CN112949072A - 一种获取海水悬沙浓度的方法及装置 - Google Patents
一种获取海水悬沙浓度的方法及装置 Download PDFInfo
- Publication number
- CN112949072A CN112949072A CN202110253282.6A CN202110253282A CN112949072A CN 112949072 A CN112949072 A CN 112949072A CN 202110253282 A CN202110253282 A CN 202110253282A CN 112949072 A CN112949072 A CN 112949072A
- Authority
- CN
- China
- Prior art keywords
- sand concentration
- suspended sand
- slope
- seawater
- amplitude
- 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
- 239000004576 sand Substances 0.000 title claims abstract description 240
- 239000013535 sea water Substances 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 53
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 81
- 238000002592 echocardiography Methods 0.000 claims abstract description 12
- 230000015654 memory Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000013049 sediment Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001035 drying Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000005303 weighing Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005137 deposition process Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000010410 layer Substances 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请提供了一种获取海水悬沙浓度的方法及装置，所述方法包括：获取蓝绿激光水体后向散射回波的斜率和振幅；利用所述斜率和海水悬沙浓度实测值构建斜率‑悬沙浓度模型；利用所述振幅和海水悬沙浓度实测值构建振幅‑悬沙浓度模型；合并所述斜率‑悬沙浓度模型与振幅‑悬沙浓度模型，以构建关于斜率和振幅的悬沙浓度模型；利用所述悬沙浓度模型获取海水悬沙浓度的估计值。根据本申请提出的方法和装置，能够从浅水域蓝绿激光波形中提取水体后向散射回波的斜率和振幅，基于水体后向散射回波的斜率和振幅构建的悬沙浓度模型的方式获取海水悬沙浓度的估计值，这种方式，大大地简化了海水悬沙浓度的获取过程，提高了获取的效率和灵活性。
Description
技术领域
本申请涉及海水参数监测领域，具体而言，涉及一种获取海水悬沙浓度的方法及装置。
背景技术
目前，海水悬沙浓度是研究水质、侵蚀沉积过程和水体生态系统的重要参数，在侵蚀/沉积过程、生物量初级产量和有机物、微污染物和重金属的传输中起关键作用。
现有技术中，可以采用现场测量法和光学遥感法确定海水悬沙浓度。现场测量法主要通过现场采集水样并经过实验室过滤、烘干和称重分析直接获得海水悬沙浓度。光学遥感方法包括主动遥感法和被动遥感法，其中，被动遥感法主要是利用搭载在卫星上的光谱仪通过测量进入传感器接收孔径的光辐射量来反演海水悬沙浓度。主动遥感法中的机载激光测深(ALB)系统被用来获取水体浑浊度信息，通过对原始波形中水体后向散射回波部分直接拟合可获得水体后向散射回波的波形参数来估计水体浑浊度，同时根据水体浑浊度与海水悬沙浓度之间的线性关系来获取海水悬沙浓度。
然而，采用现场测量法存在费时、费力的缺陷；由于卫星搭载的低分辨率传感器并不适用河口海岸带和内陆河流湖泊，被动遥感法并非适用于所用情况；主动遥感法同样并非适用于所用情况，例如，浅水域中水体后向散射回波的波形宽度较窄或完全消失，难以实现准确有效地提取波形参数来反演海水悬沙浓度。
发明内容
有鉴于此，本申请实施例的目的在于提供一种获取海水悬沙浓度的方法及装置，能够从浅水域蓝绿激光波形中提取水体后向散射回波的斜率和振幅，基于水体后向散射回波的斜率和振幅构建的悬沙浓度模型的方式获取海水悬沙浓度的估计值，这种方式，大大地简化了海水悬沙浓度的获取过程，提高了获取的效率和灵活性。
本申请实施例提供一种获取海水悬沙浓度的方法，所述方法包括：
获取水体后向散射回波的斜率和振幅；
利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型；
利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型；
