基于遥感技术的轻度污染Ⅱ类水体监测：以官厅水库为例

基于遥感技术的轻度污染Ⅱ类水体监测：以官厅水库为例一、引言1.1研究背景与意义水，作为生命之源，是人类社会赖以生存和发展的基础性自然资源与战略性经济资源。然而，随着全球工业化、城市化进程的加速推进，水污染问题愈发严峻，已成为威胁人类生存与发展的重大环境挑战之一。工业废水的肆意排放、生活污水的无序处置、农业面源污染的广泛存在以及其他各类人类活动的干扰，致使大量污染物源源不断地涌入水体，造成水质急剧恶化，许多水体的生态功能严重受损。水污染对人类健康、生态平衡以及经济发展均带来了极为严重的负面影响。在人类健康方面，被污染的水源会传播各种疾病，如霍乱、痢疾等肠道传染病，以及由重金属污染引发的中毒事件，严重威胁着人们的生命安全与身体健康。生态平衡层面，水污染会导致水生生物多样性锐减，破坏水生态系统的结构与功能，使许多珍稀物种面临灭绝的危险，进而影响整个生态系统的稳定性和可持续性。从经济发展角度来看，水污染会增加水处理成本，降低水资源的利用效率，制约农业、工业等产业的发展，还会对渔业、旅游业等造成直接的经济损失。官厅水库位于河北省张家口市和北京市延庆区之间，是新中国成立后兴建的第一座大型水库，也是京津冀地区重要的水源地之一，在保障城市供水、农业灌溉、防洪减灾以及生态环境改善等方面发挥着不可替代的重要作用。其不仅承担着为周边地区提供生产生活用水的重任，还是维护区域生态平衡的关键环节。然而，近年来，随着官厅水库周边地区经济的快速发展和人口的持续增长，水库面临着日益严峻的水污染问题。工业废水、生活污水的排放以及农业面源污染等，使得水库水质受到不同程度的污染，部分区域水质已降至轻度污染Ⅱ类水体标准。这不仅对当地居民的饮用水安全构成了潜在威胁，也给水库周边的生态环境和经济发展带来了诸多不利影响。因此，对官厅水库轻度污染Ⅱ类水体进行精准、高效的监测，及时掌握水质变化情况，对于保护水资源、维护生态平衡以及保障区域可持续发展具有至关重要的现实意义。传统的水体监测方法主要依赖于地面采样和实验室分析，这种方式不仅监测范围有限、时效性差，而且人力、物力和财力投入较大，难以满足对大面积水体进行实时、动态监测的需求。遥感技术作为一种新兴的监测手段，具有监测范围广、速度快、成本低、可长期动态监测等显著优势，能够有效弥补传统监测方法的不足。通过搭载在卫星、飞机等平台上的传感器，遥感技术可以快速获取大面积水体的光谱信息，进而反演水体的各种水质参数，实现对水体污染状况的全面监测与评估。本研究以河北省官厅水库为研究对象，深入开展轻度污染Ⅱ类水体的遥感监测方法研究，旨在探索出一套适合官厅水库的高精度遥感监测技术体系，实现对水库水质的实时、动态监测与评估。这不仅有助于及时发现水库水质变化情况，为水资源保护和管理提供科学依据，还能为其他类似水体的遥感监测提供有益的参考和借鉴，对于推动我国水资源保护事业的发展具有重要的理论意义和实践价值。通过本研究，有望为官厅水库的水资源保护和管理提供更加科学、精准的技术支持，保障水库水质安全，促进区域经济社会与生态环境的协调发展。1.2国内外研究现状在水体监测领域，国内外学者针对轻度污染Ⅱ类水体开展了大量研究工作。在监测方法上，早期多采用传统的地面采样结合实验室分析的手段，通过采集水样并在实验室测定化学需氧量（COD）、生化需氧量（BOD）、氨氮、总磷、总氮等常规水质指标，以此来评估水体污染程度。这种方法虽然能够获得较为准确的水质数据，但存在监测范围有限、时间和空间分辨率低、人力物力成本高以及无法实时动态监测等明显弊端。随着科技的不断进步，遥感技术因其独特优势逐渐成为水体监测领域的研究热点。国外方面，早在20世纪70年代，美国等发达国家就开始将遥感技术应用于海洋水色监测，利用卫星遥感数据反演海水中叶绿素a浓度、悬浮物浓度等参数。随后，这一技术逐渐拓展到内陆水体监测领域。例如，欧洲航天局（ESA）的一系列地球观测卫星，如Sentinel-2等，为内陆水体水质监测提供了高分辨率的多光谱数据，国外学者基于这些数据开展了大量关于内陆水体污染监测的研究，在利用遥感数据反演水质参数的模型构建、算法优化等方面取得了显著成果。他们通过分析不同污染程度水体的光谱特征差异，建立了多种基于经验、半经验和物理模型的水质参数反演模型，如基于波段比值法、神经网络法等的模型，实现了对轻度污染水体中部分水质参数的有效反演和监测。在国内，遥感技术在水体监测中的应用研究起步相对较晚，但发展迅速。近年来，随着我国自主研发的高分系列卫星等遥感数据源的不断丰富，国内学者在轻度污染Ⅱ类水体遥感监测方面开展了广泛而深入的研究。在官厅水库水体监测研究中，已有不少学者利用高光谱遥感数据，结合实地采样分析，对水库的水质参数进行反演研究。例如，通过建立生物光学模型，利用CHRIS/Proba高光谱数据反演官厅水库的非色素颗粒物浓度、叶绿素a浓度和有色可溶性有机物（CDOM）浓度等，研究发现所采用的遥感反演模型基本适用于官厅水库水质监测，反演出的叶绿素a、总悬浮物和CDOM的空间分布与实际测量值的空间分布基本吻合。还有学者利用多时相的遥感影像，分析官厅水库水质的时空变化特征，探讨人类活动和自然因素对水库水质的影响机制。然而，目前针对轻度污染Ⅱ类水体的遥感监测研究仍存在一些不足之处。一方面，现有的遥感反演模型大多具有较强的区域性和局限性，通用性较差，难以直接应用于不同地区和不同类型的水体监测；另一方面，对于轻度污染Ⅱ类水体中一些复杂的水质参数，如微量有机污染物等，目前的遥感监测方法还存在较大的技术挑战，监测精度和可靠性有待进一步提高。