【技术实现步骤摘要】
本专利技术涉及遥感技术和水环境监测，具体地，涉及多源数据的黑臭水体遥感综合研判方法、装置、设备及存储介质。
技术介绍
1、当前的黑臭水体遥感识别技术主要聚焦于利用黑臭水体的独特光谱特性、水色特性等遥感指标来进行准确识别，开发了多种用于黑臭水体识别的指数，如ndbwi、dbwi以及boi等。这些指数通过对遥感图像中特定波段的信息进行运算和处理，提取出与黑臭水体相关的特征信息，从而实现对黑臭水体的识别和监测。而黑臭水体的成因复杂，单一指数无法全面反映其特征和变化。因此，需要采用综合评价的方法，将多个指数的信息进行综合分析和整合。通过结合不同指数的优势对黑臭水体进行更全面、准确的识别和监测。
2、此外，黑臭水体的形成和分布具有明显的地理特性。在人口密度大、排放源多的居民区，以及建筑工地和断头河等区域，由于水体流动不畅、污染排放频繁，这些地区更容易成为黑臭水体的滋生地。目前的黑臭水体识别算法往往缺乏对这些潜在风险因子的研判。通过增加对潜在风险因子的分析和评估，可以更加准确地判断黑臭水体的形成条件和分布情况，增加算法的可移植性，提升黑臭水体识别的精度和效率。
技术实现思路
1、本专利技术的主要目的在于解决现有技术中黑臭水体识别评价指标单一，黑臭水体识别不够全面及准确，同时，也缺乏对潜在风险因子的研判的问题。
2、本专利技术第一方面提供了一种黑臭水体遥感综合研判方法，包括：
3、基于黑臭水体识别模型、富营养化水体识别模型、遥感水质参数反演模型以及潜在污染源风
4、将黑臭水体识别、富营养化水体识别、遥感水质参数反演以及潜在污染源风险提取作为评价指标，确定各个评价指标的权重，构建黑臭水体综合评价模型；
5、利用构建的黑臭水体综合评价模型进行黑臭水体识别；
6、所述黑臭水体识别模型是通过不同黑臭指数模型结合现场实测光谱信息实现黑臭水体识别；
7、所述富营养化水体识别模型是基于湖体澡华分布和水体富营养化程度实现富营养化水体识别；
8、所述遥感水质参数反演模型将不同类型的基学习器的预测结果作为元学习器的输入从而实现水质预测；
9、所述潜在污染源风险提取模型是采用多距离空间聚类分析方法分析潜在污染源风险点位空间集聚特征并确定核密度分析带宽值，利用核密度分析方法得到潜在污染源风险点位影响的密度区域图及变化趋势。
10、可选的，在本专利技术第一方面的第一种实现方式中，所述黑臭水体识别模型包括：
11、通过包括黑臭水体差值指数模型、归一化差异黑臭水体指数模型以及黑臭水体指数模型，结合历史光谱信息，依据黑臭指数经验阈值进行黑臭水体初步提取；
12、所述黑臭水体差值指数模型包括：
13、dbwi＝rrs(green)-rrs(blue)
14、所述归一化差异黑臭水体指数模型包括：
15、
16、所述黑臭水体指数模型包括：
17、
18、其中，rrs表示对应波段经大气校正后反射率值；rrs(green)表示绿波段经大气校正后反射率值；rrs(blue)表示蓝波段经大气校正后反射率值；rrs(red)表示红波段经大气校正后反射率值；
19、基于黑臭水体初步提取，结合外业实测数据，更新黑臭指数特征阈值进行黑臭水体精确提取。
20、可选的，在本专利技术第一方面的第二种实现方式中，所述富营养化水体识别模型包括：
21、利用归一化植被指数识别湖体藻华分布ndvi：
22、
23、其中，rnir表示近红外波段光谱反射率值；rred表示红波段光谱反射率值；
24、采用综合营养状态指数tli(∑)评价水体富营养化程度：
25、
26、其中，tli(j)表示第j种参数的营养状态参数；wij表示第j种参数的营养状态指数的相关权重；rij表示第j种参数与基准参数总磷的相关系数；m表示评价参数的个数。
27、可选的，在本专利技术第一方面的第三种实现方式中，所述遥感水质参数反演模型包括：
28、利用水体水质光谱库训练遥感水质参数反演模型，并利用训练后的遥感水质参数反演模型进行水质预测；
29、所述利用水体水质光谱库训练遥感水质参数反演模型，包括：
30、基于水体水质光谱库采用k折交叉验证的方式，构建k个大小相等的训练集；
31、在对每个基学习器进行k轮训练时，将k个大小相等的训练集中的每个训练集依次作为验证集，其余k-1个训练集作为训练集；
32、对每个基学习器进行k轮训练，在每轮训练中，利用当前k-1个训练集训练当前基学习器，利用当前验证集对当前训练后的基学习器进行验证得到预测结果；
33、对当前基学习器进行k轮训练后，得到k个预测结果；
34、将每个基学习器获得的预测结果对应一个特征列，基于各个基学习器对应的特征列形成特征矩阵；