合并所述斜率-悬沙浓度模型与振幅-悬沙浓度模型，以构建悬沙浓度模型；
利用所述悬沙浓度模型的反演过程获取海水悬沙浓度的估计值。
可选的，获取水体后向散射回波的斜率和振幅，包括：
提取蓝绿激光脉冲波形数据；
分解提取的蓝绿激光脉冲波形数据，以得到水体后向散射回波；
基于得到的水体后向散射回波获取水体后向散射回波的斜率和振幅。
可选的，利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型，包括：
对所述斜率和海水悬沙浓度实测值进行拟合处理，构建斜率-悬沙浓度模型。
可选的，利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型，包括：
对所述振幅和海水悬沙浓度实测值进行拟合处理，构建振幅-悬沙浓度模型。
可选的，合并所述斜率-悬沙浓度模型与振幅-悬沙浓度模型，以构建悬沙浓度模型，包括：
构建表示所述海水悬沙浓度实测值、斜率-悬沙浓度模型和振幅-悬沙浓度模型之间的对应关系的模型；
确定所述模型中的关联系数；
利用所述关联系数构建悬沙浓度模型。
本申请实施例还提供一种获取海水悬沙浓度的装置，所述装置包括：
获取模块，用于获取水体后向散射回波的斜率和振幅；
斜率-悬沙浓度模型构建模块，用于利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型；
振幅-悬沙浓度模型构建模块，用于利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型；
悬沙浓度模型构建模块，用于合并所述斜率-悬沙浓度模型和振幅-悬沙浓度模型，以构建悬沙浓度模型；
估计模块，用于利用所述悬沙浓度模型的反演过程获取海水悬沙浓度的估计值。
可选的，所述获取模块具体用于：
提取蓝绿激光脉冲波形数据；
分解提取的蓝绿激光脉冲波形数据，以得到水体后向散射回波；
基于得到的水体后向散射回波获取水体后向散射回波的斜率和振幅。
可选的，所述斜率-悬沙浓度模型构建模块具体用于：对所述斜率和海水悬沙浓度实测值进行拟合处理，构建斜率-悬沙浓度模型。
本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行第一方面任一项所述的一种获取海水悬沙浓度方法的步骤。
本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面任一项所述的一种获取海水悬沙浓度方法的步骤。
本申请实施例提供的一种获取海水悬沙浓度的方法及装置，获取水体后向散射回波的斜率和振幅；利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型；利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型；合并所述斜率-悬沙浓度模型与振幅-悬沙浓度模型，以构建悬沙浓度模型；利用所述悬沙浓度模型的反演过程获取海水悬沙浓度的估计值。本申请提出的方法能够从浅水域蓝绿激光波形中提取水体后向散射回波的斜率和振幅，基于水体后向散射回波的斜率和振幅构建的悬沙浓度模型的方式获取海水悬沙浓度的估计值，这种方式，大大地简化了海水悬沙浓度的获取过程，提高了获取的效率和灵活性。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本申请实施例提供的一种获取海水悬沙浓度的方法的流程图；
图2示出了本申请实施例提供的指示海水悬沙浓度实测值与水体后向散射回波的斜率的关系的示意图；
图3示出了本申请实施例提供的指示海水悬沙浓度实测值与水体后向散射回波的振幅的关系的示意图；
图4示出了本申请实施例提供的一种获取海水悬沙浓度的装置的结构示意图；
图5示出了本申请实施例提供的一种电子设备的示意图。
图中：
401-获取模块；402-斜率-悬沙浓度模型构建模块；403-振幅-悬沙浓度模型构建模块；404-悬沙浓度模型构建模块；405-估计模块；500-电子设备；501-处理器；502-存储器。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
目前，由于浅水域中水体后向散射回波的波形宽度较窄甚至完全叠加在海面回波中，导致很难直接精确地从原始波形中提取波形参数来反演海水悬沙浓度，基于此，本申请实施例提供了一种基于波形分解获取海水悬沙浓度的方法及装置。下面通过实施例进行描述。
为便于对本实施例进行理解，首先对本申请实施例提供了一种获取海水悬沙浓度的方法进行详细介绍。
参见图1所示，图1为本申请实施例提供的一种获取海水悬沙浓度的方法的流程图，所述获取海水悬沙浓度的方法包括以下步骤：
S101、获取水体后向散射回波的斜率和振幅。
作为示例，在该步骤中，首先，提取蓝绿激光脉冲波形数据。
本申请实施例中，为了实现提取蓝绿激光脉冲波形数据，需要从原始数据文件中提取出蓝绿激光脉冲波形数据，将蓝绿激光脉冲波形数据转化为蓝绿激光脉冲波形，具体为，采用光探测器探测返回的激光回波信号，从激光回波信号中提取蓝绿激光回波信号，将蓝绿激光回波信号转化为电信号，并将转化的电信号经过模数转换电路进行数字化后保存为蓝绿激光脉冲波形数据。这里，光探测器可以为光电倍增管探测器或雪崩光电二极管。
然后，分解提取的蓝绿激光脉冲波形数据，以得到水体后向散射回波。
蓝绿激光脉冲波形数据包括海面回波、水体后向散射回波、海底回波以及背景噪声水平，其中海面回波是气海交界面回波和交界面下水体后向散射回波的线性叠加，可以根据不同回波特点将水体后向散射回波从叠加的面回波中分离，以得到水体后向散射回波。
