陳帥, 趙文玉, 廖中平

(1.長沙理工大學(xué)交通運(yùn)輸工程學(xué)院，長沙 410114； 2.洞庭湖水環(huán)境治理與生態(tài)修復(fù)湖南省重點(diǎn)實(shí)驗(yàn)室,長沙理工大學(xué)水利工程學(xué)院，長沙 410114； 3.湖南省水生資源食品加工工程技術(shù)研究中心,長沙理工大學(xué)化學(xué)與食品工程學(xué)院,長沙 410114)

0 引言

我國住房和城鄉(xiāng)建設(shè)部頒發(fā)的《城市黑臭水體整治工作指南》[1](以下簡稱《指南》)定義黑臭水體為呈現(xiàn)令人不悅的顏色和(或)散發(fā)令人不適氣味的水體，依據(jù)透明度、溶解氧、氧化還原電位和氨氮4個水質(zhì)指標(biāo)將其分為非黑臭、輕度黑臭和重度黑臭3個等級。國內(nèi)外學(xué)者研究發(fā)現(xiàn)，有機(jī)物污染、氮磷污染、底泥再懸浮和重金屬污染可導(dǎo)致水體黑臭[2-4]。固態(tài)或吸附于懸浮物的不溶性物質(zhì)如硫化亞鐵和硫化錳等黑色沉積物，以及溶于水的帶色有機(jī)物如腐殖質(zhì)類有機(jī)物使水體發(fā)黑[5]； 水體發(fā)臭則是由厭氧微生物分解有機(jī)物產(chǎn)生硫化氫、氨、硫醇等發(fā)臭物質(zhì)引起的[6]。長期以來，黑臭水體不僅破壞河流生態(tài)系統(tǒng)，而且影響飲水安全和農(nóng)產(chǎn)品安全，最終威脅人體健康[7]。

由工業(yè)、農(nóng)業(yè)和生活廢水過量排放導(dǎo)致的水體黑臭現(xiàn)象得到了廣泛關(guān)注，國務(wù)院頒發(fā)的《水污染防治行動計劃》[8](以下簡稱《水十條》)明確指出，到2030年總體上要消除城市建成區(qū)內(nèi)黑臭水體。黑臭水體整治工作刻不容緩，因此對于黑臭水體空間分布監(jiān)測的需求越來越迫切，尤其是大范圍、動態(tài)、快速、長期的黑臭水體監(jiān)測技術(shù)對于黑臭水體的科學(xué)治理具有特別重要的意義。傳統(tǒng)黑臭水體監(jiān)測依賴實(shí)地采樣進(jìn)行化學(xué)分析等手段，通過溶解氧、氨氮等水質(zhì)指標(biāo)構(gòu)建黑臭水體的評價體系[9-12]。這些基于水質(zhì)指標(biāo)的黑臭水體監(jiān)測耗時耗力，且不能滿足大范圍、動態(tài)的監(jiān)測需要。

遙感具有覆蓋面積廣、時效性強(qiáng)、信息量大、受地理環(huán)境影響小等優(yōu)點(diǎn)，能夠?yàn)榇蠓秶w變化監(jiān)測提供全新的技術(shù)手段[13]。水體在可見光到紅外波段反射率明顯低于其他地物，而在近紅外和中紅外波段的強(qiáng)吸收作用則使反射率極低[14]； 影響內(nèi)陸水體光學(xué)特性的光學(xué)活性物質(zhì)主要有純水、浮游植物、非藻類顆粒物和有色可溶性有機(jī)物(chromophoric dissolved organic matter, CDOM)[15]等。不同水體所含光學(xué)活性物質(zhì)不同，造成對太陽輻射能量的吸收和反射程度有所差異，使得相應(yīng)的遙感反射率、灰度以及色階均有所差別[16]，例如葉綠素a在685 nm附近有明顯的熒光峰[17]，CDOM在紫外和藍(lán)光有較強(qiáng)的吸收等[18]?；谶@些光學(xué)特征，遙感技術(shù)在水體提取[19-22]、水深探測[23-24]、水質(zhì)反演[25-28]以及黑水團(tuán)監(jiān)測[29-32]等領(lǐng)域得到了廣泛應(yīng)用。其中黑水團(tuán)是大量藍(lán)藻的高度聚集導(dǎo)致的局部水體缺氧且發(fā)黑，這點(diǎn)與黑臭水體相似。國內(nèi)學(xué)者通過分析黑水團(tuán)區(qū)域反射光譜特征，提出黑水團(tuán)的遙感判別依據(jù)[33-34]，并結(jié)合室內(nèi)黑水團(tuán)模擬試驗(yàn)和實(shí)測光學(xué)特性構(gòu)建黑水團(tuán)識別算法[35]，對黑臭水體遙感識別有一定的借鑒意義。