35、将特征矩阵作为元特征矩阵，利用元特征矩阵和训练集的真实标签训练元学习器；
36、所述利用训练后的遥感水质参数反演模型进行水质预测，包括：
37、将岸基多光谱相机拍摄的水面影像数据输入到各个基学习器中，得到预测结果；再将预测结果输入元学习器得到最终的预测结果。
38、可选的，在本专利技术第一方面的第四种实现方式中，所述潜在污染源风险提取模型包括：
39、所述采用多距离空间聚类分析方法分析潜在污染源风险点位空间集聚特征并确定核密度分析带宽值，包括：
40、
41、其中，a表示目标区域面积；n表示目标区域内潜在污染源点位个数；d表示预期值；kij表示权重值；当l(d)<d时，研究对象呈均匀分布；当l(d)>d时，研究对象呈集聚分布；当l(d)＝d时，研究对象呈随机分布；
42、所述利用核密度分析方法得到潜在污染源风险点位影响的密度区域图及变化趋势，包括：
43、
44、其中，n表示已知带宽范围内自然保护地样本总数；l表示带宽值；k表示核密度函数；d(x1,xi)表示点位之间的欧式距离值。
45、可选的，在本专利技术第一方面的第五种实现方式中，所述将黑臭水体识别、富营养化水体识别、遥感水质参数反演以及潜在污染源风险提取作为评价指标，确定各个评价指标的权重，构建黑臭水体综合评价模型，包括：
46、对各个评价指标进行数据标准化处理，得到处理后的各个评价指标；
47、分别计算处理后的各个评价指标的信息熵；
48、
49、其中，pi表示第i个评价指标的标准化数据；
50、根据算得到的各个评价指标的信息熵获得各个评价指标的权重；
51、
52、其中，wi表示第i个评价指标本文档来自技高网...
【技术保护点】
1.一种黑臭水体遥感综合研判方法，其特征在于，包括：
2.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述黑臭水体识别模型包括：
3.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述富营养化水体识别模型包括：
4.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述遥感水质参数反演模型包括：
5.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述潜在污染源风险提取模型包括：
6.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述将黑臭水体识别、富营养化水体识别、遥感水质参数反演以及潜在污染源风险提取作为评价指标，确定各个评价指标的权重，构建黑臭水体综合评价模型，包括：
7.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述方法还包括：利用总体识别精度ORA和Kappa系数评估黑臭水体综合评价模型的准确性；
8.一种黑臭水体遥感综合研判系统，其特征在于，包括：
9.一种存储有计算机程序的计算机可读存储介质，其特征在
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的黑臭水体遥感综合研判方法的步骤。
...【技术特征摘要】
1.一种黑臭水体遥感综合研判方法，其特征在于，包括：
2.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述黑臭水体识别模型包括：
3.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述富营养化水体识别模型包括：
4.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述遥感水质参数反演模型包括：
5.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述潜在污染源风险提取模型包括：
6.根据权利要求1所述的黑臭水体遥感综合研判方法，其特征在于，所述将黑臭水体识别、富营养化水体识别、遥感水质参数反演以及潜在污染源风险提取作为评价指标，确定各个评价...
【专利技术属性】
技术研发人员：陈瑜云，余磊，刘黎明，项颂阳，徐书文，汤亚男，朱熹，
申请(专利权)人：上海普适导航科技股份有限公司，
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。