一种基于连续小波系数的二类水体叶绿素a浓度反演方法技术

本发明专利技术公开了一种基于连续小波系数的二类水体叶绿素a浓度反演方法，包括先实地采集二类水体表面的反射率数据和水体的叶绿素a浓度；然后将反射率数据在不同尺度下进行连续小波变换，得到多个小波系数；接着将小波系数与实测的叶绿素a浓度进行相关性分析，筛选出相关性较高的小波系数；再将筛选出的小波系数进行偏最小二乘回归建模，建立以小波系数为自变量，叶绿素a浓度为因变量的叶绿素a浓度反演模型；对于待测的二类水体，实地采集其表面的反射率数据，将其进行连续小波变换得到小波系数，然后基于该小波系数，利用叶绿素a浓度反演模型进行反演，最终得到该二类水体的叶绿素a浓度。本发明专利技术能够实现二类水体叶绿素a浓度高精度反演。

【技术实现步骤摘要】
一种基于连续小波系数的二类水体叶绿素a浓度反演方法
本专利技术涉及二类水体叶绿素a浓度反演
，特别涉及一种基于连续小波系数的二类水体叶绿素a浓度反演方法。
技术介绍
水质监测是水质评价与水污染防治的重要手段。在对河湖等二类水体进行水质监测时，通常需要检测水中的叶绿素a浓度，叶绿素a是反映水体富营养化的一个重要指标，对二类水体进行高精度的叶绿素a浓度反演也一直是人们的研究课题。目前，利用高光谱数据进行叶绿素浓度研究较为深入，其中基于实测数据构建原始遥感反射率与叶绿素浓度之间的数学统计关系被广泛应用。但是，由于二类水体复杂的光学特性，在遥感反演过程中无法抑制由浮游藻类及其降解物质、水体中悬浮的颗粒物和可溶性黄色物质带来的干扰，导致反演模型精度降低，难以实现高精度的叶绿素a浓度反演。因此，有必要研究出能够提高精度的二类水体叶绿素a浓度反演技术。小波变换是一种数据处理方法，通过伸缩平移，对信号逐步进行多尺度细化，可为提取高光谱遥感反射率信息的多个变化细节提供了一种可行的手段。采用连续小波分析方法来研究陆地遥感中不同植被理化参数的反演在近些年来也引起了人们的关注。
技术实现思路
本专利技术的第一目的在于克服现有技术的缺点与不足，提供一种基于连续小波系数的二类水体叶绿素a浓度反演方法，该方法可以实现二类水体叶绿素a浓度高精度反演。本专利技术的第二目的在于提供一种存储介质。本专利技术的第三目的在于提供一种计算设备。本专利技术的第一目的通过下述技术方案实现：一种基于连续小波系数的二类水体叶绿素a浓度反演方法，包括如下步骤：S1、实地采集二类水体表面的反射率数据，同步采集该水体的叶绿素a浓度；S2、将反射率数据在不同尺度下进行连续小波变换，得到不同尺度的小波系数；S3、将小波系数与步骤S1实测的叶绿素a浓度进行相关性分析，从中筛选出相关系数大于预设阈值的小波系数；S4、将筛选出的小波系数进行偏最小二乘回归建模，建立以小波系数为自变量，叶绿素a浓度为因变量的叶绿素a浓度反演模型；S5、对于待测的二类水体，实地采集其表面的反射率数据，通过步骤S2进行连续小波变换，得到小波系数，然后基于该小波系数，利用叶绿素a浓度反演模型进行反演，最终得到该二类水体的叶绿素a浓度。优选的，在步骤S1和步骤S5中，利用光谱仪实地采集二类水体表面的反射率数据，光谱仪的挂载方式包括地面、机载以及星载。更进一步的，光谱仪的光谱测量波长范围为400～900nm。优选的，在步骤S1中，利用高效液相色谱仪、荧光光度计或分光光度计采集二类水体的叶绿素a浓度。优选的，连续小波变换的方式包括但不限于MEXH小波基函数。优选的，筛选出相关系数大于预设阈值的小波系数，是指筛选出相关系数排在前1％的小波系数。本专利技术的第二目的通过下述技术方案实现：一种计算机可读存储介质，存储有程序，所述程序被处理器执行时，实现本专利技术第一目的所述的基于连续小波系数的二类水体叶绿素a浓度反演方法。本专利技术的第三目的通过下述技术方案实现：一种计算设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现本专利技术第一目的所述的基于连续小波系数的二类水体叶绿素a浓度反演方法。本专利技术相对于现有技术具有如下的优点及效果：(1)本专利技术基于连续小波系数的二类水体叶绿素a浓度反演方法，通过实地测量光谱反射率数据，然后对采集的反射率进行连续小波变换，将光谱信号变换到小波域，并且还根据相关系数筛选出小波系数，以筛选的数据来进行偏最小建模，最终得到的偏最小二乘回归模型可以用来根据小波系数准确地反演出二类水体的叶绿素a浓度。(2)小波变换可以提取出高光谱遥感反射率信息的多个变化细节，经过连续小波变换之后可以显著提高反射率与实测叶绿素a浓度的相关性，方便相关性筛选。(3)本专利技术利用相关系数筛选出相关性高的有效的小波系数，可进一步提高模型的反演精度和建模效率。附图说明图1是本专利技术构建叶绿素a浓度反演模型的流程图。图2是小波系数与实测叶绿素a浓度的相关系数的示意图。图3是小波变换估测叶绿素a浓度的预测值与实测值对比图。具体实施方式下面结合实施例及附图对本专利技术作进一步详细的描述，但本专利技术的实施方式不限于此。实施例1本实施例公开了一种基于连续小波系数的二类水体叶绿素a浓度反演方法，如图1所示，包括如下步骤：S1、实地采集二类水体表面的反射率数据Rrs(λ)，λ代表采集的波长，同步采集该水体的叶绿素a浓度CChl-a。这里，具体是使用光谱仪采集二类水体表面的反射率数据，利用高效液相色谱仪、荧光光度计或分光光度计采集二类水体的叶绿素a浓度。其中，光谱仪的光谱测量波长范围为400～900nm，光谱仪的挂载方式包括地面、机载以及星载。S2、将反射率数据在不同尺度(scale)下进行连续小波变换，得到不同尺度的小波系数。小波系数表示为CWT(scale，λ)，连续小波变换的方式包括但不限于MEXH小波基函数。S3、将小波系数CWT(scale，λ)与步骤S1实测的叶绿素a浓度CChl-a进行相关性分析，得到各个小波系数与CChl-a的相关系数r，可参见图2，然后从中筛选出相关系数大于预设阈值的小波系数。本实施例中，预设阈值为相关系数值按照从大到小排序情况下的前1％，即筛选出相关系数值排在前1％的小波系数，相关系数值越高，说明小波系数和叶绿素a浓度越相关。S4、将筛选出的小波系数进行偏最小二乘回归建模，建立以小波系数为自变量，叶绿素a浓度为因变量的叶绿素a浓度反演模型。在建模过程中，将采集的多种二类水体的反射率及叶绿素a浓度分为训练集和验证集，训练集用于回归建模，验证集用于对模型进行评估，通过将模型的叶绿素a浓度预测值与叶绿素a浓度的实测值进行对比来判断模型是否适用于预估二类水体叶绿素a浓度，以便及时调整模型。这里，可以利用均方根误差和决定系数评价模型拟合效果，均方根误差用来衡量预测值与实测值之间的偏差，均方根误差越小越好；决定系数代表的是自变量解释的变异程度占总的变异程度的比例，决定系数越接近1越好。例如图3所示，图3中的横坐标为叶绿素a浓度实测值，纵坐标为叶绿素a浓度预测值，圆点代表实地采集到的叶绿素a浓度实测值，实测值作为校正值，星型点代表通过模型预估的叶绿素a浓度预测值。通过对这些散点进行统计分析，得到训练集均方根误差RMSEC＝7.4314，验证集均方根误差RMSEP＝6.4574，训练集决定系数R2(Cal)＝0.732，验证集决定系数R2(Pred)＝0.857，可见，均方根误差较小，决定系数较接近1，模型还是较符合实际情况的。S5、对于待测的二类水体，实地采集其表面的反射率数据，通过步骤S2进行连续小波变换，得到小波系数，然后基于该小波系数，利用叶绿素a浓度反演模型进行反演，最终得到该二类水体的叶绿素a浓度。...

