一种水华水体检测方法和系统技术方案

本发明专利技术涉及一种水华水体检测方法和系统。该检测方法包括：采用陆地成像仪获取待检测水体的第一遥感影像，并获取所述第一遥感影像的水体遥感反射率，记为第一水体遥感反射率；采用光谱成像仪获取待检测区域的第二遥感影像，并获取所述第二遥感影像的水体遥感反射率，记为第二水体遥感反射率；获取水华检测模型；所述水华检测模型为训练好的极端随机树分类模型；采用所述水华检测模型根据所述第一水体遥感反射率和所述第二水体遥感反射率确定所述待检测水体是否为水华水体。本发明专利技术提供的水华水体检测方法和系统，能够在充分利用各个波段检测水华信息的同时，提高了水华水体的检测准确性。

【技术实现步骤摘要】
一种水华水体检测方法和系统
本专利技术涉及水华检测领域，特别是涉及一种水华水体检测方法和系统。
技术介绍
水华是指发生在淡水水体中，因水体富营养化引起氮磷含量过高，在良好的光照以及温度条件下，水体中藻类或浮游生物突然过度增殖、富集于水体表层的自然现象。由于藻类或浮游生物生长需要耗费氧气，藻类或浮游生物过度增殖并富集，耗尽水体中氧气，导致藻类或浮游生物死亡，并释放出内含的叶绿素以及有毒物质，改变水体的颜色，污染水质，毒害水生动植物。不仅对水体生态环境造成危害或潜在危害，影响到饮用水源地的供水安全，危害水体周边地区的人类健康。我国大多数淡水湖泊处于富营养化状态，各种规模的水华现象时有发生，因此，水华监测是内陆湖泊水体监测的一项重要工作内容。遥感监测具有快速、大范围、周期性的特点，已经成为水华监测的重要手段，几乎所有的卫星遥感传感器都能够识别和监测蓝藻水华的空间分布和暴发范围。国内外专家学者对水华的遥感监测进行了大量的研究，构建了各种监测方法。目前水华遥感监测最常用的方法是根据水华的遥感信息构建各种指数模型，使用各种特征波段信息的特征来识别水华。由于内陆湖泊水体组分复杂多样，不同浓度的不同组分，其特征波段相互叠加和影响，导致水华遥感信息中的特征波段难以确定。同时，利用部分波段数据构建各种指数模型无法充分利用各个波段中包含的水华信息。因此，本领域亟需提供一种能够充分利用各个波段精确完成水华信息检测的方法或系统。
技术实现思路
本专利技术的目的是提供一种能够充分利用各个波段检测水华信息的方法和系统，以提高水华水体的检测准确性。为实现上述目的，本专利技术提供了如下方案：一种水华水体检测方法，包括：采用陆地成像仪获取待检测水体的第一遥感影像，并获取所述第一遥感影像的水体遥感反射率，记为第一水体遥感反射率；所述第一水体遥感反射率包括所述第一遥感影像中不同影像波段的水体遥感反射率；采用光谱成像仪获取待检测区域的第二遥感影像，并获取所述第二遥感影像的水体遥感反射率，记为第二水体遥感反射率；所述第二水体遥感反射率包括所述第二遥感影像中不同影像波段的水体遥感反射率；获取水华检测模型；所述水华检测模型为训练好的极端随机树分类模型；采用所述水华检测模型根据所述第一水体遥感反射率和所述第二水体遥感反射率确定所述待检测水体是否为水华水体。优选的，所述获取水华检测模型，之前还包括：获取训练样本；所述训练样本包括：水华区域的水体遥感反射率和非水华区域的水体遥感反射率；获取极端随机树分类模型；根据所述训练样本采用随机参数搜索和网格参数搜索相结合的方法构建参数调优矩阵；根据所述参数调优矩阵确定所述极端随机树分类模型的参数，得到所述训练好的极端随机树分类模型。优选的，所述根据所述训练样本采用随机参数搜索和网格参数搜索相结合的方法构建参数调优矩阵，具体包括：以所述极端随机树分类模型的初始参数为起点将所述训练样本输入所述极端随机树分类模型，采用试错法，以设定的训练样本比例为步长，确定参数调优矩阵；所述参数调优矩阵包括不同步长下不同参数变化的影响值。优选的，所述根据所述参数调优矩阵确定所述极端随机树分类模型的参数，得到所述训练好的极端随机树分类模型，具体包括：降序排列所述参数调优矩阵中的所述影响值；根据所述影响值确定所述极端随机树分类模型的参数。优选的，所述设定的训练样本比例为10％。对应于上述提供的水华水体检测方法，本专利技术还对应提供了一种检测系统，该水华水体检测系统，包括：第一获取模块，用于采用陆地成像仪获取待检测水体的第一遥感影像，并获取所述第一遥感影像的水体遥感反射率，记为第一水体遥感反射率；所述第一水体遥感反射率包括所述第一遥感影像中不同影像波段的水体遥感反射率；第二获取模块，用于采用光谱成像仪获取待检测区域的第二遥感影像，并获取所述第二遥感影像的水体遥感反射率，记为第二水体遥感反射率；所述第二水体遥感反射率包括所述第二遥感影像中不同影像波段的水体遥感反射率；水华检测模型获取模块，用于获取水华检测模型；所述水华检测模型为训练好的极端随机树分类模型；水体水华检测模块，用于采用所述水华检测模型根据所述第一水体遥感反射率和所述第二水体遥感反射率确定所述待检测水体是否为水华水体。优选的，还包括：训练样本获取模块，用于获取训练样本；所述训练样本包括：水华区域的水体遥感反射率和非水华区域的水体遥感反射率；极端随机树分类模型获取模块，用于获取极端随机树分类模型；参数调优矩阵构建模块，用于根据所述训练样本采用随机参数搜索和网格参数搜索相结合的方法构建参数调优矩阵；极端随机树分类模型训练模块，用于根据所述参数调优矩阵确定所述极端随机树分类模型的参数，得到所述训练好的极端随机树分类模型。优选的，所述参数调优矩阵构建模块，具体包括：参数调优矩阵构建单元，用于将以所述极端随机树分类模型的初始参数为起点将所述训练样本输入所述极端随机树分类模型，采用试错法，以设定的训练样本比例为步长，确定参数调优矩阵；所述参数调优矩阵包括不同步长下不同参数变化的影响值。优选的，所述极端随机树分类模型训练模块，具体包括：降序排列单元，用于降序排列所述参数调优矩阵中的所述影响值；参数确定单元，用于根据所述影响值确定所述极端随机树分类模型的参数。此外，本专利技术还提供了一种计算机可读的存储介质。该存储介质中存储有计算机程序；其中，所述计算机程序被设置为运行时执行上述水华水体检测方法。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的水华水体检测方法和系统，通过采用陆地成像仪和光谱成像仪能够精确获得水体遥感反射率，然后采用水华检测模型就可以精确得到待检测水体是否为水华水体，进而能够在充分利用各个波段检测水华信息的同时，提高了水华水体的检测准确性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术提供的水华水体检测方法的流程图；图2为本专利技术提供的水华水体检测系统的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的目的是提供一种能够充分利用各个波段检测水华信息的方法和系统，以提高水华水体的检测准确性。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。图1本文档来自技高网...

