一种基于遥感影像的三维水质空间插值方法技术

本发明专利技术涉及水质监测技术领域，具体涉及一种基于遥感影像的三维水质空间插值方法，包括：S1：获取一待插值区域的多光谱遥感影像和多个采样值；S2：对多光谱遥感影像和采样值进行处理以获得预测均值；S3：根据预测均值对采样值所在的采样点进行深度膨胀，并生成多个对应于采样点的预测位置的预测误差；S4：根据预测误差和预测均值对预测位置进行预测，以完成对待插值区域的三维空间插值。本发明专利技术的有益效果在于：通过将基于多光谱遥感影像的回归分析生成的预测均值以及基于经验贝叶斯克里金回归法生成的预测误差进行结合，从而实现了较为准确的预测过程，进而提高了三维空间插值的准确性。确性。确性。

【技术实现步骤摘要】
一种基于遥感影像的三维水质空间插值方法


[0001]本专利技术涉及水质监测
，具体涉及一种基于遥感影像的三维水质空间插值方法。

技术介绍

[0002]水体质量评价是通过对化学需氧量、溶解氧、生化需氧量、活性磷酸盐、铅、铜等因子的浓度进行监测，采用单因子评价、富营养化和有机污染等进行评价反映水质变化。
[0003]水环境评价离不开对水质空间数据充分了解和定量化计算。其中，三维水质属性建模通过对水体属性参数空间位置和动态变化的模拟，能直观展示水体内部属性参数的空间分布、变化规律及参量间的关系，是水体水质空间数据定量化分析的重要手段。由于建模需要的采样点分布不均，需要合理的插值方法来进行水质参数模拟。
[0004]传统插值方法主要分为两类：一类是确定性插值，即根据整个空间曲面的光滑性或空间信息要素间的相似程度构建拟合曲面，预测未知区域数据，如反距离权重法(IDW)、样条函数法与趋势面法等；另一类是地统计学插值，通过分析样本点在空间范围内的分布规律与相关特征，拟合构建样本点的空间结构模型，进而预测整个空间区域变化趋势，如克里金(Kriging)插值法。
[0005]传统空间插值方法在空间权重解算上有不同思路，例如反距离权重法以距离幂次方的反比作为空间权重，克里金法通过半变异函数解算数据间的空间权重等。总的来说，空间插值，通过引入空间要素的位置，利用空间统计学方法求解空间权重，进一步通过已知观测要素的数据，预测未知区域数据。由于样本数量、分布规律不同、分布区域范围存在差异等客观因素，以及数学公式简单、建模需人为干预等原因，传统空间插值方法往往难以精准拟合研究区域内的空间权重关系，一定程度上制约了空间插值方法的预测精度。

技术实现思路

[0006]针对现有技术中存在的上述问题，现提供一种基于遥感影像的三维水质空间插值方法。
[0007]具体技术方案如下：
[0008]一种基于遥感影像的三维水质空间插值方法，包括：
[0009]步骤S1：获取一待插值区域的多光谱遥感影像和多个采样值；
[0010]步骤S2：对所述多光谱遥感影像和所述采样值进行处理以获得预测均值；
[0011]步骤S3：根据所述预测均值对所述采样值所在的采样点进行深度膨胀，并生成多个对应于所述采样点的预测位置的预测误差；
[0012]步骤S4：根据所述预测误差和所述预测均值对所述预测位置进行预测，以完成对所述待插值区域的三维空间插值。
[0013]优选地，所述步骤S2包括：
[0014]步骤S21：对所述多光谱遥感影像进行独立主成分变换以获得主成分变换影像；
[0015]步骤S22：根据所述主成分变换影像和所述采样值生成所述预测均值。
[0016]优选地，所述步骤S21包括：
[0017]步骤S211：将所述多光谱遥感影像转换为数据矩阵，并计算所述数据矩阵的协方差矩阵；
[0018]步骤S212：获取所述协方差矩阵的特征向量和特征值，根据所述特征向量和所述特征值生成系数矩阵；
[0019]步骤S213：根据所述系数矩阵生成波段分量矩阵，对所述波段分量矩阵进行变换以获得所述主成分变换影像。
[0020]优选地，所述步骤S22中，生成所述预测均值的方法包括：
[0021]M(S0)＝β0+β1X1+β2X2+
…
+β
m
X
m
；
[0022]其中，M(S0)为所述预测位置的预测均值，β
m
为系数，X
m
为所述预测位置对应的所述采样点在所述主成分变换影像中的第m个主成分值。
[0023]优选地，所述步骤S3包括：
[0024]步骤S31：设定一深度膨胀因子，基于所述深度膨胀因子分别对所述采样点进行深度膨胀以获得对应于所述采样点的多个预测位置；
[0025]步骤S32：分别对每个所述预测位置生成距平值和空间权重；
[0026]步骤S33：根据所述平方插值和所述空间权重生成对应于所述预测位置的预测误差项。
[0027]优选地，所述步骤S32中，生成所述平方均值的方法包括：
[0028][0029]其中，γ
(h)
为距离所述采样点的距离为h的所述预测位置的半方差，h为所述预测位置与所述采样点之间的空间距离，其中，所述采样点为(x1，y1，z1)，所述预测位置为(x2，y2，z2)，Z(S
i
)为所述采样点的所述采样值，Z(S
j
)为所述预测位置的距平值。
[0030]优选地，所述步骤S32中，生成所述空间权重的方法包括：
[0031][0032]其中，λ
i
为所述空间权重，γ
(i)
为第i个所述预测位置的半方差，γ
(j)
为第j个所述预测位置的半方差。
[0033]优选地，所述步骤S33中，所述预测误差项的生成方法包括：
[0034][0035]其中，ε(S0)为所述预测位置的预测误差项，Z(S
i
)为第i个所述预测位置的距平值。
[0036]优选地，所述步骤S4中，对所述预测位置进行预测的方法包括:
[0037][0038]其中，为所述预测位置的预测值，M(S0)为预测位置的预测均值，ε(S0) 为所述预测误差，β
m
为系数，X
m
为所述预测位置对应的所述采样点在所述主成分变换影像中的第m个主成分值，Z(S
i
)为第i个所述预测位置的距平值。
[0039]上述技术方案具有如下优点或有益效果：针对现有技术中的三维水体空间插值方法准确度较低的问题，根据多光谱遥感影像生成待插值区域的预测均值，随后再对某一平面上的水质采样值进行深度膨胀并生成预测位置的预测误差。通过将基于多光谱遥感影像的回归分析生成的预测均值以及基于经验贝叶斯克里金回归法生成的预测误差进行结合，从而实现了较为准确的预测过程，进而提高了三维空间插值的准确性。
附图说明
[0040]参考所附附图，以更加充分的描述本专利技术的实施例。然而，所附附图仅用于说明和阐述，并不构成对本专利技术范围的限制。
[0041]图1为本专利技术实施例的整体示意图；
[0042]图2为本专利技术实施例中多光谱遥感影像和采样点示意图；
[0043]图3为本专利技术实施例中步骤S2子步骤示意图；
[0044]图4为本专利技术实施例中步骤S21子步骤示意图；
[0045]图5为本专利技术实施例中步骤S3子步骤示意图；
[0046]图6为本专利技术实施例中插值模型示意图。
具体实施方式
[0047]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作出创造性劳动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感影像的三维水质空间插值方法，其特征在于，包括：步骤S1：获取一待插值区域的多光谱遥感影像和多个采样值；步骤S2：对所述多光谱遥感影像和所述采样值进行处理以获得预测均值；步骤S3：根据所述预测均值对所述采样值所在的采样点进行深度膨胀，并生成多个对应于所述采样点的预测位置的预测误差；步骤S4：根据所述预测误差和所述预测均值对所述预测位置进行预测，以完成对所述待插值区域的三维空间插值。2.根据权利要求2所述的三维水质空间插值方法，其特征在于，所述步骤S2包括：步骤S21：对所述多光谱遥感影像进行独立主成分变换以获得主成分变换影像；步骤S22：根据所述主成分变换影像和所述采样值生成所述预测均值。3.根据权利要求2所述的三维水质空间插值方法，其特征在于，所述步骤S21包括：步骤S211：将所述多光谱遥感影像转换为数据矩阵，并计算所述数据矩阵的协方差矩阵；步骤S212：获取所述协方差矩阵的特征向量和特征值，根据所述特征向量和所述特征值生成系数矩阵；步骤S213：根据所述系数矩阵生成波段分量矩阵，对所述波段分量矩阵进行变换以获得所述主成分变换影像。4.根据权利要求2所述的三维水质空间插值方法，其特征在于，所述步骤S22中，生成所述预测均值的方法包括：M(S0)＝β0+β1X1+β2X2+
…
+β
m
X
m
；其中，M(S0)为所述预测位置的预测均值，β
m
为系数，X
m
为所述预测位置对应的所述采样点在所述主成分变换影像中的第m个主成分值。5.根据权利要求1所述的三维水质空间插值方法，其特征在于，所述步骤S3包括：步骤S31：设定一深度膨胀因子，基于所述深度膨胀因子分别对所述采样点进行深度膨胀以获得对...

【专利技术属性】
技术研发人员：吴嘉成，王翊宇，陈瑜云，张白玉，刘黎明，
申请(专利权)人：上海普适导航科技股份有限公司，
类型：发明
国别省市：