本文總結(jié)了黑臭水體遙感識別的研究進(jìn)展，首先分析黑臭水體不同的識別特征，包括反射光譜特征，水體顏色特征、固有光學(xué)量特征等，并歸納已有的一些識別算法； 同時指出目前算法可能存在的問題； 最后對未來發(fā)展趨勢進(jìn)行展望。

1 黑臭水體遙感識別現(xiàn)狀

研究發(fā)現(xiàn)，黑臭水體的反射光譜(遙感反射率曲線)、水體顏色以及固有光學(xué)量(如CDOM的吸收系數(shù))與非黑臭水體有明顯差異。通過分析水體的反射光譜特征，結(jié)合地面實(shí)測數(shù)據(jù)的相關(guān)性統(tǒng)計分析，選擇最優(yōu)波段或波段組合來建立模型是水色遙感中常用的方法之一。黑臭水體中溶解或懸浮的污染物成分或濃度不同，使得其顏色與非黑臭水體有一定差異，而色度法正是基于不同顏色的主波長進(jìn)行水體類型識別的一種方法[36]。水體固有光學(xué)量不隨入射光場變化而變化，僅與水體中物質(zhì)成分有關(guān)，如吸收系數(shù)與散射系數(shù)等。通過獲得的遙感反射率計算不同物質(zhì)的吸收系數(shù)或散射系數(shù)等固有光學(xué)量，再根據(jù)其固有光學(xué)量判斷水體黑臭，也可用于識別黑臭水體[15]。以下分別對3種黑臭水體識別特征進(jìn)行綜述分析，并歸納各自適用的算法。

1.1 基于反射光譜的閾值法

基于反射光譜的識別算法通過分析黑臭水體與非黑臭水體的反射光譜曲線差異，選擇合適的波段構(gòu)建模型，再根據(jù)不同水體對應(yīng)的模型值設(shè)定黑臭水體的閾值，稱為閾值法[36-37]。其中水體遙感反射率根據(jù)獲取途徑可以分為實(shí)測反射率、等效反射率以及影像反射率3種。

實(shí)測反射率是在野外實(shí)地使用地物波譜儀基于表面法[38]測量的水面反射率，具有光譜分辨率高、誤差小等特點(diǎn)，通過實(shí)測不同水體反射率可發(fā)現(xiàn)其反射光譜的差異，從而反映不同類型水體具有的不同特征[15,37,39-40]，可用于區(qū)分黑臭與非黑臭水體。如圖1所示，非黑臭水體在550 nm,675 nm和700 nm左右有特征波峰波谷，而有黑臭現(xiàn)象的水體反射光譜曲線與其相比有明顯差異，在曲線波峰波谷和值大小特征上大致可歸為3類： 一類水體在400～900 nm波段沒有明顯波峰和波谷，曲線平緩且值較低； 二類水體光譜在550 nm,675 nm及700 nm處波峰波谷幾乎可以忽略，但在750 nm時反射率下降明顯，與非黑臭水體趨勢相近； 三類水體在400～550 nm范圍內(nèi)快速上升，整體曲線值要高于非黑臭水體和其他黑臭水體，且在675～700 nm間具有非黑臭水體相似的波峰波谷，并在800 nm存在明顯的波峰。由此可見，黑臭與非黑臭水體的光譜曲線有較大差異，但目前光譜曲線與黑臭水體分類標(biāo)準(zhǔn)[1]或黑臭成因間關(guān)系相關(guān)性尚需進(jìn)一步進(jìn)行研究和分析。

圖1 非黑臭水體和黑臭水體實(shí)測反射率[15,37,39]Fig.1 Measure reflectance of normal waterbody and black-odor water body

