CN111538940A - 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 - Google Patents

悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 Download PDF

Info

Publication number
CN111538940A
CN111538940A CN202010397827.6A CN202010397827A CN111538940A CN 111538940 A CN111538940 A CN 111538940A CN 202010397827 A CN202010397827 A CN 202010397827A CN 111538940 A CN111538940 A CN 111538940A
Authority
CN
China
Prior art keywords
suspended matter
remote sensing
matter concentration
inversion model
model
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
CN202010397827.6A
Other languages
English (en)
Other versions
CN111538940B (zh
Inventor
王迪峰
王雪冰
龚芳
白雁
何贤强
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.)
Second Institute of Oceanography MNR
Original Assignee
Second Institute of Oceanography MNR
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 Second Institute of Oceanography MNR filed Critical Second Institute of Oceanography MNR
Priority to CN202010397827.6A priority Critical patent/CN111538940B/zh
Publication of CN111538940A publication Critical patent/CN111538940A/zh
Application granted granted Critical
Publication of CN111538940B publication Critical patent/CN111538940B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Immunology (AREA)
  • Algebra (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Dispersion Chemistry (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本申请适用于水质遥感监测技术领域，提供了一种悬浮物浓度反演模型确定方法及悬浮物浓度确定方法。悬浮物浓度反演模型确定方法包括获取待评估河流的多个悬浮物浓度反演模型，对所述多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型；其中，多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个悬浮物浓度反演模型基于对应的卫星的遥感数据确定，多颗卫星的遥感数据类型以及多颗卫星包含的波段均不同，多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值。本申请实施例确定的悬浮物浓度反演模型可以用于悬浮物浓度长时序(大于10年)的遥感反演研究。

