张大富 范俊甫 孙广伟 杨 骥 李 勇 王晓晓

（1、山东理工大学 建筑工程学院，山东 淄博255000 2、广东省科学院广州地理研究所，广东 广州510070）

水是人类生存发展不可或缺的自然资源，然而随着社会经济的发展，水污染问题逐渐显现，给人们的生活带来了重大影响。水质监测是获取水污染情况的重要手段，通过分析水质监测结果可以有针对性地对污染水体进行治理。传统的水质监测方法成本较高，采样及分析过程需要较长时间，而且极易受到气候和环境的影响，时空代表性差，监测结果往往难以准确反映监测对象整体的水质状况[1-3]。遥感技术的出现，为水质监测提供了有效方式，可节省大量的人力、物力和时间上的花费[4]。

有机污染物是导致水体污染的主要原因之一，由于有机污染物种类繁多，在水质评价中常使用综合性指标来表征有机污染的程度[5]。化学需氧量（chemical oxygen demand，COD）是评价水体受有机物污染程度的一个重要指标，COD 浓度越高，表明水体受有机物污染程度越严重。赵起超等利用水体实测光谱、Landsat8 卫星数据和COD 实测值，使用BP 神经网络构建了COD 遥感反演模型，对白洋淀水体COD 污染程度进行反演，得到了比较好的结果[6]。蔡建楠等利用水体高光谱数据和COD 实测数据，通过遗传-偏最小二乘（GA-PLS）算法建立了COD 浓度反演模型，并比较输入变量为不同特征波段组合时模型反演的效果差异，验证发现该模型具有良好的反演精度[7]。

城市发展速度越快的地区水体污染往往越严重，广州作为重要的国际大都市，经济迅速发展的同时对水污染防治工作也较为重视。而且广州市常年多雨，内部河流、水系发达，水域面积广阔，水体污染的防治极其重要。本研究基于高分二号（GF-2）卫星数据，对广州市中心城区水体中的COD 浓度进行反演，并利用广州市生态环境局重点整治河涌的实测数据对反演结果进行验证，分析广州市水体中COD 浓度的空间分布情况。

1 数据与方法

1.1 GF-2 卫星数据及预处理

GF-2 影像预处理过程包括辐射定标、大气校正、正射校正、融合、镶嵌、水体提取。首先对GF-2 多光谱影像和全色影像分别进行辐射定标，然后对辐射定标后的多光谱影像进行大气校正和正射校正，对全色影像仅进行正射校正；使用NNDiffuse Pan Sharpening 融合方法，将正射校正后的多光谱影像和全色影像进行融合，融合后获得1m 分辨率的多光谱影像并进行多景影像镶嵌；最后对镶嵌好的GF-2 影像，使用归一化水体指数（normalized difference water index，NDWI）法进行水体提取，对提取效果不好的地方手动进行修正。本研究使用9 景数据质量较好的GF-2 卫星影像，影像获取时间为2019 年11 月17 日、12 月12 日和12 月27 日，覆盖范围主要包括广州市白云区、越秀区、天河区、荔湾区、海珠区和黄埔区等中心城区。获取的影像由于云量和过境时间限制，无法完全覆盖中心城区，所以有部分水体缺失，这里对缺失水体不做研究。

1.2 实测水质数据

实测水质数据来源于广州市生态环境局官网公布的重点整治河涌历史水质监测数据，本研究使用其中10 个采样点的COD 参数进行遥感反演模型的精度验证，数据采样时间选择与GF-2 影像时间较为接近的2019 年12 月的数据。采样点分布见图1。

1.3 COD 遥感反演模型

基于GF-2 卫星数据，通过对地面实测水质数据和光谱数据进行光谱特征分析和相关分析，拟合构建了COD 遥感反演模型，对广州市水体中的COD 浓度进行反演，模型公式如下：

式中：CCOD表示化学需氧量的浓度，单位为mg/L；b3指GF-2的红光波段，b2指GF-2 的绿光波段。

2 结果与分析

2.1 COD 浓度遥感反演

在ENVI 5.3 中使用BandMath 工具，将公式（1）的COD 遥感反演模型应用于预处理后的广州市水体的GF-2 影像进行计算，得到COD 遥感反演结果，并在Arcgis 10.5 中对研究区的COD 浓度反演结果进行分类显示（图2）。

图2 COD 浓度反演结果

从图2 可以看出，研究区主要河流COD 浓度总体较低，但是仍存在一些细小河流COD 浓度偏高。位于白云区的流溪河上游河段COD 浓度较高，可能是白云机场污水排放对水体造成了污染，导致COD 浓度超标。此外，珠江黄埔区段COD 浓度偏高，有部分河段COD 浓度超过V 类水标准，可能是附近污染企业排放的废污水造成了COD 浓度升高。

2.2 模型验证

使用采样点验证数据对COD 反演模型的精度进行分析，比较采样点的实测值和反演值，计算相对误差，如表1 所示。

表1 COD 遥感反演模型精度分析

通过对COD 遥感反演模型进行精度分析，可以发现COD的反演效果较好，最小相对误差为10.93%，平均相对误差为24.214%，同时从表中可以看出除了LW12 采样点以外，COD 的反演值均比实测值偏高。该模型可以用来反演广州市中心城区的COD 浓度。由于采样点数据受采样环境和天气影响以及采样时间与GF-2 影像并不是完全同步，因此可能有部分采样点的相对误差较高。

3 结论

本研究应用GF-2 卫星影像对广州市中心城区的水体COD浓度进行遥感反演，并利用广州市生态环境局实测水质数据对反演精度进行验证，得出以下结论：广州市中心城区的主要河流COD 浓度值总体较低，部分细小河涌COD 浓度值偏高；白云区流溪河上游河段COD 浓度偏高，可能是受到白云机场排放污水的影响；位于黄埔区的珠江部分河段COD 浓度较高，可能是附近的污染企业排放的废污水造成浓度升高；COD 反演效果较好，说明本研究采用的模型可以用来进行广州市COD 浓度的反演。