一种适用于微咸水湖泊的水质参数监测方法和装置

技术领域

本申请涉及水质研究技术领域，特别是涉及一种适用于微咸水湖泊的水质参数监测方法和装置。

背景技术

水资源，是人类重要的自然资源，更是人类及动植物等各类生命赖以生存和发展的基本条件。在水资源中，咸水湖是水的含盐度超过1‰的湖泊，其中，含盐度在1‰～24.7‰之间的为微咸水湖。

随着社会及工业等的发展和人口的增长，大量水资源被污染。因此，随着水资源污染日益严重，水质监测作为水污染控制工作中的基础性工作，其意义和作用也变得更加重要。

现有通过化学法测湖泊水样水质来获取湖泊的水质情况，以及利用遥感监测技术来对湖泊水质进行监测；化学法测水样水质的检测过程复杂，需要的时间比较长，因此耗时和效率低，并且往往采集的水样水质并不能准确反映整个湖泊的水质情况，而且还会对环境造成一定污染；利用遥感监测技术对湖泊水质的监测虽然已经有部分研究了，但发明人认识到，对于在微咸水情况下使用遥感监测手段监测水质参数的研究仍然较少，并且已有的监测方法所使用的模型比较单一。

发明内容

基于此，针对上述技术问题，提供一种适用于微咸水湖泊的水质参数监测方法和装置。

第一方面，一种适用于微咸水湖泊的水质参数监测方法，包括：

步骤S1，在第一微咸水湖泊中预设的多个采集点分别采集相应的第一高光谱数据和水样，得到多个第一高光谱数据和相应的多个水样，并对水样通过水体实验进行分析，得到每个水样的水质参数实测值；以及根据多个第一高光谱数据与相应水样的水质参数实测值，生成通用水质参数反演模型；

步骤S2，当被监测湖泊为第一微咸水湖泊时，基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第一高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第二高光谱数据；以及根据多个第二高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

步骤S3，当被监测湖泊为第二微咸水湖泊时，在第二微咸水湖泊中预设的多个采集点分别采集相应的第三高光谱数据，得到多个第三高光谱数据，并通过所述通用水质参数反演模型计算每个第三高光谱数据相应的水质参数反演值，将得到的每个第三高光谱数据相应的水质参数反演值作为每个第三高光谱数据相应的水质参数实测值；基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第三高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第四高光谱数据；以及根据多个第四高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

步骤S4，通过所述高光谱卫星获取被监测湖泊的高光谱图像，并利用相应的目标水质参数反演模型计算所述高光谱图像中每个像元的水质参数；

步骤S25，根据目标水质参数反演模型中的每个水质参数反演模型计算得到的每个像元的水质参数，计算每个像元相应水质参数的平均值；将每个像元的水质参数的平均值作为该像元的水质参数的反演值，由此得到被监测湖泊的整体水质参数情况。

可选地，步骤S1中所述根据多个第一高光谱数据与相应水样的水质参数实测值，生成通用水质参数反演模型具体包括：

步骤S1A，对每个第一高光谱数据进行预处理，得到多个第一预处理高光谱数据；

步骤S1B，将多个第一高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；将所述多个第一预处理高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；

步骤S1C，在生成的每一个水质参数反演模型中筛选出精度达到预设条件的水质参数反演模型作为通用水质参数反演模型；

步骤S2中所述根据多个第二高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型具体包括：

步骤S2A，对每个第二高光谱数据进行预处理，得到多个第二预处理高光谱数据；

步骤S2B，将多个第二高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；将所述多个第二预处理高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；

步骤S2C，在生成的每一个水质参数反演模型中筛选出精度达到预设条件的水质参数反演模型作为目标水质参数反演模型；

步骤S3中所述根据多个第四高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型具体包括：

步骤S3A，对每个第四高光谱数据进行预处理，得到多个第四预处理高光谱数据；

步骤S3B，将多个第四高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；将所述多个第四预处理高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；

步骤S3C，在生成的每一个水质参数反演模型中筛选出精度达到预设条件的水质参数反演模型作为目标水质参数反演模型。

进一步可选地，所述步骤S1A具体包括：

对每个第一高光谱数据进行一阶求导处理，得到相应的第一一阶高光谱数据；对每个第一高光谱数据进行二阶求导处理，得到相应的第一二阶高光谱数据；对每个第一高光谱数据进行三阶求导处理，得到相应的第一三阶高光谱数据；

所述步骤S2A具体包括：

对每个第二高光谱数据进行一阶求导处理，得到相应的第二一阶高光谱数据；对每个第二高光谱数据进行二阶求导处理，得到相应的第二二阶高光谱数据；对每个第二高光谱数据进行三阶求导处理，得到相应的第二三阶高光谱数据；