Description

悬浮物浓度反演模型确定方法及悬浮物浓度确定方法
技术领域
本申请属于水质遥感监测技术领域，尤其涉及一种悬浮物浓度反演模型确定方法及悬浮物浓度确定方法。
背景技术
社会经济，尤其是沿海地区经济高速发展的同时，人类活动对海洋生态环境的影响愈发显著。入海河流悬浮物浓度的研究对于分析近岸海域污染物质来源、改善近岸海域生态环境、维持生态平衡具有重要意义。
卫星遥感技术具有观测范围大、快速高效、低成本的优势，被广泛的应用在悬浮物浓度监测上。目前已有的专门用于水色研究(例如，悬浮物浓度监测)的卫星传感器，其空间分辨率较低、波段较窄，导致河流悬浮物浓度的遥感反演研究集中在较为大型的河流，例如长江、黄河、珠江等，缺乏对于类似瓯江、飞云江等中小型河流水体的研究，并且缺乏各种河流悬浮物浓度长时序(大于10年)的遥感反演研究。
发明内容
有鉴于此，本申请实施例提供了一种悬浮物浓度反演模型确定方法及悬浮物浓度确定方法，以解决现有技术中缺乏河流悬浮物浓度长时序(大于10年)的遥感反演研究的技术问题。
第一方面，本申请实施例提供了一种悬浮物浓度反演模型确定方法，包括：
获取待评估河流的多个悬浮物浓度反演模型；其中，多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个悬浮物浓度反演模型基于对应的卫星的遥感数据确定，多颗卫星的遥感数据类型以及多颗卫星包含的波段均不同，多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值；
对多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型。
在第一方面的一种可能实现方式中，获取待评估河流的多个悬浮物浓度反演模型，包括：
针对每颗卫星，获取待评估河流的多个实测悬浮物浓度以及待评估河流的多个实测光谱数据；其中，多个实测光谱数据包括卫星包含的每一个波段的遥感反射率；
对卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子；
根据待评估河流的多个实测悬浮物浓度，确定每个遥感因子与待评估河流的悬浮物浓度之间的预估反演模型；
确定每个预估反演模型的精度，并将精度最高的预估反演模型作为与卫星的遥感数据对应的悬浮物浓度反演模型。
在第一方面的一种可能实现方式中，对卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子，包括：
根据卫星的多个波段获得多个待处理波段组；其中，每个待处理波段组包含从卫星的多个波段中任意选择的两个波段；
对每个待处理波段组中的两个波段的遥感反射率分别进行求比值、求和值以及求差值处理，获得每一个待处理波段组的三个遥感因子；
根据所有待处理波段组的遥感因子确定卫星的多个遥感因子。
在第一方面的一种可能实现方式中，确定每个预估反演模型的精度包括：
针对每个预估反演模型，获取预估反演模型的决定系数、平均相对误差以及均方根误差，并根据决定系统、平均相对误差以及均方根误差确定预估反演模型的精度；其中，决定系数用于表征遥感因子与悬浮物浓度的相关性，以及预估反演模型系数的拟合度。
在第一方面的一种可能实现方式中，多颗卫星的遥感数据类型包括专题制图仪TM数据、增强型主题成像仪ETM+数据和陆地成像仪OLI数据；其中，基于TM数据生成的悬浮物浓度反演模型为第一反演模型，基于ETM+数据生成的悬浮物浓度反演模型为第二反演模型，基于OLI数据生成的悬浮物浓度反演模型为第三反演模型；
对多个悬浮物浓度反演模型进行融合，获得融合后的悬浮物浓度反演模型，包括：
确定第二反演模型中的第二遥感因子与第一反演模型中的第一遥感因子之间的第一转换关系；
确定第三反演模型中的第三遥感因子与第一反演模型中的第一遥感因子之间的第二转换关系；
分别根据第一转换关系将第二遥感因子代入第一反演模型，根据第二转换关系将第三遥感因子代入第一反演模型，生成融合后的悬浮物浓度反演模型。
在第一方面的一种可能实现方式中，确定第三反演模型中的第三遥感因子与第一反演模型中的第一遥感因子之间的第二转换关系，包括：
根据待评估河流的多个实测悬浮物浓度以及待评估河流的多个实测光谱数据，生成多个样本；其中，每个样本包含一个实测悬浮物浓度、该实测悬浮物浓度对应的第一遥感因子以及该实测悬浮物浓度对应的第三遥感因子；
将每个样本的第一遥感因子作为自变量、第三遥感因子作为因变量，基于回归分析法确定第三遥感因子与第一遥感因子之间的第二转换关系。
第二方面，本申请实施例提供了一种悬浮物浓度确定方法，包括：
获取待评估河流在多个时间点的遥感数据；多个时间点的持续时间大于阈值；
基于预先设置的大气校正方法对每个遥感数据进行校正，获取每个遥感数据对应的遥感反射率；其中，预先设置的大气校正方法为基于多个大气校正方法分别与待评估河流进行适用性匹配后确定的方法；
将多个遥感反射率输入融合后的悬浮物浓度反演模型，获得多个遥感反射率各自分别对应的悬浮物浓度；
根据多个悬浮物浓度，确定待评估河流的悬浮物浓度变化趋势。
第三方面，本申请实施例提供了一种悬浮物浓度反演模型确定装置，包括：
模型获取模块，用于获取待评估河流的多个悬浮物浓度反演模型；其中，多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个悬浮物浓度反演模型基于对应的卫星的遥感数据确定，多颗卫星的遥感数据类型以及多颗卫星包含的波段均不同，多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值；
模型融合模块，对多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型。
第四方面，本申请实施例提供了一种悬浮物浓度确定装置，包括：
数据获取模块，用于获取待评估河流在多个时间点的遥感数据；多个时间点的持续时间大于阈值；
校正模块，用于基于预先设置的大气校正方法对每个遥感数据进行校正，获取每个遥感数据对应的遥感反射率；其中，预先设置的大气校正方法为基于多个大气校正方法分别与待评估河流进行适用性匹配后确定的方法；
浓度确定模块，用于将多个遥感反射率输入融合后的悬浮物浓度反演模型，获得多个遥感反射率各自分别对应的悬浮物浓度；
趋势确定模块，用于根据多个悬浮物浓度，确定待评估河流的悬浮物浓度变化趋势。
第五方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面任一项方法的步骤，或者实现上述第二方面任一项方法的步骤。
第六方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一项方法的步骤，或者实现上述第二方面方法的步骤。
第七方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项的方法，或者执行上述第二方面的方法。
本申请实施例提供的悬浮物浓度反演模型确定方法，获取待评估河流的多个悬浮物浓度反演模型，对多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型；其中，多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个悬浮物浓度反演模型基于对应的卫星的遥感数据确定，由于多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值(例如30年)，使得基于该多个卫星的遥感数据生成的悬浮物浓度反演模型可以用于确定河流长时序(大于阈值)的悬浮物浓度时空分布数据；同时，由于多颗卫星的遥感数据类型不同，不同的遥感数据类型会导致悬浮物浓度反演结果不具有可比性，导致对悬浮物浓度变化的趋势判断产生误差，本申请通过对多个悬浮物浓度反演模型进行融合处理，解决了多源卫星由于遥感数据类型不一致导致的悬浮物浓度变化趋势存在误差的问题，保障了悬浮物浓度长时序遥感反演的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的悬浮物浓度反演模型确定方法的流程示意图；
