CN108195775A - 基于遥感影像的湖库指示性水质监测站点确认方法和装置 - Google Patents

基于遥感影像的湖库指示性水质监测站点确认方法和装置 Download PDF

Info

Publication number
CN108195775A
CN108195775A CN201711418928.1A CN201711418928A CN108195775A CN 108195775 A CN108195775 A CN 108195775A CN 201711418928 A CN201711418928 A CN 201711418928A CN 108195775 A CN108195775 A CN 108195775A
Authority
CN
China
Prior art keywords
water quality
remote sensing
quality parameter
website
scape
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.)
Granted
Application number
CN201711418928.1A
Other languages
English (en)
Other versions
CN108195775B (zh
Inventor
殷守敬
马万栋
吴传庆
王晨
姚延娟
朱利
王雪蕾
孟斌
贾兴
赵焕
赵乾
李营
初东
曹飞
史园莉
高乾
肖如林
吴艳婷
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.)
SATELLITE ENVIRONMENT APPLICATION CENTER OF ENVIRONMENTAL PROTECTION DEPARTMENT
Original Assignee
SATELLITE ENVIRONMENT APPLICATION CENTER OF ENVIRONMENTAL PROTECTION DEPARTMENT
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 SATELLITE ENVIRONMENT APPLICATION CENTER OF ENVIRONMENTAL PROTECTION DEPARTMENT filed Critical SATELLITE ENVIRONMENT APPLICATION CENTER OF ENVIRONMENTAL PROTECTION DEPARTMENT
Priority to CN201711418928.1A priority Critical patent/CN108195775B/zh
Publication of CN108195775A publication Critical patent/CN108195775A/zh
Application granted granted Critical
Publication of CN108195775B publication Critical patent/CN108195775B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N21/27Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • 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
    • G01N2021/1793Remote sensing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (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)
  • Image Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于遥感影像的湖库指示性水质监测站点确认方法和装置,属于水质监测领域,本发明获取湖库在不同时间的多景遥感影像;通过预处理和裁剪,得到湖库区域的遥感反射率影像;获得水质参数空间分布图,并计算水质参数阈值范围;通过水质参数阈值范围确定多组备选站点,出现次数从高到低的若干个备选站点即为湖库指示性水质监测站点。本发明可以通过一个或者几个指示性水质监测站点的水质数据,快速获得湖库平均水质状况。一方面可以提高获取湖库平均水质状况的科学性和合理性,为湖库水质评估和环境管理提供技术支撑,另一方面,可以通过对少数站点的监测获得全湖库平均水质状况,省时省力,提高了数据获取的便捷性和经济性。

