干涸湖泊恢复前景的预测方法及装置制造方法及图纸

本发明专利技术提供一种干涸湖泊恢复前景的预测方法及装置。该方法包括：获取目标湖泊区域在未干涸的一段时期的光学遥感影像数据，并基于光学遥感影像数据计算目标湖泊区域在该段时期的水面积数据；获取目标湖泊区域在一段时期的重力卫星数据，并基于重力卫星数据计算目标湖泊区域在该段时期的陆地水储量数据；将陆地水储量数据进行时间序列分解，获得陆地水储量分解数据；基于水面积数据、陆地水储量数据、陆地水储量分解数据，确定目标回归模型；监测目标湖泊区域的实时陆地水储量变化，基于实时陆地水储量变化通过目标回归模型获得目标湖泊区域的反演水面积变化趋势。本发明专利技术能够实现干涸湖泊恢复前景的有效预测。涸湖泊恢复前景的有效预测。涸湖泊恢复前景的有效预测。

【技术实现步骤摘要】
干涸湖泊恢复前景的预测方法及装置


[0001]本专利技术涉及水文水资源应用
，尤其涉及一种干涸湖泊恢复前景的预测方法及装置。

技术介绍

[0002]湖泊具有供应淡水、调节气候、储存碳和保护生物多样性等功能，在全球水文循环中发挥着关键作用。由于气候变化和人类过度开采水资源等原因，越来越多的湖泊面临萎缩、干涸和生态退化等问题。例如：中亚的咸海、非洲的乍得湖、伊朗西北部的乌尔米耶湖以及我国的安固里淖湖等。全世界的政府和管理者正在通过控制水资源开采的方法来尝试恢复湖泊。
[0003]但是，湖泊的恢复过程是非常缓慢的。在湖泊的恢复过程中，由于无法确定干涸湖泊的地下水位以及缺水量，导致无法预测干涸湖泊的恢复前景。政府和管理者无法确定目前制定的水资源开采量的限额是否合适，更无法得知采用目前制定的水资源开采量限额需要多长时间才能恢复湖泊。因此，在干涸湖泊的恢复过程中，存在干涸湖泊恢复前景无法预测的技术问题。

