CN108593569A - 基于光谱形态特征的高光谱水质参数定量反演方法 - Google Patents
基于光谱形态特征的高光谱水质参数定量反演方法 Download PDFInfo
- Publication number
- CN108593569A CN108593569A CN201810710223.5A CN201810710223A CN108593569A CN 108593569 A CN108593569 A CN 108593569A CN 201810710223 A CN201810710223 A CN 201810710223A CN 108593569 A CN108593569 A CN 108593569A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- water quality
- quality parameter
- value
- morphological feature
- 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
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 153
- 238000001228 spectrum Methods 0.000 title claims abstract description 115
- 230000000877 morphologic effect Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 26
- 238000000701 chemical imaging Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 7
- 230000003595 spectral effect Effects 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000012360 testing method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 238000011065 in-situ storage Methods 0.000 claims description 8
- 238000000611 regression analysis Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000002310 reflectometry Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000009795 derivation Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 4
- 238000012886 linear function Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 238000010835 comparative analysis Methods 0.000 abstract description 3
- 238000012417 linear regression Methods 0.000 abstract description 3
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 description 19
- 229910001425 magnesium ion Inorganic materials 0.000 description 19
- 241000370738 Chlorion Species 0.000 description 7
- BVKZGUZCCUSVTD-UHFFFAOYSA-M Bicarbonate Chemical compound OC([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-M 0.000 description 6
- NPYPAHLBTDXSSS-UHFFFAOYSA-N Potassium ion Chemical compound [K+] NPYPAHLBTDXSSS-UHFFFAOYSA-N 0.000 description 6
- 229910001414 potassium ion Inorganic materials 0.000 description 6
- 241000208340 Araliaceae Species 0.000 description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 description 4
- 235000008434 ginseng Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 description 1
- 239000013543 active substance Substances 0.000 description 1
- 150000001450 anions Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 229930002875 chlorophyll Natural products 0.000 description 1
