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

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

基于光谱形态特征的高光谱水质参数定量反演方法

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x_i和y_i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″′(λ_i)＝(R_i+3-R_i+1-3×R_i-1+R_i-3)/(8×Δλ³)

式中，R″′(λ_i)为三阶导数，R(λ_i)表示波长λ_i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y_i为实测值，为实测值的平均值，f_i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y_i为实测值，f_i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x_i和y_i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″′(λ_i)＝(R_i+3-R_i+1-3×R_i-1+R_i-3)/(8×Δλ³)

式中，R″′(λ_i)为三阶导数，R(λ_i)表示波长λ_i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y_i为实测值，为实测值的平均值，f_i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y_i为实测值，f_i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：

y_pH＝0.387x₁-0.139x₂+7.555

式中，y_pH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x_i和y_i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″′(λ_i)＝(R_i+3-R_i+1-3×R_i-1+R_i-3)/(8×Δλ³)

式中，R″′(λ_i)为三阶导数，R(λ_i)表示波长λ_i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y_i为实测值，为实测值的平均值，f_i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y_i为实测值，f_i为反演值，n为样本数，RMSE值越小，反演精度越高。