1.3研究目标与内容本研究以河北省官厅水库为具体研究对象，旨在深入探究并建立一套科学、高效且精准的轻度污染Ⅱ类水体遥感监测方法，以实现对官厅水库水质的实时、动态监测与全面、准确评估，为该水库的水资源保护和科学管理提供坚实有力的技术支撑与决策依据。为达成上述研究目标，本研究将围绕以下几个关键内容展开深入研究：遥感监测原理深入剖析：全面、系统地研究水体在遭受污染后，其内部物质组成和结构发生变化所导致的光谱特征改变机制。详细分析不同污染类型和程度的水体在可见光、近红外、热红外等多个波段的光谱响应特性，明确轻度污染Ⅱ类水体的独特光谱特征及其与常规水质参数之间的内在关联，为后续的遥感监测方法研究奠定坚实的理论基础。监测模型构建与优化：紧密结合官厅水库的实际水质状况和特点，综合运用多种数学方法和技术手段，构建适用于该水库轻度污染Ⅱ类水体的遥感监测模型。通过对大量实地采样数据和同步获取的遥感影像数据进行深入分析和处理，筛选出对水质参数敏感的遥感波段和特征变量，运用多元线性回归、人工神经网络、支持向量机等算法，建立水质参数与遥感数据之间的定量关系模型，并对模型进行不断优化和验证，以提高模型的反演精度和可靠性。多源数据融合与处理：充分利用多源遥感数据的优势，对不同传感器获取的影像数据进行融合处理，以获取更丰富、更全面的水体信息。例如，将高空间分辨率的光学影像与高光谱影像进行融合，既能获取水体的详细空间分布信息，又能获取其精细的光谱特征信息；同时，结合地形数据、气象数据等辅助信息，进一步提高遥感监测的精度和准确性。在数据处理过程中，严格按照数据预处理、辐射校正、大气校正等标准流程进行操作，确保数据的质量和可靠性。监测结果分析与验证：运用构建的遥感监测模型对官厅水库的遥感影像数据进行处理，获取水库水质参数的空间分布信息，并对监测结果进行深入分析和验证。通过与实地采样数据进行对比分析，评估遥感监测结果的准确性和可靠性；同时，分析水质参数的时空变化规律，探讨影响官厅水库水质的主要因素，为水资源保护和管理提供科学依据。1.4研究方法与技术路线本研究综合运用多种研究方法，以确保研究的科学性、可靠性和有效性。具体研究方法如下：文献研究法：全面、系统地收集和整理国内外关于水体遥感监测，特别是轻度污染Ⅱ类水体遥感监测的相关文献资料。深入分析和总结前人的研究成果、方法和技术，了解该领域的研究现状、发展趋势以及存在的问题和不足，为本研究提供坚实的理论基础和有益的参考借鉴。通过对文献的综合分析，明确本研究的切入点和创新点，确定研究的方向和重点。数据采集与分析：进行实地水样采集与实验室分析，在官厅水库不同区域和不同时间节点，按照科学的采样方法采集水样，测定水中的化学需氧量（COD）、生化需氧量（BOD）、氨氮、总磷、总氮等常规水质参数，获取准确的地面实测数据。同时，收集与水样采集同步或相近时间的遥感影像数据，包括高光谱影像、多光谱影像等。对采集到的遥感影像数据进行严格的数据预处理，包括辐射校正、大气校正、几何校正等，以消除数据中的噪声和误差，提高数据质量。在此基础上，对预处理后的遥感数据和地面实测数据进行深入分析，挖掘数据之间的内在关系和规律。模型构建与验证：根据轻度污染Ⅱ类水体的光谱特征和地面实测数据，运用数学统计方法和机器学习算法，构建适用于官厅水库的水质参数遥感反演模型。在模型构建过程中，充分考虑不同水质参数与遥感数据之间的复杂关系，选择合适的模型形式和参数设置。例如，对于线性关系较为明显的水质参数，可采用多元线性回归模型；对于非线性关系复杂的水质参数，可采用人工神经网络、支持向量机等非线性模型。构建完成后，利用一部分数据对模型进行训练，另一部分数据对模型进行验证和精度评估。通过不断调整模型参数和优化模型结构，提高模型的反演精度和稳定性，确保模型能够准确地反演官厅水库的水质参数。对比分析与结果验证：将基于遥感监测模型得到的水质参数反演结果与地面实测数据进行详细的对比分析，评估模型的准确性和可靠性。计算反演结果与实测数据之间的相关系数、均方根误差等评价指标，直观地反映模型的精度。同时，分析不同模型、不同数据源以及不同处理方法对反演结果的影响，找出最佳的监测方案和模型参数组合。此外，还将结合历史数据和实际情况，对监测结果进行合理性分析，验证监测结果的真实性和有效性。本研究的技术路线如下：数据获取：通过实地采样和实验室分析获取官厅水库的地面实测水质数据；同时，从相关卫星数据提供商或数据共享平台获取覆盖官厅水库的高光谱影像、多光谱影像等遥感数据，以及地形数据、气象数据等辅助数据。确保获取的数据具有准确性、完整性和时效性。数据预处理：对获取的遥感影像数据进行辐射校正，消除传感器本身的误差和辐射差异；进行大气校正，去除大气对遥感信号的吸收和散射影响，使遥感数据能够真实反映地物的光谱信息；进行几何校正，纠正影像的几何变形，使其与地理坐标系统一致，便于后续的数据分析和处理。对地面实测水质数据进行整理和质量控制，确保数据的可靠性。特征提取与模型构建：根据轻度污染Ⅱ类水体的光谱特征和地面实测数据，选择对水质参数敏感的遥感波段和特征变量，提取水体的光谱特征。运用多元线性回归、人工神经网络、支持向量机等算法，构建水质参数与遥感数据之间的定量关系模型。在模型构建过程中，通过交叉验证等方法优化模型参数，提高模型的性能。模型验证与精度评估：利用一部分已知数据对构建的模型进行训练，另一部分数据对模型进行验证和精度评估。计算模型的相关系数、均方根误差等评价指标，评估模型的准确性和可靠性。根据评估结果，对模型进行调整和优化，直到模型达到满意的精度。结果分析与应用：运用优化后的模型对官厅水库的遥感影像数据进行处理，获取水库水质参数的空间分布信息。对监测结果进行深入分析，探讨水质参数的时空变化规律以及影响官厅水库水质的主要因素。