所述步骤S3A具体包括：

对每个第四高光谱数据进行一阶求导处理，得到相应的第四一阶高光谱数据；对每个第四高光谱数据进行二阶求导处理，得到相应的第四二阶高光谱数据；对每个第四高光谱数据进行三阶求导处理，得到相应的第四三阶高光谱数据。

进一步可选地，所述步骤S1B具体包括：

将所述多个第一高光谱数据与相应的水质参数实测值进行相关性分析，并将多个第一高光谱数据中相关性最高的单波段与相应的水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；

将多个第一一阶高光谱数据、多个第一二阶高光谱数据和多个第一三阶高光谱数据分别与水质参数实测值进行相关性分析，并将所述第一一阶高光谱数据中相关性最高的单波段、第一二阶高光谱数据中相关性最高的单波段和第一三阶高光谱数据中相关性最高的单波段分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；以及将所述第一一阶高光谱数据中相关性最高的波段比值、第一二阶高光谱数据中相关性最高的波段比值和第一三阶高光谱数据中相关性最高的波段比值分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；

所述步骤S2B具体包括：

将所述多个第二高光谱数据与相应的水质参数实测值进行相关性分析，并将多个第二高光谱数据中相关性最高的单波段与相应的水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；

将多个第二一阶高光谱数据、多个第二二阶高光谱数据和多个第二三阶高光谱数据分别与水质参数实测值进行相关性分析，并将所述第二一阶高光谱数据中相关性最高的单波段、第二二阶高光谱数据中相关性最高的单波段和第二三阶高光谱数据中相关性最高的单波段分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；以及将所述第二一阶高光谱数据中相关性最高的波段比值、第二二阶高光谱数据中相关性最高的波段比值和第二三阶高光谱数据中相关性最高的波段比值分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；

所述步骤S3B具体包括：

将所述多个第四高光谱数据与相应的水质参数实测值进行相关性分析，并将多个第四高光谱数据中相关性最高的单波段与相应的水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；

将多个第四一阶高光谱数据、多个第四二阶高光谱数据和多个第四三阶高光谱数据分别与水质参数实测值进行相关性分析，并将所述第四一阶高光谱数据中相关性最高的单波段、第四二阶高光谱数据中相关性最高的单波段和第四三阶高光谱数据中相关性最高的单波段分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；以及将所述第四一阶高光谱数据中相关性最高的波段比值、第四二阶高光谱数据中相关性最高的波段比值和第四三阶高光谱数据中相关性最高的波段比值分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型。

进一步可选地，所述筛选出精度达到预设条件的水质参数反演模型均为：

计算生成的每一个水质参数反演模型的决定系数R

进一步可选地，所述决定系数

进一步可选地，步骤S3中所述通过所述通用水质参数反演模型计算每个第三高光谱数据相应的水质参数反演值具体包括：

利用通用水质参数反演模型计算所述每个第三高光谱数据的水质参数；

根据通用水质参数反演模型中的每个水质参数反演模型计算得到的每个第三高光谱数据的水质参数，计算每个第三高光谱数据相应水质参数的平均值；将每个第三高光谱数据的水质参数的平均值作为该第三高光谱数据的水质参数的反演值。

进一步可选地，所述步骤S2C和步骤S3C还均包括：

计算筛选出的每个水质参数反演模型的均方根误差RMSE和/或平均相对误差RE，在目标水质参数反演模型中去除掉均方根误差RMSE和/或平均相对误差RE超出相应预设阈值的水质参数反演模型；其中：

均方根误差

平均相对误差

式中n为采集的高光谱数据的个数，t

进一步可选地，所述水质参数为高锰酸盐指数、化学需氧量、氨氮含量、总磷含量、总氮含量、悬浮物含量和叶绿素a含量中的至少一个；所述高光谱卫星为资源一号卫星或高分五号卫星；采集高光谱数据均是通过便携式地物光谱仪采集的；进行相关性分析均是利用尔逊相关系数法进行的。

第二方面，一种适用于微咸水湖泊的水质参数监测装置，包括：

通用水质参数反演模型生成模块，用于在第一微咸水湖泊中预设的多个采集点分别采集相应的第一高光谱数据和水样，得到多个第一高光谱数据和相应的多个水样，并对水样通过水体实验进行分析，得到每个水样的水质参数实测值；以及根据多个第一高光谱数据与相应水样的水质参数实测值，生成通用水质参数反演模型；

第一目标水质参数反演模型生成模块，用于当被监测湖泊为第一微咸水湖泊时，基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第一高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第二高光谱数据；以及根据多个第二高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

