复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法制造技术

本发明专利技术提供了复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法，将成像光谱仪架设于岸边水体进行不同天况和水况复杂场景下水体遥感反射比高频自动连续观测；利用多参数水质仪对同一水体表层叶绿素和藻蓝素进行同步高频自动连续观测；匹配同步观测的遥感反射比和色素浓度数据，构建覆盖不同观测场景的同步样本数据集；用机器学习模型建立反演模型并应用至成像光谱仪，实现无人值守下的水体叶绿素和藻蓝素快速实时高频自动连续监测。本发明专利技术基于岸基遥感针对不同的天况和水况复杂场景下大样本数据集能准确、自动反演水体中叶绿素和藻蓝素浓度，算法应用至成像光谱仪可实现无人值守下水体表面叶绿素和藻蓝素快速实时高频自动连续监测。

【技术实现步骤摘要】
复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法
本专利技术涉及水体环境监测过程中利用岸基光谱仪实现水体水质快速、准确、自动高频遥感提取，尤其涉及一种基于岸基遥感手段的不同天况和水况的叶绿素和藻蓝素机器学习算法。
技术介绍
随着我国经济快速发展，水环境和水污染问题日益严峻。准确快速的水体环境监测是实现水质水环境变化特征、成因机制、评价评估、治理修复和管理考核的重要基石，无论是科学研究还是环境管理以及政府决策很大程度上都非常依赖水体环境监测结果。叶绿素和藻蓝素是表征水体富营养化和蓝藻优势度的主要指标，广泛应用于环境监测、断面水质达标和富营养化评价等。叶绿素和藻蓝素监测包括传统的定点断面人工采样监测、探头高频在线监测、航空航天和无人机遥感监测等不同技术方法。传统的断面人工采样监测费时费力且时间和空间频率均非常低，数据离散；水下探头高频在线监测能解决时间上的连续观测，但探头易于损耗和受水况环境干扰造成监测精度不稳定，并且探头后期管理和维护成本较高；航空航天和无人机遥感监测能实现不同空间尺度叶绿素和藻蓝素的遥感反演，但很难解决时间上连续观测，并本文档来自技高网...

【技术保护点】
1.一种复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法，其特征在于，包括如下步骤：/nS1、将成像光谱仪架设于岸边水体进行不同观测场景下水体遥感反射比连续高频自动观测；所述不同观测场景指不同天况、水况的水体遥感反射比；/nS2、利用多参数水质仪对同一表层水体叶绿素和藻蓝素进行同步连续高频自动观测；/nS3、匹配同步观测的遥感反射比和叶绿素、藻蓝素浓度数据，构建覆盖各类不同观测场景的同步样本数据集；/nS4、利用机器学习模型训练数据集，建立叶绿素、藻蓝素浓度反演模型；/nS5、将建立的反演模型应用至S1所述成像光谱仪，实现无人值守下水体表面叶绿素和藻蓝素快速实时高频自动连续监测。/n

【技术特征摘要】
1.一种复杂场景下水体叶绿素和藻蓝素陆基遥感机器学习算法，其特征在于，包括如下步骤：
S1、将成像光谱仪架设于岸边水体进行不同观测场景下水体遥感反射比连续高频自动观测；所述不同观测场景指不同天况、水况的水体遥感反射比；
S2、利用多参数水质仪对同一表层水体叶绿素和藻蓝素进行同步连续高频自动观测；
S3、匹配同步观测的遥感反射比和叶绿素、藻蓝素浓度数据，构建覆盖各类不同观测场景的同步样本数据集；
S4、利用机器学习模型训练数据集，建立叶绿素、藻蓝素浓度反演模型；
S5、将建立的反演模型应用至S1所述成像光谱仪，实现无人值守下水体表面叶绿素和藻蓝素快速实时高频自动连续监测。


2.根据权利要求1所述的方法，其特征在于，所述天况包括不同天气状态、不同时间段太阳高度角；所述水况包括不同风浪程度、不同浑浊度和不同水华程度。


3.根据权利要求1所述的方法，其特征在于，所述光谱仪距离水面高度为2.5m；所述水体遥感反射比连续高频自动观测指采用光谱仪双通道同步测定向上辐照度和向下辐照度，计算向上辐照度与向下辐照度比值得到遥感反射比；观测频次根据需求设置为数秒到数小时不等。


4.根据权利要求1所述的方法，其特征在于，所述同步样本数据集覆盖各类不同观测场景；样本数据集中的同步样本数目大于5000个。

...

【专利技术属性】
技术研发人员：张运林，孙晓，李娜，张毅博，施坤，黄新，王玮佳，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：江苏;32