引言
城市建成区是指城市行政区内实际已成片开发建设、市政公用设施和公共设施基本具备的地区。城市黑臭水体作为一种极端的水体污染现象，指的是在城市建成区的水体中呈现出令人不悦的颜色和（或）散发出令人不适气味的统称，其不仅影响城市景观生态、破坏水生态系统，而且对城市居民的生产生活也有很大危害。
城市小微水体是指分布在城市建成区的沟、渠、溪、塘等面积不大于5 000 m2的水域，具有规模小、分散性强、流动性差和自净化弱等特点，对水生态保护和调节作用不容小觑，在城市建设中发挥着重要作用。
随着城市的不断扩张和发展，处于建成区内的小微水体受违规排放、垃圾乱堆等影响而出现黑臭现象，对城市水环境安全、人类的呼吸系统和消化系统均造成了严重影响。
实验区概况、数据来源及预处理
2.1 实验区概况
保定市是国务院批复确定的京津冀地区中心城市之一。位于河北省中部偏西，太行山东麓，河北平原西部。地理坐标为113°40′ E—116°20′ E，38°10′ N—40°00′ N，全市下辖5个区、15个县、代管4个县级市。
图1 保定市建成区范围及样本点位分布
研究范围涵盖了市辖区内14个区、县级市、县等平原建成区，包括竞秀区、莲池区、满城区、清苑区、徐水区、高碑店市、涿州市、安国市、定州市、定兴县、高阳县、望都县、易县和蠡县。
在14个辖区的建成区内101处疑似黑臭水体点位中随机选取35处小微黑臭水体作为本研究样本点位（图1中黄色圆点），样本均为城市建成区各类型沟、渠、溪、塘等水域，具有代表性，然后提取各位置水体的光谱信息；同样在区内643处一般水体点位中随机选取35处一般水体样本点提取样本点水体光谱信息。
2.2 遥感数据获取及预处理
本研究考虑了不同季节的黑臭水体的具有一定的变化的特征，获取了2023年2月（5景）、5月（5景）、10月（5景）GF-2 PMS的共15景图像，覆盖了保定市14个建成区主要水体。
图2 GF-2遥感数据预处理流程
GF-2是我国现阶段分辨率最高的民用卫星，于2015年3月正式投入使用，搭载了0.8 m全色相机和3.2 m多光谱相机，可获取波谱范围为0.45~0.90 μm的1 m全色影像，和由蓝（0.45~0.52 μm）、绿（0.52~0.59 μm）、红（0.45~0.69 μm），近红外（0.77~0.89 μm）4个波段组成的4 m多光谱影像。
本研究为保证筛选的GF-2影像能够精准地完成城市小微黑臭水体遥感识别，需对影像进行预处理，采用ArcGIS遥感影像处理平台完成。处理过程包括：正射校正、辐射定标、大气校正、影像融合等。
研究方法
图3 黑臭水体综合遥感识别与精度评价技术路线
随着遥感技术的不断发展，利用高分遥感技术识别黑臭水体已经趋于完善。小微黑臭水体有效识别首先是筛选高精度遥感数据并进行必要的数据处理，其次探索黑臭水体的波段特征、遥感识别标志特征，通过野外水质检测方法获得准确的黑臭水体指标，最终经过精度评价，分析各项指标所占比重、小微黑臭水体识别错误和遗漏等情况、同一水体不同时期的变化特征、影响方法精度的不确定性因素分析等。
3.1 综合遥感识别
基于GF-2的4个波段，其对应的城市黑臭水体波段范围为Band2（绿）、Band3（红）波段，其中心波长分别为546 nm和656 nm，很好地体现了城市黑臭水体的这一光谱特征。
图4 黑臭水体与一般水体光谱反射率对比
图5 红绿波段遥感反射率比值分布
小微黑臭水体的形成十分复杂，受污染源的种类和次生环境等多种因素的影响，可归纳为污染物排放、内源污染和水动力条件等。
水体颜色
黑臭水体中溶解或悬浮的污染物成分或浓度不同，这使得其颜色与正常水体有一定的差异。在GF-2遥感影像上，黑臭水体通常呈现黑色、翠绿色、红褐色等光学遥感标志。
水体形状
黑臭现象多发于水系狭窄、沟渠不够齐整等水域，在GF-2影像表现出细小、狭长以及形状不规则不固定的空间特征。
影像纹理
在GF-2影像上，黑臭水体纹理较一般水体更粗糙，水面周边或内部可见灰黑色、白色或绿色斑点，一般为漂浮物、生活建筑垃圾等。
次生环境
由于建成区小微水体周边城镇生活废水排放、垃圾乱排等，造成水体富营养化，形成次生环境问题，导致藻类植物大量死亡、腐烂。
沟渠淤塞
城市水体流通不畅也是引起水体黑臭的因素之一。影像上识别的沟渠淤塞也是判别黑臭水体的依据之一。
岸线垃圾
岸线垃圾堆放不仅会造成水体堵塞、水面变小，且发酵后的垃圾还会散发异臭。在城乡结合部，一些生活、建筑垃圾等被肆意堆放在坑塘、沟渠岸线边。
图6 黑臭水体遥感识别标志及实地照片
3.2 精度验证与评价
为验证黑臭水体综合遥感识别精度，采用"目测+无人机航拍+水质检测"的方式进行验证。根据《城市黑臭水体整治工作指南》，城市小微黑臭水体判别标准主要通过透明度、溶解氧、氧化还原电位和氨氮4项指标来判断。
点位识别精度评价，包括精确率、灵敏度、准确率精度评价。通过野外验证与水质指标测定后，最终确定黑臭水体点位数量。利用式（2）-式（4）等进行黑臭水体点位识别精确率、灵敏度、准确率等精度评价。
P1 = N/(N1+N2) × 100%
式（2）精确率（查准率）
