CN110887792A - 一种基于无人机高光谱影像的河流水质快速监测系统 - Google Patents
一种基于无人机高光谱影像的河流水质快速监测系统 Download PDFInfo
- Publication number
- CN110887792A CN110887792A CN201911305055.2A CN201911305055A CN110887792A CN 110887792 A CN110887792 A CN 110887792A CN 201911305055 A CN201911305055 A CN 201911305055A CN 110887792 A CN110887792 A CN 110887792A
- Authority
- CN
- China
- Prior art keywords
- water
- water quality
- data
- hyperspectral
- aerial vehicle
- 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
Links
Images
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
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无人机高光谱影像的河流水质快速监测系统,包括无人机高光谱系统、高光谱水质指标反演模型和高光谱水污染监测系统。本发明通过无人机搭载微型高光谱仪航拍获取河流水体高光谱影像,通过影像预处理系统处理成水体反射率影像;采集、化验河流水样水质,同时实验室人工配置各污染物浓度水样,并针对不同水质指标选择特征波段组合作为相关变量建立依据水体光谱信息反演水质的模型;将无人机水体反射率影像导入水质反演模型中,计算得到水质指标浓度分布图。可监测的水质指标包括总磷、氨氮、叶绿素a、COD、BOD5和浊度,有利于环保部门了解河流的整体水质情况以及污染分布,并且单位面积水域水质监测成本较低,监测效率较高。
Description
技术领域
本发明属于水质监测系统技术领域,具体涉及一种基于无人机高光谱影像的河流水质快速监测系统。
背景技术
当前国家对生态环境保护工作实施了较为严格的政策,结合环保部门密切管理、快速排查河流水质的需求,现有的水样采集后实验室化验、水质监测站监测的常规方法在河流水质面层面监测和实效性上以无法满足环保部门的需求。采用地理信息与遥感技术,结合无人机平台搭载的高精度高光谱仪获取的水体光谱影像、手持光谱仪采集的水体光谱信息、水质检测结果,反演模型可以快速反演得到河流水体的总磷、氨氮、叶绿素、COD、BOD和浊度 6大指标,该方法相比于人工检测和水质监测站监测方法,在人力成本、时间成本和监测范围、维度方面都有巨大的优势。
当前环保部门了解河流水质情况主要依靠传统的人工采样后实验室化验和水质自动监测仪两种方式,前者可实现对河流监测位置处水质的准确监测,但是人力成本高、检测时间较长且监测范围有限,无法实现面维度、大面积水域的监测;后者可对水体进行自动化连续监测,但监督精度较低,成本较高,且依然只能对某点位处水质的监测,使用受限。
发明内容
本发明的目的在于提供一种基于无人机高光谱影像的河流水质快速监测系统,以解决上述背景技术中所提出的无法实现面维度、大范围水域水质监测的问题。
为实现上述目的,本发明提供以下技术方案:一种基于无人机高光谱影像的河流水质快速监测系统,其结构要点在于:包括
无人机高光谱系统,由行业级无人机平台和机载高光谱仪组成,无人机搭载微型机载高光谱仪,通过预先规划设定的航线自动获取的水体高光谱影像,提供基础影像数据;
高光谱水质指标反演模型,采用机器学习技术,依靠在河流中人工采集的水样化验数据、地面光谱数据作为原始数据,结合实验室配置的各浓度等级的水样光谱数据,搭建水质反演模型,为水质反演提供计算依据;
高光谱水污染监测系统,包含有辐射校正、反射率计算、几何校正、水污染参数反演4大功能模块,实现高光谱遥感数据处理、分析、水质指标反演、水质指标分布出图的流程化、标准化处理,最终生成高精度水污染专题产品。
其中,在本实施例中,所述的微型机载高光谱仪的光谱范围为 400-1000nm,光谱通道数为270,光谱采样率为2.2nm/pixel。
其中,在本实施例中,所述的高光谱水质指标反演模型由野外水体数据的采集、实验室水体数据的配置和模型的计算组成。
其中,在本实施例中,所述的监测系统的监控方法包括如下步骤:
S1:野外水体数据采集,获得水体的光谱数据以及水质化验数据;
S2:实验室水体数据配置,获得各浓度水样以及水样光谱数据;
S3:建立水质反演模型,根据野外采集的水体光谱数据、水质化验数据和试验配置的各浓度水样、水样光谱数据,建立初步的水质反演模型;
S4:规划航线,无人机平台按照需采集河段范围规划航线,通过地面站,将规划好航线上传至无人机;
