2018, Vol. 39
2. 环境保护部卫星环境应用中心, 北京 100029
, WANG Qiao2 , LI Yun-mei1
, ZHU Li2 , LÜ Heng1 , LEI Shao-hua1 , DING Xiao-lei1 , MIAO Song1
2. Satellite Environment Application Center, Ministry of Environmental Protection, Beijing 100029, China
城市黑臭水体是指城市建成区内, 呈现令人不悦的颜色和(或)散发令人不适气味的水体的统称[1].所谓“黑臭”是水体有机污染的一种极端现象[2], 是由于水体缺氧、有机物腐败而造成的, 已经成为我国许多大中城市共同存在的环境污染问题[3~6].目前国内外对城市黑臭水体的研究多集中于黑臭形成机制[7~13]、水质评价方法与指标构建[14~16]、生态修复等方面[17~22].对城市黑臭水体的识别, 则主要采取资料收集、实地考察、野外监测与评价指标相结合的方法.水体黑臭的常见评价指标有温度, 色度, 化学耗氧量(COD或高锰酸盐指数)、5日生化需氧量(BOD5)、氨氮(NH4+-N)、溶解氧(DO)、总氮(TN)、硫酸还原菌数、臭阈值(TO)等[23~27].
城市黑臭水体通常分布范围较广, 河宽一般较窄, 易受到两岸环境(居民点、建筑工地、工厂)影响; 水流速度较小, 水面多漂浮树叶等杂质, 常出现“断头”现象.由于城市河道水面通常低于路面, 且设有护栏, 因此常规的地面采样监测不易采集河道中心水质信息, 难以全面划定黑臭水体分布范围, 增加监测难度.遥感技术以其宏观、大面积同步观测以及持续观测的特点, 为城市水体的监测提供了一种新的技术手段.万风年等[28]建立ETM+遥感影像的可见光波段及其组合与电导率(EC)、氨氮(NH4+-N)等水质参数的回归方程, 模型精度较高, 较好地反映了浙江温瑞塘河水质参数空间分布情况.姚俊等[29]解译了苏州河3个不同时相的彩红外遥感影像和热红外遥感影像信息, 分析了苏州河水体污染的状况和历史原因.马跃良等[30]利用TM影像数据对珠江广州河段水环境质量中的水质污染进行监测研究, 并建立了水质污染遥感预测模型.目前的研究主要针对水质参数进行, 还没有提出有效地黑臭水体识别的方法.
随着高分遥感技术的发展, 大量的城市高空间分辨率遥感数据为城市黑臭水体监测提供了数据保障, 但是其模型方法的研究还十分欠缺.基于此, 本研究针对南京市主城区河流开展野外实验, 对比分析黑臭水体和正常水体的光谱差异, 构建基于高分影像的城市黑臭水体遥感识别方法, 以期为黑臭河道监管提供技术支持.
1 材料与方法 1.1 研究区及采样点分布南京位于江苏省西南部(北纬31°14′~32°37′, 东经118°22′~119°14′), 长江下游, 市域总面积6 587 km2[31], 是江苏省省会.南京水域面积达11%以上, 有秦淮河、金川河、玄武湖、莫愁湖、百家湖、石臼湖、固城湖、金牛湖等大小河流湖泊.其中, 城市内河是城市人居环境中重要组成部分, 近年来随着城市化进程的不断加剧, 大量生活污水等直接排入河流, 导致水体发黑发臭.
2016年的1月19日、4月10日、11月3日对南京城市河道开展地面调查, 记录黑臭河段位置, 并分别采集沙洲西河、秃尾河及玄武湖、金川河样点共55个进行水面光谱测量和水质分析.其中, 沙洲西河和玄武湖样点共计18个, 均属于正常水体.秃尾河位于浦口区, 蜿蜒流经天润城和旭日上城, 河宽15~30 m, 是一条断头河, 水面呈现深墨绿色, 悬浮大量黑色絮状物, 腥臭味明显[32~34].因此共采集秃尾河样点29个, 属于黑臭水体.此外, 金川河样点共8个, 包含黑臭水体和正常水体, 采样时间与所获取遥感影像时间同步.野外实验采样点分布如图 1所示.
|
图 1 采样点分布示意 Fig. 1 Distribution of sampling points |
此外, 为了与其它类型水体进行对比, 还收集了南京夹江(29个样点)的野外实测遥感反射率数据.南京夹江水体叶绿素浓度低, 悬浮泥沙含量相对较高.