第二目标水质参数反演模型生成模块，用于当被监测湖泊为第二微咸水湖泊时，在第二微咸水湖泊中预设的多个采集点分别采集相应的第三高光谱数据，得到多个第三高光谱数据，并通过所述通用水质参数反演模型计算每个第三高光谱数据相应的水质参数反演值，将得到的每个第三高光谱数据相应的水质参数反演值作为每个第三高光谱数据相应的水质参数实测值；基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第三高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第四高光谱数据；以及根据多个第四高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

高光谱图像获取模块，通过所述高光谱卫星获取被监测湖泊的高光谱图像，并利用相应的目标水质参数反演模型计算所述高光谱图像中每个像元的水质参数；

反演值确定模块，根据目标水质参数反演模型中的每个水质参数反演模型计算得到的每个像元的水质参数，计算每个像元相应水质参数的平均值；将每个像元的水质参数的平均值作为该像元的水质参数的反演值，由此得到被监测湖泊的整体水质参数情况。

本发明至少具有以下有益效果：

本发明基于对现有技术问题的进一步分析和研究，认识到目前对于在微咸水情况下使用遥感监测手段监测水质参数的研究较少，并且已有的监测方法所使用的模型比较单一；微咸水湖泊表面拥有比较少的浮游植物，从而通过高光谱卫星获取的微咸水湖泊的高光谱图像能够比较好的反映水体本身的情况，因此通过本发明提供的水质参数监测方法，在利用得到的水质参数反演模型来反演高光谱图像中每个像元的水质参数会比较准确，从而能较为准确的得到被监测的微咸水湖泊的整体水质参数情况；也就说，本发明所提供的水质参数监测方法是非常适用于微咸水湖泊的。

同时，在本发明所提供的水质参数监测方法中，所生成的目标水质参数反演模型中包含有多个模型，对每个像元的水质参数反演值取目标水质参数反演模型中的多个模型计算得到的平均值，也就是说本发明所提供的水质参数监测方法对水质的监测结果是综合了多个模型的计算结果所得到的，相比较现有监测方法中只使用单一模型对水质参数进行监测更为准确。

另外，通过本发明所提供的水质参数监测方法，在一个湖泊中获取多个第一高光谱数据和多个水样的水质参数实测值后，当更换要监测的湖泊时，不需要在新的湖泊进行水样的采集，只需采集高光谱数据，相应的水质参数实测值就取通用水质参数反演模型计算的得到的反演值即可，因此本发明可以极大地提高监测效率；当使用不同的高光谱卫星来对同一个湖泊进行水质参数的监测时，在该湖泊中采集高光谱数据后，当想要利用的卫星发生变化时，只需根据卫星相应的分辨率对ASD便携式地物光谱仪采集的光谱数据进行重采样，然后重复后续的建模过程即可；相比较现有的监测方法对于不同的高光谱卫星需要重复在采集点采样，本发明所提供的水质参数监测方法能够极大提高水质监测的效率和便利性。

附图说明

图1为本发明一个实施例提供的一种适用于微咸水湖泊的水质参数监测方法的流程示意图；

图2为本发明一个实施例提供的对博斯腾湖总氮含量的监测结果图；

图3为本发明一个实施例提供的一种适用于微咸水湖泊的水质参数监测装置的模块架构框图；

图4为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

实施例一

在本实施例中，如图1所示，提供了一种适用于微咸水湖泊的水质参数监测方法，包括以下步骤：

步骤S1，在第一微咸水湖泊中预设的多个采集点分别采集相应的第一高光谱数据和水样，得到多个第一高光谱数据和相应的多个水样，并对水样通过水体实验进行分析，得到每个水样的水质参数实测值；以及根据多个第一高光谱数据与相应水样的水质参数实测值，生成通用水质参数反演模型。

