近日，西安交通大学海洋遥感团队在河口水体非光学活性水质参数定量反演研究方面取得新进展。相关研究论文Estimating Chemical Oxygen Demand in estuarine urban rivers using Unmanned Aerial Vehicle hyperspectral images被环境科学类期刊《Ecological Indicators》发表。文章第一作者系西安交通大学人居环境与建筑工程学院博士生蔡建楠。西安交通大学陈军教授和中国科学院烟台海岸带研究所邢前国研究员为共同通讯作者。

化学需氧量(COD)是我国水环境管理中最受关注的指标之一，它反映了流域水污染物的排放状况和水体受到有机污染的程度。但COD作为一种非光学活性水质参数，其光谱特征复杂，光谱对COD浓度变化的响应机制并不明确，一般认为无法使用光谱方法直接测量水体COD浓度。

2019年以来，西安交通大学海洋遥感团队联合中国科学院烟台海岸带研究所邢前国研究员团队在珠江口河网地区开展了天空地一体化的立体监测，获得了大量的地面高光谱数据、无人机遥感高光谱图像和河流水质监测数据。基于相关数据，研究团队应用波段比值法、SVM和1D-CNN算法建立了河流COD浓度的反演模型。结果显示，与其他方法相比，1D-CNN算法在城市河流COD浓度探测方面具有良好的准确性，也具有更好的识别异常高浓度水样的能力。在样本水质有较大差异的情况下，验证集样本反演值R²为0.78，RMSE为5.22 mg/L。将此1D-CNN模型应用于无人机高光谱影像时，可取得良好的应用效果，可以有效地反映部分河流COD浓度的空间差异，识别河流COD浓度突变区域。这对于确定河流污染来源，快速监测突发性河水水污染具有重要的现实意义。

图1  无人机高光谱影像及典型水体反射光谱曲线

图2  无人机高光谱影像的反演结果突出显示了水闸两侧水体中COD浓度的显著差异。这种水动力不足、连通性较差的水体在珠江三角洲广泛存在。

图3  无人机高光谱影像的反演结果识别出河流北侧的高浓度污染带。现场调查进一步证实此处存在隐蔽的污水排放口。

本研究由中国科学院大地球数据科学工程项目(XDA19060203和XDA19060501)、政府间国际科技创新合作项目(2019YFE0127200)、中国科学院仪器开发项目(YJKYYQ20170048)、国家自然科学基金（42022045和42076188）、中山市科技计划项目（2020B2019）等项目资助。

特别感谢审稿人的宝贵意见！

引用：

Jiannan Cai, Ling Meng, Hailong Liu, Jun Chen*, and Qianguo Xing*. (2022). "Estimating Chemical Oxygen Demand in estuarine urban rivers using unmanned aerial vehicle hyperspectral images." Ecological Indicators 139: 108936. doi: 10.1016/j.ecolind.2022.108936.