1.2 数据采集与测量方法实验观测包括室外实验和室内实验两部分.室外实验包括遥感反射率、透明度、溶解氧、氧化还原电位的测量和水样采集, 同时记录样点经纬度等信息.
水面光谱数据测量使用美国ASD公司生产的ASD FieldSpec Pro便携式光谱辐射计, 其波段范围是350~1 050 nm.首先将仪器探头垂直对准灰板中心, 避免阴影、杂散光, 测量标准灰板的辐亮度(Lp); 然后背对太阳方向, 仪器与水面法线方向的夹角为30°~45°, 在避开太阳直射反射、忽略或避开水面泡沫的情况下, 所测得水体辐亮度为Lsw; 将仪器向上旋转90°对准天空测量辐亮度(Lsky); 最后再垂直对准灰板测量标准灰板的辐亮度.每个采样点都需要测量10条以上光谱信息.水面光谱数据按照唐军武等[35]介绍的方法换算成水面遥感反射率.
用塞氏盘进行透明度的测量.手握卷尺缓慢释放绳子, 将塞氏盘垂直沉入水中, 当盘中黑白色刚好看不清楚时记录标尺读数, 即为透明度值.数值以厘米为单位, 反复观察2~3次确保读数稳定性.
溶解氧(DO)、氧化还原电位测量分别采用溶解氧检测仪(YSI550A)、笔式OPT计(CT-8022).仪器使用之前需要用标准液进行校正, 测量时将探头完全没入水中, 待读数稳定记录数值; 每个采样点测量完毕使用高纯水将探头冲洗干净以备下次使用.
本研究依据透明度、溶解氧、氧化还原电位这3项指标判断水体是否黑臭, 具体判别标准如表 1所示.
|
表 1 城市黑臭水体判别标准 Table 1 Classification standard for the degree of pollution in urban black-odor water bodies |
1.3 高分影像数据及预处理
采用2016年11月3日的GF-2遥感影像进行南京黑臭水体遥感识别, 影像覆盖鼓楼区、玄武区、秦淮区、建邺区以及浦口区部分区域, 地面采集样点中有8个同步实测样点.
GF-2多光谱数据空间分辨率4 m, 该数据共4个波段, 波长范围分别为450~520、520~590、630~690和770~890 nm, 中心波长分别为514、546、656和822 nm.
利用ENVI软件对影像进行正射校正、辐射定标、大气校正等操作.大气校正采用ENVI自带FLAASH大气校正模块.利用11月3日在金川河实测的水面遥感反射率与大气校正结果进行对比, 通过比较大气校正后数据和实测光谱数据的差异来评价大气校正精度.由于5号采样点受岸边植被影响较大, 光谱特征与植被较相似, 因此不参与精度评价.将与卫星数据同步的7个样点实测遥感反射率通过光谱响应函数拟合至GF-2传感器4个波段, 并与大气校正后的遥感反射率进行对比.大气校正值和实测值在可见光波段的MAPE分别为31.73%、12.33%、17.76%, RMSE分别为0.004 3、0.002 9、0.003 0 sr-1(图 2).
|
图 2 大气校正结果 Fig. 2 Results of the atmospheric correction |
为了判别城市黑臭水体的光谱特征, 将所采集的南京市黑臭水体、正常水体与南京夹江饮用水源地水体(2014年10月实测)等野外实验采集的光谱数据进行对比, 分析黑臭水体和不同类型水体的光谱差异.如图 3所示, 城市黑臭水体的遥感反射率的数值和光谱斜率与其他类型水体有明显的区别.
|
(a)图 1秃尾河及金川河黑臭水体采样点光谱曲线; (b)图 1沙洲西河、玄武湖及金川河正常水体采样点光谱曲线; (c)夹江水体光谱曲线 图 3 3种类型水体遥感反射率光谱、均值及GF2 PMS2模拟结果 Fig. 3 Reflectance spectra and average results of three types of water bodies, and simulation results of GF2 PMS2 |
城市黑臭水体在400~900 nm波段遥感反射率值整体低于0.025 sr-1, 其平均值在三类水体中最小, 和夹江平均遥感反射率相差最大[图 3(d)].在400~550 nm波段范围, 黑臭水体遥感反射率随波长增加上升缓慢, 其它水体的光谱曲线在该波段范围斜率较大[图 3(b)、3(c)]; 在550~580 nm波段范围, 黑臭水体遥感反射率出现峰值, 波峰宽度大于其他类型水体, 但值最低, 形状最为平缓; 黑臭水体由于水体溶解氧含量低, 导致水体藻含量少, 在620 nm没有明显吸收谷, 在700 nm附近没有明显的反射峰.