S5:航拍,无人机按照预先规划航线自动飞行,机载高光谱仪在无人机搭载下,以推扫式获取河流水体高光谱影像;
S6:辐射校正,无人机高光谱仪采集的原始影像数据为12位DN值数据,把原始影像数据输入系统的辐射校正模块中,根据对应的DN值数据转换为辐射亮度数据的公式,输出高光谱影像辐射亮度数据;
S7:反射率计算,根据高光谱影像辐射亮度数据计算出高光谱影像反射率数据;
S8:几何校正,根据机载IMU/GPS系统记录经纬度、翻转角、俯仰角、偏航角等姿态数据,把高光谱影像反射率数据输入到系统专用几何校正算法处理,输出与拍摄地物实际地理位置配准的数据,即得到几何校正后的高光谱反射率影像;
S9:水污染参数反演,系统中选定需要反演的水质指标模型,高光谱反射率影像即可计算得到水质指标分布图;
S10:水污染专题产品,依据系统中预先设计的专题图格式,可输出高精度水污染专题产品;
S11:输出水质指标反演报告,报告包含反演过程时间信息、反演对象基本信息、各等级水质的面积、所占比例。
与现有技术相比,本发明通过无人机搭载微型高光谱仪航拍获取河流水体高光谱影像,通过影像预处理系统处理成水体反射率影像;采集、化验河流水样水质,同时实验室人工配置各污染物浓度水样,建立水质样本库,测量水样高光谱信息,分析水质指标光谱特性,并针对不同水质指标选择特征波段组合作为相关变量建立依据水体光谱信息反演水质的模型,同时运用机器学习技术,随着水样测量数据增加,模型精度和鲁棒性逐渐得到优化;将无人机水体反射率影像导入水质反演模型中,计算得到水质指标浓度分布图,实现对河流水质的面维度的快速监测,实现水务环保部门对河流水质问题的第一时间发现、第一时间处理和第一时间解决。可依据该方法监测的水质指标包括总磷、氨氮、叶绿素a、COD、BOD5和浊度,有利于环保部门了解河流的整体水质情况以及污染分布,并且单位面积水域水质监测成本较低,监测效率较高。
附图说明
图1为本发明的结构示意图。
具体实施方式
下面结合附图对本发明做进一步的解释说明,但不限制本发明的保护范围。
在本发明的描述中,需要说明的是,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例一
请参阅图1,本发明提供一种技术方案,一种基于无人机高光谱影像的河流水质快速监测系统,包括
无人机高光谱系统,由行业级无人机平台和机载高光谱仪组成,无人机搭载微型机载高光谱仪,通过预先规划设定的航线自动获取的水体高光谱影像,提供基础影像数据;
高光谱水质指标反演模型,采用机器学习技术,依靠在河流中人工采集的水样化验数据、地面光谱数据作为原始数据,结合实验室配置的各浓度等级的水样光谱数据,搭建水质反演模型,为水质反演提供计算依据;
高光谱水污染监测系统,包含有辐射校正、反射率计算、几何校正、水污染参数反演4大功能模块,实现高光谱遥感数据处理、分析、水质指标反演、水质指标分布出图的流程化、标准化处理,最终生成高精度水污染专题产品。
作为优选的,微型机载高光谱仪的光谱范围为400-1000nm,光谱通道数为270,光谱采样率为2.2nm/pixel。
作为优选的,高光谱水质指标反演模型由野外水体数据的采集、实验室水体数据的配置和模型的计算组成。
作为优选的,监测系统的监控方法包括如下步骤:
S1:野外水体数据采集,获得水体的光谱数据以及水质化验数据,选取野外试验河段,河段尽量覆盖多种类型水质,以保证模型的鲁棒性;在河段不同水质类型位置规划采样点后,通过手持光谱仪、水样采集装置和GPS在对应位置采集水样、水体地面光谱数据和采样点位置信息;数据采集完后,分别对水样进行专业化验,以获取采样点处的6大水质指标,对水体地面光谱数据进行标准化处理,已符合模型搭建的数据格式要求;将采样点位置信息与水样化验数据、水体地面光谱数据一一对应,为模型搭建提供野外河流数据;
S2:实验室水体数据配置,获得各浓度水样以及水样光谱数据,针对野外实地采集的水体数据不可能穷尽各种污染浓度水体的局限性,本系统还从发挥主观能动性出发,设计各类污染浓度水质配置方案,并在实验室配置各浓度的水质,采用手持光谱仪采集对应的光谱数据,弥补野外采集的水体类型不足的缺点,从而为模型的搭建提供丰富的水质数据,保证模型的可用性;
S3:建立水质反演模型,根据野外采集的水体光谱数据、水质化验数据和试验配置的各浓度水样、水样光谱数据,建立初步的水质反演模型,该模型采用了机器学习技术,随着导入到学习模型中的数据类型的增多,模型的鲁棒性、可靠性和精度也会对应的提升;
S4:规划航线,无人机平台按照需采集河段范围规划航线,在专业地面站的支持下,导入航拍范围电子文件,结合机载高光谱仪的性能参数(焦距、视场角、推扫速度等)和航拍区域的空域情况(航高)设置对应的飞行信息,即可规划出符合航拍要求的航线,通过地面站,将规划好航线上传至无人机;