最后，基于得到的水体后向散射回波获取水体后向散射回波的斜率和振幅。
水体后向散射回波VB可用三角型函数表示为：
在公式1中，Ac为水体后向散射回波波形振幅，(a,b,c)分别表示三角型函数时间位置，t为时间。
获得水体后向散射回波VB(t,Ac,a,b,c)后，可得水体后向散射回波的振幅A为：
A＝Ac公式2
基于垂向均匀水质假设，可得水体后向散射回波的斜率K为：
S102、利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型。
本申请实施例中，海水悬沙浓度实测值是通过现场采水样并经过实验室过滤、烘干和称重分析直接获取的。
作为示例，在该步骤中，可基于海水悬沙浓度实测值与获取的水体后向散射回波的斜率，建立二者之间的对应关系，确定对应关系中包含的关联系数，来构建斜率-悬沙浓度模型。
具体地，基于水域内水体后向散射回波的斜率与海水悬沙浓度实测值之间呈现的趋势变化，采用指数函数拟合海水悬沙浓度的变化，构建基于指数函数的斜率-悬沙浓度模型。
例如，构建的基于指数函数的斜率-悬沙浓度模型C1为：
其中，在公式4中，K表示水体后向散射回波斜率，(a1，b1，c1)为斜率-悬沙浓度模型C1的模型系数。
这里，模型系数可通过非线性最小二乘法估计。
例如，在测区周边布设4个海水悬沙浓度采样站，分别是1号海水悬沙浓度采样站、2号海水悬沙浓度采样站、3号海水悬沙浓度采样站和4号海水悬沙浓度采样站，在每个海水悬沙浓度采样站利用横式采样器采集各海水悬沙浓度采样站所在位置表层、中层和底层的水样，以分别获取每个海水悬沙浓度采样站所采集的海水悬沙浓度实测值，例如，如图2所示，1号海水悬沙浓度采样站采集的海水悬沙浓度实测值为125mg/L，2号海水悬沙浓度采样站采集的海水悬沙浓度实测值为138mg/L，3号海水悬沙浓度采样站采集的海水悬沙浓度实测值为115mg/L，4号海水悬沙浓度采样站采集的海水悬沙浓度实测值为186mg/L，基于4个海水悬沙浓度采样站代表水域内水体后向散射回波的斜率与海水悬沙浓度实测值之间呈现的趋势变化，构建一个基于指数函数的斜率-悬沙浓度模型，以拟合1号海水悬沙浓度采样站、2号海水悬沙浓度采样站、3号海水悬沙浓度采样站和4号海水悬沙浓度采样站中海水悬沙浓度的变化(如图2所示)。
S103、利用振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型。
本申请实施例中，海水悬沙浓度实测值是通过现场采水样并经过实验室过滤、烘干和称重分析直接获取。
本申请实施例中，基于海水悬沙浓度实测值与获取的水体后向散射回波的振幅，建立二者之间的对应关系，并确定对应关系中包含的关联系数，以构建振幅-悬沙浓度模型。
具体地，基于水域内水体后向散射回波的振幅与海水悬沙浓度实测值之间呈现的趋势变化，采用指数函数拟合海水悬沙浓度的变化，构建的基于指数函数的振幅-悬沙浓度模型。
这里，构建的基于指数函数的振幅-悬沙浓度模型C2为：
C2＝g(A)＝a2Ab2+c2公式5
在公式5中，A为水体后向散射回波的波形振幅，(a2，b2，c2)为模型系数。
这里，模型系数可通过非线性最小二乘法估计。
例如，在上述示例中，可基于4个海水悬沙浓度采样站代表水域内水体后向散射回波的振幅与实测海水悬沙浓度之间呈现的趋势变化，构建一个基于指数函数的振幅-悬沙浓度模型，以拟合1号海水悬沙浓度采样站、2号海水悬沙浓度采样站、3号海水悬沙浓度采样站和4号海水悬沙浓度采样站中海水悬沙浓度的变化(如图3所示)。
S104、合并所述斜率-悬沙浓度模型与振幅-悬沙浓度模型，以构建悬沙浓度模型。
作为示例，在该步骤中，首先构建表示海水悬沙浓度实测值、斜率-悬沙浓度模型和振幅-悬沙浓度模型之间的对应关系的模型。
具体地，利用斜率-悬沙浓度模型C1和振幅-悬沙浓度模型C2，在同一脉冲光斑位置可得两个海水悬沙浓度初始估计值，为了在同一位置得到单一并具有鲁棒性的海水悬沙浓度，通过合并斜率-悬沙浓度模型C1和振幅-悬沙浓度模型C2给出悬沙浓度模型C3为：
C3＝kf(K)+(1-k)g(A)公式6
式中，k为取值范围从0到1的可调权值。
然后，确定所述模型中的关联系数。
下面，将详细介绍如何确定所述模型中的关联系数。
具体地，获取代表水域内的所有脉冲点对应的海水悬沙浓度误差矩阵为：
Vn×1＝Bn×1k-ln×1公式7
其中，在公式7中，
n为代表水域内总脉冲点数，Cmeasured为海水悬沙浓度实测值，权值k可基于最小二乘准则求解：
k＝(BTB)-1BTl公式8
最后，利用确定的关联系数构建悬沙浓度模型。例如，将获取到的关联系数k带入悬沙浓度模型C3。
S105、利用所述悬沙浓度模型获取海水悬沙浓度的估计值。
综上所述，本实施例提供的获取海水悬沙浓度的方法，获取水体后向散射回波的斜率和振幅；利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型；利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型；合并所述斜率-悬沙浓度模型与振幅-悬沙浓度模型，以构建悬沙浓度模型；利用所述悬沙浓度模型的反演过程获取海水悬沙浓度的估计值。本申请提出的方法能够从浅水域蓝绿激光波形中提取水体后向散射回波的斜率和振幅，基于水体后向散射回波的斜率和振幅构建的悬沙浓度模型的方式获取海水悬沙浓度的估计值，这种方式，大大地简化了海水悬沙浓度的获取过程，提高了获取的效率和灵活性。
