1 简介
近几十年来，世界范围内河体污染迅速加剧，主要是由于家庭、工业、商业和农业用水造成的污染（Zhao等，2017）。引文2005年，大木与佳苗引文2006年，贾斯瓦尔引文2007 年，贾姆瓦尔等人。引文2011年，夏尔马和坎萨尔引文2011年，苏醒等人。引文2016年，柯雷尔和汉引文2017，沃林等人。引文2017，Dwivedi等人。引文2018，乔杜里等人。引文2019年，引文2020）。各种研究都强调了不同流域河流水质的迅速下降，由于广泛的污染，曾经清澈的蓝色河体缩小成典型的排水沟（Zhao et al. ，2017） 。引文2005年，柯雷尔和汉引文2017）。由于水污染直接或间接地对几乎所有部门产生不利影响，例如生态、生物、环境、社会经济系统等（Postel引文2000年,梅贝克引文2002年，Xing等人。引文2005 年，Dwivedi等人。引文2018，博雷蒂和罗莎引文2019），需要对系统进行持续监测，以确定污染物的来源，并了解污染物的后续命运和运输。

在本研究中，我们重点关注世界上污染最严重的河段之一，即穿过印度德里国家首都地区 (NCT) 地区的亚穆纳河 (CPCB)引文2011）。这条40公里长的河段约占河流全长（1376公里）的2.9%，但却占河流总污染负荷的76%以上。输送工业和生活废水的多个污染排水沟（点源和非点源）直接汇入河段（Jamwal等，2017）。引文2011年，夏尔马和坎萨尔引文2011 年，乔杜里等人。引文2018，帕特尔等人。引文2020）。虽然污水处理厂（STP）安装在一些排水沟附近，以确保仅将经过处理的水排放到亚穆纳，但来自其他排水沟的未经处理的污水使这些努力无效（YMC引文2019年，引文2020年，DPCC引文2020）。

亚穆纳河进入德里市的瓦济拉巴德拦河坝将河水完全改用于生活供水，使情况更加恶化。这使得下游河段完全干燥，从而影响河流的自净过程（Jamwal等人，2017）。引文2011年，夏尔马和坎萨尔引文2011，沃林等人。引文2017，乔杜里等人。引文2019年，引文2020）。亚穆纳河这一地区的污染水平需要特别解决，因为德里的大多数人口的日常用水依赖于这种水（Schwarzenbach等人， 2017） 。引文2010）。印度政府采取了多项措施来应对不断上升的污染水平，例如亚穆纳行动计划一和二、恒河行动计划一和二等。然而，这些措施并没有带来任何重大变化，污染水平仍在持续上升。尽管做出了这些努力，但仍能崛起（Jaiswal引文2007年，夏尔马和坎萨尔引文2011）。正确识别主要污染源及其对污染水平可能产生的影响，无疑有助于有效解决目前的情况。

最近，许多研究调查了与COVID-19相关的封锁期间不同水体的水质变化。印度政府从 2020 年 3 月 24 日开始实施全面封锁，分为四个阶段：第一阶段（3 月 25 日至 4 月 14 日）、第二阶段（4 月 15 日至 5 月 3 日）、第三阶段（5 月 4 日至 17 日）和第四阶段（ 5月18日至31日）——随后是六个“解锁”阶段（6月1日至11月30日）。下面详细介绍了一些此类研究。例如，库尔等人。（引文2021）观察到印度塔维河流域的水质状况在2020年封锁期间有所改善，但在解除封锁后又回落到封锁前的水平。同样，Chakraborty等人。（引文2021a）分析了达莫达尔河的水质，并强调了 2020 年封锁对 20 种不同水质参数的积极影响。Chakraborty等人的另一系列研究。（引文2021b ,引文2021c ,引文2022）通过计算水污染指数和重金属污染指数，分析了封城和解封阶段对达莫达尔河的影响。萨卡等人的一项研究。（引文2021）展示了 COVID-19 封锁和解锁对不丹-印度-孟加拉国跨境河流健康的影响。中央污染控制委员会 (CPCB)引文印度报告称，根据2020年封锁期间的户外沐浴标准，亚穆纳河水质略有改善。同样，刘等人。（引文2022年）表明，由于2020年中国主要河流的封锁，水质有所改善。Tokatlı 和 Varol 的一项研究（引文2021）分析了2020年COVID-19封锁期对土耳其西北部Meric-Ergene河流域地表水质的影响。虽然其中许多研究依赖于可能限制时空范围的现场站，但其他一些研究利用卫星数据来解决同一问题。