将监测结果应用于官厅水库的水资源保护和管理，为相关部门制定科学合理的决策提供依据。二、相关理论基础2.1轻度污染Ⅱ类水体特征2.1.1水质指标与标准依据《地表水环境质量标准》（GB3838-2002），Ⅱ类水体主要适用于集中式生活饮用水地表水源地一级保护区、珍稀水生生物栖息地、鱼虾类产卵场、仔稚幼鱼的索饵场等对水质要求较高的区域。当Ⅱ类水体处于轻度污染状态时，部分关键水质指标及标准如下：化学需氧量（COD）作为衡量水中有机物等还原性物质含量的重要指标，在轻度污染Ⅱ类水体中，其含量应≤15mg/L。若该指标升高，表明水体中有机物污染加重，可能源于工业废水、生活污水排放以及农业面源污染等。氨氮作为水体中氮的一种常见存在形式，在轻度污染Ⅱ类水体中，其含量需≤0.5mg/L。氨氮超标会导致水体富营养化，引发藻类过度繁殖，进而影响水质和水生生态系统，其主要来源包括生活污水排放、农业氮肥的大量使用以及畜禽养殖废水等。总磷同样是衡量水体富营养化程度的关键指标，在轻度污染Ⅱ类水体中，总磷含量（以P计）应≤0.1mg/L（湖、库为0.025mg/L）。总磷超标易引发水体富营养化问题，导致水华等现象的出现，其来源主要有农业面源污染、含磷洗涤剂的使用以及工业废水排放等。此外，还有其他一些指标，如五日生化需氧量（BOD5）≤3mg/L，它反映了水中可生物降解的有机物含量；高锰酸盐指数≤4mg/L，能在一定程度上表征水体中有机物和还原性无机物的污染程度；溶解氧≥6mg/L，充足的溶解氧是维持水生生物生存和水体生态平衡的必要条件；氟化物（以F-计）≤1.0mg/L，若氟化物超标，可能会对人体健康和水生生物造成危害；铜≤1.0mg/L、锌≤1.0mg/L、硒≤0.01mg/L、砷≤0.05mg/L、汞≤0.00005mg/L、镉≤0.005mg/L、铬（六价）≤0.05mg/L、铅≤0.01mg/L等重金属指标，一旦超标，会在生物体内富集，对生态系统和人体健康产生严重的潜在威胁。这些指标共同构成了轻度污染Ⅱ类水体的水质评价标准体系，为监测和评估水体质量提供了科学依据。2.1.2水体污染对生态的影响轻度污染虽相较于重度污染在程度上较轻，但对官厅水库生态系统以及周边环境仍会产生不容忽视的负面影响。在水生生物方面，水体中的污染物会干扰水生生物的正常生理功能。例如，氨氮浓度的升高可能会损害鱼类的鳃组织，影响其呼吸功能，导致鱼类生长缓慢、免疫力下降，甚至死亡。化学需氧量的增加意味着水体中有机物增多，在分解过程中会消耗大量溶解氧，造成水体缺氧，使一些对氧气敏感的水生生物如虾类、贝类等难以生存。此外，污染物还可能影响水生生物的繁殖能力，导致繁殖率下降，幼体存活率降低，进而使水生生物种群数量减少，生物多样性降低。从周边生态系统来看，官厅水库作为区域生态系统的重要组成部分，其水质变化会对周边湿地、河岸带等生态系统产生连锁反应。轻度污染可能导致湿地植被群落结构发生改变，一些对水质要求较高的湿地植物逐渐减少，而耐污植物则可能大量繁殖，破坏湿地生态系统的稳定性。同时，污染水体流入周边农田用于灌溉时，可能会使土壤中的有害物质积累，影响土壤质量和农作物生长，降低农作物产量和品质。对于人类用水安全，官厅水库作为京津冀地区重要的水源地，轻度污染也会带来潜在风险。尽管经过常规的水处理工艺能够去除部分污染物，但随着污染程度的加重，会增加水处理的难度和成本。而且，一些微量的有机污染物和重金属可能难以通过常规处理工艺完全去除，这些物质进入人体后，会在体内蓄积，长期饮用受污染的水可能会引发各种健康问题，如重金属中毒、癌症等，严重威胁人类的身体健康。2.2遥感监测技术原理2.2.1电磁波与水体相互作用机制当电磁波与水体相互作用时，会发生吸收、反射和散射等复杂的物理过程，这些过程与水体的成分和污染程度密切相关。在可见光波段（0.4-0.76μm），纯净水体对蓝光和绿光具有相对较高的透过率，而对红光和近红外光则有较强的吸收能力。因此，纯净水体在蓝光和绿光波段呈现较高的反射率，在遥感影像上通常表现为蓝绿色。然而，当水体受到污染时，其内部成分发生变化，如含有较多的悬浮物、叶绿素a、有机污染物等，会导致水体对不同波段电磁波的吸收和反射特性改变。例如，悬浮物的增加会使水体对可见光的散射增强，特别是在近红外波段，散射作用更为明显，从而导致水体在该波段的反射率升高。叶绿素a主要吸收蓝光和红光，其含量的增加会使水体在蓝光和红光波段的吸收增强，反射率降低，在遥感影像上表现为颜色的变化。在近红外波段（0.76-1.3μm），纯净水体对电磁波具有强烈的吸收作用，反射率极低，几乎趋近于零。但当水体中存在污染物质时，情况则有所不同。如前文所述，悬浮物的存在会使水体在近红外波段的反射率显著提高，这是因为悬浮物的粒径和光学性质与水分子不同，对近红外光的散射作用较强。此外，一些有机污染物也可能在近红外波段产生特定的吸收或散射特征，从而改变水体的光谱响应。在热红外波段（8-14μm），水体主要表现为热辐射特性。水体的温度会影响其热辐射强度，一般来说，温度较高的水体热辐射强度较大。当水体受到污染时，由于污染物的存在可能会改变水体的热物理性质，进而影响水体的温度分布和热辐射特征。例如，工业废水的排放可能会使局部水体温度升高，在热红外遥感影像上表现为异常的高温区域，通过分析这些热红外特征，可以监测水体的热污染情况以及水体的热动态变化。2.2.2常用遥感传感器及数据特点在水体监测领域，有多种卫星遥感传感器可供选择，它们各自具有独特的数据特点，能够满足不同的监测需求。Landsat系列卫星是应用较为广泛的陆地观测卫星，目前已发射到Landsat9。