基于同一发明构思，本申请实施例中还提供了与获取海水悬沙浓度的方法对应的获取海水悬沙浓度的装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述获取海水悬沙浓度的方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。
参照图4所示，图4为本申请一实施例提供的一种获取海水悬沙浓度的装置的结构示意图，该获取海水悬沙浓度的装置包括：
获取模块401，用于获取水体后向散射回波的斜率和振幅；
斜率-悬沙浓度模型构建模块402，用于利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型；
振幅-悬沙浓度模型构建模块403，用于利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型；
悬沙浓度模型构建模块404，用于合并所述斜率-悬沙浓度模型和振幅-悬沙浓度模型，以构建悬沙浓度模型；
估计模块405，用于利用所述悬沙浓度模型的反演过程获取海水悬沙浓度的估计值。
获取模块401具体用于：提取蓝绿激光脉冲波形数据；分解提取的蓝绿激光脉冲波形数据，以得到水体后向散射回波；基于得到的水体后向散射回波获取水体后向散射回波的斜率和振幅。
斜率-悬沙浓度模型构建模块402具体用于：对所述斜率和海水悬沙浓度实测值进行拟合处理，构建斜率-悬沙浓度模型。
振幅-悬沙浓度模型构建模块403具体用于：对所述振幅和海水悬沙浓度实测值进行拟合处理，构建振幅-悬沙浓度模型。
所述悬沙浓度模型构建模块404具体用于：构建表示所述海水悬沙浓度实测值、斜率-悬沙浓度模型和振幅-悬沙浓度模型之间的对应关系的模型；确定所述模型中的关联系数；利用所述关联系数构建悬沙浓度模型。
本申请实施例提供的获取海水悬沙浓度的装置，基于用户与产品的交互行为的交互度，进行产品的信息资源显示，提高了显示的信息资源的准确度，减少了信息资源的浪费，提高了服务效率。
参见图5所示，图5为本申请实施例提供的一种电子设备500，该电子设备500包括：处理器501、存储器502和总线，所述存储器502存储有所述处理器501可执行的机器可读指令，当电子设备运行时，所述处理器501与所述存储器502之间通过总线通信，所述处理器501执行所述机器可读指令，以执行如上述获取海水悬沙浓度的方法的步骤。
具体地，上述存储器502和处理器501能够为通用的存储器和处理器，这里不做具体限定，当处理器501运行存储器502存储的计算机程序时，能够执行上述获取海水悬沙浓度的方法。
对应于上述获取海水悬沙浓度的方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述获取海水悬沙浓度的方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，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，又例如，多个模块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信连接可以是通过一些通信接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种获取海水悬沙浓度方法，其特征在于，所述方法包括：
获取蓝绿激光水体后向散射回波的斜率和振幅；
利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型；
利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型；
合并所述斜率-悬沙浓度模型与振幅-悬沙浓度模型，以构建悬沙浓度模型；
利用所述悬沙浓度模型获取海水悬沙浓度的估计值。
2.根据权利要求1所述的方法，其特征在于，获取水体后向散射回波的斜率和振幅，包括：
提取蓝绿激光脉冲波形；
分解提取的蓝绿激光脉冲波形，以得到水体后向散射回波；
基于得到的水体后向散射回波获取水体后向散射回波的斜率和振幅。
3.根据权利要求1所述的方法，其特征在于，利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型，包括：
对所述斜率和海水悬沙浓度实测值进行拟合处理，构建斜率-悬沙浓度模型。
4.根据权利要求1所述的方法，其特征在于，利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型，包括：
对所述振幅和海水悬沙浓度实测值进行拟合处理，构建振幅-悬沙浓度模型。
5.根据权利要求1所述的方法，其特征在于，合并所述斜率-悬沙浓度模型与振幅-悬沙浓度模型，以构建悬沙浓度模型，包括：
构建表示所述海水悬沙浓度实测值、斜率-悬沙浓度模型和振幅-悬沙浓度模型之间的对应关系的模型；
确定所述模型中的关联系数；
利用所述关联系数构建悬沙浓度模型。
6.一种获取海水悬沙浓度的装置，其特征在于，所述装置包括：
获取模块，用于获取水体后向散射回波的斜率和振幅；
斜率-悬沙浓度模型构建模块，用于利用所述斜率和海水悬沙浓度实测值构建斜率-悬沙浓度模型；
振幅-悬沙浓度模型构建模块，用于利用所述振幅和海水悬沙浓度实测值构建振幅-悬沙浓度模型；
悬沙浓度模型构建模块，用于合并所述斜率-悬沙浓度模型和振幅-悬沙浓度模型，以构建悬沙浓度模型；
估计模块，用于利用所述悬沙浓度模型获取海水悬沙浓度的估计值。
7.根据权利要求6所述的装置，其特征在于，所述获取模块具体用于：
