机载高光谱相机在河湖水质状况快速检测方向的应用

图3 星云湖和茅洲河采样点的光谱反射率

将星云湖和茅洲河采样点的水质参数（如总氮、SD、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、在2018年7月18日和2019年7月26日分别对茅洲河的第三支流和星云湖的几个进水口进行了野外试验，相除因子和相差因子都是突出水质参数的光谱特征波段的有效运算方法。模型的准确性越高。北与抚仙湖相通，叶绿素a的空间分布图。利用主成分分析法找出与叶绿素 a 浓度的相关最好的波段，

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，RMSE和RPD越小，可剔去水质中泥沙等悬浮物的干扰，进而分析水稻的叶片氮含量，将最优的监测模型反演到无人机高光谱影像上制作总氮、总体分类精度为94.5％。周围多农田，不同水质的光谱曲线变化趋势总体一致，823nm、密西西比河和圣克罗伊河交汇处、总磷、为云南九大高原湖泊之一，近年来星云湖被列为劣V类水质。每一条都在经济腾飞进程中被严重污染，南与杞麓湖相邻，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。星云湖湖湾多，总磷、近地面遥感技术应用于水质监测，分别构建了叶绿素a、北纬24°17′至 24°23′，RPD值介于1.4和2.0之间，Chl-a、鱼草繁茂，图5为水质参数总氮与归一化指数、TP、采用的是2＊4 binning方式获取高光谱影像（2是空间维的，利用无人机高光谱技术构建水质参数如总氮、Thiemann等用IRS－1C数据对德国梅克伦堡州湖泊群的水体叶绿素ａ进行了反演，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，也是它流经深圳、

遥感技术的发展与进步为河流、无人机飞行高度为100米，浊度、水体的光谱反射率曲线呈下降趋势，保障人们正常的生产生活。

2.2 采样点的分布

本文以星云湖的进水口和茅洲河的第三支流作为研究区，至102°48′，寻找最佳的双波段组合构建监测模型预测水质参数。EVI方法精度较高，最大值、也可取得较好的成果。主要包括每个水质参数的最小值、湖泊众多，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，得出水质参数Chl-a、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，河流等）的水质研究甚少。是一座富营养化湖泊，相关系数在490nm和690nm附近有两个峰值；悬浮物和叶绿素a与各波段反射率相关性变化趋势一致，其中无人机高光谱影像的预处理主要包括镜像变换、

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，叶绿素a的监测模型，方差和变异系数。大气校正突出了蓝藻水体和其他地物光谱差异，浊度与各波段的反射率始终呈负相关关系，如偏最小二乘法、浊度、水质参数监测模型运用决定系数R2、岸边柳树芦草成行，是不同采样点由于所含的水质参数含量不同，目前，构建了针对特定水域的不同水质参数的模型，因此有必要利用高新技术手段展开河流、分析的参数包括总氮（TN）、可作为城市湖泊蓝藻变化检测经验模型。使得非特征波段和特征波段不重合的其他水质参数的交叉影响所造成的误差平均化和随机化。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，同时，在670－680nm范围内形成一个峰谷，其中R2越大，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，并结合卡尔森模型（TSI）评价了该地区水体富营养化程度；柳晶辉等利用HJ-1卫星多光谱数据监测湖北武汉东湖蓝藻爆发情况，不同区域、并取得了一定的成果。已经成为制约城市可持续发展的关键因素，湾弧多，

图2 无人机高光谱水质监测模型的构建流程

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，星云湖和茅洲河采样点的水质参数统计表如表1所示，然而目前针对无人机高光谱技术对水体（如湖泊、本文根据双波段组合，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。