Description

基于遥感影像的湖库指示性水质监测站点确认方法和装置
技术领域
本发明涉及水质监测领域,特别是指一种基于遥感影像的湖库指示性水质监测站点确认方法和装置。
背景技术
湖泊、水库、池塘等水体(本发明将湖泊、水库、池塘等水体统称为湖库)的水质状况评估是指根据评价指标,利用相应的水质参数、水质标准和评价方法对湖库的水质和利用价值等进行评估,是合理开发利用和保护水资源的一项基本工作。水质评价的数据从水质监测站点测量获取,利用一个或者多景水质监测站点数据的平均值代表全湖库水质平均状况。
现有水质监测站点布设的一般原则是考虑湖库功能区、排污口汇入位置、水流方向等因素,或者考虑考核需要等因素设置的,没有考虑指示性监测站点的布设需求。现有水质监测站点一般参考如下原则布设:(1)在湖库主要出入口、中心区、滞流区、饮用水源地、鱼类产卵区和游览区等应设置断面。(2)主要排污口汇入处,视其污染物扩散情况在下游100~1000m处设置1~5条断面或半断面。(3)峡谷型水库,应在水库上游、中游、近坝区及库层与主要库湾回水区布设采样断面。(4)湖库无明显功能分区,可采用网格法均匀布设,网格大小依湖库面积而定。(5)湖库的采样断面应与断面附近水流方向垂直。
现有站点的布设,往往是考虑对湖库功能区的监测需要或者污染物输入输出的监测需要,这些监测站点数据可以有效反映湖库典型区域水质状况或者有效监测污染物输入输出状况,对现有监测站点水质均值是否能够真实反映湖库平均水质状况,缺少科学性论证,在站点布设时,没有考虑或者没有明确考虑湖库指示性站点布设需求。因此,确定一个或者几个可以代表湖库平均水质状况的指示性水质监测站点,对于湖库总体状况快速评估、为环境管理决策提供参考都具有重要意义。
发明内容
为解决上述技术问题,本发明提供一种基于遥感影像的湖库指示性水质监测站点确认方法和装置,本发明可以通过一个或者几个指示性水质监测站点的水质数据,科学、合理、快速获得湖库平均水质状况,为湖库水质评估和环境管理提供技术支撑。
本发明提供技术方案如下:
一种基于遥感影像的湖库指示性水质监测站点确认方法,包括:
步骤1:获取一系列时间点上的包括湖库区域的多景遥感影像,所述遥感影像包括多光谱或高光谱遥感影像;
步骤2:对每景遥感影像进行预处理,得到多景遥感反射率影像;
步骤3:对每景遥感反射率影像进行图像裁剪运算,得到多景湖库区域的遥感反射率影像;
步骤4:利用水质参数反演模型,对每景湖库区域的遥感反射率影像进行运算,获得多景水质参数空间分布图;
步骤5:根据每景水质参数空间分布图,计算得到多个水质参数阈值范围;
步骤6:将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若比较通过,则将该像元对应的空间位置设为备选站点,得到多组备选站点;
步骤7:统计多组备选站点中空间位置相同的站点出现的次数,按照次数从高到低选取若干备选站点,得到湖库指示性水质监测站点。
进一步的,所述步骤5包括:
步骤51:计算每景水质参数空间分布图的均值Y和方差δ;
步骤52:根据所述均值Y和方差δ确定该水质参数空间分布图对应的水质参数阈值范围,所述水质参数阈值范围为[Y-kδ,Y+kδ],其中k为常数。
进一步的,所述步骤6包括:
步骤61:构建每景水质参数空间分布图对应的备选站点栅格影像,所述备选站点栅格影像的初始值设为0;
步骤62:将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若像元值∈[Y-kδ,Y+kδ],则比较通过,在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为1。
进一步的,所述步骤7包括:
步骤71:将所有备选站点栅格影像进行空间叠加,将空间位置相同的像元值计算总和,得到频率影像;
步骤72:在频率影像上按照像元值从高到低选取若干像元,该像元对应的空间位置即为湖库指示性水质监测站点。
进一步的,所述预处理包括辐射校正、大气校正和几何校正。
一种基于遥感影像的湖库指示性水质监测站点确认装置,包括:
遥感影像获取模块,用于获取一系列时间点上的包括湖库区域的多景遥感影像,所述遥感影像包括多光谱或高光谱遥感影像;
预处理模块,用于对每景遥感影像进行预处理,得到多景遥感反射率影像;
图像裁剪模块,用于对每景遥感反射率影像进行图像裁剪运算,得到多景湖库区域的遥感反射率影像;
水质参数空间分布图获取模块,用于利用水质参数反演模型,对每景湖库区域的遥感反射率影像进行运算,获得多景水质参数空间分布图;
水质参数阈值范围计算模块,用于根据每景水质参数空间分布图,计算得到多个水质参数阈值范围;
备选站点确定模块,用于将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若比较通过,则将该像元对应的空间位置设为备选站点,得到多组备选站点;
湖库指示性水质监测站点确定模块,用于统计多组备选站点中空间位置相同的站点出现的次数,按照次数从高到低选取若干备选站点,得到湖库指示性水质监测站点。
