CN109269989A - 一种溶解氧的识别方法、装置、存储介质及设备 - Google Patents

一种溶解氧的识别方法、装置、存储介质及设备 Download PDF

Info

Publication number
CN109269989A
CN109269989A CN201811197852.9A CN201811197852A CN109269989A CN 109269989 A CN109269989 A CN 109269989A CN 201811197852 A CN201811197852 A CN 201811197852A CN 109269989 A CN109269989 A CN 109269989A
Authority
CN
China
Prior art keywords
dissolved oxygen
black
water body
image
water
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
CN201811197852.9A
Other languages
English (en)
Inventor
韩留生
周成虎
杨骥
李勇
杨传训
张晨
赵倩
王树详
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 CN201811197852.9A priority Critical patent/CN109269989A/zh
Publication of CN109269989A publication Critical patent/CN109269989A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • 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
    • G01N21/55—Specular reflectivity
    • 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)
  • 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)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明涉及一种溶解氧的识别方法、装置、存储介质及设备，包括：获取地面黑臭水体采样点的溶解氧含量、地面黑臭水体采样点在各个波段的水体反射率；获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率；将地面黑臭水体采样点的溶解氧含量、黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率进行相关性分析，确定最佳波段组合的水体反射率；将在最佳波段组合的水体反射率下的溶解氧含量进行拟合，确定关系模型；获取待测区域的黑臭水体图像；根据关系模型和黑臭水体图像，确定溶解氧的分布。本发明无需到待测区域实地测量，也无需进行化学检定，实现了对大范围区域的黑臭水体的溶解氧的快速识别。