- 235000019804 chlorophyll Nutrition 0.000 description 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004836 empirical method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000011591 potassium Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
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光谱形态特征的高光谱水质参数定量反演方法,涉及水质遥感监测领域。该方法通过对比分析地面测量光谱数据和高光谱影像数据,提取光谱曲线形态特征,并选取与水质参数呈显著相关的地面测量光谱形态特征建立基于地面测量光谱数据的反演模型,并以基于地面测量光谱建立的反演模型所选取的光谱形态特征为自变量,建立各水质参数的高光谱反演模型,将高光谱反演模型应用于高光谱影像,获得工作区的水质参数反演结果。所以,采用本发明提供的方法,可以建立pH、硬度等一般化学性水质参数的多元线性回归模型,实现了多种水质参数信息“由点到面”的快速、准确获取,为区域水环境动态监测提供新技术方法。
Description
技术领域
本发明涉及水质遥感监测领域,尤其涉及一种基于光谱形态特征的高光谱水质参数定量反演方法。
背景技术
水环境监测的基础是水质监测,当前常规水质监测主要采用实地测量或者取水样对其进行室内化验分析,其优点是可精确测定水体的各项水质指标,但由于环境复杂多变,空间差异大,导致这种“以点代面”的工作方法面对区域性分析时,整体精度不高、费时费力,更难以实现区域水体的动态监测。
遥感在水质监测中的应用从最初单纯的水域识别发展到水质参数反演,水质参数遥感反演是通过分析水体反射光谱特征与水质参数浓度之间的关系,建立水质参数的遥感反演模型,进而利用遥感图像估算水质参数的浓度。它具有快速、宏观、低成本和周期性等优点,可以探测水质参数在空间和时间上的变化,还能发现一些常规方法难以揭示的污染源和污染物的迁移特征。所使用的数据源从多光谱遥感数据、非成像高光谱数据到高光谱成像光谱数据,而遥感反演方法发展出物理方法、经验方法和半经验方法。目前应用相对成熟的是对水体中叶绿素、悬浮物、可溶有机物等光学活性物质浓度进行遥感反演,针对这些指标参数已建立诸多反演模型。而pH、硬度、各种阳阴离子等一般化学性水质参数的遥感反演则相对较少。
发明内容
本发明的目的在于提供一种基于光谱形态特征的高光谱水质参数定量反演方法,从而解决现有技术中存在的前述问题。
为了实现上述目的,本发明采用的技术方案如下:
一种基于光谱形态特征的高光谱水质参数定量反演方法,包括如下步骤:
S1,采集水样并进行水质全分析,获得水质参数测试结果;
S2,在水样采集点进行现场光谱测量,获得地面测量光谱数据;
S3,采集高光谱影像数据;
S4,对所述地面测量光谱数据和高光谱影像数据进行对比分析,并提取得到原始光谱曲线形态特征、去包络线后光谱曲线形态特征、光谱曲线三阶求导后形态特征和光谱四值编码;
S5,采用皮尔森相关系数分析水质参数与地面测量光谱形态特征之间的相关性,其中皮尔森相关系数的计算公式如下:
式中xi和yi分别为光谱形态特征集合x和水质参数样本集合y的第i个观测值,和是样本集合x和y的平均值,n为样本数,P用于描述水质参数与光谱形态特征之间的相关系数,P∈[-1,1],其绝对值越大,表明数据之间的相关性越强。
S6,选取地面测量光谱形态特征与水质参数呈显著相关的特征量作为建模初始变量,采用逐步回归分析方法,建立水质参数的多元一次函数反演模型;
S7,针对高光谱影像数据,选取与S6中建立的地面测量光谱反演模型相同类型的自变量和函数类型,采用进入回归分析方法,建立水质参数的高光谱反演模型;
S8,将水质参数的高光谱反演模型应用于工作区高光谱影像,获得区域性水质参数的定量反演结果。
优选地,S2中,所述在水样采集点进行现场光谱测量,具体为,采用光谱仪对水体进行现场光谱测量,光谱测量过程中,仪器观测平面与太阳入射光线的夹角保持在135°左右,背向太阳,与水平法线的夹角在40°左右,每次测量采集10条光谱,每个水样点采集3~5次,在测得水体反射太阳光DN值的基础上,经过异常值剔除、光谱平均和定标处理后,获得水样点的地面测量光谱数据。
优选地,S4中,所述原始光谱曲线形态特征包括最大反射率及其波长位置、反射峰右斜率、反射峰右面积、反射峰右第一斜率、反射峰右第一面积、反射峰数比波段总数和吸收谷数比波段总数。
优选地,S4中,所述去包络线后光谱曲线形态特征包括吸收深度及其波长位置、吸收宽度、吸收对称度、吸收面积、吸收斜率及光谱吸收指数。
优选地,S4中,所述光谱曲线三阶求导后形态特征包括三阶导最大/最小值及其波长位置、三阶导最大最小斜率及三阶导数的极值个数比总波段数;其中,三阶导数的计算公式如下:
R″′(λi)=(Ri+3-Ri+1-3×Ri-1+Ri-3)/(8×Δλ3)
式中,R″′(λi)为三阶导数,R(λi)表示波长λi处的反射率值,Δλ表示波长间隔。
优选地,S4中,所述光谱四值编码包括光谱编码I、光谱编码II、光谱编码III和光谱编码IV,所述光谱四值编码按照如下步骤获得:
①计算整体光谱数据的平均值作为第一个阈值T0;
②根据阈值T0将光谱数据分为两个区间;
③对两个区间的光谱数据分别求得平均值T1、T2,作为第二次使用的阈值;
④利用T1、T2将光谱数据分为四个区间,对其分别赋值为0、1、2、3,从而获得所述光谱四值编码。
优选地,S6中,还包括步骤:对建立的回归方程进行显著性检验和回归系数的显著性检验。
优选地,S8之后还包括步骤S9,通过水质参数的实测值,采用判定系数R2和均方根误差RMSE对反演结果进行精度分析。
优选地,所述判定系数按照如下公式进行计算:
式中yi为实测值,为实测值的平均值,fi为反演值,n为样本数,R2值越大,反演精度就越高。
