天空地一体化高光谱水质监测分析方法技术

本发明专利技术提供了一种天空地一体化高光谱水质监测分析方法，包括以下步骤：S1、水质监测数据采集，包括高光谱数据采集和水体水样数据采集；S2、水质监测数据处理，针对采集到的多源水质监测数据进行数据处理；S3、水质参数反演模型建立，根据多源高光谱监测数据建立水质参数反演模型，通过基于人工智能的反演模型对水质参数建模；S4、水质参数反演分析。本发明专利技术的有益效果是：既可以满足大范围水质监测的需要，也可以反映水质在空间和时间上的分布和变化情况，弥补了单一采用水面采样的不足，同时还能发现一些常规方法难以揭示的污染源分布以及污染物的迁移特性和影响范围，为科学监测水环境提供依据，具有高动态、低成本和宏观性的显著特点。

Monitoring and analysis method of hyperspectral water quality based on sky ground integration

【技术实现步骤摘要】
天空地一体化高光谱水质监测分析方法
本专利技术涉及水质监测分析方法，尤其涉及一种天空地一体化高光谱水质监测分析方法。
技术介绍
我国城市水体水质日益恶化以及淡水资源的紧缺已经引起国家和社会的高度重视。水体污染现象在城市河道中越来越常见，已成为城市水环境中普遍存在的问题之一，严重影响城市形象、生态环境和市民身心健康。内陆水体其水质影响到人们的生产和生活，因而准确高效的水质监测显得尤为重要，水质监测是水质评价与水污染防治的主要依据，因此意义愈显重大。常规水环境监测方法是对要监测的水体采集水样，送到实验室进行水质分析，或建设水质监测网点，这些方法虽然能对众多的水质参数做出精确的分析和评价，但是费时费力，不经济，而且水样采集和分析的数量很有限，对于整个水体而言，这些测点数据只具有局部和典型的代表意义，也不足以反映水污染的时空变化。
技术实现思路
为了解决现有技术中的问题，本专利技术提供了一种天空地一体化高光谱水质监测分析方法。本专利技术提供了一种天空地一体化高光谱水质监测分析方法，包括以下步骤：S1、水质监测数据采集，包括高光谱数据采集和水体水样数据采集；S2、水质监测数据处理，针对采集到的多源水质监测数据进行数据处理；S3、水质参数反演模型建立，根据多源高光谱监测数据建立水质参数反演模型，通过基于人工智能的反演模型对水质参数建模；S4、水质参数反演分析，基于水质参数反演模型得出各类水质参数的反演结果，并结合空间信息对水质参数的分布情况、污染源分析提供依据。作为本专利技术的进一步改进，在步骤S1中，水质高光谱数据采集包括：采集卫星高光谱遥感数据、机载高光谱遥感数据、地面高光谱仪器数据，其中，卫星高光谱数据主要采用国产高分五号卫星，该卫星的优势在于可见短波红外高光谱相机在提高性能指标的同时，大幅改善图像清晰度，着力消除图像光谱的畸变，配置了丰富的定标手段以确保数据的高精度和高稳定性，因此对城市水体成分的探测十分精确，机载高光谱数据采集利用国产自主研发的无人机，搭载高光谱成像仪在试验区内进行影像数据获取，飞行方式通过自动飞行航线/手动悬停获取，并同步使用ASD-FR获取标准白板及各靶标地面实测光谱数据；然后利用高光谱仪配套软件进行黑板校正，获得校正后高光谱辐射量影像数据，地面高光谱数据采用国产自主研发的LCTF高光谱成像仪，与传统的光栅推扫型成像光谱仪相比，通过电控实现快速光谱连续或间断调谐，无推扫过程，光路简单，具有体积小、重量轻、易于安装和带、扫描速度快、波长可自由选取等特点，可与三角架、操作台配合使用，亦可搭载在小型机载平台上。作为本专利技术的进一步改进，在步骤S1中，水体水样数据采集包括：在实验区选择合适的采样点进行水样数据采集，在河流水质变化较大区域进行采样，采集后的样本装在棕色瓶内密封冷冻保存，5-8小时内送到实验室测量，采样需同步测量野外光谱，拍摄取样点水体及周边的照片。