S5:航拍,无人机按照预先规划航线自动飞行,机载高光谱仪在无人机搭载下,以推扫式获取河流水体高光谱影像,影像波段范围广、光谱分辨率高,水体光谱信息丰富,为寻找各指标与光谱信息相关性,实现面层面水体的反演提供了可能;
S6:辐射校正,无人机高光谱仪采集的原始影像数据为12位DN值数据,把原始影像数据输入系统的辐射校正模块中,根据对应的DN值数据转换为辐射亮度数据的公式,输出高光谱影像辐射亮度数据;
S7:反射率计算,根据高光谱影像辐射亮度数据计算出高光谱影像反射率数据;
S8:几何校正,根据机载IMU/GPS系统记录经纬度、翻转角、俯仰角、偏航角等姿态数据,把高光谱影像反射率数据输入到系统专用几何校正算法处理,输出与拍摄地物实际地理位置配准的数据,即得到几何校正后的高光谱反射率影像;
S9:水污染参数反演,系统中选定需要反演的水质指标模型,高光谱反射率影像即可计算得到水质指标分布图;
S10:水污染专题产品,依据系统中预先设计的专题图格式,可输出高精度水污染专题产品;
S11:输出水质指标反演报告,报告包含反演过程时间信息、反演对象基本信息、各等级水质的面积、所占比例。
模型反演水质的原理:与部分水质指标可根据肉眼观察判断值的大小,说明该类指标在可见光波段具有敏感反应的原理类似,其它无法通过可见光信息度量值大小的指标或许在光谱分辨率更高和波长范围更广的高光谱数据中具有明显的反应。因此通过测量大量水样水质指标值和对应的高光谱数据,可挖掘出各类水质指标在哪些波长具有最强的反应以及存在什么样的反应,该种反应用数据公式表达出来就是水质反演模型,即建立了高光谱数据某些波长与水质指标值的数学关系。
实施例二
本发明提供一种技术方案,一种基于无人机高光谱影像的河流水质快速监测系统,包括
无人机高光谱系统,由行业级无人机平台和机载高光谱仪组成,无人机搭载微型机载高光谱仪,通过预先规划设定的航线自动获取的水体高光谱影像,提供基础影像数据;
高光谱水质指标反演模型,采用机器学习技术,依靠在河流中人工采集的水样化验数据、地面光谱数据作为原始数据,结合实验室配置的各浓度等级的水样光谱数据,搭建水质反演模型,为水质反演提供计算依据;
高光谱水污染监测系统,包含有辐射校正、反射率计算、几何校正、水污染参数反演4大功能模块,实现高光谱遥感数据处理、分析、水质指标反演、水质指标分布出图的流程化、标准化处理,最终生成高精度水污染专题产品。
作为优选的,微型机载高光谱仪的光谱范围为400-1000nm,光谱通道数为270,光谱采样率为2.2nm/pixel。
作为优选的,高光谱水质指标反演模型由野外水体数据的采集、实验室水体数据的配置和模型的计算组成。
作为优选的,监测系统的监控方法包括如下步骤:
S1:野外水体数据采集,获得水体的光谱数据以及水质化验数据,选取野外试验河段,河段尽量覆盖多种类型水质,以保证模型的鲁棒性;在河段不同水质类型位置规划采样点后,通过手持光谱仪、水样采集装置和GPS在对应位置采集水样、水体地面光谱数据和采样点位置信息;数据采集完后,分别对水样进行专业化验,以获取采样点处的6大水质指标,对水体地面光谱数据进行标准化处理,已符合模型搭建的数据格式要求;将采样点位置信息与水样化验数据、水体地面光谱数据一一对应,为模型搭建提供野外河流数据;
S2:建立水质反演模型,根据野外采集的水体光谱数据、水质化验数据,建立初步的水质反演模型,该模型采用了机器学习技术,随着导入到学习模型中的数据类型的增多,模型的鲁棒性、可靠性和精度也会对应的提升;
S3:规划航线,无人机平台按照需采集河段范围规划航线,在专业地面站的支持下,导入航拍范围电子文件,结合机载高光谱仪的性能参数(焦距、视场角、推扫速度等)和航拍区域的空域情况(航高)设置对应的飞行信息,即可规划出符合航拍要求的航线,通过地面站,将规划好航线上传至无人机;
S4:航拍,无人机按照预先规划航线自动飞行,机载高光谱仪在无人机搭载下,以推扫式获取河流水体高光谱影像,影像波段范围广、光谱分辨率高,水体光谱信息丰富,为寻找各指标与光谱信息相关性,实现面层面水体的反演提供了可能;
S5:辐射校正,无人机高光谱仪采集的原始影像数据为12位DN值数据,把原始影像数据输入系统的辐射校正模块中,根据对应的DN值数据转换为辐射亮度数据的公式,输出高光谱影像辐射亮度数据;
S6:反射率计算,根据高光谱影像辐射亮度数据计算出高光谱影像反射率数据;
S7:几何校正,根据机载IMU/GPS系统记录经纬度、翻转角、俯仰角、偏航角等姿态数据,把高光谱影像反射率数据输入到系统专用几何校正算法处理,输出与拍摄地物实际地理位置配准的数据,即得到几何校正后的高光谱反射率影像;
S8:水污染参数反演,系统中选定需要反演的水质指标模型,高光谱反射率影像即可计算得到水质指标分布图;
S9:水污染专题产品,依据系统中预先设计的专题图格式,可输出高精度水污染专题产品;
S10:输出水质指标反演报告,报告包含反演过程时间信息、反演对象基本信息、各等级水质的面积、所占比例。
