基于无人机多光谱影像的城市河道TSM浓度反演方法技术

本发明专利技术公开了基于无人机多光谱影像的城市河道TSM浓度反演方法，该反演方法包括以下步骤：多光谱影像获取：通过DJIM300RTK搭载长光禹辰AQ600pro在200米高空处获取的无人机多光谱影像，获取的450nm

【技术实现步骤摘要】
基于无人机多光谱影像的城市河道TSM浓度反演方法


[0001]本专利技术涉及城市河道污染分析
，具体为基于无人机多光谱影像的城市河道TSM浓度反演方法。

技术介绍

[0002]随着城市化的发展，城市河道污染日趋严重，其污染复杂多样，带来了不好的感官体验。前期课题研究将城市河道的污染大体划分成了无机主导型、有机主导型、营养主导型和混合型四大类型，根据不同类型的污染特点进行了对比和分类。
[0003]TSM是水体中总悬浮颗粒物，是水环境评价的重要参数之一，它直接影响水质状况，决定这水下光场能的分布，影响水体的初级生产力。
[0004]于是，有鉴于此，提出基于无人机多光谱影像的城市河道TSM浓度反演方法。

技术实现思路

[0005]本专利技术的目的在于提供基于无人机多光谱影像的城市河道TSM浓度反演方法，以解决上述
技术介绍
中提出的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：基于无人机多光谱影像的城市河道TSM浓度反演方法，该反演方法包括以下步骤：
[0007]多光谱影像获取：通过DJI M300 RTK搭载长光禹辰AQ 600pro在200米高空处获取的无人机多光谱影像，获取的450nm
±
35、555nm
±
27、660nm
±
22、720nm
±
10、840nm
±
30，五个波段的影像反射率影像；
[0008]污染类型分类：根据城市河道的表观特性，对河道污染类型进行分类，划分四类：绿色：营养型；黄色：无机型；黑色、棕红色：有机型；其他为：混合型；
[0009]影像数据校正提取：将影像运用拍摄时的灰板反射率和同步拍摄时记录的入射光线参数进行辐射校正，对矫正后的影像进行数据提取，通过采样点位GPS坐标位置的确定，将采样点与无人机影像叠加，用ENVI5.3提取影像B1
‑
B5的反射率值；
[0010]数据计算：采用线性、二次多项式、幂和指数回归方法构建函数关系，采用四种回归方法建立实测总悬浮物浓度和无人机遥感影像反射率之间的函数关系，线性、二次多项式、幂和指数的公式分别如下：
[0011]y＝ax+b
[0012]y＝ax2+bx+c
[0013]y＝ax
b y＝ax
b
[0014]y＝ae
bx
。
[0015]进一步的，所述污染类型分类对选点采样点位进行采样1000ml，并进行TSM的测定。
[0016]进一步的，所述数据计算以PLS、RF、XGBoost机器学习建模，公式如下：Y＝X
×
β+E，随机森林以决策树为基学习器建立Baggi ng集成，采用随机选择原则进行决策树的生长；
[0017][0018]XGBoost是计算式为：
[0019][0020]进一步的，所述数据计算以决定系数、均方根误差、平均聚堆百分比误差、偏差4个指标为统计量，相对分析误差为重要评价指标；
[0021]决定系数R2评价预测和真实值之间的一致性程度；
[0022][0023]RMSE是指预测和真实值偏差的平方与影像矩阵比值的平方根，计算公式如下：
[0024][0025]MAPE代表预测值与真实值偏差绝对值的百分比，计算公式如下：
[0026][0027]偏差代表预测值与真实值偏差，公式如下：
[0028][0029][0030]本专利技术提供了基于无人机多光谱影像的城市河道TSM浓度反演方法，具备以下有益效果：该基于无人机多光谱影像的城市河道TSM反演方法，极大缩短了测量TSM所需要的采样和测定时间，同时也避免了“点”采样的偶然性和片面性，减少了测量过程中的人为误差，如河水的扰动带来的TSM增大；实现小尺度高分辨率的TSM反演，可以预测污染物浓度；通过拟合反演，可以从整体上体现河道的TSM分布情况；基于无人机多光谱影像的数据获取，实时性强，获取方便，成本低廉，效率高；基于无人机影像的面状数据整体分析，加上时间和空间上的数据对比，可以揭示污染源的分布和迁移过程，跟踪污染物的扩散。
