守护 “未来之城“ 水安全：无人机高光谱助力雄安新区冬季水环境精细化管理

应用方向

快速、准确监测水质参数对于保障雄安新区这一“未来之城"的水环境安全与可持续发展至关重要。传统水质监测方法依赖现场采样与实验室分析，效率低、成本高、覆盖面有限，难以满足大面积、动态化、业务化监测需求。为提升冬季水质监测能力，本研究利用无人机搭载GaiaSky-mini2-VN高光谱成像系统，获取了雄安新区白洋淀流域四个典型河段在冬季四个时期的高光谱影像，并同步采集了化学需氧量（COD）、高锰酸盐指数（PI）、氨氮（AN）、总磷（TP）和总氮（TN）的地面水样数据。研究通过系统分析18种光谱变换形式，构建了以波段差值（Band Difference）和波段比率（Band Ratio）为核心的快速反演算法，建立了各水质参数的优化估测模型。结果表明，所构建模型对五项关键水质参数均取得较高反演精度（R²介于0.72–0.93），并基于模型结果生成了污染物空间分布图，识别出河流自净过程的四种典型模式。该研究为雄安新区水环境精细化管理、污染源追溯及治理效果评估提供了高效的技术手段与科学依据。

背景

雄安新区是国*级新区，其水环境质量直接关系到区域的生态安全与可持续发展。白洋淀作为新区重要水源地与生态水域，其水质状况备受关注。传统水质监测方法如现场采样与实验室分析，虽精度较高，但耗时费力、空间覆盖有限，难以实现对大范围水体的高频次动态监测。近年来，无人机高光谱遥感技术因其机动灵活、分辨率高、可获取连续光谱信息等优势，已成为水环境监测的重要手段。该技术通过分析水体反射光谱特征，可实现多种水质参数的无接触、大面积同步反演。然而，冬季水环境监测常受光照条件、冰雪覆盖及水色复杂性影响，光谱信号较弱且干扰因素多，现有算法在冬季条件下的适应性、稳定性及处理效率仍有待提升。此外，如何从高维光谱数据中快速提取有效特征并构建轻量化、可业务化推广的模型，亦是当前研究的难点。为此，本研究聚焦雄安新区典型河段冬季水质监测需求，开展无人机高光谱数据采集与建模研究，旨在构建一套高效、稳健的水质参数快速反演技术体系，以支持新区水环境的精准化、智能化管理。

实验与数据采集

（1）实验设置

研究区域位于雄安新区内的白洋淀流域。选取A、B、C、D四个典型河段作为研究区，分别代表引黄补水源区、人口密集区、农业面源影响区及入湖前关键断面。各河段长度介于1.82–3.48 km，于2022年11月至2023年2月期间开展四次无人机飞行与同步地面采样。

图1白洋淀地理位置。研究区位于中国首都北京市西南方向 140 千米处。2017 年 4 月 1 日，中国决定在雄县、安新县、容城县设立雄安新区。白洋淀主体水域隶属于雄安新区管辖，已成为雄安新区发展的核心生态水体。

图2 选取 A、B、C、D 四个河道段进行数据采集与分析。

（2）数据采集

高光谱数据采集采用大疆M600 Pro无人机搭载江苏双利合谱科技有限公司的GaiaSky-mini2-VN推扫式高光谱成像系统，光谱范围400–1000 nm，光谱分辨率3.5 nm，空间分辨率可达0.27 m（飞行高度500 m）。飞行于晴朗无风日间进行，同步采集地面水样，测定COD、PI、AN、TP、TN五项参数。高光谱数据经辐射校正、几何校正及反射率计算后，与地面实测数据按坐标进行匹配，共获取184组有效样本对。

图3 4个河道段地理位置及水域边界。(a) 2022年11月5日，A水域实测长度3.48 km，面积0.21 km²，水域边界周长15.08km；(b) 2022年12月20日，B水域实测长度2.05 km，面积0.05 km²，水域边界周长4.62 km；(c) 2023年1月17日，C水域实测长度3.12 km，面积0.13 km²，水域边界周长9.08 km；(d) 2023年2月24日，D水域实测长度 1.82 km，面积0.19 km²，水域边界周长3.66 km。

研究结果

（1）光谱变换与模型构建

研究对原始光谱进行了包括对数、微分、多元散射校正等在内的18种变换处理，通过波段差值（BD）与波段比率（BR）两种模型系统筛选各水质参数的最佳反演波段组合。结果表明，不同参数所需的*优光谱变换形式各异，例如COD在四个河段的最佳变换分别为对数、包络线去除、原始光谱及二阶微分后多元散射校正，说明水质反演需根据参数特性与环境条件进行自适应光谱优化。

（2）模型精度与空间制图

所构建模型对五项水质参数的反演精度（R²）分别为：COD 0.78–0.89、PI 0.79–0.93、AN 0.72–0.87、TP 0.85–0.90、TN 0.82–0.91，其中TP与TN的模型最为稳健。基于*优模型生成的空间分布图显示，污染物高值区多集中于河流交汇处、近岸带及居民区附近，空间异质性显著，揭示了人类活动对水质的直接影响。

图4 4个河道段5项水质指标空间制图结果。(a) 化学需氧量（COD）含量呈现河流交汇处及近居民区区域高值的分布规律；(b) 高锰酸盐指数（PI）在河道内分布均匀；(c) 岸边及河湾处氨氮（AN）含量高于其他河道区域；(d) 河道总磷（TP）含量整体偏低，高值区集中于河流交汇处及近岸区域；(e) 全河道总氮（TN）含量较低且分布均匀。

（3）河流自净模式识别

通过分析沿河道流向的污染物浓度变化曲线，研究首*识别出四种典型的河流自净模式：均匀型（污染物沿程分布均匀，自净作用不显著）、增强型（污染物随水流向下游累积增加）、抖动型（污染物浓度呈波动变化）与减弱型（污染物在下游因稀释、降解等作用浓度逐渐降低）。该发现为解析污染物迁移转化过程与评估水体自净能力提供了新视角。

结论

本研究成功构建了面向雄安新区冬季河段水质的无人机高光谱快速反演模型，实现了COD、PI、AN、TP、TN五项关键参数的有效估测与空间制图。通过系统筛选光谱变换形式与波段组合，所提出的波段差值/比率模型在保证精度的同时显著提升了计算效率，具备较好的工程应用潜力。研究进一步揭示了污染物空间分布与人类活动的密切关联，并创新性地归纳出河流自净过程的四种典型模式，为水质污染溯源、治理成效评估及水生态系统健康管理提供了重要的技术支撑与理论依据。该成果推进了水环境遥感监测从“数字化"向“智能化"的演进，对雄安新区乃至类似区域的水环境保护与可持续发展具有积极意义。

来源

• Yang Y, Zhang D, Li X, et al. Winter Water Quality Modeling in Xiong’an New Area Supported by Hyperspectral Observation[J]. Sensors, 2023, 23(8): 4089.

• 中国科学院空天信息创新研究院  张东辉