进一步的,所述水质参数阈值范围计算模块包括:
均值和方差计算单元,用于计算每景水质参数空间分布图的均值Y和方差δ;
水质参数阈值范围计算单元,用于根据所述均值Y和方差δ确定该水质参数空间分布图对应的水质参数阈值范围,所述水质参数阈值范围为[Y-kδ,Y+kδ],其中k为常数。
进一步的,所述备选站点确定模块包括:
备选站点栅格影像构建单元,用于构建每景水质参数空间分布图对应的备选站点栅格影像,所述备选站点栅格影像的初始值设为0;
比较单元,用于将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若像元值∈[Y-kδ,Y+kδ],则比较通过,在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为1。
进一步的,所述湖库指示性水质监测站点确定模块包括:
影像叠加单元,用于将所有备选站点栅格影像进行空间叠加,将空间位置相同的像元值计算总和,得到频率影像;
湖库指示性水质监测站点确定单元,用于在频率影像上按照像元值从高到低选取若干像元,该像元对应的空间位置即为湖库指示性水质监测站点。
进一步的,所述预处理包括辐射校正、大气校正和几何校正。
本发明具有以下有益效果:
本发明首先获取湖库在不同时间的多景遥感影像;然后通过预处理和裁剪,得到湖库区域的遥感反射率影像;再获得水质参数空间分布图,并计算水质参数阈值范围;接着通过水质参数阈值范围确定多组备选站点,出现次数从高到低的若干个备选站点即为湖库指示性水质监测站点,用于指示湖库的平均水质。本发明可以通过一个或者几个指示性水质监测站点的水质数据,快速获得湖库平均水质状况。一方面可以提高获取湖库平均水质状况的科学性和合理性,为湖库水质评估和环境管理提供技术支撑,另一方面,可以通过对少数站点的监测获得全湖库平均水质状况,省时省力,提高了数据获取的便捷性和经济性。
附图说明
图1为本发明的基于遥感影像的湖库指示性水质监测站点确认方法流程图;
图2为本发明的基于遥感影像的湖库指示性水质监测站点确认装置示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
一方面,本发明提供一种基于遥感影像的湖库指示性水质监测站点确认方法,如图1所示,包括:
步骤1:获取一系列时间点上的包括湖库区域的多景遥感影像,遥感影像包括多光谱或高光谱遥感影像。
本发明通过遥感影像确定湖库指示性水质监测站点,优选用于湖泊或水库,由于湖泊或水库的水质分布并不是固定不变的,而是有一定的变化范围,因此需要对一定时间内的多景遥感影像进行统计。例如每天获取一次遥感影像,持续一年,得到一年内的水质分布情况,对一年内的水质分布情况进行统计,即可得到代表水质均值的湖库指示性水质监测站点。
多光谱遥感影像是指包含多个波段的遥感影像,波段数一般为几个到十几个,高光谱波段数一般为上百个。一般从图像采集设备(搭载在卫星上的成像光谱仪等)获取多光谱遥感影像。
步骤2:对每景遥感影像进行预处理,得到多景遥感反射率影像。预处理能够消除遥感影像的误差和畸变等。
步骤3:对每景遥感反射率影像进行图像裁剪运算,得到多景湖库区域的遥感反射率影像。湖泊或水库等水体一般已知边界,利用已知的湖泊或水库边界对遥感反射率影像进行图像裁剪运算即可。
优选的,如果不知道湖泊或水库边界,可以通过如下方法得到多景湖库区域的遥感反射率影像(当然该方法也可以用于已知边界的情况):
步骤31:对每景遥感反射率影像进行水陆分离,得到多景初步确定的湖库区域的遥感反射率影像。
本步骤中,利用特定波段的信息,对影像进行边缘检测,检测出湖库的轮廓,进行裁剪,完成水陆分离。
步骤32:对初步确定的湖库区域的遥感反射率影像的边缘进行掩膜运算,得到湖库区域的遥感反射率影像。水陆分离后可能存在边缘不精确的问题,边缘掩膜能够对初步确定的湖库区域的边缘进行修正,减少因水陆边界分离不精确而导致的湖库指示性水质监测站点不精确的问题。
步骤4:利用水质参数反演模型,对每景湖库区域的遥感反射率影像进行运算,获得多景水质参数空间分布图。
计算方法如下:Y=f(X),Y代表湖库水质监测指标,X代表影像各个波段的遥感反射率,f代表水质参数反演模型函数,根据欲关注的水质参数,选择对应的水质参数反演模型函数。
步骤5:根据每景水质参数空间分布图,计算得到多个水质参数阈值范围。
对每景水质参数空间分布图,使用其统计特征计算多个水质参数阈值范围,在该阈值范围内的像元值可以代表该水质参数空间分布图的水质均值。
步骤6:将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若比较通过,则将该像元对应的空间位置设为备选站点,得到多组备选站点。每一组备选站点都能够作为该水质参数空间分布图(也就是湖库在该时刻)对应的指示性水质监测站点。多组备选站点即为湖库在多个时刻对应的指示性水质监测站点。
步骤7:统计多组备选站点中空间位置相同的站点出现的次数,按照次数从高到低选取若干备选站点,得到湖库指示性水质监测站点。
