基于改进最小二乘法的小微水域水质监测方法技术

本发明专利技术涉及基于改进最小二乘法的小微水域水质监测方法，包括：采集小微水域的多光谱遥感影像，并进行拼接、裁剪，得到单通道的反射率；对单通道的波段进行组合运算，选择确定与小面积水域水质参数相关性高的光谱波段组合公式；对最小二乘法回归模型进行改进，并建立水质要素的反演模型；针对各水质要素选出精度最高的最优反演模型；从待测水域的遥感影像中提取研究区域，利用得到的各水质要素的最优反演模型，计算出水域每个像元对应的水质参数，得到水域的水质参数分布情况。本发明专利技术提供了一种快速高效的小面积水域水质多要素实时监测方法，可及时全面反映水域生态变化情况。可及时全面反映水域生态变化情况。可及时全面反映水域生态变化情况。

【技术实现步骤摘要】
基于改进最小二乘法的小微水域水质监测方法


[0001]本专利技术属于生态环境监测领域，具体涉及一种基于改进最小二乘法的小微水域水质监测方法。

技术介绍

[0002]水质监测通常采用实验室检测法，需要相关人员在科学规划布设采样点的基础上严格地按照污水监测标准要求采集水样，再按照实验室标准要求和手段获取真实状态下的水质参数浓度值，按照相关的评价体系对于该区域的水质状况进行综合分析，这样的测量方式可以得到采样点位置的准确水质要素浓度，但是其采集的区域范围十分有限，且需要大量的人力、物力资源以及大量的时间成本消耗，而水质监测的对象大部分为变化的动态监测对象，所以传统实验室方法无法及时获取监测区域水质污染状况，需要新的方法、途径来实现实时水质监测，与传统方法共同构建新的水质监测体系。
[0003]当前空间信息技术在飞速发展，遥感技术得到了广泛应用，因为其成本低、速度快、资料同步性好、观测面积大等优点，已经被广泛地应用于水质动态监测，为水质监测提供了新的技术支撑。然而遥感卫星的空间分辨率有限，只能识别出海洋、湖泊等一些水域面积较大的水体，对于城市小微水域的水质监测存在诸多局限。