优选地,所述均方根误差按照如下公式进行计算:
式中yi为实测值,fi为反演值,n为样本数,RMSE值越小,反演精度越高。
本发明的有益效果是:本发明提供的基于光谱曲线形态特征的高光谱遥感水质参数定量反演方法,通过对比分析地面测量光谱数据和高光谱影像数据,提取光谱曲线形态特征,并选取与水质参数呈显著相关的地面测量光谱形态特征建立基于地面测量光谱数据的反演模型,并以基于地面测量光谱建立的反演模型所选取的光谱形态特征为自变量,建立各水质参数的高光谱反演模型,将高光谱反演模型应用于高光谱影像,获得工作区的水质参数反演结果。所以,采用本发明提供的方法,可以建立pH、硬度等一般化学性水质参数的多元线性回归模型,实现了多种水质参数信息“由点到面”的快速、准确获取,为区域水环境动态监测提供新技术方法。
附图说明
图1是本发明提供的基于光谱形态特征的高光谱水质参数定量反演方法流程示意图;
图2是工作区内铜绿山尾矿库的高光谱影像示意图;
图3是工作区内大港河的高光谱影像示意图;
图4是工作区内大冶湖的高光谱影像示意图;
图5是工作区内铜绿山尾矿库的水质参数反演结果,其中图5a是水质参数pH的反演结果、图5b是水质参数硬度(Ca2++Mg2+)的反演结果、图5c是水质参数钾离子与氯离子之比(K+/Cl-)反演结果、图5d是水质参数镁离子与碱度之比(Mg2+/(HCO3 -+CO3 2-))反演结果;
图6是工作区内大港河的水质参数反演结果,其中图6a是水质参数pH的反演结果、图6b是水质参数硬度(Ca2++Mg2+)的反演结果、图6c是水质参数钾离子与氯离子之比(K+/Cl-)反演结果、图6d是水质参数镁离子与碱度之比(Mg2+/(HCO3 -+CO3 2-))反演结果;
图7是工作区内大冶湖的水质参数反演结果,其中图7a是水质参数pH的反演结果、图7b是水质参数硬度(Ca2++Mg2+)的反演结果、图7c是水质参数钾离子与氯离子之比(K+/Cl-)反演结果、图7d是水质参数镁离子与碱度之比(Mg2+/(HCO3 -+CO3 2-))反演结果。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明实施例提供了一种基于光谱形态特征的高光谱水质参数定量反演方法,包括如下步骤:
S1,采集水样并进行水质全分析,获得水质参数测试结果;
S2,在水样采集点进行现场光谱测量,获得地面测量光谱数据;
S3,采集高光谱影像数据;
S4,对所述地面测量光谱数据和高光谱影像数据进行对比分析,并提取得到原始光谱曲线形态特征、去包络线后光谱曲线形态特征、光谱曲线三阶求导后形态特征和光谱四值编码;
S5,采用皮尔森相关系数分析水质参数与地面测量光谱形态特征之间的相关性,其中皮尔森相关系数的计算公式如下:
式中xi和yi分别为光谱形态特征集合x和水质参数样本集合y的第i个观测值,和是样本集合x和y的平均值,n为样本数,P用于描述水质参数与光谱形态特征之间的相关系数,P∈[-1,1],其绝对值越大,表明数据之间的相关性越强。
S6,选取地面测量光谱形态特征与水质参数呈显著相关的特征量作为建模初始变量,采用逐步回归分析方法,建立水质参数的多元一次函数反演模型;
S7,针对高光谱影像数据,选取与S6中建立的地面测量光谱反演模型相同类型的自变量和函数类型,采用进入回归分析方法,建立水质参数的高光谱反演模型;
S8,将水质参数的高光谱反演模型应用于工作区高光谱影像,获得区域性水质参数的定量反演结果。
其中,S2中,所述在水样采集点进行现场光谱测量,具体可以为,采用光谱仪对水体进行现场光谱测量,光谱测量过程中,仪器观测平面与太阳入射光线的夹角保持在135°左右,背向太阳,与水平法线的夹角在40°左右,每次测量采集10条光谱,每个水样点采集3~5次,在测得水体反射太阳光DN值的基础上,经过异常值剔除、光谱平均和定标处理后,获得水样点的地面测量光谱数据。
本发明实施例中,S4中,所述原始光谱曲线形态特征包括最大反射率及其波长位置、反射峰右斜率、反射峰右面积、反射峰右第一斜率、反射峰右第一面积、反射峰数比波段总数和吸收谷数比波段总数。
其中,反射峰右斜率,即为光谱反射峰与光谱值最小点连线的斜率;
反射峰右面积,即为光谱反射峰与光谱值最小点所围面积;
反射峰右第一斜率,即为光谱反射峰与右侧邻近吸收谷连线的斜率;
反射峰右第一面积,即为光谱反射峰与右侧邻近吸收谷所围面积。
S4中,所述去包络线后光谱曲线形态特征包括吸收深度及其波长位置、吸收宽度、吸收对称度、吸收面积、吸收斜率及光谱吸收指数。
S4中,所述光谱曲线三阶求导后形态特征包括三阶导最大/最小值及其波长位置、三阶导最大最小斜率及三阶导数的极值个数比总波段数;其中,三阶导数的计算公式如下:
R″′(λi)=(Ri+3-Ri+1-3×Ri-1+Ri-3)/(8×Δλ3)
式中,R″′(λi)为三阶导数,R(λi)表示波长λi处的反射率值,Δλ表示波长间隔。
其中,三阶导最大最小斜率,即为三阶导数光谱的最大值与最小值连线的斜率。
S4中,所述光谱四值编码包括光谱编码I、光谱编码II、光谱编码III和光谱编码IV,所述光谱四值编码可以按照如下步骤获得:
①计算整体光谱数据的平均值作为第一个阈值T0;
②根据阈值T0将光谱数据分为两个区间;
③对两个区间的光谱数据分别求得平均值T1、T2,作为第二次使用的阈值;
④利用T1、T2将光谱数据分为四个区间,对其分别赋值为0、1、2、3,从而获得所述光谱四值编码。
本发明实施例中,S6中,还可以包括步骤:对建立的回归方程进行显著性检验和回归系数的显著性检验。
在本发明的一个优选实施例中,S8之后还可以包括步骤S9,通过水质参数的实测值,采用判定系数R2和均方根误差RMSE对反演结果进行精度分析。
所述判定系数可以按照如下公式进行计算:
式中yi为实测值,为实测值的平均值,fi为反演值,n为样本数,R2值越大,反演精度就越高。
所述均方根误差可以按照如下公式进行计算:
