【技术实现步骤摘要】
基于一维卷积神经网络的高光谱水质参数反演系统及方法
本专利技术属于高光谱遥感水质监测的
，具体而言，涉及一种基于一维卷积神经网络的高光谱水质参数反演系统及方法。
技术介绍
我国河流湖泊众多，且随着整个国家工业化和城市化进程的不断加快，我国内陆水体水质状况持续恶化，出现了富营养化、水体面积萎缩等现象，因此监测内陆水体异常情况并做出正确的应对措施具有重要的战略意义。水质参数是自然环境下影响水体光学性质的光学活性物质，包括叶绿素a、悬浮物和黄色物质，能够衡量水域富营养化程度和透明度。水质参数所引起的水体光学性质变化反映在离水辐射的光谱信息上，通过处理和分析这些光谱特征，可以得到相应的水质参数浓度，从而实现水体监测。高光谱数据是由相同场景下不同谱段的三维图像数据构成，包含了地表物体的空间维信息和数十至数百个连续窄波段光谱维信息，其光谱分辨率达到了纳米数量级。随着高光谱遥感技术的不断发展，高光谱遥感被广泛地应用于水质监测领域，具有高精度、低成本、快速、大范围、周期性动态监测的特点，拥有良好的应用前景。基于高光谱遥...
【技术保护点】
1.一种基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，该系统包括地面点光谱实测模块、水质采集分析模块、反演模型构建模块、高光谱遥感数据获取模块和水质参数反演模块，所述地面点光谱实测模块用于测量选定点处水体的高光谱数据，高光谱数据经预处理后得到全部光谱波段信息；/n所述水质采集分析模块用于采集选定点处的水体样本并分析得到水质参数浓度；/n所述反演模型构建模块用于以所述全部光谱波段信息为输入，以水质参数浓度为输出，训练一维卷积神经网络的参数，并拟合所述高光谱数据与水质参数浓度之间的非线性关系；/n所述高光谱数据获取模块用于采集监测水域的高光谱遥感图像，经预处理后得到...
【技术特征摘要】
1.一种基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，该系统包括地面点光谱实测模块、水质采集分析模块、反演模型构建模块、高光谱遥感数据获取模块和水质参数反演模块，所述地面点光谱实测模块用于测量选定点处水体的高光谱数据，高光谱数据经预处理后得到全部光谱波段信息；
所述水质采集分析模块用于采集选定点处的水体样本并分析得到水质参数浓度；
所述反演模型构建模块用于以所述全部光谱波段信息为输入，以水质参数浓度为输出，训练一维卷积神经网络的参数，并拟合所述高光谱数据与水质参数浓度之间的非线性关系；
所述高光谱数据获取模块用于采集监测水域的高光谱遥感图像，经预处理后得到高光谱遥感图像中各点的光谱波段信息；
所述水质参数反演模块用于以所述各点的光谱波段信息作为输入，反演得到监测水域中各点的水质参数浓度。
2.根据权利要求1所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述地面点光谱实测模块采用手持式地物光谱仪，且该手持式地物光谱仪与所述水质采集分析模块对地面的选定点进行同步测量。
3.根据权利要求2所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述高光谱数据获取模块通过无人机载高光谱相机采集监测水域的高光谱遥感图像。
4.根据权利要求3所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述手持式地物光谱仪的光谱波段设置与无人机载高光谱相机的光谱波段设置一致。
5.根据权利要求1所述的基于一维卷积神经网络的高光谱水质参数反演系统，其特征在于，所述一维卷积神经网络包括四个一维卷积层、两个池化层、一个Dropout层和至少两个全连接层，所述一维卷积层包括卷积层、批量归一化层和ReLU激活函数层。
6.一种基于一维卷积神经网络的高光谱水质参数反演方法，其特征在于，该方法...
【专利技术属性】
技术研发人员：许廷发，潘晨光，黄晨，郝建华，王茜，樊阿馨，
申请(专利权)人：北京理工大学重庆创新中心，北京理工大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。