随着遥感的出现，使用卫星图像来提取水质特征（例如悬浮固体、浊度、藻类丰度、颜色等）已经获得了广泛的欢迎，特别是在大时空尺度上（Anderson等，2015 ）。引文2002年,徐引文2006，拉科等人。引文2007 年，内查德等人。引文2010，多格里奥蒂等人。引文2015年，引文2018，罗伯特等人。引文2017，彼得森等人。引文2018年，引文2020，赛义德和侯赛因引文2019，帕特尔等人。引文2020）。卫星数据的实用性在过去十年中因其更大的空间覆盖范围以及廉价和快速的可用性而受到关注（Glasgow等人，2017） 。引文2004 年，比尔曼等人。引文2011），与基于点的现场测量进行比较。已经提出了多种方法来估计卫星得出的水质参数，即。经验算法（Nechad等人。引文2010，多格里奥蒂等人。引文2015），基于物理的方法（Niroumand-Jadidi等人。引文2020）和计算方法（Wang等人。引文2017，彼得森等人。引文2018年，引文2020，哈菲兹等人。引文2019）。

一些研究使用卫星图像来监测封锁期间印度水体的水质（Wagh等，2017）。引文2020，尤努斯等人。引文2020）。最近，帕特尔等人。（引文2020）利用卫星图像（连同现场数据集）分析亚穆纳河的水质，以评估 2020 年封锁期的影响。结论是，封锁导致亚穆纳河水质显着改善，并提高了水质指数评级，同时承认数据期限有限以及由此可能产生的缺陷。

2020年的封锁间接导致工业全部或部分停顿以及商业机构和运输系统的暂停。由于这些限制，工业污染主要远离河流，只剩下生活污水排放。一年后，新冠病例开始重新出现，导致第二波感染，因此有必要恢复行动限制。从2021年4月19日起，德里NCT地区再次处于封锁状态，封锁至少持续到2021年5月31日。但值得注意的是，2021年封锁期间并未实施完全关闭，因为许多行业仍在运转。详细调查之前水质参数的变化情况，

因此，在本研究中，我们的目标是结合较长时间（2013-2021）的现场数据分析卫星得出的水质参数，以准确调查（通过排除任何自然年度趋势的存在）封锁亚穆纳河德里NCT河段的水质，从而可能确定不同污染源的贡献，并调查其中的主要污染源，使政策制定者更容易规划缓解措施。五个原位水质参数，即。分析了 pH、生化需氧量 (BOD)、化学需氧量 (COD)、溶解氧 (DO) 和总悬浮固体 (TSS)。四个基于卫星的水质参数，即。悬浮颗粒物（SPM）、归一化差浊度指数（NDTI）、

2 研究区
亚穆纳河是恒河最长的支流，发源于印度北阿坎德邦喜马拉雅山下游海拔6387米的亚穆诺特里冰川。这条河流经喜马偕尔邦、哈里亚纳邦、北方邦和德里NCT等邦，最后在北方邦阿拉哈巴德与恒河汇合。在本研究中，亚穆纳河 41 公里的河段（如图所示）图。1）考虑从 Palla（哈里亚纳邦）穿过德里 NCT 到达 Shahdara 排水沟（北方邦 Okhla Barrage (b2) 下游）。河水在瓦济拉巴德拦河坝（图中标记为“b1”）处被抽取。图。1）以满足德里的饮用水需求，但下游河段本身流量很少。17条排水沟是河流的主要污染点源，如图所示图。1（另见补充材料，表 S1）。所有这些排水沟都与瓦济拉巴德拦河坝下游的河段汇合，从而将污染物的浓度提高到极端水平。在这些排水沟中，只有五个，即。Magazine Road、Sweeper Colony、Khyber Paas、Metcalf 和 Delhi Gate（图中蓝色箭头所示）图。1），安装基础设施来拦截传入的废物并将其转移到附近的 STP（DPCC引文2020）。此外，废水排放量最大的 5 个主要排水沟（Najafgarh、州际巴士总站 (ISBT)、德里门、Barapulla 和 Shahdara）引文2020）用更宽的箭头表示图。1。CPCB 在八个现场位置测量了所考虑的延伸段内的水质参数，如表 S2 所列（见补充材料）和图。1。本研究利用了这些监测站的现场数据。此外，本次分析还考虑了五个主要排水沟（也由 CPCB 维护）的水质。

图 S1（参见补充材料）显示了新德里的地理信息系统 (GIS) 地图，突出显示了亚穆纳河、排水管网、工业区和公共污水处理厂 (CETP)。可以合理地假设，相邻工业集群的排放进入最近的CETP，而这些CETP的排放流入最近的排水沟。表 S3 提供了各种 CETP 及其坐标的列表（请参阅补充材料）。有趣的是，地图左侧的所有 CETP 都排入 Najafgarh 排水沟，而地图右侧的所有 CETP 排入 Shahdara 排水沟。因此，可以得出结论，除了 Najafgarh 排水沟和 Shahdara 排水沟外，所有排水沟预计仅输送城市废水。