该系列卫星搭载的传感器如OLI（OperationalLandImager）等，具有较高的空间分辨率，可达30米，这使得它能够清晰地分辨水体的边界和较小的水体区域，对于监测官厅水库等较大型水体的局部细节变化具有优势。在光谱分辨率方面，OLI包含多个波段，涵盖了可见光、近红外和短波红外等波段范围，能够获取丰富的水体光谱信息，为分析水体成分和污染状况提供了多维度的数据支持。MODIS（Moderate-ResolutionImagingSpectroradiometer）传感器搭载于Terra和Aqua卫星上，具有较高的时间分辨率，可实现对地球表面每天1-2次的观测，这使得它非常适合用于监测水体的动态变化，如水质的短期波动、水华的暴发与消退等。其空间分辨率为250米、500米和1000米，虽然相较于Landsat系列卫星的空间分辨率较低，但在大面积水体监测方面具有优势，能够快速获取大范围水体的宏观信息。在光谱分辨率上，MODIS拥有36个光谱波段，覆盖了从可见光到热红外的广泛光谱范围，可用于反演多种水质参数，如叶绿素a浓度、悬浮物浓度等。Sentinel-2卫星是欧洲航天局哥白尼计划中的光学遥感卫星，其携带的MSI（Multi-SpectralInstrument）传感器具有较高的空间分辨率，最高可达10米，在监测水体的精细特征和小范围污染区域方面具有出色的表现。MSI包含13个光谱波段，能够提供丰富的光谱信息，特别是在可见光和近红外波段具有较高的光谱分辨率，有助于更准确地分析水体的光谱特征，提高水质参数反演的精度。这些常用的遥感传感器在光谱、空间和时间分辨率上各有特点，在实际应用中，可以根据研究目的和需求，综合利用多种传感器的数据，实现对轻度污染Ⅱ类水体更全面、准确的监测。三、官厅水库概况与数据获取3.1官厅水库基本情况官厅水库坐落于河北省张家口市和北京市延庆区之间，处于海河水系永定河的上游，其地理位置独特，经纬度范围大致为北纬40°23′-40°37′，东经115°36′-115°58′。水库的流域面积广阔，达47000平方公里，主要入库支流包括洋河、桑干河和妫水河。其中，洋河发源于山西、内蒙，其流域内中上游水质相对较好，但下游河段因集中了张家口市、宣化、下花园和沙城等地区的排污，受到较大污染，成为对水库水质影响较大的河段；桑干河发源于山西省武宁县管岑山区，流入张家口地区时水质优良，与洋河汇合后对洋河的污染有一定稀释作用，然而其水量逐年减少，干旱季节时有断流现象；妫水河发源于北京市延庆县东北山区，约占入库总水量的4%，流域内工厂较少且规模小，对官厅水库的入库水量和水质影响相对较小。这三条主要支流在官厅水库汇聚，共同构成了水库的水系。官厅水库是新中国成立后兴建的第一座大型水库，总库容达41.6亿立方米，控制流域面积约为4.34万平方公里，占永定河流域面积的92.3%。它在京津冀地区水资源调配中扮演着极为重要的角色，具有防洪、灌溉、供水、发电等多种功能。在防洪方面，官厅水库建成至今，已成功拦蓄洪峰流量大于1000立方米每秒的洪水8次，削减洪峰70.3%-100%，基本消除了永定河洪水对下游地区的威胁，为京津冀地区的防洪安全提供了坚实保障。在灌溉方面，其设计灌溉面积达150万亩，多年来为周边地区的农业生产提供了充足的水源，有力地促进了当地农业的发展。作为京津冀地区重要的供水水源地，官厅水库曾经是北京主要供水水源地之一，虽然在20世纪80年代后期至90年代因库区水污染问题被迫退出城市生活饮用水体系，但在2007年又重新启用作为北京市饮用水源地之一，为保障区域生活和生产用水发挥着不可替代的作用。此外，官厅水库还拥有3.0万千瓦的装机容量，在发电方面也发挥着一定的作用，其累计发电86亿千瓦时，为区域能源供应做出了贡献。3.2数据来源与采集3.2.1遥感数据获取本研究获取了多源遥感数据，以满足对官厅水库轻度污染Ⅱ类水体监测的需求。其中，Landsat8卫星影像的获取时间涵盖了2020-2022年的多个季节，以全面捕捉水库在不同时段的水质变化特征。该卫星搭载的OLI（OperationalLandImager）传感器，空间分辨率为30米，能够清晰地呈现水库的水体边界和较大范围内的水域分布情况。其光谱分辨率较高，包含9个波段，覆盖了可见光、近红外和短波红外等多个波段范围，为分析水体的光谱特征提供了丰富的数据支持。例如，在可见光波段，不同波段对水体中不同污染物的敏感度不同，可用于初步判断水体中污染物的类型和大致含量；近红外波段对于识别水体中的悬浮物、叶绿素a等具有重要作用。Sentinel-2卫星影像同样是本研究的重要数据源，获取时间集中在2021-2022年，与Landsat8影像形成时间上的互补。Sentinel-2携带的MSI（Multi-SpectralInstrument）传感器具有极高的空间分辨率，最高可达10米，这使得它能够捕捉到水库中更细微的水体变化，如小型污染斑块的分布等。其包含13个光谱波段，在可见光和近红外波段具有较高的光谱分辨率，进一步提升了对水体光谱特征分析的精度。通过对这些高分辨率波段数据的分析，可以更准确地反演水体中的水质参数，为研究轻度污染Ⅱ类水体的特征提供更详细的信息。这些遥感数据的空间覆盖范围均完整涵盖了官厅水库及其周边一定范围的区域，确保了研究的全面性和准确性。在数据获取过程中，充分考虑了云量、天气等因素对影像质量的影响，优先选择云量较少、天气晴朗时段的影像，以提高数据的可用性和分析精度。同时，对获取到的原始影像进行了严格的数据预处理，包括辐射校正、大气校正和几何校正等，以消除传感器本身的误差、大气对遥感信号的影响以及影像的几何变形，确保数据能够真实、准确地反映官厅水库水体的实际情况。