总体而言, 城市黑臭水体遥感反射率最低, 在550~700 nm范围内整体走势很平缓, 虽然具有波动变化, 但是峰谷不突出.黑臭水体光谱所表现出的这种特征可以作为其遥感识别的重要依据. 图 3(e)给出了针对GF-2传感器波段设置的不同类型实测水体光谱信息.对比图 3(d)和图 3(e), 可以看出GF-2的宽波段设置大大缩减了光谱信息[36], 使得黑臭水体和其他类型水体光谱特征的差异变小, 但仍然可以体现出不同类别水体的明显差异.例如, GF-2影像的第二波段(中心波长546 nm)对应水体550~580 nm出现的峰值, 但是黑臭水体的值最低; 此外, 由于黑臭水体遥感反射率较低且在可见光范围变化平缓, 因此光谱值在GF-2影像一、二波段和二、三波段数值的差异小于其它水体, 且光谱斜率最小.这些差异, 为从高分影像建模提取黑臭水体提供了物理基础.
2.2 城市黑臭水体识别算法利用地面实测遥感反射率拟合为GF-2影像的多光谱数据, 进行黑臭水体识别建模.其中, 除了与卫星同步的8个样点数据外, 其它样点数据均参与建模.基于2.1节的分析, 提出单波段阈值法、波段差值法、波段比值法和色度法进行城市黑臭水体提取.
2.2.1 单波段阈值法城市黑臭水体遥感反射率整体低于其它水体, 在550 nm附近即GF-2影像第二波段与其它水体的差异相对较高.因此利用这一波段遥感反射率值提取城市黑臭水体, 算法如式(1).
|
(1) |
式中, Rrs(Green)为GF-2影像第二波段大气校正后遥感反射率值, N为常数.
图 4为各样点Rrs(Green)值, 选取N=0.019 sr-1作为判别一般水体和黑臭水体的阈值.
|
图 4 建模样点Rrs(Green)值 Fig. 4 Green band Rrs(λ) value of the modeling points |
由于城市黑臭水体遥感反射率值在480~550 nm上升缓慢, 在550 nm附近出现的波峰较宽且值最低.具体在GF-2影像上的表现为在可见光蓝绿波段, 南京夹江水体光谱斜率最高, 城市正常水体次之, 而城市黑臭水体最低.由此, 可以利用蓝绿波段的遥感反射率差值来判断是否是城市黑臭水体, 算法如式(2).
|
(2) |
式中, Rrs(Blue)和Rrs(Green)分别为GF-2影像第一、二波段大气校正后遥感反射率值, N为常数.
图 5为建模样点蓝绿波段遥感反射率差值, 选取N=0.003 6 sr-1作为判别一般水体和黑臭水体的阈值.
|
图 5 建模样点蓝绿波段遥感反射率差值 Fig. 5 Difference between Rrs(λ) values of the blue band and green band of the modeling points |
城市黑臭水体在550~700 nm范围内光谱曲线变化最为平缓, 斜率最低. GF-2影像对应此光谱范围的绿、红波段, 中心波长分别为546 nm和656 nm, 很好地体现出城市黑臭水体这一光谱特征.从图 3(e)可以看出, 城市正常水体在此波段范围光谱斜率同样较低, 但是其具有较高的遥感反射率值.因此, 选择这两个波段组合的遥感反射率差、和的比值来识别城市黑臭水体.算法如式(3).
|
(3) |
式中, Rrs(Green)和Rrs(Red)分别为GF-2影像第二、三波段大气校正后遥感反射率值, N1、N2为常数.
图 6为建模样点红绿波段比值, 选取N1=0.06 sr-1、N2=0.115 sr-1作为判别一般水体和黑臭水体的阈值.
|
图 6 建模样点绿红波段遥感反射率比值 Fig. 6 Ratio of Rrs(λ) values of the green band and red band of the modeling points |
野外调查发现, 黑臭水体反射率较低, 在视觉中具有直观的体现.此外, 已有国内外学者运用色度方法, 直观且定量地反映湖泊水色变化规律[37~40].因此, 尝试建立色度指标进行黑臭水体识别.
