【技术实现步骤摘要】
本专利技术属于湖泊水质数据解译及处理，尤其涉及基于r语言的水质遥感解析和月报批量生成系统及方法。
技术介绍
1、1.r语言和r markdown，r语言，是一种自由开源的统计分析语言，最初由西兰奥克兰大学的罗斯·艾兰(ross ihaka)和罗伯特·杰特罗(robert gentleman)于20世纪90年代初开发。r语言的起源是为了满足对统计分析方法的研究需求，随着时间的推移，它已逐渐演化为一种功能强大、灵活且广泛应用于数据科学领域的语言。r语言具有多项显著优点，其中包括自由开源、高度可扩展性、庞大的社区支持、丰富的数据处理和分析函数、强大的可视化能力以及适应各种统计分析和数据建模需求的灵活性。
2、在卫星遥感数据的领域，r语言得以广泛应用于数据的读取、处理和可视化。它提供了多个数据包，如raster、sp和rgdal等，用于处理多种卫星遥感数据格式，包括栅格数据、矢量数据和点云数据等。这些数据包提供了丰富的函数和工具，支持数据的预处理、裁剪和投影变换等操作。此外，r语言还拥有强大的空间统计分析功能，用于处理卫星遥感数据的空间模式分析、插值和回归分析等任务。用户可以利用空间统计包，如spatial和gstat，进行空间变异性分析、克里金插值和泰森多边形分析等。
3、另外，r语言提供了丰富的图形和可视化函数，用户可以使用ggplot2等包创建高质量、美观的地图、图表和图像，以直观展示和分析卫星遥感数据。总之，r语言以其灵活性、社区资源的丰富性和统计分析能力的强大性，为卫星遥感数据处理领域提供了一种高效、自
4、当前水质月报生成存在较为繁琐的人工操作，通过手动采样获取数据后，进行电脑输入并保存为excel文档，最终制作成月报提交保存。然而，随着水质监管任务的不断增加和数据频率的提高，人工操作已无法满足需求。水质监管人员有限的数量导致从采样到月报生成再到提交保存的流程时间较长，影响水质数据的时效性和准确性。
5、面对这些实际问题，现行的水质月报生成方法无法有效应对。随着信息技术和移动互联网技术的迅速发展，该问题得到有效解决，开发出一种高效的水质遥感解析及批量生成水质月报的方法，这不仅有助于相关部门提升水质监管水平和效率，减少人力资源消耗，更能实现信息化管理和现代化管理。因此，水质遥感解析及水质月报批量生成方法在实际应用中具备重要的现实意义和广阔的发展前景。
技术实现思路
1、针对湖泊领域的数据获取和处理问题，本专利技术提供基于r语言的水质遥感解析和月报批量生成系统及方法，通过利用r语言中的shiny包，并结合湖泊遥感数据处理技术，旨在构建一个网页界面，用于实现了遥感反演水质指标模型和自动化批处理生成报告，以实现湖泊遥感数据的可视化查询和交互式处理。
2、根据本专利技术的第一方面，本专利技术提供基于r语言的水质遥感解析和月报批量生成系统，包括：
3、现场采样模块，用户可根据需要点击需要查询的采样日期与化验水质信息；
4、遥感解译模块，用户可根据需要点击需要查询的解译日期与遥感水质信息；
5、模型预警模块，用户可根据需要点击需要查询的解译日期与遥感水质信息；
6、时间序列模块，用户可根据需要点击需要查询的点位与水质信息；
7、报告生成模块，用户可根据需要点击需要查询的年月，并选择文档类型，点击生成报告下载。
8、在上述技术方案的基础上，本专利技术还可以作出如下改进。
9、可选的，在所述现场采样模块和时间序列模块中，现场采样数据主要包括实测高锰酸盐指数、氨氮、总磷、总氮、叶绿素、水温、浊度、ph值、电导率、溶解氧的数据指标。
10、可选的，在所述遥感解译模块和模型预警模块中，遥感数据反演内容主要包括速度场、叶绿素、溶解氧、氨氮、水温总氮、化学需氧量、总磷的数据指标。
11、可选的，在所述报告生成模块中，按照标准绘制卫星过境rgb影像图、水质等级图、水质指标图，并选择word或者html格式进行下载。
12、根据本专利技术的第二方面，本专利技术提供基于r语言的水质遥感解析和月报批量生成方法，包括以下步骤：
13、s1：根据遥感解译模块，获取卫星遥感数据，并对卫星遥感数据进行预处理；
14、s2：根据现场采样模块，获取湖泊水体水质实测数据；
15、s3：根据模型预警模块，构建随机森林模型并评估性能；将卫星遥感数据作为x值进行训练，对卫星遥感数据进行划分为训练集和测试集；将湖泊水体水质实测数据作为y值进行训练，将x-y数据代入到随机森林模型中进行训练；
16、s4：使用训练好的模型，将卫星遥感数据作为x输入，将得到的y值作为湖泊水体水质数据指标输出，实现反演；
17、s5：基于报告生成模块进行定时批处理，获得每月的水质指标反演图，基于反演图研究水体指标的变化情况，将得出结果以月报形式批量生成。
18、可选的，步骤s1中，所述卫星遥感数据包括sentinel、landsat、modis系列卫星遥感数据；所述获取遥感数据包括：