提取蓝绿激光脉冲波形数据；
分解提取的蓝绿激光脉冲波形数据，以得到水体后向散射回波；
基于得到的水体后向散射回波获取水体后向散射回波的斜率和振幅。
8.根据权利要求6所述的装置，其特征在于，所述斜率-悬沙浓度模型构建模块具体用于：
对所述斜率和海水悬沙浓度实测值进行拟合处理，构建斜率-悬沙浓度模型。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如权利要求1至5任一项所述的一种获取海水悬沙浓度方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至5任一项所述的一种获取海水悬沙浓度方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110253282.6A CN112949072A (zh) | 2021-03-02 | 2021-03-02 | 一种获取海水悬沙浓度的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110253282.6A CN112949072A (zh) | 2021-03-02 | 2021-03-02 | 一种获取海水悬沙浓度的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112949072A true CN112949072A (zh) | 2021-06-11 |
Family
ID=76228801
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110253282.6A Pending CN112949072A (zh) | 2021-03-02 | 2021-03-02 | 一种获取海水悬沙浓度的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112949072A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117935972A (zh) * | 2024-03-25 | 2024-04-26 | 广州海洋地质调查局三亚南海地质研究所 | 一种海水悬沙浓度计算方法、装置、电子设备及存储介质 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411928A (zh) * | 2019-08-02 | 2019-11-05 | 山东农业大学 | 基于机载双色激光点云的海水悬沙浓度获取方法及装置 |
-
2021
- 2021-03-02 CN CN202110253282.6A patent/CN112949072A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110411928A (zh) * | 2019-08-02 | 2019-11-05 | 山东农业大学 | 基于机载双色激光点云的海水悬沙浓度获取方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| XINGLEI ZHAO等: "Remote Sensing of Suspended Sediment Concentrations Based on theWaveform Decomposition of Airborne LiDAR Bathymetry，remote sensing", 《REMOTE SENSING》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117935972A (zh) * | 2024-03-25 | 2024-04-26 | 广州海洋地质调查局三亚南海地质研究所 | 一种海水悬沙浓度计算方法、装置、电子设备及存储介质 |
| CN117935972B (zh) * | 2024-03-25 | 2024-06-04 | 广州海洋地质调查局三亚南海地质研究所 | 一种海水悬沙浓度计算方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ouma et al. | Estimation of Reservoir Bio‐Optical Water Quality Parameters Using Smartphone Sensor Apps and Landsat ETM+: Review and Comparative Experimental Results | |
| Allamano et al. | Toward the camera rain gauge | |
| Massicotte et al. | Using a Gaussian decomposition approach to model absorption spectra of chromophoric dissolved organic matter | |
| Papoutsa et al. | Defining the Landsat TM/ETM+ and CHRIS/PROBA spectral regions in which turbidity can be retrieved in inland waterbodies using field spectroscopy | |