P2 = N/(N+N3) × 100%
式（3）灵敏度（查全率）
P3 = (N4+N5)/(N2+N6) × 100%
式（4）准确率
面积识别精度评价。遥感识别的黑臭水体，经核查与水质检测，确定黑臭水体总面积。利用式（5）逐一计算黑臭水体遥感识别精度（P），最后取各点位识别精度的平均值作为最终的识别精度P4，见式（6）。
P = S2/S1 × 100%
式（5）
P4 = 1/n ∑P
式（6）
结果及分析
4.1 综合遥感识别结果
基于GF-2遥感识别标志识别保定市建成区小微黑臭水体点位31处，识别黑臭面积38 475 m2。在此基础上，对波段比值结果进行统计计算，将波段比值结果与遥感识别标志结合，补充识别了黑臭水体4处。因此，利用综合遥感最终识别黑臭水体35处，识别黑臭面积40 777 m2。
图7 黑臭水体综合遥感识别结果
4.2 精度评价结果
本研究核查水体点位共38处，包括遥感识别的黑臭水体35处、核查新增识别遗漏的黑臭水体3处。经水质指标测定后，最终确定为黑臭水体点位32处，包括遥感识别点位29处、新增识别遗漏点位3处。其余6处为综合遥感识别的黑臭水体，经野外核查后确定为一般水体。
85.29%
精确率（P1）
90.63%
灵敏度（P2）
94.74%
准确率（P3）
91.19%
面积识别精度（P4）
讨论
为进一步分析波段比值结果和遥感识别标志在识别结果中所占权重，选取综合遥感识别后经核查确定的29处黑臭水体进行分析。采用二值函数进行评价，当某一项黑臭水体遥感识别标志存在时，取值为1，否则为0；然后计算每个水体各项标志所占的比重；最后取所有水体各项识别标志的平均值作为该项标志的综合比重。
波段比值结果在黑臭水体识别指标体系中所占比重最大，占比25.38%。其次为水体颜色，占比21.11%。岸线垃圾和次生环境比重其次，分别为16.24%、16.11%。水体形状和水体纹理所占比重分别为12.58%和7.24%，对部分水体具有指示作用，沟渠淤塞在识别黑臭水体方面的能力最弱，比重仅占1.83%。
虽然该方法有效识别了大部分黑臭水体，但也存在一定的错判情况。
图8 识别错误的黑臭水体影像
本研究基于"算法-标志"协同技术较好地识别了实验区的小微黑臭水体，但受水体多样性、地区差异性等不确定因素影响，识别精度往往有所不同。
比如本次选取的黑臭水体样本较为浑浊，水体透明度较低，反射率基本未受水底环境的影响，识别精度相对较高，反之，若选择相对透明的黑臭水体，其反射率会降低，并影响方法识别精度；再如本次选取的是河北平原区作为实验区，该区水体环境相对单一，识别标志较易建立，若在环境复杂的城市建成区，水体环境变得复杂，同样会降低水体识别标志的准确性；另外，浮萍在光学影像上的识别标志较为明显，但波段比值算法对其信息识别效果一般，一定程度上降低了识别方法的精度。
综上所述，利用综合遥感"算法-标志"协同识别技术识别小微黑臭水体的精度较高。为了进一步验证"算法-标志"方法的有效性，选取了红绿波段比值法、差值法、WCI指数法等进行了识别与精度评价分析。选取实验区内的黑臭水体，在相同条件下进行遥感识别与精度验证，红绿波段比值法、差值法、WCI指数法的点位识别精度分别为88.6%、85.8%和92.86%，面积识别精度分别为86.99%、80.76%、89.24%，对比可知，利用"算法-标志"方法进行小微黑臭水体识别效果更佳。
结论
本研究提出了基于GF-2影像的综合遥感"算法-标志"协同识别技术，较好地区分了实验区内的黑臭水体与一般水体，解决了城市小微黑臭水体快速定位的问题，具有较高的精度，利用该方法在北方平原建成区小微黑臭水体识别中具有较高的适用性。通过研究得出如下结论：
利用GF-2影像开展了综合识别算法和识别标志研究，并完成了精度评价。结果显示黑臭水体点位识别精确率（P1）为85.29%、灵敏度（P2）为90.63%、准确率（P3）为94.74%，黑臭水体面积识别精度（P4）为91.19%。该方法具有较高的精度，表明该方法能够解决城市小微黑臭水体整治过程中的识别精度难题。
基于黑臭水体识别结果权重分析，波段比值结果与水体颜色在黑臭水体遥感识别指标中分别占比25.38%和21.11%，所占比重最大，二者对城市小微黑臭水体识别起到主要判识作用。
对比2023年2、5、10月共3期水体的综合遥感识别结果，综合遥感识别技术能够较好地反映黑臭水体时空变化特征。虽然存在一定数量的识别错误和遗漏的小微水体，但其错分率、漏分率相对较低。
虽然波段比值算法在保定市很好区分了黑臭水体与一般水体，但由于引起水体黑臭的原因多样且复杂，仅由比值结果来识别黑臭水体可能存在一定的误判，因此需要结合高分遥感识别标志对水体性质进行综合判识。此外，比值算法应用较为便捷，但受水体多样性、地区差异性影响，该算法阈值分布的稳定性有待进一步验证，需要大量的应用数据进行检验。
由于不同城市引起小微水体黑臭的原因都有所不同，因此本次创新的"算法-标志"协同技术需进一步在其他城市开展相关研究，尤其是方法的适用性、阈值稳定性和精度评价等内容，是下一步研究工作的重点。