摘要
农村黑臭水体分布范围广且零散，精确掌握黑臭水体的空间分布状况，是有效管理和治理工作的基石，人工实地调查方法虽然准确率高，但费时费力且效率低下，往往会出现黑臭水体遗漏情况。遥感技术由于其监测范围广、时序长、效率高、成本低等特点，成为黑臭水体监测的一种新型技术手段。目前常见的黑臭水体遥感识别方法多针对城市黑臭水体，如指数法、水质反演法、传统机器学习分类方法等，已经取得一定的研究进展。然而，农村黑臭水体多为细小坑塘或沟渠，且水体表面多伴有浮萍覆盖，与城市黑臭水体表现出较强的差异性，现有的黑臭水体遥感识别方法不能很好的适用于农村黑臭水体。本研究选取安徽省地区为研究区域，利用高分辨率卫星影像数据(GF-2)和实地采集的观测数据，对农村黑臭水体与普通水体的光谱特征进行了对比分析，利用深度学习技术构建了适用于农村黑臭水体遥感识别模型，该模型引入贝叶斯卷积模块和全局注意力机制，加强了模型对农村黑臭水体特征提取能力和特征融合能力，实现高精度农村黑臭水体识别。本文的主要研究内容和结论如下: (1)在研究前期分别在淮南市、宿州市、亳州市、阜阳市、蚌埠市和六安市进行多次农村黑臭水体野外调查和数据获取，通过分析总结农村黑臭水体特征结合遥感影像光谱反射率特征，选取清洁水体指数WCI、归一化差异黑臭水体指数NDBWI、反射率光谱指数BOI三种黑臭水体指数，并通过黑臭水体指数差异性分析，增强黑臭水体的多层次特征表达，验证该三种指数在本研究方法中的可行性。 (2)针对现有黑臭水体遥感识别方法在农村区域适用性不强问题，本文研究基于GF-2遥感影像和贝叶斯深度学习，构建了联合光谱和黑臭水体指数的双支贝叶斯模型，通过与传统的黑臭水体遥感识别方法进行对比实验分析，证明深度学习技术在农村黑臭水体遥感识别领域中具有良好的应用性。本文研究方法构建的联合光谱和黑臭水体指数的双支贝叶斯模型，在阜阳市、六安市和宿州市的平均Accuracy、IoU、F1分数、Kappa系数分别为86.72％、67.82％、80.21％、0.84,表明本文研究方法针对农村黑臭水体具有较好的识别能力。与典型黑臭水体遥感识别方法对比发现，本文研究方法在精度评价各指标上均高于其它方法，表明本文模型在性能、鲁棒性以及实际应用中的有效性均优于黑臭水体传统识别方法。通过消融实验对比，表明贝叶斯及全局注意力模块的引入，可以有效地提高模型的整体性能和对细小黑臭水体的识别能力。 (3)基于上述成果，本文利用GF-2遥感影像在安徽省进行农村黑臭水体遥感识别得到安徽省疑似农村黑臭水体密度图。通过对安徽省疑似农村黑臭水体密度图分析，结果表明，安徽省农村黑臭水体数量由南向北逐渐增多，这与当地的经济社会发展有密切联系。此外，通过对识别结果实地验证，本研究方法在皖北地区具有较高的识别准确率，但是在皖中和皖南地区，由于受到植荷花、菱角等自然水生植物的干扰，在这两个区域遥感识别准确率较低。通过实地调查分析总结，农村黑臭水体主要与水体不流通、生活污水直接排放、垃圾堆放以及农业污染有关。
NETL