公开/公告号CN114813585A
专利类型发明专利
公开/公告日2022-07-29
原文格式PDF
申请/专利号CN202210516235.0
申请日2022-05-12
分类号G01N21/25;G01N33/18;
代理机构北京高沃律师事务所;
代理人韩雪梅
地址 841000 新疆维吾尔自治区库尔勒市巴州巴音东路26号
入库时间 2023-06-19 16:09:34
法律状态公告日
法律状态信息
法律状态
2022-07-29
公开
发明专利申请公布
技术领域
本发明涉及遥感监测领域,特别是涉及一种微咸水湖泊的水质参数遥感监测方法及系统。
背景技术
水质参数是微咸水湖泊地表水质量的制约参数,如博斯腾湖中化学需氧量含量是主要的制约参数,而目前一般采用化学化验的方式测量湖泊的水质参数,化学化验测量的方式费事费力,污染环境且时效性差,造成监测效率低下具有滞后性。
基于上述问题,亟需一种新的水质参数监测方法以提高监测效率。
发明内容
本发明的目的是提供一种微咸水湖泊的水质参数遥感监测方法及系统,可提高对湖泊的水质参数的监测效率。
为实现上述目的,本发明提供了如下方案:
一种微咸水湖泊的水质参数遥感监测方法,包括:
采集待监测湖泊中多个区域的水体光谱及对应的水样,得到多个水体光谱及多个水样;
对各水样进行分析,确定对应区域的水质参数;
对各水体光谱与各区域的水质参数进行相关性分析,并进行一元一次线性拟合,确定多个水质参数监测模型;
采集待监测湖泊的高光谱影像,并提取出各水体像元的光谱信息;
针对任一水体像元,根据所述水体像元的光谱信息,基于各水质参数监测模型,确定所述水体像元的多个初始水质参数;根据所述水体像元的多个初始水质参数的平均值,确定所述水体像元的水质参数。
可选地,采用便携式地物光谱仪采集待监测湖泊中多个区域的水体光谱。
可选地,所述水质参数为化学需氧量含量;所述对各水样进行分析,确定对应区域的水质参数,具体包括:采用快速消解分光光度法对各水样进行分析,确定对应的化学需氧量含量。
可选地,所述对各水体光谱与各区域的水质参数进行相关性分析,并进行一元一次线性拟合,确定多个水质参数监测模型,具体包括:
对各水体光谱进行求导,确定各水体光谱的一阶光谱、二阶光谱及三阶光谱;
对各水体光谱的单波段的反射率与各水质参数进行相关性分析,并进行一元一次线性拟合,确定单波段监测模型;
对各一阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个一阶监测模型;
对各二阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个二阶监测模型;
对各三阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个三阶监测模型;
从所述单波段监测模型、多个一阶监测模型、多个二阶监测模型及多个三阶监测模型中选取均方根误差小于第一设定阈值,且平均相对偏差小于第二设定阈值的多个监测模型,作为水质参数监测模型。
可选地,所述对各一阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个一阶监测模型,具体包括:
针对任一一阶光谱,计算所述一阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始一阶监测模型;
计算各初始一阶监测模型的R
根据各初始一阶监测模型的R
可选地,所述对各二阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个二阶监测模型,具体包括:
针对任一二阶光谱,计算所述二阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始二阶监测模型;
计算各初始二阶监测模型的R
根据各初始二阶监测模型的R
可选地,所述对各三阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个三阶监测模型,具体包括:
针对任一三阶光谱,计算所述三阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始三阶监测模型;
计算各初始三阶监测模型的R
根据各初始三阶监测模型的R
为实现上述目的,本发明还提供了如下方案:
一种微咸水湖泊的水质参数遥感监测系统,包括:
数据采集单元,用于采集待监测湖泊中多个区域的水体光谱及对应的水样,得到多个水体光谱及多个水样;
