CN106769904A - 基于优化导数求算方法的水库水体总氮含量估算方法 - Google Patents

基于优化导数求算方法的水库水体总氮含量估算方法 Download PDF

Info

Publication number
CN106769904A
CN106769904A CN201710053401.7A CN201710053401A CN106769904A CN 106769904 A CN106769904 A CN 106769904A CN 201710053401 A CN201710053401 A CN 201710053401A CN 106769904 A CN106769904 A CN 106769904A
Authority
CN
China
Prior art keywords
total nitrogen
nitrogen content
water body
derivative
reservoir
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710053401.7A
Other languages
English (en)
Inventor
王重洋
陈水森
姜浩
李丹
王丹妮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN201710053401.7A priority Critical patent/CN106769904A/zh
Publication of CN106769904A publication Critical patent/CN106769904A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于优化导数求算方法的水库水体总氮含量估算方法,根据光谱反射率波长导数和水体样本实测总氮含量建立了估算模型,进而根据估算模型进行总氮含量的估算,快速得到估算结果,有利于加深库区桉树的环境问题认识。其中光谱反射率波长导数的计算采用的是优化的方法,相比传统的导数计算方法,具有更高的精度,为保护水质生态安全、可持续发展提供了科技支撑和决策依据。

Description

基于优化导数求算方法的水库水体总氮含量估算方法
技术领域
本发明涉及水质生态安全技术领域,具体涉及一种基于优化导数求算方法的水库水体总氮含量估算方法。
背景技术
桉树是世界著名的三大速生树种之一,为亚热常绿植物,原产澳大利亚。由于桉树在造纸、人造板、建筑等行业用途广泛,目前广东桉树种植面积接近300万hm2。速生桉树林总氮施肥流失量比其他阔叶林大得多,导致桉树林区的湖库饮用水水源保护区水质污染严重。
以往的研究较多关注桉树人工林大气污染净化、水肥利用与养分循环、水量平衡、生物多样性等,对人工桉树林生态系统水质负面作用关注不够。目前对于大力发展桉树人工林,学术界存在着争议,其争论的焦点是桉树的生态环境问题。例如,广东粤西鹤地水库地跨粤桂两省(经纬度:21°42.561’-21°53.349’N,110°16.859’-110°23.406’E),距湛江市75公里,水库面积122平方公里,为广东三大水库之一,是湛江市重要水源。由于桉树林的大量开发,近几年水库水质出现了明显下降趋势(其中桉树种植为六大污染源之一),桉树人工林水质生态问题已成为湛江可持续发展中社会各界共同关注的焦点之一。
发明内容
针对现有技术的不足,本发明的目的在于提供一种基于优化导数求算方法的水库水体总氮含量估算方法,以提高水库水体总氮含量监测的效率和精度。
为了实现以上目的,本发明采用的技术方案如下:
一种基于优化导数求算方法的水库水体总氮含量估算方法,包括步骤:
利用地物光谱仪在待测水库进行现场水体光谱测量和水体采样,记录水体在各波长处的反射率并收集若干组水样;
对收集的水样进行总氮含量的测量;
根据下述导数求算公式计算光谱反射率各波长的导数;
Ri'=(2Ri+2+Ri+1-Ri-1-2Ri-2)/10
式中,R表示地物光谱仪测量的光谱反射率,i是波长,单位是nm;
从收集的水样样本中随机选择N个样本,利用光谱反射率导数和水库水体总氮含量进行Pearson相关性分析,得到光谱反射率各波长导数与总氮含量的相关系数Pi
其中,Pi为相关系数,i为波长,Ri'为光谱反射率各波长导数,y为水库水体总氮含量数据,N为样本个数;
选取相关系数Pi绝对值最大时对应的光谱反射率波长导数以及总氮含量,进行形如y=kx+b的线性拟合,得到水库水体总氮含量估算模型,其中因变量y为总氮含量,自变量x为光谱反射率波长导数;
根据所述水库水体总氮含量估算模型对待测水库水体的总氮含量进行估算。
