一种全天候蓝藻水华实时自动判识预警方法及系统技术方案

本发明专利技术涉及蓝藻水华监测技术领域，具体为一种全天候蓝藻水华实时自动判识预警方法及系统

【技术实现步骤摘要】
一种全天候蓝藻水华实时自动判识预警方法及系统


[0001]本专利技术涉及蓝藻水华监测
，具体为一种全天候蓝藻水华实时自动判识预警方法及系统
。

技术介绍

[0002]近几十年来，在气候变化和人类活动的共同影响下，内陆湖泊蓝藻水华呈现增多趋重的态势，已经成为全球广泛关注的生态环境问题
。
因此，及时预警预测蓝藻水华的发生发展，对于早防控和早处置蓝藻水华污染，确保城市饮用水安全十分重要且非常必要
。
已有各种蓝藻水华相关的监测手段和技术方法，包括卫星遥感
、
实景监控
、
气象和水质监测等，但以上方法均存在不同程度的缺陷，如卫星遥感在阴雨天气不能观测到水面情况，实景监控
、
气象和水质监测由于站点少，难以捕捉大面积湖泊的整体状况，因此，仅靠这些单一的监测手段和技术方法，尚难以有效
、
实时监测蓝藻水华的动态
。
而且，目前尚没有一种能综合应用各种监测数据来自动判识蓝藻信息和预警预测蓝藻水华发生发展的技术方法应用于实际的业务服务中
。
[0003]中国专利技术专利
CN114088907A
公开了一种水
、
陆
、
空一体化的浅水湖泊蓝藻水华监测及预警系统，包括监测系统和预警系统，所述监测系统包括监测设备
、
监测数据存储服务器
、
监测信息浏览客户端和检测信息；所述监测系统费还提供了监测数据校正的功能，根据现实湖泊水华发生情况对监测信息进行校准，监测设备包括水质
、
水位
、
气象以及多光谱摄像机；监测信息浏览客户端包括水质
、
水位
、
气象数据浏览模块和多光谱影像浏览客户端，所述预警系统包括数据处理模块管理器
、
预警结果存储服务器和预警信息浏览管理器，数据处理模块管理器包括事件管理模块
、
影像处理器
、
水质
、
水位和气象数据处理器；所述预警信息浏览管理模块包络预警信息分级处理模块
、
预警信息展示模块和预警信息管理模块；所述预警信息分级处理模块包括一级预警
、
二级预警
、
三级预警，根据实际湖泊所设置的阈值来划分预警等级，所述监测系统将水
、
陆
、
空监测信息存储进服务器中，监测数据存储服务器与预警系统相连接，将监测信息传输数据处理模块管理器中进行数据处理，得到蓝藻水华预报信息，预报信息存储至所述结果存储器，所述存储器与预警信息浏览管理模块相连接，通过预警信息浏览管理模块将预警信息分级处理并发送
。
[0004]上述对比文件存在以下缺点：
(1)
与静止卫星相比，该专利所采用的多光谱摄像机拍摄范围有限，成像不连续，监测蓝藻水华的时效性不强，无法准实时连续动态获取大范围湖泊蓝藻水华信息，且获取影像的成本也较高；
(2)
该专利提及的蓝藻水华等级阈值和预警分级指标，只停留在概念阶段，没有定量化的指标描述，可操作性不强
。