水样分析单元,与所述数据采集单元连接,用于对各水样进行分析,确定对应区域的水质参数;
模型建立单元,分别与所述数据采集单元及所述水样分析单元连接,用于对各水体光谱与各区域的水质参数进行相关性分析,并进行一元一次线性拟合,确定多个水质参数监测模型;
影像采集单元,用于采集待监测湖泊的高光谱影像,并提取出各水体像元的光谱信息;
含量确定单元,分别与所述模型建立单元及所述影像采集单元连接,用于针对任一水体像元,根据所述水体像元的光谱信息,基于各水质参数监测模型,确定所述水体像元的多个初始水质参数;根据所述水体像元的多个初始水质参数的平均值,确定所述水体像元的水质参数。
可选地,所述模型建立单元包括:
求导模块,与所述数据采集单元连接,用于对各水体光谱进行求导,确定各水体光谱的一阶光谱、二阶光谱及三阶光谱;
单波段模型确定模块,分别与所述求导模块及所述水样分析单元连接,用于对各水体光谱的单波段的反射率与各水质参数进行相关性分析,并进行一元一次线性拟合,确定单波段监测模型;
一阶模型确定模块,分别与所述求导模块及所述水样分析单元连接,用于对各一阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个一阶监测模型;
二阶模型确定模块,分别与所述求导模块及所述水样分析单元连接,用于对各二阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个二阶监测模型;
三阶模型确定模块,分别与所述求导模块及所述水样分析单元连接,用于对各三阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个三阶监测模型;
监测模型确定模块,分别与所述单波段模型确定模块、所述一阶模型确定模块、所述二阶模型确定模块及所述三阶模型确定模块连接,用于从所述单波段监测模型、多个一阶监测模型、多个二阶监测模型及多个三阶监测模型中选取均方根误差小于第一设定阈值,且平均相对偏差小于第二设定阈值的多个监测模型,作为水质参数监测模型。
可选地,所述一阶模型确定模块包括:
初始一阶模型确定子模块,分别与所述求导模块及所述水样分析单元连接,用于针对任一一阶光谱,计算所述一阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始一阶监测模型;
第一指标计算子模块,与所述初始一阶模型确定子模块连接,用于计算各初始一阶监测模型的R
第一选取子模块,分别与所述初始一阶模型确定子模块及所述第一指标计算子模块连接,用于根据各初始一阶监测模型的R
根据本发明提供的具体实施例,本发明公开了以下技术效果:仅需采集湖泊中几个区域的水体光谱及水样,进行相关性分析,建立多个水质参数监测模型,再基于多个水质参数监测模型,即可确定湖泊的高光谱影像中各水体像元的多个初始水质参数,根据多个初始水质参数的平均值确定水体像元的水质参数,进而确定整个湖泊的水质参数,通过遥感监测的方式,可快速检测湖泊的水质参数,且监测面积大,不会污染湖泊的环境。而且,通过优选的多个水质参数监测模型进行组合监测,提高了水质参数的监测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明微咸水湖泊的水质参数遥感监测方法的流程图;
图2为本发明微咸水湖泊的水质参数遥感监测系统的模块结构示意图。
符号说明:
数据采集单元-1,水样分析单元-2,模型建立单元-3,影像采集单元-4,含量确定单元-5。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种微咸水湖泊的水质参数遥感监测方法及系统,通过遥感监测的方式,提高水质参数的监测效率,且监测面积大,而且不会污染湖泊的环境,通过多个模型进行组合监测提高监测精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明微咸水湖泊的水质参数遥感监测方法包括:
S1:采集待监测湖泊中多个区域的水体光谱及对应的水样,得到多个水体光谱及多个水样。在本实施例中,采用便携式地物光谱仪采集待监测湖泊中多个区域的水体光谱。
S2:对各水样进行分析,确定对应区域的水质参数。在本实施例中,水质参数为化学需氧量含量,采用快速消解分光光度法对各水样进行分析,确定对应的化学需氧量含量。
S3:对各水体光谱与各区域的水质参数进行相关性分析,并进行一元一次线性拟合,确定多个水质参数监测模型。