式中yi为实测值,fi为反演值,n为样本数,RMSE值越小,反演精度越高。
具体实施例
本发明实施例中,选择我国典型因矿兴市的矿业重镇湖北大冶为工作区,该区域位于长江中下游,湖泊、河流等水系众多,矿山开发活动对水环境造成不同程度污染。采用本发明提供的基于光谱形态特征的高光谱水质参数定量反演方法,对工作区的水质参数进行定量反演,可以按照如下步骤进行实施:
(1)针对工作区水体分布状况,设计水样和高光谱数据采集地点,同步开展水体样品采集、地面光谱测量和高光谱无人机航飞。
其中,共采集到11组水样,并对水样进行水质全分析,获得水样测试化验结果,采集水样均成碱性,水体以SO4 2-·Cl--Ca2+·Mg2+为主,属于淡水至微咸水。
采用ASD Field Pro FR便携式分光辐射光谱仪,其光谱范围为350~2500nm,光谱分辨率为1nm。对工作区内矿山废水、河流水、湖泊水等水体进行现场光谱测量。在测得水体反射太阳光DN值的基础上,经过异常值剔除、光谱平均和定标处理后,获得各水样点的光谱反射率曲线。
采用大疆M600六旋翼专业级无人机搭载框幅式高光谱成像仪Rikola,对矿山尾矿库、主要河流、重要湖泊开展无人机航飞,获得工作区高光谱原始影像,对其进行辐射定标、白板校正处理后得到高光谱影像数据,其波谱范围为505~890nm,光谱分辨率为7.78nm,共有49个波段,空间分辨率为30cm。
(2)通过光谱曲线形态特征定义及其计算方法,提取出地面测量光谱和高光谱数据的四大类25个光谱形态特征。为了避免不同数据的光谱分辨率对光谱形态特征计算结果的影响,对波长位置和波段数有关的特征变量进行归一化处理。
(3)采用皮尔森(Pearson)相关系数分析水体样品的水质参数与地面实测光谱形态特征之间的相关性,计算结果显示pH、硬度(Ca2++Mg2+)、钾离子与氯离子之比(K+/Cl-)、镁离子与碱度之比(Mg2+/(HCO3 -+CO3 2-))四种水质组分与吸收谷深度、宽度、对称度、面积、吸收指数、光谱编码I、光谱编码II、光谱编码III、光谱编码IV、最大反射率及其波长位置、反射峰右斜率、反射峰右面积、三阶导最大值及其波长位置、三阶导最小值和三阶导最大最小斜率存在显著相关性。
(4)建立基于地面测量光谱数据的反演模型,选取各水质参数的显著性光谱特征作为建模变量,通过逐步回归分析方法建立各水质参数的多元一次函数反演模型,回归模型均通过回归方程的显著性检验(F检验)和回归系数的显著性检验(t检验)。
(5)以基于地面测量光谱建立的反演模型所选取的光谱形态特征为自变量,通过进入回归分析方法建立各水质参数的高光谱反演模型。
其中,pH反演模型为:
ypH=0.387x1-0.139x2+7.555
式中,ypH为pH反演值,x1为三阶导最大值,x2为最大反射率;
其中,硬度(Ca2++Mg2+)反演模型为:
式中,为硬度反演值,x1为对称度;
其中,钾离子与氯离子之比反演模型为:
式中,为钾离子与氯离子之比的反演值,x1为三阶导最小值;
其中,镁离子与碱度之比(Mg2+/(HCO3 -+CO3 2-))的反演模型为:
式中,为镁离子与碱度之比的反演值,x1为最大反射率波长位置,x2为光谱编码III;
(6)将上述建立的高光谱反演模型应用于工作区高光谱影像,获得工作区内尾矿库(铜绿山尾矿库,如图2所示)、河流(大港河,如图3所示)、湖泊(大冶湖,如图4所示)的水质参数反演结果,如图5-7(其中,图5包括图5a、5b、5c、5d,图6包括图6a、6b、6c、6d,图7包括图7a、7b、7c、7d,)所示。对反演结果进行精度分析,显示水质参数pH、硬度(Ca2++Mg2+)、钾离子与氯离子之比(K+/Cl-)、镁离子与碱度之比(Mg2+/(HCO3 -+CO3 2-))的判定系数R2分别为0.724、0.823、0.895和0.912,均方根误差RMSE分别为0.101、33、0.047和0.032。
通过采用本发明公开的上述技术方案,得到了如下有益的效果:本发明提供的基于光谱曲线形态特征的高光谱遥感水质参数定量反演方法,通过对比分析地面测量光谱数据和高光谱影像数据,提取光谱曲线形态特征,并选取与水质参数呈显著相关的地面测量光谱形态特征建立基于地面测量光谱数据的反演模型,并以基于地面测量光谱建立的反演模型所选取的光谱形态特征为自变量,建立各水质参数的高光谱反演模型,将高光谱反演模型应用于高光谱影像,获得工作区的水质参数反演结果。所以,采用本发明提供的方法,可以建立pH、硬度等一般化学性水质参数的多元线性回归模型,实现了多种水质参数信息“由点到面”的快速、准确获取,为区域水环境动态监测提供新技术方法。
以上所述仅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,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视本发明的保护范围。
Claims (10)
1.一种基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,包括如下步骤:
S1,采集水样并进行水质全分析,获得水质参数测试结果;
S2,在水样采集点进行现场光谱测量,获得地面测量光谱数据;
S3,采集高光谱影像数据;
S4,对所述地面测量光谱数据和高光谱影像数据进行对比分析,并提取得到原始光谱曲线形态特征、去包络线后光谱曲线形态特征、光谱曲线三阶求导后形态特征和光谱四值编码;
S5,采用皮尔森相关系数分析水质参数与地面测量光谱形态特征之间的相关性,其中皮尔森相关系数的计算公式如下:
式中xi和yi分别为光谱形态特征集合x和水质参数样本集合y的第i个观测值,和是样本集合x和y的平均值,n为样本数,P用于描述水质参数与光谱形态特征之间的相关系数,P∈[-1,1],其绝对值越大,表明数据之间的相关性越强。