等效反射率指利用實(shí)測反射率通過光譜響應(yīng)函數(shù)擬合所得到的等效多光譜衛(wèi)星影像反射率； 影像反射率指衛(wèi)星影像通過輻射定標(biāo)和大氣校正后獲得的水體反射率。國內(nèi)多光譜遙感衛(wèi)星高分(GF)一號、二號具有空間分辨率和時間分辨率高的特點(diǎn)，可通過將實(shí)測反射率擬合為GF多光譜反射率(圖2)[37, 39]或直接使用GF影像反射率(圖3)[16,41]來研究適用于GF影像的黑臭水體識別模型。

圖2 非黑臭水體和黑臭水體等效反射率[37, 39]Fig.2 Equivalent reflectance of normal waterbody and black-odor water body

圖3 非黑臭水體和黑臭水體影像反射率[16,41]Fig.3 Image reflectance of normal waterbody and black-odor water body

由圖2可知，黑臭水體的等效反射率曲線比非黑臭水體平緩，與其實(shí)測反射率變化趨勢一致； 在綠光波段黑臭水體等效反射率明顯小于非黑臭水體，在近紅外波段黑臭水體等效反射率值大于非黑臭水體。圖3所示為不同水體的影像反射率，為同步GF影像上獲取的水體采樣點(diǎn)處像元與相鄰像元計算均值后得到的不同水體影像反射率[16]。由于大氣校正不能完全去除大氣影響，影像反射率值比實(shí)測反射率值較大。綠光波段，非黑臭水體的反射率在550 nm處有一個熒光峰而黑臭水體無熒光峰； 藍(lán)光波段，黑臭水體的反射率略低于非黑臭水體； 紅光到近紅外光波段黑臭水體反射率明顯上升，而非黑臭水體反射率顯著下降。

基于上述黑臭水體與非黑臭水體的反射光譜差異，結(jié)合不同類型反射率特點(diǎn)和不同波段組合形式，研究者建立了多種黑臭水體遙感識別模型，見表1。表中，Rrs(555)指在555 nm處實(shí)測反射率值；Green，Blue，Red和NIR分別為GF-1,2多光譜衛(wèi)星綠光波段、藍(lán)光波段、紅光波段和近紅外波段的反射率； Δλ1和Δλ2分別為藍(lán)光與綠光波段和綠光與紅光波段的中心波長間隔。

表1 基于反射光譜的閾值法Tab.1 Threshold method based on reflection spectrum

1.2 基于水色的色度法

水體組分的差異往往導(dǎo)致其顯示出不同顏色，因此可利用顏色差異進(jìn)行遙感分類，即色度法。色度法采用的顏色系統(tǒng)是國際照明委員會(Commission Internationale del’Eclairage，CIE)創(chuàng)建的CIE-XYZ顏色系統(tǒng)，可對顏色進(jìn)行準(zhǔn)確的數(shù)字化表示。Duan等[29]通過CIE顏色匹配函數(shù)將離水輻亮度轉(zhuǎn)換為湖水顏色來區(qū)分湖泊的黑水區(qū)域與典型湖水區(qū)域； 李佐琛等[43-44]利用色度法模擬葉綠素a、CDOM和無機(jī)懸浮顆粒物(suspended inorganic particles matter，SIPM)在不同濃度下水體顏色變化； 董舒[45]通過分析含有鐵離子、銅離子等水體的顏色，提出了基于色度法的非接觸金屬離子監(jiān)測方法。野外調(diào)查發(fā)現(xiàn)，黑臭水體除了呈現(xiàn)典型黑色外、還會呈現(xiàn)灰綠色、灰色、墨綠色以及褐色等，而非黑臭水體通常表現(xiàn)為淺綠或淺黃色[36]。因此，國內(nèi)學(xué)者將色度法引入黑臭水體遙感識別中，將紅綠藍(lán)波段的反射率通過色度計算公式得到CIE顏色系統(tǒng)中代表水體顏色的主波長，再通過統(tǒng)計分析確定黑臭水體主波長范圍，進(jìn)而對不同水體類型進(jìn)行識別。