模型反演水质的原理:与部分水质指标可根据肉眼观察判断值的大小,说明该类指标在可见光波段具有敏感反应的原理类似,其它无法通过可见光信息度量值大小的指标或许在光谱分辨率更高和波长范围更广的高光谱数据中具有明显的反应。因此通过测量大量水样水质指标值和对应的高光谱数据,可挖掘出各类水质指标在哪些波长具有最强的反应以及存在什么样的反应,该种反应用数据公式表达出来就是水质反演模型,即建立了高光谱数据某些波长与水质指标值的数学关系。
反演模型的搭建的原始水体数据只来源于河流水体,而不包含实验室配置的各浓度水体,同样也可以反演水质,但是精度会降低使用成本。
实施例三
本发明提供一种技术方案,一种基于无人机高光谱影像的河流水质快速监测系统,包括
无人机高光谱系统,由行业级无人机平台和机载高光谱仪组成,无人机搭载微型机载高光谱仪,通过预先规划设定的航线自动获取的水体高光谱影像,提供基础影像数据;
高光谱水质指标反演模型,采用机器学习技术,依靠在河流中人工采集的水样化验数据、地面光谱数据作为原始数据,结合实验室配置的各浓度等级的水样光谱数据,搭建水质反演模型,为水质反演提供计算依据;
高光谱水污染监测系统,包含有辐射校正、反射率计算、几何校正、水污染参数反演4大功能模块,实现高光谱遥感数据处理、分析、水质指标反演、水质指标分布出图的流程化、标准化处理,最终生成高精度水污染专题产品。
作为优选的,微型机载高光谱仪的光谱范围为400-1000nm,光谱通道数为270,光谱采样率为2.2nm/pixel。
作为优选的,高光谱水质指标反演模型由野外水体数据的采集、实验室水体数据的配置和模型的计算组成。
作为优选的,监测系统的监控方法包括如下步骤:
S1:野外水体数据采集,获得水体的光谱数据以及水质化验数据,选取野外试验河段,河段尽量覆盖多种类型水质,以保证模型的鲁棒性;在河段不同水质类型位置规划采样点后,通过手持光谱仪、水样采集装置和GPS在对应位置采集水样、水体地面光谱数据和采样点位置信息;数据采集完后,分别对水样进行专业化验,以获取采样点处的6大水质指标,对水体地面光谱数据进行标准化处理,已符合模型搭建的数据格式要求;将采样点位置信息与水样化验数据、水体地面光谱数据一一对应,为模型搭建提供野外河流数据;
S2:实验室水体数据配置,获得各浓度水样以及水样光谱数据,针对野外实地采集的水体数据不可能穷尽各种污染浓度水体的局限性,本系统还从发挥主观能动性出发,设计各类污染浓度水质配置方案,并在实验室配置各浓度的水质,采用手持光谱仪采集对应的光谱数据,弥补野外采集的水体类型不足的缺点,从而为模型的搭建提供丰富的水质数据,保证模型的可用性;
S3:建立水质反演模型,根据野外采集的水体光谱数据、水质化验数据和试验配置的各浓度水样、水样光谱数据,建立初步的水质反演模型,该模型采用了机器学习技术,随着导入到学习模型中的数据类型的增多,模型的鲁棒性、可靠性和精度也会对应的提升;
S4:规划航线,无人机平台按照需采集河段范围规划航线,在专业地面站的支持下,导入航拍范围电子文件,结合机载高光谱仪的性能参数(焦距、视场角、推扫速度等)和航拍区域的空域情况(航高)设置对应的飞行信息,即可规划出符合航拍要求的航线,通过地面站,将规划好航线上传至无人机;
S5:航拍,无人机按照预先规划航线自动飞行,机载高光谱仪在无人机搭载下,以推扫式获取河流水体高光谱影像,影像波段范围广、光谱分辨率高,水体光谱信息丰富,为寻找各指标与光谱信息相关性,实现面层面水体的反演提供了可能;
S6:辐射校正,无人机高光谱仪采集的原始影像数据为12位DN值数据,把原始影像数据输入系统的辐射校正模块中,根据对应的DN值数据转换为辐射亮度数据的公式,输出高光谱影像辐射亮度数据;
S7:反射率计算,根据高光谱影像辐射亮度数据计算出高光谱影像反射率数据;
S8:几何校正,根据机载IMU/GPS系统记录经纬度、翻转角、俯仰角、偏航角等姿态数据,把高光谱影像反射率数据输入到系统专用几何校正算法处理,输出与拍摄地物实际地理位置配准的数据,即得到几何校正后的高光谱反射率影像;
S9:水污染参数反演,系统中选定需要反演的水质指标模型,高光谱反射率影像即可计算得到水质指标分布图;
S10:水污染专题产品,依据系统中预先设计的专题图格式,可输出高精度水污染专题产品;
S11:输出水质指标反演报告,报告包含反演过程时间信息、反演对象基本信息、各等级水质的面积、所占比例。
模型反演水质的原理:与部分水质指标可根据肉眼观察判断值的大小,说明该类指标在可见光波段具有敏感反应的原理类似,其它无法通过可见光信息度量值大小的指标或许在光谱分辨率更高和波长范围更广的高光谱数据中具有明显的反应。因此通过测量大量水样水质指标值和对应的高光谱数据,可挖掘出各类水质指标在哪些波长具有最强的反应以及存在什么样的反应,该种反应用数据公式表达出来就是水质反演模型,即建立了高光谱数据某些波长与水质指标值的数学关系。