Description

一种溶解氧的识别方法、装置、存储介质及设备
技术领域
本发明涉及溶解氧检测领域，特别是涉及一种溶解氧的识别方法、装置、存储介质及设备。
背景技术
地表水体作为水资源的主要组成部分，对其分布、调查、治理、规划和监测也具有重要意义。而在城市繁荣的进程中，工业、农业和生活废水使得城市建成区内的地表水体不再清澈，甚至出现发黑发臭的问题，成为了城市中的黑臭水体。这些黑臭水体形成的一个原因是由水体中的溶解氧含量过低造成的，因此，通过对黑臭水体中的溶解氧进行检测，对后续黑臭水体的分布和检测具有重大的指导作用。
发明人在开展本发明的发明创造中发现，对黑臭水体的溶解氧的检测通常为从地面待测区域直接获取黑臭水体的样本，并通过对黑臭水体的样本的化学检测来直接获得溶解氧的分布情况，这种方式仅仅限于小范围区域的研究，而且需要研究人员到达待测区域进行采集，每次都需要化学检测来获得溶解氧，操作十分不方便。因此，如何实现对大范围区域的黑臭水体的溶解氧分布进行识别，成为了亟待解决的问题。
发明内容
基于此，本发明的目的在于，提供一种溶解氧的识别方法，其具有无需到待测区域进行实地测量，也无需进行化学检定，可实现对大范围区域的黑臭水体的溶解氧的快速识别的优点。
一种溶解氧的识别方法，包括如下步骤：
获取地面黑臭水体采样点的溶解氧含量、以及地面黑臭水体采样点在各个波段的水体反射率；
根据所述地面黑臭水体采样点在各个波段的水体反射率，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率；
将所述地面黑臭水体采样点的溶解氧含量、以及所述黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率进行相关性分析，确定表征溶解氧的最佳波段组合的水体反射率；
将在最佳波段组合的水体反射率下的溶解氧含量进行拟合，确定溶解氧含量与最佳波段组合的水体反射率的关系模型；其中，所述溶解氧分布与最佳波段组合的水体反射率的关系满足：溶解氧的含量随着最佳波段组合的水体反射率的增大而增大；
获取待测区域的星载多光谱影像，并确定黑臭水体图像；
根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布。
通过确定地面黑臭水体采样点的溶解氧和星载多光谱遥感摄像装置的最佳波段组合的水体反射率的关系模型，进而根据待测区域的黑臭水体即可获得溶解氧的空间分布，从而无需到待测区域进行实地测量，也无需进行化学检定，实现了对大范围区域的黑臭水体的溶解氧的快速识别。
在一个实施例中，通过将所述根据所述地面黑臭水体采样点在各个波段的水体反射率进行卷积运算映射，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率，其中，所述卷积运算映射的方式为：
式中，λ表示波长，且λmin为星载多光谱遥感摄像装置的起始波长，λmax为星载多光谱遥感摄像装置的终止波长；r(λ)为地面黑臭水体采样点在波长为λ的水体反射率；f(λ)为光谱响应函数；R表示星载多光谱遥感摄像装置的水体反射率。
在一个实施例中，所述溶解氧含量与最佳波段组合的水体反射率的关系模型的表示方式为：y＝7.7707ln(x)+7.5644，其中，x表示最佳波段组合的水体反射率，y表示溶解氧含量；所述最佳波段组合的水体反射率为在波段650nm处的水体反射率与在波段750nm处的水体反射率的差值。
在一个实施例中，所述获取待测区域的星载多光谱影像，并确定黑臭水体图像的步骤，包括：
获取待测区域的星载多光谱影像；
对所述星载多光谱影像进行大气校正，获得校正后的星载多光谱影像；
通过sobel算子对校正后的星载多光谱影像进行处理，获得梯度图像；
对所述梯度图像采用8领域连通域计算方式，将所述梯度图像划分成多个连通域；
通过直方图法统计各个连通域的面积，获得各个连通域的连通面积，若连通域的连通面积未达到预设的连通面积阈值，则将所述连通域确定为非黑臭水体图像；
若连通域面积达到预设的连通面积阈值，则根据悬浮泥沙反演方法，计算所述连通域的悬浮泥沙浓度；若悬浮泥沙浓度大于100mg/L则剔除该连通域；否则，将所述连通域确定为黑臭水体图像，其中，所述悬浮泥沙反演方法的计算公式为：y＝2570x2-6531x+3748；其中x＝lg[R(650)]/lg[R(580)]，R(650)表示中心波长为650nm处波段的反射率，R(580)表示中心波长为580nm处波段的反射率；y为悬浮物浓度浮物浓度。
通过结合sobel算子和连通域处理方式，实现对黑臭水体的快速确定。