3 数据与方法
本研究对现场水质参数以及卫星得出的水质参数进行了综合分析。

3.1 原位水质参数
2013 年至 2020 年亚穆纳河德里-NCT 河段 8 个现场监测点的 pH、BOD、COD 和 DO 4 个水质参数的月度数据摘自 CPCB 网站 (https://cpcb . nic.in/）。此外，还提取了淡季（即 2016 年至 2020 年 3 月和 4 月）五个主要排水沟（Najafgarh、Shahdara、Barapulla、ISBT、Delhi Gate）的 pH、COD、BOD 和 TSS 水质测量值。2019 年排水水质数据缺失。值得注意的是，八个现场监测点和过排水沟的采样仅在一个月内的某一天进行，而不是在每月的每一天进行。

3.2 卫星水质参数
本研究考虑了四个卫星衍生参数，即 SPM、NDTI、FAI 和 NDVI。它们源自 Landsat-8 OLI 卫星的图像，该卫星由美国国家航空航天局 (NASA) 和美国地质调查局 (USGS) 共同管理。Landsat-8 OLI 图像可从 USGS Earth Explorer 托管的档案中免费获取。在本研究中，使用了 2 级处理的 Landsat-8 OLI Collection 2 数据。2 级图像已经过辐射、几何和大气校正处理，因此是“即用型”产品 (Agapiou引文2020）。该数据是陆地表面反射率代码 (LaSRC) 的输出，这是一种大气校正算法，可解决时间、空间和光谱效应以及大气层顶部 (TOA) 反射率固有的大气成分的属性。该算法利用各种技术和数据，例如使用沿海气溶胶波段的气溶胶反演测试、中分辨率成像光谱仪（MODIS）的辅助气候数据等，从TOA中推导出每个波段的表面反射率值（Vermote等，2017）。引文2016）。Landsat-8 OLI 图像由九个光谱带组成。然而，为了得出本研究中考虑的四个指数，只需要四个波段，即。绿光波段（0.53–0.59 μm）、红光波段（0.64–0.67 μm）、近红外（NIR）波段（0.85–0.88 μm）和短波红外（SWIR）波段（2.11–2.29 μm）。代表每个波段的数据是传感器反射率，它们是从初始原始数字经过非线性转换的无单位值（Roy等人，2017）。引文2014）。

Landsat-8 OLI 图像通常每隔 16 天提供一次，不同光谱带的分辨率为 30 m，但全色 (PAN) 波段除外，其分辨率为 15 m。在本研究中，考虑了 2013 年 5 月至 2021 年 8 月提供的整个 Landsat-8 集合（路径：146，行：40）的图像。从每个月开始，选择云量最少的日期。然而，由于研究区域云层覆盖过多，某些月份的图像无法用于分析。最后，最终确定了 50 个日期进行分析（参见补充材料，表 S4）。Google Earth Engine 用于直接从 USGS 存储库访问这些图像。

SPM 是使用 Nechad等人推导的经验方程从红色波段计算出来的。

需要注意的是，反射率值必须经过瑞利校正。LaSRC 算法已经通过近似和校正瑞利散射引起的大气反射率来解决这一问题（Vermote等人，2017）。引文2018，另请参见公式 S1)。FAI 和 NDVI 的变化范围为 -1 到 +1。负值表示海水更清澈，较高的 NDVI 值表示植被，而高 FAI 表示存在藻华。

3.3 Google Earth Engine 中 Landsat-8 图像的处理
Google Earth Engine 用于处理和绘制索引地图。所选图像首先与专门为 Landsat 采集而制作的预先存在的云遮罩覆盖，以最大限度地减少提取表面反射率值时云的干扰。在 Google 地球引擎中创建了穿过德里 NCT 的亚穆纳河的轮廓。对于轮廓，应用NDWI掩模来正确描绘水体（McFeeters引文1996）。理想情况下，将 NDWI 阈值设置为 0 有望掩盖非水像素，但研究发现这可能并不总是能带来良好的精度（Xu引文2006），手动调整可以得到更好的勾画结果（Ji等，2006）。引文2009）。经过一系列试验，最终确定该区域NDWI阈值为-0.15，以最大程度准确地检测水体像素。此外，为了避免异常，SPM中交叉值110 mg/L的像素以及其他指数未落在-1到1范围内的像素被删除。整个区域沿垂直轴分为 80 个相等的部分，每个部分约 0.6 公里，以观察显着的空间变化。此外，平均索引值被映射到每个片段，即每个片段现在代表其内所有像素的平均值。因此，得出了索引值，并下载了所得的索引图像以进行分析。