S6,选取地面测量光谱形态特征与水质参数呈显著相关的特征量作为建模初始变量,采用逐步回归分析方法,建立水质参数的多元一次函数反演模型;
S7,针对高光谱影像数据,选取与S6中建立的地面测量光谱反演模型相同类型的自变量和函数类型,采用进入回归分析方法,建立水质参数的高光谱反演模型;
S8,将水质参数的高光谱反演模型应用于工作区高光谱影像,获得区域性水质参数的定量反演结果。
2.如权利要求1所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,S2中,所述在水样采集点进行现场光谱测量,具体为,采用光谱仪对水体进行现场光谱测量,光谱测量过程中,仪器观测平面与太阳入射光线的夹角保持在135°左右,背向太阳,与水平法线的夹角在40°左右,每次测量采集10条光谱,每个水样点采集3~5次,在测得水体反射太阳光DN值的基础上,经过异常值剔除、光谱平均和定标处理后,获得水样点的地面测量光谱数据。
3.如权利要求1所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,S4中,所述原始光谱曲线形态特征包括最大反射率及其波长位置、反射峰右斜率、反射峰右面积、反射峰右第一斜率、反射峰右第一面积、反射峰数比波段总数和吸收谷数比波段总数。
4.如权利要求1所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,S4中,所述去包络线后光谱曲线形态特征包括吸收深度及其波长位置、吸收宽度、吸收对称度、吸收面积、吸收斜率及光谱吸收指数。
5.如权利要求1所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,S4中,所述光谱曲线三阶求导后形态特征包括三阶导最大/最小值及其波长位置、三阶导最大最小斜率及三阶导数的极值个数比总波段数;其中,三阶导数的计算公式如下:
R″′(λi)=(Ri+3-Ri+1-3×Ri-1+Ri-3)/(8×Δλ3)
式中,R″′(λi)为三阶导数,R(λi)表示波长λi处的反射率值,Δλ表示波长间隔。
6.如权利要求1所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,S4中,所述光谱四值编码包括光谱编码I、光谱编码II、光谱编码III和光谱编码IV,所述光谱四值编码按照如下步骤获得:
①计算整体光谱数据的平均值作为第一个阈值T0;
②根据阈值T0将光谱数据分为两个区间;
③对两个区间的光谱数据分别求得平均值T1、T2,作为第二次使用的阈值;
④利用T1、T2将光谱数据分为四个区间,对其分别赋值为0、1、2、3,从而获得所述光谱四值编码。
7.如权利要求1所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,S6中,还包括步骤:对建立的回归方程进行显著性检验和回归系数的显著性检验。
8.如权利要求1所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,S8之后还包括步骤S9,通过水质参数的实测值,采用判定系数R2和均方根误差RMSE对反演结果进行精度分析。
9.如权利要求8所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,所述判定系数按照如下公式进行计算:
式中yi为实测值,为实测值的平均值,fi为反演值,n为样本数,R2值越大,反演精度就越高。
10.如权利要求8所述的基于光谱形态特征的高光谱水质参数定量反演方法,其特征在于,所述均方根误差按照如下公式进行计算:
式中yi为实测值,fi为反演值,n为样本数,RMSE值越小,反演精度越高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710223.5A CN108593569B (zh) | 2018-07-02 | 2018-07-02 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810710223.5A CN108593569B (zh) | 2018-07-02 | 2018-07-02 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108593569A true CN108593569A (zh) | 2018-09-28 |
CN108593569B CN108593569B (zh) | 2019-03-22 |
Family
ID=63634861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810710223.5A Expired - Fee Related CN108593569B (zh) | 2018-07-02 | 2018-07-02 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108593569B (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109459402A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱法水质cod参数预测方法 |
CN109580509A (zh) * | 2018-12-03 | 2019-04-05 | 北京英视睿达科技有限公司 | 全光谱水质监测方法和系统 |
CN110361344A (zh) * | 2019-08-30 | 2019-10-22 | 北京麦飞科技有限公司 | 基于高光谱的病害程度诊断方法 |
CN110672805A (zh) * | 2019-10-08 | 2020-01-10 | 核工业北京地质研究院 | 一种基于航空高光谱数据的水库水质参数定量反演方法 |