具体来说，第一微咸水湖泊中预设的多个采集点可以是均匀分布在第一微咸水湖泊中某一区域的50个采集点，由于岸边的水深比较浅，采集点的设置应当避免靠近岸边，在每个采集点采集时距离水面大概200cm采集高光谱曲线，测量顺序为标准板测量(探头垂直向下，离标准板约25cm)、倾斜水体测量(探头天底角为40°，向下)、倾斜天空光测量(探头向上，探头天顶角为40°)、标准板测量(探头垂直向下，离标准板约25cm)、倾斜水体测量(探头向下，探头天底角为40°)、倾斜天空光测量(探头向上，探头天顶角为40°)、标准板测量(探头垂直向下，离标准板约25cm)、倾斜水体测量(探头向下，探头天底角为40°)、倾斜天空光测量(探头向上，探头天顶角为40°)，经过计算50个采集点各自有相应的一条高光谱曲线。水体有效光谱为400-950nm，因此每条高光谱曲线包含的波段也相应地大致在400-950nm之间。另外，在采集点是通过ASD便携式地物光谱仪采集光谱曲线的，ASD便携式地物光谱仪的工作光谱范围为350-2500nm，光谱分辨率为1nm，也就是说通过该ASD便携式地物光谱仪能够识别到450nm、451nm、452nm...等波段的反射率，相应地采集得到的每个第一高光谱数据包含的也就是450nm、451nm、452nm...等波段的反射率。另外，采集的水样一般是水面下20cm至70cm的混合水体，在采集到水样后，需要通过水体实验分析得出水样的水质参数实测值，水质参数可以为为高锰酸盐指数、化学需氧量(COD)、氨氮含量(NH3-N)、总磷含量(P)、总氮含量(N)、悬浮物含量(SS)和叶绿素a含量中的至少一个，需要监测哪一个水质参数，就相应地分析水样中该水质参数即可。当然，水质参数并不仅限于上述罗列的这些。

进一步地，步骤S1中所述根据多个第一高光谱数据与相应水样的水质参数实测值，生成通用水质参数反演模型具体包括：

步骤S1A，对每个第一高光谱数据进行预处理，得到多个第一预处理高光谱数据；具体为：

对每个第一高光谱数据进行一阶求导处理，得到相应的第一一阶高光谱数据，也就是说每个第一一阶高光谱数据中包含了第一高光谱数据每个波段与相应反射率的一阶导数的关系；对每个第一高光谱数据进行二阶求导处理，得到相应的第一二阶高光谱数据，也就是说每个第一二阶高光谱数据中包含了第一高光谱数据每个波段与相应反射率的二阶导数的关系；对每个第一高光谱数据进行三阶求导处理，得到相应的第一三阶高光谱数据，也就是说每个第一三阶高光谱数据中包含了第一高光谱数据每个波段与相应反射率的三阶导数的关系；

步骤S1B，将多个第一高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；将所述多个第一预处理高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；具体为：

利用皮尔逊相关系数法，将所述多个第一高光谱数据与相应的水质参数实测值进行相关性分析，找出多个第一高光谱数据中相关性最高的单波段，并将多个第一高光谱数据中相关性最高的单波段与相应的水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型，生成相应的线性模型：y＝a

将多个第一一阶高光谱数据与水质参数实测值进行相关性分析，找出多个第一一阶高光谱数据中相关性最高的单波段，并将多个第一一阶高光谱数据中相关性最高的单波段与相应的水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型，生成相应的线性模型：y＝a

同时，找出多个第一一阶高光谱数据中相关性最高的波段比值，第一一阶高光谱数据中的波段比值为两个波段所对应的反射率一阶导数的比值绝对值，波段比值可以定义为QRVI(|B

步骤S1C，在生成的每一个水质参数反演模型中筛选出精度达到预设条件的水质参数反演模型作为通用水质参数反演模型；

具体来说，步骤S1C中所述筛选出精度达到预设条件的水质参数反演模型具体包括：

对生成的每一个水质参数反演模型，计算各自相应的决定系数R

决定系数R

步骤S2，当被监测湖泊为第一微咸水湖泊时，基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第一高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第二高光谱数据；以及根据多个第二高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型。

步骤S2适用于所要监测的湖泊就是步骤S1中的第一微咸水湖泊的情况，由于被监测湖泊与步骤S1中建立通用水质参数反演模型所进行高光谱数据和水样采样的湖泊是一样的，此时不需要再在被监测湖泊中重新进行高光谱数据和水样的采样，只需要对步骤S1中采集到的第一高光谱数据进行重采样然后进行建模即可。由于本申请是通过遥感监测方法来监测微咸水湖泊中的水质参数，需要利用高光谱卫星来获取被监测微咸水湖泊的高光谱图像，而高光谱卫星的光谱分辨率低，分辨率通常为5nm、10nm或20nm等，因此不能达到ASD便携式地物光谱仪那么广的工作光谱范围和1nm的分辨率。也就是说ASD便携式地物光谱仪采集到的光谱数据中会有很多高光谱卫星不能识别的波段的数据，因此需要对ASD便携式地物光谱仪采集到的每个第一高光谱数据进行重采样，使得每个第一高光谱数据中的波段都是高光谱卫星所能识别到的，从而能保证利用高光谱卫星进行水质监测的准确率。也就是说，重采样就是在通过ASD便携式地物光谱仪采集到的每个第一高光谱数据中，在其中截取出所使用的高光谱卫星能够识别到的波段和相应的反射率，从而对每个第一高光谱数据得到相应的第二高光谱数据。另外，通常利用的高光谱卫星可以但不限于是资源一号卫星或高分五号卫星。