在一个实施例中，所述待测区域的星载多光谱影像为：通过卫星搭载多光谱遥感摄像装置获取的多光谱影像。
在一个实施例中，所述待测区域的星载多光谱影像为：通过卫星搭载多光谱遥感摄像装置获取的绿光通道和红光通道的图像，通过绿光通道和红光通道以将黑臭水体与其他地物进行有效区分。
在一个实施例中，所述根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布之后，还包括步骤：根据溶解氧分布的密集程度，将待测区域划分为溶解氧缺少区和溶解氧正常区，并在溶解氧缺少区设置曝气机增加溶解氧含量。
本发明还提供一种溶解氧的识别装置，包括：
采样点数据获取模块，用于获取地面黑臭水体采样点的溶解氧含量、以及地面黑臭水体采样点在各个波段的水体反射率；
水体反射率获取模块，用于根据所述地面黑臭水体采样点在各个波段的水体反射率，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率；
波段确定模块，用于将所述地面黑臭水体采样点的溶解氧含量、以及所述黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率进行相关性分析，确定表征溶解氧的最佳波段组合的水体反射率；
关系模型确定模块，用于将在最佳波段组合的水体反射率下的溶解氧含量进行拟合，确定溶解氧含量与最佳波段组合的水体反射率的关系模型；其中，所述溶解氧含量与最佳波段组合的水体反射率的关系满足：溶解氧的含量随着最佳波段组合的水体反射率的增大而增大；
黑臭水体图像获取模块，用于获取待测区域的星载多光谱影像，并确定黑臭水体图像；
溶解氧分布确定模块，用于根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布。
通过确定地面黑臭水体采样点的溶解氧和星载多光谱遥感摄像装置的最佳波段组合的水体反射率的关系模型，进而根据待测区域的黑臭水体即可获得溶解氧的空间分布，从而无需到待测区域进行实地测量，也无需进行化学检定，实现了对大范围区域的黑臭水体的溶解氧的快速识别。
本发明还提供一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现上述任意一项所述溶解氧的识别方法的步骤。
本发明还提供一种计算机设备，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述溶解氧的识别方法的步骤。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为本发明实施例中溶解氧的识别方法的流程图。
具体实施方式
请参阅图1，其为本发明实施例中溶解氧的识别方法的流程图，所述溶解氧的识别方法，包括如下步骤：
步骤S1：获取地面黑臭水体采样点的溶解氧含量、以及地面黑臭水体采样点在各个波段的水体反射率。
其中，所述溶解氧含量为溶解在水中的空气中的分子态氧的含量，通常记作DO，用每升水里氧气的毫克数表示。水中溶解氧的多少是衡量水体自净能力的一个指标。所述获取地面采样点的黑臭水体的溶解氧的步骤为：通过采集地面黑臭水体采样点的水体，再通过化学检测方式获得黑臭水体中的溶解氧。
其中，所述水体反射率为水体对太阳光的反射能量与入射能量的比值，且在不同波段水体的反射率不同。
其中，所述采样点的黑臭水体在各个波段的水体反射率通过同时采集水质参数以及地面高光谱，通过光谱响应函数将地面高光谱重采样到对应的波光普传感器通道。
步骤S2：根据所述地面黑臭水体采样点在各个波段的水体反射率，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率。
其中，从地面获得的黑臭水体在各个波段的水体反射率，与通过在星载多光谱遥感摄像装置获得的多光谱遥感图像中的黑臭水体在各个波段的水体反射率不同，但是，这两个水体反射率存在映射关系，因此，根据所述采样点的黑臭水体在各个波段的水体反射率，可获得黑臭水体在多光谱遥感图像中各个波段的水体反射率。
其中，星载多光谱遥感摄像装置覆盖范围广，且有大量的历史积累数据，可以用于长时间序列、大范围TP等水体污染参数的识别。
步骤S3：将所述地面黑臭水体采样点的溶解氧含量、以及所述黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率进行相关性分析，确定表征溶解氧的最佳波段组合的水体反射率；
