陆域河网污染溯源 - 河网水质与污染溯源

研究背景及意义

人类活动对于河流水质污染的影响逐渐增加，从而导致一系列生态问题。在河流设置大量断面对站点水质进行监测，可以获得断面的水质信息及断面周围水体污染来源。但是对于这些断面处污染的源头的排查，则需要耗费大量的人力物力。此外，这些污染源排查也只能在空间上进行溯源却不能对于污染源处的污染开始时间等状况进行详细的把握。高分辨率卫星可以为中小型入海河流的高时空分辨率的水体水质状况监测以及溯源提供支撑。对河流水质监测主要是对河流水体的中的高锰酸盐指数、总磷、总氮和氨氮含量等营养物质的动态状况进行监测，但这些水体污染物作为非光学活性参数，与卫星光谱信号之间并无直接联系，通常通过卫星光谱对此类参数进行反演存在难度。
本专题基于哨兵二号高分辨率遥感影像，对于不同类型河流的不同水质参数构建高精度反演模型，并基于模型结果对入海河流的水质污染来源进行空间和时间的追溯。在河流水质参数空间分布的基础上，制作河流自入海口起沿干流的沿程溯源图，并对河流干流中的局部高值进行关注，从而可以做到精准治污。

图 1 化学需氧量、总磷以及总氮的多年平均空间分布结果

成果介绍

入海河流水质参数数据集包括高锰酸盐指数(COD_Mn)、总磷(TP)和总氮(TN)，单位为1 mg/L。该数据集具有10 m×10 m的高空间分辨率，覆盖2016年1月至2023年7月的浙江省主要入海河流——钱塘江、曹娥江、甬江、椒江、瓯江、飞云就和鳌江。对水质自动监测站点日均监测水质参数与模型反演水质参数值进行的验证表明，高锰酸盐指数、总磷和总氮的相关系数分别为0.68、0.82和0.7。
该数据集使用经大气校正后获得的Sentinel-2波段的遥感反射率作为输入，根据各个波段的空间分辨率的差异性，将B2~B8a作为后续模型构建中待选择的波段。针对不同的水质参数，根据流域特点以及水质参数的特性等，将具有相似特征的河流分为一类并进行模型构建。使用单波段和波段比值与原位值之间获得最佳相关系数的尝试作为模型的输入参数，模型考虑基于高斯过程回归模型、支持向量机回归模型和线性回归模型的机器学习算法，并使用五折交叉验证的方法构建模型。根据最佳输入参数构建的机器学习模型，生产力2016-2023年期间浙江省主要入海河流日均高锰酸盐指数、总磷和总氮产品（每5天一次）。可以提供区域性高空间分辨率的河流水质参数产品，可用于浙江省主要入海河流水质污染空间溯源以及有助于精确控制河流水质。

研究背景及意义

产品展示

成果介绍

相关文献

友情链接