河湖水環境健康關乎生態安全與民生福祉，目前，河湖水體面臨富營養化導致的藻類水華頻發、黑臭水體影響人居環境、岸線生態退化等嚴峻挑戰，實現“水清岸綠”目標急需高效、精準、動態的監測手段。傳統監測方法耗時費力、覆蓋有限。光譜成像技術（高光譜/多光譜遙感）憑借其非接觸、大范圍、快速獲取水體特征信息的優勢，正深刻變革水環境監測模式。

本篇文章以中達瑞和在深圳“坪山河水環境空天地一體化監測項目”為例，應用MAX-S810進行區域飛行，通過SpecMetis遙感分析平臺實現大空間、大尺度范圍監測的圖譜合一，快速識別水體及岸線生態現狀。通過空天地多維數據實測比對，在富營養化評估、藻類水華預警、黑臭水體識別及岸線生態監測中的應用，其模型準確率達到99% 。

光譜成像技術原理簡述

由于不同物質（葉綠素a、懸浮泥沙、CDOM、藻藍蛋白等）具有特征性的吸收和反射光譜曲線?？赏ㄟ^高光譜/多光譜成像相機獲取水體的光譜信息，基于水體的光譜特征，通過經驗/半經驗算法、機器學習/深度學習模型等，定量或半定量反演水質參數，從而體現河湖富營養化、藻類水華、黑臭水體、岸線生態的污染程度。

坪山河案例成果示例

富營養化監測：

通過機載光譜成像系統+5G無人機場技術，實現河湖庫高頻自動巡查，實時獲取河湖庫水環境光譜數據，精準計算并提取富營養化的分布及面積，提高巡查效率。

• 監測對象/指標： 葉綠素a (Chl-a)濃度（浮游植物生物量）、透明度(SDD)、總磷(TP)、總氮(TN)、營養狀態指數(TSI)等。

• 光譜原理： Chl-a在藍光(440nm附近)有強吸收谷，在綠光(550nm附近)有反射峰，近紅外(700nm附近)存在反射陡坡(“紅邊”)。懸浮物增加導致整體反射率升高且光譜斜率變化。CDOM在藍光波段強烈吸收。結合這些特征可建立反演模型。

• 結果體現：坪山河富營養化程度體現如下圖

藻類水華監測：

通過機載光譜成像系統+5G無人機場技術，實現河湖庫高頻自動巡查，實時獲取河湖庫水環境光譜數據，精準計算并提取藻類水華的分布及面積，提高巡查效率。

• 監測對象： 水華發生范圍、面積、強度、藻類群落組成（如藍藻、綠藻、硅藻的初步區分）、藻藍蛋白(PC)濃度（藍藻特異性色素）。

• 光譜原理： 密集藻華導致近紅外波段反射率顯著升高（“植被紅邊”現象）。藍藻的藻藍蛋白在620nm附近存在特征吸收峰。不同藻類群的光譜曲線存在差異。

• 結果體現：坪山河藻類水華程度體現如下圖

、

黑臭水體監測：

通過機載光譜成像系統+5G無人機場技術，實現河湖庫高頻自動巡查，實時獲取河湖庫水環境光譜數據，計算并提取黑臭水體的分布及面積，提高巡查效率。

• 監測對象： 黑臭程度（輕度、重度）、主要致黑臭物質（有機物、硫化物等）。

• 光譜原理： 黑臭水體通常具有極低的整體反射率，尤其在可見光波段（水體發黑）；其光譜曲線形狀（如紅綠波段比值）與清潔水體或普通污染水體存在顯著差異。高光譜可探測與有機物、硫化物相關的更精細特征。

• 結果體現：坪山河黑臭水體程度體現如下圖

岸線生態監測：

利用地面SVC光譜智能攝像機+機載多光譜成像系統點面結合的巡查方式，實現全天候、高頻自動河湖庫巡查，重點監測水面漂浮物、排污口、違建等情況，智能化計算并提取水環境信息、道路信息、沙地信息的分布及面積，實現全流域的全自動、調查與監控。

• 監測對象： 岸線植被覆蓋度與類型（濕地植被、喬灌草）、植被健康狀況（生物量、葉綠素含量）、濕地范圍變化、岸線侵蝕/淤積、人工侵占、生態修復效果。

• 光譜原理： 健康植被在可見光綠波段有反射峰，紅光有吸收谷，近紅外有高反射平臺。利用NDVI、EVI等植被指數監測綠度與生物量。植被的“紅邊”位置和斜率可指示脅迫狀態。近紅外-短波紅外波段可區分水體、土壤、植被類型及土壤濕度。

• 結果體現：坪山河黑臭水體程度體現如下圖

光譜成像技術為河湖水環境監測，特別是在精準識別與動態跟蹤富營養化、藻類水華、黑臭水體以及評估岸線生態狀況方面，提供了革命性的技術手段。中達瑞和高光譜/多光譜成像技術具有大范圍、快速、非接觸的優勢，有效彌補了傳統點源監測的不足，顯著提升了水環境管理的科學性、時效性和前瞻性。盡管仍面臨大氣校正、模型普適性等挑戰，但隨著傳感器技術的進步、人工智能的應用深化以及多平臺協同監測網絡的完善，光譜成像技術必將在構建“智慧水利”和“美麗河湖”的進程中發揮越來越核心的作用，為水資源保護、水生態修復與水環境治理提供強大的科技支撐。