国外水体水质遥感监测方法自70年代初期开始，遥感技术逐渐应用到陆地水体的研究中，从单纯的水域 识别逐渐发展到对水质参数进行遥感监测、制图和预测。随着遥感技术的不断发 展和对水质参数光谱特征及算法研究的不断深入，监测方法经历了分析方法(80 年代前，研究主要针对开阔海洋)经验方法(80一90年代)半经验方法(90年代 后)的发展过程。多种遥感数据，包括 LandsatMss，TM，sPoT、Mools，IRs一Ie、 NOA刀AVHRR，和各种航空高光谱数据，如AVIRIS数据、CASI数据、AISA数据 及CIS数据，广泛的应用于水质遥感监测研究。遥感监测水质从定性逐渐发展到定 量，通过遥感可监测的水质参数种类逐渐增加，包括叶绿素a、悬浮物、黄色物质 等，反演精度也在不断提高。但是目前还没有形成精度很高，且具有较好通用性 的模型和算法。我国在内陆水体水质参数遥感监测方面也做了不少工作。李京【提出反射率与 悬浮固体含量之间的理论关系式为指数关系。黎夏f2推导出了包含Gorden关系式和 负指数关系式的悬浮泥沙遥感定量统一模型。内陆水体水质遥感监测，主要监测的污染物质主要有三类，分别为浮游植 物，主要是藻类。由于藻类都含有叶绿素，所以在遥感水质监测以叶绿素a浓度; 非色素悬浮物(简称悬浮物55， suspendedsediment)，由浮游植物死亡而产生的有机 碎屑以及陆生或湖体底泥经再悬浮而产生的无机悬浮颗粒;黄色物质 (Coloured DISSolVedOrganieMatter，CDOM)，由黄腐酸、腐殖酸组成的溶解性有机物。1、叶绿素a遥感监测的研究进展叶绿素a浓度是影响水体光谱特征的重要参数之一。叶绿素a浓度上升时，蓝波 段的反射率下降，绿、红波段的反射率上升。计算叶绿素a浓度的最佳波段的选取 依赖于叶绿素a的浓度3。国内外专家提出了多种反演水体叶绿素浓度的算法，这 些算法有的在I类水体叶绿素反演中已经取得比较令人满意的结果，形成了诸多业 务化的标准算法，而在H类水体中的应用研究成果也有不少。Kondratyev等4J利用 物理模型方法对Ladoga湖的叶绿素、悬浮物和黄色物质的浓度进行了反演，取得 了较理想的结果。Donald等【味日用实测数据与实验分析结果建立了近表面水下遥感 反射率的正向物理模型，并根据测得的水下遥感反射率，利用反向模型来反演叶 绿素a的浓度。Kevin等6提出自适应的两个波段(672nm和704nLm)反射率比值算法来 提取叶绿素a浓度，该模型的优点是可以省去对后向散射因子和入射光环境因子的 估算。目前，叶绿素a浓度监测中采用的半经验、经验法主要有利用遥感数据辐射值 的波段或波段组合与实地测量值建立统计模型法，以及随着高光谱成像技术发展 而发展起来的主成分分析法、人工神经网络法等。carpenter等7利用在澳大利亚三 个湖泊所测的地面数据及同步的MSS数据进行多元线性回归来模拟并预测湖泊水 质，其中叶绿素a浓度与Mss两个波段的数据成线性关系。Dekker8基于TM数据6 个波段的定量分析，选择TM波段4对悬浮物及叶绿素a进行线性和指数回归分析， 指出指数模式要优于线性模式，但TM的分辨率较低，不利于水质参数监测，且T 的波段组合缺乏物理解释。Kallio等9分别用AlsA数据监测了芬兰的11种湖泊和 兰南部四个湖泊的水质，发现685一691nm的波段有利于贫营养和中营养湖的监测， 建立了叶绿素a浓度的经验算法。Yuanzhizhang等0提出利用TM和ERsZ一sAR数 来估算水体悬浮物、叶绿素和透明度的经验神经网络算法，通过与线性回归算 的结果对比，说明神经网络算法的精度较高。其他学者把AISA数据和MODIS、 MERIS等数据结合，对湖泊水体进行了经验、半经验、半自动的水质分类研究， 取得了很好的效果。Flink等【川利用主成分分析方法分析从瑞典两个湖泊得到 CASI数据，绘制了叶绿素浓度图，并指出绘制叶绿素图的最佳波段位置和波段 度。在国内，疏小舟“等利用我国自行研制的oIs一H成像光谱仪在太湖地区 行地表水水质遥感实验，结果表明，OMIs一11能够提高藻类叶绿素定量遥感精度 王建平等【3基于TM数据构造了包含一个隐含层的BP神经网络模型反演叶绿素a 水质参数的浓度。