水环境质量遥感监测技能（water-quality-monitoring）

1. 技能概述

基于多光谱遥感数据（Sentinel-2、Landsat-8/9、GF-1/6 等）反演地表水体的关键水质参数， 识别污染异常区域与变化趋势，辅助河湖监管、饮用水源保护与黑臭水体治理。

2. 输入要求

变量名	类型	必需	说明
rs_image	file (GeoTIFF)	是	多光谱影像，至少含 蓝/绿/红/近红 四波段
water_boundary	file (GeoJSON/Shapefile)	是	目标水体边界矢量（河段/湖面）
history_reference	file (JSON)	否	历史水质阈值或均值 JSON，用于异常识别
params	list	否	需反演的参数列表：chl_a, tsm, turbidity, ndwi, bod_proxy（默认全部）
date	string	否	影像日期 YYYY-MM-DD，用于时间序列衔接

3. 用户输入引导

为反演您关注水体的水质，请提供：

1. 多光谱遥感影像（rs_image）：GeoTIFF，建议 Sentinel-2 L2A（已做大气校正）；至少含 B2/B3/B4/B8。
2. 水体边界（water_boundary）：GeoJSON 或 Shapefile，用于将分析限定在水面像元内。
3. （可选）历史水质阈值（history_reference）：JSON，格式如 {"chl_a": {"mean": 12, "std": 4}}，供异常检测使用。

4. 处理流程

1. check-inputs
2. NDWI/MNDWI 水体掩膜；与用户提供的水体边界交集
3. 分别反演叶绿素 a、悬浮物（TSM）、浊度等参数（使用常见经验模型：OC2/OC3、Nechad TSM）
4. 与历史参考对比得到异常图
5. 识别污染热点（高叶绿素 + 高悬浮物连通区）→ 估计疑似排污口（热点周边河岸）
6. 黑臭水体指示：bod_proxy（基于可见光比值的经验评分）
7. 输出参数分布图、热点矢量、趋势报告

5. 参数说明（config.yaml）

bands:
  blue: 1
  green: 2
  red: 3
  nir: 4
retrieval:
  chl_a:
    method: oc3
    a: [0.283, -2.753, 1.457, 0.659, -1.403]
  tsm:
    method: nechad
    Ap: 355.85
    Cp: 1.74
    Bp: 0.19563
  turbidity:
    method: dogliotti
    k_low: 228.1
    k_high: 3078.9
anomaly:
  sigma_threshold: 2.0
hotspot:
  chl_a_high: 15
  tsm_high: 30
  min_patch_size: 20

6. 调用示例

python /mnt/skills/custom/remote-sensing/water-quality-monitoring/scripts/main.py \
  --action run \
  --inputs-json '{"rs_image":"/mnt/user-data/uploads/s2.tif","water_boundary":"/mnt/user-data/uploads/river.geojson","params":["chl_a","tsm"]}' \
  --output-dir /mnt/user-data/outputs/water_20260417

7. 输出文件

文件	含义
chl_a.tif / tsm.tif / turbidity.tif	反演参数分布图
anomaly_map.tif	异常指示图（与历史偏差 σ）
hotspots.geojson	污染热点区域
suspected_sources.geojson	疑似排污点位
stats.json	水体内参数统计
report.md	水质评估与治理建议

8. 治理场景

• 河长制考核断面辅助
• 饮用水源地一二级保护区风险排查
• 黑臭水体治理成效前后对比
• 汛期高悬浮物预警

9. 注意事项

• 本技能针对内陆水体优化；海岸带请结合大气校正结果
• 叶绿素反演受水色类型（Case-1 / Case-2）影响，多云覆盖影像慎用
• "疑似排污源"为启发式定位，不能替代执法；须现场复核