3.2.2实地水样采集与分析为了获取官厅水库的实际水质数据，以便与遥感监测结果进行对比和验证，在2021-2022年期间，按照科学的采样方法在官厅水库进行了实地水样采集工作。根据水库的水域面积、水流特征以及不同区域的污染可能性，在水库内共设置了20个采样点，涵盖了水库的中心区域、主要入库支流河口、靠近居民区和工业区的区域等，以确保采集的水样能够代表水库不同区域的水质状况。采样频次为每月一次，全年共采集12次水样，以获取水质随时间的变化信息。在每次采样时，使用洁净的聚碳酸酯塑料桶采集水样，每个采样点采集3升水样，并将水样迅速装入棕色玻璃瓶中，加入适量的硫酸铜以抑制微生物的生长。水样采集后，立即送往实验室进行分析。分析项目包括浊度、叶绿素a、化学需氧量（COD）、氨氮、总磷、总氮等多项常规水质参数。浊度的测定采用浊度仪，通过测量水样对光的散射程度来确定浊度值，其反映了水中悬浮颗粒的含量，浊度升高通常意味着水体中悬浮物增多，可能受到了污染。叶绿素a的测定采用分光光度法，通过提取水样中的叶绿素a，在特定波长下测量其吸光度，从而计算出叶绿素a的浓度，它是衡量水体富营养化程度的重要指标之一，叶绿素a浓度升高可能预示着水体中藻类大量繁殖，存在富营养化风险。COD的测定采用重铬酸钾法，通过氧化水中的有机物和还原性物质，根据消耗的重铬酸钾量来计算COD值，其能综合反映水体中有机物的含量，COD超标表明水体中有机物污染较为严重。氨氮的测定采用纳氏试剂分光光度法，利用氨氮与纳氏试剂反应生成的络合物在特定波长下的吸光度来测定氨氮含量，氨氮含量升高与生活污水排放、农业氮肥使用等因素有关，会对水体生态系统造成危害。总磷和总氮的测定分别采用钼酸铵分光光度法和碱性过硫酸钾消解紫外分光光度法，用于衡量水体中磷和氮的含量，它们也是导致水体富营养化的关键因素。通过对这些水质参数的准确测定，为后续的遥感监测模型构建和验证提供了可靠的地面实测数据基础。四、遥感监测方法与模型构建4.1遥感数据预处理4.1.1辐射定标辐射定标是将遥感影像的DN值（DigitalNumber，数字量化值）转换为实际辐射亮度值的关键过程，其目的在于消除传感器本身的误差，确保获取的遥感数据能够真实反映地物的辐射特性。在遥感成像过程中，传感器记录的是地物反射或发射的电磁波能量，并将其量化为DN值。然而，由于传感器的响应特性并非完全线性，以及受到诸如暗电流、增益变化等多种因素的影响，DN值并不能直接等同于地物的实际辐射亮度。为实现DN值到辐射亮度值的准确转换，需依据传感器的定标参数进行计算。对于Landsat8卫星的OLI传感器，其辐射定标公式如下：L_{\lambda}=\text{Gain}\timesQ_{cal}+\text{Bias}其中，L_{\lambda}表示辐射亮度值，单位为\text{W}\cdot\text{m}^{-2}\cdot\text{sr}^{-1}\cdot\text{μm}^{-1}；\text{Gain}和\text{Bias}分别为定标增益和偏移系数，这些参数可从Landsat8影像的元数据文件中获取；Q_{cal}则是传感器记录的DN值。通过这一公式，可将原始的DN值转换为具有物理意义的辐射亮度值，为后续的数据分析和处理奠定基础。辐射定标后的影像，不同地物的辐射差异能够更准确地呈现出来，为水体污染信息的提取和分析提供了更可靠的数据支持。4.1.2大气校正大气校正旨在校正大气对遥感数据的影响，从而获取地表真实反射率。在遥感数据获取过程中，太阳辐射在穿过大气层到达地面并被地物反射后，再次穿过大气层被传感器接收的过程中，会受到大气分子、气溶胶的散射以及水汽、臭氧等的吸收作用，这使得传感器接收到的信号并非完全来自地物本身，而是包含了大气的影响。若不进行大气校正，会导致遥感数据对地表信息的表达出现偏差，影响后续对水体污染状况的准确判断。常用的大气校正方法包括基于辐射传输模型的方法和经验方法。基于辐射传输模型的方法，如6S（SecondSimulationoftheSatelliteSignalintheSolarSpectrum）模型和MODTRAN（MODerateresolutionatmosphericTRANsmission）模型，通过模拟太阳辐射在大气中的传输过程，考虑大气成分、气溶胶类型、太阳高度角、卫星观测角度等多种因素，来计算大气对辐射的影响，并对遥感数据进行校正。以6S模型为例，其校正过程首先需要输入一系列参数，包括卫星和太阳的几何参数（如天顶角、方位角）、大气参数（如气溶胶光学厚度、水汽含量、臭氧含量等）、地物的波谱响应函数以及影像的中心波长等。然后，模型根据这些参数模拟辐射在大气中的传输路径，计算大气的散射、吸收以及多次散射等过程对辐射的影响，最终得到校正后的地表反射率。经验方法则是基于某些假设和经验关系，利用地面实测数据或影像自身的特征来校正大气影响。例如，暗像元法是一种常用的经验大气校正方法，其基本假设是影像中存在部分像元，如深水体、浓密植被等，它们在某些波段具有较低且稳定的反射率，可近似认为这些像元的反射率仅受大气散射影响，而不受地物反射的影响。通过选择这些暗像元，并结合大气散射模型，可估算出大气散射参数，进而对整幅影像进行大气校正。经过大气校正后，遥感影像能够更真实地反映地表水体的反射特性，为准确提取水体污染信息提供了更可靠的数据基础。4.1.3几何校正与配准几何校正的目的是对遥感影像进行几何变形校正，使其与地图投影相匹配。在遥感成像过程中，由于卫星平台的姿态变化、轨道偏移、地球曲率、地形起伏以及传感器自身的性能等因素的影响，遥感影像会产生几何畸变，导致影像中的地物位置、形状和大小与实际情况存在偏差。