由前述,多组备选站点为湖库在多个时刻对应的指示性水质监测站点,如果几组备选站点中的某些备选站点的空间位置相同,说明该站点在多个时刻都能够作为指示性水质监测站点(即能够反映水质均值),那么空间位置相同出现的次数越多,该站点越能反映湖库在不同时刻的水质均值,按照次数从高到低选取若干备选站点,即可得到湖库指示性水质监测站点。湖库指示性水质监测站点的个数由湖库的具体情况确定,一般为一个或几个。
本发明首先获取湖库在不同时间的多景遥感影像;然后通过预处理和裁剪,得到湖库区域的遥感反射率影像;再获得水质参数空间分布图,并计算水质参数阈值范围;接着通过水质参数阈值范围确定多组备选站点,出现次数从高到低的若干个备选站点即为湖库指示性水质监测站点,用于指示湖库的平均水质。本发明可以通过一个或者几个指示性水质监测站点的水质数据,快速获得湖库平均水质状况。一方面可以提高获取湖库平均水质状况的科学性和合理性,为湖库水质评估和环境管理提供技术支撑,另一方面,可以通过对少数站点的监测获得全湖库平均水质状况,省时省力,提高了数据获取的便捷性和经济性。
作为本发明的一种改进,步骤5包括:
步骤51:计算每景水质参数空间分布图的均值Y和方差δ;由前述,水质参数空间分布图可以由Y表示,根据Y的每个像元值(灰度值),可以计算出均值Y和方差δ。
步骤52:根据均值Y和方差δ确定该水质参数空间分布图对应的水质参数阈值范围,水质参数阈值范围为[Y-kδ,Y+kδ],其中k为常数,k根据湖库的实际情况确定,优选为0.01。
进一步的,步骤6包括:
步骤61:构建每景水质参数空间分布图对应的备选站点栅格影像,备选站点栅格影像的初始值设为0。设有n景遥感影像,备选站点栅格影像可以记为B1、B2……Bn。
步骤62:将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若像元值∈[Y-kδ,Y+kδ],则比较通过,在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为1,若像元值[Y-kδ,Y+kδ],则在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为0,由于备选站点栅格影像的初始值设为0,也可以不标记。
优选的,步骤7包括:
步骤71:将所有备选站点栅格影像进行空间叠加,将空间位置相同的像元值计算总和,得到频率影像,记为Z;前述的像元值是指水质参数空间分布图的像元值,本步骤的像元值是指备选站点栅格影像的像元值,其为1或0。
步骤72:在频率影像Z上按照像元值从高到低选取若干像元,该像元对应的空间位置即为湖库指示性水质监测站点。本步骤中的像元是指频率影像上的像元,像元值代表空间位置相同的备选站点出现的次数(频率)。
本发明中,预处理可以包括辐射校正、大气校正和几何校正。
辐射校正(radiometric correction)是指对由于外界因素,数据获取和传输系统产生的系统的、随机的辐射失真或畸变进行的校正,消除或改正因辐射误差而引起影像畸变的过程。
大气校正(atmospheric correction),用于消除大气散射、吸收、反射引起的误差。
遥感成像的时候,由于飞行器的姿态、高度、速度以及地球自转等因素的影响,造成图像相对于地面目标发生几何畸变,这种畸变表现为像元相对于地面目标的实际位置发生挤压、扭曲、拉伸和偏移等,针对几何畸变进行的误差校正就叫几何校正。
另一方面,本发明提供一种基于遥感影像的湖库指示性水质监测站点确认装置,如图2所示,包括:
遥感影像获取模块11,用于获取一系列时间点上的包括湖库区域的多景遥感影像,遥感影像包括多光谱或高光谱遥感影像。
本发明通过遥感影像确定湖库指示性水质监测站点,优选用于湖泊或水库,由于湖泊或水库的水质分布并不是固定不变的,而是有一定的变化范围,因此需要对一定时间内的多景遥感影像进行统计。例如每天获取一次遥感影像,持续一年,得到一年内的水质分布情况,对一年内的水质分布情况进行统计,即可得到代表水质均值的湖库指示性水质监测站点。
多光谱遥感影像是指包含多景波段的遥感影像,波段数一般为几个到十几个,高光谱波段数一般为上百个。一般从图像采集设备(搭载在卫星上的成像光谱仪等)获取多光谱遥感影像。
预处理模块12,用于对每景遥感影像进行预处理,得到多景遥感反射率影像;预处理能够消除遥感影像的误差和畸变等。
图像裁剪模块13,用于对每景遥感反射率影像进行图像裁剪运算,得到多景湖库区域的遥感反射率影像。
湖泊或水库等水体一般已知边界,利用已知的湖泊或水库边界对遥感反射率影像进行图像裁剪运算即可。
优选的,如果不知道湖泊或水库边界,可以通过如下单元得到多景湖库区域的遥感反射率影像(当然该单元也可以用于已知边界的情况):
水陆分离单元,用于对每景遥感反射率影像进行水陆分离,得到多景初步确定的湖库区域的遥感反射率影像。
本发明利用特定波段的信息,对影像进行边缘检测,检测出湖库的轮廓,进行裁剪,完成水陆分离。
掩膜运算单元,用于对初步确定的湖库区域的遥感反射率影像的边缘进行掩膜运算,得到湖库区域的遥感反射率影像。水陆分离后可能存在边缘不精确的问题,边缘掩膜能够对初步确定的湖库区域的边缘进行修正,减少因水陆边界分离不精确而导致的湖库指示性水质监测站点不精确的问题。