步骤S4：将在最佳波段组合的水体反射率下的溶解氧含量进行拟合，确定溶解氧含量与最佳波段组合的水体反射率的关系模型；其中，所述溶解氧含量与最佳波段组合的水体反射率的关系满足：溶解氧的含量随着最佳波段组合的水体反射率的增大而增大。
步骤S5：获取待测区域的星载多光谱影像，并确定黑臭水体图像；
步骤S6：根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布。
通过确定地面黑臭水体采样点的溶解氧和星载多光谱遥感摄像装置的最佳波段组合的水体反射率的关系模型，进而根据待测区域的黑臭水体即可获得溶解氧的空间分布，从而无需到待测区域进行实地测量，也无需进行化学检定，实现了对大范围区域的黑臭水体的溶解氧的快速识别。
在一个实施例中，在步骤S2中，通过将所述根据所述地面黑臭水体采样点在各个波段的水体反射率进行卷积运算映射，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率的步骤，其中，所述卷积运算映射的方式为：
式中，λ表示波长，且λmin为星载多光谱遥感摄像装置的起始波长，λmax为星载多光谱遥感摄像装置的终止波长；r(λ)为地面黑臭水体采样点在波长为λ的水体反射率；f(λ)为光谱响应函数；R表示星载多光谱遥感摄像装置的水体反射率。
在一个实施例中，在所述最佳波段组合的水体反射率处，溶解氧的含量较多，优选的，所述最佳波段组合的水体反射率为在波段650nm处的水体反射率与在波段750nm处的水体反射率的差值。
在一个实施例中，所述溶解氧含量与最佳波段组合的水体反射率的关系模型的表示方式为：y＝7.7707ln(x)+7.5644，其中，x表示最佳波段组合的水体反射率，y表示溶解氧含量；所述最佳波段组合的水体反射率为在波段650nm处的水体反射率与在波段750nm处的水体反射率的差值。
在一个实施例中，所述获取待测区域的星载多光谱影像，并确定黑臭水体图像的步骤，包括：
步骤S51：获取待测区域的星载多光谱影像。
在一个实施例中，所述待测区域的星载多光谱影像为：通过卫星搭载多光谱遥感摄像装置获取的多光谱影像。
在一个实施例中，发明人在开展本发明的发明创造中发现，通过采用多光谱遥感摄像装置的绿光通道和红光通道获取的影像，可将黑臭水体与其他地物进行较明显地区分，因此，为方便后续确定黑臭水体图像，通过多光谱遥感摄像装置的绿光通道和红光通道获取的影像作为待测区域的多光谱影像。
步骤S52：对所述星载多光谱影像进行大气校正，获得校正后的星载多光谱影像。
步骤S53：通过sobel算子对校正后的星载多光谱影像进行处理，获得梯度图像。
其中，索贝尔算子(Sobel operator，简称“sobel算子”)为把图像中每个像素的上下左右四领域的灰度值加权差，在边缘处可达到极值而获得的梯度图像。
步骤S54：对所述梯度图像采用8领域连通域计算方式，将所述梯度图像划分成多个连通域；
步骤S55：通过直方图法统计各个连通域的面积，获得各个连通域的连通面积，若连通域的连通面积未达到预设的连通面积阈值，则将所述连通域确定为非黑臭水体图像；若连通域面积达到预设的连通面积阈值，则根据悬浮泥沙反演方法，计算所述连通域的悬浮泥沙浓度；若悬浮泥沙浓度大于100mg/L则剔除该连通域；否则，将所述连通域确定为黑臭水体图像，其中，所述悬浮泥沙反演方法的计算公式为：y＝2570x2-6531x+3748；其中x＝lg[R(650)]/lg[R(580)]，R(650)表示中心波长为650nm处波段的反射率，R(580)表示中心波长为580nm处波段的反射率；y为悬浮物浓度浮物浓度。其中，传感器特定波段的中心波长，代表了一个波段的反射率，本申请用中心波长表示某一波段。
在一个实施例中，在步骤S6中，所述根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布的步骤为：获取黑臭水体图像在所述最佳波段组合的水体反射率，再根据最佳波段组合的水体反射率计算黑臭水体中溶解氧的含量。
在一个实施例中，为实现对黑臭水体中的溶解氧进行有效处理，所述根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布之后，还包括步骤S8：所述根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布之后，还包括步骤：根据溶解氧分布的密集程度，将待测区域划分为溶解氧缺少区和溶解氧正常区，并在溶解氧缺少区设置曝气机增加溶解氧含量。
本发明还提供一种溶解氧的识别装置，包括：
采样点数据获取模块，用于获取地面黑臭水体采样点的溶解氧含量、以及地面黑臭水体采样点在各个波段的水体反射率；