本研究根据色度计算公式[41], 将GF-2影像红、绿、蓝波段分别作为R、G、B代入公式计算, 得到CIE坐标系统中表征水体颜色的主波长.根据图 7建模样点计算结果, 城市黑臭水体对应波长范围为528~540 nm.其余波段范围分别对应不同颜色(图 8), 其中490~528 nm主要呈现蓝色; 540~560 nm范围呈现绿色, 和城市河道的正常水体的颜色最接近; 560~576 nm范围代表颜色为黄色, 主要体现在秦淮河等较为浑浊的水体.
|
图 7 建模样点CIE坐标主波长 Fig. 7 Main wavelength of the CIE coordinates of the modeling points |
|
图 8 色度法计算结果 Fig. 8 Calculation results from the chroma method |
采用验证样点识别的正确率对算法精度进行评价, 由式(4)计算.
|
(4) |
式中, N正确识别表示识别结果和实际情况一致的样点数目, N总数为验证样点总数.
3 结果与讨论将以上方法应用于2016年11月3日GF-2 PMS2影像, 提取出南京主城区黑臭水体, 如图 9所示.卫星过境当天野外同步实验采集的8个样点(图 1)水质参数如表 2所示. JC1、JC2位于金川河泵站附近水流交汇处, 流速大, 河岸宽, 居民点较少, 透明度和溶解氧含量较高(表 1和表 2), 水体黑臭现象不明显, 是正常水体. JC8位于长江入江口处, 河宽大概20 m, 附近居民点较少, 无排污口, 水体颜色正常, 无臭味, 透明度和溶解氧含量高(表 1和表 2), 是正常水体. JC3~JC7位于城市狭窄河道, 河水流经多处居民小区, 沿岸有数个排污口, 水质极差, 水体颜色变深, 呈现墨绿色, 近岸则闻到刺鼻臭味; 透明度低于30 cm, 溶解氧含量低于0.4 mg·L-1(表 1和表 2), 是典型城市黑臭水体.利用这8个样点对黑臭水体遥感识别效果进行评价.
|
图 9 不同算法黑臭水体识别结果 Fig. 9 Recognition results of the black-odor water bodies by the different algorithms |
|
|
表 2 2016年11月金川河采样点水质参数 Table 2 Water quality parameters for samples from the Jinchuan River in November 2016 |
3.1 不同算法识别精度对比
基于2.2节所构建的算法, 对南京市部分城区黑臭水体进行识别.由于长江是含沙量大且比较浑浊的水体, 不存在黑臭现象, 和黑臭水体的光谱特征差异显著, 在遥感影像上和其他类型水体颜色相差大, 因此将其单独划分为一类.在遥感影像上选取金川河流域采集的8个卫星同步样点对算法识别精度进行评价.
3.1.1 单波段算法根据表 3, 单波段法对黑臭识别结果和实际情况一致的是JC1、JC4、JC5、JC6所在河段.根据2.3节精度评价方法, 算法识别正确率为50%. 图 9(a)红色部分是单波段法识别的城市黑臭水体分布范围.
|
|
表 3 不同算法验证样点取值及识别结果 Table 3 Value and recognition results of the verification points by the different algorithms |
3.1.2 差值算法
根据表 3, 差值算法对黑臭识别结果和实际情况一致的是JC3、JC4、JC5、JC6、JC7、JC8所在河段, 识别正确率为75%. 图 9(b)红色部分是差值算法识别出的城市黑臭水体分布范围.
3.1.3 比值算法根据表 3, 比值算法对8个样点所在河段的识别结果与实际情况一致, 识别正确率达到100%. 图 9(c)红色部分是比值法识别的城市黑臭水体分布范围.
3.1.4 色度法根据表 3, 色度法识别正确的是JC1、JC2、JC3, 识别正确率为37.5%. 图 9(d)红色部分是色度法识别的城市黑臭水体分布范围.
3.2 算法识别误差原因及适用性分析 3.2.1 不同算法识别误差原因分析从图 9可以看出, 算法识别误差主要表现为将城市湖泊正常水体错分为黑臭水体.单波段法和差值算法将莫愁湖识别为黑臭水体, 识别正确率最高的比值算法也将玄武湖部分区域识别为黑臭水体, 而色度法将两者均识别为黑臭水体.通过野外调查, 莫愁湖和玄武湖水质较为清洁, 为正常水体, 并未出现黑臭.对上述错分现象进行分析, 主要原因如下.