水质参数空间分布图获取模块14,用于利用水质参数反演模型,对每景湖库区域的遥感反射率影像进行运算,获得多景水质参数空间分布图。
计算方法如下:Y=f(X),Y代表湖库水质监测指标,X代表影像各个波段的遥感反射率,f代表水质参数反演模型函数,根据欲关注的水质参数,选择对应的水质参数反演模型函数。
水质参数阈值范围计算模块15,用于根据每景水质参数空间分布图,计算得到多个水质参数阈值范围。
对每景水质参数空间分布图,使用其统计特征计算多个水质参数阈值范围,在该阈值范围内的像元值可以代表该水质参数空间分布图的水质均值。
备选站点确定模块16,用于将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若比较通过,则将该像元对应的空间位置设为备选站点,得到多组备选站点。
每一组备选站点都能够作为该水质参数空间分布图(也就是湖库在该时刻)对应的指示性水质监测站点。多组备选站点即为湖库在多个时刻对应的指示性水质监测站点。
湖库指示性水质监测站点确定模块17,用于统计多组备选站点中空间位置相同的站点出现的次数,按照次数从高到低选取若干备选站点,得到湖库指示性水质监测站点。
由前述,多组备选站点为湖库在多个时刻对应的指示性水质监测站点,如果几组备选站点中的某些备选站点的空间位置相同,说明该站点在多个时刻都能够作为指示性水质监测站点(即能够反映水质均值),那么空间位置相同出现的次数越多,该站点越能反映湖库在不同时刻的水质均值,按照次数从高到低选取若干备选站点,即可得到湖库指示性水质监测站点。湖库指示性水质监测站点的个数由湖库的具体情况确定,一般为一个或几个。
本发明首先获取湖库在不同时间的多景遥感影像;然后通过预处理和裁剪,得到湖库区域的遥感反射率影像;再获得水质参数空间分布图,并计算水质参数阈值范围;接着通过水质参数阈值范围确定多组备选站点,出现次数从高到低的若干个备选站点即为湖库指示性水质监测站点,用于指示湖库的平均水质。本发明可以通过一个或者几个指示性水质监测站点的水质数据,快速获得湖库平均水质状况。一方面可以提高获取湖库平均水质状况的科学性和合理性,为湖库水质评估和环境管理提供技术支撑,另一方面,可以通过对少数站点的监测获得全湖库平均水质状况,省时省力,提高了数据获取的便捷性和经济性。
作为本发明的一种改进,水质参数阈值范围计算模块包括:
均值和方差计算单元,用于计算每景水质参数空间分布图的均值Y和方差δ。由前述,水质参数空间分布图可以由Y表示,根据Y的每个像元值(灰度值),可以计算出均值Y和方差δ。
水质参数阈值范围计算单元,用于根据均值Y和方差δ确定该水质参数空间分布图对应的水质参数阈值范围,水质参数阈值范围为[Y-kδ,Y+kδ],其中k为常数,k根据湖库的实际情况确定,优选为0.01。
优选的,备选站点确定模块包括:
备选站点栅格影像构建单元,用于构建每景水质参数空间分布图对应的备选站点栅格影像,备选站点栅格影像的初始值设为0。。设有n景遥感影像,备选站点栅格影像可以记为B1、B2……Bn。
比较单元,用于将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若像元值∈[Y-kδ,Y+kδ],则比较通过,在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为1。若像元值[Y-kδ,Y+kδ],则在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为0,由于备选站点栅格影像的初始值设为0,也可以不标记。
进一步的,湖库指示性水质监测站点确定模块包括:
影像叠加单元,用于将所有备选站点栅格影像进行空间叠加,将空间位置相同的像元值计算总和,得到频率影像,记为Z;前述的像元值是指水质参数空间分布图的像元值,本步骤的像元值是指备选站点栅格影像的像元值,其为1或0。
湖库指示性水质监测站点确定单元,用于在频率影像上按照像元值从高到低选取若干像元,该像元对应的空间位置即为湖库指示性水质监测站点。本单元中的像元是指频率影像上的像元,像元值代表空间位置相同的备选站点出现的次数(频率)。
本发明中,预处理可以包括辐射校正、大气校正和几何校正。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种基于遥感影像的湖库指示性水质监测站点确认方法,其特征在于,包括:
步骤1:获取一系列时间点上的包括湖库区域的多景遥感影像,所述遥感影像包括多光谱或高光谱遥感影像;
步骤2:对每景遥感影像进行预处理,得到多景遥感反射率影像;
步骤3:对每景遥感反射率影像进行图像裁剪运算,得到多景湖库区域的遥感反射率影像;
步骤4:利用水质参数反演模型,对每景湖库区域的遥感反射率影像进行运算,获得多景水质参数空间分布图;
步骤5:根据每景水质参数空间分布图,计算得到多个水质参数阈值范围;