技术实现思路

[0004]本专利技术的目的是针对上述问题，提供一种基于改进最小二乘法的小微水域水质监测方法，利用无人机采集水域的多光谱遥感影像，并选择确定水域水质参数相关性高的光谱波段组合；对最小二乘法回归模型进行改进，建立水质要素与水域光谱波段组反射率的高精度反演模型，实现水域水质参数空间分布情况的精确计算，便于实时监控水域生态变化。
[0005]本专利技术的技术方案是基于改进最小二乘法的小微水域水质监测方法，包括以下步骤：
[0006]步骤1：采集小微水域的多光谱遥感影像，并对遥感影像进行拼接、裁剪，得到单通道的反射率；
[0007]步骤2：对单通道的波段进行组合运算，选择确定与小面积水域水质参数相关性高的光谱波段组合；
[0008]步骤3：对最小二乘法回归模型进行改进，并利用其建立水质要素的反演模型；
[0009]步骤4：将步骤3得到的反演模型与多项式函数、线性函数和幂函数建立的水质要素反演模型进行对比，针对各水质要素选出精度最高的最优反演模型；
[0010]步骤5：从待测水域的遥感影像中提取研究区域，利用步骤4得到的各水质要素的最优反演模型，计算出水域每个像元对应的水质参数，得到水域的水质参数分布情况。
[0011]进一步地，步骤2具体包括以下子步骤：
[0012]步骤2.1：水域现场采样与无人机拍摄水域影像同步进行，按照国家标准检测方法
在实验室内完成水质参数测定，水质参数包括水体总氮、总磷、浊度和藻密度；
[0013]步骤2.2：将步骤2.1得到的水域影像导入遥感图像处理软件，并进行波段运算，得到各波段采样点的反射率；
[0014]步骤2.3：尝试多样化的组合计算，进行相关性分析，筛选相关性较高的波段组合公式对应的反射率作为模型的自变量。
[0015]优选地，步骤2.1中，水体总氮采用碱性过硫酸钾消解紫外分光光度法测定。
[0016]优选地，步骤2.1中，水体总磷采用钼酸铵分光光度法测定。
[0017]优选地，步骤2.1中，藻密度使用分光光度法测定。
[0018]步骤3中，选择相关性高的波段组合作为自变量，使用改进的最小二乘法建立各水质参数与波段因子的反演模型；最小二乘法以最小的误差平方和寻找样本点的最匹配的直线，使总的拟合误差即总残差达到最小。
[0019]样本回归模型：
[0020][0021]式中Y
i
表示第i个样本的预测值；X
i
表示第i个样本；e
i
表示第i个样本的误差；均为回归系数。
[0022]残差平方和：
[0023][0024]式中Q表示样本数据的残差平方和；n表示样本点的总数量；表示第i个样本的真实值。
[0025]通过Q最小确定样本点的拟合直线，即确定以为变量，把它们看作是Q的函数，就变成求极值问题，可通过求导数得到。
[0026]求Q对两个待估参数的偏导数：
[0027][0028]解得
[0029][0030][0031]考虑回归模型中的因变量即水质参数值与自变量即反射率的关系，某些自变量只会对某些因变量产生影响，并不一定对其它因变量产生影响，改进的最小二乘法采用双重筛选的逐步回归算法，不仅对自变量进行筛选，而且对因变量进行筛选，剔除相关性不显著
的自变量和因变量，既能按照因变量与自变量的关系对因变量进行分组，又能使每个自变量对各因变量的影响体现出来，最后实现分组建立回归方程。
[0032]进一步地，所述双重筛选的逐步回归算法，具体计算过程如下：
[0033]1)确定反演模型的自变量、因变量的取舍标准；
[0034]设F
x
和F
y
分别为自变量和因变量的引入和剔除临界值，则取
[0035]F
x
＝F(p/2,n
‑
(p+m)/2)(6)
[0036]F
y
＝F(m/2,n
‑
(p+m)/2)(7)
[0037]式中m、p分别为自变量、因变量的数量，取临界值大于等于零以保证逐步筛选变量过程在有限步后停止；
[0038]2)任意选入一个因变量；
[0039]3)逐个检查是否需要剔除自变量；
[0040]4)逐个检查是否需要引入自变量，如有自变量被引入则转到步骤3)；
[0041]5)逐个检查是否需要剔除因变量，如有因变量被剔除则转到步骤3)；
[0042]6)引入因变量，转到步骤3)；
[0043]7)计算回归方程。
[0044]相比现有技术，本专利技术的有益效果包括：
[0045]1)本专利技术的改进的最小二乘法回归模型相比多项式函数、线性函数和幂函数等建立的水质要素反演模型，在模型精度上有大幅度提高，且有效控制了过拟合；
[0046]2)本专利技术将水域遥感图像的波段反射率与改进的最小二乘法回归模型相结合，提供了一种快速高效的小面积水域水质多要素实时监测方法，可及时全面反映水域生态变化情况；
[0047]3)经验证，本专利技术的改进的最小二乘法回归模型对水质参数的反演精度与传统卫星遥感的反演精度接近，实现了对研究区域的水质参数空间分布状况的精确监控，实用性好，具有一定的工程应用水平和推广使用价值。
附图说明
[0048]下面结合附图和实施例对本专利技术作进一步说明。
[0049]图1为本专利技术实施例的小微水域水质监测方法的流程示意图。
[0050]图2为本专利技术实施例的无人机遥感图像拼接的示意图，图2的红点表示根据无人机影像经纬度确定的采样范围。
[0051]图3a为本专利技术实施例的线性函数、多项式函数、幂函数模型和改进的最小二乘法建立的水体总氮与水本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进最小二乘法的小微水域水质监测方法，其特征在于，包括以下步骤：步骤1：采集小微水域的多光谱遥感影像，并对遥感影像进行拼接、裁剪，得到单通道的反射率；步骤2：对单通道的波段进行组合运算，选择确定与小面积水域水质参数相关性高的光谱波段组合；步骤3：对最小二乘法回归模型进行改进，并利用其建立水质要素的反演模型；步骤4：将步骤3得到的反演模型与多项式函数、线性函数和幂函数建立的水质要素反演模型进行对比，针对各水质要素选出精度最高的最优反演模型；步骤5：从待测水域的遥感影像中提取研究区域，利用步骤4得到的各水质要素的最优反演模型，计算出水域每个像元对应的水质参数，得到水域的水质参数分布情况。2.根据权利要求1所述的小微水域水质监测方法，其特征在于，步骤2具体包括以下子步骤：步骤2.1：水域现场采样与无人机拍摄水域影像同步进行，在实验室内完成水质参数测定；步骤2.2：将步骤2.1得到的水域影像导入遥感图像处理软件，并进行波段运算，得到各波段采样点的反射率；步骤2.3：尝试多样化的组合计算，进行相关性分析，筛选相关性较高的波段组合对应的反射率作为模型的自变量。3.根据权利要求2所述的小微水域水质监测方法，其特征在于，步骤2.1中，水体总氮采用碱性过硫酸钾消解紫外分光光度法测定。4.根据权利要求2所述的小微水域水质监测方法，其特征在于，步骤2.1中，水体总磷采用钼酸铵分光光度法测定。5.根据权利要求2所述的小微水域水质监测方法，其特征在于，步骤2.1中，藻密度使用分光光度法测定。6.根据权利要求2所述的小微水域水质监测方法，其特征在于，步骤3中，选择相关性高的波段组合作为自变量，使用改进的最小二乘法建立各水质参数与波段因子的反演模型；最小二乘法以最小的误差平方和寻找样本点的最匹配的直线，使总的拟合误差即总残差达到最小；样本回归模型：式中Y

【专利技术属性】
技术研发人员：周爽爽，
申请(专利权)人：三峡大学，
类型：发明
国别省市：