【技术保护点】
1.一种水华水体检测方法，其特征在于，包括：/n采用陆地成像仪获取待检测水体的第一遥感影像，并获取所述第一遥感影像的水体遥感反射率，记为第一水体遥感反射率；所述第一水体遥感反射率包括所述第一遥感影像中不同影像波段的水体遥感反射率；/n采用光谱成像仪获取待检测区域的第二遥感影像，并获取所述第二遥感影像的水体遥感反射率，记为第二水体遥感反射率；所述第二水体遥感反射率包括所述第二遥感影像中不同影像波段的水体遥感反射率；/n获取水华检测模型；所述水华检测模型为训练好的极端随机树分类模型；/n采用所述水华检测模型根据所述第一水体遥感反射率和所述第二水体遥感反射率确定所述待检测水体是否为水华水体。/n

【技术特征摘要】
1.一种水华水体检测方法，其特征在于，包括：
采用陆地成像仪获取待检测水体的第一遥感影像，并获取所述第一遥感影像的水体遥感反射率，记为第一水体遥感反射率；所述第一水体遥感反射率包括所述第一遥感影像中不同影像波段的水体遥感反射率；
采用光谱成像仪获取待检测区域的第二遥感影像，并获取所述第二遥感影像的水体遥感反射率，记为第二水体遥感反射率；所述第二水体遥感反射率包括所述第二遥感影像中不同影像波段的水体遥感反射率；
获取水华检测模型；所述水华检测模型为训练好的极端随机树分类模型；
采用所述水华检测模型根据所述第一水体遥感反射率和所述第二水体遥感反射率确定所述待检测水体是否为水华水体。


2.根据权利要求1中公开的水华水体检测方法，其特征在于，所述获取水华检测模型，之前还包括：
获取训练样本；所述训练样本包括：水华区域的水体遥感反射率和非水华区域的水体遥感反射率；
获取极端随机树分类模型；
根据所述训练样本采用随机参数搜索和网格参数搜索相结合的方法构建参数调优矩阵；
根据所述参数调优矩阵确定所述极端随机树分类模型的参数，得到所述训练好的极端随机树分类模型。


3.根据权利要求2中公开的水华水体检测方法，其特征在于，所述根据所述训练样本采用随机参数搜索和网格参数搜索相结合的方法构建参数调优矩阵，具体包括：
以所述极端随机树分类模型的初始参数为起点将所述训练样本输入所述极端随机树分类模型，采用试错法，以设定的训练样本比例为步长，确定参数调优矩阵；所述参数调优矩阵包括不同步长下不同参数变化的影响值。


4.根据权利要求3中公开的水华水体检测方法，其特征在于，所述根据所述参数调优矩阵确定所述极端随机树分类模型的参数，得到所述训练好的极端随机树分类模型，具体包括：
降序排列所述参数调优矩阵中的所述影响值；
根据所述影响值确定所述极端随机树分类模型的参数。


5.根据权利要求2中公开的水华水体检测方法，其特征在于，所述设定的训练样本比例为10％。


6.一种水华水体检测系统，其特征在于，包括：
第一获取模块，用于采用陆地成像仪...

【专利技术属性】
技术研发人员：姜晓剑，吴莹莹，朱元励，汪伟，李卓，赵丽琴，杨文杰，李才生，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏;32