图2是本申请一实施例提供的确定悬浮物浓度反演模型的流程示意图；
图3是本申请一实施例提供的生成融合后的悬浮物浓度的流程示意图；
图4是本申请一实施例提供的第二转换关系的示意图；
图5是本申请另一实施例提供的第二转换关系的示意图；
图6是本申请一实施例提供的悬浮物浓度确定方法的流程示意图；
图7是本申请一实施例提供的悬浮物浓度变化曲线；
图8是本申请一实施例提供的悬浮物浓度反演模型确定装置的结构示意图；
图9是本申请一实施例提供的悬浮物浓度确定装置的结构示意图；
图10是本申请一实施例提供的终端设备的结构示意图；
图11是本申请另一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
悬浮物(Total Suspended Matter，TSM)是水体中含有的悬浮泥沙、浮游生物、动植物遗体、浮游植物非色素细胞物质等所有悬浮颗粒物质的总称。
水体中悬浮物含量的差异会改变水体的光学性质，导致卫星传感器接收到的遥感数据会产生差异，使得同一个卫星的卫星数据在同等波段条件下的遥感反射率不一致，因此悬浮物浓度的反演可以首先计算出卫星某一波段的遥感反射率，然后确立悬浮物与河流光学特性之间的特定关系，通过一定的模型算法利用卫星遥感数据定量反演得到悬浮物浓度。
目前已有的专门用于水色研究(例如，悬浮物浓度监测)的卫星传感器，其空间分辨率较低、波段较窄，导致河流悬浮物浓度的遥感反演研究集中在较为大型的河流，例如长江、黄河、珠江等，缺乏对于类似瓯江、飞云江等中小型河流水体的研究，并且缺乏河流悬浮物浓度长时序(大于10年)的遥感反演研究。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行示例性说明。值得说明的是，下文中列举的具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。
图1为本申请一实施例提供的悬浮物浓度反演模型确定方法的流程示意图，如图1所示，该悬浮物浓度反演模型确定方法包括：
S10、获取待评估河流的多个悬浮物浓度反演模型；其中，多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个悬浮物浓度反演模型基于对应的卫星的遥感数据确定，多颗卫星的遥感数据类型以及多颗卫星包含的波段均不同，多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值。
本实施例中，待评估河流可以大型河流、湖泊、水库、近海等较为宽阔的水体；例如，长江、黄河、珠江、太湖等；也可以为中小型河流水体：例如钱塘江、瓯江、飞云江、鳌江等。
本步骤中，多颗卫星可以根据待评估河流的水体容量以及待评估河流的悬浮物浓度研究的时序长度确定。
一种示例性中，若待评估河流为中小型河流水体，则多颗卫星可以为能够进行水体水质参数监测的，并且空间分辨率相对较高(例如，小于30m)的对地观测卫星、气象卫星、高光谱卫星，例如Landsat系列卫星传感器。
另一种示例性中，若待评估河流为大型河流水体，则多颗卫星既可以为专门用于水色研究的卫星传感器，也可以为上述空间分辨率较高的对地观测卫星、气象卫星、高光谱卫星。应理解的是，专门用于水色研究的卫星传感器的信噪比高、波段较窄、空间分辨率为250m-1000m只适用于较为宽阔的大型河流。
其中，悬浮物浓度研究的时序长度可以以阈值表示。
例如，悬浮物浓度研究的时序长度可以为30年，例如1987年至2017年，为了支持该30年的悬浮物浓度研究，则用于生成悬浮物浓度反演模型的多颗卫星运行的最早时刻需要早于1987年，最晚时刻需要晚于2017年，以使得悬浮物浓度反演模型可以支持1987年至2017年30年内的任一遥感数据的反演研究。
本步骤中，多颗卫星运行的最早时刻可以是指，多颗卫星各自的开始运行时刻中最早的时刻，多颗卫星运行的最晚时刻可以是指，多颗卫星各自的运行时间段中的最晚时刻。
示例性的，为了实现中小型河流的悬浮物浓度的长时序研究，例如30年，可选择基于Landsat系列卫星的遥感数据生成悬浮物浓度反演模型，根据Landsat卫星在轨运行时间，最终选用Landsat-5、Landsat-7、Landsat-8作为本申请中多颗卫星。
其中，Landsat-5卫星发射于1984年3月，卫星数据获取时间截止到2011年11月，其上搭载的专题制图仪(Thematic mapper，TM)传感器具有7个波段的感应器，包括可见光波段、近红外波段、短波红外波段、热红外波段。
Landsat-7卫星发射于1999年4月，Landsat-7携带的主要传感器为增强型主题成像仪(Enhanced Thematic Mapper Plus，ETM+)具有8个波段的感应器，覆盖可见光至热红外波段。
Landsat-8卫星于2013年2月发射，在轨运行至今，其上搭载有陆地成像仪(Operational Land Imager，OLI)具有11个波段的感应器，覆盖可见光至热红外波段。
则Landsat-5、Landsat-7、Landsat-8运行的最早时刻为1984年3月，由于Landsat-8还在轨运行，则最晚时刻即为当前时刻。多颗卫星的运行的最晚时刻与最早时刻之间的时间长度大于30年。
本步骤的目的在于，构建各颗卫星的遥感数据与待评估河流的悬浮物浓度之间的函数关系式，即悬浮物浓度反演模型。
由于不同卫星的遥感数据类型(由传感器确定)不同，例如Landsat-5卫星的遥感数据类型为TM数据，Landsat-7卫星的遥感数据类型为ETM+数据，Landsat-8卫星的遥感数据类型为OLI数据，则每个卫星的遥感数据与待评估河流的悬浮物浓度之间具有一个悬浮物浓度反演模型。
基于此，本步骤中获取待评估河流的多个悬浮物浓度反演模型可以是指，针对每颗卫星，获得待评估河流与该卫星的遥感反射率之间的悬浮物浓度反演模型。
由于每个卫星的遥感数据包含的波段的不同，例如，Landsat-5的波段可以包括可见光波段、近红外波段、短波红外波段、热红外波段。由于悬浮物浓度变化，会导致同一个波段的遥感反射率发生变化，因此Landsat-5的每一个波段的遥感反射率与待评估河流的悬浮物浓度之间均可以生成一个悬浮物浓度反演模型。
则获得待评估河流与卫星的遥感反射率之间的悬浮物浓度反演模型可以是指，获得待评估河流的悬浮物浓度与该卫星的每一个波段的遥感反射率之间的反演模型，确定多个反演模型的匹配度，并将匹配度最高的作为待评估河流与该卫星的遥感反射率之间的悬浮物浓度反演模型。
示例性的，则Landsat-5、Landsat-7、Landsat-8三颗卫星的遥感数据中包含的波段可以见表1。
表1多颗卫星的波段划分表
Figure BDA0002488327710000091
其中，Landsat-5对应TM数据，Landsat-7对应ETM+数据，Landsat-8对应OLI数据。
本步骤中，获得待评估河流的悬浮物浓度与该卫星的每一个波段的遥感反射率之间的反演模型，可以通过经验模型、半分析模型、分析模型中任意一种进行分析，在此不做要求。
可选地，可以基于同一种模型获得悬浮物浓度反演模型，以使得待预估河流的多个悬浮物浓度反演模型的函数表达式表达形式一致。
S20、对多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型。