与步骤S1类似地，步骤S2中所述根据多个第二高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型具体包括：

步骤S2A，对每个第二高光谱数据进行预处理，得到多个第二预处理高光谱数据；具体为：

对每个第二高光谱数据进行一阶求导处理，得到相应的第二一阶高光谱数据；对每个第二高光谱数据进行二阶求导处理，得到相应的第二二阶高光谱数据；对每个第二高光谱数据进行三阶求导处理，得到相应的第二三阶高光谱数据；

步骤S2B，将多个第二高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；将所述多个第二预处理高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；具体为：

将所述多个第二高光谱数据与相应的水质参数实测值进行相关性分析，并将多个第二高光谱数据中相关性最高的单波段与相应的水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；

将多个第二一阶高光谱数据、多个第二二阶高光谱数据和多个第二三阶高光谱数据分别与水质参数实测值进行相关性分析，并将所述第二一阶高光谱数据中相关性最高的单波段、第二二阶高光谱数据中相关性最高的单波段和第二三阶高光谱数据中相关性最高的单波段分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；以及将所述第二一阶高光谱数据中相关性最高的波段比值、第二二阶高光谱数据中相关性最高的波段比值和第二三阶高光谱数据中相关性最高的波段比值分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；同样地，经过步骤S2B，至少能够得到七个水质参数反演模型；

步骤S2C，在生成的每一个水质参数反演模型中筛选出精度达到预设条件的水质参数反演模型作为目标水质参数反演模型；

同样地，步骤S2C中所述筛选出精度达到预设条件的水质参数反演模型包括：

对生成的每一个水质参数反演模型，计算各自相应的决定系数R

决定系数R

在得到目标水质参数反演模型后，还可以再次对目标水质参数反演模型进行优选，选出其中优秀目标水质参数反演模型，具体是：

计算筛选出的每个水质参数反演模型的均方根误差RMSE和/或平均相对误差RE，在目标水质参数反演模型中去除掉均方根误差RMSE和/或平均相对误差RE超出相应预设阈值的水质参数反演模型；平均相对误差RE的预设阈值可以为20％；均方根误差RMSE和/或平均相对误差RE超出相应预设阈值的水质参数反演模型被认为是目标水质参数反演模型中不那么优秀的模型；其中：

均方根误差

平均相对误差

式中n为采集的高光谱数据的个数，t

步骤S3，当被监测湖泊为第二微咸水湖泊时，在第二微咸水湖泊中预设的多个采集点分别采集相应的第三高光谱数据，得到多个第三高光谱数据，并通过所述通用水质参数反演模型计算每个第三高光谱数据相应的水质参数反演值，将得到的每个第三高光谱数据相应的水质参数反演值作为每个第三高光谱数据相应的水质参数实测值；

基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第三高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第四高光谱数据；以及根据多个第四高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型。

步骤S3适用于所要监测的湖泊不是步骤S1中的第一微咸水湖泊的情况，由于被监测湖泊与步骤S1中建立通用水质参数反演模型所进行高光谱数据和水样采样的湖泊是不一样的，因此需要在被监测湖泊重新进行采样，预设的多个采集点同样可以是均匀分布在被监测湖泊中某一区域的50个采集点。与在第一微咸水湖泊中采样不同的是，此时在被监测湖泊中只需在50个采集点采集相应的50个第三高光谱数据即可，然后利用上面得到的通用水质参数反演模型来计算每个第三高光谱数据相应的水质参数反演值，然后将每个第三高光谱数据相应的水质参数反演值作为每个第三高光谱数据相应水样的水质参数实测值即可，不需要再测50个水样然后通过水体实验分析得出水样的水质参数实测值。

具体地，步骤S3中所述通过所述通用水质参数反演模型计算每个第三高光谱数据相应的水质参数反演值具体包括：

利用通用水质参数反演模型计算所述每个第三高光谱数据的水质参数；

根据通用水质参数反演模型中的每个水质参数反演模型计算得到的每个第三高光谱数据的水质参数，计算每个第三高光谱数据相应水质参数的平均值；将每个第三高光谱数据的水质参数的平均值作为该第三高光谱数据的水质参数的反演值。

与步骤S2类似地，得到的第三高光谱数据也需要根据高光谱卫星的分辨率进行重采样，在其中截取出所使用的高光谱卫星能够识别到的波段和相应的反射率，从而对每个第三高光谱数据得到相应的第四高光谱数据。

进一步地，与步骤S1和S2类似地，步骤S3中所述根据多个第四高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型具体包括：