技术实现思路

[0005]本专利技术需要解决的技术问题是提供一种全天候全自动的蓝藻水华判识预警方法及系统
。
[0006]为此，本专利技术的一种全天候蓝藻水华实时自动判识预警方法，包括以下步骤，
[0007]S1
：从静止气象卫星观测的影像数据中提取蓝藻水华信息，自动生成蓝藻水华卫星遥感预警信息；
[0008]S2
：采用深度学习方法
CenterNet
从水面实时监控视频照片中提取蓝藻水华信息，形成蓝藻水华实景监控预警信息；
[0009]S3
：利用水面和周围自动气象站观测数据和未来若干天格点数值预报资料，根据适宜蓝藻水华发生发展的综合气象指标，判识蓝藻水华形成的有利或不利气象条件，自动生成蓝藻水华气象预警信息；
[0010]S4
：利用湖面水质观测数据，根据蓝藻水华发生发展的综合水质参数指标提取蓝藻水华水质预警信息
。
[0011]优选的，所述步骤
S1
具体包括以下步骤，
[0012]S11
：预处理，对静止气象卫星每
10
‑
15
分钟观测到的影像数据进行预处理，包括投影
、
裁切
、
几何精校正
、
陆地掩膜和去云处理；
[0013]S12
：大气校正处理，对预处理后的卫星图像，采用
6S
辐射传输模型进行大气效应订正处理；
[0014]S13
：角度订正处理，对上一步处理后的卫星影像，采用半经验核驱动双向反射分布函数
BRDF
模型进行角度效应订正处理；
[0015]S14
：蓝藻信息提取，对上一步处理后的卫星图像，计算每幅卫星影像的归一化植被指数
NDVI
值，公式如下：
[0016]NDVI
＝
(
ρ
nir
‑
ρ
red
)/(
ρ
nir
+
ρ
red
)
ꢀꢀꢀꢀ
(1)
[0017]其中
ρ
nir
表示卫星近红外波段的反射率，
ρ
red
表示红光波段的反射率；用计算的
NDVI
值与判识蓝藻水华的
NDVI
阈值比较确定蓝藻信息；
[0018]S15
：蓝藻水华面积计算，根据上一步骤提取蓝藻水华信息后，计算卫星遥感蓝藻水华面积，公式如下：
[0019][0020]式中：
S
为蓝藻水华影响总面积，单位为平方千米，
n
为被蓝藻水华影响的像元总数，
i
为被蓝藻水华影响的像元序号，
Δ
S
i
为第
i
个蓝藻水华像元面积，单位为平方千米；
[0021]S16
：生成蓝藻水华卫星遥感预警信息，根据上一步骤计算的蓝藻水华面积，对照卫星遥感蓝藻水华等级指标，生成蓝藻水华卫星遥感预警信息
。
[0022]优选的，所述步骤
S14
中判识蓝藻水华的
NDVI
阈值通过以下方法确定，首先对所有卫星影像的
RGB
图像进行目视分析，然后人工确定蓝藻和水体的边界，将所有相应的
NDVI
图像中沿这些边界的所有像元的平均
NDVI
值作为判识蓝藻水华的阈值
。
[0023]优选的，所述步骤
S2
具体包括以下步骤，
[0024]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种全天候蓝藻水华实时自动判识预警方法，其特征在于，包括以下步骤，
S1
：从静止气象卫星观测的影像数据中提取蓝藻水华信息，自动生成蓝藻水华卫星遥感预警信息；
S2
：采用深度学习方法
CenterNet
从水面实时监控视频照片中提取蓝藻水华信息，形成蓝藻水华实景监控预警信息；
S3
：利用水面和周围自动气象站观测数据和未来若干天格点数值预报资料，根据适宜蓝藻水华发生发展的综合气象指标，判识蓝藻水华形成的有利或不利气象条件，自动生成蓝藻水华气象预警信息；
S4
：利用湖面水质观测数据，根据蓝藻水华发生发展的综合水质参数指标提取蓝藻水华水质预警信息
。2.
根据权利要求1所述的一种全天候蓝藻水华实时自动判识预警方法，其特征在于，所述步骤
S1
具体包括以下步骤，
S11
：预处理，对静止气象卫星每
10
‑
15
分钟观测到的影像数据进行预处理，包括投影
、
裁切
、
几何精校正
、
陆地掩膜和去云处理；
S12
：大气校正处理，对预处理后的卫星图像，采用
6S
辐射传输模型进行大气效应订正处理；
S13
：角度订正处理，对上一步处理后的卫星影像，采用半经验核驱动双向反射分布函数
BRDF
模型进行角度效应订正处理；
S14
：蓝藻信息提取，对上一步处理后的卫星图像，计算每幅卫星影像的归一化植被指数
NDVI
值，公式如下：
NDVI
＝
(
ρ
nir
‑
ρ
red
)/(
ρ
nir
+
ρ
red
) (1)
其中
ρ
nir
表示卫星近红外波段的反射率，
ρ
red
表示红光波段的反射率；用计算的
NDVI
值与判识蓝藻水华的
NDVI
阈值比较确定蓝藻信息；
S15
：蓝藻水华面积计算，根据上一步骤提取蓝藻水华信息后，计算卫星遥感蓝藻水华面积，公式如下：式中：
S
为蓝藻水华影响总面积，单位为平方千米，
n
为被蓝藻水华影响的像元总数，
i
为被蓝藻水华影响的像元序号，
Δ
S
i
为第
i
个蓝藻水华像元面积，单位为平方千米；
S16
：生成蓝藻水华卫星遥感预警信息，根据上一步骤计算的蓝藻水华面积，对照卫星遥感蓝藻水华等级指标，生成蓝藻水华卫星遥感预警信息
。3.
根据权利要求2所述的一种全天候蓝藻水华实时自动判识预警方法，其特征在于，所述步骤
S14
中判识蓝藻水华的
NDVI
阈值通过以下方法确定，首先对所有卫星影像的
RGB
图像进行目视分析，然后人工确定蓝藻和水体的边界，将所有相应的
NDVI
图像中沿这些边界的所有像元的平均
NDVI
值作为判识蓝藻水华的阈值
。4.
根据权利要求1所述的一种全天候蓝藻水华实时自动判识预警方法，其特征在于，所述步骤
S2
具体包括以下步骤，步骤
S21
：数据预处理，从水面实景监控数据中读取一张图像，并经过
CenterNet
的数据
增强之后输送到
backbone
中，作为网络的输入；步骤
...

【专利技术属性】
技术研发人员：李亚春，杭鑫，李心怡，朱士华，唐飞，孙良宵，曹云，阚婉玲，
申请(专利权)人：江苏省气候中心，
类型：发明
国别省市：