本步骤的目的，在于对多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型，以使得根据该融合后的悬浮物浓度反演模型可以确定待预估河流的悬浮物浓度的长时序时空分布数据，并进一步分析待预估河流的悬浮物浓度的时空变化趋势。
由于多颗卫星的遥感数据类型不同，不同的遥感数据类型会导致悬浮物浓度反演结果不具有可比性。为了避免对悬浮物浓度变化的趋势判断产生误差，需要对多源卫星数据的TSM反演模型进行融合，
其中，多源卫星数据TSM反演模型的核心为波段的遥感反射率与悬浮物浓度之间的函数关系，其中，波段的遥感反射率为自变量，悬浮物浓度为因变量。则对多个悬浮物浓度反演模型进行融合处理可以是指，获得多个悬浮物浓度反演模型中每两个波段反射率之间的转换关系，根据该多个转换关系将多个波段反射率转换至一个波段反射率的反演模型上，基于该波段反射率获得融合后的悬浮物浓度反演模型。
例如，共有三个悬浮物浓度反演模型，分别称为第一模型、第二模型以及第三模型，则可以确定第一模型的波段反射率和第二模型的波段反射率之间的第一关系，以及第一模型的波段反射率和第三模型的波段反射率之间的第二关系，分别根据第一关系将第二模型的波段反射率代入第一模型，根据第二关系将第三模型的波段反射率代入第一反演模型，生成融合后的悬浮物浓度反演模型。
本申请实施例提供的悬浮物浓度反演模型确定方法，获取待评估河流的多个悬浮物浓度反演模型，对多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型；其中，多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个悬浮物浓度反演模型基于对应的卫星的遥感数据确定，由于多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值(例如30年)，使得基于该多个卫星的遥感数据生成的悬浮物浓度反演模型可以用于确定长时序(大于阈值)的悬浮物浓度时空分布数据；同时，由于多颗卫星的遥感数据类型不同，不同的遥感数据类型会导致悬浮物浓度反演结果不具有可比性，导致对悬浮物浓度变化的趋势判断产生误差，本申请通过对多个悬浮物浓度反演模型进行融合处理，解决了多源卫星由于遥感数据类型类型不一致导致的悬浮物浓度变化趋势存在误差的问题，保障了悬浮物浓度长时序遥感反演的精度。
图2是本申请一实施例提供的获取悬浮物浓度反演模型的流程示意图；描述了图1实施例中步骤10中获取待评估河流的多个悬浮物浓度反演模型的一种可能实施方式，由于多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，获取每个悬浮物浓度反演模型的技术方案可以相同，如图2所示，针对每颗卫星，获取该卫星的遥感数据对应的悬浮物浓度反演模型，包括：
S101、获取待评估河流的多个实测悬浮物浓度以及待评估河流的多个实测光谱数据；其中，多个实测光谱数据包括卫星包含的每一个波段的遥感反射率。
本步骤中，实测悬浮物浓度可以是指在对待评估河流的进行实地测量。
获取待评估河流的多个实测悬浮物浓度可以是指，获得待评估河流在多个时间点的实测悬浮物浓度，其中，多个时间点的跨度可以大于图1实施例中的阈值。
示例性的，在进行实地测量时，在一年的每个季节对相同的站点进行采样，同一季节进行连续两天的现场实测；其中，站点为在待评估河流上的不同位置预先设置的测量点。
本步骤中，获取待评估河流的多个实测光谱数据可以是指，在对待评估河流的进行实地测量，获得多个预设点的遥感反射率，然后根据该多个遥感反射率等效计算得到该卫星包含的每一波段的遥感反射率
其中，可以通过地物光谱仪(Analytica Spectra Devices，ASD)使用水面之上法确定每个波段的遥感反射率。
S102、对卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子。
由于卫星的波段的组合方式不同，则获得悬浮物浓度反演模型的精度不同，为了更加全面而准确的构建待评估河流高精度的悬浮物浓度反演模型，可以综合比对分析各波段及波段组合作为遥感因子建立的模型的精度，并将精度最好的模型作为待评估河流与该卫星的遥感数据之间的悬浮物浓度反演模型。
本步骤中，遥感因子可以为卫星波段的遥感反射率的组合，也可以单波段的遥感反射率。
例如，卫星为Landsat-5，Landsat-5卫星的波段包括波段TM1(450-520)，TM2(520-600)，TM3(630-690)，TM4(760-900)，则遥感因子可以为TM1、TM2、TM3、TM4，还可以为上述四个波段的组合。
其中，卫星波段的遥感反射率的组合方式可以为两个波段求比值、求和值或者求差值中一种或者多种。
本实施例中，对卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子可以包括下述步骤：
步骤A1：根据卫星的多个波段获得多个待处理波段组；其中，每个待处理波段组包含从卫星的多个波段中任意选择的两个波段。
本步骤中，根据卫星的多个波段获得多个待处理波段组可以是指，从卫星的多个波段中任意选择两个波段构成一个待处理波段组，执行多次选择操作，获得卫星的多个待处理波段组。
示例性的，获得多个待处理波段组可以为(TM1、TM2)，(TM1、TM3)(TM1、TM4)，(TM2、TM3)、(TM2、TM4)以及(TM3、TM4)。
步骤A2：对每个待处理波段组中的两个波段的遥感反射率分别进行求比值、求和值以及求差值处理，获得每一个待处理波段组的三个遥感因子。
示例性的，待处理波段组为(TM1、TM4)，则对待处理波段组中的两个波段的遥感反射率分别进行求比值、求和值以及求差值处理后得到的三个遥感因子为Rrs(TM1)/Rrs(TM4)，Rrs(TM1)+Rrs(TM4)以及Rrs(TM1)-Rrs(TM4)；其中，Rrs(TM1)为TM数据中第一波段TM1的遥感反射率，Rrs(TM4)为TM数据中第四波段TM4的遥感反射率。
步骤A3：根据所有待处理波段组的遥感因子确定卫星的多个遥感因子。
S103、根据待评估河流的多个实测悬浮物浓度，确定每个遥感因子与待评估河流的悬浮物浓度之间的预估反演模型。
本步骤中，可以基于半分析模型法确定每个遥感因子与待评估河流的悬浮物浓度之间的预估反演模型。
其中，半分析模型可以为负指数模型、对数模型、综合模型等。
示例性的，获得的预估反演模型均可以表达为式(1)：
TSM＝ax-b (1)
其中，TMS为待预估河流的悬浮物浓度，a和b均为常数，x为遥感因子。
S104、确定每个预估反演模型的精度，并将精度最高的预估反演模型作为与卫星的遥感数据对应的悬浮物浓度反演模型。
本步骤中，确定每个预估反演模型的精度，可以是指针对每个预估反演模型，获取预估反演模型的决定系数、平均相对误差以及均方根误差，并根据决定系统、平均相对误差以及均方根误差确定预估反演模型的精度。
其中，决定系数用于表征遥感因子与悬浮物浓度的相关性，以及预估反演模型系数的拟合度。
例如，决定系数可以表示为回归平方和与总平方和的比值，其值越大表示遥感因子和河流的悬浮物浓度之间的相关性越大，即反演模型的精度越大。
本步骤中，平均相对误差是相对误差的均值，其中，相对误差是估算值减去真值后的绝对值与真值的比值，平均相对误差可以反映模型估算值的可信程度。均方根误差可以反映一个数据集的离散程度。
本实施例中，卫星为Landsat-5，Landsat-5的遥感数据类型为专题制图仪TM数据，基于TM数据生成的悬浮物浓度反演模型为第一反演模型。
示例性的，第一反演模型的模型表达式为：
TSM＝343.83x-2.185 (2)
其中，x＝Rrs(TM1)/Rrs(TM4)，TSM(mg/L)表示悬浮物浓度，Rrs(TM1)、Rrs(TM4)分别表示Landsat-5卫星第一波段和第四波段的遥感反射率。