技术实现思路

[0004]本专利技术提供了一种干涸湖泊恢复前景的预测方法及装置，能够实现干涸湖泊恢复前景的有效预测。
[0005]第一方面，本专利技术提供了一种干涸湖泊恢复前景的预测方法，包括：获取目标湖泊区域在未干涸的一段时期的光学遥感影像数据，并基于光学遥感影像数据计算目标湖泊区域在该段时期的水面积数据；获取目标湖泊区域在一段时期的重力卫星数据，并基于重力卫星数据计算目标湖泊区域在该段时期的陆地水储量数据；将陆地水储量数据进行时间序列分解，获得陆地水储量分解数据；基于水面积数据、陆地水储量数据、陆地水储量分解数据构建线性回归模型，通过参数率定获得拟合优度最高的陆地水储量数据的目标回归模型；监测目标湖泊区域的实时陆地水储量变化，基于实时陆地水储量变化通过目标回归模型获得目标湖泊区域的反演水面积变化趋势。
[0006]本专利技术提供一种干涸湖泊恢复前景的预测方法，一方面，水面积数据为基于目标湖泊区域在未干涸的一段时期的光学遥感影像数据计算得到的，可以反映目标湖泊区域在未干涸时的真实水面积。另一方面，陆地水储量数据为基于目标湖泊区域在一段时期的重力卫星数据计算得到的，可以反映目标湖泊区域的地下水位情况。如此一来，本专利技术基于水面积数据和陆地水储量数据构建的线性回归模型，可以表征目标湖泊区域在未干涸时的真实水面积，与地下水位情况之间的线性关系。从而对于目标湖泊区域，本专利技术可以基于实时陆地水储量变化，确定反演水面积变化趋势，以确定目标湖泊区域是否干涸，以及干涸后的缺水情况，便于实现干涸湖泊恢复前景的有效预测。
[0007]在一种可能的实现方式中，基于光学遥感影像数据计算目标湖泊区域在该段时期
的水面积数据，包括：对于光学遥感影像数据中任一时刻的光学遥感影像，提取该任一时刻的光学遥感影像中绿波段数据和近红外波段数据；并确定绿波段数据的绿波段反射率和近红外波段数据的近红外波段反射率；基于绿波段反射率和近红外波段反射率，计算目标湖泊区域在该任一时刻的水面积；基于目标湖泊区域在各个时刻的水面积，确定目标湖泊区域在该段时期的水面积数据。
[0008]在一种可能的实现方式中，基于绿波段反射率和近红外波段反射率，计算目标湖泊区域在该任一时刻的水面积，包括：基于如下公式，计算目标湖泊区域在该任一时刻的水面积；
[0009][0010]其中，A
rea
为目标湖泊区域在该任一时刻的水面积，B
green
为该任一时刻的光学遥感影像中绿波段反射率，B
nir
为该任一时刻的光学遥感影像中近红外波段反射率。
[0011]在一种可能的实现方式中，将陆地水储量数据进行时间序列分解，获得陆地水储量分解数据，包括：将陆地水储量数据进行时间序列分解，获得陆地水储量分解数据，陆地水储量分解数据包括长期趋势数据、年际变化数据、季节动态变化数据和残差数据；陆地水储量数据与陆地水储量分解数据满足如下公式；
[0012]T
raw
＝T
trend
+T
inter
‑
annual
+T
seasonal
+T
residuals
；
[0013]其中，T
raw
为第一时刻的陆地水储量，T
trend
为第一时刻的长期趋势数据，T
inter
‑
annual
为第一时刻的年际变化数据，T
seasonal
为第一时刻的季节动态数据，T
residuals
为第一时刻的残差数据，第一时刻为一段时期中的任一时刻。
[0014]在一种可能的实现方式中，基于水面积数据、陆地水储量数据、陆地水储量分解数据构建线性回归模型，通过参数率定获得拟合优度最高的陆地水储量数据的目标回归模型，包括：基于如下公式，分别构建水面积数据与陆地水储量数据之间的第一线性回归模型，水面积数据与长期趋势数据之间的第二线性回归模型，水面积数据与年际变化数据之间的第三线性回归模型，水面积数据与季节动态变化数据之间的第四线性回归模型，水面积数据与残差数据之间的第五线性回归模型；
[0015]A
rea
＝a
×
T+b
[0016]其中，A
rea
为水面积数据，T为陆地水储量数据、长期趋势数据、年际变化数据、季节动态变化数据或残差数据，a为线性回归模型中的斜率参数，b为线性回归模型中的截距参数；
[0017]分别确定第一线性回归模型、第二线性回归模型、第三线性回归模型、第四线性回归模型和第五线性回归模型的拟合优度；将拟合优度最高的线性回归模型，确定为目标回归模型。