溫爽等[37]將黑臭水體的主波長范圍確定為528～540 nm，識別正確率僅為37.5%。單純利用主波長識別黑臭水體正確率不高，進(jìn)一步通過飽和度S對黑臭水體進(jìn)行識別[15, 42]，識別精度可提高到70%左右。飽和度的計算步驟[15,42，46]如下：

1)根據(jù)紅光、綠光、藍(lán)光波段反射率R，G，B計算3刺激值X，Y，Z，即

(1)

2)根據(jù)刺激值計算色度坐標(biāo)(x,y)，即

(2)

3)計算角度α。在色度圖中建立以等能白光點(diǎn)S(0.333 3,0.333 3)為原點(diǎn)的直角坐標(biāo)系o′-x′-y′，x′軸與色度圖y軸平行且方向一致，y′軸與色度圖x坐標(biāo)平行且方向一致。將色度坐標(biāo)轉(zhuǎn)換為新坐標(biāo)系下的坐標(biāo)(x′,y′)，并計算向量(x′,y′)與x′夾角α，即

(3)

α=arctan2(y′,x′)，

(4)

4)查找波長λ和光譜色度坐標(biāo)(xλ,yλ)。經(jīng)過坐標(biāo)轉(zhuǎn)換后，α角隨著顏色主波長遞增，將CIE-xy色度圖中各波長光譜色度坐標(biāo)建立一個380 nm到700 nm波長對應(yīng)光譜色度坐標(biāo)的主波長角度查找表，根據(jù)角度查找表得到對應(yīng)的λ和光譜色度坐標(biāo)(xλ,yλ)。

5)計算飽和度S。先計算等能白光點(diǎn)與光譜色度坐標(biāo)的距離SD，與像元色度坐標(biāo)的距離SC，飽和度S定義為兩個距離比值，即

(5)

S=SD/SC。

(6)

1.3 基于固有光學(xué)量的經(jīng)驗(yàn)算法

不同物質(zhì)對于內(nèi)陸水體中的輻射傳輸影響如下： 純水具有吸收和散射作用，浮游藻類的色素組成是葉綠素和其他輔助色素，非藻類顆粒物指懸浮于水中的SPIM、非藻類有機(jī)物等，后兩者都具有吸收和散射作用； CDOM主要是由腐爛物質(zhì)所釋放的黃腐酸、腐植酸組成的溶解性有機(jī)物，具有吸收作用，但散射作用可以忽略。內(nèi)陸水體(指非黑臭水體)的主要固有光學(xué)量及其特征分別為： 純水的吸收系數(shù)和散射系數(shù)是保持不變的[14,47-48]； 由于葉綠素a和胡蘿卜素的吸收作用，浮游植物吸收系數(shù)在440 nm和550 nm分別出現(xiàn)極大值和極小值，在675 nm處有一個明顯的峰值[49]； 非藻類顆粒物吸收系數(shù)和CDOM吸收系數(shù)ag(λ)具有相似的特征，即隨著波長的增大遵循指數(shù)衰減規(guī)律[50-51]； 對于散射作用，由于總顆粒物后向散射系數(shù)能構(gòu)建生物光學(xué)模型，研究者大多測量總顆粒物后向散射系數(shù)并發(fā)現(xiàn)其隨波長增加呈冪指數(shù)衰減[52]。

黑臭水體的浮游植物吸收系數(shù)曲線比非黑臭水體缺少2個明顯的吸收峰，而曹紅業(yè)[15]發(fā)現(xiàn)黑臭水體的葉綠素a濃度與非黑臭水體無明顯差異，說明黑臭水體中還有其他輔助色素對吸收作用有影響。不同類型水體之間的非藻類顆粒物吸收系數(shù)差異性較小。黑臭水體與非黑臭水體的CDOM吸收系數(shù)在單個樣點(diǎn)上差異較小，但在總體樣本平均值上有一定差異，黑臭水體的CDOM吸收系數(shù)是非黑臭水體的1.4倍[53]。黑臭水體在各個波段的總顆粒物后向散射系數(shù)均高于非黑臭水體。丁瀟蕾等[53-54]通過無人機(jī)高光譜傳感器獲得遙感反射率，應(yīng)用經(jīng)驗(yàn)算法反演440 nm處的CDOM吸收系數(shù)ag(440)和浮游植物吸收系數(shù)和非藻類顆粒物吸收系數(shù)之和即總顆粒物吸收系數(shù)ap(440)，將其分別作為黑臭水體的識別、分級的指標(biāo)。當(dāng)ag(440)>1.25m-1時將水體劃分為黑臭水體，其余為非黑臭水體； 當(dāng)ap(440)>7m-1時為重度黑臭水體，其余為輕度黑臭水體。ag(440)的區(qū)分精度是76.36%，ap(440)分級精度達(dá)到87.65%，其經(jīng)驗(yàn)算法模型如下：