水体反射率获取模块，用于根据所述地面黑臭水体采样点在各个波段的水体反射率，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率；
波段确定模块，用于将所述地面黑臭水体采样点的溶解氧含量、以及所述黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率进行相关性分析，确定表征溶解氧的最佳波段组合的水体反射率；
关系模型确定模块，用于将在最佳波段组合的水体反射率下的溶解氧含量进行拟合，确定溶解氧含量与最佳波段组合的水体反射率的关系模型；其中，所述溶解氧含量与最佳波段组合的水体反射率的关系满足：溶解氧的含量随着最佳波段组合的水体反射率的增大而增大；
黑臭水体图像获取模块，用于获取待测区域的星载多光谱影像，并确定黑臭水体图像；
溶解氧分布确定模块，用于根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布。
通过确定地面黑臭水体采样点的溶解氧和星载多光谱遥感摄像装置的最佳波段组合的水体反射率的关系模型，进而根据待测区域的黑臭水体即可获得溶解氧的空间分布，从而无需到待测区域进行实地测量，也无需进行化学检定，实现了对大范围区域的黑臭水体的溶解氧的快速识别。
在一个实施例中，所述水体反射率获取模块，用于通过将所述根据所述地面黑臭水体采样点在各个波段的水体反射率进行卷积运算映射，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率的步骤，其中，所述卷积运算映射的方式为：
式中，λ表示波长，且λmin为星载多光谱遥感摄像装置的起始波长，λmax为星载多光谱遥感摄像装置的终止波长；r(λ)为地面黑臭水体采样点在波长为λ的水体反射率；f(λ)为光谱响应函数；R表示星载多光谱遥感摄像装置的水体反射率。
在一个实施例中，在所述最佳波段组合的水体反射率内，溶解氧的含量较多，优选的，所述最佳波段组合的水体反射率为在波段650nm处的水体反射率与在波段750nm处的水体反射率的差值。
在一个实施例中，所述溶解氧含量与最佳波段组合的水体反射率的关系模型的表示方式为：y＝7.7707ln(x)+7.5644，其中，x表示最佳波段组合的水体反射率，y表示溶解氧含量；所述最佳波段组合的水体反射率为在波段650nm处的水体反射率与在波段750nm处的水体反射率的差值。
在一个实施例中，所述黑臭水体图像获取模块包括：
待测区域图像获取模块，用于获取待测区域的星载多光谱影像。
校正模块，用于对所述星载多光谱影像进行大气校正，获得校正后的星载多光谱影像。
梯度图像获取模块，用于通过sobel算子对校正后的星载多光谱影像进行处理，获得梯度图像。
连通域划分模块，用于对所述梯度图像采用8领域连通域计算方式，将所述梯度图像划分成多个连通域；
判断模块，用于通过直方图法统计各个连通域的面积，获得各个连通域的连通面积，若连通域的连通面积未达到预设的连通面积阈值，则将所述连通域确定为非黑臭水体图像；若连通域面积达到预设的连通面积阈值，则根据悬浮泥沙反演方法，计算所述连通域的悬浮泥沙浓度；若悬浮泥沙浓度大于100mg/L则剔除该连通域；否则，将所述连通域确定为黑臭水体图像，其中，所述悬浮泥沙反演方法的计算公式为：y＝2570x2-6531x+3748；其中x＝lg[R(650)]/lg[R(580)]，R(650)表示中心波长为650nm处波段的反射率，R(580)表示中心波长为580nm处波段的反射率；y为悬浮物浓度浮物浓度。
在一个实施例中，为实现对黑臭水体中的溶解氧进行有效处理，所述根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布之后，还包括步骤S8：所述根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布之后，还包括步骤：根据溶解氧分布的密集程度，将待测区域划分为溶解氧缺少区和溶解氧正常区，并在溶解氧缺少区设置曝气机增加溶解氧含量。
本发明还提供一种计算机可读存储介质，其上储存有计算机程序，该计算机程序被处理器执行时实现如上述任一所述溶解氧的识别方法的步骤。
本发明还提供一种计算机设备，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一所述溶解氧的识别方法的步骤。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。