可选地，在获得Landsat-5与待预估河流的TSM之间的TSM反演模型后，在基于上述方法获得Landsat-7以及Landsat-8与待预估河流的TSM之间的TSM反演模型。
其中，Landsat-7的遥感数据类型为增强型主题成像仪ETM+数据，Landsat-8的遥感数据类型为陆地成像仪OLI数据；基于ETM+数据生成的悬浮物浓度反演模型为第二反演模型，基于OLI数据生成的悬浮物浓度反演模型为第三反演模型。
由于Landsat-7中ETM+数据的波段与由于Landsat-5中TM数据的波段基本相同，第二反演模型与第一反演模型的遥感因子的组合波段以及组合方式相同，第二反演模型的表达式可以为：
TSM＝343.83x-2.185 (3)
其中，x＝Rrs(ETM+1)/Rrs(ETM+4)，TSM(mg/L)表示悬浮物浓度Rrs(ETM+1)，Rrs(ETM+4)、Rrs(ETM+4)分别表示Landsat-7卫星第一波段和第四波段的遥感反射率。
第三反演模型的表达式为：
TSM＝426.11x-1.948 (4)
其中，x＝Rrs(OLI2)/Rrs(OLI5)，TSM(mg/L)表示悬浮物浓度，Rrs(OLI2)、Rrs(OLI5)分别表示Landsat-8卫星第二波段和第五波段的遥感反射率。
多源卫星数据的TSM反演模型的数据类型不一致，例如基于Landsat-5与待预估河流的TSM之间的TSM反演模型的数据类型为TM数据，基于Landsat-8卫星与待预估河流的TSM之间的TSM反演模型的数据类型为OLI数据，不同的数据类型会导致悬浮物浓度反演结果不具有可比性。为了避免对悬浮物浓度变化的趋势判断产生误差，需要对多源卫星数据的TSM反演模型进行融合，下面通过图3的实施例进行示例性描述。
图3是本申请一实施例提供的获得多个遥感因子的流程示意图；描述了图1实施例中步骤20中获得融合后的悬浮物浓度反演模型的一种可能实施方式，如图3所示，对多个悬浮物浓度反演模型进行融合，获得融合后的悬浮物浓度反演模型，包括：
S201、确定第二反演模型中的第二遥感因子与第一反演模型中的第一遥感因子之间的第一转换关系。
由式(2)以及式(3)可知，第二反演模型与第一反演模型表达式形式一致、表达式系统一致，遥感因子的组合波段以及组合方式也一致，组合波段均为第一波段和第四波段，组合方式均为第一波段的遥感反射率和第四波段的遥感反射率的比值；同时，TM和ETM+的波段设置也一致，因此，确定第二反演模型中的第二遥感因子与第一反演模型中的第一遥感因子之间可以直接转换。
S202、确定第三反演模型中的第三遥感因子与第一反演模型中的第一遥感因子之间的第二转换关系。
由式(2)以及式(4)可知，第三反演模型和第一反演模型的表达式形式一致，但是表达式系数以及建立模型的波段不一致。
本步骤的目的在于确定，第三遥感因子与第一遥感因子之间的第二转换关系，以将Rrs(OLI2)/Rrs(OLI5)经过第二转换关系转换为Rrs(TM1)/Rrs(TM4)。
本实施例中，确定第二转换关系的步骤可以包括：
步骤1：根据待评估河流的多个实测悬浮物浓度以及待评估河流的多个实测光谱数据，生成多个样本；其中，每个样本包含一个实测悬浮物浓度、该实测悬浮物浓度对应的第一遥感因子以及该实测悬浮物浓度对应的第三遥感因子。
本步骤中，待评估河流的多个实测悬浮物浓度以及待评估河流的多个实测光谱数据可以为图2实施例中步骤101获取到的多个实测悬浮物浓度以及多个实测光谱数据。
针对每个实测悬浮物浓度，将该实测悬浮物浓度、该实测悬浮物浓度对应的第一遥感因子以及该实测悬浮物浓度对应的第三遥感因子组合生成一个样本。
在获得多个样本后，将多个样本中的预设个数的样本用于拟合第三遥感因子与第一遥感因子之间的第二转换关系，将多个样本中的除预设个数以外的其他样本用于对该第二转换关系进行验证，上述其他样本可以称为验证样本。
其中，对第二转换关系进行验证可以是指，根据验证样本计算获得第二转换关系的决定系数、平均相对误差以及均方根误差，判断决定系数是否大于第一预设阈值、平均相对误差是否小于第二预设阈值以及均方根误差是否小于第三预设阈值，若均是则表征该第二转换关系验证通过。
步骤2：将每个样本的第一遥感因子作为自变量、第三遥感因子作为因变量，基于回归分析法确定第三遥感因子与第一遥感因子之间的第二转换关系。
由于第一遥感因子中的波段组合方式和第三遥感因子中的波段组合方式一致，均为波段求比值。
其中，第一遥感因子为Rrs(TM1)/Rrs(TM4)，第三遥感因子为Rrs(OLI2)/Rrs(OLI5)，则可以分别拟合获得Rrs(TM1)与Rrs(OLI2)之间的换算关系，Rrs(TM4)与Rrs(OLI5)之间的换算关系，并根据上述换算关系确定第二转换关系。
示例性的，请一并参阅图4和图5，图4为本申请一实施例提供的第二转换关系的示意图，图4描述了Rrs(TM1)与Rrs(OLI2)之间的换算关系，由图4可知Rrs(TM1)与Rrs(OLI2)之间之间的换算关系可以表达为：
Rrs(TM1)＝1.0072Rrs(OLI2)+0.0002 (5)
图5为本申请另一实施例提供的第二转换关系的示意图，由图5可知Rrs(TM4)与Rrs(OLI5)之间的换算关系可以表达为：
Rrs(TM4)＝1.00349Rrs(OLI5)+0.0026 (6)
S203、分别根据第一转换关系将第二遥感因子代入第一反演模型，根据第二转换关系将第三遥感因子代入第一反演模型，生成融合后的悬浮物浓度反演模型。
则分别根据第一转换关系将第二遥感因子代入第一反演模型，根据第二转换关系将第三遥感因子代入第一反演模型后，生成的融合后的悬浮物浓度反演模型可以表达为：
TSM＝343.83x-2.185 (7)
其中，模型应用于TM或ETM+数据时，x＝Rrs(TM1)/Rrs(TM4)或x＝Rrs(ETM+1)/Rrs(ETM+4)；模型应用于OLI数据时，x＝(1.0072Rrs(OLI2)+0.0002)/1.00349Rrs(OLI5)+0.0026
在获得融合后的悬浮物浓度反演模型后，可以根据融合后的悬浮物浓度反演模型确定待评估河流长时序悬浮物浓度变化规律，从而解决现有技术中，多源卫星数据类型不一致导致的悬浮物浓度变化趋势存在误差的问题，下面通过图6的实施例进行示例性说明。
图6是本申请一实施例提供的悬浮物浓度确定方法的流程示意图；如图6所示，悬浮物浓度确定方法包括：
S30、获取待评估河流在多个时间点的遥感数据；多个时间点的持续时间大于阈值。
本申请中，待评估河流的悬浮物浓度变化研究的时间跨度是可以为自1987年至2017年，根据Landsat卫星在轨运行时间，最终选用Landsat-5、Landsat-7、Landsat-8作为遥感数据的来源。
本步骤中，获取待评估河流在多个时间点的遥感数据，可以为获取待评估河流自1987年至2017年的多个卫星遥感图像。
例如，在每一年的每个季节获取待评估河流的卫星遥感图像。
S40、基于预先设置的大气校正方法对每个遥感数据进行校正，获取每个遥感数据对应的遥感反射率；其中，预先设置的大气校正方法为基于多个大气校正方法分别与待评估河流进行适用性匹配后确定的方法。
卫星传感器在接收待评估河流辐射信号的过程中，待评估河流辐射出的电磁辐射经过大气层，由于大气层中存在多种气体以及气溶胶，待评估河流辐射能量因为大气衰减作用而降低，同时太阳和卫星等外部因素也会产生干扰信号。因此对卫星传感器接收到的卫星遥感图像进行大气校正处理，目的在于去除干扰信号，提取出有效的待评估河流的辐射信息。
本步骤中，大气校正的方法可以包括FLAASH大气校正法、快速大气校正法QUAC、黑暗像元法DS。
