城市黑臭水體是典型的污染現象，主要由生活污水直排、工業廢水、河道斷流等因素引發。傳統監測(cè)依賴人工採(cǎi)樣，效率低、覆蓋有限，且難以獲取河道中心數據。衛星遙感雖可大範圍監測(cè)，但受時空分辨率限制（如重訪周期長、雲層幹擾），對小尺度河道或突發污染響應不足，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标識，可作爲無人機(jī)識别的理論基礎(chǔ)：
低反射率：在400–900 nm波段整體(tǐ)反射率低於(yú)0.025 sr⁻¹；
弱光譜斜率：在400–550 nm波段反射率随波長(zhǎng)上升緩慢，斜率遠低於(yú)正常水體；
峰谷特征消失：因藻類(lèi)含量低，無620 nm吸收谷和700 nm反射峰，光譜曲線平緩(huǎn)；
關鍵波段：綠(lǜ)光波段（520–590 nm） 對(duì)黑臭水體(tǐ)最敏感，反射率差異最大。
無人機多光譜監測方案設計
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，可獲得更爲精準的光譜信息，覆蓋(gài)藍（450 nm）、綠（550 nm）、紅（650 nm）、紅邊(biān)（730 nm）、近紅外（840 nm），通過(guò)特定波段組合增強(qiáng)黑臭水體特征提取，内嵌多種模型，並(bìng)有強大的光譜雲平台支撐，輕松适配農業、林業、生态環境、漏油檢測(cè)等多種應用場景。
2. 數據處理流程
輻射定标：将原始DN值轉換(huàn)爲輻(fú)射亮度；
大氣校正：採(cǎi)用FLAASH或經驗線性法，消除氣溶膠影響（無人機低空飛(fēi)行可顯著提升精度）；
特征提取：基於(yú)光譜特征構(gòu)建識别模型
3. 動态監測網絡構建
定期巡航：雨季/旱季加密飛(fēi)行，跟蹤污染擴散路徑(jìng)；
熱點預警：基於(yú)曆史數據識别易發區域（如人口密集區、斷(duàn)頭河段）；
應用案例與效益
無人機成果：
識别11條黑臭河段（總長(zhǎng)40.7 km），精準定位排污口8處(chù)；
發(fā)現黑臭水體集中於(yú)居民區，與生活污水排放強相關；
治理效益：
監測(cè)成本降低60%，響應時間從(cóng)周級縮短至小時級；
爲“海綿(mián)城市”建設提供污染源動(dòng)态分布圖。
挑戰與展望
挑戰：
水面鏡面反射幹擾；
細小漂浮物（樹(shù)葉、泡沫）易導(dǎo)緻誤判。
未來方向：
融合高光譜(pǔ)（400–1000 nm）提升特征區(qū)分度；
結(jié)合AI算法實現自動(dòng)分割；
與物聯網水質傳(chuán)感器聯動，構建空天地一體化監測(cè)網。
無人機多光譜技術通過高分辨率光譜響應與動态監測能力，彌補瞭(le)衛星遙感和地面採樣的不足，爲城市黑臭水體的精準治理提供瞭(le)可靠工具。随著(zhe)傳感器與算法疊代，其将在智慧水務中發揮核心作用。
參考文獻：
溫爽等. 基於(yú)高分影像的城市黑臭水體遙感識别: 以南京爲例[J]. 環(huán)境科學, 2018, 39(1): 57–67.