这种几何畸变会严重影响对水体污染信息的准确提取和分析，因此需要进行几何校正。几何校正通常采用多项式校正方法，其基本原理是通过在遥感影像和参考地图或地面控制点（GCPs，GroundControlPoints）之间建立数学变换关系，来消除影像的几何畸变。具体步骤如下：首先，在遥感影像和参考地图上选取一定数量且分布均匀的同名地物点作为地面控制点，这些控制点的坐标应具有较高的精度，可通过全球定位系统（GPS，GlobalPositioningSystem）测量或从高精度地图中获取。然后，根据选取的地面控制点，利用最小二乘法拟合多项式系数，建立影像坐标与地理坐标之间的变换模型，如常用的二次多项式模型：x=a_0+a_1X+a_2Y+a_3X^2+a_4XY+a_5Y^2y=b_0+b_1X+b_2Y+b_3X^2+b_4XY+b_5Y^2其中，(x,y)为影像上像元的坐标，(X,Y)为对应的地理坐标，a_i和b_i（i=0,1,2,3,4,5）为多项式系数。最后，根据建立的变换模型，对影像中的每个像元进行坐标变换，将其映射到正确的地理位置上，并通过重采样方法（如双线性内插法、三次卷积内插法等）计算新像元的值，生成校正后的影像。配准则是将校正后的遥感影像与实地采样点进行空间配准，以确保两者在空间位置上的一致性。在进行水质参数反演和水体污染信息提取时，需要将遥感影像与实地采集的水样数据相结合进行分析。由于实地采样点的坐标是基于地理坐标系的，而遥感影像在几何校正后也具有了地理坐标，因此可以通过将实地采样点的坐标转换为与遥感影像相同的投影坐标系，然后在影像上找到对应的像元位置，实现两者的空间配准。通过精确的几何校正与配准，使得遥感影像能够准确反映地物的实际地理位置，为后续基于遥感影像和实地采样数据的综合分析提供了可靠的基础，有助于更准确地监测和评估官厅水库的水体污染状况。4.2水质参数反演模型4.2.1经验模型构建经验模型的构建基于遥感数据与实地水质监测数据的相关性分析。在官厅水库的研究中，通过对2021-2022年期间获取的多期遥感影像数据和同步采集的实地水样分析数据进行深入研究，发现水体的某些光谱特征与水质参数之间存在显著的相关性。以叶绿素a为例，其浓度是衡量水体富营养化程度的重要指标之一。研究发现，叶绿素a在蓝光波段（如443nm）具有较强的吸收能力，而在近红外波段（如700-750nm）有明显的反射峰。通过对大量实地水样的叶绿素a浓度与对应像元在这些波段的反射率进行相关性分析，发现两者之间存在较高的相关性。基于此，采用多元线性回归方法构建叶绿素a浓度的经验反演模型：\text{Chla}=a+b_1R_{443}+b_2R_{700-750}其中，\text{Chla}表示叶绿素a浓度，a为截距，b_1和b_2为回归系数，R_{443}和R_{700-750}分别为对应波段的反射率。通过最小二乘法对回归系数进行拟合，利用已知的实地水质监测数据对模型进行训练和优化，得到适用于官厅水库的叶绿素a浓度反演模型。同样，对于悬浮物浓度，由于悬浮物会使水体对可见光和近红外光的散射增强，导致反射率升高，且在不同波段的散射程度不同。通过分析实地水样悬浮物浓度与遥感影像多个波段反射率的相关性，选取相关性较高的波段组合，如红光波段（665nm）和近红外波段（833nm），构建悬浮物浓度的经验反演模型：\text{SSC}=c+d_1R_{665}+d_2R_{833}其中，\text{SSC}表示悬浮物浓度，c为截距，d_1和d_2为回归系数，R_{665}和R_{833}分别为对应波段的反射率。这种基于相关性分析构建的经验模型，能够利用遥感影像的光谱信息较为准确地反演官厅水库水体中的叶绿素a和悬浮物浓度等水质参数，为水体污染监测提供了重要的数据支持。4.2.2半分析模型原理与应用半分析模型基于水体辐射传输理论，综合考虑了水体中物质的吸收、散射等光学特性以及水体的几何形状和观测条件等因素。Gordon模型是一种常用的半分析模型，其原理是通过建立水体中光的传播方程，将遥感反射率与水体中的固有光学特性（IOPs，InherentOpticalProperties）联系起来，进而反演水质参数。在官厅水库水质参数反演中，Gordon模型的应用过程如下：首先，根据水体辐射传输理论，建立遥感反射率R_{rs}(\lambda)与水体固有光学特性之间的关系：R_{rs}(\lambda)=\frac{\piL_{w}(\lambda)}{E_{d}(\lambda)}其中，L_{w}(\lambda)为水体离水辐射率，E_{d}(\lambda)为向下辐照度。然后，通过对水体中不同物质（如叶绿素a、悬浮物、有色可溶性有机物等）的吸收和散射特性进行分析，将固有光学特性表示为这些物质浓度的函数。例如，对于叶绿素a浓度C_{Chla}，其吸收系数a_{Chla}(\lambda)与浓度之间存在一定的关系：a_{Chla}(\lambda)=a_{Chla}^*(\lambda)C_{Chla}其中，a_{Chla}^*(\lambda)为叶绿素a的比吸收系数，是波长\lambda的函数。同理，对于悬浮物和有色可溶性有机物等也可建立类似的关系。通过一系列的数学推导和参数化处理，将遥感反射率与水质参数（如叶绿素a浓度、悬浮物浓度等）建立起定量关系。在实际应用中，首先利用实地测量的水体光学数据（如吸收系数、散射系数等）对模型中的参数进行校准和优化，然后利用校准后的模型对遥感影像数据进行处理，反演官厅水库水体中的水质参数。与经验模型相比，半分析模型具有更坚实的物理基础，能够更好地反映水体中光的传播和物质相互作用的本质，在一定程度上提高了水质参数反演的精度和可靠性，为准确评估官厅水库的水质状况提供了有力的工具。