作为本专利技术的进一步改进，步骤S2包括以下子步骤：S21、卫星高光谱数据处理；对卫星高光谱数据进行卫星遥感图像的预处理，包括辐射校正、大气校正、几何校正、光谱特征分析，其中，大气校正是水质反演的关键问题，准确获取水色要素遥感信息的前提是要进行大气校正，去除大气分子和气溶胶的影响，得到校正后的卫星高光谱数据；(2)机载高光谱数据处理；机载高光谱数据处理主要包含波段分类、单波段影像数据镶嵌、波段配准以及标准白板校正，当飞行方式为悬停时，只需波段配准和标准白板校正；首先对经过黑板校正预处理后的高光谱辐射量影像数据进行波段分类，然后对各单波段影像进行镶嵌处理，再对镶嵌后影像进行波段配准；最后利用地面实测标准白板反射率数据进行白板校正，最终得到RGB假彩色合成反射率影像数据；(3)地面成像光谱数据处理；针对地面成像光谱仪采集回来的数据进行文件名标准化处理，同时进行不合格曲线和数据的剔除对光谱仪原始数据进行筛选，然后利用反射率计算方程计算目标反射率，把同一目标的多条光谱数据进行算术平均，最终利用平滑滤波对数据进行平滑处理。作为本专利技术的进一步改进，在步骤S3中，采用随机森林算法模型，基于N次有放回的随机采样之后抽取与原始样本数目一样的数据从而产生多个训练集，即Bootstrap算法，随机森林的基本分类单元为决策树{h(X，θk)，k＝1，2，....，K}，该算法是一个包含多个决策树的分类器，并且其输出类别由决策树输出类别的众数决定。作为本专利技术的进一步改进，随机森林算法模型建立详细步骤如下：第一步：利用Bootstrap算法重采样原始数据样本集X，随机生成K个训练样本集X1，X2，X3………Xk；第二步：利用每个生成的训练集，生成对应的决策树T1，T2....Tk，在每个中间节点上选择mtry个属性中最佳分裂方式的属性作为当前节点的分裂属性在此节点上进行分类；第三步：每棵决策树都完整生长；第四步：将每棵决策树对原始数据样本集X进行测试分类；第五步：采用投票的方式，将K棵决策树输出最多的类别作为原始数据样本集X的所属类别，最终决策分类为如下公式：上式中：H(x)表示分类组合模型，hi是单个决策树分类模型，I(·)为示性函，Y表示目标变量或输出变量；第六步：根据训练好的随机森林评价模型对水质进行评价。作为本专利技术的进一步改进，步骤S4包括传感器通道转换、模型精度评价、基于遥感水质参数的空间制图与污染源的空间分析。作为本专利技术的进一步改进，所述传感器通道转换包括：通过卷积运算将野外实测的反射率采集到对应的传感器通道，具体计算公式如下：上式中，λ为波长，λmin为通道的起始波长，λmax为通道的终止波长，r(λ)为对应λ波长的地表反射率，f(λ)为光谱响应函数。作为本专利技术的进一步改进，所述模型精度评价包括：随机抽取1/3的不少于10个点位的地面实测数据采用均方根误差RMSE、平均相对误差MRE、平均绝对误差MAE评价水质参数反演模型的精度以及传感器水质参数空间制图的精度；RMSE计算如公式如下：RMSE＝[∑(measurementi-predictedi)2/(N)]0.5式中measurementi为实测值，predictedi为模型估计值，N为自由度；MRE评价模型的精度，计算公式如下：MRE＝[100×|measurement-predicted|/measurement]％MAE评价模型的精度，计算公式如下：作为本专利技术的进一步改进，所述基于遥感水质参数的空间制图与污染源的空间分析包括：将构建的水质参数模型用于卫星、机载和地面高光谱传感器数据，获得进行TSS、Chla、CDOM参数的反演结果，并进行水质参数空间制图，对其进行定量分析，同时也可结合土地利用情况以及水质污染状况分析水质污染的主要成因。本专利技术的有益效果是：通过上述方案，既可以满足大范围水质监测的需要，也可以反映水质在空间和时本文档来自技高网...

