黑臭水体的产生实质是由环境保护和城市发展两者不平衡造成的,城市黑臭水体治理工作是我国当前生态环境重点工作之一。目前利用遥感手段监测城市黑臭水体还处于前期发展阶段,城市黑臭水体情况判别仍以实地测量为主,人力物力成本较高,且根据实地数据监测的结果在时间上不能进行连续测量,在空间上也不能大面积进行测量,这就使得水资源管理人员不能从时间和空间上快速了解水体黑臭情况。本文发挥遥感监测范围广、周期短、人力物力成本低的优势,利用GF-2卫星影像作为数据源监测城市黑臭水体,弥补城市黑臭水体实地测量数据成本高、时空不连续的缺陷,从而实现动态监测城市黑臭水体,全面了解黑臭水体分布特征,为我国黑臭水体治理工作提供科学决策依据。本文以青岛市城市建成区为研究对象,通过收集研究区水体光谱采样数据,基于GF-2影像波段特征分析黑臭水体和一般水体之间的光谱差异,构建了3种黑臭水体识别算法,并遴选出最优算法对青岛市2019年黑臭水体进行识别,分析了研究区黑臭水体分布特征。本文提出的流程化识别黑臭水体方法,主要有四个方面的内容:(1)本文研究主要是对城市建成区内部的水体进行研究,在前期工作中,需要确定城市建成区的范围以便进行下一步工作。通过对比发现,BCI指数能够较好地区别城市土地覆盖植被、不透水面和土壤三种地物类型。根据不透水面信息,计算出不透水面聚集密度,进而确定城市建成区范围。计算BCI指数过程中需要对GF-2遥感影像进行穗帽变换,不同卫星传感器因为波段设置的不同,所以穗帽变换参数也不相同,目前针对国产高分卫星的变换参数研究较少。IKONOS卫星影像与GF-2影像波段参数设置相近,因此本文采用IKONOS穗帽变换矩阵对GF-2影像进行穗帽变换,并取得了较好的效果。(2)本文提出改进的U-Net网络语义分割方法进行水体提取工作,借鉴经典U-Net网络的解编码结构对网络进行改进,(1)将VGG网络用于收缩路径以提取特征;(2)在扩张路径中对低维特征信息进行加强,将收缩特征金字塔上一层的特征图与下一层对应扩张路径上的特征图进行融合,以提高提取结果分割精度;(3)在分类后处理中引入条件随机场,以将分割结果精细化。在训练、验证和测试数据集保持不变的情况下,选用Seg Net、经典U-Net网络和本文改进的U-Net网络进行对照试验。试验结果表明,改进的U-Net网络结构在Io U、精准率和Kappa系数指标上均高于Seg Net和经典U-Net网络:与Seg Net相比,3项指标分别提升了10.5%、12.3%和0.14;与经典U-Net网络结果相比,各个指标分别提升了5.8%、4.4%和0.05。(3)分析地面实测光谱数据构建城市黑臭实体识别算法,城市黑臭水体在可见光范围的反射率低于一般水体,在绿波段波峰位置差异较为明显。在550-650nm波段范围内,黑臭水体反射率斜率相比于一般水体要小。根据这些光谱特征差异,构建了三种黑臭水体识别算法:单波段阈值法,归一化黑臭水体指数法(NDBWI)和黑臭水体分级指数法(BOCI)。从识别结果可以得出如下结论:单波段阈值法在识别准确率上明显低于NDBWI方法和BOCI方法,不能用于黑臭水体识别任务中;NDBWI指数方法识别的准确率为77.78%;BOCI指数的识别准确率最高,达87.04%以上。(4)根据黑臭水体识别最优算法BOCI指数,对青岛市黑臭水体进行识别,在建成区范围内的262段河段中,共识别出25段黑臭水体。研究中发现城市黑臭水体主要分布在主干河流的支流部分,各城区人口密集区域、工厂附近和河水水流不流畅区域是黑臭现象的高发区域。同一条河流由于流经区域环境的不同,不同河段水体的黑臭状况也会有所不同。