19、整理获取遥感影像资料，包括长时间序列的landsat光学卫星数据、美国锁眼系列卫星、近几年的新兴卫星雷达测高数据sentinel系列数据。
20、可选的，步骤s1中，所述对所述卫星遥感数据进行预处理包括：
21、对卫星遥感数据进行辐射定标、大气校正、空间校正、雾霾校正、去除云和阴影、波段合成、数据剪裁和重采样。
22、可选的，步骤s2中，所述获取湖泊水体水质实测数据包括：
23、省水文水资源局以及气象局提供的水质实测数据以及在反演区域选取若干个空间采样点，包括但不限于定期实测高锰酸盐指数、氨氮、总磷、总氮、叶绿素、水温、浊度、ph值、电导率、溶解氧的数据指标。
24、可选的，步骤s3中，还包括：使用训练集训练随机森林模型，采用均方根误差和纳什系数指标进行水质反演精度的检验。
25、可选的，步骤s4中，所述反演包括生成地理地形图、rgb真彩色图像、水质等级解译图、水质等级比例饼图和各项水质指标等级解译图的可视化。
26、本专利技术的技术效果和优点：
27、本专利技术提供的一种基于r语言的水质遥感解析和月报批量生成系统及方法，本专利技术系统采用r语言中的shiny包开发，实现了湖泊水质遥感数据的可视化查询和报告下载界面。其主要功能涵盖显示取样数据点及各点化验数据、显示遥感解译模型水质、显示efdc水动力学预警模型、绘制采样或者解译遥感水质时间序列和生成遥感解译月报文档五大功能。
28、本专利技术方法在不依赖多源的实测数据，在sentinel和landsat卫星光学遥感数据提取的特征向量的基础上，基于随机森林模型反演水质指标，极大的减少了获取水质情况的成本。在实现自动下载预处理卫星光学数据的前提下，实现水质指标反演的自动化，并以某一频率自动生成报告，当湖泊水质陡降时本文档来自技高网...
【技术保护点】
1.基于R语言的水质遥感解析和月报批量生成系统，其特征在于，包括：
2.根据权利要求1所述的基于R语言的水质遥感解析和月报批量生成系统，其特征在于，在所述现场采样模块和时间序列模块中，现场采样数据包括实测高锰酸盐指数、氨氮、总磷、总氮、叶绿素、水温、浊度、pH值、电导率、溶解氧十项数据指标。
3.根据权利要求1所述的基于R语言的水质遥感解析和月报批量生成系统，其特征在于，在所述遥感解译模块和模型预警模块中，遥感数据反演内容和模型预警结果包括速度场、叶绿素、溶解氧、氨氮、水温总氮、化学需氧量、总磷八项数据指标。
4.根据权利要求1所述的基于R语言的水质遥感解析和月报批量生成系统，其特征在于，在所述报告生成模块中，按照标准绘制卫星过境RGB影像图、水质等级图、水质指标图，并选择Word或者HTML格式进行下载。
5.基于R语言的水质遥感解析和月报批量生成方法，应用于权利要求1-4所述的系统，其特征在于，包括以下步骤：
6.根据权利要求5所述的基于R语言的水质遥感解析和月报批量生成方法，其特征在于，步骤S1中，所述卫星遥感数据
7.根据权利要求6所述的基于R语言的水质遥感解析和月报批量生成方法，其特征在于，步骤S1中，所述对所述卫星遥感数据进行预处理包括：
8.根据权利要求5所述的基于R语言的水质遥感解析和月报批量生成方法，其特征在于，步骤S2中，所述获取湖泊水体水质实测数据包括：
9.根据权利要求5所述的基于R语言的水质遥感解析和月报批量生成方法，其特征在于，步骤S3中，还包括：使用训练集训练随机森林模型，采用均方根误差和纳什系数指标进行水质反演精度的检验。
10.根据权利要求5所述的基于R语言的水质遥感解析和月报批量生成方法，其特征在于，步骤S4中，所述反演包括生成地理地形图、RGB真彩色图像、水质等级解译图、水质等级比例饼图和各项水质指标等级解译图的可视化。
...【技术特征摘要】
1.基于r语言的水质遥感解析和月报批量生成系统，其特征在于，包括：
2.根据权利要求1所述的基于r语言的水质遥感解析和月报批量生成系统，其特征在于，在所述现场采样模块和时间序列模块中，现场采样数据包括实测高锰酸盐指数、氨氮、总磷、总氮、叶绿素、水温、浊度、ph值、电导率、溶解氧十项数据指标。
3.根据权利要求1所述的基于r语言的水质遥感解析和月报批量生成系统，其特征在于，在所述遥感解译模块和模型预警模块中，遥感数据反演内容和模型预警结果包括速度场、叶绿素、溶解氧、氨氮、水温总氮、化学需氧量、总磷八项数据指标。
4.根据权利要求1所述的基于r语言的水质遥感解析和月报批量生成系统，其特征在于，在所述报告生成模块中，按照标准绘制卫星过境rgb影像图、水质等级图、水质指标图，并选择word或者html格式进行下载。
5.基于r语言的水质遥感解析和月报批量生成方法，应用于权利要求1-4所述的系统，其特征在于，包括以下步骤：
6....
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。