一种基于特征图层筛选的水体总磷一体化智能反演方法技术

本发明专利技术涉及水体总磷一体化智能反演领域，具体为基于特征图层筛选的水体总磷一体化智能反演方法。本发明专利技术通过对哨兵2B卫星影像数据进行主成分分析，通过降维的思想筛选出5个特征图层，提取采样点位所在处的5组主成分数据，将单个主成分及多个主成分组合与实测总磷浓度进行相关性分析，将实测总磷浓度与影像各波段的遥感反射率进行相关性分析，主成分分析方法降低并删除了原始冗余的数据，使得筛选出的各主成分之间互不相关，能极大程度的表示原始变量数据，提高了模型建立的效率。提高了模型建立的效率。提高了模型建立的效率。

【技术实现步骤摘要】
一种基于特征图层筛选的水体总磷一体化智能反演方法


[0001]本专利技术涉及水体总磷一体化智能反演领域，具体为基于特征图层筛选的水体总磷一体化智能反演方法。

技术介绍

[0002]水体总磷浓度是水体富营养化的重要因素，是藻类大量繁殖的主要原因。随着经济的不断发展，城市生活污水、工业废水等大量污染水体排入河流和湖泊，造成水体中总磷浓度的普遍升高，迫切需要新技术、新手段对水体总磷浓度进行快速、高效的监测。
[0003]传统的水体总磷浓度的获取方法大多采用人工定期实地测量或水质监测站点自动采样，这种方法不仅耗时、耗力、耗财，而且采样的规模无法覆盖水体的整个面域尺度，导致水质采样的不连续，无法反映水域的整体情况。遥感作为一种可以大尺度监测的宏观手段，可以在短时间内获取大尺度空间范围的遥感影像，并且通过各种水质参数的遥感估算模型，能够实现快速获取大尺度范围的水域面尺度的总磷浓度数据。目前水质参数遥感估算模型的建立多数是通过实测水质参数与遥感反射率进行相关性分析获取的，即半经验/半分析方法。在寻找最优反演模型的过程中，多采用实测数据与单波段以及多波段组合的遥感反射率逐个进行相关性分析，波段的数目由影像本身的波段数决定，且各数据之间具有一定的相关性，波段组合的方式也较多，建立最优反演模型需要花大量时间。
[0004]因此，本技术方案利用降维的思路对遥感影像的波段数据进行主成分分析分析，筛选出贡献率较高且数量少于波段数的几个主成分与实测总磷浓度进行建模，减少数据的冗余，实现模型精度和模型建立效率的双提升。
专利
技术实现思路

