星地协同水质光谱在线监测系统及应用研究

目前的水质监测数据源主要包括卫星数据、航空数据和地面数据。卫星数据包括多光谱数据和高光谱数据，航空数据主要包括有人机和无人机数据，地面数据主要使用便携式地物光谱仪。

星地协同水质光谱监测方案

遥感水质参数反演模型的构建严重依赖水质观测样本，这会造成反演模型的不稳定，建立星地协同的水质光谱在线监测机制，可以提升水质参数反演的稳定性和精度，实现大范围的水质监测和时空分析，为我国长时序的水质监测提供新方法。
图1为星地协同水质光谱在线监测系统整体方案，卫星数据为最佳组网方式、最佳采样频次和最佳观测时刻的选择提供依据，地面系统提供水质参数数据和地面实测光谱数据，将上述数据传输至大数据云平台，利用云平台中存储的地面水质参数样本、卫星遥感数据和水质参数反演模型实时反演水质参数，在终端上显示地面网点的实时监测结果和卫星数据水质反演产品。 图1 星地协同水质光谱在线监测系统方案图

星地协同水质监测关键技术

1 反演模型智能选择

不同时空分布下的水体光谱曲线差异较大，因此有必要对水体进行分类，针对不同的水体类型分别建立反演模型，提高水质参数的反演精度。水质参数反演模型是水质光谱在线监测系统设计的关键，系统拟采用两种模式进行反演，分别是基于地理坐标的地理邻近模型和基于水体光谱匹配的相似水体类型模型，具体反演流程见图2。 图2 反演模型选择流程图

系统水质参数反演基本流程为：通过系统光谱仪测量水体光谱，水体光谱传输至智能分析云平台，水体光谱预处理之后，按照选择的水质反演模型反演水质参数，并将反演结果传输回终端，同时在云平台存储备份。目前系统的水质反演模型包括以下两种方式：

（1）地理邻近模型选择

系统根据测量点GPS定位信息自动识别并判断出与该点地理邻近的水质反演模型，并应用此模型进行该测量点的水质反演。当卫星过境时，卫星数据处理系统自动搜索与待测区域水体地理临近的水体，结合水质在线监测设备提供的地面网点水质参数，通过系统预置的水质参数反演算法，实时反演水质参数，在终端显示实时监测结果和卫星数据水质参数反演产品。

（2）水体类型模型选择

即根据待测点的水体光谱，按照水体类型分类方法自动匹配到云平台中已有的各水体类型，反演该点的水质参数。系统中目前采用的水体类型分类方法为NTD675（Normalized trough depth at 675 nm），不同类型的水质反演模型将在今后的研究与应用中不断扩展，可根据实际需要选择不同的水质反演模型。

2 时间尺度智能匹配

复杂水域的水质情况可能在几个小时之内发生变化，每天观测一次的频率不足以完全反应水质的时空变化情况，因此有必要研究水质监测的最佳观测时间和最佳采样频次，使地面网点在时间尺度上实现最佳观测（图3），同时可为后续高光谱水色卫星的观测频次和过境时间设计提供依据。

通过将固定式智能水质检测仪获取的高频次观测数据进行重采样，进行统计学分析，如最大值、最小值、均值、方差等，并统计其日变化、周变化、月变化特征，通过半变异函数进行水质参数反演。 图3 时间尺度智能匹配图

讨论和总结

水质光谱点位在线监测系统能够快速、实时的获取点位水质参数，但无法大面积监测水域的水质情况，卫星遥感数据弥补了点位观测数据的不足，可以快速、及时的获取大范围水质数据。本文以中国内陆水体水质监测需求为出发点，将两者结合起来，开展星地协同的内陆水质在线监测研究，可以挖掘地面数据和遥感数据在时间尺度和空间尺度方面的优势，有效提升大范围水质参数监测的精度和稳定性。

地面水质监测数据如何与高光谱卫星数据协同观测是关键问题，未来的研究重点主要集中在以下几个方面：（1）内陆水体分类模型研究。目前国内外没有适用于所有水体且精度较高的反演模型，不同时空分布下的水体光谱曲线差异较大，因此有必要对水体进行分类，分别建立不同的反演模型，提高水质参数的反演精度。（2）最佳观测频次研究。针对中国典型内陆水体开展水质最佳观测频次研究，通过水质在线监测数据协同卫星过境时间，对反演模型进行评估、验证和纠正，提高水质反演模型的精度和稳定性，并为后续高光谱水色卫星的过境时间设计提供依据。（3）固定点位布设策略研究。基于固定点位的地理空间相关性，以及水体分类结果和水质参数监测结果，对中国典型内陆水体监测的空间尺度进行分析，结合卫星数据制定固定点位的最佳组网布设策略。