4 结果与讨论
目前的分析考虑了五个现场观测的水质参数（pH、COD、BOD、DO、TSS）和四个卫星衍生参数（SPM、NDTI、NDVI 和 FAI）。

4.1 原位水质参数
4.1.1 沿江水质参数变化
图2显示五年（2016-2020）沿河长度（来自八个监测站）水质参数的年平均变化。总体而言，pH 值完全在地表水的预期 pH 范围内。尽管 Najafgarh 排水沟排入亚穆纳时 pH 值略有下降，但污染负荷并未导致 pH 值发生任何实质性变化（图2（一））。与 2019 年相比，2020 年有所下降（2019 年为最高值）。图2(b) 捕获沿河流长度的 COD 变化。多年来，在距帕拉 18 公里处都能看到震级的显着跃升。超过这一点，值开始下降，然后在 40 公里左右再次跳跃，尽管比上次跳跃的幅度要小。此外，与 2019 年相比，2016 年的值偏高。BOD 也观察到相同的模式（如图所示）图2(c））。最大的排水沟 Najafgarh 排水沟（距帕拉站 18.07 公里）和第二大排水沟 Shahdara 排水沟（距帕拉站 40.63 公里）的排水是造成观察到的两次连续跳跃的原因。随后，在 DO 的情况下，在相同点观察到液滴，如图2(d）。此外，与其他年份相比，2020 年的大部分时间段的溶解氧含量相对较高。因此，可以观察到，对于 BOD、COD 和 DO，五年内的变化遵循各自的模式，各自的幅度变化较小，与 pH 不同，pH 没有显示出特定的模式。

由于2020年的封城时间较短（3月25日至5月31日），封城的影响在2020年水质参数的年平均变化中并不明显（因为水质参数是全年的平均值） ）。然而，2020 年，在该河段的初始部分，DO 值最低（表明水质最差）；然而，在后期，DO 与其他年份相比显着提高。这表明，封锁期间较低的污染负荷对后期产生了长期影响，即使在解除封锁之后也是如此。

为了进一步研究 2020 年封城的影响，得出了 2020 年水质参数的月度变化，如下图所示图3(a-d）。喜欢图2（一），这里的 pH 值也没有显着变化（图3（一））。与上个月相比，4 月份 COD 和 BOD 突然下降，但到 6 月份又增加到与 3 月份相同的水平（图3(b)和(c)）。这凸显了封锁对于改善水质的重要性，但在 6 月份解除封锁后，观察到的改善就被抵消了。7 月、8 月和 9 月观察到 COD 和 BOD 值较低，这可能是由于季风降雨的稀释。稀释度在 2020 年 8 月达到最大，当时该地区降雨量最高，达 218.4 毫米（参见补充材料，图 S2；印度水资源信息系统 (WRIS)）。DO 也显示出在同一季风期间突然增加（图3(d））。在封锁期间，整个时期的溶解氧含量也有所改善，四月份（封锁开始）的平均溶解氧含量飙升至 2.89 毫克/升，而上个月的平均值为 1.75 毫克/升。有趣的是，与封锁前阶段（2020 年 3 月）记录的非季节性过量降雨（76 毫米）相比，封锁阶段（2020 年 4 月）的降雨量非常少（10.1 毫米）（见补充材料）材料，图S2）。即使由于降雨过多，3 月份 BOD 和 COD 仍达到最高，然后 4 月份有所下降。这可能表明4月份水质的改善主要是由于封锁所致，而不是由于稀释所致。2020 年 DO 变化（图3(d））与2018年和2019年进行比较（参见补充材料，图S3（a）和（b））。2020 年观察到较高的 DO 中值，而 2018 年和 2019 年则大多为零。平均溶解氧值也是 2020 年最高的。这表明溶解氧在 2020 年确实恢复了活力，这可能是由于实施封锁所致。

此外，还分析了过去八年（2013年至2020年）4月份的水质数据记录，以精确调查2020年4月封城的影响（见图3(e-h））。观察到 pH 值的高度不规则变化，如图所示图3(e）。化学需氧量（图3(f)) 和 BOD (图3(g)) 呈逐渐下降趋势（2015年后），4月最低值出现在2020年。2020年DO显示历年4月最高值（图3(h))，清楚地表明水质显着改善。与往年同期相比，2020 年 4 月 BOD 和 COD 的下降以及 DO 的增加表明了封锁可能产生的影响。