(1) 光谱存在重叠部分.城市湖泊水质较好, 由于水体吸收较强, 遥感反射率值很低, 在影像上呈现暗像元的特征. 图 10为实测玄武湖和部分黑臭水体光谱曲线以及模拟至GF-2传感器上的结果.从中可以看出, 两种水体的遥感反射率值非常低, 在400~700 nm范围有较多的重叠.在GF-2数据第2波段遥感反射率值十分接近, 因此运用单波段法不能将两者明显区分; 运用比值法计算时, 通过波段组合, 两者值域也存在重叠的部分.因此, 玄武湖等正常水体和黑臭水体在运用单波段法、比值法进行计算时, 可能出现错分现象.
|
图 10 光谱曲线对比 Fig. 10 Comparisons of spectral analyses |
(2) 水色相似.色度法可以直观反映不同地物的颜色差别, 但有些河段受排放污染物的影响水色差异大, 出现墨绿、灰黑色等(图 11), 与玄武湖、莫愁湖等正常水体颜色相似; 此外, GF-2影像4个波段中心波长和CIE标准色度系统不能完全对应, 也可能导致计算结果存在一定偏差.因此色度法对城市黑臭水体的识别精度低.
|
图 11 典型城市黑臭水体 Fig. 11 Typical urban black-odor water bodies |
(3) 对GF-2遥感影像第1波段的大气校正效果较差[图 2(a)], 因此在运用1、2波段的差值进行计算时, 容易将部分正常水体错分为黑臭水体, 产生较大误差.
3.2.2 算法适用性分析综合上述的分析, 比值算法识别精度最高.比值算法基于城市黑臭水体和正常水体在550~650 nm范围内光谱差异而建立, 通过GF-2影像绿、红波段遥感反射率差、和的比值计算求得, 具有理论依据, 简单易于操作.比值算法对于城市黑臭河段的识别正确率最高, 可以准确地区分城市河道的黑臭水体和正常水体.但是由于城市内部大型清洁湖泊遥感反射率较低, 计算结果值域存在重叠, 因此运用比值算法计算容易将其划分为黑臭水体.因此, 比值算法不适用于区分城市河道黑臭水体和城市内部非常清洁的大型湖泊.
3.3 南京主城区黑臭水体空间分布 3.3.1 南京主城区黑臭水体空间分布利用比值算法提取研究区黑臭水体, 识别出黑臭河段11条, 总长度40.7 km, 总面积0.749 km2, 分别为金川河、中保河、清江东沟、明御河、月牙湖、友谊河玄武段、友谊河秦淮段、沙洲东河、奥体北河、秃尾河东支、西支.从图 9(c)可以看出, 黑臭河段分布范围广且不连续, 集中分布在南京市各城区人口密集的区域, 其空间分布如下.
(1) 金川河流域位于鼓楼区北部, 清江东沟、中保河位于南部; 明御河、月牙湖位于秦淮区北部; 友谊河流经玄武区和秦淮区, 分别为友谊河玄武段和友谊河秦淮段; 沙洲东河、奥体北河均位于建邺区中部; 秃尾河东支、西支黑臭河段位于浦口区北部.
(2) 不同河段黑臭情况不同.鼓楼区金川河黑臭河段主要位于中支上游部分, 下游流入长江的河段水色正常; 友谊河出现黑臭的河段位于上游玄武区; 而浦口区北部秃尾河段靠近长江的部分水色正常, 其余部分河段则出现黑臭现象.
3.3.2 黑臭河段形成的环境因素分析针对提取的黑臭河段, 对其周边环境影响因素进行分析如下.
(1) 人口密集区生活污水排放.例如金川河中支上游[图 11(a)]、清江东沟、明御河等河段, 流经居民小区、菜市场等地, 生活污水大量排放, 有机污染物分解消耗大量溶解氧造成水体缺氧, 引起水体发黑发臭; 此外有机物富集在水体表面形成有机物膜破坏正常水体界面的交换, 加剧水体黑臭现象.
(2) 河岸建筑工地、化工厂等的影响.例如建邺区沙洲东河附近有一处建筑工地, 污水排放进入河流, 水体浑浊发黑发臭[图 11(b)]; 江宁区莱茵达路附近有大量工业园, 工厂废水排放进入河流, 不仅使得水体颜色异常, 通常呈现乳白色[图 11(c)], 而且散发刺激性气味.
(3) 断头浜水体.由于城市发展遗留问题以及管理不善, 导致城市河段常出现“断头”现象, 形成断头浜.断头浜水体由于水动力不足, 造成河道淤泥增多, 底泥中堆积的污染物释放到水体导致河流发黑发臭.例如鼓楼区北部金陵新村附近的一条重度黑臭河段, 距离居民小区仅两米的距离, 水体几乎不流动, 散发恶臭[图 11(d)].
4 结论(1) 和城市正常水体、夹江相比, 城市黑臭水体遥感反射率最低, 在整个可见光范围峰谷不突出, 而且在400~550 nm范围光谱斜率最小.