附图说明
[0031]图1为本专利技术基于无人机多光谱影像的城市河道TSM浓度反演方法的各波段反射率特征示意图；
[0032]图2为本专利技术基于无人机多光谱影像的城市河道TSM浓度反演方法的遥感影像波段与TSM的相关性分布图；
[0033]图3为本专利技术基于无人机多光谱影像的城市河道TSM浓度反演方法的机器学习模型验证散点图。
具体实施方式
[0034]请参阅图1
‑
图3，本专利技术提供一种技术方案：基于无人机多光谱影像的城市河道TSM浓度反演方法，该反演方法包括以下步骤：多光谱影像获取：基于无人机光谱影像，通过DJIM300RTK搭载长光禹辰AQ600pro在200米高空处获取的无人机多光谱影像，获取的450nm
±
35、555nm
±
27、660nm
±
22、720nm
±
10、840nm
±
30，五个波段的影像反射率影像，污染类型分类：根据城市河道的表观特性，对河道污染类型进行简单分类，划分四类：绿色：营养型；黄色：无机型；黑色、棕红色：有机型；其他为：混合型。遵循《地表水和污水监测技术规范》(HJ/T91
‑
2002)要求执行，对选点采样点位进行采样1000ml，并进行TSM的测定，影像数据校正提取：将影像运用拍摄时的灰板反射率和同步拍摄时记录的入射光线参数进行辐射校正，对矫正后的影像进行数据提取。通过采样点位GPS坐标位置的确定，将采样点与无人机影像叠加，用ENVI5.3提取影像B1
‑
B5的反射率值。因为无人机近地多光谱影像分辨率原高于遥感影像，可以达到5cm左右的分辨率，因此点位的确定也至关重要。
[0035]数据计算方法如下：
[0036]采用线性、二次多项式、幂和指数回归方法构建函数关系。
[0037]回归模型是依赖于数学统计方法的应用，具有非常有效的可解释性和逻辑性。本研究采用四种回归方法建立实测总悬浮物浓度和无人机遥感影像反射率之间的函数关系。线性(Line)、二次多项式(Polynomial)、幂(Power)和指数(Exponential)的公式分别如下：
[0038]y＝ax+b(1)
[0039]y＝ax2+bx+c(2)
[0040]y＝ax
b
y＝ax
b
(3)
[0041]y＝ae
bx
(4)
[0042]其中y表示TSM浓度，x表示UAV影像反射率，a，b，c是常数，e表示自然对数。
[0043]以PLS(偏最小二乘)、RF(随机森林)、XGBoost(极限梯度提升)机器学习建模。
[0044]偏最小二乘(P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于无人机多光谱影像的城市河道TSM浓度反演方法，其特征在于，该反演方法包括以下步骤：多光谱影像获取：通过DJIM300RTK搭载长光禹辰AQ600pro在200米高空处获取的无人机多光谱影像，获取的450nm
±
35、555nm
±
27、660nm
±
22、720nm
±
10、840nm
±
30，五个波段的影像反射率影像；污染类型分类：根据城市河道的表观特性，对河道污染类型进行分类，划分四类：绿色：营养型；黄色：无机型；黑色、棕红色：有机型；其他为：混合型；影像数据校正提取：将影像运用拍摄时的灰板反射率和同步拍摄时记录的入射光线参数进行辐射校正，对矫正后的影像进行数据提取，通过采样点位GPS坐标位置的确定，将采样点与无人机影像叠加，用ENVI5.3提取影像B1
‑
B5的反射率值；数据计算：采用线性、二次多项式、幂和指数回归方法构建函数关系，采用四种回归方法建立实测总悬浮物浓度和无人机遥感影像反射率之间的函数关系，线性、二次多项式、幂和指数的公式分别如下：y＝...

【专利技术属性】
技术研发人员：易虹辰，唐毅，潘杨，张磊，谷一平，褚峰，马晨晓，谢金银，
申请(专利权)人：苏州科技大学，
类型：发明
国别省市：