步骤6:将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若比较通过,则将该像元对应的空间位置设为备选站点,得到多组备选站点;
步骤7:统计多组备选站点中空间位置相同的站点出现的次数,按照次数从高到低选取若干备选站点,得到湖库指示性水质监测站点。
2.根据权利要求1所述的基于遥感影像的湖库指示性水质监测站点确认方法,其特征在于,所述步骤5包括:
步骤51:计算每景水质参数空间分布图的均值Y和方差δ;
步骤52:根据所述均值Y和方差δ确定该水质参数空间分布图对应的水质参数阈值范围,所述水质参数阈值范围为[Y-kδ,Y+kδ],其中k为常数。
3.根据权利要求2所述的基于遥感影像的湖库指示性水质监测站点确认方法,其特征在于,所述步骤6包括:
步骤61:构建每景水质参数空间分布图对应的备选站点栅格影像,所述备选站点栅格影像的初始值设为0;
步骤62:将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若像元值∈[Y-kδ,Y+kδ],则比较通过,在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为1。
4.根据权利要求3所述的基于遥感影像的湖库指示性水质监测站点确认方法,其特征在于,所述步骤7包括:
步骤71:将所有备选站点栅格影像进行空间叠加,将空间位置相同的像元值计算总和,得到频率影像;
步骤72:在频率影像上按照像元值从高到低选取若干像元,该像元对应的空间位置即为湖库指示性水质监测站点。
5.根据权利要求1-4任一所述的基于遥感影像的湖库指示性水质监测站点确认方法,其特征在于,所述预处理包括辐射校正、大气校正和几何校正。
6.一种基于遥感影像的湖库指示性水质监测站点确认装置,其特征在于,包括:
遥感影像获取模块,用于获取一系列时间点上的包括湖库区域的多景遥感影像,所述遥感影像包括多光谱或高光谱遥感影像;
预处理模块,用于对每景遥感影像进行预处理,得到多景遥感反射率影像;
图像裁剪模块,用于对每景遥感反射率影像进行图像裁剪运算,得到多景湖库区域的遥感反射率影像;
水质参数空间分布图获取模块,用于利用水质参数反演模型,对每景湖库区域的遥感反射率影像进行运算,获得多景水质参数空间分布图;
水质参数阈值范围计算模块,用于根据每景水质参数空间分布图,计算得到多个水质参数阈值范围;
备选站点确定模块,用于将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若比较通过,则将该像元对应的空间位置设为备选站点,得到多组备选站点;
湖库指示性水质监测站点确定模块,用于统计多组备选站点中空间位置相同的站点出现的次数,按照次数从高到低选取若干备选站点,得到湖库指示性水质监测站点。
7.根据权利要求6所述的基于遥感影像的湖库指示性水质监测站点确认装置,其特征在于,所述水质参数阈值范围计算模块包括:
均值和方差计算单元,用于计算每景水质参数空间分布图的均值Y和方差δ;
水质参数阈值范围计算单元,用于根据所述均值Y和方差δ确定该水质参数空间分布图对应的水质参数阈值范围,所述水质参数阈值范围为[Y-kδ,Y+kδ],其中k为常数。
8.根据权利要求7所述的基于遥感影像的湖库指示性水质监测站点确认装置,其特征在于,所述备选站点确定模块包括:
备选站点栅格影像构建单元,用于构建每景水质参数空间分布图对应的备选站点栅格影像,所述备选站点栅格影像的初始值设为0;
比较单元,用于将每景水质参数空间分布图的所有像元与该水质参数空间分布图对应的水质参数阈值范围进行比较,若像元值∈[Y-kδ,Y+kδ],则比较通过,在该水质参数空间分布图对应的备选站点栅格影像上将该像元对应的空间位置标记为1。
9.根据权利要求8所述的基于遥感影像的湖库指示性水质监测站点确认方法,其特征在于,所述湖库指示性水质监测站点确定模块包括:
影像叠加单元,用于将所有备选站点栅格影像进行空间叠加,将空间位置相同的像元值计算总和,得到频率影像;
湖库指示性水质监测站点确定单元,用于在频率影像上按照像元值从高到低选取若干像元,该像元对应的空间位置即为湖库指示性水质监测站点。
10.根据权利要求6-9任一所述的基于遥感影像的湖库指示性水质监测站点确认装置,其特征在于,所述预处理包括辐射校正、大气校正和几何校正。
CN201711418928.1A 2017-12-25 2017-12-25 基于遥感影像的湖库指示性水质监测站点确认方法和装置 Active CN108195775B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711418928.1A CN108195775B (zh) 2017-12-25 2017-12-25 基于遥感影像的湖库指示性水质监测站点确认方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711418928.1A CN108195775B (zh) 2017-12-25 2017-12-25 基于遥感影像的湖库指示性水质监测站点确认方法和装置