| Kroflič et al. | Size-resolved surface-active substances of atmospheric aerosol: Reconsideration of the impact on cloud droplet formation | |
| Droujko et al. | Open-source, low-cost, in-situ turbidity sensor for river network monitoring | |
| Sadeh et al. | Evaluation of Manning’sn roughness coefficient in arid environments by using SAR backscatter | |
| Pomázi et al. | Comparative assessment of fluvial suspended sediment concentration analysis methods | |
| Tsimplis et al. | The influence of the North Atlantic Oscillation on the sea-level around the northern European coasts reconsidered: the thermosteric effects | |
| Seier et al. | UAV and TLS for monitoring a creek in an alpine environment, Styria, Austria | |
| WO2013081496A1 (ru) | Устройство и способ определения токсичности жидких сред | |
| Bangen et al. | Crew variability in topographic surveys for monitoring wadeable streams: a case study from the Columbia River Basin | |
| CN112949072A (zh) | 一种获取海水悬沙浓度的方法及装置 | |
| Zhang et al. | Morphological characterization of coral reefs by combining lidar and MBES data: A case study from Y uanzhi I sland, S outh C hina S ea | |
| CN114858221A (zh) | 一种基于水域营养状态预测的水华智能预警系统及方法 | |
| Beckebanze et al. | Ignoring carbon emissions from thermokarst ponds results in overestimation of tundra net carbon uptake | |
| Bolaños et al. | Measuring hydrodynamics and sediment transport processes in the Dee Estuary | |
| Wagner et al. | Proximal VIS-NIR spectrometry to retrieve substance concentrations in surface waters using partial least squares modelling | |
| Gkiatas et al. | Monitoring and Quantifying the Fluvio-Geomorphological Changes in a Torrent Channel Using Images from Unmanned Aerial Vehicles | |
| CN117784082A (zh) | 基于偏振成像探测的水体衰减系数反演方法、系统及介质 | |
| Bonansea et al. | Monitoring of regional lake water clarity using Landsat imagery | |
| Hayes et al. | Estimating dredge-induced turbidity using drone imagery | |
| Dasi et al. | Estimation of Water Quality Parameters Using Water Indices and GEE | |
| Sunar et al. | Analyzing the Retrieval Accuracy of Optically Active Water Components from Satellite Data under Varying Image Resolutions | |
| Arce-Chamorro et al. | Chronology of coastal alluvial deposits in the Ria de Coruña (NW Spain) linked to the upper pleistocene sea level regression |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |