琅琊山景区不同指标浓度下水质光谱差异分析
彭建1,2, 徐飞雄1,*, 邓凯2, 吴见2
1. 湖南师范大学旅游学院, 湖南 长沙 410081
2. 滁州学院地理信息与旅游学院, 安徽 滁州 239000
*通讯联系人 e-mail: xudafeng9802083@163.com

作者简介: 彭 建, 1989年生, 湖南师范大学旅游学院博士研究生 e-mail: pj107155@126.com

摘要

高光谱技术已广泛运用于水质检测领域。 探讨不同指标浓度下水质光谱变化规律及其光谱特征, 能够为水质指标遥感光谱精准识别与定量提取提供理论基础。 选取琅琊山景区不同水体景观共47个典型站位进行水质指标与光谱同步测量, 提取每个检测点的7个水质指标及350~950 nm波段, 探讨不同浓度水质指标光谱特征变化规律, 分析水质指标与光谱反射率、 反射率一阶微分、 任意两波段反射率比值及差值之间的关系。 结果表明: 各水质指标光谱曲线变化趋势一致, 但各有差异, 区分度最大的波段在可见光范围; 不同盐度、 溶解性总固体、 电导率含量的水质光谱曲线变化较为接近, 含量最高的样本光谱反射率最高, 且变化最显著; 浊度含量较高的水质样本光谱反射率变化较显著, 700~950 nm波段不同浊度含量的水质样本光谱反射率区分不明显; 溶解氧浓度为4~4.9 mg·L-1的水质光谱反射率在350~900 nm波段内明显低于其余样本; 在350~380 nm波段范围, 光谱反射率不随叶绿素含量变化而变化, 叶绿素含量接近0的样本在400~950 nm波段低于其余样本; 不同蓝绿藻藻蓝蛋白含量的样本光谱曲线相比其余水质指标在350~730 nm波段变化较大, 交叉点较多。 此外, 水质指标与原始光谱反射率相关性较低, 光谱一阶微分、 差值指数、 比值指数与各水质指标相关性整体有所提升。 该研究可为水质高光谱遥感检测提供一定的理论基础。

关键词: 光谱反射率; 光谱分析; 水质指标; 琅琊山
中图分类号:TP79 文献标志码:A
Spectral Differences of Water Quality at Different Index Concentrations: in Langya Mountain Scenic Area
PENG Jian1,2, XU Fei-xiong1,*, DENG Kai2, WU Jian2
1. Tourism College, Hunan Normal University, Changsha 410081, China
2. School of Geography Information and Tourism, Chuzhou University, Chuzhou 239000, China
Abstract

It is possible to provide theoretical basis for accurate identification and quantitative extraction of water quality indicators remote sensing spectroscopy by studying the variation of water quality spectrum and its spectral characteristics under different target concentrations with Hyperspectral technology, which has been widely used in water quality testing. A total of 47 typical stations in Langya Mountain Scenic Area were selected for water quality testing and spectral synchronization in this paper. Then, seven water quality indexes and 350~950 nm bands of each test point were extracted to explore the variation of spectral characteristics of different concentration water quality indexes, and to analyze the relationship between water quality index and spectral reflectance, first derivative reflectance, any two-band reflectance ratio and difference. The results showed that the spectral curves of the water quality indexes were consistent, but their changing rules were different.What’s more, bands with the highest degree of discrimination were in the visible range. The spectral curves of water quality with different salinity, total dissolved solids and conductivity content were close to each other, and reflectivity of water samples that change the most significantly was the highest. The spectral reflectance of the water samples with higher turbidity content was more obvious, but there was no difference of spectral reflectance of different turbidity content samples in the range of 700~950 nm. The spectral reflectance of water with a dissolved oxygen concentration of 4~4.9 mg·L-1 was significantly lower than that of the remaining samples in the range of 350~900 nm. In the range of 350~380 nm, the spectral reflectance did not change with the chlorophyll content, and the samples with chlorophyll content close to zero were significantly lower than those of the remaining samples in the 400~950 nm bands. The spectral curves of different BGA-PC concentrations water samples were more complex than other water quality indexes in the range of 350~730 nm. In addition, the correlation between the water quality index and its original spectral reflectivity was low, but it could be improved by the combination of band reflectivity, such as the first derivative reflectance, any two-band reflectance ratio and difference. This study aims at providing a theoretical support for water quality monitoring of hyperspectral remote sensing.

Keyword: Spectral reflectance; Spectral analysis; Water quality index; Langya Mountain
引 言

近年来, 高光谱遥感水质分析方法以其检测速度快、 无二次污染、 精确度高、 后续维护成本较低等优点广泛运用于水质在线监测的多个领域[1, 2, 3]。 目前, 学者就光谱分析技术如何更有效运用于水质检测, 以提高两者的匹配性, 达到准确、 快速进行水质检测, 展开了系列研究。 研究主要集中在光谱技术运用于水质检测的优质处理方法[4, 5, 6, 7]、 单一水质指标与光谱反射特征关系[8]等方面。 运用光谱技术检测水质的基础是理清水质指标与光谱反射特征之间的关系。 当前, 学者在研究案例地水质与光谱特征关系时多选用一个或者两个指标开展, 如盐度、 可溶性有机物(CDOM)、 溶解氧、 叶绿素、 总氮、 悬浮物(SS)浓度, 给出了浓度总量与光谱反射率之间的关系, 为高光谱遥感水质分析奠定了前期工作[9, 10, 11]。 然而水质影响因素众多, 在多水质指标光谱特征及随着浓度的变化其光谱特征的变化规律方面还缺乏系统的研究。 多指标观测能更加全面反映水质信息, 探讨水质指标光谱特征随着浓度变化的不同规律对于高效水质检测具有重大意义。

本研究以滁州市琅琊山景区水质为研究对象, 同步测量47个检测点的水质与光谱反射数据, 深入分析7个水质指标不同浓度段对应的光谱变化特征及其一阶微分值的差异, 同时对比7个水质指标与原始光谱、 一阶微分、 比值指数、 差值指数的相关关系, 以期为多水质指标的遥感光谱精准识别与定量提取提供前期基础与理论支撑。

1 实验部分
1.1 研究区概况

研究区为滁州市琅琊山风景区, 为国家首批4A级旅游景区, 景区内有让泉、 濯缨泉、 紫薇泉、 双泉绝顶等古名泉多处, 同时有琅琊溪流线型水体和深秀湖大面积水体, 已查明地下储存丰富的优质矿泉水。 本研究选取景区内泉水、 溪水、 湖水及人造水体共47处, 覆盖整个景区所有水体类型。

1.2 数据采集与处理

2016年7— 8月, 选取研究区47个测点进行水样数据采集, 水质与光谱反射率同步测量。 光谱反射率利用ASD FieldSpec Pro FR光谱仪对采集水样进行实时测量, 选择晴朗无风天气, 测量时间为上午10点至中午12点左右, 测量角度保持垂直向下, 每个观测点记录8次测量数据, 取8条光谱值的平均值作为该水质样点的光谱反射率, 同时选取变化明显350~950 nm波段进行分析。 水质监测采用美国YSI公司生产的EXO02多参数水质监测仪器, 按照使用说明对水质各指标进行校准后再测量样点, 为防止样点水质的相互污染, 每次测量一个样点后, 用饮用自来水清洗探头, 测量清水校准后再测量下一个样点, 测量47个样点的水质指标。 为保证仪器检测水质的正确性同时采集观测点水质样本用《水和废水监测分析方法》中国家标准分析方法对47个样点的常用水质指标进行检测, 其检测结果与仪器检测结果较为一致, 样点水质各指标变化范围见表1。 依据采集的光谱与水质指标数据, 采用统计分析方法, 利用Matlab2012a与Spss17.0软件中的统计分析模块, 计算各水质指标与光谱单波段及波段组合变化之间的相关系数。

表1 实测琅琊山景区水质主要指标分布范围 Table 1 Upper and lower values of the water quality indexes measuring in Langya mountain scenic spot
2 结果与讨论
2.1 不同浓度水质指标光谱变化分析

将采集的水质, 提取差异较大的7个指标分别是盐度(salinity)、 总溶解固体(total dissolved solid, TDS)、 浊度(turbidity)、 电导率(conductivity)、 溶解氧(optics dissolved oxygen, ODO)、 叶绿素(chlorophyll)、 蓝绿藻藻蓝蛋白(blue green algae phycocyanin, BGA-PC), 将其按照含量浓度以一定区间进行分类, 并将归属于该类下的样本的光谱数据平均化, 得到每一类的光谱变化曲线, 同时做一阶微分变化, 得到一阶微分变化图, 如图1所示。 可知, 不同水质的原始光谱变化曲线趋势大体一致, 518~529 nm是一个较小的吸收峰, 548~560 nm是一个较高的反射峰, 其中处于绿光波段的556 nm附近反射率达到最高, 560 nm之后反射率下降, 在575~587 nm形成一个明显的吸收峰, 之后反射率上升, 610~709 nm为宽且高的反射峰, 整体反射率从709 nm附近显著降低, 在740~750 nm形成明显的吸收峰, 810~820 nm附近有一个较小的反射峰, 水质反射率在近紫外(350~380 nm)及蓝光波段(380~500 nm)迅速上升, 绿光波段(500~600 nm)和红光波段(600~760 nm)变化剧烈, 红外波段随着波长增加反射率逐渐降低, 1 000 nm附近反射率接近0。

图1 不同浓度水质指标原始光谱和一阶微分光谱变化曲线Fig.1 Original spectrum curves and the first derivative curves of different concentration water quality indexes

淡水盐度高低受蒸发、 人工污染等因素影响。 将采集的水质样本按照其盐度浓度以0.05 psu为一个间断进行分类, 得到光谱变化曲线[图1(a)], 可知, 不同浓度盐度光谱反射率紫外到红光波段区分度较大, 含量为0.3~0.35 psu样本光谱反射率从紫外到可见光波段显著高于其余浓度, 并在556 nm附近反射率最高, 达95%, 在红外段反射率略低于盐度0.25~0.29 psu段, 盐度0.25~0.29 psu段光谱曲线在400~950 nm波段反射率明显高于其余低浓度段样本。 盐度0.1~0.14 psu段的光谱反射率在492~950 nm波段显著低于其余浓度。 从一阶微分变换图来看, 谷值集中在571, 732和832 nm附近, 其中732 nm附近的红光波段边缘位置, 最为明显。 峰值主要集中在534, 591, 800 nm附近, 755 nm附近还有一个小的峰值。 0.3~0.35 psu浓度的样本光谱变化最为剧烈, 在红外与紫外波段最为明显。

水中TDS与含盐量有关, 指水中溶解物含量。 将采集的样本按照TDS含量不同以50 mg· L-1为单位进行分段, 得出TDS含量1~450 mg· L-1的光谱曲线变化图[图1(b)], 可知, 不同TDS水质光谱原始曲线以及一阶微分曲线与不同盐度含量光谱曲线及一阶微分曲线变化一致。 TDS在401~450 mg· L-1段的光谱反射率在350~700 nm波段显著高于其余浓度。 TDS含量为151~200 mg· L-1的光谱反射率在488~950 nm波段显著低于其余浓度。 一阶微分变化曲线与盐度的相似, 谷值比峰值显著, 集中在571, 732和832nm附近。

水溶液电导率的高低依赖于其内含溶质盐的多少, 水越纯净, 电导率越低。 将采集的水质样本电导率以100 μ s· cm-1为一组进行划分, 得到高低不同的电导率光谱变化曲线[图1(c)], 可知, 高低不同的电导率组原始光谱曲线及一阶微分与不同盐度原始光谱曲线及一阶微分变化趋势相似, 以往研究亦表明盐度与电导率之间存在极高的线性相关。 电导率在500~600 μ s· cm-1之间的光谱反射率显著高于其余低电导率组, 并在红外与400~499 μ s· cm-1组的光谱曲线重合, 电导率为400~499 μ s· cm-1组的光谱曲线在518~950 nm范围内反射率显著高于其余低电导率组, 电导率在200~299 μ s· cm-1之间的反射率在紫外到红外波段显著低于其余组。 绿光波段与红光波段各组间反射率区分度大, 反射率依次是500~600> 400~499> 100~199> 300~399> 1~99> 200~299 μ s· cm-1。 一阶微分变换图来看, 电导率为500~600 μ s· cm-1组光谱曲线变换最为剧烈, 红外与紫外波段最为明显, 谷值集中在571, 732和832 nm附近, 峰值集中在526, 586和807 nm附近。

琅琊山景区附近采集水质样本测出的浊度(悬浮物)均为0, 因此样本中浊度采用FNU作为单位, 水中杂质越多, 浊度越高。 将采集的样本按照浊度FNU大小以5FNU为一个段进行分类, 得到不同浊度含量水质的光谱变化曲线[图1(d)], 可知, 整体反射率在红光及近红外波段较其他指标区分度较小, 随着浊度的升高, 光谱反射率整体先降低后升高, 其中浊度含量31~35 FNU段的光谱曲线变化幅度最为明显, 在紫外波段反射率快速上升, 到蓝绿光波段显著高于除21~25 FNU段外的样本, 红光波段迅速降低, 红外波段反射率低于其余浊度含量的样本。 浊度含量21~25 FNU段的光谱反射率在350~720 nm波段显著高于其余含量的水质样本。 浊度含量11~15 FNU段的光谱反射率在458~720 nm间最低。 从一阶微分变换图可知不同浊度光谱曲线在紫外和红外区分度稍大, 其余波段较为一致, 其中浊度含量高的26~30, 31~35 FNU的样本光谱变化较其余段明显。

溶解氧与水质、 水温等有密切的关系, 水质越纯, 溶解氧含量越高。 琅琊山景区周边采集的样本溶解氧含量多集中在7~9 mg· L-1范围内, 以1 mg· L-1为单位进行分段, 得到不同溶解氧含量光谱曲线变化图[图1(e)], 可知, 不同溶解氧含量水质整体反射率低于不同盐度、 TDS、 浊度、 电导率的反射率, 溶解氧含量为7~7.9 mg· L-1的样本在560 nm附近反射率最高, 达78%。 溶解氧含量高(7~7.9, 8~9 mg· L-1)以及溶解氧含量低(3~3.9 mg· L-1)的水质光谱反射率整体都高, 溶解氧含量4~4.9 mg· L-1水质光谱反射率在350~900 nm内显著低于其余含量。 从一阶微分变化图可知, 不同溶解氧含量的水质光谱在可见光范围内变化趋于一致, 红外波段变化剧烈。

水中叶绿素及BGA-PC含量与水中藻类数量有关, 代表着水的富营养状态, 水质越纯, 两者含量越低。 将采集的水样按照叶绿素含量高低以5 μ g· L-1为单位进行分类, 得到不同叶绿素含量水质的光谱变化曲线[图1(f)]。 如图所示, 叶绿素含量为0 μ g· L-1的样本光谱反射率在400~950 nm范围内显著低于水中含叶绿素的样本。 不同浓度叶绿素含量的水质样本光谱反射率在近紫外波段(350~380 nm)区分不明显, 几乎重叠。 在蓝光波段叶绿素含量反射率21~25> 6~10> 1~5> 11~15> 16~20> 0 μ g· L-1, 含叶绿素的水质光谱反射率高含量与低含量的样本都高于中间段。 在绿光波段和红光波段叶绿素含量反射率6~10> 21~25> 11~15> 1~5> 16~20> 0 μ g· L-1, 最大反射率点为叶绿素含量6~10 μ g· L-1样本在560nm附近, 反射率达85%。 从其一阶微分可知, 峰值谷值比较多, 谷值集中在568, 732和829 nm附近, 峰值集中在380, 529, 588, 765和807 nm附近, 含量21~22 μ g· L-1组光谱曲线变化最为剧烈, 红外与紫外波段最为明显。

同时将水质按照BGA-PC含量以0.5 μ g· L-1为单位进行划分得到不同BGA-PC含量的光谱变化曲线[图1(g)], 可知, 不同BGA-PC含量的样本光谱曲线相比其余水质指标在350~730 nm波段变化较大, 交叉点较多, 在近红外波段保持稳定, 在红外波段不同BGA-PC光谱反射率2.1~2.5> 1.5~2> 0~0.5> 0.6~1> 2.6~3> 0> 1.1~1.5 μ g· L-1。 不含BGA-PC的水质样本光谱反射率在350~710nm波段居中。 BGA-PC含量为0~0.5和0.6~1μ g· L-1的两条光谱曲线较为接近, 在350~700 nm波段, 反射率含量为0.6~1 μ g· L-1组大于0~0.5 μ g· L-1组, 大于700 nm波段刚好相反。 BGA-PC含量为1.1~1.5 μ g· L-1样本光谱反射率在500~950 nm波段显著低于其余样本, 1.5~2 μ g· L-1的光谱反射率在350~720 nm波段显著高于其余浓度, 在绿光波段550nm附近反射率达到最高85%。 含量为2.1~2.5 μ g· L-1的样本整个测量波段变化最大, 2.6~3 μ g· L-1段样本在近紫外和蓝光波段反射率显著低于其余样本。 一阶微分变化图可知, 不同BGA-PC含量样本在紫外、 蓝光波段区分较为明显, 绿光波段区分度不大, 谷值集中在568, 732和829 nm附近。

2.2 光谱反射率及一阶微分与水质指标相关分析

进一步分析水质指标与光谱反射率各种变化形式之间的关系, 能够获取利用高光谱技术进行水质监测的最佳方式、 最佳波段及最佳波段组合, 为高光谱技术精准反演水质状况及利用遥感技术大面积监测水质提供理论支撑。 本文将水质各指标与光谱反射率及其一阶微分进行相关性分析, 得到相关系数曲线图(图2), 可知, 水质指标与原始光谱反射率相关系数较低, 电导率、 盐度及TDS浓度与光谱反射率的相关系数接近一致, 这也反映三者之间自相关性非常大; 叶绿素浓度与光谱反射率整个所测波段都呈低负相关, BGA-PC浓度与350~700 nm波段光谱反射率呈低负相关, 700~950 nm波段相关系数接近0, 这与藻类植物在可见光段对光的吸收作用有关; 浊度与光谱反射率随着波段的增长, 相关系数逐渐降低, 在近红外波段接近为0; 溶解氧与光谱反射率在整个测量段成低正相关, 且相关系数变化较小, 不随波段的改变而改变。 水质各指标与光谱反射率一阶微分的相关系数显著提高, 反射率微分与盐度、 TDS及电导率相关系数大于0.4的波段有496, 543和547 nm, 因此其微分特征波段为可见光绿光波段, 与BGA-PC浓度负相关系数高于0.4的有652, 655, 658和691 nm等波段, 与叶绿素浓度相关系数大于0.4的波段为696 nm, 由此可知两者微分特征波段在红光波段, 与浊度浓度相关系数大于0.4的波段为879 nm, 其微分特征波段在近红外波段, 与溶解氧含量在红光与近红外波段相关系数较高, 大于0.5的波段有678和845 nm, 其微分特征波段在红光与近红外波段。