以热图的形式呈现所有现场参数的 2013-2019 年平均值与 2020 年之间的百分比变化。正百分比变化表示改善，而负值表示恶化。与其他三个参数相比，pH 值的平均变化百分比仅为 -0.9%。相比之下，4 月份 COD、BOD 和 DO 的改善比例较高，分别为 40%、29.7% 和 40.7%。从实施封锁后的一个月来看，这一重大改善可能是由于封锁的影响。6月份，虽然BOD（-5.4%）没有任何改善，但COD（10.8%）和DO（72%）却显示出良好的改善。此外，可以看出，所有参数的正变化最大的是 6 月份的 DO。这表明封锁的影响挥之不去。从 7 月到 9 月，所有三个参数均有所改善，但 7 月（-4.8%）和 8 月（-25.9%）的 DO 除外。但如前所述，七月、八月和九月期间出现的任何价值改善都可能是由于季风季节带来的稀释。

4.1.2 贡献排水沟水质参数变化
不同年份的淡季月份（即三月和四月）排向亚穆纳的五个主要污染排水沟（即 Najafgarh、ISBT、Delhi Gate、Barapulla、Shahdara）的水质如图 S4 所示（见补充材料）材料）。Shahdara 排水沟是污染最严重的排水沟，因为它的 COD、BOD 和 TSS 最高（参见补充材料，图 S4）。观察表明，与其他年份相比（比较同年的时间戳），2020 年水质变化最为明显。2020年3月至4月水质明显改善，如图所示。巴拉普拉排水沟没有遵循这一趋势，因为它主要输送生活污水。此外，可以清楚地看到，2020 年与往年的模式不同，

4.1.3 与2021年封锁比较
此前曾指出，Najafgarh 排水沟和 Shahdara 排水沟是工业废水的主要来源，这两个排水沟在 2020 年的封锁期间都有所改善。工业废水由 CETP 收集、处理，然后排入排水沟。为了获得进一步的见解，我们对不同年份的各种 CETP 的“入口”数据进行了汇编和比较。计算了以下时期 COD 的差异：(i) 2019 年 5 月至 2020 年 5 月，以及 (ii) 2020 年 6 月至 2021 年 5 月，以了解两次封锁的影响。据观察，在这两个时期，13 个 CETP 中有 8 个存在非负差异。事实上，BOD 和 TSS 也观察到类似的模式。这些观察结果再次表明 2020 年封锁带来的改善。

4.2 卫星水质参数
4.2.1 沿河水质参数变化
图5呈现了2017年至2020年期间SPM、NDTI、FAI和NDVI沿河流长度的空间变化。SPM的空间变化(图5（一)) 和 NDTI (图5(b)) 发现非常相似。两个指数在延伸段的初始部分（即从帕拉到瓦济拉巴德拦河坝（b1））都表现出相对较高的值。由于 Palla 周围地区耕地高度发达，预计每年会产生大量农业径流，从而影响 SPM 和浊度（Poudel等，2017）。引文2010年，联合国粮农组织引文2017）。初始部分存在更快、更自由的水流，因为这里没有排水管连接。这可能会导致沉积物重新悬浮，从而导致 SPM 升高。此外，由于所提供的约束， b1附近可能发生沉积物沉积，也可能导致更高的值（Schmidt等人，2017）。引文2005）。几个具有额外污染负荷的排水沟在b1之后连接，如表 S2 中所列（参见补充材料）。然而，在几公里的浓度与b1处测量的浓度相似之后，可以看到浓度稳步下降，直到b2（奥克拉拦河坝）。这是因为所有连接排水沟所携带的废水明显少于第一个排水沟（即 Najafgarh）的废水，由于河流的自净作用，因此具有相对改善的空间。除此之外，Shahdara 排水管（第二大排水管）连接，导致 SPM 和 NDTI 值增加。值得注意的是，SPM 和 NDTI 值是 2020 年b1以后范围内的最低值，即几个排水管开始连接的点。这表明与往年相比，排水沟平均携带的悬浮沉积物较少，这可能是封锁的影响。因此，尽管封锁时间很短，但 2020 年全年的 SPM 和 NDTI 平均水平仍显示出相当大的进步。