【技术保护点】
1.一种天空地一体化高光谱水质监测分析方法，其特征在于，包括以下步骤：/nS1、水质监测数据采集，包括高光谱数据采集和水体水样数据采集；/nS2、水质监测数据处理，针对采集到的多源水质监测数据进行数据处理；/nS3、水质参数反演模型建立，根据多源高光谱监测数据建立水质参数反演模型，通过基于人工智能的反演模型对水质参数建模；/nS4、水质参数反演分析，基于水质参数反演模型得出各类水质参数的反演结果，并结合空间信息对水质参数的分布情况、污染源分析提供依据。/n

【技术特征摘要】
1.一种天空地一体化高光谱水质监测分析方法，其特征在于，包括以下步骤：
S1、水质监测数据采集，包括高光谱数据采集和水体水样数据采集；
S2、水质监测数据处理，针对采集到的多源水质监测数据进行数据处理；
S3、水质参数反演模型建立，根据多源高光谱监测数据建立水质参数反演模型，通过基于人工智能的反演模型对水质参数建模；
S4、水质参数反演分析，基于水质参数反演模型得出各类水质参数的反演结果，并结合空间信息对水质参数的分布情况、污染源分析提供依据。


2.根据权利要求1所述的天空地一体化高光谱水质监测分析方法，其特征在于：在步骤S1中，水质高光谱数据采集包括：采集卫星高光谱遥感数据、机载高光谱遥感数据、地面高光谱仪器数据，其中，卫星高光谱数据主要采用国产高分五号卫星，该卫星的优势在于可见短波红外高光谱相机在提高性能指标的同时，大幅改善图像清晰度，着力消除图像光谱的畸变，配置了丰富的定标手段以确保数据的高精度和高稳定性，因此对城市水体成分的探测十分精确，机载高光谱数据采集利用国产自主研发的无人机，搭载高光谱成像仪在试验区内进行影像数据获取，飞行方式通过自动飞行航线/手动悬停获取，并同步使用ASD-FR获取标准白板及各靶标地面实测光谱数据；然后利用高光谱仪配套软件进行黑板校正，获得校正后高光谱辐射量影像数据，地面高光谱数据采用国产自主研发的LCTF高光谱成像仪，与传统的光栅推扫型成像光谱仪相比，通过电控实现快速光谱连续或间断调谐，无推扫过程，光路简单，具有体积小、重量轻、易于安装和带、扫描速度快、波长可自由选取等特点，可与三角架、操作台配合使用，亦可搭载在小型机载平台上。


3.根据权利要求1所述的天空地一体化高光谱水质监测分析方法，其特征在于：在步骤S1中，水体水样数据采集包括：在实验区选择合适的采样点进行水样数据采集，在河流水质变化较大区域进行采样，采集后的样本装在棕色瓶内密封冷冻保存，5-8小时内送到实验室测量，采样需同步测量野外光谱，拍摄取样点水体及周边的照片。


4.根据权利要求1所述的天空地一体化高光谱水质监测分析方法，其特征在于，步骤S2包括以下子步骤：
S21、卫星高光谱数据处理；
对卫星高光谱数据进行卫星遥感图像的预处理，包括辐射校正、大气校正、几何校正、光谱特征分析，其中，大气校正是水质反演的关键问题，准确获取水色要素遥感信息的前提是要进行大气校正，去除大气分子和气溶胶的影响，得到校正后的卫星高光谱数据；
(2)机载高光谱数据处理；
机载高光谱数据处理主要包含波段分类、单波段影像数据镶嵌、波段配准以及标准白板校正，当飞行方式为悬停时，只需波段配准和标准白板校正；首先对经过黑板校正预处理后的高光谱辐射量影像数据进行波段分类，然后对各单波段影像进行镶嵌处理，再对镶嵌后影像进行波段配准；最后利用地面实测标准白板反射率数据进行白板校正，最终得到RGB假彩色合成反射率影像数据；
(3)地面成像光谱数据处理；
针对地面成像光谱仪采集回来的数据进行文件名标准化处理，同时进行不合格曲线和数据的剔除对光谱仪原始数据进行筛选，然后利用反射率计算方程计算目标反射率，把同一目标的多条光谱数据进行算术平均，最终利用平滑滤波对数据进行平滑处理。

...

【专利技术属性】
技术研发人员：郭锋，赵兴圆，周淑媛，吕薇，洪平，李德为，张延敏，宋勇军，邢璐，夏之雨，
申请(专利权)人：深圳航天智慧城市系统技术研究院有限公司，
类型：发明
国别省市：广东;44