(7)

(8)

2 存在的問題

2.1 算法通用性問題

單波段或多波段組合的反射光譜閾值算法簡潔方便，計算量小，是目前黑臭水體遙感識別的主流算法。雖然基于反射光譜的識別算法精度高于其他兩種算法，但由于其閾值用于采樣地區(qū)的黑臭水體識別時準(zhǔn)確度高，而用于非采樣地區(qū)時卻不夠準(zhǔn)確，導(dǎo)致其算法移植性不強(qiáng)。張雪等[55]使用閾值法通過GF-1影像對深圳市的水體進(jìn)行分類，發(fā)現(xiàn)該算法將部分黑臭水體識別為非黑臭水體，為提高黑臭水體的識別正確率，需結(jié)合地面實(shí)測數(shù)據(jù)對不同模型進(jìn)行閾值修正。

算法通用性問題主要可能體現(xiàn)在以下兩方面：

1)各地黑臭水體成因差異較大且數(shù)據(jù)量不足以充分顯示黑臭水體的光學(xué)特性。目前國內(nèi)學(xué)者在較多城市進(jìn)行采樣，但數(shù)據(jù)量從空間和時間上均不足以充分顯示黑臭水體的光學(xué)特性[36]。且不同城市水體成分存在差異，南方城市黑臭水體多以河道污泥淤積、沉積的底質(zhì)污染為主，北方城市黑臭水體是由大量外源性有機(jī)物污染進(jìn)入導(dǎo)致[56]。不同季節(jié)的黑臭水體致黑致臭機(jī)理不同，夏季適宜的水溫加速微生物的新陳代謝，致使水體中有機(jī)物分解，釋放致黑致臭物質(zhì)； 秋季藻類等水生植物大量繁殖、引發(fā)黑水大面積富營養(yǎng)化，導(dǎo)致水體發(fā)黑發(fā)臭[36]。

2)星地同步實(shí)驗(yàn)難度較大，驗(yàn)證樣本有一定的隨機(jī)性，可能需要進(jìn)一步驗(yàn)證其算法的準(zhǔn)確性。大量的樣本更能反映黑臭水體的復(fù)雜程度及其真實(shí)變化范圍，而星地同步實(shí)驗(yàn)難度較大，可能導(dǎo)致各模型用于精度評價的樣本數(shù)量不足，且具有一定的隨機(jī)性，樣本數(shù)據(jù)如果缺乏代表性，則可能導(dǎo)致算法的準(zhǔn)確性需進(jìn)一步驗(yàn)證。溫爽等[37]進(jìn)行同步實(shí)驗(yàn)?zāi)Ｐ途仍u價的采樣點(diǎn)只有8個，遠(yuǎn)少于獲取閾值所采用的47個野外實(shí)測遙感反射率采樣點(diǎn)； 姚月等[39]用于精度評價的采樣點(diǎn)14個，遠(yuǎn)小于獲取閾值所采用的96個采樣點(diǎn)； 而二者計算比值算法的識別正確率都已達(dá)到100%。用于精度評價的樣本與確定閾值所采用的樣本數(shù)相差較大，得出實(shí)驗(yàn)獲取的識別準(zhǔn)確率非常高，可能需進(jìn)一步進(jìn)行采樣驗(yàn)證研究以確保其可靠性。