图2 不同水质指标与原始光谱和一阶微分光谱的相关系数Fig. 2 Relationship between the seven water quality indexes and spectral reflectance and the first-derivative spectral reflectance

2.3 不同光谱指数与水质指标相关分析

水质指标与原始光谱反射率相关系数较低, 为识别遥感高光谱监测水质的特征波段, 通过引入比值指数(任意两个波段的比值Dm/Dn)、 归一化指数(任意两个波段的差与和的比值Dm-Dn/Dm+Dn)、 差值指数(任意两个波段的差值Dm-Dn)、 增值指数(任意两个波段的和Dm+Dn)来深入探讨水质指标与光谱波段反射率间的关系。 运用MATLAB计算水质指标与比值指数、 归一化指数、 差值指数、 增值指数的相关系数矩阵, 结果表明, 水质指标与增值指数相关系数较低, 水质指标与比值指数及归一化指数相关性较为接近, 最大相关系数较为接近, 误差在0.001左右, 波段也几乎一致, 因此下文具体分析比值指数与差值指数, 如图3所示, 红色表示正相关, 黄色表示低正相关, 青色表示低负相关, 蓝色表示负相关。 盐度、 电导率、 TDS与比值指数、 差值指数的相关系数最高值分别为0.488, 0.511, 0.481, 0.506, 0.484, 0.507, 均位于548和549 nm波段处; 浊度与比值指数、 差值指数的相关系数最高值分别是0.431和0.472, 均位于880和881 nm波段处; 溶解氧含量与比值指数、 差值指数的相关系数最高值分别为0.561和0.575, 分别位于810, 812 nm与675, 671nm波段; 叶绿素含量与比值指数、 差值指数的相关系数最高值分别为0.58和0.464, 分别位于359, 366 nm与697, 698 nm波段; BGA-PC与比值指数、 差值指数的相关系数最高值分别为0.487和0.532, 均位于655和652 nm波段处。

图3 不同水质指标与波段间反射率运算指数相关矩阵Fig.3 Correlation matrix of relationship between the seven water quality indexes and index calculated by different spectra reflectance
(a): Salinity and ratio index; (b): Salinity and difference index; (c): Total dissolved solid and ratio index; (d): Total dissolved solid and difference index; (e): Conductivity and ratio index; (f): Conductivity and difference index; (g): Turbidity and ratio index; (h): Turbidity and difference index; (i): Optics dissolved oxygen and ratio index; (j): Optics dissolved oxygen and difference index; (k): Chlorophyll and ratio index; (l): Chlorophyll and difference index; (m): BGA-PC and ratio index; (n): BGA-PC and difference index

3 结 论

(1)水质各指标与原始光谱反射率的相关性较低, 对原始光谱反射率进行单波段和波段组合变化可提高二者相关性, 达到识别监测水质指标的高光谱特征波段的作用, 其中由波段间反射率构成的增值指数相对于原始光谱与水质各指标相关性提升不明显, 差值指数、 归一化指数、 比值指数效果较好, 但差值指数与归一化指数结果接近一致。

(2)不同盐度、 TDS、 电导率含量的水质光谱原始变化曲线趋近一致, 从近紫外到近红外波段, 样本三者含量最高段光谱反射率最大, 含量处于中间的水质样本反射率最低。 同时三者与光谱原始反射率、 反射率的一阶微分、 不同波段组合指数的相关系数接近一致, 其微分特征波段为可见光绿光波段, 位于548和549 nm波段处的差值指数与三者相关度最高, 系数分别为0.511, 0.507和0.506, 在做遥感反演时可作为特征波段提取, 在利用高光谱技术监测水质多指标变化时, 如条件有限, 盐度、 TDS、 电导率可选择一个指标代替其余二者, 也正是由于三者之间的超高自相关性, 为监测单一指标对水质整体状况的影响增加了困难。