还包括热红外探测仪,将无人机高光谱数据与热红外数据结合起来探测水质指标信息:热红外数据可以探测水温,水温在一定程度上可以反映水污染程度的情况,例如:排污口水污染浓度严重,一般情况下对应的水温也比较高。
本发明通过无人机搭载微型高光谱仪航拍获取河流水体高光谱影像,通过影像预处理系统处理成水体反射率影像;采集、化验河流水样水质,同时实验室人工配置各污染物浓度水样,建立水质样本库,测量水样高光谱信息,分析水质指标光谱特性,并针对不同水质指标选择特征波段组合作为相关变量建立依据水体光谱信息反演水质的模型,同时运用机器学习技术,随着水样测量数据增加,模型精度和鲁棒性逐渐得到优化;将无人机水体反射率影像导入水质反演模型中,计算得到水质指标浓度分布图,实现对河流水质的面维度的快速监测,实现水务环保部门对河流水质问题的第一时间发现、第一时间处理和第一时间解决。可依据该方法监测的水质指标包括总磷、氨氮、叶绿素a、COD、BOD5和浊度,有利于环保部门了解河流的整体水质情况以及污染分布,并且单位面积水域水质监测成本较低,监测效率较高。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (4)
1.一种基于无人机高光谱影像的河流水质快速监测系统,其特征在于:包括
无人机高光谱系统,由行业级无人机平台和机载高光谱仪组成,无人机搭载微型机载高光谱仪,通过预先规划设定的航线自动获取的水体高光谱影像,提供基础影像数据;
高光谱水质指标反演模型,采用机器学习技术,依靠在河流中人工采集的水样化验数据、地面光谱数据作为原始数据,结合实验室配置的各浓度等级的水样光谱数据,搭建水质反演模型,为水质反演提供计算依据;
高光谱水污染监测系统,包含有辐射校正、反射率计算、几何校正、水污染参数反演4大功能模块,实现高光谱遥感数据处理、分析、水质指标反演、水质指标分布出图的流程化、标准化处理,最终生成高精度水污染专题产品。
2.根据权利要求1所述的一种基于无人机高光谱影像的河流水质快速监测系统,其特征在于:所述的微型机载高光谱仪的光谱范围为400-1000nm,光谱通道数为270,光谱采样率为2.2nm/pixel。
3.根据权利要求1所述的一种基于无人机高光谱影像的河流水质快速监测系统,其特征在于:所述的高光谱水质指标反演模型由野外水体数据的采集、实验室水体数据的配置和模型的计算组成。
4.根据权利要求1所述的一种基于无人机高光谱影像的河流水质快速监测系统,其特征在于:所述的监测系统的监控方法包括如下步骤:
S1:野外水体数据采集,获得水体的光谱数据以及水质化验数据;
S2:实验室水体数据配置,获得各浓度水样以及水样光谱数据;
S3:建立水质反演模型,根据野外采集的水体光谱数据、水质化验数据和试验配置的各浓度水样、水样光谱数据,建立初步的水质反演模型;
S4:规划航线,无人机平台按照需采集河段范围规划航线,通过地面站,将规划好航线上传至无人机;
S5:航拍,无人机按照预先规划航线自动飞行,机载高光谱仪在无人机搭载下,以推扫式获取河流水体高光谱影像;
S6:辐射校正,无人机高光谱仪采集的原始影像数据为12位DN值数据,把原始影像数据输入系统的辐射校正模块中,根据对应的DN值数据转换为辐射亮度数据的公式,输出高光谱影像辐射亮度数据;
S7:反射率计算,根据高光谱影像辐射亮度数据计算出高光谱影像反射率数据;
S8:几何校正,根据机载IMU/GPS系统记录经纬度、翻转角、俯仰角、偏航角等姿态数据,把高光谱影像反射率数据输入到系统专用几何校正算法处理,输出与拍摄地物实际地理位置配准的数据,即得到几何校正后的高光谱反射率影像;
S9:水污染参数反演,系统中选定需要反演的水质指标模型,高光谱反射率影像即可计算得到水质指标分布图;
S10:水污染专题产品,依据系统中预先设计的专题图格式,可输出高精度水污染专题产品;
S11:输出水质指标反演报告,报告包含反演过程时间信息、反演对象基本信息、各等级水质的面积、所占比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911305055.2A CN110887792A (zh) | 2019-12-17 | 2019-12-17 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911305055.2A CN110887792A (zh) | 2019-12-17 | 2019-12-17 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110887792A true CN110887792A (zh) | 2020-03-17 |
Family