步骤S3A，对每个第四高光谱数据进行预处理，得到多个第四预处理高光谱数据；具体为：

对每个第四高光谱数据进行一阶求导处理，得到相应的第四一阶高光谱数据；对每个第四高光谱数据进行二阶求导处理，得到相应的第四二阶高光谱数据；对每个第四高光谱数据进行三阶求导处理，得到相应的第四三阶高光谱数据；

步骤S3B，将多个第四高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；将所述多个第四预处理高光谱数据与相应的水质参数实测值进行相关性分析，并生成相应的水质参数反演模型；具体为：

将所述多个第四高光谱数据与相应的水质参数实测值进行相关性分析，并将多个第四高光谱数据中相关性最高的单波段与相应的水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；

将多个第四一阶高光谱数据、多个第四二阶高光谱数据和多个第四三阶高光谱数据分别与水质参数实测值进行相关性分析，并将所述第四一阶高光谱数据中相关性最高的单波段、第四二阶高光谱数据中相关性最高的单波段和第四三阶高光谱数据中相关性最高的单波段分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；以及将所述第四一阶高光谱数据中相关性最高的波段比值、第四二阶高光谱数据中相关性最高的波段比值和第四三阶高光谱数据中相关性最高的波段比值分别与水质参数实测值进行一元一次线性拟合得到相应的水质参数反演模型；同理，经过步骤S3B，至少能够得到七个水质参数反演模型。

步骤S3C，在生成的每一个水质参数反演模型中筛选出精度达到预设条件的水质参数反演模型作为目标水质参数反演模型。

同样地，步骤S3C中所述筛选出精度达到预设条件的水质参数反演模型包括：

对生成的每一个水质参数反演模型，计算各自相应的决定系数R

在得到目标水质参数反演模型后，还可以再次对目标水质参数反演模型进行优选，选出其中优秀目标水质参数反演模型，具体是：

计算筛选出的每个水质参数反演模型的均方根误差RMSE和/或平均相对误差RE，在目标水质参数反演模型中去除掉均方根误差RMSE和/或平均相对误差RE超出相应预设阈值的水质参数反演模型；平均相对误差RE的预设阈值可以为20％；均方根误差RMSE和/或平均相对误差RE超出相应预设阈值的水质参数反演模型被认为是目标水质参数反演模型中不那么优秀的模型；其中：

均方根误差

平均相对误差

式中n为步骤S3中采集的高光谱数据的个数；t

上述各步骤的求导工作均可以通过ENVI5.6遥感软件来完成。

通过步骤S1获取到的多个第一高光谱数据和多个水样的水质参数实测值，以及通过步骤S3获取到的多个第三高光谱数据和相应的水质参数实测值就作为母数据库来保存，当使用不同的高光谱卫星来进行水质参数的监测时，无需再通过ASD便携式地物光谱仪在采集点重复采集高光谱数据或水样。对于每个高光谱卫星，其建模做需要的数据都是来自于ASD便携式地物光谱仪所采集到的数据。也就是说，当在一个湖泊中采集高光谱数据后，当想要利用的卫星发生变化时，只需根据卫星相应的分辨率对ASD便携式地物光谱仪采集的光谱数据进行重采样，然后重复后续的建模过程即可；另外，在一个湖泊中通过步骤S1获取到多个第一高光谱数据和多个水样的水质参数实测值后，当更换要监测的湖泊时，也不需要在新的湖泊进行水样的采集，只需采集高光谱数据，相应的水质参数实测值就取通用水质参数反演模型计算的得到的反演值即可，因此本发明可以极大地提高监测效率。

步骤S4，通过所述高光谱卫星获取被监测湖泊的高光谱图像，并利用相应的目标水质参数反演模型计算所述高光谱图像中每个像元的水质参数。

具体来说，在步骤S4中获取的高光谱图像可以是高光谱卫星获得的被监测湖泊的局部高光谱图像，也可以是被监测湖泊的完整局部高光谱图像。在通过资源一号卫星(ZY102D)或高分五号卫星(GF5)获得高光谱图像后，还需要对获得的高光谱图像进行几何矫正、辐射矫正以及大气矫正等预处理工作；并且只提取该高光谱图像中的水体部分用于水质监测使用。

步骤S5，根据目标水质参数反演模型中的每个水质参数反演模型计算得到的每个像元的水质参数，计算每个像元相应水质参数的平均值；将每个像元的水质参数的平均值作为该像元的水质参数的反演值，由此得到被监测湖泊的整体水质参数情况。

