本文作者为刘忠庆、吴军伟、钟凯杰、潘挺，分别来自浙江环茂自控科技有限公司、杭州之东生态环境服务有限公司及杭州之北生态环境服务有限公司。文章发表于《清洗世界》2026年第42卷第7期，文章编号为1671-8909（2026）7-0045-003，收稿日期为2025年12月18日。该文属于一项针对具体水库水环境质量监测的试验研究，研究对象为河南省罗山县定远乡某矿区附近水库。文章构建了一套基于多光谱遥感（multispectral remote sensing）的水环境质量监测方案，并通过实际监测数据验证了方案的有效性。
从学术背景来看，随着工业化、城市化及农业活动扩张，水资源短缺与污染问题日益突出。传统水质监测方法在时空覆盖上存在明显不足，难以全面反映水环境质量的动态变化。多光谱遥感技术通过传感器捕捉水体反射、吸收和散射的光谱信号，为水质参数反演提供了新的技术路径。本文旨在以矿区附近水库为案例，从数据采集、数据预处理、建模指标构建、反演模型构建及监测实施与精度评价五个维度，系统设计一套适用于中小型水域的水环境质量监测方案，为水环境质量的常态化、精准化监测提供技术参考与实践范式。
在研究工作流程方面，本文首先进行了案例背景调查。研究水库总库容约120万立方米，平均深度6.2米，水面面积约为28000平方米。水库周围5公里范围内存在3处小规模金属矿坑，尾砂和选矿废水通过地表径流进入水体，是主要污染来源。前期监测发现，水库悬浮物（TSS）严重超标，西北部常出现150至200 mg/L的高值，远高于地表水环境质量标准III类水要求的20 mg/L以下；总磷（TP）和金属元素铅（Pb）、锌（Zn）也存在富集现象，个别点位总磷达到0.25至0.35 mg/L，铅高达0.12 mg/L。这些污染特征为监测方案设计提供了明确的目标参数。
在数据采集环节，文章比较了卫星遥感与无人机遥感两大体系的技术特征。卫星遥感以Sentinel-2和Landsat 8 OLI为典型传感器，空间分辨率为10至30米，光谱波段包括蓝、绿、红、近红外等4至11个波段，适用于流域尺度长期监测和水质趋势分析；无人机遥感以MicaSense RedEdge-MX为典型传感器，空间分辨率可达0.1至1米，包含蓝、绿、红、红边、近红外5个波段，适用于小型水域和污染热点区的精细化监测。本文研究水库属于中小型水域，因此采用无人机多光谱数据进行精细化监测。
在多光谱数据预处理环节，文章明确了四项关键操作。第一，辐射定标，将传感器获取的数字量化值（DN）转化为辐射亮度；第二，大气校正，运用MODTRAN 4.0模型剔除大气散射与吸收干扰，得到精准的离水辐射亮度；第三，几何校正，借助地面控制点实现影像与地理坐标的精准匹配，将误差控制在1个像素以内；第四，水体提取，通过绿波段与近红外波段的归一化差值水体指数（NDWI）完成水体与非水体分割，NDWI大于0的区域判定为水体，公式为NDWI = (ρgreen - ρnir) / (ρgreen + ρnir)，其中ρgreen和ρnir分别为绿波段与近红外波段的反射率。
在建模指标构建环节，文章根据《地表水环境质量标准（GB 3838—2002）》和矿区水库污染特点，构建了三类目标参数体系。主要污染物参数包括悬浮物和浊度（TURB），二者直接体现采矿废水带来的悬浮物污染强度；富营养化核心参数为叶绿素a（Chl-a），其含量变化反映水体富营养化程度；典型辅助参数为重金属铅和锌，通过与悬浮物浓度的耦合反演提供污染来源证据。光谱特征指标方面，文章提取单波段反射率、波段比值指数和归一化差值指数三类基本特征量，为模型构建提供输入变量。