本发明基于优化导数求算方法的水库水体总氮含量估算方法,根据光谱反射率波长导数和水体样本实测总氮含量建立了估算模型,进而根据估算模型进行总氮含量的估算,快速得到估算结果,有利于加深库区桉树的环境问题认识。其中光谱反射率波长导数的计算采用的是优化的方法,相比传统的导数计算方法,具有更高的精度,为保护水质生态安全、可持续发展提供了科技支撑和决策依据。
附图说明
图1为鹤地水库的地理位置示意图;
图2为鹤地水库放大后的地理位置示意图;
图3为鹤地水库空间位置及水样采集点的示意图;
图4为本发明基于优化导数求算方法的水库水体总氮含量估算方法的流程示意图;
图5为基于传统导数求算方法的水库水体总氮含量估算模型的建立示意图;
图6为基于优化导数求算方法的水库水体总氮含量估算模型的建立示意图;
图7为基于传统导数求算方法对水库水体总氮含量估算模型的精度进行验证的示意图;
图8为基于优化导数求算方法对水库水体总氮含量估算模型的精度进行验证的示意图。
具体实施方式
下面结合具体实施方式对本发明作进一步的说明。
如图1-2所示,鹤地水库地处雷州半岛北部,城西北14公里的河唇镇,库区跨越广西壮族自治区的陆川、博白二县,处于九洲江中游,集水面积1440平方公里,总库容11.51亿立方米,是以灌溉为主,结合防洪、发电和航运等综合利用的大型水库。设计灌溉面积200万亩,有效灌溉面积127万亩。鹤地水库为多年调节水库,总库容11.875亿立方米,其中调洪库容3.115亿立方米,兴利库容5.36亿立方米,死库容3.4亿立方米。鹤地水库灌区渠系从北至南贯串大半个雷州半岛。总干渠名为“雷州半岛青年运河主河”全长76公里,设计最大过水能力120立方米每秒。大干渠有东海河、西海河、东运河、西运河、四联干渠5条,共长195公里;干渠155条,长1164公里;支渠1467条,长4041公里。
将鹤地水库作为待测水库,如图4所示,本实施例的具体过程如下。
步骤101、利用地物光谱仪,优选地采用ASD地物光谱仪,依据水面之上测量法,在横跨广东、广西两省的鹤地水库库区进行水体光谱测量和水体采样,共获得样本36个,水体实验点见图3。
步骤102、采集的水样装入水样瓶中,避免阳光照射并于24小时之内送回实验室进行总氮含量测定,测量方法为分光光度法。
步骤103、一般的导数求算方法如公式1所示。这种方法在消除数据噪声的过程中,也会增大数据固有误差对精度的影响。因此,提出一种基于优化的导数求算方法来估算水库水体总氮含量。该导数计算方法如公式2所示。
Ri'=Ri+1-Ri 公式1
Ri'=(2Ri+2+Ri+1-Ri-1-2Ri-2)/10 公式2
式中,R是ASD地物光谱仪测量的光谱反射率,i是波长,单位是nm;
步骤104、根据总样本数(36个样本),随机选择26个样本进行水库水体总氮含量估算方法的建立,余下的10个样本用于精度验证。利用公式1、2计算得到的光谱反射率导数以及测量的水库水体总氮含量,分别进行Pearson相关性分析得到光谱反射率各波长导数与总氮含量的相关系数Pi,Pearson相关计算方法如公式3所示。
其中,Pi为相关系数,i波长,Ri'为光谱反射率各波长导数,y为水库水体总氮含量数据,N为样本个数。
步骤105、分别选取相关系数Pi绝对值最大的对应的光谱反射率波长导数以及总氮含量数据,利用SPSS软件的回归分析功能进行形如y=kx+b的线性拟合(其中因变量y为总氮含量数据,自变量x为光谱反射率波长导数),最终求得对应公式1、2的参数k1=-1361.5.9、b1=1.0634、决定系数为0.497,见附图5;k2=19033.2321、b2=0.9943、决定系数为0.723,见附图6。建立了一般的水库水体总氮含量估算模型为y=19033.2321x+0.9943和优化水库水体总氮含量估算模型为y=19033.2321x+0.9943。
步骤s106、将光谱反射率波长导数代入优化的水库水体总氮含量估算模型即可快速准确地估算出水体的总氮含量。
为了验证上述估算模型的精度,将余下10个样本的光谱反射率波长导数数据作为自变量分别代入两种水库水体总氮含量估算模型中可分别求得10个总氮含量数据模拟值各一组,基于每一组的10个总氮含量模拟值和其测量真实值,用均方根误差RMSE和平均相对误差MRE来表征模型的精度,RMSE和MRE的计算方法分别如公式4、5所示;
式中,RMSE为均方根误差,MRE为平均相对误差,y为总氮含量测量值,y’为总氮含量模拟值,n为样本个数。
表1基于两种导数求算方法的水库水体总氮含量估算精度对比
如图7、8所示,通过比较基于两种导数求算方法估算水库水体总氮含量建模精度和模拟精度,如表1所示,可知优化的水库水体总氮估算方法精度更高,是更科学、高效的水库水体总氮含量研究方法。
上列详细说明是针对本发明可行实施例的具体说明,该实施例并非用以限制本发明的专利范围,凡未脱离本发明所为的等效实施或变更,均应包含于本案的专利范围中。