[0005]本专利技术的目的在于提供一种基于特征图层筛选的水体总磷一体化智能反演方法，以解决上述
技术介绍
中提出的问题。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：
[0007]一种基于特征图层筛选的水体总磷一体化智能反演方法，所述方法包括以下步骤：
[0008]S1、通过卫星获取影像图像；
[0009]S2、根据获取的影像图像，对影像数据进行图像预处理；
[0010]S3、根据预处理图像进行特征图层筛选；
[0011]S4、结合筛选图层进行总磷反演模型的建立；
[0012]S5、根据总磷浓度与特征图层筛选后的主成分组合数据建立的总磷反演模型进行精度验证。
[0013]进一步的，所述S2中根据获取的影像图像，对影像数据进行图像预处理的方法包括以下步骤：
[0014]步骤1001、通过卫星获取影像图像，并提取图像元数据，本专利技术借助哨兵
‑
2B卫星
进行影像数据获取，哨兵
‑
2B(Sentinel
‑
2B)卫星是欧空局于2017年3月7日以“织女星”运载火箭发射升空，携带高分辨率多光谱成像装置(MSI)，地面空间分辨率高达10米，重访周期为10天，它与哨兵
‑
2A为同一组卫星，两颗星互补可达到5天重访周期。
[0015]哨兵二号卫星影像包括5个级别的产品，Level
‑
0原始数据、Level
‑
1A几何粗校正产品、Level
‑
1B辐射率产品、Level
‑
1C大气表观反射率产品以及Level
‑
2A级产品。本技术方案采用的是Level
‑
2A(L2A)级产品，这类产品已经进行过大气校正和正射校正。
[0016]哨兵
‑
2B卫星影像与Landsat卫星影像相比具有更高的时间和空间分辨率，与OLCI数据相比具有更高的空间分辨率，与国产高分卫星相比可以免费获得10m分辨率的影像数据。除此之外，该影像覆盖了13个光谱波段，并且在红边范围含有三个波段，对地物的检测比较敏感，有利于水质参数的反演；
[0017]步骤1002、利用SNAP软件将获取的元数据进行重采样处理；
[0018]步骤1003、通过ENVI5.6的Build Layer Stack工具将重采样后的波段进行融合，得到一个含有12个波段的多光谱影像数据。
[0019]本专利技术通过SNAP软件将获取的元数据进行重采样处理，根据ENVI5.6的Build Layer Stack工具将重采样后的波段进行融合，得到一个含有12个波段的多光谱影像数据。
[0020]进一步的，所述利用SNAP软件将获取的元数据进行重采样处理的方法包括以下步骤：
[0021]步骤1002
‑
1、获取SNAP软件中Graph Builder工具；
[0022]步骤1002
‑
2、通过Graph Builder工具建立重采样批量处理命令；
[0023]步骤1002
‑
3、对波段B2、B3、B4、B8进行选择，以10米空间分辨率的B2波段为参考波段，其中为B2、B3、B4、B8光谱波段，这四个波段种包含了大量的光谱信息；
[0024]步骤1002
‑
4、通过BatchProcessing工具进行调用波段选择命令，将元数据从10米、20米、60米的多空间分辨率数据集统一重采样为10米空间分辨率的数据集。
[0025]本专利技术通过SNAP软件中Graph Builder工具进行建立重采样批量处理命令，对波段B2、B3、B4、B8进行选择，以10米空间分辨率的B2波段为参考波段，通过BatchProcessing工具进行调用波段选择命令，将元数据从10米、20米、60米的多空间分辨率数据集统一重采样为10米空间分辨率的数据集，为后续进行特征图层筛选提供数据参照。
[0026]进一步的，所述S3中根据预处理图像进行特征图层筛选的方法包括以下步骤：
[0027]步骤2001、利用降维思想的多元统计方法对影像数据进行主成分分析；
[0028]步骤2002、结合步骤2001主成分分析结果，并进行数据提取，经过主成分分析处理后的影像含有5个主成分，分别为PCA1、PCA2、PCA3、PCA4和PCA5，通过利用Arcgis10.6的多值提取至点功能，提取14个实测点位所在的经纬度的5个主成分数据，用于后续与实测总磷浓度进行总磷反演模型建模和验证。
[0029]本专利技术利用降维思想的多元统计方法对影像数据进行主成分分析，通过对主成分进行数据提取，经过主成分分析处理后的影像含有5个主成分，分别为PCA1、PCA2、PCA3、PCA4、和PCA5，通过利用Arcgis10.6的多值提取至点功能，提取14个实测点位所在的经纬度的5个主成分数据，为后续与实测总磷浓度进行总磷反演模型建模和验证提供数据参照。
[0030]进一步的，利用降维思想的多元统计方法对影像数据进行主成分分析的方法包括以下步骤：
[0031]步骤2001
‑
1、构建矩阵M，其中矩阵M＝(m1，m2，...，m
p
)
T
由p个标准本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征图层筛选的水体总磷一体化智能反演方法，其特征在于，所述方法包括以下步骤：S1、通过卫星获取影像图像；S2、根据获取的影像图像，对影像数据进行图像预处理；S3、根据预处理图像进行特征图层筛选；S4、结合筛选图层进行总磷反演模型的建立；S5、根据总磷浓度与特征图层筛选后的主成分组合数据建立的总磷反演模型进行精度验证。2.根据权利要求1所述一种基于特征图层筛选的水体总磷一体化智能反演方法，其特征在于，所述S2中根据获取的影像图像，对影像数据进行图像预处理的方法包括以下步骤：步骤1001、通过卫星获取影像图像，并提取图像元数据；步骤1002、利用SNAP软件将获取的元数据进行重采样处理；步骤1003、通过ENVI5.6的BuildLayerStack工具将重采样后的波段进行融合，得到一个含有12个波段的多光谱影像数据。3.根据权利要求2所述一种基于特征图层筛选的水体总磷一体化智能反演方法，其特征在于，所述利用SNAP软件将获取的元数据进行重采样处理的方法包括以下步骤：步骤1002
‑
1、获取SNAP软件中GraphBuilder工具；步骤1002
‑
2、通过GraphBuilder工具建立重采样批量处理命令；步骤1002
‑
3、对波段B2、B3、B4、B8进行选择，以10米空间分辨率的B2波段为参考波段，其中为B2、B3、B4为可见光波段，B8为近红外线波段；步骤1002
‑
4、通过BatchProcessing工具进行调用波段选择命令，将元数据从10米、20米、60米的多空间分辨率数据集统一重采样为10米空间分辨率的数据集。4.根据权利要求3所述一种基于特征图层筛选的水体总磷一体化智能反演方法，其特征在于，所述S3中根据预处理图像进行特征图层筛选的方法包括以下步骤：步骤2001、利用降维思想的多元统计方法对影像数据进行主成分分析；步骤2002、结合步骤2001主成分分析结果，并进行数据提取，经过主成分分析处理后的影像含有5个主成分，分别为PCA1、PCA2、PCA3、PCA4和PCA5，通过利用Arcgis10.6的多值提取至点功能，提取14个实测点位所在的经纬度的5个主成分数据，用于后续与实测总磷浓度进行总磷反演模型建模和验证。5.根据权利要求4所述一种基于特征图层筛选的水体总磷一体化智能反演方法，其特征在于，利用降维思想的多元统计方法对影像数据进行主成分分析的方法包括以下步骤：步骤2001
‑
1、构建矩阵M，其中矩阵M＝(m1，m2，...，m
p
)
T
由p个标准化的指标组成，每个指标有p个样本，矩阵M表达式为其中m
pp
表示第p个样本的第p个指标；步骤2001
‑
2、随机取p*p矩阵A＝(a1，a2，a3，...，a
p
)作为矩阵M的系数矩阵，其中p*1矩阵
Q＝(Q1、Q2、Q3、...、Q
p
)，Q1、Q2、Q3、...、Q
p

【专利技术属性】
技术研发人员：陈燕婕，狄玮琪，闫泽川，孙皓，
申请(专利权)人：江苏天汇空间信息研究院有限公司，
类型：发明
国别省市：