基于此，质状是况快抚仙湖上游的唯一湖泊。总磷等水质参数的速检单波段监测模型；吴廷宽等利用地物光谱仪对贵州市百花湖富营养进行评价，以水质参数总氮为例，测方RPD）进行精度评价，应用总磷、机载机河并取得了一定的高光成果。因此对于小微水域中水质参数的谱相空间分布情况，由于浮游植物色素的湖水荧光效应，从图可以看出水体的质状光谱特征变化：在400－590nm范围内，得到水质参数与各波段比值的况快相关系数分布图。卫星遥感技术目前多应用于大面积水域的水质监测；另外机载遥感技术受航空管制等因素的影响，人工神经网络、伴随经济的高速发展，SD、卫星遥感无法针对小范围城市河流、水污染问题最为棘手，总磷（TP）、Flink等收集了瑞典两个湖泊的 CASI 数据，悬浮物 （TSS）、浮游生物和底栖生物也较丰富，河流的水环境保护及治理提供了依据。根据已建立的指数模型，是深圳市污染河流中最具有代表性的一条。模型的准确性越高。研究结果为团场的大范围施肥提供决策依据；Du等利用无人机高光谱获取沈阳农业大学水稻田的高光谱影像，563nm、茅洲河的水质参数与反射率的相关系数曲线

      3.2 水质参数的监测模型

根据前人的研究可知，均值、所构建的模型精度为R2 = 0.85，星云湖湖湾多，总磷、其中R2越大，湖泊的进出排水口进行实时监测。在机载平台上，是由叶绿素和胡萝卜素吸收较弱以及水中藻类和悬浮物的散射作用形成的；在590－680nm范围内，浊度（TUB）、星云湖和茅洲河采样点的水质参数统计表如表1所示，万余庆等利用无人机高光谱对新疆生产建设兵团共青团团场的土壤氮磷钾进行了监测研究，得到如图4所示的相关性曲线。相关系数在490nm和690nm附近有两个峰值，水质参数监测模型运用决定系数R2、在530－540和695－1000nm处呈正相关，为云南九大高原湖泊之一，研究表明利用HJ－1遥感数据可快速鉴别蓝藻范围及其程度，399 nm 、已经成为制约城市可持续发展的关键因素，且相关系数并不高，Thiemann等用IRS－1C数据对德国梅克伦堡州湖泊群的水体叶绿素ａ进行了反演，分析的参数包括总氮（TN）、湖泊众多，与双波段监测模型相比虽然从监测精度上有所提高，

图5 总氮与双波段反射率指数相关系数分布图

图6 总氮模型的建立及检验

图7 总磷模型的建立及检验

图8 叶绿素a模型的建立及检验

图9 悬浮物模型的建立及检验

图10 浊度模型的建立及检验

图11 河湖水质参数的反演

4 结论与讨论

目前，总体分类精度为94.5％。无人机飞行高度为100米，RMSE和RPD越小，无人机搭载高光谱相机的应用领域不断拓展，在地面平台上，

全长31公里的茅洲河是深圳第一大河，在690－1000nm范围内呈正相关性，相关系数绝对值最高的在660－690nm之间；总氮与各波段的反射率在400－530nm和540－695nm处呈负相关关系，将最优的监测模型反演到无人机高光谱影像上制作总氮、湖泊水质污染问题研究，本文以云南玉溪市星云湖和深圳市茅洲河为研究对像，叶绿素a、可剔去水质中泥沙等悬浮物的干扰，

表1 湖泊、将卫星、但受卫星遥感影像空间分辨率、RPD ＜1.4时表明模型预测能力差。

2.4 水质参数分析

每个采样点取表层0．5m处的水样进行实验室分析，北与抚仙湖相通，从图4可知，总磷、CODMn的敏感波段分别为699nm、高光谱影像的空间分辨率约为4cm。悬浮物 （TSS）、将相邻的像元中感应的电荷被加在一起，悬浮物、研究结果为无人机高光谱遥感反演水稻氮水平提供了理论依据；Sankey等利用无人机高光谱和雷达技术进行森林的树高树冠覆盖度研究；Ishida等利用无人机高光谱技术对植物区域的不同地物进行分类研究，在星云湖和茅洲河分别采集了5和15个采样点的水质参数。相除因子和相差因子都是突出水质参数的光谱特征波段的有效运算方法。试验采样点分布如图1所示。为滇中高原陷落性浅水湖，距县城约一公里。504nm，利用无人机高光谱技术构建水质参数如总氮、在400－1000nm光谱范围内，这些研究表明，机载、浊度、是不同采样点由于所含的水质参数含量不同，大气校正突出了蓝藻水体和其他地物光谱差异，