本步骤中，确定预先设置的大气校正方法的步骤可以是指，实测待评估河流的遥感反射率Rrs_e，然后分别利用FLAASH、QUAC、DS大气校正算法分别对卫星遥感图像进行处理，经计算得到大气校正之后的遥感反射率Rrs，分别比较三种大气校正算法得到的Rrs与Rrs_e的匹配精度，评估各大气校正方法对于待评估河流的适用性，将匹配精度最高的遥感反射率Rrs对应的大气校正方法确定为预先设置的大气校正方法。
S50、将多个遥感反射率输入融合后的悬浮物浓度反演模型，获得多个遥感反射率各自分别对应的悬浮物浓度。
本步骤中的融合后的悬浮物浓度反演模型为图1至图3实施例中融合后的悬浮物浓度反演模型。
S60、根据多个悬浮物浓度，确定待评估河流的悬浮物浓度变化趋势。
由于多个时间点的遥感数据为待评估河流自1987年至2017年的多个卫星遥感图像，因此多个悬浮物浓度包含了待评估河流自1987年至2017年的多个站点的悬浮物浓度。
本步骤中，悬浮物浓度变化趋势可以具体通过悬浮物浓度变化曲线表示。
其中，在确定待评估河流的悬浮物浓度变化曲线可以为获取待评估河流某一个或多个站点的悬浮物浓度变化曲线，也可以为获取待评估河流的整体悬浮物浓度变化曲线。
例如，在获取待评估河流的整体悬浮物浓度变化曲线时，对于每个时间点上的多个站点的悬浮物浓度进行区域平均处理，然后再根据平均值确定取待评估河流的整体悬浮物浓度变化曲线。
示例性的，请一并参阅图7，图7为本申请实施例提供的悬浮物浓度变化曲线，如图7所示，该曲线描述了待预估河流自1987年至2017年30年的悬浮物浓度变化趋势。
本申请实施例提供的悬浮物浓度确定方法，在获取待评估河流在多个时间点的遥感数据后，根据基于预先设置的大气校正方法对每个遥感数据进行校正，获取每个遥感数据对应的遥感反射率，由于预先设置的大气校正方法为基于多个大气校正方法分别与待评估河流进行适用性匹配后确定的方法，使得经过该预先设置的大气校正方法校正后的遥感反射率的准确度较高，则基于该遥感反射率反演获得悬浮物浓度的准确度较高，进而获得悬浮物浓度变化趋势会更加准确；
另一方面，本实施例中的融合后的悬浮物浓度反演模型为图1至图3实施例中的融合后的融合后的悬浮物浓度反演模型，可以用于确定长时序的悬浮物浓度的时空数据，进而获得待预测河流长时序的悬浮物浓度变化趋势。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
基于上述实施例所提供的悬浮物浓度反演模型确定方法，本发明实施例进一步给出实现上述方法实施例的装置实施例。
图8为本申请一实施例提供的悬浮物浓度反演模型确定装置的结构示意图。如图8所示，悬浮物浓度反演模型确定装置700包括模型获取模块701以及模型融合模块702。
模型获取模块701，用于获取待评估河流的多个悬浮物浓度反演模型；其中，多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个悬浮物浓度反演模型基于对应的卫星的遥感数据确定，多颗卫星的遥感数据类型以及多颗卫星包含的波段均不同，多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值；
模型融合模块702，用于对多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型。
可选地，模型获取模块701获取待评估河流的多个悬浮物浓度反演模型，包括：
针对每颗卫星，获取待评估河流的多个实测悬浮物浓度以及待评估河流的多个实测光谱数据；其中，多个实测光谱数据包括卫星包含的每一个波段的遥感反射率；
对卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子；
根据待评估河流的多个实测悬浮物浓度，确定每个遥感因子与待评估河流的悬浮物浓度之间的预估反演模型；
确定每个预估反演模型的精度，并将精度最高的预估反演模型作为与卫星的遥感数据对应的悬浮物浓度反演模型。
可选地，模型获取模块701对卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子，包括：
根据卫星的多个波段获得多个待处理波段组；其中，每个待处理波段组包含从卫星的多个波段中任意选择的两个波段；
对每个待处理波段组中的两个波段的遥感反射率分别进行求比值、求和值以及求差值处理，获得每一个待处理波段组的三个遥感因子；
根据所有待处理波段组的遥感因子确定卫星的多个遥感因子。
可选地，模型获取模块701确定每个预估反演模型的精度包括：
针对每个预估反演模型，获取预估反演模型的决定系数、平均相对误差以及均方根误差，并根据决定系统、平均相对误差以及均方根误差确定预估反演模型的精度；其中，决定系数用于表征遥感因子与悬浮物浓度的相关性，以及预估反演模型系数的拟合度。
可选地，多颗卫星的遥感数据类型包括专题制图仪TM数据、增强型主题成像仪ETM+数据和陆地成像仪OLI数据；其中，基于TM数据生成的悬浮物浓度反演模型为第一反演模型，基于ETM+数据生成的悬浮物浓度反演模型为第二反演模型，基于OLI数据生成的悬浮物浓度反演模型为第三反演模型；
模型融合模块702，对多个悬浮物浓度反演模型进行融合，获得融合后的悬浮物浓度反演模型，包括：
确定第二反演模型中的第二遥感因子与第一反演模型中的第一遥感因子之间的第一转换关系；
确定第三反演模型中的第三遥感因子与第一反演模型中的第一遥感因子之间的第二转换关系；
分别根据第一转换关系将第二遥感因子代入第一反演模型，根据第二转换关系将第三遥感因子代入第一反演模型，生成融合后的悬浮物浓度反演模型。
可选地，模型融合模块702确定第三反演模型中的第三遥感因子与第一反演模型中的第一遥感因子之间的第二转换关系，包括：
根据待评估河流的多个实测悬浮物浓度以及待评估河流的多个实测光谱数据，生成多个样本；其中，每个样本包含一个实测悬浮物浓度、该实测悬浮物浓度对应的第一遥感因子以及该实测悬浮物浓度对应的第三遥感因子；
将每个样本的第一遥感因子作为自变量、第三遥感因子作为因变量，基于回归分析法确定第三遥感因子与第一遥感因子之间的第二转换关系。
图8所示实施例提供的悬浮物浓度确定装置，可用于执行上述图1至图3方法实施例中的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图9为本申请一实施例提供的悬浮物浓度确定装置的结构示意图。如图9所示，悬浮物浓度确定装置包括数据模块801、校正模块802、浓度确定模块803以及趋势确定模块804；
数据模块801，用于获取待评估河流在多个时间点的遥感数据；多个时间点的持续时间大于阈值；
校正模块802，用于基于预先设置的大气校正方法对每个遥感数据进行校正，获取每个遥感数据对应的遥感反射率；其中，预先设置的大气校正方法为基于多个大气校正方法分别与待评估河流进行适用性匹配后确定的方法；
浓度确定模块803，用于将多个遥感反射率输入融合后的悬浮物浓度反演模型，获得多个遥感反射率各自分别对应的悬浮物浓度；
趋势确定模块804，用于根据多个悬浮物浓度，确定待评估河流的悬浮物浓度变化趋势。
图9所示实施例提供的悬浮物浓度确定装置，可用于执行上述图6方法实施例中的技术方案，其实现原理和技术效果类似，本实施例此处不再赘述。
图10是本申请一实施例提供的终端设备的示意图。如图10所示，该实施例的终端设备90包括：至少一个第一处理器901、第一存储器902以及存储在所述第一存储器902中并可在所述第一处理器901上运行的计算机程序。悬浮物浓度反演模型确定设备还包括第一通信部件903，其中，第一处理器901、第一存储器902以及第一通信部件903通过第一总线904连接。
第一处理器901执行所述计算机程序时实现上述各个悬浮物浓度反演模型确定方法实施例中的步骤，例如图1所示实施例中的步骤S10至步骤S20。或者，第一处理器901执行计算机程序时实现上述悬浮物浓度反演模型确定装置实施例中各模块/单元的功能，例如图8所示模块701至702的功能。