Publications (2)

Publication Number Publication Date
CN108195775A true CN108195775A (zh) 2018-06-22
CN108195775B CN108195775B (zh) 2019-03-01

Family

ID=62583895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711418928.1A Active CN108195775B (zh) 2017-12-25 2017-12-25 基于遥感影像的湖库指示性水质监测站点确认方法和装置

Country Status (1)

Country Link
CN (1) CN108195775B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110927065A (zh) * 2019-11-02 2020-03-27 生态环境部卫星环境应用中心 遥感辅助的湖库chl-a浓度空间插值方法优选方法和装置
CN111582642A (zh) * 2020-04-03 2020-08-25 中国水产科学研究院东海水产研究所 一种鱼类最适环境判断方法、电子设备及存储介质
CN111982831A (zh) * 2020-07-01 2020-11-24 深圳市迈珂斯环保科技有限公司 一种基于高光谱技术的水质在线监测方法、装置和系统
CN112798540A (zh) * 2020-12-14 2021-05-14 浙江易智信息技术有限公司 一种基于高分遥感的水体污染源预警系统
CN116844046A (zh) * 2023-06-30 2023-10-03 生态环境部卫星环境应用中心 生态监测站点布局方法和装置
CN117437553A (zh) * 2023-12-21 2024-01-23 贵州省环境工程评估中心 一种用于入河排污口监测的遥感影像数据处理方法及装置
WO2024041560A1 (zh) * 2022-08-24 2024-02-29 武汉大学 基于高空间分辨率卫星的地面水质监测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006012036A (ja) * 2004-06-29 2006-01-12 Nec Corp 端成分データベース構築方法、端成分データベース構築装置及び端成分データベース構築プログラム
CN103473707A (zh) * 2013-09-17 2013-12-25 山东大学 建立城市河网水体光谱库的方法与应用
CN105678056A (zh) * 2015-12-29 2016-06-15 张豫 基于聚类的河流水生态系统监测采样点优选方法
CN106918559A (zh) * 2017-05-04 2017-07-04 环境保护部卫星环境应用中心 一种检测水体质量的方法及装置
CN106950197A (zh) * 2017-03-03 2017-07-14 环境保护部卫星环境应用中心 排污口污染水体的遥感提取方法、装置和系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006012036A (ja) * 2004-06-29 2006-01-12 Nec Corp 端成分データベース構築方法、端成分データベース構築装置及び端成分データベース構築プログラム
CN103473707A (zh) * 2013-09-17 2013-12-25 山东大学 建立城市河网水体光谱库的方法与应用
CN105678056A (zh) * 2015-12-29 2016-06-15 张豫 基于聚类的河流水生态系统监测采样点优选方法
CN106950197A (zh) * 2017-03-03 2017-07-14 环境保护部卫星环境应用中心 排污口污染水体的遥感提取方法、装置和系统
CN106918559A (zh) * 2017-05-04 2017-07-04 环境保护部卫星环境应用中心 一种检测水体质量的方法及装置

