一种基于多源遥感的湖泊群有机物储量估算方法技术

本发明专利技术涉及一种基于多源遥感的湖泊群有机物储量估算方法，以湖泊流域透明度、人口密度、耕地面积比、流域降雨、风速、气温、归一化植被指数和土壤有机碳数据为输入，湖泊群COD数据为输出，构建并训练多层回溯神经网络；基于遥感数据提取湖泊水面积和湖泊水边线；基于测高卫星估算湖泊水位，对于测高卫星未覆盖的湖泊，将所述湖泊水边线与DEM叠加分析获取湖泊水面平均水位；以通过地统计方法得到的某一年湖泊平均水位为参照，结合遥感获取的湖泊水面积和水位动态获取不同年份的湖泊群水柱水储量，将得到的湖泊群COD数据与所述湖泊群水柱水储量计算乘积，即湖泊群有机物储量。本发明专利技术可实现湖泊群水柱水储量遥感动态估算。可实现湖泊群水柱水储量遥感动态估算。可实现湖泊群水柱水储量遥感动态估算。

【技术实现步骤摘要】
一种基于多源遥感的湖泊群有机物储量估算方法


[0001]本专利技术涉及光学卫星遥感及其应用领域，具体涉及一种基于多源遥感的湖泊群有机物储量估算方法。

技术介绍

[0002]湖泊是人类生产生活依赖的重要水源地，但陆地生态系统通过河流和地下水等输运大量的不同类型有机物进入湖泊，同时湖泊盐度/电导率变化也会导致有机物浓度或稀释。湖泊有机物储量变化一方面会影响水处理工艺和成本，另一方面也通过影响水气界面CO2排放和湖泊碳储量从而调节全球碳循环和气候变化。因此，为掌握湖泊水资源质量和评估湖泊在全球碳循环中扮演的角色，有必要借助大面积覆盖、长时序存档的卫星遥感资料动态估算不同盐度水平、富营养状态和有机物组成的全国湖泊有机物储量。但湖泊有机物组成十分复杂，以颗粒态和溶解态、原子态和生命体等形成共同存在，不同形态有机物的光谱响应存在差异；且因季节性降雨和冰川融化等，湖泊水面积和水位等会发生明显变化；故大区域湖泊有机物储量遥感目前尚未见报道。目前，已发表的关于湖泊有机物遥感的研究大多以太湖等为典型湖泊进行案例研究，且主要关注表层有机物浓度遥感，或结合实测水位资料和湖泊DEM进行有机物储量估算。上述针对典型湖泊构建的有机物浓度遥感算法难以应用到全国不同盐度水平、富营养状态和有机物组成的不同类型湖泊，有机物储量估算流程也无法推广至缺乏DEM或实测水位的缺资料区湖泊。综上，为实现不同类型湖泊有机物储量的动态监测，一方面需要基于全国尺度的生物光学综合调查资料构建湖泊水体有机物浓度遥感的普适性算法，另一方面需要实现全国尺度不同类型湖泊水储量的动态估算。

