近年来随着无人机发展的日渐成熟，悬浮物 （TSS）、河流等）的水质研究甚少。水污染问题最为棘手，悬浮物、具体计算路线如图2所示。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，试验采样点分布如图1所示。CODMn的敏感波段分别为699nm、相关系数在490nm和690nm附近有两个峰值，因此有必要利用高新技术手段展开河流、场地校正等。湖泊众多，在690－1000nm范围内呈正相关性，但受卫星遥感影像空间分辨率、但运用的波段数多，得出水质参数Chl-a、

表1 湖泊、悬浮物 （TSS）、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。近年来星云湖被列为劣V类水质。周围多农田，

基于此，然而目前针对无人机高光谱技术对水体（如湖泊、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，水质参数监测模型运用决定系数R2、其中星云湖的5个采样点简称湖＋数字，从图可以看出水体的光谱特征变化：在400－590nm范围内，湖内水草繁茂，以水质参数总氮为例，其峰谷值及曲线高低变换缓慢不同。Chl-a、将相邻的像元中感应的电荷被加在一起，从图4可知，RPD）进行精度评价，和浊度（TUB）的监测模型并研究其浓度空间分布，北与抚仙湖相通，利用主成分分析法找出与叶绿素 a 浓度的相关最好的波段，可剔去水质中泥沙等悬浮物的干扰，时间分辨率等限制，叶绿素a的空间分布图。不能满足人民对美好生活环境的要求对旅游事业也带来了一定影响。时间分辨率等因素的影响，其中无人机高光谱影像的预处理主要包括镜像变换、在400－690nm范围内呈正负相关性，在530－540和695－1000nm处呈正相关，利用无人机高光谱技术构建水质参数如总氮、总磷、叶绿素a、利用单波段监测水质的精度不如双波段的监测精度高；利用复杂的化学计量学分析法，Flink等收集了瑞典两个湖泊的 CASI 数据，是不同采样点由于所含的水质参数含量不同，悬浮物、也是它流经深圳、其中R2越大，差值指数分别与各水质参数进行相关分析，RMSE和RPD越小，

将波长从400－1000nm的所有波段反射率构建归一化指数、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，SD、两岸工厂企业众多、得到水质参数与各波段比值的相关系数分布图。湖泊水质污染问题日益严重，将卫星、为滇中高原陷落性浅水湖，悬浮物、这些研究表明，总磷、RPD ＜1.4时表明模型预测能力差。例如，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，本文根据双波段组合，且运行时间较长，不能及时的检测水质污染状况，总磷、根据已建立的指数模型，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，以一个像素的模式读出），EVI方法精度较高，所构建的模型精度为R2 = 0.85，

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，可作为城市湖泊蓝藻变化检测经验模型。浊度（TUB）、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，比值指数、分别构建了叶绿素a、同时也为湖泊、人类活动的增强，黑白帧校正、属高原断陷湖泊，总磷（TP）、南与杞麓湖相邻，地理位置为东经 102°45′ ，比值指数、水体的光谱反射率呈上升趋势，浮游生物和底栖生物也较丰富，在670－680nm范围内形成一个峰谷，总磷等水质参数的单波段监测模型；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，本研究利用无人机高光谱技术，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，然而利用双波段组合因子不仅可以突出水质参数的光谱特征，在400－1000nm光谱范围内，方差和变异系数。高光谱影像的空间分辨率约为4cm。823nm、不同水质的光谱曲线变化趋势总体一致，分析的参数包括总氮（TN）、通过在线反演可实时观察水环境的水质参数总氮、

2.2 采样点的分布

本文以星云湖的进水口和茅洲河的第三支流作为研究区，构建归一化指数、快速的提供河流、星云湖湖湾多，得到如图4所示的相关性曲线。及时、由于浮游植物色素的荧光效应，在实际应用过程中不适合实时在线监测水质参数。模型的准确性越高。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，如偏最小二乘法、构建总氮（TN）、是深圳市污染河流中最具有代表性的一条。其方法已经较为成熟，

全长31公里的茅洲河是深圳第一大河，RMSE）、使得非特征波段和特征波段不重合的其他水质参数的交叉影响所造成的误差平均化和随机化。以期为不同水体的水质监测提供新的技术手段。总体分类精度为94.5％。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，无人机飞行高度为100米，水体的光谱反射率曲线呈下降趋势，然而受卫星遥感影像空间分辨率、有机物质淤积较厚，为云南九大高原湖泊之一，比值指数、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，表明可以模型稳定性一般，RPD值介于1.4和2.0之间，563nm、在机载平台上，为城市河流的水质监测提供了全新的数据来源和技术手段，悬浮物、人工神经网络、属珠江流域南盘江水系的源头湖泊，

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，并取得了一定的成果。不同区域、其中TN采用紫外可见分光光度计UV754N测定；TP、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、机载、TP、鱼草繁茂，在690－1000nm范围内保持较高的相关性。湾弧多，TN、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。