Claims (10)

1.一种溶解氧的识别方法，其特征在于，包括如下步骤：
获取地面黑臭水体采样点的溶解氧含量、以及地面黑臭水体采样点在各个波段的水体反射率；
根据所述地面黑臭水体采样点在各个波段的水体反射率，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率；
将所述地面黑臭水体采样点的溶解氧含量、以及所述黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率进行相关性分析，确定表征溶解氧的最佳波段组合的水体反射率；
将在最佳波段组合的水体反射率下的溶解氧含量进行拟合，确定溶解氧含量与最佳波段组合的水体反射率的关系模型；其中，所述溶解氧含量与最佳波段组合的水体反射率的关系满足：溶解氧的含量随着最佳波段组合的水体反射率的增大而增大；
获取待测区域的星载多光谱影像，并确定黑臭水体图像；
根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布。
2.根据权利要求1所述的溶解氧的识别方法，其特征在于，通过将所述根据所述地面黑臭水体采样点在各个波段的水体反射率进行卷积运算映射，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率，其中，所述卷积运算映射的方式为：
式中，λ表示波长，且λmin为星载多光谱遥感摄像装置的起始波长，λmax为星载多光谱遥感摄像装置的终止波长；r(λ)为地面黑臭水体采样点在波长为λ的水体反射率；f(λ)为光谱响应函数；R表示星载多光谱遥感摄像装置的水体反射率。
3.根据权利要求1所述的溶解氧的识别方法，其特征在于，所述溶解氧含量与最佳波段组合的水体反射率的关系模型的表示方式为：y＝7.7707ln(x)+7.5644，其中，x表示最佳波段组合的水体反射率，y表示溶解氧含量；所述最佳波段组合的水体反射率为在波段650nm处的水体反射率与在波段750nm处的水体反射率的差值。
4.根据权利要求1所述的溶解氧的识别方法，其特征在于，所述获取待测区域的星载多光谱影像，并确定黑臭水体图像的步骤，包括：
获取待测区域的星载多光谱影像；
对所述星载多光谱影像进行大气校正，获得校正后的星载多光谱影像；
通过sobel算子对校正后的星载多光谱影像进行处理，获得梯度图像；
对所述梯度图像采用8领域连通域计算方式，将所述梯度图像划分成多个连通域；
通过直方图法统计各个连通域的面积，获得各个连通域的连通面积，若连通域的连通面积未达到预设的连通面积阈值，则将所述连通域确定为非黑臭水体图像；
若连通域面积达到预设的连通面积阈值，则根据悬浮泥沙反演方法，计算所述连通域的悬浮泥沙浓度；若悬浮泥沙浓度大于100mg/L则剔除该连通域；否则，将所述连通域确定为黑臭水体图像，其中，所述悬浮泥沙反演方法的计算公式为：y＝2570x2-6531x+3748；其中x＝lg[R(650)]/lg[R(580)]，R(650)表示中心波长为650nm处波段的反射率，R(580)表示中心波长为580nm处波段的反射率；y为悬浮物浓度浮物浓度。
5.根据权利要求1所述的溶解氧的识别方法，其特征在于，所述待测区域的星载多光谱影像为：通过卫星搭载多光谱遥感摄像装置获取的多光谱影像。
6.根据权利要求1所述的溶解氧的识别方法，其特征在于，所述待测区域的星载多光谱影像为：通过卫星搭载多光谱遥感摄像装置获取的绿光通道和红光通道的图像。
7.根据权利要求1所述的溶解氧的识别方法，其特征在于，所述根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布之后，还包括步骤：根据溶解氧分布的密集程度，将待测区域划分为溶解氧缺少区和溶解氧正常区，并在溶解氧缺少区设置曝气机增加溶解氧含量。
8.一种溶解氧的识别装置，其特征在于，包括：
采样点数据获取模块，用于获取地面黑臭水体采样点的溶解氧含量、以及地面黑臭水体采样点在各个波段的水体反射率；
水体反射率获取模块，用于根据所述地面黑臭水体采样点在各个波段的水体反射率，获得黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率；
波段确定模块，用于将所述地面黑臭水体采样点的溶解氧含量、以及所述黑臭水体采样点在星载多光谱遥感摄像装置中各个波段的水体反射率进行相关性分析，确定表征溶解氧的最佳波段组合的水体反射率；
关系模型确定模块，用于将在最佳波段组合的水体反射率下的溶解氧含量进行拟合，确定溶解氧含量与最佳波段组合的水体反射率的关系模型；其中，所述溶解氧含量与最佳波段组合的水体反射率的关系满足：溶解氧的含量随着最佳波段组合的水体反射率的增大而增大；
黑臭水体图像获取模块，用于获取待测区域的星载多光谱影像，并确定黑臭水体图像；
溶解氧分布确定模块，用于根据所述关系模型和所述黑臭水体图像，确定溶解氧的分布。
9.一种计算机可读存储介质，其上储存有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7中任意一项所述溶解氧的识别方法的步骤。
10.一种计算机设备，其特征在于，包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述溶解氧的识别方法的步骤。
CN201811197852.9A 2018-10-15 2018-10-15 一种溶解氧的识别方法、装置、存储介质及设备 Pending CN109269989A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811197852.9A CN109269989A (zh) 2018-10-15 2018-10-15 一种溶解氧的识别方法、装置、存储介质及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811197852.9A CN109269989A (zh) 2018-10-15 2018-10-15 一种溶解氧的识别方法、装置、存储介质及设备