2.2 大氣校正存在難度

通過遙感數(shù)據(jù)獲取地表反射率需進(jìn)行輻射定標(biāo)和大氣校正。輻射定標(biāo)只需要衛(wèi)星傳感器的增益量(gain)和偏移量(offset)數(shù)據(jù)，這兩個數(shù)據(jù)隨遙感傳感器的使用狀態(tài)進(jìn)行定期更新，通過查詢即可獲得?；谳椛鋫鬏斈Ｐ偷拇髿庑Ｕ椒ㄊ亲罘瞎鈱W(xué)遙感物理機(jī)理的方法[57]，包括6S[58-59]及MODTRAN[60-61]等使用廣泛的模型。使用這些模型需要知道大氣參數(shù)，尤其是氣溶膠光學(xué)厚度，而氣溶膠光學(xué)厚度數(shù)據(jù)獲取并不容易。

在星地同步實(shí)驗(yàn)中，可利用太陽光度計實(shí)地測量氣溶膠光學(xué)厚度數(shù)據(jù)，但衛(wèi)星傳感器無法獲取精確的氣溶膠光學(xué)厚度，需要基于圖像自身信息反演。衛(wèi)星氣溶膠反演算法有暗像元法、深藍(lán)算法等[62]。其中暗像元法使用暗地表的紅藍(lán)波段數(shù)據(jù)進(jìn)行氣溶膠光學(xué)厚度反演，因此不適用于亮地表的城市地區(qū)； 深藍(lán)算法用紅藍(lán)波段反演氣溶膠光學(xué)厚度精度，可能會受到氣溶膠垂向分布及相函數(shù)的影響[63]； 對于渾濁的內(nèi)陸水域，使用765 nm和865 nm的反射率比值作為校準(zhǔn)參數(shù)反演氣溶膠光學(xué)厚度效果更好[64-65]。

國內(nèi)陸地遙感衛(wèi)星快速發(fā)展，構(gòu)建了包括資源、高分、環(huán)境/實(shí)踐和小衛(wèi)星在內(nèi)的對地遙感觀測衛(wèi)星系列[66]。由于黑臭水體通常規(guī)模較小，因此需要較高空間分辨率的光譜影像數(shù)據(jù)。其中高分系列衛(wèi)星如GF-1/2因其空間分辨率可達(dá)8 m/4 m且可用數(shù)據(jù)較多，常用于黑臭水體遙感識別研究，但其近紅外波段范圍為0.77～0.89 μm，無法構(gòu)建765 nm和865 nm的反射率比值反演氣溶膠光學(xué)厚度數(shù)據(jù)，處理復(fù)雜的內(nèi)陸水域較為困難； 其他高分衛(wèi)星如GF-4/5的空間分辨率較低不足以滿足黑臭水體識別要求； GF-6衛(wèi)星空間分辨率足夠且可提供765 nm和865 nm反射率值，可進(jìn)行內(nèi)陸水域的氣溶膠光學(xué)厚度反演，但由于可用數(shù)據(jù)不多目前尚未有研究將其應(yīng)用于黑臭水體遙感識別，類似的還有珠海一號等。此外，研究者常根據(jù)季節(jié)和緯度選擇氣溶膠厚度經(jīng)驗(yàn)數(shù)據(jù)，這樣可能導(dǎo)致大氣校正不夠準(zhǔn)確，不一定能反演真實(shí)情況。

有人提出用更簡便的瑞利散射替換氣溶膠散射，因?yàn)槿鹄⑸渲恍枰髿鈮汉透叱虜?shù)據(jù)即可，且使用瑞利散射反射率和氣溶膠反射率計算的模型值具有較好相關(guān)性。當(dāng)氣溶膠光學(xué)厚度較小時，黑臭水體和非黑臭水體基于瑞利散射反射率所計算的模型值差距大，可用于識別黑臭水體； 但當(dāng)氣溶膠光學(xué)厚度逐漸增大時，遙感圖像可能越來越模糊，黑臭水體和非黑臭水體基于瑞利散射反射率所計算的模型值差距越來越小，區(qū)分黑臭水體和非黑臭水體的難度將增大[39]。所以如何選擇合適的大氣校正方法并進(jìn)行黑臭水體識別的深入研究，將有助于提高星地同步實(shí)驗(yàn)對黑臭與非黑臭水體的識別區(qū)分度。