具体来说，高光谱图像中的每一个像元，都具有一条独立的高光谱曲线，因此可以将高光谱图像中的每一个像元所对应的高光谱曲线代入得到的目标水质参数反演模型中，反演得到每一个像元的水质参数。将高光谱图像中的每个像元的水质参数综合起来，就能得到高光谱图像中的被监测湖泊的整体水质参数情况。目标水质参数反演模型可能会有多个，对于一个像元每一个目标水质参数反演模型都会反演出一个水质参数的数值，将对每个像元得到的多个水质参数的平均值作为该像元的最终水质参数反演值。在计算每个像元相应水质参数的平均值时，还可以剔除掉其中明显的异常值，比如与过去水质参数的监测数据相比明显过大或过小的数值，以此提高计算效率。通过ENVI5.6遥感软件，能够对每条独立的高光谱曲线进行一阶、二阶、三阶的求导处理，在将高光谱曲线代入得到的目标水质参数反演模型中反演得到水质参数时，是通过ENVI5.6遥感软件的相应插件来获取每条高光谱曲线的最佳波段或最佳波段比值绝对值的。

进一步地，在得到每个像元的水质参数的反演值后，可以根据每个像元的水质参数的反演值所处的区间范围，将每个像元标记为该区间范围相应的颜色，以此可以使对湖泊的水质参数监测结果有个更为直观的展现。例如：在对每个像元计算总氮含量时，当像元的总氮含量(单位mg/L)的计算结果∈[0，0.2]，可以将该像元记为Ⅰ类，并将该像元标记为红色；当像元的总氮含量的计算结果∈(0.2，0.5]，可以将该像元记为Ⅱ类，并将该像元标记为黄色；当像元的总氮含量(单位mg/L)的计算结果∈(0.5，1]，可以将该像元记为Ⅲ类，并将该像元标记为红色；以此类推，对总氮含量处于其他区间范围内的像元也可以用不同类别和颜色进行区分。由此，可以对总氮含量处于不同区间范围内的像元进行区分，使得被监测湖泊的总氮含量分布有直观的体现。

另外，在高光谱卫星经过湖面的前后两天或当天，也就是在获取高光谱图像的前后两天或当天，可以再去被监测湖泊中选择一定数量的采集点，使用ASD便携式地物光谱仪采集相应的高光谱数据和水样，并对每个水样进行分析，得到每个水样的水质参数实测值，然后将这些采集点作为质量控制点。此次采集点的数量为步骤S1或步骤S3中选择的采集点的十分之一即可，将这些采集点的水质参数实测值与目标水质参数反演模型所计算出的这些采集点的水质参数反演值进行对比，以证明目标水质参数反演模型对水质参数反演值计算的准确性，从而说明对被监测湖泊水质参数监测的准确率是有保证的。

由于微咸水湖泊自身可以抑制藻类的生长，因此微咸水湖泊表面拥有比较少的浮游植物，从而通过高光谱卫星获取的微咸水湖泊的高光谱图像能够比较好的反映水体本身的情况。因此通过本发明提供的水质参数监测方法，在利用得到的水质参数反演模型来反演高光谱图像中每个像元的水质参数会比较准确，从而能较为准确地得到被监测的微咸水湖泊的整体水质参数情况。也就是说，本发明所提供的水质参数监测方法是非常适用于微咸水湖泊的。

同时，在本发明所提供的水质参数监测方法中，所生成的目标水质参数反演模型中包含有多个模型，对每个像元的水质参数反演值取目标水质参数反演模型中的多个模型计算得到的平均值，也就是说本发明所提供的水质参数监测方法对水质的监测结果是综合了多个模型的计算结果所得到的，相比较现有监测方法中只使用单一模型对水质参数进行监测更为准确。

另外，通过本发明所提供的水质参数监测方法，在一个湖泊中获取多个第一高光谱数据和多个水样的水质参数实测值后，当更换要监测的湖泊时，不需要在新的湖泊进行水样的采集，只需采集高光谱数据，相应的水质参数实测值就取通用水质参数反演模型计算的得到的反演值即可，因此本发明可以极大地提高监测效率。当使用不同的高光谱卫星来对同一个湖泊进行水质参数的监测时，无需再通过ASD便携式地物光谱仪在采集点重复采集高光谱数据，也就是说，当在一个湖泊中采集高光谱数据后，当想要利用的卫星发生变化时，只需根据卫星相应的分辨率对ASD便携式地物光谱仪采集的光谱数据进行重采样，然后重复后续的建模过程即可；相比较现有的监测方法对于不同的高光谱卫星需要重复在采集点采样，本发明所提供的水质参数监测方法能够极大提高水质监测的效率和便利性。