CN110865040A (zh) * | 2019-11-29 | 2020-03-06 | 深圳航天智慧城市系统技术研究院有限公司 | 天空地一体化高光谱水质监测分析方法 |
CN110887792A (zh) * | 2019-12-17 | 2020-03-17 | 深圳慧格科技服务咨询有限公司 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
CN110988286A (zh) * | 2019-12-18 | 2020-04-10 | 松辽水资源保护科学研究所 | 一种智能水资源长期探测系统 |
CN111274938A (zh) * | 2020-01-19 | 2020-06-12 | 四川省自然资源科学研究院 | 一种面向Web的高分遥感河流水质动态监测方法与系统 |
CN111310982A (zh) * | 2020-01-20 | 2020-06-19 | 中国气象局广州热带海洋气象研究所 | 双参云微物理方案伽马雨滴谱函数高精度快速求解方法 |
CN111795932A (zh) * | 2020-06-15 | 2020-10-20 | 杭州电子科技大学 | 一种基于高光谱的杨梅果实糖酸度无损检测方法 |
CN112098415A (zh) * | 2020-08-06 | 2020-12-18 | 杭州电子科技大学 | 一种杨梅品质无损检测方法 |
CN112763426A (zh) * | 2020-12-23 | 2021-05-07 | 宁德卫星大数据科技有限公司 | 一种循环优化的高光谱大数据水质全天候动态监测方法 |
CN112986157A (zh) * | 2020-12-23 | 2021-06-18 | 浙江省淡水水产研究所 | 一种养殖水环境预警调控方法、装置及系统 |
CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
CN113176225A (zh) * | 2021-04-26 | 2021-07-27 | 深圳市国科光谱技术有限公司 | 一种针对水分含量变化的多品种物质的光谱匹配方法 |
CN113588583A (zh) * | 2021-07-28 | 2021-11-02 | 南京红松信息技术有限公司 | 基于全光谱的水质指标监测系统及水质监测的方法 |
CN113834787A (zh) * | 2021-08-17 | 2021-12-24 | 中国矿业大学 | 一种中小河道劣ⅴ类水体水质识别与量化方法 |
CN113947726A (zh) * | 2021-10-29 | 2022-01-18 | 江苏天汇空间信息研究院有限公司 | 基于互联网的生态河湖区域监管系统 |
CN114002165A (zh) * | 2021-10-29 | 2022-02-01 | 中国科学院新疆生态与地理研究所 | 一种基于铜元素光谱指数反演的铜元素丰度预测方法 |
CN114048764A (zh) * | 2021-10-22 | 2022-02-15 | 中国科学院西安光学精密机械研究所 | 一种红外光谱包络线去除方法 |
CN114965316A (zh) * | 2022-05-17 | 2022-08-30 | 中国科学院西安光学精密机械研究所 | 一种基于高光谱多参数的水质监测方法、计算机程序产品 |
CN116698762A (zh) * | 2023-06-01 | 2023-09-05 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、系统及介质 |
CN117723497A (zh) * | 2024-02-08 | 2024-03-19 | 上海阿夸斯科技有限公司 | 一种智能随动水质监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699889A (zh) * | 2014-01-06 | 2014-04-02 | 成都理工大学 | 一种基于高光谱遥感技术的尾矿识别方法及系统 |
CN105740799A (zh) * | 2016-01-27 | 2016-07-06 | 深圳大学 | 基于三维Gabor特征选择的高光谱遥感图像分类方法及系统 |
CN106326926A (zh) * | 2016-08-23 | 2017-01-11 | 复旦大学 | 一种高光谱图像目标光谱学习方法 |
CN107036974A (zh) * | 2016-11-18 | 2017-08-11 | 中国水利水电科学研究院 | 基于确定性集合建模的水质参数多模型协同反演方法 |
CN107256407A (zh) * | 2017-04-21 | 2017-10-17 | 深圳大学 | 一种高光谱遥感图像分类方法及装置 |
-
2018
- 2018-07-02 CN CN201810710223.5A patent/CN108593569B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699889A (zh) * | 2014-01-06 | 2014-04-02 | 成都理工大学 | 一种基于高光谱遥感技术的尾矿识别方法及系统 |
CN105740799A (zh) * | 2016-01-27 | 2016-07-06 | 深圳大学 | 基于三维Gabor特征选择的高光谱遥感图像分类方法及系统 |
CN106326926A (zh) * | 2016-08-23 | 2017-01-11 | 复旦大学 | 一种高光谱图像目标光谱学习方法 |
CN107036974A (zh) * | 2016-11-18 | 2017-08-11 | 中国水利水电科学研究院 | 基于确定性集合建模的水质参数多模型协同反演方法 |
