一种基于无人机高光谱与热红外的水质监测方法技术

本发明专利技术公开了一种基于无人机高光谱与热红外的水质监测方法，涉及水质监测领域，所述一种基于无人机高光谱与热红外的水质监测方法包括以下步骤：S1:技术路线步骤，整体技术包括现场监测、模型分析、样本检测、机器学习和监测报告输出五个方面，利用无人机载高光谱成像仪系统，对部分河段的排污，水质进行机载全流域每天巡检监测，现场监测之后，得到准确的样本检测和模型分析得出数据，然后通过机器学习，之后再通过监测报告输出具体的结果，数据结果实时得到并反馈；本发明专利技术具有宏观、时效性高和成本低等特点，在水质监测的应用上比常规检测有显著的优点，它即可满足大范围内水质监测的需要，又可以动态跟踪污染情况的变化。又可以动态跟踪污染情况的变化。

【技术实现步骤摘要】
一种基于无人机高光谱与热红外的水质监测方法


[0001]本专利技术涉及水质监测领域，具体是一种基于无人机高光谱与热红外的水质监测方法。

技术介绍

[0002]高光谱遥感具有光谱分辨率高、波段范围窄、图谱合一、连续成像等特点，能够区分出地物光谱的细微差别，探测到其他宽波段遥感无法探测的信息。因此，高光谱遥感在生态环境、大气和海洋等诸多应用领域具有很大优势。近年来，高光谱环境遥感方面的一个重要应用是进行水资源环境监测。水资源监测的主要目的是了解区域内水资源污染情况，水质的监控，为饮用水安全提供保障，为健康生态环境提供保障。近年来持续开展了热红外定量遥感研究工作，建立了针对多源多尺度热红外遥感数据的地表温度与发射率估算方法，形成相关遥感产品，实现地表温度产品在水质监测、人居适宜性监测等领域的应用。
[0003]但是传统的水质监测多采用就地取样和送样实验室分析等方法，费时费力成本高，且不能做到实时监测和大面积监测，且不具有宏观、时效性高和成本低等特点，在水质监测的应用上没有显著的优点，不可以满足大范围内水质监测的需要，也无法动态跟踪污染情况的变化，整体的使用效果较差。
[0004]因此，本领域技术人员提供了一种基于无人机高光谱与热红外的水质监测方法，以解决上述
技术介绍
中提出的问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于无人机高光谱与热红外的水质监测方法，以解决上述
技术介绍
中提出的但是传统的水质监测多采用就地取样和送样实验室分析等方法，费时费力成本高，且不能做到实时监测和大面积监测，且不具有宏观、时效性高和成本低等特点，在水质监测的应用上没有显著的优点，不可以满足大范围内水质监测的需要，也无法动态跟踪污染情况的变化，整体的使用效果较差的问题。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]一种基于无人机高光谱与热红外的水质监测方法，所述一种基于无人机高光谱与热红外的水质监测方法包括以下步骤：
[0008]S1:技术路线步骤，整体技术包括现场监测、模型分析、样本检测、机器学习和监测报告输出五个方面，利用无人机载高光谱成像仪系统，对部分河段的排污，水质进行机载全流域每天巡检监测，现场监测之后，得到准确的样本检测和模型分析得出数据，然后通过机器学习，之后再通过监测报告输出具体的结果，数据结果实时得到并反馈；
[0009]S2:现场监测步骤，利用无人机搭载写入了不同污染物识别算法的高光谱成像系统，通过设定好的航线，对部分河段进行全方位每日巡检监测，在推扫成像的同时，不同污染物依据对应的几个敏感波段的算法模型，通过这几个波段形成一幅污染影像图，实时准确的进行污染程度的数据图像回传；
[0010]S3:模型分析步骤，首先确定几种最常见的污染源，如BOD,COD,氮氧化物，绿藻，先在某片水域进行不同浓度，不同污染物的光谱采集工作。建立一个相对完善的数据库系统，通过对不同污染物的数据进行分析，找到不同污染物的特征波段，得到相对应的模型算法，并将识别的模型算法集成到数据采集分析软件中；
[0011]S4:样本检测步骤，河道水质采样是在无人机巡河同期间对被监测河道水体进行水样采集，按照国家标准GB3838
‑
2002进行相应水质参数分析，得到各采样点上的水质参数分类等级，从而验证最终水质参数反演结果的可靠性与真实性，然后做进一步检测；
[0012]S5:机器学习步骤，进行数据预处理操作，无人机搭载的高光谱相机获取的高光谱数据为数字量化值，无物理意义，需转化为具有物理意义的反射率数据，降噪的目的主要是为了突出图像的特征信息，提高图像的信噪比，利用ENVI5.3自带的curve smoothing对图像进行降噪处理；
[0013]S6:监测报告输出步骤，通过对高光谱的水质监测指标进行对比，然后得出具体的监测数据结论，然后将数据结论生成报告，进行报告输出。
[0014]作为本专利技术的一种优选实施方式：所述现场监测步骤中，运用无人机搭载自足研发的摄像头进行河流高光谱数据采集，数据获取当天晴朗无云，飞行高度为200米，获取高光谱数据，无人机载高光谱成像系统为Gaiasky