ID=69752245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911305055.2A Pending CN110887792A (zh) | 2019-12-17 | 2019-12-17 | 一种基于无人机高光谱影像的河流水质快速监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110887792A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112161973A (zh) * | 2020-08-31 | 2021-01-01 | 中国水利水电科学研究院 | 一种基于无人机的水体污染快速检测方法 |
CN112215525A (zh) * | 2020-11-04 | 2021-01-12 | 安徽农业大学 | 一种湖库水质反演及可视化评价方法 |
CN112577909A (zh) * | 2020-11-27 | 2021-03-30 | 河北先河环保科技股份有限公司 | 水质参数的监测方法、装置、设备和存储介质 |
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 |
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 |
CN112836181A (zh) * | 2021-04-20 | 2021-05-25 | 中国水利水电科学研究院 | 一种基于夜光遥感影像的河流光污染指数提取方法 |
CN112949411A (zh) * | 2021-02-04 | 2021-06-11 | 南京大学 | 一种光谱图像校正方法及装置 |
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 |
CN113049499A (zh) * | 2021-03-16 | 2021-06-29 | 深圳大学 | 水体总氮浓度间接遥感反演方法、存储介质和终端设备 |
CN113344043A (zh) * | 2021-05-21 | 2021-09-03 | 北京工业大学 | 一种基于自组织多通道深度学习网络的河流浊度监测方法 |
CN113607726A (zh) * | 2021-08-03 | 2021-11-05 | 广东新大禹环境科技股份有限公司 | 一种重金属废水的水质监测系统装置及水质监测方法 |
CN113673970A (zh) * | 2021-10-20 | 2021-11-19 | 长视科技股份有限公司 | 一种基于分布式节点的水质报告的生成方法及电子设备 |
CN114113000A (zh) * | 2021-12-14 | 2022-03-01 | 江苏省地质勘查技术院 | 基于经验线性模型改进光谱反射率反演方法、系统及设备 |
CN114486774A (zh) * | 2021-12-31 | 2022-05-13 | 中科谱光(郑州)应用科学技术研究院有限公司 | 一种基于高光谱大数据的人工智能算法匹配方法 |
CN116482317A (zh) * | 2023-04-26 | 2023-07-25 | 大连理工大学 | 湖泊水体营养状态实时监测方法、系统、设备及介质 |
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 |
CN116908115A (zh) * | 2023-09-12 | 2023-10-20 | 航天宏图信息技术股份有限公司 | 高光谱水质反演方法、装置、电子设备和存储介质 |
CN117110214A (zh) * | 2023-09-01 | 2023-11-24 | 河北华厚天成环保技术有限公司 | 一种基于无人机高光谱成像的水质分析系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107024445A (zh) * | 2017-04-17 | 2017-08-08 | 中国科学院南京土壤研究所 | 蔬菜中硝酸盐的快速检测的建模方法和检测方法 |
CN108593569A (zh) * | 2018-07-02 | 2018-09-28 | 中国地质环境监测院 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
CN108750110A (zh) * | 2018-08-10 | 2018-11-06 | 辽宁省环境科学研究院 | 一种无人机水生态遥感监测系统 |
CN109738367A (zh) * | 2018-12-29 | 2019-05-10 | 首都师范大学 | 通过无人机上高光谱传感器反演河口湿地水环境要素方法 |
-
2019
- 2019-12-17 CN CN201911305055.2A patent/CN110887792A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107024445A (zh) * | 2017-04-17 | 2017-08-08 | 中国科学院南京土壤研究所 | 蔬菜中硝酸盐的快速检测的建模方法和检测方法 |