(3)浊度(FNU)含量最高样本, 光谱变化曲线最剧烈, 相对于其余水质指标, 不同浊度的光谱反射率在红光波段及近红外波段区分较小, 不同溶解氧含量水质整体反射率低于其余指标, 溶解氧含量高(7~7.9, 8~9 mg· L-1)以及溶解氧含量低(3~3.9 mg· L-1)的水质样本光谱反射率整体都高, 溶解氧含量4~4.9 mg· L-1水质光谱反射率在350~900 nm内显著低于其余含量样本。 溶解氧、 浊度微分特征波段在近红外波段, 位于880和881 nm波段处的差值指数与浊度的相关度最高, 系数为0.472, 位于675和671 nm波段处的差值指数与溶解氧含量相关度最高, 系数为0.575。 此外, 琅琊山所有水质样本浊度(悬浮物)含量为0, 且溶解氧大部分分布在7~9 mg· L-1之间, 琅琊山景区整体水质污染较小。

(4)叶绿素与BGA-PC为评价水质藻类含量的重要指标, 不同叶绿素含量水质在紫外段区分不明显, 叶绿素含量接近0的样本光谱反射率在蓝光波段到红外波段最低, 不同BGA-PC含量的样本光谱曲线相比其余水质指标在350~730 nm波段变化较大, 交叉点较多, 在近红外波段保持稳定, 含量接近0的水质样本, 光谱曲线居中。 相关分析表明BGA-PC、 叶绿素的微分特征波段在红光波段。 位于655和652 nm波段处的差值指数与BGA-PC相关度最高, 系数为0.532, 比值指数与叶绿素相关性最大, 最大系数为0.58, 位于359和366 nm波段处, 同时, 差值指数与叶绿素相关性最大波段位于697和698 nm处, 因此, 利用光谱对水质中藻类含量指标的监测可选择红光波段。 此外, 由于藻类对光的吸收作用, 在可见光段, 水中叶绿素与BGA-PC含量与原始光谱呈现低负相关。

影响水质的因素众多, 受限于水质采集方式与时间的限制, 未能得到长期以及垂直层面琅琊山水质光谱变化规律, 后续应严格控制光照、 气温等条件一致的情况下, 对水质进行长期且多层面的监测, 获得更多样本, 进行更准确的分析, 从而更全面、 更客观利用遥感手段监测水质环境, 为景区的环境保护提供理论支撑。

The authors have declared that no competing interests exist.

参考文献
[1] Morgane Derrien, Liyang Yang, Jin Hur. Water Research, 2017, 112: 58. [本文引用:1]
[2] Arthi Simon, Palanisamy Shanmugam. International Journal of Applied Earth Observation and Geoinformation, 2016, 49: 117. [本文引用:1]
[3] Wesley J M, Anatoly A G, Richard L P, et al. Water Research, 2012, 15(3): 993. [本文引用:1]
[4] Sylvain J, Mireille G. Remote Sensing of Environment, 2014, 147: 121. [本文引用:1]
[5] Wang X P, Zhang F, Hsiang-te K, et al. CATENA, 2017, 155(8): 62. [本文引用:1]
[6] ZHOU Lin, MA Rong-hua, DUAN Hong-tao, et al(周琳, 马荣华, 段洪涛, ). Journal of Infrared and Millimeter Waves(红外与毫米波学报), 2011, 30(6): 531. [本文引用:1]
[7] Song K S, Li L, Tedesco L P, et al. Science of the Total Environment, 2012, 426: 220. [本文引用:1]
[8] ZHANG Zheng, WEI Biao, TANG Ge, et al(张峥, 魏彪, 汤戈, ). Laster Journal(激光杂志), 2016, 37(4): 21. [本文引用:1]
[9] Wang X P, Zhang F, Hsiang-te K, et al. Ecological Indicators, 2017, 81(10): 222. [本文引用:1]
[10] Lu D M, Song K S, Li L, et al. Procedia Environmental Sciences, 2010, 2: 842. [本文引用:1]
[11] Mathieu L, Andres T, Thomas H, et al. Water Research, 2016, 15(9): 520. [本文引用:1]