S4:采集待监测湖泊的高光谱影像,并提取出各水体像元的光谱信息。具体地,采集待检测湖泊的多张高光谱影像,对各高光谱影像进行辐射定标、大气校正、正射校正和影像拼接,得到最终的高光谱影像。
S5:针对任一水体像元,根据所述水体像元的光谱信息,基于各水质参数监测模型,确定所述水体像元的多个初始水质参数;根据所述水体像元的多个初始水质参数的平均值,确定所述水体像元的水质参数。
进一步地,根据各水体像元的水质参数确定所述待监测湖泊的水质情况。进而根据国际地表水质分类标准GB3838-2002进行分级,确定湖泊中污染最大的区域。
进一步地,步骤S3具体包括:
S31:对各水体光谱进行求导,确定各水体光谱的一阶光谱、二阶光谱及三阶光谱。具体地,在MATLAB中将水体光谱分别采用一阶导数、二阶导数和三阶导数进行预处理,得到对应的一阶光谱、二阶光谱及三阶光谱。
S32:对各水体光谱的单波段的反射率与各水质参数进行相关性分析,并进行一元一次线性拟合,确定单波段监测模型。具体地,采用SPSS(Statistical Product ServiceSolutions,统计产品与服务解决方案)软件进行相关性分析,确定相关性最强的最佳单波段,以最佳单波段的反射率为自变量,一元一次线性拟合得到单波段监测模型。相关系数最大为1,最小为-1,相关系数绝对值越大说明相关性越强。
S33:对各一阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个一阶监测模型。
具体地,步骤S33具体包括:
S331:针对任一一阶光谱,计算所述一阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始一阶监测模型。
S332:计算各初始一阶监测模型的R
S333:根据各初始一阶监测模型的R
在本实施例中,在MATLAB中将一阶光谱的全部波段比值(|b1/b2|)、(|(b1-b2)/(b1+b2)|)分别与对应的50个水质参数进行相关性分析,根据相关性系数的大小,确定相关性最高的波段比值。以波段比值的绝对值为自变量,进行一元一次线性拟合,得到全部波段的监测模型。其中,b1和b2均为波段的反射率。计算全部波段的监测模型的误差值R
S34:对二阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个二阶监测模型。
具体地,步骤S34具体包括:
S341:针对任一二阶光谱,计算所述二阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始二阶监测模型。
S342:计算各初始二阶监测模型的R
S343:根据各初始二阶监测模型的R
S35:对各三阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个三阶监测模型。
具体地,步骤S35具体包括:
S351:针对任一三阶光谱,计算所述三阶光谱的全部波段比值,,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始三阶监测模型;
S352:计算各初始三阶监测模型的R
S353:根据各初始三阶监测模型的R
二阶监测模型和三阶监测模型的具体建立方法与一阶监测模型的建立方法相同,在此不再赘述。
S36:从所述单波段监测模型、多个一阶监测模型、多个二阶监测模型及多个三阶监测模型中选取均方根误差小于第一设定阈值,且平均相对偏差小于第二设定阈值的多个监测模型,作为水质参数。
具体地,分别计算所述单波段监测模型、各一阶监测模型、各二阶监测模型及各三阶监测模型的RMSE(Root Mean Squared Error,均方根误差)及平均相对偏差。在本实施例中,第一设定阈值为2.5mg/L,第二设定阈值10%。
进一步地,化学需氧量监测模型中可以包括多个监测模型,也可以仅有一个监测模型,具体根据模型的R
为了更好的理解本发明的方案,下面结合具体实施例进一步进行说明。
本实施例以监测博斯腾湖的化学需氧量含量为例进行说明。
步骤1:设计好采样点,使用ASD地物光谱仪在博斯腾湖中采集50处水体光谱和对应区域内的50处水样。光谱曲线根据高光谱影像光谱分辨率重采样得到新高光谱曲线后,分别进行一阶导数、二阶导数和三阶导数处理,得到一阶光谱、二阶光谱和三阶光谱。化验室通过《水质化学需氧量的测定快速水解分光光度计》得到对应的50个化学需氧量含量。