CN108593569A (zh) * | 2018-07-02 | 2018-09-28 | 中国地质环境监测院 | 基于光谱形态特征的高光谱水质参数定量反演方法 |
CN108750110A (zh) * | 2018-08-10 | 2018-11-06 | 辽宁省环境科学研究院 | 一种无人机水生态遥感监测系统 |
CN109738367A (zh) * | 2018-12-29 | 2019-05-10 | 首都师范大学 | 通过无人机上高光谱传感器反演河口湿地水环境要素方法 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112161973B (zh) * | 2020-08-31 | 2022-04-08 | 中国水利水电科学研究院 | 一种基于无人机的水体污染快速检测方法 |
CN112161973A (zh) * | 2020-08-31 | 2021-01-01 | 中国水利水电科学研究院 | 一种基于无人机的水体污染快速检测方法 |
CN112215525A (zh) * | 2020-11-04 | 2021-01-12 | 安徽农业大学 | 一种湖库水质反演及可视化评价方法 |
CN112215525B (zh) * | 2020-11-04 | 2023-06-23 | 安徽农业大学 | 一种湖库水质反演及可视化评价方法 |
CN112577909A (zh) * | 2020-11-27 | 2021-03-30 | 河北先河环保科技股份有限公司 | 水质参数的监测方法、装置、设备和存储介质 |
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 |
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 |
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 |
CN112949411A (zh) * | 2021-02-04 | 2021-06-11 | 南京大学 | 一种光谱图像校正方法及装置 |
CN112949411B (zh) * | 2021-02-04 | 2024-02-09 | 南京大学 | 一种光谱图像校正方法及装置 |
CN113049499A (zh) * | 2021-03-16 | 2021-06-29 | 深圳大学 | 水体总氮浓度间接遥感反演方法、存储介质和终端设备 |
CN112836181B (zh) * | 2021-04-20 | 2021-08-31 | 中国水利水电科学研究院 | 一种基于夜光遥感影像的河流光污染指数提取方法 |
CN112836181A (zh) * | 2021-04-20 | 2021-05-25 | 中国水利水电科学研究院 | 一种基于夜光遥感影像的河流光污染指数提取方法 |
CN113344043A (zh) * | 2021-05-21 | 2021-09-03 | 北京工业大学 | 一种基于自组织多通道深度学习网络的河流浊度监测方法 |
CN113344043B (zh) * | 2021-05-21 | 2024-05-28 | 北京工业大学 | 一种基于自组织多通道深度学习网络的河流浊度监测方法 |
CN113607726A (zh) * | 2021-08-03 | 2021-11-05 | 广东新大禹环境科技股份有限公司 | 一种重金属废水的水质监测系统装置及水质监测方法 |
CN113673970A (zh) * | 2021-10-20 | 2021-11-19 | 长视科技股份有限公司 | 一种基于分布式节点的水质报告的生成方法及电子设备 |
WO2023065622A1 (zh) * | 2021-10-20 | 2023-04-27 | 长视科技股份有限公司 | 一种基于分布式节点的水质报告的生成方法及电子设备 |
CN114113000A (zh) * | 2021-12-14 | 2022-03-01 | 江苏省地质勘查技术院 | 基于经验线性模型改进光谱反射率反演方法、系统及设备 |
CN114486774A (zh) * | 2021-12-31 | 2022-05-13 | 中科谱光(郑州)应用科学技术研究院有限公司 | 一种基于高光谱大数据的人工智能算法匹配方法 |
CN116482317A (zh) * | 2023-04-26 | 2023-07-25 | 大连理工大学 | 湖泊水体营养状态实时监测方法、系统、设备及介质 |
CN116482317B (zh) * | 2023-04-26 | 2023-10-27 | 大连理工大学 | 湖泊水体营养状态实时监测方法、系统、设备及介质 |