图11是本申请另一实施例提供的终端设备的示意图。如图11所示，该实施例的终端设备100包括：至少一个第二处理器1001、第二存储器902以及存储在第二存储器1002中并可在所述第二处理器1001上运行的计算机程序。终端设备还包括第二通信部件1003，其中，第二处理器1001、第二存储器1002以及第二通信部件1003通过第二总线1004连接。
第二处理器1001执行所述计算机程序时实现上述悬浮物浓度确定方法实施例中的步骤，例如图6所示实施例中的步骤S30至步骤S60。或者，第二处理器1001执行计算机程序时实现上述悬浮物浓度反演模型确定装置实施例中各模块/单元的功能，例如图9所示模块801至804的功能。
本领域技术人员可以理解，图10和图11仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如输入输出设备、网络接入设备、总线等。
所称第一处理器901或第二处理器1001可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
第一存储器902或第二存储器1002可以是终端设备的内部存储单元，也可以是悬浮物浓度反演模型确定设备的外部存储设备。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时可实现上述各个方法实施例中的步骤。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种悬浮物浓度反演模型确定方法，其特征在于，包括：
获取待评估河流的多个悬浮物浓度反演模型；其中，所述多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个所述悬浮物浓度反演模型基于对应的卫星的遥感数据确定，所述多颗卫星的遥感数据类型以及所述多颗卫星包含的波段均不同，所述多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值；
对所述多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型。
2.如权利要求1所述的悬浮物浓度反演模型确定方法，其特征在于，所述获取待评估河流的多个悬浮物浓度反演模型，包括：
针对每颗卫星，获取所述待评估河流的多个实测悬浮物浓度以及所述待评估河流的多个实测光谱数据；其中，所述多个实测光谱数据包括所述卫星包含的每一个波段的遥感反射率；
对所述卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子；
根据所述待评估河流的多个实测悬浮物浓度，确定每个遥感因子与所述待评估河流的悬浮物浓度之间的预估反演模型；
确定每个所述预估反演模型的精度，并将精度最高的预估反演模型作为与所述卫星的遥感数据对应的悬浮物浓度反演模型。
3.如权利要求2所述的悬浮物浓度反演模型确定方法，其特征在于，所述对所述卫星包含的多个波段的遥感反射率进行组合，获得多个遥感因子，包括：
根据所述卫星的多个波段获得多个待处理波段组；其中，每个所述待处理波段组包含从所述卫星的多个波段中任意选择的两个波段；
对每个所述待处理波段组中的两个波段的遥感反射率分别进行求比值、求和值以及求差值处理，获得每一个所述待处理波段组的三个遥感因子；
根据所有待处理波段组的遥感因子确定所述卫星的多个遥感因子。
4.如权利要求2所述的悬浮物浓度反演模型确定方法，其特征在于，所述确定每个所述预估反演模型的精度包括：
针对每个所述预估反演模型，获取所述预估反演模型的决定系数、平均相对误差以及均方根误差，并根据所述决定系统、平均相对误差以及均方根误差确定所述预估反演模型的精度；其中，所述决定系数用于表征遥感因子与悬浮物浓度的相关性，以及预估反演模型系数的拟合度。
5.如权利要求2至4任一项所述的悬浮物浓度反演模型确定方法，其特征在于，所述多颗卫星的遥感数据类型包括专题制图仪TM数据、增强型主题成像仪ETM+数据和陆地成像仪OLI数据；其中，基于所述TM数据生成的悬浮物浓度反演模型为第一反演模型，基于所述ETM+数据生成的悬浮物浓度反演模型为第二反演模型，基于所述OLI数据生成的悬浮物浓度反演模型为第三反演模型；
所述对所述多个悬浮物浓度反演模型进行融合，获得融合后的悬浮物浓度反演模型，包括：
确定所述第二反演模型中的第二遥感因子与所述第一反演模型中的第一遥感因子之间的第一转换关系；
确定所述第三反演模型中的第三遥感因子与所述第一反演模型中的第一遥感因子之间的第二转换关系；
分别根据所述第一转换关系将所述第二遥感因子代入所述第一反演模型，根据所述第二转换关系将所述第三遥感因子代入所述第一反演模型，生成融合后的悬浮物浓度反演模型。
6.如权利要求5所述的悬浮物浓度反演模型确定方法，所述确定所述第三反演模型中的第三遥感因子与所述第一反演模型中的第一遥感因子之间的第二转换关系，包括：
根据所述待评估河流的多个实测悬浮物浓度以及所述待评估河流的多个实测光谱数据，生成多个样本；其中，每个所述样本包含一个实测悬浮物浓度、所述实测悬浮物浓度对应的第一遥感因子以及所述实测悬浮物浓度对应的第三遥感因子；
将每个样本的第一遥感因子作为自变量、第三遥感因子作为因变量，基于回归分析法确定所述第三遥感因子与所述第一遥感因子之间的第二转换关系。
7.一种悬浮物浓度确定方法，其特征在于，包括：
获取待评估河流在多个时间点的遥感数据；所述多个时间点的持续时间大于阈值；
基于预先设置的大气校正方法对每个所述遥感数据进行校正，获取每个所述遥感数据对应的遥感反射率；其中，所述预先设置的大气校正方法为基于多个大气校正方法分别与所述待评估河流进行适用性匹配后确定的方法；
将所述多个遥感反射率输入融合后的悬浮物浓度反演模型，获得所述多个遥感反射率各自分别对应的悬浮物浓度；
根据所述多个悬浮物浓度，确定所述待评估河流的悬浮物浓度变化趋势。
8.一种悬浮物浓度反演模型确定装置，其特征在于，包括：
模型获取模块，用于获取待评估河流的多个悬浮物浓度反演模型；其中，所述多个悬浮物浓度反演模型与多颗卫星的遥感数据一一对应，每个所述悬浮物浓度反演模型基于对应的卫星的遥感数据确定，所述多颗卫星的遥感数据类型以及所述多颗卫星包含的波段均不同，所述多颗卫星运行的最晚时刻与最早时刻之间的时间长度大于阈值；
模型融合模块，用于对所述多个悬浮物浓度反演模型进行融合处理，获得融合后的悬浮物浓度反演模型。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述方法的步骤，或如权利要求7所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤，或如权利要求7所述方法的步骤。
CN202010397827.6A 2020-05-12 2020-05-12 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法 Active CN111538940B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010397827.6A CN111538940B (zh) 2020-05-12 2020-05-12 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010397827.6A CN111538940B (zh) 2020-05-12 2020-05-12 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法