【技术保护点】
1.一种基于连续小波系数的二类水体叶绿素a浓度反演方法，其特征在于，包括如下步骤：/nS1、实地采集二类水体表面的反射率数据，同步采集该水体的叶绿素a浓度；/nS2、将反射率数据在不同尺度下进行连续小波变换，得到不同尺度的小波系数；/nS3、将小波系数与步骤S1实测的叶绿素a浓度进行相关性分析，从中筛选出相关系数大于预设阈值的小波系数；/nS4、将筛选出的小波系数进行偏最小二乘回归建模，建立以小波系数为自变量，叶绿素a浓度为因变量的叶绿素a浓度反演模型；/nS5、对于待测的二类水体，实地采集其表面的反射率数据，通过步骤S2进行连续小波变换，得到小波系数，然后基于该小波系数，利用叶绿素a浓度反演模型进行反演，最终得到该二类水体的叶绿素a浓度。/n

【技术特征摘要】
1.一种基于连续小波系数的二类水体叶绿素a浓度反演方法，其特征在于，包括如下步骤：
S1、实地采集二类水体表面的反射率数据，同步采集该水体的叶绿素a浓度；
S2、将反射率数据在不同尺度下进行连续小波变换，得到不同尺度的小波系数；
S3、将小波系数与步骤S1实测的叶绿素a浓度进行相关性分析，从中筛选出相关系数大于预设阈值的小波系数；
S4、将筛选出的小波系数进行偏最小二乘回归建模，建立以小波系数为自变量，叶绿素a浓度为因变量的叶绿素a浓度反演模型；
S5、对于待测的二类水体，实地采集其表面的反射率数据，通过步骤S2进行连续小波变换，得到小波系数，然后基于该小波系数，利用叶绿素a浓度反演模型进行反演，最终得到该二类水体的叶绿素a浓度。


2.根据权利要求1所述的基于连续小波系数的二类水体叶绿素a浓度反演方法，其特征在于，在步骤S1和步骤S5中，利用光谱仪实地采集二类水体表面的反射率数据，光谱仪的挂载方式包括地面、机载以及星载。


3.根据权利要求2所述的基于连续小波系数的二类水体叶绿素a浓度反演方法，其特...

【专利技术属性】
技术研发人员：彭咏石，陈水森，王重洋，陈金月，李丹，贾凯，姜浩，王力，郑琼，官云兰，
申请(专利权)人：广东省科学院广州地理研究所，
类型：发明
国别省市：广东;44