‑
mini2
‑
VN(400
‑
1000nm)。
[0015]作为本专利技术的一种优选实施方式：所述现场监测步骤中，无人机包括飞行控制系统、导航系统及电源分配电路板，电源分配电路板将电池电源分为8路电源，其中6路分配于6路电子调速器，1路分配于飞行控制系统，1路分配于降压系统，降压系统将电源DC48V转化为DC24V，且在输出端分为3路DC24V，1路用于数据链供电，1路用于水质检测装置供电，1路对接MP1584ENDC－DC模块，通过MP1584ENDC－DC模块，将DC24V降压为DC0－
±
5V，用于水质检测的收放设备自主起动。
[0016]作为本专利技术的一种优选实施方式：所述机器学习步骤中，具体转化方式如公式所示，
[0017][0018]其中，Reftarget为目标物的反射率，DNtarget为目标物的DN值，DNdark为相机本身的暗点流DN值，DNwhite为参考板的DN值，Refwhite为参考板的反射率。
[0019]作为本专利技术的一种优选实施方式：所述监测报告输出步骤中，高光谱的水质监测指标主要包括叶绿素a、浊度、悬浮物浓度、水色指数和有色可溶性有机物CDOM。
[0020]与现有技术相比，本专利技术的有益效果是：
[0021]本专利技术一种基于无人机高光谱与热红外的水质监测方法,能够改变传统的水质监测多采用就地取样和送样实验室分析等方法，费时费力成本高，且不能做到实时监测和大面积监测的特点，高光谱遥感具有宏观、时效性高和成本低等特点，在水质监测的应用上比常规检测有显著的优点，它即可满足大范围内水质监测的需要，又可以动态跟踪污染情况的变化。
具体实施方式
[0022]本专利技术实施例中，一种基于无人机高光谱与热红外的水质监测方法，一种基于无人机高光谱与热红外的水质监测方法包括以下步骤：
[0023]S1:技术路线步骤，整体技术包括现场监测、模型分析、样本检测、机器学习和监测报告输出五个方面，利用无人机载高光谱成像仪系统，对部分河段的排污，水质进行机载全流域每天巡检监测，现场监测之后，得到准确的样本检测和模型分析得出数据，然后通过机器学习，之后再通过监测报告输出具体的结果，数据结果实时得到并反馈；
[0024]S2:现场监测步骤，利用无人机搭载写入了不同污染物识别算法的高光谱成像系统，通过设定好的航线，对部分河段进行全方位每日巡检监测，在推扫成像的同时，不同污染物依据对应的几个敏感波段的算法模型，通过这几个波段形成一幅污染影像图，实时准确的进行污染程度的数据图像回传；
[0025]S3:模型分析步骤，首先确定几种最常见的污染源，如BOD,COD,氮氧化物，绿藻，先在某片水域进行不同浓度，不同污染物的光谱采集工作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机高光谱与热红外的水质监测方法，其特征在于，所述一种基于无人机高光谱与热红外的水质监测方法包括以下步骤：S1:技术路线步骤，整体技术包括现场监测、模型分析、样本检测、机器学习和监测报告输出五个方面，利用无人机载高光谱成像仪系统，对部分河段的排污，水质进行机载全流域每天巡检监测，现场监测之后，得到准确的样本检测和模型分析得出数据，然后通过机器学习，之后再通过监测报告输出具体的结果，数据结果实时得到并反馈；S2:现场监测步骤，利用无人机搭载写入了不同污染物识别算法的高光谱成像系统，通过设定好的航线，对部分河段进行全方位每日巡检监测，在推扫成像的同时，不同污染物依据对应的几个敏感波段的算法模型，通过这几个波段形成一幅污染影像图，实时准确的进行污染程度的数据图像回传；S3:模型分析步骤，首先确定几种最常见的污染源，如BOD,COD,氮氧化物，绿藻，先在某片水域进行不同浓度，不同污染物的光谱采集工作。建立一个相对完善的数据库系统，通过对不同污染物的数据进行分析，找到不同污染物的特征波段，得到相对应的模型算法，并将识别的模型算法集成到数据采集分析软件中；S4:样本检测步骤，河道水质采样是在无人机巡河同期间对被监测河道水体进行水样采集，按照国家标准GB3838
‑
2002进行相应水质参数分析，得到各采样点上的水质参数分类等级，从而验证最终水质参数反演结果的可靠性与真实性，然后做进一步检测；S5:机器学习步骤，进行数据预处理操作，无人机搭载的高光谱相机获取的高光谱数据为数字量化值，无物理意义，需转化为具有物理意义的反射率数据，降噪的目的主要是为了突出图像的特征信息，提高图像的信噪比，利用ENVI5.3自带的curve smoothing对图像进行降噪处理；S6:监测报告输出步骤，通过对高光谱的...

【专利技术属性】
技术研发人员：杨大勇，姜国强，黄文俊，罗云，钟森鸣，
申请(专利权)人：佛山市奥博环保技术有限公司，
类型：发明
国别省市：