Publications (2)

Publication Number Publication Date
CN111538940A true CN111538940A (zh) 2020-08-14
CN111538940B CN111538940B (zh) 2021-05-28

Family

ID=71979419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010397827.6A Active CN111538940B (zh) 2020-05-12 2020-05-12 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法

Country Status (1)

Country Link
CN (1) CN111538940B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112378828A (zh) * 2020-12-11 2021-02-19 中科三清科技有限公司 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置
CN112697752A (zh) * 2020-12-09 2021-04-23 中国科学院东北地理与农业生态研究所 估算全球内陆水体透明度的方法
CN113916819A (zh) * 2021-09-02 2022-01-11 自然资源部第二海洋研究所 紫外波段的离水辐射数据集的创建方法及电子设备
CN116625887A (zh) * 2023-07-25 2023-08-22 艾易西(中国)环保科技有限公司 一种半开敞空间的空气悬浮物检测方法及系统
CN117274819A (zh) * 2023-11-17 2023-12-22 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) 用于多类型海域智能化监测的遥感信息提取系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101206264A (zh) * 2007-11-08 2008-06-25 符力耘 高分辨率非线性地震波阻抗反演方法
CN103472037A (zh) * 2013-09-10 2013-12-25 淮南矿业(集团)有限责任公司 沉陷积水区的水环境监测方法及装置
US20140090451A1 (en) * 2012-09-28 2014-04-03 General Electric Company Systems and Methods for Measuring an Interface Level in a Multi-Phase Fluid Composition
CN105627997A (zh) * 2015-12-23 2016-06-01 国家海洋局第一海洋研究所 多角度遥感水深决策融合反演方法
CN106525762A (zh) * 2016-11-07 2017-03-22 航天恒星科技有限公司 一种基于自适应模型的水质监测方法和水质监测装置
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
CN107271405A (zh) * 2017-06-30 2017-10-20 中国水利水电科学研究院 一种多模型协同的水质参数浓度反演方法和装置
CN108009132A (zh) * 2017-12-04 2018-05-08 海南大学 基于海水中叶绿素a含量变化的台风区域灾害评估方法
CN106126826B (zh) * 2016-06-27 2019-02-26 中国科学院南京地理与湖泊研究所 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法
CN109799199A (zh) * 2018-12-26 2019-05-24 环境保护部卫星环境应用中心 一种叶绿素a浓度的协同反演方法
CN110186820A (zh) * 2018-12-19 2019-08-30 河北中科遥感信息技术有限公司 多源数据融合与环境污染源及污染物分布分析方法
CN110987955A (zh) * 2019-12-05 2020-04-10 南京师范大学 一种基于决策树的城市黑臭水体分级方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101206264A (zh) * 2007-11-08 2008-06-25 符力耘 高分辨率非线性地震波阻抗反演方法
US20140090451A1 (en) * 2012-09-28 2014-04-03 General Electric Company Systems and Methods for Measuring an Interface Level in a Multi-Phase Fluid Composition
CN103472037A (zh) * 2013-09-10 2013-12-25 淮南矿业(集团)有限责任公司 沉陷积水区的水环境监测方法及装置
CN105627997A (zh) * 2015-12-23 2016-06-01 国家海洋局第一海洋研究所 多角度遥感水深决策融合反演方法
CN106126826B (zh) * 2016-06-27 2019-02-26 中国科学院南京地理与湖泊研究所 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法
CN106525762A (zh) * 2016-11-07 2017-03-22 航天恒星科技有限公司 一种基于自适应模型的水质监测方法和水质监测装置
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
CN107271405A (zh) * 2017-06-30 2017-10-20 中国水利水电科学研究院 一种多模型协同的水质参数浓度反演方法和装置
CN108009132A (zh) * 2017-12-04 2018-05-08 海南大学 基于海水中叶绿素a含量变化的台风区域灾害评估方法
CN110186820A (zh) * 2018-12-19 2019-08-30 河北中科遥感信息技术有限公司 多源数据融合与环境污染源及污染物分布分析方法
CN109799199A (zh) * 2018-12-26 2019-05-24 环境保护部卫星环境应用中心 一种叶绿素a浓度的协同反演方法
CN110987955A (zh) * 2019-12-05 2020-04-10 南京师范大学 一种基于决策树的城市黑臭水体分级方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
S.W.LYON等: "Incorporating landscape characteristics in a distance metric for interpolating between observations of stream water chemistry", 《HYDROLOGY AND EARTH SYSTEM SCIENCES》 *
WANG XUEBING等: "Remote sensing inversion of total suspended matter concentration in Oujiang River based on Landsat-8/OLI", 《INTERNATIONAL SYMPOSIUM ON OPTOELECTRONIC TECHNOLOGY AND APPLICATION 2018》 *
刘振宇等: "黄河口悬浮物浓度Landsat8 OLI多波段反演研究", 《环境科学学报》 *
靳海霞等: "基于高分二号卫星融合数据的城镇黑臭水体遥感监测研究", 《国土资源科技管理》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112697752A (zh) * 2020-12-09 2021-04-23 中国科学院东北地理与农业生态研究所 估算全球内陆水体透明度的方法
CN112378828A (zh) * 2020-12-11 2021-02-19 中科三清科技有限公司 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置
CN112378828B (zh) * 2020-12-11 2021-09-17 中科三清科技有限公司 基于卫星遥感数据反演大气细颗粒物浓度的方法及装置
CN113916819A (zh) * 2021-09-02 2022-01-11 自然资源部第二海洋研究所 紫外波段的离水辐射数据集的创建方法及电子设备
CN113916819B (zh) * 2021-09-02 2023-09-29 自然资源部第二海洋研究所 紫外波段的离水辐射数据集的创建方法及电子设备
CN116625887A (zh) * 2023-07-25 2023-08-22 艾易西(中国)环保科技有限公司 一种半开敞空间的空气悬浮物检测方法及系统
CN116625887B (zh) * 2023-07-25 2023-09-29 艾易西(中国)环保科技有限公司 一种半开敞空间的空气悬浮物检测方法及系统
CN117274819A (zh) * 2023-11-17 2023-12-22 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) 用于多类型海域智能化监测的遥感信息提取系统
CN117274819B (zh) * 2023-11-17 2024-02-23 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) 用于多类型海域智能化监测的遥感信息提取系统

Also Published As

Publication number Publication date
CN111538940B (zh) 2021-05-28

Similar Documents

Publication Publication Date Title
CN111538940B (zh) 悬浮物浓度反演模型确定方法及悬浮物浓度确定方法
CN102540166B (zh) 一种基于优化算法的高光谱传感器交叉辐射定标方法
CN110672805A (zh) 一种基于航空高光谱数据的水库水质参数定量反演方法
CN112051226B (zh) 基于无人机载高光谱图像估算近海总悬浮物浓度的方法
CN112504979A (zh) 一种基于高光谱遥感的水体叶绿素浓度反演方法及装置
CN113408111B (zh) 大气可降水量反演方法及系统、电子设备和存储介质
CN113553907A (zh) 一种基于遥感技术的森林生态环境状况评价方法
CN110836870B (zh) 基于gee的大区域湖泊透明度快速制图方法
CN113420497A (zh) 浑浊湖泊总磷浓度遥感估算方法
CN114241331B (zh) 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法
CN113466143B (zh) 土壤养分反演方法、装置、设备及介质
Ye et al. Atmospheric correction of Landsat-8/OLI imagery in turbid estuarine waters: A case study for the Pearl River estuary
CN115690632A (zh) 一种内陆河流水体的水环境监测方法
CN114201732A (zh) 一种基于Sentinel-2A影像的浅海海域水深反演方法
CN102163264A (zh) 一种高光谱数据质量与应用能力的评价方法
CN111191380B (zh) 一种基于地基光谱仪测量数据的大气气溶胶光学厚度估算方法和装置
CN114218786B (zh) 非偏振卫星传感器在轨偏振辐射特性反演方法
Goyens et al. Automated generation of hyperspectral fiducial reference measurements of water and land surface reflectance for the hypernets networks
CN111879709A (zh) 湖泊水体光谱反射率检验方法及装置
Zhao et al. Retrieval of red solar-induced chlorophyll fluorescence with TROPOMI on the Sentinel-5 precursor mission
CN105891124B (zh) 近岸河口水色参数反演装置及方法
CN117434034B (zh) 一种基于光谱库的水质多源遥感数据快速反演方法
CN105987879A (zh) 近岸河口水色参数反演装置
Allam et al. Atmospheric Correction Algorithms Assessment for Sentinel-2A Imagery over Inland Waters of China: Case Study, Qiandao Lake
CN116465803A (zh) 一种构建悬浮物浓度反演模型的方法及装置

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