如前所述，FAI 是藻华的指标，而 NDVI 表示植被覆盖度。FAI 和 NDVI 值较高表明，由于农业径流和通过排水沟排放的废水，过多的养分负荷释放到河流中。为了显着冲走这些物质，速度为 0.75 m/s (Chow引文1973）是必要的，但实测河流平均流速仅为0.04 m/s（Soni等，1973）。引文2014）。尽管非季风季节避免藻类大量繁殖所需的估计流量为 1.8 TMCM，但河流河段的流量仅为 0.44 TMCM，低于这一标准（Soni等人，2017）。引文2014）。因此，可以得出结论，正如分析所显示的那样，藻华和植被预计将在河段持续存在。图5(c)和(d)分别表示沿路段的 FAI 和 NDVI 水平。可以观察到，拉伸的初始部分显示出稍低的值。如上所述，该部分具有更自由的流动能力，这可能导致植被缓慢扩散到河段的后一区域。因此，藻华和植被在该段的后半部分相对更加持久。

4.2.2 全河段水质参数空间变化
封锁期间水质的任何变化也可能归因于年度趋势。为了消除这种可能性，我们分析了 3 月、4 月和 5 月以及封锁后的 6 月相关日期的 SPM、NDTI、NDVI 和 FAI 的历年变化。

每月 SPM 的分段平均时空变化，值范围从 0 mg/L（蓝色）到 110 mg/L（红色）。从图6(a)，可以看出，2015年和2020年3月份的数值相对较高。大多数这些级别发生在b1前后的拉伸中。在四月份 （图6(b）），从2017年到2020年， b1上游地区的水位逐渐恶化，而其余河段没有出现重大变化。5月 （图6(c)) 2020 年， b1下游地区的许多地方的浓度明显较低（0 至 20 mg/L）。2020年6月（图6(d))，b1 以下的区间表现出与去年水平相当的水平。此外，在b1的上游延伸中可以看到显着的改进。每个月的 NDTI 都表现出类似的模式，如图 S5 所示（参见补充材料）。

图 S6（参见补充材料）显示了 SPM 和 NDTI 的相应盒须图。图 S6(a) 和 (b) 遵循上述 3 月和 4 月 SPM 的观察结果。但从 5 月和 6 月的箱须图可以得出更多关键观察结果。与5月份相应的时空推断不同，从图S6（c）中看不到2020年水平明显下降。这是因为盒须图考虑了整个河流的延伸，而某些部分的较高值掩盖了观察到的任何重大改进。从图S6（d）6月份可以看出，2020年的值明显较低，其平均值较之前的2019年观测值有所下降。根据 NDTI 的分析，除了细微的差异外，可以看出，它很大程度上符合SPM所展示的模式。NDTI 在 2020 年 3 月也表现出较高的值（图 S6（e））。但图S6（f）显示，与2019年相比，2020年4月NDTI平均值有所下降。5月（图S6（g）），只有在2017年之后才能看到稳定下降，2020年的值如下低至-0.16。6 月（图 S6(h)）再次显示出与 SPM 类似的模式，2020 年显示值下降。

在3月份的封锁初期，SPM和NDTI水平没有出现改善，但由于2020年3月29日距离封锁仅四天，因此无法预期立即产生效果。CPCB 报告（CPCB引文2022年）表示，3 月下旬从瓦济拉巴德拦河坝流入的水量激增，导致 3 月 29 日水流速度加快，这可能导致沉积物重新悬浮，从而导致 SPM 和 NDTI 值增加。封锁的效果仅在五月和六月才明显明显。5 月份，Palla 地区的高值掩盖了其余地区观察到的改善。因此，如果我们只考虑 b1 以下的区域进行分析，那么封锁的影响就非常明显。虽然改善幅度最多仅为 10 mg/L，但通过对分段平均图的检查可以得出结论，该部分的两个指数均录得八年来的最低水平。这在奥克拉地区周围尤其明显。而且，

图7说明了 FAI 的分段平均图。该研究区域的 FAI 范围为 -0.04 至 0.06。从图7（一），可以观察到 3 月 29 日在整个过程中显示出非常低的值。在四月份 （图7(b))，2017 年至 2020 年期间的数值相似。可能 （图7(c))，2020 年显示了所考虑期间和 2020 年 6 月的最低固定资产投资水平 (图7(d)) 在b1上游的延伸段中显示出较低的值。如图 S7 所示，每个月 NDVI 的时空变化也观察到类似的模式（参见补充材料）。

图 S8(a-d)（参见补充材料）呈现了 FAI 的箱须图。再加上之前观测到的2020年3月的异常值，从图S8(a)可以推断，这些实际上是2014年以来观测到的最低值。4月份，图S8(b)所示的变化太小具有任何意义。根据之前从图 S6(c) 做出的推论，图 S8(c)) 进一步证明 2020 年 5 月呈现最低值。6月份较2019年整体有所下降。NDVI 箱须图如图 S8(e–h) 所示（参见补充材料）。图 S8(e) 和图 S8(f) 分别为 3 月和 4 月的情况，遵循与 FAI 相同的模式。5月（图S8（g）），2013年至2019年表现出较高的水平一致性，2020年则显着下降。与6月的固定资产投资一样，