2.3 識別特征精確度不足

目前使用反射光譜、水體顏色、部分固有光學(xué)量作為識別特征進(jìn)行黑臭水體遙感識別，總體來看，這些識別特征能粗略區(qū)分黑臭水體和非黑臭水體，但可能不能表征黑臭水體形成機(jī)理的關(guān)鍵因子，基于這3種識別特征構(gòu)建的模型會出現(xiàn)黑臭水體與非黑臭水體重疊現(xiàn)象從而影響識別精度。

部分非黑臭水體實(shí)測反射率曲線經(jīng)過光譜響應(yīng)函數(shù)擬合后可出現(xiàn)和黑臭水體相近的走勢，波段組合中的比值模型可能會將一些非黑臭水體劃分為黑臭水體[38]。黑臭水體與非黑臭水體在440 nm處的CDOM吸收系數(shù)的均值有一定的差別，但在其有效吸收系數(shù)范圍內(nèi)存在一定重疊，從而造成二者區(qū)分度不高[53]。與此類似的還有其他固有光學(xué)量，如750 nm處浮游植物吸收系數(shù)、440 nm處非藻類顆粒物吸收系數(shù)等。黑臭水體與非黑臭水體的顏色有時可顯示出一定的相似性，且高分影像4個波段中心波長和CIE標(biāo)準(zhǔn)顏色系統(tǒng)不能完全一一對應(yīng)，故基于色度法區(qū)分水體是否黑臭也存在一定的偏差[45]； 另一方面城市湖泊水體吸收較強(qiáng)，遙感反射率值較低，在影像上呈現(xiàn)暗像元的特征，影響了色度法劃分黑臭水體的閾值，使得一些黑臭水體可能被誤判為非黑臭水體。

3 結(jié)論與展望

自《指南》和《水十條》頒布以來，我國黑臭水體治理工作逐步開展，城市黑臭水體問題得到了一定程度的緩解。但由于我國水系繁多，水體黑臭成因復(fù)雜，且黑臭經(jīng)常反復(fù)，難以根治，因此其監(jiān)測需求仍然持續(xù)增長。

遙感可為黑臭水體長期監(jiān)測提供大范圍、動態(tài)、快速的技術(shù)手段，因而近年來發(fā)展迅速。本文通過分析黑臭水體和非黑臭水體在反射光譜、水體顏色以及固有光學(xué)量3個特征上存在的明顯差異，歸納了基于不同識別特征的識別算法： 基于反射光譜的閾值法(波段比值)、基于水體顏色的色度法及基于固有光學(xué)量的經(jīng)驗(yàn)算法(線性回歸)。其中色度法與固有光學(xué)量的經(jīng)驗(yàn)算法研究方興未艾，但模型較為復(fù)雜且需排除的干擾因素較多，仍需進(jìn)行大量的研究； 閾值法模型簡單、計算方便，目前是黑臭水體遙感識別的主流算法。

已有的黑臭水體遙感識別算法雖然已應(yīng)用于黑臭水體監(jiān)測，但仍存在一些問題： 從算法通用性來看，閾值法存在通用性低的問題，主要原因在于各地黑臭水體成因差異較大且數(shù)據(jù)量不足以充分顯示黑臭水體的光學(xué)特性，且星地同步實(shí)驗(yàn)難度較大，驗(yàn)證樣本有一定的隨機(jī)性； 從數(shù)據(jù)源來看，雖然目前遙感數(shù)據(jù)源眾多，但由于黑臭水體規(guī)模較小且可用數(shù)據(jù)獲取有一定難度，目前識別黑臭水體最主要的遙感數(shù)據(jù)來源局限在GF-1/2衛(wèi)星，且由于其波段限制，導(dǎo)致基于圖像自身信息的大氣校正不夠準(zhǔn)確； 從識別特征來看，部分黑臭水體和非黑臭水體在3種識別特征上可能存在稍許重疊，從而導(dǎo)致識別特征的精確度存在不足。

由此可見，黑臭水體遙感監(jiān)測存在較大需求，研究工作已有一定進(jìn)展，但還遠(yuǎn)不能滿足全國性、長期性的業(yè)務(wù)化監(jiān)測需求，仍存在較多難點(diǎn)與挑戰(zhàn)。結(jié)合已有算法存在的問題，本文對今后的研究提出以下幾點(diǎn)展望：