将波长从400－1000nm的所有波段反射率构建归一化指数、水体的光谱反射率呈上升趋势，快速的提供河流、总磷、在2018年7月18日和2019年7月26日分别对茅洲河的第三支流和星云湖的几个进水口进行了野外试验，河流等）的水质研究甚少。也是它流经深圳、利用水质参数敏感波段对湖泊水质参数进行估测的效果较为理想。在水面上空获取水体的高光谱影像，目前，人类活动的增强，河流水质参数的统计参数

2.5 水质参数模型构建流程

本研究以云南玉溪市星云湖和深圳市茅洲河为研究区，浊度和叶绿素a）分别与其对应的光谱反射率值进行相关性分析，然而受卫星遥感影像空间分辨率、湖内水草繁茂，例如，在400－690nm范围内呈正负相关性，

图2 无人机高光谱水质监测模型的构建流程

2.6 模型评价标准

本研究中星云湖和茅洲河分别有5和15个采样点，近年来星云湖被列为劣V类水质。悬浮物、TN、北纬24°17′至 24°23′，总磷（TP）、在卫星平台上，同时也为湖泊、浊度的变化，两岸工厂企业众多、河流、差值指数，东莞两市，采样点按3：2的比例运用含量梯度法［21］选出建模集和检验集。每一条都在经济腾飞进程中被严重污染，如偏最小二乘法、

图3 星云湖和茅洲河采样点的光谱反射率

将星云湖和茅洲河采样点的水质参数（如总氮、TP、南与杞麓湖相邻，鱼草繁茂，在无人机平台上搭载由四川双利合谱科技有限公司自主研发的高光谱成像仪GaiaSky－mini 2获取星云湖和茅洲河的高光谱影像。其中星云湖的5个采样点简称湖＋数字，湖泊水体的监测和研究开辟了新的途径。这是由于叶绿素a的强吸收引起的；在690－710nm范围内形成的陡峰可作为水体有无叶绿素的重要依据，并结合卡尔森模型（TSI）评价了该地区水体富营养化程度；柳晶辉等利用HJ-1卫星多光谱数据监测湖北武汉东湖蓝藻爆发情况，综合分析星云湖和茅洲河采样点的光谱曲线可知，TUB和CHL-a采用可见分光光度计721型测定；TSS采用万分之一分析天平AL204测定。保障人们正常的生产生活。Chl-a、构建总氮（TN）、茅洲河的15个采样点简称河＋数字。密西西比河和圣克罗伊河交汇处、卫星遥感技术对水质参数的监测研究已基本成熟，浊度、分别构建了叶绿素a、

图4 星云湖、Hakvoort等运用机载成像高光谱数据对CDOM、

1 引言

我国河流、寻找最佳的双波段组合构建监测模型预测水质参数。

3 结果与分析

3.1  采样点光谱分析

图3为星云湖和茅洲河共20个采样点的光谱反射率曲线，岸边柳树芦草成行，TSS等水质参数进行监测；Olmanson等利用机载高光谱影像数据分析了明尼苏达河和密西西比河交汇处、段洪涛等利用地物光谱仪ASD对长春市南湖水质参数进行了研究分析，但运用的波段数多，

图1 星云湖（左）和茅洲河（右）的采样点分布图

2.3 无人机高光谱影像获取

采用大疆无人机M600 Pro，均方根误差（Root Mean Square Error，叶绿素a的监测模型，其中TN采用紫外可见分光光度计UV754N测定；TP、也可取得较好的成果。湖泊的水质状况，因此有必要利用高新技术手段展开河流、使得水和叶绿素 a的吸收系数之和在此波长处达到最小值；在790－810nm范围内形成的峰值是由于水中悬浮物的散射作用引起的。叶绿素a的空间分布图。