2020 年 3 月 FAI 和 NDVI 的出乎意料的低值可归因于多种因素。如前所述，2020 年 3 月 29 日观察到水流量较高。此外，由于 2020 年突然实施封锁，人为和工业活动迅速减少。正如之前所记录的，预计该地区将有持续的植被和藻华，但流入水量的增加可能有助于轻松冲走此类堆积物。这解释了价值的大幅下降。我们可以再次观察到 2020 年 5 月的显着下降，FAI 和 NDVI 水平均为八年来的最低水平。而b1下游区域的低值再次可能是由于进水量可能增加，但必须指出的是，上游地区表现出显着的改善。这只能归因于封锁的影响，因为帕拉地区主要受到哈里亚纳邦索尼帕特区 (CPCB) 的家庭和工业排放污染引文2006），而封锁会大大减少这种活动。六月份，虽然改善并不那么显着，但有趣的是，封锁后略有改善。

还为四个卫星衍生参数制作了与为现场参数创建的热图类似的热图，如图所示图8。SPM 和 NDTI 遵循类似的模式。5 月份，SPM 和 NDTI 分别提高了 8.9% 和 77.6%。这种变化在 6 月份有所下降，但 SPM (6.3%) 仍然显示出改善，而 NDTI (-2.4%) 的恶化百分比较低。FAI 和 NDVI 也遵循类似的模式。3 月份 FAI 和 NDVI 值显着提高，分别提高了 211.7% 和 554.9%。在 4 月份百分比变化下降之后，5 月份会出现上升，随后 6 月份会下降。尽管百分比变化存在这种波动模式，但可以观察到，2020 年 3 月、4 月、5 月和 6 月（即封锁前、封锁和封锁后的整个期间）的 FAI 和 NDVI 具有更好的值期间。

4.2.3 不同卫星水质参数之间的关系
人们反复观察到 SPM-NDTI 和 FAI-NDVI 对遵循类似的模式。为了验证这些观察结果并消除由于目视检查造成的任何主观偏差，创建了密度散点图（参见补充材料，图S9）。两对（SPM-NDTI 和 FAI-NDVI）之间存在直接关系，它们的皮尔逊相关系数值分别为 0.71（图 S9（d））和 0.91（图 S9（f））。其他组合表现出非常低的相关值。SPM 和 NDTI 之间的关系是合理的，因为悬浮颗粒也可能影响水的浊度。一些研究也试图对此进行研究，并建立了两个参数之间的数学相关性（Jafar-Sidik等人，2017）。引文2017）。同样，由于NDVI和FAI可以用来指示相同的富营养化现象，因此它们有望表现出良好的相关性。之前的一项研究也注意到了这一推论（Visitacion等人，2017）。引文2019）。本研究中进行的相关性分析验证了这些事实，并证实了相关性在所考虑的研究区域中成立。

4.2.4 卫星水质参数对降雨量的依赖性
进一步调查 SPM 的趋势后发现，记录的 SPM 值在降雨量较大的月份中显示出暂时的跳跃。罗伯特等人也做出了类似的观察。（引文2017年）。在这项研究中，对实际降雨数据（月平均值）与卫星得出的整个范围内的 SPM 平均值进行了比较，以验证视觉解释。也与其他指数进行了类似的比较（参见补充材料，图 S10）。据观察，在大多数情况下，每当降雨模式出现峰值时，SPM 值也会出现峰值（图 10（a））。皮尔逊相关系数为 0.29，在其他参数中最高（图 S10（b-d））。降雨对SPM值的影响高于其他参数，因为强降雨期间可能会增加泥沙侵蚀和输送。这是由于河流流速和水位上升导致湍流增加造成的。而且，降雨还会导致地表径流，从而成为额外的临时污染源。由于这些额外的沉积物需要一定的时间才能沉淀，SPM 值可能会暂时上升。

4.2.5 与 2021 年封锁的比较
正如前面涉及卫星衍生指数分析的部分所观察到的那样，封锁的效果自实施之日起仅一个月就清晰可见。预计 2021 年也会如此，我们分析了 5 月下旬可获得的卫星数据，看看是否有任何改进。2021 年 5 月 26 日的 SPM 地图（参见补充材料，图 S11(a)）与封锁前的 2021 年 4 月 8 日相比几乎没有变化。此外，我们还注意到 SPM 保持在相同的值范围内从四月到七月，即在封锁前、封锁和封锁后的整个时期，几乎保持不变的趋势。这一观察结果是预料之中的，因为 2021 年的锁定阶段不像 2020 年那样受到限制。从 FAI 地图中得出了类似的推论（参见补充材料，图 S11(c)）。通过对 2013 年至 2019 年地图的分析，我们注意到 2021 年实际上只是展示了通常预期的 5 月和 6 月的水平。因此，所看到的细微变化不太可能是由于封锁造成的。我们的结论是，虽然 2020 年出现了显着的改善，但 2021 年没有明显的变化可归因于封锁的影响。

