已有研究表明, 水体, 特别是内陆水体反射光谱主要受到叶绿素a、 悬浮物、 黄色物质等生色成分影响, 而受其他有机物的影响相对微弱[12]。 内陆水体有机物的组成成分复杂多变, 且各种成分之间相互联系、 相互影响, 使得水体反射光谱的影响机制十分复杂, 而本研究的研究对象为COD标准液, 成分单一简单。 从实验室环境下测得的COD标准液与废水水样反射光谱对比图(图5)可以看出, 相同COD浓度的废水水样光谱与标准液光谱之间的差别远远大于不同浓度COD标准液之间的光谱差异, 这进一步印证了COD浓度对实际水体反射光谱的影响十分微弱, 容易被水体和其他生色成分的光谱特征掩盖。 为进一步验证水体COD分别在标准液和实际水样中反演的可行性, 对不同浓度的COD标准溶液反射数据和野外实测的深圳市茅洲河水体遥感反射率数据, 分别采用偏最小二乘(PLS)的方法建模反演。

2.3.1 标准液的模型反演

将45个标准液反射光谱按照2∶ 1的比例随机选取样本分别作为建模与测试数据集, 取540~580和1 000~1 060 nm波段范围内的反射光谱作为输入值, 构建标准液COD定量反演的PLS模型, 并用相关系数R2和均方根误差(root mean squared error, RMSE)指标指示结果优异, 分析结果见表1, 模型预测值与真实值的相关关系见图6(a)。 为进一步验证本研究选取的敏感波段范围的有效性, 按照上面的方法将340~2 210 nm全波段数据作为输入值同样构建PLS模型, 模型预测值与真实值关系见图6(b)。 COD标准液的模型反演精度较高, 其中基于敏感波段的模型预测值与理论值相关系数R2达0.972, 均方根误差RMSE为39.629 mg· L-1, 而基于全波段数据的模型预测值与理论值相关系数R2为0.961, 均方根误差RMSE为46.639 mg· L-1。 结果表明, 本研究得出的COD敏感波段区间对水体COD变化响应明显, 能够通过少量波段数据得到较高反演精度, 为COD遥感反演提供理论基础。

2.3.2 野外实测水样的模型反演

野外实测的茅洲河水体光谱数据同样按照上面的方法分别建模反演, 分析结果见表1。 可以看出基于敏感波段构建的模型预测值与真实值相关系数R2为0.798, 均方根误差RMSE为32.037 mg· L-1, 同样显著优于全波段构建的模型反演精度0.658, 进一步验证了水体COD的光谱特征主要集中在540~580和1 000~1 060 nm波段范围内, 利用此波段范围光谱数据能够有效减低COD遥感反演时的数据要求, 减少无关波段信息的干扰影响, 提高模型的反演精度。

从实验结果来看, 虽然敏感波段能够有效提高水体COD的反演精度, 但是对于组成更为复杂的实际水样而言, 水体COD的遥感反演精度远低于成分单一的COD标准液, 侧面证实了真实水体光谱组成的复杂性及水体COD光谱特征的微弱性。 因此对于实际水体, 特别是二类水体的COD反演, 需要综合考虑其他因素的干扰。 对于近红外波段光谱数据而言, COD标准液在1 016和1 047 nm附近存在明显吸收峰, 而在此波段附近的水体光谱主要受到悬浮物、 水体自身吸收等的影响; 对于可见光波段光谱数据而言, COD在此波段区间的响应特征相对较弱, 且其在550和565 nm附近形成的吸收峰也会受到叶绿素等物质的影响。 因此应进一步探索去除水体悬浮物、 浊度等影响的方法, 从而提高水体COD的反演精度。 此外, 本研究仅从有机物中常见的一种有机物溶液, 即COD标准液出发得出结论与建议, 而实际水体有机物复杂多变, 其他常见有机物的可见-近红外吸收波长有待进一步的研究。