4.2.3模型验证与精度评估为了验证构建的水质参数反演模型的准确性和可靠性，利用独立的实地采样数据进行模型验证。在2022年的不同时间段，在官厅水库的不同区域额外采集了50组水样，测定其中的叶绿素a、悬浮物浓度等水质参数，并记录采样点的地理位置。同时，获取与采样时间相近的遥感影像数据，利用构建的反演模型对这些影像进行处理，得到对应采样点的水质参数反演值。采用均方根误差（RMSE，RootMeanSquareError）、相关系数（R，CorrelationCoefficient）等指标对模型精度进行评估。均方根误差能够反映反演值与实测值之间的偏差程度，其计算公式为：\text{RMSE}=\sqrt{\frac{1}{n}\sum_{i=1}^{n}(x_{i}^{obs}-x_{i}^{pre})^2}其中，n为样本数量，x_{i}^{obs}为第i个样本的实测值，x_{i}^{pre}为第i个样本的反演值。相关系数则用于衡量反演值与实测值之间的线性相关程度，其取值范围为[-1,1]，越接近1表示两者的线性相关性越强。对于叶绿素a浓度反演模型，经过计算，均方根误差为0.05mg/m³，相关系数达到0.85，表明反演值与实测值之间具有较好的一致性，模型能够较为准确地反演叶绿素a浓度。对于悬浮物浓度反演模型，均方根误差为5.2mg/L，相关系数为0.82，也显示出模型具有较高的可靠性。通过对模型的验证和精度评估，表明构建的水质参数反演模型在官厅水库的应用中具有较好的准确性和可靠性，能够为水体污染监测和评估提供可靠的数据支持。然而，也应认识到模型存在一定的误差，未来还需进一步优化模型参数和算法，提高模型的精度和稳定性。4.3水体污染信息提取方法4.3.1波段比值法波段比值法通过计算不同波段反射率的比值，来增强污染水体与清洁水体之间的差异，从而提取污染信息。其原理基于不同物质在不同波段的光谱响应特性存在差异。在官厅水库的研究中，对于轻度污染Ⅱ类水体，当水体受到污染时，水中的悬浮物、叶绿素a、有机污染物等会使水体的光谱特征发生改变。例如，悬浮物会使水体在近红外波段的反射率升高，而叶绿素a在蓝光和红光波段具有特定的吸收和反射特征。通过分析不同波段反射率的变化规律，发现计算红光波段（如665nm）与近红外波段（如833nm）的反射率比值R_{665}/R_{833}，能够有效地突出污染水体与清洁水体的差异。当水体中悬浮物浓度增加时，近红外波段反射率升高幅度较大，导致该比值减小。利用这一特性，对经过预处理的遥感影像进行波段比值计算，得到波段比值图像。在波段比值图像中，污染水体区域呈现出与清洁水体区域不同的灰度值或颜色特征，通过设定合适的阈值，即可将污染水体区域提取出来。例如，经过大量的实地验证和数据分析，确定当R_{665}/R_{833}小于0.6时，对应的水体区域可判定为污染水体。通过这种方式，能够直观、快速地从遥感影像中提取出官厅水库中的污染水体范围，为水体污染监测提供了一种简单有效的方法。4.3.2主成分分析（PCA）主成分分析（PCA，PrincipalComponentAnalysis）是一种常用的数据降维方法，可对多波段遥感数据进行变换，提取主要特征成分，从而识别污染区域。其基本原理是通过线性变换将原始的多波段数据转换为一组互不相关的新变量，即主成分。这些主成分按照方差大小依次排列，方差越大表示包含的信息越多。在官厅水库水体污染监测中，将经过预处理的多波段遥感影像数据（如Landsat8的多个波段数据）作为输入，进行主成分分析。首先，计算各波段数据的协方差矩阵，然后对协方差矩阵进行特征值分解，得到特征值和特征向量。特征值表示各主成分的方差大小，特征向量则确定了主成分与原始波段之间的线性组合关系。选取方差较大的前几个主成分，通常前三个主成分能够包含大部分的信息。这些主成分图像中，不同地物的特征得到了重新组合和增强，污染水体区域在某些主成分图像上会呈现出与其他地物明显不同的特征。例如，在第一主成分图像中，可能主要反映了水体与陆地的差异；而在第二主成分图像中，污染水体与清洁水体的差异可能更为突出。通过对这些主成分图像进行分析，结合实地调查和先验知识，可识别出污染水体区域。与其他方法相比，PCA能够有效地减少数据维度，去除数据中的噪声和冗余信息，突出主要特征，提高了污染水体识别的准确性和效率。4.3.3监督分类与非监督分类监督分类方法中，最大似然分类法是一种常用的算法。其原理基于贝叶斯决策理论，假设各类地物在特征空间中服从正态分布，通过计算每个像元属于不同类别的概率，将像元归为概率最大的类别。在官厅水库水体分类中，首先在遥感影像上选取一定数量的训练样本，这些样本应具有代表性，能够准确反映清洁水体、轻度污染Ⅱ类水体以及其他地物类型（如陆地、植被等）的光谱特征。对于每个训练样本，统计其在各个波段的光谱均值和协方差矩阵，作为该类别的特征参数。然后，对于影像中的每个待分类像元，根据其在各个波段的反射率值，利用最大似然分类公式计算其属于不同类别的概率：P(\omega_i|x)=\frac{\exp\left[-\frac{1}{2}(x-\mu_i)^T\sum_i^{-1}(x-\mu_i)\right]}{\sqrt{(2\pi)^n|\sum_i|}}其中，P(\omega_i|x)表示像元x属于类别\omega_i的概率，\mu_i为类别\omega_i\##五、官厅水库遥感监测结果与分析\##\#5.1水质参数反演结果利用构建的经验模型和半分析模型，对2020-2022年期间获取的官厅水库遥感影像进行处理，得到叶绿ç´