5。结论
本研究的推论总结如下：

2020 年的封锁短期内改善了 BOD 和 COD，而 DO 则长期改善。尽管2020年实施了封锁，但沿河的BOD和COD值在2016年至2020年期间并不是最低的。DO在2020年的后期增长最快。

2020 年 5 月，瓦济拉巴德拦河坝至奥克拉拦河坝的 SPM 和 NDTI 值达到八年来最低。FAI 和 NDVI 在整个河段显示出同样的改善。

SPM 和 NDTI 高度相关。目视检查浊度有助于估计 SPM。这在实践中很有帮助，即在定性研究水质时不需要进行 SPM 实验室测试。同样，FAI 和 NDVI 也是相关的。

正常情况下排入河流的废水平均约为 3026 MLD，而在封锁期间，该值下降了 36 MLD（CPCB）引文2022）。工业废水占废水总量的 1.18%，但如果没有工业废水，COD 会减少 40%，BOD 会减少 29.7%。许多行业与 CETP 没有联系，将废水排入下水道（印度斯坦时报引文2022）。

对入口 CETP 数据的分析显示，与 2021 年 6 月相比，2020 年 5 月的值较低，这两者恰好表明了这两年的锁定阶段。2020 年发生了巨大的改善，恰逢硬封锁；然而，2021 年并没有观察到重大改善，因为当时的封锁限制并不那么严格，而且各行业仍在运营。CETP 携带工业废水的事实仅证明水质改善的主要来源是工业废水的减少。河流中较高的排放量可通过降低 COD 和 BOD 并增加 DO 来改善水质。此外，这些改进对于瓦济拉巴德拦河坝下游区域的排放更加敏感。通过计算帕拉和德里铁路桥的流量和水质参数之间的相关系数，这一点得到了验证（参见补充材料，表 S5）。为了进一步确定这些改善不是由于河流本身流量的增加造成的，对帕拉和瓦济拉巴德河流流量的长期趋势进行了分析。数据来自中央水利委员会 (CWC)，如图 S12 所示（参见补充材料）。据观察，流量逐年减少。因此，替代可能性没有优点。分析了帕拉和瓦济拉巴德河流量的长期趋势。数据来自中央水利委员会 (CWC)，如图 S12 所示（参见补充材料）。据观察，流量逐年减少。因此，替代可能性没有优点。分析了帕拉和瓦济拉巴德河流量的长期趋势。数据来自中央水利委员会 (CWC)，如图 S12 所示（参见补充材料）。据观察，流量逐年减少。因此，替代可能性没有优点。

亚穆纳河德里-NCT 段的水质受到瓦济拉巴德拦河坝的运行和从亚穆纳主河道引水的严重影响。在季风月份（7 月至 9 月），80% 的流量被释放，而在其他 9 个月，仅释放 20%（Soni等，2017）。引文2014），这对河流的自净能力产生了负面影响。此外，瓦济拉巴德拦河坝附近的平均流速不足以冲走污染物并抑制藻类生长。此外，拦河坝的破坏会促进水环境的恶化，水环境会随着释放的水向下游移动，加剧河流污染（Mishra）引文2010）。

遥感可能高估或低估水质。由于缺乏现场数据，这项研究无法得到验证。尽管如此，为了进行比较，这些估计是合理的，过去的几项研究已经验证了这一点。未来的研究可能会使用高分辨率卫星数据而不是 Landsat-8 OLI 数据。可以在 Landsat-8、Sentinel-2 和其他高分辨率卫星等各种卫星之间进行进一步比较。可以研究氨、硝酸盐、磷酸盐、总溶解固体、粪便大肠菌群、叶绿素-a 和重金属，以更广泛地了解水质。

本文研究了工业废水对水质的影响，表明常见的污染减排策略如果实施得当，可以减少河流污染。为了改善该国污染最严重的河流之一的水质，必须重新设计现有框架并适当监管，必须妥善管理 STP 和 CETP，并且必须升级现有基础设施（Gautam 等，2017 ）。引文2013）。由于本文使用的概念框架可以在任何地表水体上持续实施，因此当前的研究将有助于规划适当的恢复措施和地表水资源的可持续管理。