(2) 利用GF-2影像, 基于第1、2、3、4波段, 分别建立了单波段算法、差值算法、比值算法和色度法识别黑臭水体.采用地面同步调查结果检验, 比值算法的识别精度最高, 对城市河道黑臭水体的识别结果更准确.
(3) 黑臭河段分布具有范围广且不连续的特征, 集中分布于各城区人口密集的区域; 水体发生黑臭主要受到生活污水、工业废水、断头浜等因素影响.
致谢: 感谢城市黑臭水体野外实验的参与者郑著彬、杜成功、王旭东、毕顺、吴志明, 室内实验数据分析参与者牟蒙、张思敏、王艳楠、金琦、时蕾.感谢南京地理与湖泊研究所对部分实验数据的测量.| [1] | 住房城乡建设部, 环境保护部. 城市黑臭水体整治工作指南[EB/OL]. http://www.mohurd.gov.cn/wjfb/201509/t20150911_224828.html, 2015-08-28. |
| [2] | 阮仁良, 黄长缨. 苏州河水质黑臭评价方法和标准的探讨[J]. 上海水务, 2002, 18(3): 32-36. |
| [3] |
于玉彬, 黄勇. 城市河流黑臭原因及机理的研究进展[J]. 环境科技, 2010, 23(S2): 111-114. Yu Y B, Huang Y. Review of reason and mechanism of black and stink in urban rivers[J]. Environmental Science and Technology, 2010, 23(S2): 111-114. |
| [4] | 杨阳, 马小雪, 商栩. 温州市温瑞塘河水体黑臭评价[J]. 浙江农业科学, 2012, 53(4): 566-569. |
| [5] | Bai Y, He X Q, Pan D L, et al. The black water around the Changjiang (Yangtze) Estuary in the spring of 2003[J]. Acta OceanologicaSinica, 2009, 28(4): 23-31. |
| [6] | Duan H T, Ma R H, Loiselle S A, et al. Optical characterization of black water blooms in eutrophic waters[J]. Science of the Total Environment, 2014, 482-483: 174-183. DOI:10.1016/j.scitotenv.2014.02.113 |
| [7] | Song Y, Müller G. Sediment-water interactions in anoxic freshwater sediments[J]. Lecture Notes in Earth Sciences, Berlin Springer Verlag, 1999, 45(10): 879-880. |
| [8] | Wood S, Williams S T, White W R, et al. Factors influencing geosminproduction by a streptomycete and their relevance to the occurrence of earthy taints in reservoirs[J]. Water Science and Technology, 1983, 15(6-7): 191-198. |
| [9] |
卢信, 冯紫艳, 商景阁, 等. 不同有机基质诱发的水体黑臭及主要致臭物(VOSCs)产生机制研究[J]. 环境科学, 2012, 33(9): 3152-3159. Lu X, Feng Z Y, Shang J G, et al. Black water bloom induced by different types of organic matters and forming mechanisms of major odorous compounds[J]. Environmental Science, 2012, 33(9): 3152-3159. |
| [10] | Song S K, Shon Z H, Kim Y K, et al. Characteristics of malodor pollutants and aromatic VOCs around an urban valley in Korea[J]. Environmental Monitoring and Assessment, 2009, 157(1-4): 259-275. DOI:10.1007/s10661-008-0533-x |
| [11] | Peter A, Köster O, Schildknecht A, et al. Occurrence of dissolved and particle-bound taste and odor compounds in Swiss lake waters[J]. Water Research, 2009, 43(8): 2191-2200. DOI:10.1016/j.watres.2009.02.016 |
| [12] |
孙淑雲, 古小治, 张启超, 等. 水草腐烂引发的黑臭水体应急处置技术研究[J]. 湖泊科学, 2016, 28(3): 485-493. Sun S Y, Gu X Z, Zhang Q C, et al. Research on an emergency treatment technology for black-odor water caused by macrophytes decaying[J]. Journal of Lake Sciences, 2016, 28(3): 485-493. DOI:10.18307/2016.0303 |
| [13] | Kutovaya OA, Watson SB. Development and application of a molecular assay to detect and monitor geosmin-producing cyanobacteria and actinomycetes in the Great Lakes[J]. Journal of Great Lakes Research, 2014, 40(2): 404-414. DOI:10.1016/j.jglr.2014.03.016 |
| [14] |
王旭, 王永刚, 孙长虹, 等. 城市黑臭水体形成机理与评价方法研究进展[J]. 应用生态学报, 2016, 27(4): 1331-1340. Wang X, Wang Y G, Sun C H, et al. Formation mechanism and assessment method for urban black and odorous water body:a review[J]. Chinese Journal of Applied Ecology, 2016, 27(4): 1331-1340. |