Claims (5)

1.一种基于优化导数求算方法的水库水体总氮含量估算方法,其特征在于,包括步骤:
利用地物光谱仪在待测水库进行现场水体光谱测量和水体采样,记录水体在各波长处的反射率并收集若干组水样;
对收集的水样进行总氮含量的测量;
根据下述导数求算公式计算光谱反射率各波长的导数;
Ri'=(2Ri+2+Ri+1-Ri-1-2Ri-2)/10
式中,R表示地物光谱仪测量的光谱反射率,i是波长,单位是nm;
从收集的水样样本中随机选择N个样本,利用光谱反射率导数和水库水体总氮含量进行Pearson相关性分析,得到光谱反射率各波长导数与总氮含量的相关系数Pi
P i = ΣR i ′ y - ΣR i ′ Σ y N ( ΣR i ′ 2 - ( ΣR i ′ ) 2 N ) ( ( Σy 2 - ( Σ y ) 2 N ) )
其中,Pi为相关系数,i为波长,Ri'为光谱反射率各波长导数,y为水库水体总氮含量数据,N为样本个数;
选取相关系数Pi绝对值最大时对应的光谱反射率波长导数以及总氮含量,进行形如y=kx+b的线性拟合,得到水库水体总氮含量估算模型,其中因变量y为总氮含量,自变量x为光谱反射率波长导数;
根据所述水库水体总氮含量估算模型对待测水库水体的总氮含量进行估算。
2.根据权利要求1所述的基于优化导数求算方法的水库水体总氮含量估算方法,其特征在于,
收集36组水样,并随机选择其中的26组水样进行所述水库水体总氮含量估算模型的建立,最终求得参数k=19033.2321、b=0.9943、决定系数为0.723,建立的水库水体总氮含量估算模型为y=19033.2321x+0.9943。
3.根据权利要求2所述的基于优化导数求算方法的水库水体总氮含量估算方法,其特征在于,还包括步骤:
将N个样本之外的n个样本的光谱反射率波长导数作为自变量分别代入所述水库水体总氮含量估算模型中,得到总氮含量模拟值y’,结合测量值y,用均方根误差RMSE和平均相对误差MRE来表征模型的精度,RMSE和MRE的计算方法分别如下式所示;
R M S E = Σ j = 1 n ( y j - y j ′ ) 2 n
M R E = Σ j = 1 n | y j - y j ′ y j | n × 100 % .
4.根据权利要求3所述的基于优化导数求算方法的水库水体总氮含量估算方法,其特征在于,
利用统计分析软件的回归分析功能进行所述线性拟合。
5.根据权利要求1或2或3或4所述的基于优化导数求算方法的水库水体总氮含量估算方法,其特征在于,
收集的水样装入水样瓶中,避免阳光照射并于24小时之内送回实验室进行总氮含量测量,测量方法为分光光度法。
CN201710053401.7A 2017-01-22 2017-01-22 基于优化导数求算方法的水库水体总氮含量估算方法 Pending CN106769904A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710053401.7A CN106769904A (zh) 2017-01-22 2017-01-22 基于优化导数求算方法的水库水体总氮含量估算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710053401.7A CN106769904A (zh) 2017-01-22 2017-01-22 基于优化导数求算方法的水库水体总氮含量估算方法

Publications (1)

Publication Number Publication Date
CN106769904A true CN106769904A (zh) 2017-05-31

Family

ID=58942608

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710053401.7A Pending CN106769904A (zh) 2017-01-22 2017-01-22 基于优化导数求算方法的水库水体总氮含量估算方法

Country Status (1)