1)進(jìn)一步挖掘和豐富黑臭水體的識別特征。在水質(zhì)反演中，有研究提出反射光譜曲線形態(tài)特征，包括極值、對稱度、光譜編碼、三階導(dǎo)數(shù)等作為模型變量，實(shí)現(xiàn)pH值、鉀與氯離子比值、鎂離子與堿度比值等水質(zhì)參數(shù)的反演[67]。通過反射光譜曲線形態(tài)特征可放大水體中不同物質(zhì)之間的差別，有助于挖掘新的識別特征。申茜等[68]分析反射率曲線極大值、極小值和拐點(diǎn)對應(yīng)的特征波長，結(jié)合浮游植物色素的吸收光譜和太湖水體特有的組成成分給出了水體反射率在350～900 nm波段范圍內(nèi)18個特征波長，豐富的特征波長有利于建立更精確的水質(zhì)反演模型。水體黑臭的形成是由多方面的因素相互作用的結(jié)果，需要設(shè)計實(shí)施嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)來探究黑臭水體形成機(jī)理，而遙感技術(shù)作為一種遠(yuǎn)程監(jiān)測技術(shù)，主要以獲取水體遙感反射率作為數(shù)據(jù)基礎(chǔ)，所以從水體光學(xué)特性深入研究黑臭水體的形成機(jī)理，進(jìn)一步挖掘和豐富黑臭水體的識別特征將成為未來黑臭水體遙感識別的重要內(nèi)容。

2)進(jìn)行反射光譜分類。基于反射光譜的識別算法對于區(qū)分黑臭水體與非黑臭水體的效果最好，但在不同地域不同季節(jié)仍然表現(xiàn)出有限的適應(yīng)性，影響算法整體識別精度，同樣這種情況也出現(xiàn)在藻藍(lán)蛋白反演上。郭一洋等[69-70]采用先分類再反演的策略，首先采用逐步迭代的K均值聚類方法進(jìn)行光譜分類，然后分別對每一類反射光譜建立最適用于該類的反演模型，通過檢驗(yàn)證明分類再反演有效地提高了反演精度。不少研究者對黑臭水體的反射光譜也進(jìn)行分類，但并沒有針對每一類反射光譜建立不同的識別模型[15,40]。未來擴(kuò)大黑臭水體采樣規(guī)?；蛘夏壳耙延械暮诔羲w反射光譜，建立全國黑臭水體光譜庫，尋找最佳分類策略進(jìn)行科學(xué)分類，建立相應(yīng)的識別模型，將極大地提高識別算法精度。

3)運(yùn)用機(jī)器學(xué)習(xí)算法。目前采用的經(jīng)驗(yàn)算法雖然計算簡捷，但由于遙感反射率與黑臭水體各特征相關(guān)性得不到有效證明，導(dǎo)致經(jīng)驗(yàn)算法移植性不高。在大數(shù)據(jù)時代，機(jī)器學(xué)習(xí)算法致力于研究如何通過計算的手段，利用大量數(shù)據(jù)來改善系統(tǒng)自身性能[71]。常用的機(jī)器學(xué)習(xí)算法有人工神經(jīng)網(wǎng)絡(luò)(artificial neural network, ANN)、支持向量機(jī)(support vector machines, SVM)、隨機(jī)森林(random forest, RF)等。機(jī)器學(xué)習(xí)算法在遙感分類反演方面已有一定應(yīng)用，Kim等[72]利用GOCI衛(wèi)星數(shù)據(jù)基于隨機(jī)森林和支持向量機(jī)等機(jī)器學(xué)習(xí)算法對葉綠素和懸浮顆粒物等水質(zhì)參數(shù)進(jìn)行反演，其中反演葉綠素的決定系數(shù)R2為0.91、懸浮物的R2為0.98。孫駟陽[73]利用多種機(jī)器學(xué)習(xí)算法構(gòu)建總氮、總磷、氨氮和COD這4種水質(zhì)參數(shù)的反演模型，發(fā)現(xiàn)R2高于0.99。黑臭水體的評價指標(biāo)包括透明度、溶解氧、氨氮等，對這些指標(biāo)反演精度高的機(jī)器學(xué)習(xí)算法將對黑臭水體的識別研究有較大幫助。