| [15] |
刘建福, 陈敬雄, 辜时有. 城市黑臭水体空气微生物污染及健康风险[J]. 环境科学, 2016, 37(4): 1264-1271. Liu J F, Chen J X, Gu S Y. Air microbial pollution and health risk of urban black odorous water[J]. Environmental Science, 2016, 37(4): 1264-1271. |
| [16] |
郝英群, 张璘, 孙成, 等. 江苏省城市河流黑臭评价标准研究[J]. 环境科技, 2013, 26(6): 46-50. Hao Y Q, Zhang L, Sun C, et al. Study on evaluation standard for malodorous and black urban rivers in Jiangsu[J]. Environmental Science and Technology, 2013, 26(6): 46-50. |
| [17] |
胡荣梅, 鞠华. 苏南太湖地区主要城市水环境污染综合防治研究(下)[J]. 环境科学, 1986, 7(5): 14-23, 94. Hu R M, Ju H. Studies on comprehensive prevention and control of water pollution among main cities in the Tai lake region, South of Jiangsu province[J]. Environmental Science, 1986, 7(5): 14-23, 94. |
| [18] | 傅翔宇, 李亚峰, 王群. 城市黑臭河道治理方法的研究与应用现状[J]. 建筑与预算, 2016(4): 37-41. |
| [19] |
李骏飞, 杨磊三, 周炜峙. 海绵城市与黑臭水体治理共同建设途径探讨[J]. 中国给水排水, 2016, 32(24): 35-38. Li J F, Yang L S, Zhou W Z. Discussion on common construction of sponge city and malodorous black river treatment project[J]. China Water & Wastewater, 2016, 32(24): 35-38. |
| [20] |
叶维丽, 刘雅玲, 王强, 等. 城市黑臭水体治理思路初探——以山东省胶州市跃进河-如意湖流域为例[J]. 环境污染与防治, 2016, 38(7): 88-92. Ye W L, Liu Y L, Wang Q, et al. Discussion on the governance of city black smelly water:an example of Yuejinriver-Ruyilake basin in Jiaozhoucity of Shandong province[J]. Environmental Pollution & Control, 2016, 38(7): 88-92. |
| [21] |
赵越, 姚瑞华, 徐敏, 等. 我国城市黑臭水体治理实践及思路探讨[J]. 环境保护, 2015, 43(13): 27-29. Zhao Y, Yao R H, Xu M, et al. Study on the practice and route of combating urban black-and-malodorous water body[J]. Environmental Protection, 2015, 43(13): 27-29. |
| [22] |
张列宇, 王浩, 李国文, 等. 城市黑臭水体治理技术及其发展趋势[J]. 环境保护, 2017, 45(5): 62-65. Zhang L Y, Wang H, Li G W, et al. Management technology and development trend for urban black and odorous water body[J]. Environmental Protection, 2017, 45(5): 62-65. |
| [23] |
刘成, 胡湛波, 郝晓明, 等. 城市河道黑臭评价模型研究进展[J]. 华东师范大学学报(自然科学版), 2011(1): 43-54. Liu C, Hu Z B, Hao X M, et al. Progress in the development of black-odour prediction models for urban rivers[J]. Journal of East China Normal University(Natural Science), 2011(1): 43-54. |
| [24] |
李继洲, 牛城, 嵇浩然, 等. 南京城区典型河道水体黑臭现状评价[J]. 徐州工程学院学报(自然科学版), 2013, 28(2): 53-56. Li J Z, Niu C, Ji H R, et al. Malodorous circumstances assessment of representative river water in Nanjing city[J]. Journal of Xuzhou Institute of Technology(Natural Science Edition), 2013, 28(2): 53-56. |
| [25] |
魏文龙, 荆红卫, 徐谦, 等. 北京市城市河道水体发黑分级评价方法[J]. 环境化学, 2016, 35(7): 1532-1539. Wei W L, Jing H W, Xu Q, et al. Grading assessment methods of urban creek's blackening in Beijing[J]. Environmental Chemistry, 2016, 35(7): 1532-1539. DOI:10.7524/j.issn.0254-6108.2016.07.2015122502 |
| [26] | Sugiura N, Utsumi M, Wei B, et al. Assessment for the complicated occurrence of nuisance odours from phytoplankton and environmental factors in a eutrophic lake[J]. Lakes & Reservoirs:Research and Management, 2004, 9(3-4): 195-201. |