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110927065A (zh) * 2019-11-02 2020-03-27 生态环境部卫星环境应用中心 遥感辅助的湖库chl-a浓度空间插值方法优选方法和装置
CN111582642A (zh) * 2020-04-03 2020-08-25 中国水产科学研究院东海水产研究所 一种鱼类最适环境判断方法、电子设备及存储介质
CN111582642B (zh) * 2020-04-03 2021-03-19 中国水产科学研究院东海水产研究所 一种鱼类最适环境判断方法、电子设备及存储介质
CN111982831A (zh) * 2020-07-01 2020-11-24 深圳市迈珂斯环保科技有限公司 一种基于高光谱技术的水质在线监测方法、装置和系统
CN112798540A (zh) * 2020-12-14 2021-05-14 浙江易智信息技术有限公司 一种基于高分遥感的水体污染源预警系统
WO2024041560A1 (zh) * 2022-08-24 2024-02-29 武汉大学 基于高空间分辨率卫星的地面水质监测方法
CN116844046A (zh) * 2023-06-30 2023-10-03 生态环境部卫星环境应用中心 生态监测站点布局方法和装置
CN116844046B (zh) * 2023-06-30 2024-04-02 生态环境部卫星环境应用中心 生态监测站点布局方法和装置
CN117437553A (zh) * 2023-12-21 2024-01-23 贵州省环境工程评估中心 一种用于入河排污口监测的遥感影像数据处理方法及装置
CN117437553B (zh) * 2023-12-21 2024-02-23 贵州省环境工程评估中心 一种用于入河排污口监测的遥感影像数据处理方法及装置

Also Published As

Publication number Publication date
CN108195775B (zh) 2019-03-01

Similar Documents

Publication Publication Date Title
CN108195775B (zh) 基于遥感影像的湖库指示性水质监测站点确认方法和装置
Woodget et al. Subaerial gravel size measurement using topographic data derived from a UAV‐SfM approach
Wang et al. Retrieval of suspended sediment concentrations in large turbid rivers using Landsat ETM+: an example from the Yangtze River, China
Konicki et al. The statistics and kinematics of transverse sand bars on an open coast
Sunder et al. Inter-comparison of remote sensing sensing-based shoreline mapping techniques at different coastal stretches of India
CN109190538A (zh) 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
Cui et al. Using remotely sensed suspended sediment concentration variation to improve management of Poyang Lake, China
Turner et al. CZM applications of Argus coastal imaging at the Gold Coast, Australia
Do et al. The estimation and evaluation of shoreline locations, shoreline-change rates, and coastal volume changes derived from Landsat images
Huisman et al. The use of video imagery to analyse groundwater and shoreline dynamics on a dissipative beach
CN109186706A (zh) 一种用于城市雨洪淹没区预警的方法
Nones Remote sensing and GIS techniques to monitor morphological changes along the middle-lower Vistula river, Poland
Zhang et al. Observation of sea surface roughness at a pixel scale using multi-angle sun glitter images acquired by the ASTER sensor
Mason et al. A sensitivity analysis of the waterline method of constructing a digital elevation model for intertidal areas in ERS SAR scene of eastern England
CN104122233A (zh) 一种海面不同厚度原油油膜高光谱探测通道选择方法
US11551413B2 (en) Method and system for determining solar access of a structure
Noto et al. Low-cost stage-camera system for continuous water-level monitoring in ephemeral streams
CN108334989B (zh) 基于遥感影像的湖库chl-a监测站点优化方法和装置
El Kafrawy et al. Performance evaluation of shoreline extraction methods based on remote sensing data
Nagarajan et al. UAS based 3D shoreline change detection of Jupiter Inlet Lighthouse ONA after Hurricane Irma
Ali et al. Study of river flood hydrology in Bangladesh with AVHRR data
Song et al. Refining and densifying the water inundation area and storage estimates of Poyang Lake by integrating Sentinel-1/2 and bathymetry data
Bertoldi et al. Applications of close‐range imagery in river research
CN110633674B (zh) 一种基于遥感影像与降雨监测数据的雨水去向不确定性分析方法及系统
Quartel et al. Object-oriented extraction of beach morphology from video images

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
GR01 Patent grant
GR01 Patent grant