CN107256407A (zh) * | 2017-04-21 | 2017-10-17 | 深圳大学 | 一种高光谱遥感图像分类方法及装置 |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109580509A (zh) * | 2018-12-03 | 2019-04-05 | 北京英视睿达科技有限公司 | 全光谱水质监测方法和系统 |
CN109459402A (zh) * | 2018-12-26 | 2019-03-12 | 南京波思途智能科技股份有限公司 | 一种光谱法水质cod参数预测方法 |
CN110361344A (zh) * | 2019-08-30 | 2019-10-22 | 北京麦飞科技有限公司 | 基于高光谱的病害程度诊断方法 |
CN110672805A (zh) * | 2019-10-08 | 2020-01-10 | 核工业北京地质研究院 | 一种基于航空高光谱数据的水库水质参数定量反演方法 |
CN110865040A (zh) * | 2019-11-29 | 2020-03-06 | 深圳航天智慧城市系统技术研究院有限公司 | 天空地一体化高光谱水质监测分析方法 |
CN110887792A (zh) * | 2019-12-17 | 2020-03-17 | 深圳慧格科技服务咨询有限公司 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
CN110988286A (zh) * | 2019-12-18 | 2020-04-10 | 松辽水资源保护科学研究所 | 一种智能水资源长期探测系统 |
CN111274938A (zh) * | 2020-01-19 | 2020-06-12 | 四川省自然资源科学研究院 | 一种面向Web的高分遥感河流水质动态监测方法与系统 |
CN111310982A (zh) * | 2020-01-20 | 2020-06-19 | 中国气象局广州热带海洋气象研究所 | 双参云微物理方案伽马雨滴谱函数高精度快速求解方法 |
CN111795932A (zh) * | 2020-06-15 | 2020-10-20 | 杭州电子科技大学 | 一种基于高光谱的杨梅果实糖酸度无损检测方法 |
CN111795932B (zh) * | 2020-06-15 | 2022-11-15 | 杭州电子科技大学 | 一种基于高光谱的杨梅果实糖酸度无损检测方法 |
CN112098415A (zh) * | 2020-08-06 | 2020-12-18 | 杭州电子科技大学 | 一种杨梅品质无损检测方法 |
CN112098415B (zh) * | 2020-08-06 | 2022-11-18 | 杭州电子科技大学 | 一种杨梅品质无损检测方法 |
CN112763426A (zh) * | 2020-12-23 | 2021-05-07 | 宁德卫星大数据科技有限公司 | 一种循环优化的高光谱大数据水质全天候动态监测方法 |
CN112986157A (zh) * | 2020-12-23 | 2021-06-18 | 浙江省淡水水产研究所 | 一种养殖水环境预警调控方法、装置及系统 |
CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
CN113109281B (zh) * | 2021-04-13 | 2022-11-29 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
CN113176225A (zh) * | 2021-04-26 | 2021-07-27 | 深圳市国科光谱技术有限公司 | 一种针对水分含量变化的多品种物质的光谱匹配方法 |
CN113176225B (zh) * | 2021-04-26 | 2023-02-07 | 深圳市国科光谱技术有限公司 | 一种针对水分含量变化的多品种物质的光谱匹配方法 |
CN113588583A (zh) * | 2021-07-28 | 2021-11-02 | 南京红松信息技术有限公司 | 基于全光谱的水质指标监测系统及水质监测的方法 |
CN113834787A (zh) * | 2021-08-17 | 2021-12-24 | 中国矿业大学 | 一种中小河道劣ⅴ类水体水质识别与量化方法 |
CN114048764B (zh) * | 2021-10-22 | 2023-04-18 | 中国科学院西安光学精密机械研究所 | 一种红外光谱包络线去除方法 |
CN114048764A (zh) * | 2021-10-22 | 2022-02-15 | 中国科学院西安光学精密机械研究所 | 一种红外光谱包络线去除方法 |
CN113947726B (zh) * | 2021-10-29 | 2022-07-01 | 江苏天汇空间信息研究院有限公司 | 基于互联网的生态河湖区域监管系统 |
CN114002165A (zh) * | 2021-10-29 | 2022-02-01 | 中国科学院新疆生态与地理研究所 | 一种基于铜元素光谱指数反演的铜元素丰度预测方法 |
CN113947726A (zh) * | 2021-10-29 | 2022-01-18 | 江苏天汇空间信息研究院有限公司 | 基于互联网的生态河湖区域监管系统 |
CN114965316A (zh) * | 2022-05-17 | 2022-08-30 | 中国科学院西安光学精密机械研究所 | 一种基于高光谱多参数的水质监测方法、计算机程序产品 |
