论文部分内容阅读
近年来,我国在水污染防治方面取得了一定的成就,但依然不能避免一些河流湖泊的水质不断下降的情况,工业化程度越高的区域所面临的水污染问题越严重。密云水库是北京重要的地表水源地,在保护首都水源安全方面发挥着重要作用。然而,水库的水质近年来受到了来自上游水土流失和周边地区农业与人类活动所带来的一定程度的污染,密云水库水源地急需进一步的保护与治理,如何监测把握水质污染程度,有的放矢是保护与治理的关键。所以,密云水库水质参数的精确监测技术迫在眉睫。因此,本研究旨在将无人机遥感、卫星遥感与机器学习结合起来,构建较为精确的多源化密云水库水质参数反演模型,来有效地服务于水库水源地的水质监测与保护,为密云水库水源地的密云水库水源地保护和监管提供支撑。本研究采用高光谱无人机遥感、高光谱卫星遥感和支持向量机(SVM)、神经网络(NN)、弹性网络(Elastic Net)、贝叶斯脊回归(Bayesian Ridge Regression)、套索算法(Lasso)、(线性回归)Linear Regression、决策树回归(Decision Tree Regressor)、K 近邻回归(KNeighbors Regressor)、、随机森林(Random Forest Regressor)、极端随机树(ExtraTrees Regressor)、梯度提升算法(Gradient Boosting Regressor)、AdaBoost算法(AdaBoost Regressor)共十二种机器学习算法构建水质参数反演模型,反演总氮、总磷、氨氮、COD四个影响密云水库水污染的主要水质参数,分析密云水库水质参数在时空尺度上的变化以及密云水库水源地监管措施的实施对水库水质的影响。研究表明:(1)极端随机树(ETR)算法最适合基于无人机高分辨率高光谱数据的总氮、总磷、COD反演模型,决定系数r2高于99%,梯度提升算法(GBR)最适合氨氮的反演,决定系数r2高于99%;极端随机树(ETR)最适于基于Landsat8的总氮、总磷、COD反演模型。(2)经过RFE降维后,线性回归算法(LR)产生了大量失真,而决策树回归(DTR)、极端随机树(ETR)、梯度提升(GBR)算法均能继续保持模型效果,决定系数r2高于99%。(3)反演精度验证结果显示,无人机遥感数据下的总氮、总磷、氨氮、COD的反演值与实际值的相对误差分别为0.02318、0.00039、0.003427、0.45514;Landsat8卫星遥感数据下各相对误差分别为0.2045、0.002683、0.017588、1.44225,均备辨识水质分级的能力。(4)反演结果表明,后八家庄村村水域总氮浓度最高,不老屯村水域的总磷在栅格尺度上的相对波动较大,白河大坝的水质参数普遍高于潮河大坝;总氮、总磷、氨氮在汛期和冬耕播种、返青等时间节点上出现浓度波动。(5)依照《地表水环境质量标准GB3838-2002》分类反演结果水质,表明密云水库总体质量较好,常年处于Ⅱ类水,但总磷浓度略高。