应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

实施例二

在本实施例中，示例性地，将实施例一所提供的方法应用于对博斯腾湖总氮含量监测中：

步骤1，利用ASD便携式地物光谱仪在博斯腾湖中的50个采集点采集相应的高光谱数据和水样，对50个水样进行分析，得到每个水样的总氮含量。

步骤2，用The Unscrambler软件的Modify模块中Transform的Derivatives对进行重采样后的50条高光谱曲线分别采用一阶导数、二阶导数和三阶导数进行预处理，分别得到50条的一阶光谱、二阶光谱和三阶光谱，为与相关性分析做准备。

步骤3，用SPSS软件的分析模块中相关的双变量(B)将50条高光谱与对应的50个总氮含量进行相关性分析，得到相关性最高的最佳单波段为798nm，以最佳单波段反射率为自变量，总氮含量为因变量，一元一次线性拟合得到监测模型为：y

步骤4，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QRVI(|B

然后，以波段比值为自变量，总氮含量为因变量，进行一元一次线性拟合得到的监测模型分别为：

一阶光谱QNDVI：y

一阶光谱QRVI：y

二阶光谱QNDVI：y

二阶光谱QRVI：y

三阶光谱QNDVI：y

三阶光谱QRVI：y

对上述模型的精度汇总见表一：

表一 模型精度汇总

其中满足R

步骤5，将y

实施例三

在本实施例中，如图3所示，提供了一种适用于微咸水湖泊的水质参数监测装置，包括：

通用水质参数反演模型生成模块301，用于在第一微咸水湖泊中预设的多个采集点分别采集相应的第一高光谱数据和水样，得到多个第一高光谱数据和相应的多个水样，并对水样通过水体实验进行分析，得到每个水样的水质参数实测值；以及根据多个第一高光谱数据与相应水样的水质参数实测值，生成通用水质参数反演模型；

第一目标水质参数反演模型生成模块302，用于当被监测湖泊为第一微咸水湖泊时，基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第一高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第二高光谱数据；以及根据多个第二高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

第二目标水质参数反演模型生成模块303，用于当被监测湖泊为第二微咸水湖泊时，在第二微咸水湖泊中预设的多个采集点分别采集相应的第三高光谱数据，得到多个第三高光谱数据，并通过所述通用水质参数反演模型计算每个第三高光谱数据相应的水质参数反演值，将得到的每个第三高光谱数据相应的水质参数反演值作为每个第三高光谱数据相应的水质参数实测值；基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第三高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第四高光谱数据；以及根据多个第四高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

高光谱图像获取模块304，通过所述高光谱卫星获取被监测湖泊的高光谱图像，并利用相应的目标水质参数反演模型计算所述高光谱图像中每个像元的水质参数；

反演值确定模块305，根据目标水质参数反演模型中的每个水质参数反演模型计算得到的每个像元的水质参数，计算每个像元相应水质参数的平均值；将每个像元的水质参数的平均值作为该像元的水质参数的反演值，由此得到被监测湖泊的整体水质参数情况。

关于一种适用于微咸水湖泊的水质参数监测装置的具体限定可以参见上文实施例一中对于一种适用于微咸水湖泊的水质参数监测方法的限定，在此不再赘述。上述一种适用于微咸水湖泊的水质参数监测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

本实施例的技术效果同实施例一一致，在次不再赘述。

实施例四

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。该计算机程序被处理器执行时以实现执行以下步骤：

获取在第一微咸水湖泊中采集到的多个第一高光谱数据和相应分析得到的多个水样的水质参数实测值；根据多个第一高光谱数据与相应水样的水质参数实测值，生成通用水质参数反演模型；

当被监测湖泊为第一微咸水湖泊时，基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第一高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第二高光谱数据；以及根据多个第二高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

当被监测湖泊为第二微咸水湖泊时，获取在第二微咸水湖泊中采集到的第三高光谱数据，并通过所述通用水质参数反演模型计算每个第三高光谱数据相应的水质参数反演值，将得到的每个第三高光谱数据相应的水质参数反演值作为每个第三高光谱数据相应的水质参数实测值；基于要利用的高光谱卫星，根据高光谱卫星的分辨率对每个第三高光谱数据进行重采样，得到与高光谱卫星的分辨率相匹配的多个第四高光谱数据；以及根据多个第四高光谱数据与相应水样的水质参数实测值，生成相应的目标水质参数反演模型；

通过所述高光谱卫星获取被监测湖泊的高光谱图像，并利用相应的目标水质参数反演模型计算所述高光谱图像中每个像元的水质参数；

根据目标水质参数反演模型中的每个水质参数反演模型计算得到的每个像元的水质参数，计算每个像元相应水质参数的平均值；将每个像元的水质参数的平均值作为该像元的水质参数的反演值，由此得到被监测湖泊的整体水质参数情况。

本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。

本实施例的技术效果同实施例一一致，在次不再赘述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。