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 |
CN117110214A (zh) * | 2023-09-01 | 2023-11-24 | 河北华厚天成环保技术有限公司 | 一种基于无人机高光谱成像的水质分析系统及方法 |
CN116908115A (zh) * | 2023-09-12 | 2023-10-20 | 航天宏图信息技术股份有限公司 | 高光谱水质反演方法、装置、电子设备和存储介质 |
CN116908115B (zh) * | 2023-09-12 | 2023-12-15 | 航天宏图信息技术股份有限公司 | 高光谱水质反演方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110887792A (zh) | 一种基于无人机高光谱影像的河流水质快速监测系统 | |
Piters et al. | The Cabauw Intercomparison campaign for Nitrogen Dioxide measuring Instruments (CINDI): design, execution, and early results | |
CN111597756A (zh) | 一种基于无人机多光谱数据的水质参数反演方法 | |
CN109164214B (zh) | 一种边界污染源快速映射定位及强度反演系统及方法 | |
CN112763426A (zh) | 一种循环优化的高光谱大数据水质全天候动态监测方法 | |
EP3690418A1 (en) | Optical sensor for trace-gas measurement | |
CN114324226B (zh) | 一种大气污染物立体分布无人机载超光谱遥测系统 | |
CN114397277A (zh) | 一种无人机水体叶绿素遥感探测系统 | |
CN115185292A (zh) | 基于地空一体化的空气污染智能监测方法及平台 | |
CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及系统 | |
Ngom et al. | A hybrid measurement kit for real-time air quality monitoring across Senegal cities | |
CN116148188A (zh) | 空天地一体化湖泊水质溯源方法、系统、设备及存储介质 | |
CN103234942A (zh) | 利用天空散射光测量大气水平能见度的方法及装置 | |
CN106556579A (zh) | 基于激光的团雾图像全天候自适应检测方法 | |
CN116773516A (zh) | 一种基于遥感数据的土壤碳含量分析系统 | |
CN215525515U (zh) | 水质监测装置 | |
CN116642840A (zh) | 一种水体污染源无人机高光谱遥感排查方法 | |
CN116563733A (zh) | 一种基于无人机高光谱与热红外的水质监测方法 | |
CN106324617A (zh) | 一种枣树冠层类胡萝卜素含量的卫星遥感监测方法 | |
CN110988286B (zh) | 一种智能水资源长期探测系统 | |
Rast et al. | ESA's Medium Resolution Imaging Spectrometer: mission, system, and applications | |
Tong et al. | Quantitative monitoring of inland water using remote sensing of the upper reaches of the Huangpu River, China | |
Liu et al. | Space-earth based integrated monitoring system for water environment | |
Guo et al. | Synergetic inversion of leaf area index and leaf chlorophyll content using multi-spectral remote sensing data | |
CN111027523A (zh) | 一种棉花冠层类胡萝卜素含量的卫星遥感监测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200317 |
|
RJ01 | Rejection of invention patent application after publication |