城市黑臭水體是典型的污染現(xiàn)象，主要由生活污水直排、工業(yè)廢水、河道斷流等因素引發(fā)。傳統(tǒng)監(jiān)測依賴人工采樣，效率低、覆蓋有限，且難以獲取河道中心數(shù)據(jù)。衛(wèi)星遙感雖可大范圍監(jiān)測，但受時空分辨率限制（如重訪周期長、云層干擾），對小尺度河道或突發(fā)污染響應不足，而無人機多光譜遙感可以相對更精準。
黑臭水體的光譜特征
黑臭水體具有顯著光譜標識，可作為無人機識別的理論基礎：
低反射率：在400–900 nm波段整體反射率低于0.025 sr?1；
弱光譜斜率：在400–550 nm波段反射率隨波長上升緩慢，斜率遠低于正常水體；
峰谷特征消失：因藻類含量低，無620 nm吸收谷和700 nm反射峰，光譜曲線平緩；
關鍵波段：綠光波段（520–590 nm） 對黑臭水體最敏感，反射率差異最大。
無人機多光譜監(jiān)測方案設計
1. 硬件配置
多光譜相機：搭載7波段多光譜成像相機（如MAX-S810），7個光譜通道+1個RGB通道，可獲得更為精準的光譜信息，覆蓋藍（450 nm）、綠（550 nm）、紅（650 nm）、紅邊（730 nm）、近紅外（840 nm），通過特定波段組合增強黑臭水體特征提取，內(nèi)嵌多種模型，并有強大的光譜云平臺支撐，輕松適配農(nóng)業(yè)、林業(yè)、生態(tài)環(huán)境、漏油檢測等多種應用場景。
2. 數(shù)據(jù)處理流程
輻射定標：將原始DN值轉換為輻射亮度；
大氣校正：采用FLAASH或經(jīng)驗線性法，消除氣溶膠影響（無人機低空飛行可顯著提升精度）；
特征提取：基于光譜特征構建識別模型
3. 動態(tài)監(jiān)測網(wǎng)絡構建
定期巡航：雨季/旱季加密飛行，跟蹤污染擴散路徑；
熱點預警：基于歷史數(shù)據(jù)識別易發(fā)區(qū)域（如人口密集區(qū)、斷頭河段）；
應用案例與效益
無人機成果：
識別11條黑臭河段（總長40.7 km），精準定位排污口8處；
發(fā)現(xiàn)黑臭水體集中于居民區(qū)，與生活污水排放強相關；
治理效益：
監(jiān)測成本降低60%，響應時間從周級縮短至小時級；
為“海綿城市”建設提供污染源動態(tài)分布圖。
挑戰(zhàn)與展望
挑戰(zhàn)：
水面鏡面反射干擾；
細小漂浮物（樹葉、泡沫）易導致誤判。
未來方向：
融合高光譜（400–1000 nm）提升特征區(qū)分度；
結合AI算法實現(xiàn)自動分割；
與物聯(lián)網(wǎng)水質傳感器聯(lián)動，構建空天地一體化監(jiān)測網(wǎng)。
無人機多光譜技術通過高分辨率光譜響應與動態(tài)監(jiān)測能力，彌補了衛(wèi)星遙感和地面采樣的不足，為城市黑臭水體的精準治理提供了可靠工具。隨著傳感器與算法迭代，其將在智慧水務中發(fā)揮核心作用。
參考文獻：
溫爽等. 基于高分影像的城市黑臭水體遙感識別: 以南京為例[J]. 環(huán)境科學, 2018, 39(1): 57–67.
