【技术实现步骤摘要】
本专利技术涉及水质监测，特别是涉及一种基于卷积神经网络的水质指标反演方法及系统。
技术介绍
1、水质监测是水质状况评价和水污染防治的主要依据，cod、nh3-n、tp、tn能够很好的反映水质污染情况，准确及时地检测各指标在水中的浓度分布对水生态的污染治理和环境保护有着重要的意义。传统的水质检测方法费时费力，而且对于大规模水质检测也不够现实。随着遥感影像技术的发展，石甜甜等运用深度学习的方法对遥感影像水体分割提取，获得的水体轮廓更清晰。而且遥感影像具有低成本、覆盖范围广、光谱波段丰富等优点，可以对水质参数的变化进行长期动态监测。曾群等为提高meris图像反演叶绿素a的精度，以鄱阳湖为研究区，对几种应用于meris图像数据的大气校正方法做了对比。cao等使用机器学习算法估算内陆浑浊湖泊叶绿素a浓度，该方法提高了landsat-8影像数据反演叶绿素a浓度的准确性，并可以提高获取叶绿素a空间分布信息的能力。yanhu he等基于多时相遥感影像和大沙河水库野外观测资料，利用bp神经网络建立内陆水库水质参数反演模型，对水库富营养化进行评价，bp反演...
【技术保护点】
1.一种基于卷积神经网络的水质指标反演方法，其特征在于，包括：
2.根据权利要求1所述的基于卷积神经网络的水质指标反演方法，其特征在于，所述获取研究区域的遥感影像和多个实测水质样点数据，具体包括：
3.根据权利要求1所述的基于卷积神经网络的水质指标反演方法，其特征在于，所述对所述数据源进行预处理，得到预处理后的数据源，具体包括：
4.根据权利要求3所述的基于卷积神经网络的水质指标反演方法，其特征在于，所述对所述预处理后的数据源进行处理，得到处理后的数据源，具体包括：
5.根据权利要求4所述的基于卷积神经网络的水质指标反演...
【技术特征摘要】
1.一种基于卷积神经网络的水质指标反演方法，其特征在于，包括：
2.根据权利要求1所述的基于卷积神经网络的水质指标反演方法，其特征在于，所述获取研究区域的遥感影像和多个实测水质样点数据，具体包括：
3.根据权利要求1所述的基于卷积神经网络的水质指标反演方法，其特征在于，所述对所述数据源进行预处理，得到预处理后的数据源，具体包括：
4.根据权利要求3所述的基于卷积神经网络的水质指标反演方法，其特征在于，所述对所述预处理后的数据源进行处理，得到处理后的数据源，具体包括：
5.根据权利要求4所述的基于卷积神经网络的水质指标反演方法，其特征在于，所述将所述训练数据集采用卷积...
【专利技术属性】
技术研发人员：郭中华，闫翔，石甜甜，王颖，李强，
申请(专利权)人：宁夏大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。