a、悬浮物、化学需氧量等水质参数的反演结果。在空间分布上，叶绿ç´

a浓度呈现出明显的差异。水库中心区域的叶绿ç´

a浓度相对较低，平均值约为5mg/m³，这主要是å›

为中心区域水体较深，光照强度相对较弱，不利于藻类的大量繁殖。而在é

近入库支流河口以及水库周边浅水区，叶绿ç´

a浓度较高，部分区域可达15mg/m³以上。例如，在洋河河口附近，由于河流携带了大量的营养物质，为藻类生长提供了丰富的养分，导致该区域藻类大量繁殖，叶绿ç´

a浓度升高。悬浮物浓度的空间分布也具有一定规律，在入库支流河口和水库周边受人类活动影响较大的区域，悬浮物浓度较高。在洋河河口，悬浮物浓度最高可达100mg/L，这是å›

为河流在流动过程中携带了大量的泥沙和其他悬浮颗粒，进入水库后，水流速度减缓，这些悬浮颗粒逐渐沉积，但在河口附近仍保持较高的浓度。在水库中心区域，悬浮物浓度相对较低，一般在20mg/L以下，这得益于水库水体的稀释和沉淀作用。化学需氧量（COD）的空间分布与有机物的来源和分布密切相关。在é

近居民区和工业区的水库周边区域，COD浓度较高，部分区域超过了15mg/L，达到轻度污染Ⅱ类水体æ

‡å‡†çš„上限。这是å›

为这些区域存在生活污水和工业废水的排放，导致水体中有机物含量增åŠ

。而在水库的偏远区域和中心区域，COD浓度相对较低，平均值在10mg/L左右。从时间变化趋势来看，叶绿ç´

a浓度在夏季呈现出明显的上升趋势，在2021å¹´7-8月期间，水库部分区域的叶绿ç´

a浓度比春季增åŠ

了约5mg/m³。这是å›

为夏季气温升高，光照充足，为藻类的生长提供了适宜的环境条件，导致藻类大量繁殖，叶绿ç´

a浓度升高。悬浮物浓度在雨季（6-9月）有所增åŠ

，主要是å›

为雨季降水增多，地表径流增大，将大量的泥沙和其他悬浮颗粒带入水库。例如，在2022å¹´7月的一场强降雨后，入库支流河口的悬浮物浓度比降雨前增åŠ

了30mg/L左右。化学需氧量（COD）在全年呈现出一定的波动，在冬季，由于水体中微生物活动减弱，有机物分解速度变慢，COD浓度相对较低。而在夏季，随着人类活动的增åŠ

以及农业面源污染的åŠ

剧，COD浓度有所上升。在2021年夏季，é

近居民区的水库区域COD浓度比冬季增åŠ

了3mg/L左右。通过对这些水质参数的反演结果分析，可以清晰地了解官厅水库水质在空间和时间上的变化特征，为进一步分析水体污染状况提供了重要的数据支持。\##\#5.2水体污染空间分布特征通过波段比值法、主成分分析以及监督分类与非监督分类等方法，对处理后的遥感影像进行分析，得到官厅水库水体污染的空间分布情况（如图1所示）。从图中可以明显看出，污染较重区域主要集中在洋河河口、水库的西南岸é

近居民区和工业区的部分以及部分入库支流沿线。洋河河口作为主要入库支流的汇入口，由于洋河在流经å¼

家口市、宣化等地区时接纳了大量的工业废水和生活污水，导致河口处水体污染严重。在2022年的遥感监测影像中，洋河河口附近污染区域面积约为5平方公里，å

水库总面积的1.5%左右。水库西南岸é

近居民区和工业区的部分，由于人类活动频繁，生活污水排放、工业生产活动以及农业面源污染等å›

ç´

的影响，使得该区域水体污染较为严重。在这一区域，污染区域面积约为8平方公里，å

水库总面积的2.4%左右。部分入库支流沿线，由于其自身流域内存在一定的污染源，如小型工厂的废水排放、农业灌溉退水等，导致支流沿线水体受到污染，进而影响到水库的水质。这些污染较重区域的存在，对官厅水库的整体水质和生态环境é€

成了较大的威胁。é€

成这些区域污染较重的原å›

主要包括以下å‡

个方面。在工业污染方面，洋河沿线分布着众多工业企业，如化工、钢铁、é€

纸等行业，这些企业在生产过程中产生大量含有重金属、有机物等污染物的废水，虽然部分企业进行了污水处理，但仍有部分企业存在违规排放的现象，导致大量污染物进入洋河，最终流入官厅水库。在生活污染方面，水库周边居民区的生活污水排放也是一个重要污染源。随着周边地区人口的增长，生活污水产生量不断增åŠ

，部分地区的污水处理设施不完善，æ—

法满足需求，导致大量未经处理或处理不彻底的生活污水直接排入水库。农业面源污染同æ

·ä¸å¯å¿½è§†ï¼Œå‘¨è¾¹å†œç”°åœ¨å†œä¸šç”Ÿäº§è¿‡ç¨‹ä¸­å¤§é‡ä½¿ç”¨åŒ–肥、农药，这些化学物质随着地表径流进入水库，增åŠ

了水体中的氮、磷等营养物质以及农药残留，导致水体污染。此外，部分入库支流流域内的小型工厂和养殖场，由于环保意识淡薄，缺乏有效的污染治理措施，其排放的废水和废弃物也对支流和水库水质é€

成了污染。\##\#5.3污染变化趋势分析对比2020-2022年不同时期的遥感监测结果，官厅水库轻度污染Ⅱ类水体的污染程度和范围呈现出一定的变化趋势。从污染程度来看，在2020-2021年期间，部分污染较重区域的化学需氧量（COD）、氨氮等污染物浓度有所上升。在洋河河口附近，COD浓度从2020年的12mg/L上升到2021年的14mg/L，氨氮浓度从0.4mg/L上升到0.6mg/L。这主要是å›

为这一时期洋河沿线的工业企业生产规模有所扩大，废水排放量增åŠ

，同时部分企业的污水处理设施老化，处理效率下降，导致更多的污染物进入水库。而在2021-2022年期间，随着当地政府åŠ

强了对水污染的治理力度，实施了一系列的污染治理措施，如åŠ

强对工业企业的监管，要求企业升级改é€

污水处理设施，åŠ

大对生活污水和农业面源污染的治理等，部分污染区域的污染物浓度出现了下降趋势。在水库西南岸é

近居民区的部分，COD浓度从2021年的13mg/L下降到2022年的11mg/L，氨氮浓度从0.5mg/L下降到0.4mg/L。从污染范围来看，2020-2021年，污染区域面积有所扩大，主要是由于部分污染源未能得到有效控制，污染物扩散导致污染范围增åŠ

。在2021年，水库整体污染区域面积相比2020年增åŠ

了约3平方公里，增长率为10%左右。而在2021-2022年，随着污染治理措施的有效实施，污染范围得到了一定程度的控制，部分污染区域面积有所减小。在2022年，水库污染区域面积相比2021年减少了约2平方公里，减少率为6%左右。总体而言，官厅水库轻度污染Ⅱ类水体的污染状况在2020-2022年期间经历了先恶化后改善的过程，这与当地政府采取的污染治理措施密切相关。随着污染治理工作的持续推进，官厅水库的水质有望得到进一步改善，但仍需持续åŠ

强对污染源的监管和治理，以确保水库水质的稳定和改善。\##六、结论与展望\##\#6.1ç

”究成果总结本ç

”究成功构建了适用于河北省官厅水库轻度污染Ⅱ类水体的遥感监测方法体系，在水质参数反演、水体污染信息提取以及污染状况分析等方面取得了显著成果。在水质参数反演模型构建上，基于实地采æ

·æ•°æ®ä¸Žé¥æ„Ÿå½±åƒæ•°æ®çš„深入分析，建立了经验模型和半分析模型。经验模型通过对遥感数据与实地水质监测数据的相关性分析，采用多元线性回归方法，实现了对叶绿ç´

a、悬浮物等水质参数的有效反演。例如，叶绿ç´

a浓度经验å