CN116698762A (zh) * | 2023-06-01 | 2023-09-05 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、系统及介质 |
CN116698762B (zh) * | 2023-06-01 | 2024-02-13 | 珠江水利委员会珠江水利科学研究院 | 一种基于无人机的水质检测方法、系统及介质 |
CN117723497A (zh) * | 2024-02-08 | 2024-03-19 | 上海阿夸斯科技有限公司 | 一种智能随动水质监测系统 |
CN117723497B (zh) * | 2024-02-08 | 2024-04-26 | 上海阿夸斯科技有限公司 | 一种智能随动水质监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108593569B (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108593569B (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
Dierssen et al. | Ocean color remote sensing of seagrass and bathymetry in the Bahamas Banks by high‐resolution airborne imagery | |
CN107589075B (zh) | 一种浅水湖泊固有光学参数的olci遥感监测方法 | |
CN104820224B (zh) | 富营养化湖泊水体叶绿素a的MODIS卫星高精度监测方法 | |
Duan et al. | Comparison of different semi-empirical algorithms to estimate chlorophyll-a concentration in inland lake water | |
CN105092476A (zh) | 同时反演内陆水体混浊度、cod和叶绿素浓度的方法 | |
CN112989692A (zh) | 基于遥感数据的湖泊富营养化反演方法 | |
Li et al. | Estimation of chlorophyll-a concentrations in a highly turbid eutrophic lake using a classification-based MODIS land-band algorithm | |
CN113109281B (zh) | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 | |
Yu et al. | Assessment of total suspended sediment concentrations in Poyang Lake using HJ-1A/1B CCD imagery | |
CN111965140B (zh) | 基于特征峰的波长点重组方法 | |
CN112881293A (zh) | 一种基于高分一号卫星的内陆湖泊清洁水体叶绿素a浓度反演方法 | |
CN110836870B (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
CN113420497B (zh) | 浑浊湖泊总磷浓度遥感估算方法 | |
Kutser et al. | Remote sensing of water quality in optically complex lakes | |
Chen et al. | A simple atmospheric correction algorithm for MODIS in shallow turbid waters: A case study in Taihu Lake | |
Fu et al. | Multi-sensor and multi-platform retrieval of water chlorophyll a concentration in karst wetlands using transfer learning frameworks with ASD, UAV, and Planet CubeSate reflectance data | |
CN109406405A (zh) | 一种适用于盐湖水体矿化度的高分辨率遥感定量估算方法 | |
Reinart et al. | Inherent and apparent optical properties of Lake Peipsi, Estonia | |
Mollaee | Estimation of phytoplankton chlorophyll-a concentration in the western basin of Lake Erie using Sentinel-2 and Sentinel-3 data | |
CN114705632A (zh) | 一种利用卫星遥感反射率估算水库营养状态指数的方法 | |
CN114112941A (zh) | 基于支持向量回归的航空高光谱水体富营养化评价方法 | |
Kisevic et al. | The use of hyperspectral data for evaluation of water quality parameters in the River Sava | |
CN105004846A (zh) | 一种监测高浑浊海水浊度的卫星遥感方法 | |
CN115266648A (zh) | 一种二类水体固有光学参数优化模拟方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190322 |