马荣华等【4通过对太湖反射光谱特性和藻类叶绿素a浓度之间 系的研究，发现光谱反射比值706/682和700nLm附近反射峰的位置与叶绿素a浓度 关性较好。段洪涛等【5】利用查干湖实地测量的高光谱数据，分析得出700nm处反 率与67Onln处的反射率比和690nm处的一阶微分与叶绿素a的浓度有较好相关性， 并建立了定量估算模型。闻建光等“采用高光谱反射率数据，从原始数据中提 端元光谱，并利用原始数据以及对原始数据进行处理过的归一化数据和一阶微 数据的特征波段及波段组合作为模型反演的变量，利用阻尼最小二乘法解求叶 素a浓度，结果表明，混合光谱模型可以作为监测水体叶绿素a含量的定量模型。 2悬浮物遥感监测的研究进展内陆水体中悬浮物浓度是最先被估测的水质参数7。水中固体悬浮物的定量 遥感研究己提出了一系列的模型，确定了水体反射率与悬浮物之间的量化关系。 Ritchie等【8用Mss影像在Moon湖研究高悬浮物浓度水域的反演算法，发现在悬浮 物浓度大于50m留L的情况下，一元线性回归与多元回归算法依然能够获得较好的 反演结果。Kallio等3利用AlsA成像光谱数据研究芬兰南部湖泊，结果表明估测悬 浮物的最佳算法可利用单波段705一714nm的反射率得到。Harma9等利用MoDIs 模拟数据来监测芬兰85个湖泊和105个沿海水体监测点的水质状况，发现 (R53，一R748)/(Rssl一R748)，R667一R748，R748一Rs7。等波段组合(R为反射率)可以用来估测悬 浮物的浓度。 国内在利用遥感数据建立悬浮物浓度关系式方面也有许多研究成果。张渊智等20】论述了纯水和不同水质的波谱特性，以芬兰海湾和芬兰南部湖泊混浊度为应 用实例，利用TM和ERSZ一SAR数据给出可见光中绿波段和微波/可见光复合两种模 型的反演算法。王学军等2】利用TM数据和有限的实地监测数据建立了太湖水质参 数预测模型，指出利用单波段、多波段因子组合以及主成分分析等手段可以使遥 感信息得到更充分的利用。吕恒等2“】采用含有一个隐含层的两层BP神经网络反演 模型，以TM数据的前4个波段的反射率作为输入，以悬浮物浓度值作为输出，成 功反演了太湖水体的悬浮物浓度。 随着水体悬浮物浓度升高，近红外光谱引起了关注，法国的Dox盯an等人与美 国的Myint等人分别通过比较sPoT、NoAAAvHRR和seawiFs的波段配置发现了 近红外光谱对悬浮体浓度更敏感，针对悬浮泥沙提出了865nm与555nm波段比值算 法，并成功应用于SPOT反演悬浮物浓度和AVHRR的宽波段反演悬浮物浓度算法 中23一2习。我国的吕恒通过光谱微分的方法发现84onm附近的一阶微分与太湖水体的 悬浮物浓度相关性很好26。3其它水质参数遥感监测的研究进展20世纪90年代以来，国外学者对内陆水体中黄色物质的光吸收特性和定量遥 感监测进行研究。1994年Roland等利用CZCS数据对11类水体的叶绿素、悬浮物、 黄色物质进行反演27，其中黄色物质的反演结果同实际测量值比偏低。Pegau等28 对美国爱达荷州Pond湖中26个水样的CDOM进行了S值测定，得出其平均值为 0.017。目前国内学者对黄色物质研究主要集中在化学组成及光学特性等方面。吴 永森、张士魁、张绪琴29建立了胶州湾黄色物质吸收系数与波长的单调变化关系。 陈楚群、潘志林30利用seawiFs资料提取了珠江口水域黄色物质的浓度信息。总体 来说，目前对黄色物质的研究只是刚刚起步，还有很多的工作需要努力。 进行水质溶解有机物的遥感监测在国内外的研究不多，主要是利用经验或半 经验的线性关系式进行的。李旭文等3利用TM数据评价了苏州运河的有机污染， 通过回归分析表明TMI、23与coD相关性最好，其次是生化需氧量(BoD)，与溶 解氧(Do)也表现出一定程度的正相关。博江32利用彩色红外航片建立了苏南大运 河水中6项有机污染参数(包括有机污染综合评价值)与彩红外航空胶片透射密度之 间的相关模型。王学军33】选取了太湖水质化学需氧量(CoDMn)等7个监测参数，利 用TM数据单波段或多波段组合的相关分析及主成分分析来监测太湖的水质污染。 此外，遥感监测研究所涉及的水质参数还包括水温、透明度、总磷、总氮、 PH值等，但是相关研究较少。 /FONT