GEE利用哨兵2号数据进行水质监测

今天来简单分享下如何在GEE中利用哨兵2号数据进行水质监测

总悬浮固体（TSS）是指尺寸超过2微米的水性颗粒。大部分总悬浮固体由无机材料组成；然而，藻类和细菌也可能被认为是TSS。总悬浮固体 (TSS) 过量存在对人体有害，在《清洁水法》中被列为常规污染物，它可以表示任何水样（从海水到废水）的质量。广义来讲的话，TSS可以是任何漂浮或“悬浮”在水中的东西，包括沙子、沉积物和浮游生物。当某些水源被腐烂的植物或动物污染时，释放到水中的有机颗粒通常是悬浮固体。

当水通过预先称重的过滤器时，过滤器干燥后剩余的颗粒物被归类为 TSS。这种测量方法提供了悬浮固体的实际干重，因此水质专家通常将 TSS 测量与标准浊度测量相结合，以建立特定地点的相关性，从而有助于节省时间、提高效率。

总溶解固体（TDS）

溶解固体，小于 2 微米，是指以分子、原子、阳离子或阴离子形式溶解在水中的任何矿物质、盐、金属。总溶解固体 (TDS) 包括无机盐（主要是钙、镁、钾、钠、碳酸氢盐、氯化物和硫酸盐）和一些溶解在水中的少量有机物。

TDS 浓度是水中所有可过滤物质的总和，可通过重量法测定。但在大多数情况下，TDS 主要由离子组成。TDS 主要用于研究自然水体的水质，包括地表水和地下水源。

总悬浮固体对环境的影响

总悬浮固体含量过高会影响浊度、提高水温并降低溶解氧 (DO)水平。这会导致水温更快升高，因为悬浮颗粒会吸收更多热量并消耗氧气，从而对水生生物产生不利影响。固体含量过高还会通过减少光传输来减缓水生植物的光合作用。TDS 浓度过高或过低可能会限制水生植物的生长，并可能导致许多海洋生物死亡。

高浓度的悬浮固体会影响过滤系统、资本设备和管道系统的性能。湖泊、水库、河流和溪流中悬浮固体含量高会对生态系统产生有害影响。监测污水处理厂、工厂或大面积农作物灌溉下游的固体对于维持受纳水体的整体健康至关重要。

总溶解固体对环境的影响

饮用水中的 TDS 可能来自自然水源、城市径流、市政和工业废物、用于处理水的化学品和实际的管道基础设施。虽然 TDS 不被视为主要污染物，但它是水质的一个指标。美国环保署的二级水质标准 TDS 浓度为 500 mg/L，以确保饮用水的适口性。饮用水中溶解固体含量高会影响口感，使其变苦或变咸。高浓度的 TDS 还会导致任何应用中结垢和腐蚀，尤其是在锅炉和冷却水中。

2.GEE实现代码：

首先确定研究区和使用的数据集我选择的研究区为渤海湾的部分区域，使用的数据集为COPERNICUS/S2_SR_HARMONIZED

TSS的计算公式为

文献来源于

Zhao J, Zhang F, Chen S, Wang C, Chen J, Zhou H, Xue Y. Remote Sensing Evaluation of Total Suspended Solids Dynamic with Markov Model: A Case Study of Inland Reservoir across Administrative Boundary in South China. Sensors (Basel). 2020 Dec 3;20(23):6911. doi: 10.3390/s20236911. PMID: 33287273; PMCID: PMC7730694.

准确定量评估自然环境变化和人类活动对总悬浮固体（TSS）浓度的影响是水环境保护的重要内容之一。

由于传统断面点位监测的局限性，文中提出了一种基于马尔可夫模型和遥感检索的新型水质评价方法，实现了跨行政区域大尺度空间监测的创新。此外，为了探索总悬浮固体的时空特征和驱动因素，利用华南地区广东、广西两省的跨省鹤地水库的同步野外光谱数据、水质样本和遥感数据，通过回归分析建立了内陆水库总悬浮固体的新型三波段遥感模型。

根据国家标准 GB11901-89，通常采用称重法测定 TSS 浓度，以表示水质。TSS 浓度是用 TSS 的质量除以过滤后水样的体积得出的，其中悬浮物的质量是将过滤后的水样在 40-80 °C 的烘箱中放置 8 小时得出的。基本单位是mg/L。

以下是实现代码:

Map.centerObject(roi, 7);function maskS2clouds(image) {  var qa = image.select('QA60');  // Bits 10 and 11 are clouds and cirrus, respectively.  var cloudBitMask = 1 << 10;  var cirrusBitMask = 1 << 11;  // Both flags should be set to zero, indicating clear conditions.  var mask = qa.bitwiseAnd(cloudBitMask).eq(0)      .and(qa.bitwiseAnd(cirrusBitMask).eq(0));  return image.updateMask(mask).divide(10000);}var dataset = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')                  .filterDate('2020-01-01', '2020-03-30')                  // Pre-filter to get less cloudy granules.                  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',5))                  .filter(ee.Filter.bounds(roi))                  .map(maskS2clouds);print(dataset);var visualization = {  min: 0.0,  max: 0.3,  bands: ['B4', 'B3', 'B2'],};Map.addLayer(dataset.mean(), visualization, 'RGB');//TSS=172.191*log(Green/Red)**2 - 190.809*log(Green/Red) + 61.6var TSS_expression = dataset.mean().expression(    '172.191*log(Green/Red)**2 - 190.809 * log(Green/Red) + 61.6', {      'Green': dataset.mean().select('B3'), // Select band 3 (green) from the S2 filtered image collection    'Red': dataset.mean().select('B4')  // Select band 4 (red) from the S2 filtered image collection}).rename('TSS_br'); print(TSS_expression);var imageVisParam = {"opacity":1,                     "bands":["TSS_br"],                     "min":8.74,                     "max":128.14,                     "palette":["14ffd5","0e36ff","22ff20","fff808","ffa908","ff3202"]};Map.addLayer(TSS_expression, imageVisParam, 'TSS_expression');