Publications (1)

Publication Number Publication Date
CN109269989A true CN109269989A (zh) 2019-01-25

Family

ID=65196778

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811197852.9A Pending CN109269989A (zh) 2018-10-15 2018-10-15 一种溶解氧的识别方法、装置、存储介质及设备

Country Status (1)

Country Link
CN (1) CN109269989A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112816421A (zh) * 2021-01-25 2021-05-18 中国科学院南京地理与湖泊研究所 水体营养盐和化学需氧量的陆基遥感监测方法
CN112903945A (zh) * 2021-02-26 2021-06-04 珠江水利委员会珠江水利科学研究院 一种基于常规水质参数的城市黑臭水体识别方法
CN117740690A (zh) * 2023-12-19 2024-03-22 珠江水利委员会珠江水利科学研究院 一种水表溶解氧遥感估算方法、系统及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7830302B1 (en) * 2008-05-05 2010-11-09 The United States Of America As Represented By The Secretary Of The Navy Remote sensing of wave heights using a narrowband radar arrangement
CN105300864A (zh) * 2015-12-07 2016-02-03 广州地理研究所 一种悬浮泥沙定量遥感方法
CN105761286A (zh) * 2016-02-29 2016-07-13 环境保护部卫星环境应用中心 基于多光谱遥感影像的水色异常对象提取方法及系统
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
CN108333148A (zh) * 2018-01-11 2018-07-27 中国科学院遥感与数字地球研究所 一种黑臭水体的识别方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7830302B1 (en) * 2008-05-05 2010-11-09 The United States Of America As Represented By The Secretary Of The Navy Remote sensing of wave heights using a narrowband radar arrangement
CN105300864A (zh) * 2015-12-07 2016-02-03 广州地理研究所 一种悬浮泥沙定量遥感方法
CN105761286A (zh) * 2016-02-29 2016-07-13 环境保护部卫星环境应用中心 基于多光谱遥感影像的水色异常对象提取方法及系统
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
CN108333148A (zh) * 2018-01-11 2018-07-27 中国科学院遥感与数字地球研究所 一种黑臭水体的识别方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
杨骥: "《黑臭水体遥感检测技术及应用》", 31 July 2018, 中国水利水电出版社 *
贾永红: "《数字图像处理》", 30 September 2003, 武汉大学出版社 *
陈燕: "渤海湾近岸海域悬浮泥沙浓度遥感反演模型研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
韩宝平: "《矿区环境污染与防治》", 30 June 2008, 中国矿业大学出版社 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112816421A (zh) * 2021-01-25 2021-05-18 中国科学院南京地理与湖泊研究所 水体营养盐和化学需氧量的陆基遥感监测方法
CN112903945A (zh) * 2021-02-26 2021-06-04 珠江水利委员会珠江水利科学研究院 一种基于常规水质参数的城市黑臭水体识别方法
CN112903945B (zh) * 2021-02-26 2022-02-22 珠江水利委员会珠江水利科学研究院 一种基于常规水质参数的城市黑臭水体识别方法
CN117740690A (zh) * 2023-12-19 2024-03-22 珠江水利委员会珠江水利科学研究院 一种水表溶解氧遥感估算方法、系统及可读存储介质

Similar Documents

Publication Publication Date Title
Malambo et al. Automated detection and measurement of individual sorghum panicles using density-based clustering of terrestrial lidar data
CN109269988A (zh) 一种氨氮的识别方法、装置、存储介质及设备
Pitkänen et al. Adaptive methods for individual tree detection on airborne laser based canopy height model
Li et al. An automatic method for mapping inland surface waterbodies with Radarsat-2 imagery
CN109948596A (zh) 一种基于植被指数模型进行水稻识别和种植面积提取的方法
CN106778629B (zh) 大棚识别方法及装置
CN107421895A (zh) 一种多波段优化组合的水质参数浓度反演方法和装置
CN116188465B (zh) 基于图像处理技术的作物生长状态检测方法
CN111007013B (zh) 面向东北冷凉区的作物轮作休耕遥感监测方法与装置
Qing et al. Improving remote sensing retrieval of water clarity in complex coastal and inland waters with modified absorption estimation and optical water classification using Sentinel-2 MSI
Innangi et al. Reson SeaBat 8125 backscatter data as a tool for seabed characterization (Central Mediterranean, Southern Italy): Results from different processing approaches
CN109269989A (zh) 一种溶解氧的识别方法、装置、存储介质及设备
Chakraborty et al. Multifractal approach for seafloor characterization
CN106997591A (zh) 一种rgb‑d图像变尺度超体素分割方法
Collin et al. Benthic classifications using bathymetric LIDAR waveforms and integration of local spatial statistics and textural features
CN109269990A (zh) 一种总磷的识别方法、装置、存储介质及设备
Silvestri et al. Salt marsh vegetation radiometry: Data analysis and scaling
CN105893977A (zh) 一种基于自适应特征选择的水稻制图方法
Jiang et al. Mapping interannual variability of maize cover in a large irrigation district using a vegetation index–phenological index classifier
CN109269993A (zh) 一种溶解氧的识别方法、装置、存储介质及设备
Liew et al. Monitoring water quality in Singapore reservoirs with hyperspectral remote sensing technology
CN117541654B (zh) 一种高分辨率遥感图像细节增强方法
CN109269994A (zh) 一种化学需氧量的识别方法、装置、存储介质及设备
CN114386828A (zh) 海岛景观三维指数构建方法
Tuell et al. Use of SHOALS bottom reflectance images to constrain the inversion of a hyperspectral radiative transfer model

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

Application publication date: 20190125

RJ01 Rejection of invention patent application after publication