城市河流水資源是重要的生態(tài)資源，是城市生活和生態(tài)的根本保障。但是近年來，河流水污染問題日益突出，城市水污染監(jiān)測、水體保護、生態(tài)系統(tǒng)健康動態(tài)監(jiān)測以及修復方法已經(jīng)成為研究熱點。水質(zhì)監(jiān)測是水污染控制的基礎。傳統(tǒng)水質(zhì)監(jiān)測主要基于野外采樣后的實驗室檢測和分析，由于空間布局和采樣點密度限制，在分析污染物在水面的連續(xù)遷移過程或大面積污染時，難以獲得反映整個水體生態(tài)環(huán)境的總時空數(shù)據(jù)。遙感技術因其快速、實時和非接觸操作的獨特優(yōu)勢，逐漸成為水質(zhì)參數(shù)反演和水質(zhì)監(jiān)測的有效工具。其中，地面遙感監(jiān)測技術以其小范圍、高精度和點源信息獲取等優(yōu)點而取得較好效果。因此，該方法在小流域水質(zhì)監(jiān)測方面具有一定優(yōu)勢，可以實現(xiàn)河流水質(zhì)單一指標的高精度定量反演。然而，基于地面遙感技術進行水質(zhì)監(jiān)測時，還存在以下問題亟待解決。一是反演水質(zhì)指標過于簡單，反演精度較低，無法充分反映河流水質(zhì)信息。其次，常用的回歸和反演模型種類繁多，但對相關算法應用效果的系統(tǒng)比較和科學評估較少。因此，急需通過對比分析研究，為模型合理選擇提供決策支持，提高水質(zhì)反演效果。
基于此，在本研究中，一組研究團隊以邯鄲市滏陽河為研究對象，通過室內(nèi)測量獲取水樣的高光譜數(shù)據(jù)（ASD FieldSpec 4光譜儀）以及通過化學實驗獲取相應水質(zhì)檢測結果。然后引入偏最小二乘法（PLS）、隨機森林（RF）和最小絕對值收斂和選擇算子（Lasso）建立樣本高光譜數(shù)據(jù)和6個對應水質(zhì)參數(shù)（濁度（Turb）、懸浮物（SS）、化學需氧量（COD）、NH4-N、總氮（TN）、總磷（TP））的擬合模型，并進行驗證和評估。在考慮高光譜數(shù)據(jù)非線性特性的基礎上，上述三種算法的應用重點是消除數(shù)據(jù)之間可能存在的多重共線效應以及消除多種水質(zhì)參數(shù)數(shù)據(jù)經(jīng)光譜轉換后可能存在的稀疏數(shù)據(jù)結構的影響。本文研究目的是尋找最佳反演算法，探討高光譜監(jiān)測技術代替實驗室理化指標測試的可行性，評估反演模型對水質(zhì)變化的預測效果。為城市河流水質(zhì)監(jiān)測提供更方便、更經(jīng)濟、更廣泛的方法。
圖1 目標研究區(qū)水樣收集斷面分布圖。
圖2 研究方法流程圖。
【結果】
表1 PLS模型及其估算精度
表2 Lasso模型及其估算精度
表3 RF模型及其估算精度
表4 水質(zhì)參數(shù)最佳回歸模型以及估算精度
【結論】
研究結果表明PLS模型對Turb，SS，COD，TN和TP的回歸精度較好，但泛化性較差；RF模型對Turb，SS，COD，NH4-N和TP的預測效果優(yōu)于PLS模型，具有更好的普適性；Lasso模型對COD，TN和TP有機污染物的反演效果最好，但對SS和NH4-N的反演效果較差。
結果表明地面高光譜數(shù)據(jù)可以準確反演水體污染狀況，實現(xiàn)大尺度、多參數(shù)水質(zhì)監(jiān)測。三種非線性反演算法具有較強的擬合能力，尤其是RF模型和Lasso模型在適用性和預測精度上相得益彰。與傳統(tǒng)的回歸模型PLS相比，機器學習算法綜合實力更強，是城市河流水質(zhì)參數(shù)分類、反演和預測的有效方法。提供了更高的反演精度和更好的魯棒性。
由于采集樣本數(shù)據(jù)的限制，本研究僅分析了光譜和相應水質(zhì)之間的關系。此外，討論了三種算法的反演精度。對于后續(xù)研究，在更多補充數(shù)據(jù)的基礎上，研究組將重點關注以下幾個方面：一是研究不同時間條件下水質(zhì)參數(shù)的變化規(guī)律；二是研究同一水質(zhì)參數(shù)在不同采集位置相同時的光譜敏感波段。然后進一步探索不同采樣周期下是否具有相同規(guī)律；三是進一步研究不同污染條件下基于光譜信息的污染狀態(tài)反演精度和遷移規(guī)律反演能力。
請點擊下方鏈接，閱讀原文：
https://mp.weixin.qq.com/s?__biz=MjM5NjE1ODg2NA==&mid=2650313508&idx=2&sn=b242d483a71593834b083cdb03be74a8&chksm=bee1bfdb899636cd7054f192f33458fbbd1af4e756d26cdec06222c8aadfb877d7ccdc15fd8c&token=1784787764&lang=zh_CN#rd