Country Link
CN (1) CN106769904A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108007881A (zh) * 2017-11-30 2018-05-08 中国农业大学 一种基于光谱技术的水产养殖水质总氮含量检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731216A (zh) * 2005-08-19 2006-02-08 广州地理研究所 一种大面积作物种植面积及其产量的遥感检测估算方法
CN102313699A (zh) * 2011-05-26 2012-01-11 北京农业信息技术研究中心 作物冠层叶片的全氮含量估算方法
CN103293111A (zh) * 2013-06-07 2013-09-11 南京农业大学 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法
CN105181637A (zh) * 2015-09-06 2015-12-23 正大青春宝药业有限公司 利用近红外漫反射光谱快速测定红参质量指标含量的方法
CN105608296A (zh) * 2016-01-29 2016-05-25 广州地理研究所 一种基于荔枝冠层光谱的叶片钾浓度反演方法
CN105608293A (zh) * 2016-01-28 2016-05-25 武汉大学 融合光谱与纹理特征的森林地上生物量反演方法及系统
WO2016208444A1 (ja) * 2015-06-26 2016-12-29 旭硝子株式会社 遮熱ガラス

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731216A (zh) * 2005-08-19 2006-02-08 广州地理研究所 一种大面积作物种植面积及其产量的遥感检测估算方法
CN102313699A (zh) * 2011-05-26 2012-01-11 北京农业信息技术研究中心 作物冠层叶片的全氮含量估算方法
CN103293111A (zh) * 2013-06-07 2013-09-11 南京农业大学 一种土壤背景干扰下小麦叶层氮含量光谱监测模型及建模方法
WO2016208444A1 (ja) * 2015-06-26 2016-12-29 旭硝子株式会社 遮熱ガラス
CN105181637A (zh) * 2015-09-06 2015-12-23 正大青春宝药业有限公司 利用近红外漫反射光谱快速测定红参质量指标含量的方法
CN105608293A (zh) * 2016-01-28 2016-05-25 武汉大学 融合光谱与纹理特征的森林地上生物量反演方法及系统
CN105608296A (zh) * 2016-01-29 2016-05-25 广州地理研究所 一种基于荔枝冠层光谱的叶片钾浓度反演方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张笑东: "《基于反射光谱的早稻氮素营养监测研究》", 《中国优秀硕士论文全文数据库》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108007881A (zh) * 2017-11-30 2018-05-08 中国农业大学 一种基于光谱技术的水产养殖水质总氮含量检测方法

Similar Documents

Publication Publication Date Title
Milly Climate, soil water storage, and the average annual water balance
Wolock et al. Comparison of single and multiple flow direction algorithms for computing topographic parameters in TOPMODEL
Zhang et al. Attribution of evapotranspiration changes in humid regions of China from 1982 to 2016
Koch et al. Application of the SWAT model for a tile-drained lowland catchment in North-Eastern Germany on subbasin scale
CN106940290A (zh) 基于高光谱数据的水库水体氨氮含量估算方法
CN114881544B (zh) 一种水库流量调控方法、装置、电子设备及存储介质
CN108647401A (zh) 一种基于空间遥感技术的流域氮磷污染评估方法
Othmani et al. High-resolution numerical modelling of the barotropic tides in the Gulf of Gabes, eastern Mediterranean Sea (Tunisia)
Zhu et al. Evaluating the complementary relationship for estimating evapotranspiration using the multi-site data across north China
Zwart et al. Spatially explicit, regional‐scale simulation of lake carbon fluxes
Yasarer et al. Characterizing ponds in a watershed simulation and evaluating their influence on streamflow in a Mississippi watershed
CN109946714A (zh) 一种基于LiDAR和ALOS PALSAR多元数据的森林生物量模型的建立方法
CN106370802A (zh) 一种应用氢氧同位素确定水库水量损失的方法
Cai et al. Stable water isotope and surface heat flux simulation using ISOLSM: Evaluation against in-situ measurements
CN106769904A (zh) 基于优化导数求算方法的水库水体总氮含量估算方法
Ren et al. Variation trends of meteorological variables and their impacts on potential evaporation in Hailar region
Liu et al. Quantifying spatially and temporally explicit CO 2 fertilization effects on global terrestrial ecosystem carbon dynamics
Chen et al. Sensitivity analysis for the total nitrogen pollution of the Danjiangkou Reservoir based on a 3-D water quality model
Choi et al. The effect of climate change on Byeongseong stream's water quantity and quality
Zhao et al. Research on soil evaporation of summer maize by field measurement and model simulation
CN101587196A (zh) 一种城市热岛强度统计预报方法及其装置
CN104296730A (zh) 一种水文流量数据处理系统及方法
Jayathilake et al. Identifying the influence of systematic errors in potential evapotranspiration on rainfall–runoff models
Izanlou et al. GNSS-derived precipitable water vapor modeling using machine learning methods
Kettle et al. Systematic errors in global air-sea CO 2 flux caused by temporal averaging of sea-level pressure

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170531