在SPSS中对50条水体光谱与对应的50个化学需氧量进行相关性分析,相关系数最大为1,最小为-1,相关系数绝对值越大说明相关性越强。SPSS软件得到相关性最强的最佳单波段为824nm,以最佳单波段的反射率为自变量,一元一次线性拟合得到单波段监测模型为y1=358.22*x1+20.302,R
在MATALB中用代码将一阶光谱、二阶光谱和三阶光谱组合的全部波段比值(|b1/b2|)、(|(b1-b2)/(b1+b2)|)分别与对应的50个化学需氧量进行相关性分析,通过相关系数的大小得到相关性最高的波段比值,并选择R
以波段比值绝对值为自变量,进行一元一次线性拟合,得到监测模型分别为:
第一一阶监测模型:y2=-0.3012*x2+21.302,R
第二一阶监测模型:y3=-0.0267*x3+21.052,R
第一二阶监测模型:y4=-0.0963*x4+21.175,R
第二二阶监测模型:y5=-0.158*x5+21.217,R
第一三阶监测模型:y6=-0.4179*x6+21.356,R
第二三阶监测模型:y7=-0.0499*x7+21.208,R
其中,y1为单波段监测模型进行化学需氧量含量的预测值,x1为单波段监测模型的最佳单波段;y2为第一一阶监测模型进行化学需氧量含量的预测值,x2为一阶光谱的791波段与814波段反射率比值绝对值;y3为第二一阶监测模型进行化学需氧量含量的预测值,x3为一阶光谱的583波段与730波段反射率比值绝对值;y4为第一二阶监测模型进行化学需氧量含量的预测值,x4为二阶光谱的618波段与649波段反射率比值绝对值;y5为第二二阶监测模型进行化学需氧量含量的预测值,x5为二阶光谱的706波段与730波段波段反射率比值绝对值;y6为第一三阶监测模型进行化学需氧量含量的预测值,x6为三阶光谱的707波段与825波段波段反射率比值绝对值;y7为第二三阶监测模型进行化学需氧量含量的预测值,x7为三阶光谱的424波段与773波段反射率比值绝对值。
步骤2:根据选取的高光谱卫星进行模型适配:高光谱卫星的波段和ASD入选波段差最小的波段就是高光谱卫星适配的波段,以RMSE(小于2.5mg/L)和平均相对偏差(小于10%)从以上7个模型中再次优选出第一一阶监测模型、第一二阶监测模型、第二二阶监测模型和第二三阶监测模型。具体地,将验证集的化学需氧量含量分别代入7个模型,计算出化学需氧量含量,与验证数据进行比较,评估精度。选取精度前四的模型,即第一一阶监测模型、第一二阶监测模型、第二二阶监测模型和第二三阶监测模型。
ASD光谱仪模型波段、资源一号02D模型波段、高分五号卫星GF5模型波段如表1所示。
表1基于ASD的高光谱卫星适配波段
步骤3:化学需氧量含量值为步骤2中四个模型估值剔除小于0大于40的异常值后的平均值。即y=(y2+y4+y5+y7)/4。以此增加估测精度,避免偶然误差。y为最终的化学需氧量含量。
步骤4:将高光谱影像经过预处理后,利用选取的定量反演模型分别计算湖泊影像上的每一个水体像元的化学需氧量。将同一个水体像元的4个值的异常值剔除后求平均得到水体像元的化学需氧量含量。认定为异常值的范围为小于0大于40,没有出现异常值的像元4个估测值全部参与运算。然后利用各水体像元的化学需氧量含量分析得到整个湖泊的化学需氧量情况,根据国标地表水质分类标准GB3838-2002进行分级,找出湖泊污染最大的区域。
基于地物光谱仪的光谱建立化学需氧量监测模型,能够保证化学需氧量含量的精度,而且监测面积大,不污染环境,另外还可通过历史影像回溯化学需氧量含量。
如图2所示,本发明微咸水湖泊的水质参数遥感监测系统包括:数据采集单元1、水样分析单元2、模型建立单元3、影像采集单元4及含量确定单元5。
其中,所述数据采集单元1用于采集待监测湖泊中多个区域的水体光谱及对应的水样,得到多个水体光谱及多个水样。
所述水样分析单元2与所述数据采集单元1连接,所述水样分析单元2用于对各水样进行分析,确定对应区域的水质参数。
所述模型建立单元3分别与所述数据采集单元1及所述水样分析单元2连接,所述模型建立单元3用于对各水体光谱与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个水质参数监测模型。
所述影像采集单元4用于采集待监测湖泊的高光谱影像,并提取出各水体像元的光谱信息。
所述含量确定单元5分别与所述模型建立单元3及所述影像采集单元4连接,所述含量确定单元5用于针对任一水体像元,根据所述水体像元的光谱信息,基于各水质参数监测模型,确定所述水体像元的多个初始水质参数;根据所述水体像元的多个初始水质参数的平均值,确定所述水体像元的水质参数。