| [27] | Dzialowski A R, Smith V H, Huggins D G, et al. Development of predictive models for geosmin-related taste and odor in Kansas, USA, drinking water reservoirs[J]. Water Research, 2009, 43(11): 2829-2840. DOI:10.1016/j.watres.2009.04.001 |
| [28] | 万风年, 纪晓亮, 朱元励, 等. 应用遥感监测城市水体水质研究[J]. 浙江农业科学, 2013, 54(3): 349-355. |
| [29] |
姚俊, 曾祥福, 益建芳. 遥感技术在上海苏州河水污染监测中的应用[J]. 影像技术, 2003, 15(2): 3-7, 12. Yao J, Zeng X F, Yi J F. Using remote sensing technology to monitor water pollution of Shanghai Suzhou river[J]. Image Technology, 2003, 15(2): 3-7, 12. |
| [30] |
马跃良, 王云鹏, 贾桂梅. 珠江广州河段水体污染的遥感监测应用研究[J]. 重庆环境科学, 2003, 25(3): 13-16. Ma Y L, Wang Y P, Jia G M. Application of remote sensing in monitoring water pollution in Guangzhou section of the Pearl river[J]. Chongqing Environmental Science, 2003, 25(3): 13-16. |
| [31] | 南京市统计局. 南京市统计年鉴[M]. 北京: 中国统计出版社, 2013-2014. |
| [32] | 龙虎网. 秃尾巴河耗资千万整治无效果回应: 明年年底改善[EB/OL]. http://news.longhoo.net/2016/yuanchuang_0419/27961.html, 2016-04-19. |
| [33] | 新浪新闻. 居民投诉数年, 秃尾巴河何时能消除黑臭?[EB/OL]. http://news.sina.com.cn/o/2016-08-15/doc-ifxuxnpy9572848.shtml, 2016-08-15. |
| [34] | 南京网络问政. 关于天润城附近的秃尾巴河的治理[EB/OL]. http://www.njbbs.gov.cn/read.php?tid=1230482, 2016-12-13. |
| [35] |
唐军武, 田国良, 汪小勇, 等. 水体光谱测量与分析Ⅰ:水面以上测量法[J]. 遥感学报, 2004, 8(1): 37-44. Tang J W, Tian G L, Wang X Y, et al. The methods of water spectra measurement and analysisⅠ:above-water method[J]. Journal of Remote Sensing, 2004, 8(1): 37-44. DOI:10.11834/jrs.20040106 |
| [36] |
丘仲锋, 崔廷伟, 何宜军. 基于水体光谱特性的赤潮分布信息MODIS遥感提取[J]. 光谱学与光谱分析, 2011, 31(8): 2233-2237. Qiu Z F, Cui T W, He Y J. Retrieve of red tide distributions from MODIS data based on the characteristics of water spectrum[J]. Spectroscopy and Spectral Analysis, 2011, 31(8): 2233-2237. |
| [37] | Gallegos C L. Optical water quality of a blackwater river estuary:the Lower St. Johns river, Florida, USA[J]. Estuarine, Coastal and Shelf Science, 2005, 63(1-2): 57-72. DOI:10.1016/j.ecss.2004.10.010 |
| [38] |
李佐琛, 段洪涛, 张玉超, 等. 藻源型湖泛发生过程水色变化规律[J]. 中国环境科学, 2015, 35(2): 524-532. Li Z C, Duan H T, Zhang Y C, et al. Variations in optical properties and water color during the formation of black bloom waters:a laboratory experiment[J]. China Environmental Science, 2015, 35(2): 524-532. |
| [39] | Wang S L, Li J S, Shen Q, et al. MODIS-based radiometric color extraction and classification of inland water with the forel-ule scale:a case study of lakeTaihu[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(2): 907-918. DOI:10.1109/JSTARS.2014.2360564 |
| [40] | Bukata R P, Pozdnyakov D V, Jerome J H, et al. Validation of a radiometric color model applicable to optically complexwater bodies[J]. Remote Sensing of Environment, 2001, 77(2): 165-172. DOI:10.1016/S0034-4257(01)00203-6 |
| [41] | Pozdnyakov D V, Kondratyev K Y, Bukata R P, et al. Numerical modelling of natural water colour:implications for remote sensing and limnological studies[J]. International Journal of Remote Sensing, 1998, 19(10): 1913-1932. DOI:10.1080/014311698215063 |