技术实现思路

[0003]本专利技术的目的在于提供一种基于多源遥感的湖泊群有机物储量估算方法。湖泊水体有机物含量表征指标有化学需氧量(Chemical OxygenDemand，COD)、总有机碳(Total Organic Carbon，TOC)和生物需氧量(Biochemical OxygenDemand，BOD)等。其中，COD是指示水体有机污染的最常见指标，能够反映水体有机污染程度，尤其是对水质影响明显的活性有机物，相关研究也指出湖泊水体COD与TOC或BOD之间存在良好的相关关系，故本专利技术选择COD表征湖泊水体有机物含量。
[0004]为实现上述技术目的，本专利技术采用如下技术方案：
[0005]一种基于多源遥感的湖泊群有机物储量估算方法，包括：
[0006]提取湖泊流域边界，以湖泊流域透明度、人口密度、耕地面积比、流域降雨、风速、气温、归一化植被指数和土壤有机碳数据为输入，湖泊群COD数据为输出，构建并训练多层回溯神经网络；
[0007]基于遥感数据提取湖泊水面积和湖泊水边线；
[0008]基于测高卫星估算湖泊水位，对于测高卫星未覆盖的湖泊，将所述湖泊水边线与DEM叠加分析获取湖泊水面平均水位；
[0009]以通过地统计方法得到的某一年湖泊平均水位为参照，结合遥感获取的湖泊水面积和水位动态获取不同年份的湖泊群水柱水储量；
[0010]利用所述多层回溯神经网络模型获取湖泊群COD数据，将得到的湖泊群COD数据与所述湖泊群水柱水储量计算乘积，即湖泊群有机物储量。
[0011]作为一种优选的实施方式，所述提取湖泊流域边界的方式为：以湖泊为感兴趣区，参照不同空间分辨率级别的HydroRIVERS河网数据集和DEM数据集，根据湖泊边界和地形确定入湖河流，所有入湖河流的流域范围即湖泊的流域范围。
[0012]作为一种优选的实施方式，所述透明度、湖泊群COD数据为不同湖泊、不同年代的平均值。
[0013]作为一种优选的实施方式，所述人口密度、耕地面积比、流域降雨、风速、气温、归一化植被指数和土壤有机碳数据为基于湖泊流域边界统计计算的不同湖泊流域的平均值。
[0014]作为一种优选的实施方式，所述透明度、人口密度、耕地面积比、流域降雨、风速、气温、归一化植被指数和土壤有机碳数据来源于对应的网络数据中心。
[0015]作为一种优选的实施方式，通过网格查找法确定多层回溯神经网络模型的最优回归函数和网络结构。
[0016]作为一种优选的实施方式，所述基于遥感数据提取湖泊水面积的方式为：基于大气校正后的遥感反射率数据计算修正归一化水体指数，然后基于阈值判断确定水面积。
[0017]作为一种优选的实施方式，所述遥感数据选用Landsat卫星遥感数据。
[0018]作为一种优选的实施方式，所述基于遥感数据提取湖泊水边线的方式为：在提取水面积后，通过ArcMap软件进行面转线，确定湖泊水边线。
[0019]作为一种优选的实施方式，以地统计方法得到的某一年湖泊平均水位作为该年的湖泊平均水位，所述某一年作为参考年，其他年份的湖泊水储量基于下式计算：
[0020]V(x)＝A(x)
×
D(x)
[0021]D(x)＝D(Y)+(L(x)
‑
L(Y))
[0022]式中，V(x)为年份x的水储量；A(x)为基于遥感获取的年份x的湖泊水面积；D(x)为年份x的水深；L(x)为基于遥感获取的年份x的湖泊水面平均水位；Y为参考年。
[0023]为实现不同类型湖泊水柱COD储量的遥感动态估算，，本专利技术首次构建了全国尺度的湖泊水体表层COD浓度的多层回溯神经网络(Multi
‑
layer Back Propagation Neural Network，MBPNN)遥感算法，并进一步结合DEM和遥感监测水面积等提出了一种动态估算湖泊水柱COD储量的新方法。
[0024]本专利技术具有如下有益效果：
[0025](1)由于不同类型湖泊COD来源和影响因素不同，以往估算模型如仅输入遥感反射率的估算模型只能估算一个湖泊或一类湖泊的COD，此外受云雨等影响，湖泊遥感反射率获取存在很大不确定性，不同波段反射率之间还存在极大关联或线性关系。本专利技术构建以湖泊流域多因子数据集作为自变量构建的多层回溯神经网络(Multi
‑
layer Back Propagation Neural Network，MBPNN)模型，可以增强模型应用覆盖面和降低估算结果的不确定性，可以同时估算全国不同湖泊COD，模型检验结果好，实现了遥感动态监测我国不同盐度水平、富营养状态和有机物组成的湖泊群的表层水体COD浓度。
[0026](2)对于湖泊水位估算，本专利技术优先采用搭载雷达/激光测高仪的测高卫星观测到
的湖泊水位；对其他未覆盖湖泊先用光学遥感提取出湖泊水边线，再通过与DEM进行叠加分析而获取湖泊水面平均水位，从而实现基于多源遥感资料的湖泊水位估算。
[0027](3)现有遥感技术只能获取水体表层COD浓度和水位，为实现水柱COD储量的遥感动态估算需获取湖泊水储量。针对该技术难题，本专利技术以通过地统计方法得到的2015年湖泊平均水位为参照，然后结合遥感获取的湖泊水面积和水位动态获取不同年份的水储量，拓展表层COD浓度二维遥感至水柱COD本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多源遥感的湖泊群有机物储量估算方法，其特征在于，包括：提取湖泊流域边界，以湖泊流域透明度、人口密度、耕地面积比、流域降雨、风速、气温、归一化植被指数和土壤有机碳数据为输入，湖泊群COD数据为输出，构建并训练多层回溯神经网络；基于遥感数据提取湖泊水面积和湖泊水边线；基于测高卫星估算湖泊水位，对于测高卫星未覆盖的湖泊，将所述湖泊水边线与DEM叠加分析获取湖泊水面平均水位；以通过地统计方法得到的某一年湖泊平均水位为参照，结合遥感获取的湖泊水面积和水位动态获取不同年份的湖泊群水柱水储量；利用所述多层回溯神经网络模型获取湖泊群COD数据，将得到的湖泊群COD数据与所述湖泊群水柱水储量计算乘积，即湖泊群有机物储量。2.根据权利要求1所述的方法，其特征在于，所述提取湖泊流域边界的方式为：以湖泊为感兴趣区，参照不同空间分辨率级别的HydroRIVERS河网数据集和DEM数据集，根据湖泊边界和地形确定入湖河流，所有入湖河流的流域范围即湖泊的流域范围。3.根据权利要求1所述的方法，其特征在于，所述透明度、湖泊群COD数据为不同湖泊、不同年代的平均值。4.根据权利要求1所述的方法，其特征在于，所述人口密度、耕地面积比、流域降雨、风速、气温、归一化植被指数和土壤有机碳数据为基于湖泊流域边界统计计算的不同湖泊流域的平均值...

【专利技术属性】
技术研发人员：刘东，魏小岛，郭亚丽，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：