在水质参数反演模型构建环节，文章介绍了三类常用模型。第一，统计模型，通过构建实测水质参数与同步光谱数据间的统计相关性实现建模，常用方法包括线性回归模型、指数回归模型和波段比值模型。其中绿波段线性模型在叶绿素a浓度监测中表现优异，表达式为Chl-a = a·ρgreen + b，拟合决定系数R²达0.72，均方根误差（RMSE）为3.2 μg/L。第二，物理模型，以辐射传输理论为核心框架，通过模拟水体中各类组分的光学特性构建模型。以固有光学特性（IOP）模型为例，通过反演水体吸收系数a和散射系数b，结合各组分光学贡献比例计算悬浮物浓度，适用于光学特性复杂的水体，但对输入参数精度要求较高。第三，机器学习模型，借助随机森林、神经网络等数据驱动方法处理非线性光谱与水质参数关系。本文以矿区水库为例，构建了输入变量为500 nm、540 nm、625 nm、670 nm四个特征波段反射率的随机森林回归模型，用于悬浮物浓度反演，拟合优度R²达0.89。
在监测实施与精度评价体系环节，文章制定了“空-地”联动监测实施方案，于2024年5月12日10:00至11:30开展监测。流程分为三个阶段。准备阶段基于GIS选择3个示范区及25个采样点，调节无人机多光谱设备，进行辐射定标和飞行参数设定。同步采集阶段中，无人机按规划航线采集5个波段图像，地面同步采集各点位水样，现场测定浊度，剩余样品低温保存。数据处理阶段对遥感图像进行拼接纠正和辐射校正得到离水反射率，地面数据剔除异常值，匹配遥感图像光谱值与对应位置水质参数值，其中18个点用于建模，7个点用于验证。精度评价体系包括拟合精度、预测精度和空间一致性三个维度，分别以决定系数R²、均方根误差RMSE、平均相对误差（MRE）和空间吻合度为评价指标。
在监测效果分析方面，文章首先对悬浮物、浊度、总磷三个参数的随机森林反演模型精度进行了检验。结果显示，悬浮物模型R²为0.89，RMSE为8.6 mg/L，RMSE占均值百分比为7.2%，MRE为6.8%；浊度模型R²为0.87，RMSE为5.2 NTU，RMSE占比为8.5%，MRE为7.5%；总磷模型R²为0.82，RMSE为0.018 mg/L，RMSE占比为9.3%，MRE为8.0%。三个参数模型检验等级均为“优秀”，表明多光谱遥感检测具有较高可靠性。以悬浮物为例，模型预测值与实测值位于1:1线上下波动，无显著系统性偏差，说明模型能较好地反映矿区水库悬浮物浓度变化特征。
在水质参数空间分布特征方面，文章发现各项参数呈现明显“梯度化”分布，与矿区采矿影响路径高度吻合。悬浮物与浊度的高浓度区位于水库西北部采矿废水入湖口，形成以入湖口为中心的扇形污染区，范围约300米，悬浮物浓度大于等于100 mg/L，浊度大于等于80 NTU；库区东南方向受入库溪流稀释，悬浮物浓度降至30至60 mg/L，浊度小于等于40 NTU，符合III类水标准。总磷高浓度区（大于等于0.2 mg/L）部分与悬浮物高浓度区重合，主要分布于入湖口周边200米范围内，浓度最大为0.35 mg/L；库区中部总磷浓度为0.1至0.15 mg/L，出库口附近浓度最低，为0.08至0.1 mg/L，接近III类水标准0.1 mg/L。重金属铅和锌与悬浮物的相关系数分别为0.86和0.82，铅浓度最大为0.12 mg/L，锌浓度最大为0.35 mg/L，超出该范围后浓度骤降至铅0.05 mg/L、锌0.1 mg/L以下。上述空间分布特征与实际检测结果极为相近，验证了监测方法的有效性，并为后续水环境治理提供了方案制定依据。
文章的结论指出，本文构建的基于多光谱遥感的水环境质量监测方案在叶绿素a、总悬浮物等关键水质参数反演中具有较高精度，能有效反映研究区域水环境质量的空间分布特征与季节变化规律，解决了传统监测方法时空覆盖不足的问题。未来研究将进一步优化遥感反演模型精度，拓展监测参数覆盖范围，结合长时间序列遥感数据，深入分析矿区水环境质量的动态演变机制，为矿区水资源保护与生态修复提供更全面的技术支撑。
本文的研究亮点主要体现在三个方面。第一，针对矿区水库污染特点，构建了包括污染物参数、富营养化参数和重金属辅助参数在内的多层次目标参数体系，实现了对复杂污染源的综合监测。第二，采用“空-地”联动监测实施方案，将无人机多光谱数据与地面实测数据同步采集和匹配，既保证了遥感反演的精度，又弥补了传统监测在空间覆盖上的不足。第三，引入随机森林机器学习模型处理多光谱数据与水质参数间的非线性关系，悬浮物反演R²达到0.89，显著优于传统统计模型，为中小型水域的精细化遥感监测提供了可推广的技术路径。