[0018]在一种可能的实现方式中，基于实时陆地水储量变化通过目标回归模型获得目标湖泊区域的反演水面积变化趋势，包括：将实时陆地水储量输入到目标回归模型，得到目标湖泊区域的实时反演水面积；计算当前时段反演水面积的平均值为第一平均值；计算前一时段反演水面积的平均值为第二平均值；当前时段与前一时段为相邻的时段；若第一平均值大于第二平均值，则确定目标湖泊区域的反演水面积变化趋势为逐渐增大；若第二平均
值大于第一平均值，则确定目标湖泊区域的反演水面积变化趋势为逐渐增小。
[0019]在一种可能的实现方式中，基于实时陆地水储量变化通过目标回归模型获得目标湖泊区域的反演水面积变化趋势，之后还包括：若反演水面积的取值为正，则确定目标湖泊区域未干涸；若反演水面积的取值为负，且反演水面积逐渐增大，则保持目标湖泊区域中单位时长的水资源开采量不变；若反演水面积的取值为负，且反演水面积逐渐增小，则减小目标湖泊区域中单位时长的水资源开采量。
[0020]第二方面，本专利技术实施例提供了一种干涸湖泊恢复前景的预测装置，该预测装置包括：通信模块和处理模块；通信模块，用于获取目标湖泊区域在未干涸的一段时期的光学遥感影像数据；获取目标湖泊区域在一段时期的重力卫星数据；处理模块，用于基于光学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种干涸湖泊恢复前景的预测方法，其特征在于，包括：获取目标湖泊区域在未干涸的一段时期的光学遥感影像数据，并基于所述光学遥感影像数据计算目标湖泊区域在该段时期的水面积数据；获取目标湖泊区域在所述一段时期的重力卫星数据，并基于所述重力卫星数据计算目标湖泊区域在该段时期的陆地水储量数据；将所述陆地水储量数据进行时间序列分解，获得陆地水储量分解数据；基于所述水面积数据、所述陆地水储量数据、所述陆地水储量分解数据构建线性回归模型，通过参数率定获得拟合优度最高的陆地水储量数据的目标回归模型；监测目标湖泊区域的实时陆地水储量变化，基于所述实时陆地水储量变化通过所述目标回归模型获得目标湖泊区域的反演水面积变化趋势。2.根据权利要求1所述的方法，其特征在于，所述基于所述光学遥感影像数据计算目标湖泊区域在该段时期的水面积数据，包括：对于所述光学遥感影像数据中任一时刻的光学遥感影像，提取该任一时刻的光学遥感影像中绿波段数据和近红外波段数据；并确定所述绿波段数据的绿波段反射率和所述近红外波段数据的近红外波段反射率；基于所述绿波段反射率和所述近红外波段反射率，计算所述目标湖泊区域在该任一时刻的水面积；基于所述目标湖泊区域在各个时刻的水面积，确定所述目标湖泊区域在该段时期的水面积数据。3.根据权利要求2所述的方法，其特征在于，所述基于所述绿波段反射率和所述近红外波段反射率，计算所述目标湖泊区域在该任一时刻的水面积，包括：基于如下公式，计算所述目标湖泊区域在该任一时刻的水面积；其中，A
rea
为所述目标湖泊区域在该任一时刻的水面积，B
green
为该任一时刻的光学遥感影像中绿波段反射率，B
nir
为该任一时刻的光学遥感影像中近红外波段反射率。4.根据权利要求1所述的方法，其特征在于，所述将所述陆地水储量数据进行时间序列分解，获得陆地水储量分解数据，包括：将所述陆地水储量数据进行时间序列分解，获得陆地水储量分解数据，所述陆地水储量分解数据包括长期趋势数据、年际变化数据、季节动态变化数据和残差数据；所述陆地水储量数据与所述陆地水储量分解数据满足如下公式；T
raw
＝T
trend
+T
inter
‑
annual
+T
seasonal
+T
residuals
；其中，T
raw
为第一时刻的陆地水储量，T
trend
为第一时刻的长期趋势数据，T
inter
‑
annual
为第一时刻的年际变化数据，T
seasonal
为第一时刻的季节动态数据，T
residuals
为第一时刻的残差数据，所述第一时刻为所述一段时期中的任一时刻。5.根据权利要求4所述的方法，其特征在于，所述基于所述水面积数据、所述陆地水储量数据、所述陆地水储量分解数据构建线性回归模型，通过参数率定获得拟合优度最高的陆地水储量数据的目标回归模型，包括：
基于如下公式，分别构建...

【专利技术属性】
技术研发人员：张竞，柳富田，陈社明，蒋万军，张卓，
申请(专利权)人：中国地质调查局天津地质调查中心，
类型：发明
国别省市：