进一步地,所述模型建立单元3包括:求导模块、单波段模型确定模块、一阶模型确定模块、二阶模型确定模块、三阶模型确定模块及监测模型确定模块。
其中,所述求导模块与所述数据采集单元1连接,所述求导模块用于对各水体光谱进行求导,确定各水体光谱的一阶光谱、二阶光谱及三阶光谱。
所述单波段模型确定模块分别与所述求导模块及所述水样分析单元2连接,所述单波段模型确定模块用于对各水体光谱的单波段与各水质参数进行相关性分析,并进行一元一次线性拟合,确定单波段监测模型。
所述一阶模型确定模块分别与所述求导模块及所述水样分析单元2连接,所述一阶模型确定模块用于对各一阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个一阶监测模型。
具体地,所述一阶模型确定模块包括:初始一阶模型确定子模块、第一指标计算子模块及第一选取子模块。
其中,所述初始一阶模型确定子模块分别与所述求导模块及所述水样分析单元连接,所述初始一阶模型确定子模块用于针对任一一阶光谱,计算所述一阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始一阶监测模型。
所述第一指标计算子模块与所述初始一阶模型确定子模块连接,所述第一指标计算子模块用于计算各初始一阶监测模型的R
所述第一选取子模块分别与所述初始一阶模型确定子模块及所述第一指标计算子模块连接,所述第一选取子模块用于根据各初始一阶监测模型的R
所述二阶模型确定模块分别与所述求导模块及所述水样分析单元2连接,所述二阶模型确定模块用于对各二阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个二阶监测模型。
具体地,所述二阶模型确定模块包括:初始二阶模型确定子模块、第二指标计算子模块及第二选取子模块。
其中,所述初始二阶模型确定子模块分别与所述求导模块及所述水样分析单元连接,所述初始二阶模型确定子模块用于针对任一二阶光谱,计算所述二阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始二阶监测模型。
所述第二指标计算子模块与所述初始二阶模型确定子模块连接,所述第二指标计算子模块用于计算各初始二阶监测模型的R
所述第二选取子模块分别与所述初始二阶模型确定子模块及所述第二指标计算子模块连接,所述第二选取子模块用于根据各初始二阶监测模型的R
所述三阶模型确定模块分别与所述求导模块及所述水样分析单元2连接,所述三阶模型确定模块用于对各三阶光谱的全部波段比值与各水质参数进行相关性分析,并进行一元一次线性拟合,确定多个三阶监测模型。
具体地,所述三阶模型确定模块包括:初始三阶模型确定子模块、第三指标计算子模块及第三选取子模块。
其中,所述初始三阶模型确定子模块分别与所述求导模块及所述水样分析单元连接,所述初始三阶模型确定子模块用于针对任一三阶光谱,计算所述三阶光谱的全部波段比值,并对全部波段比值与各水质参数进行相关性分析,进行一元一次线性拟合,得到多个初始三阶监测模型。
所述第三指标计算子模块与所述初始三阶模型确定子模块连接,所述第三指标计算子模块用于计算各初始三阶监测模型的R
所述第三选取子模块分别与所述初始三阶模型确定子模块及所述第三指标计算子模块连接,所述第三选取子模块用于根据各初始三阶监测模型的R
所述监测模型确定模块分别与所述单波段模型确定模块、所述一阶模型确定模块、所述二阶模型确定模块及所述三阶模型确定模块连接,所述监测模型确定模块用于从所述单波段监测模型、多个一阶监测模型、多个二阶监测模型及多个三阶监测模型中选取均方根误差小于第一设定阈值,且平均相对偏差小于第二设定阈值的多个监测模型,作为水质参数监测模型。
相对于现有技术,本发明微咸水湖泊化学需氧量含量遥感监测系统与上述微咸水湖泊化学需氧量含量遥感监测方法的有益效果相同,在此不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
机译: 通过储存大量的河水来创造一个人工鱼类农场,同时可以减少细粉尘的产生,它改善了大气中的污染空气,同时,优先用沉重排出清洁水分子 比重使污染的河水被转化为清洁河水。 一种自然友好的净水净化生态友好方法,自然净化了水库,湖泊,水坝,泻湖,河流和河流的水质,同时使用配置为净化的自然友好的环保储水系统生产大量电力
机译: 一种监测船舶压载水质量的方法和系统
机译: 一种监测船舶压载水质量的方法和系统