CN113109281B - 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 - Google Patents

一种基于高光谱遥感的水质参数定量反演模型及其构建方法 Download PDF

Info

Publication number
CN113109281B
CN113109281B CN202110396718.7A CN202110396718A CN113109281B CN 113109281 B CN113109281 B CN 113109281B CN 202110396718 A CN202110396718 A CN 202110396718A CN 113109281 B CN113109281 B CN 113109281B
Authority
CN
China
Prior art keywords
water body
hyperspectral
water
curve
water quality
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.)
Active
Application number
CN202110396718.7A
Other languages
English (en)
Other versions
CN113109281A (zh
Inventor
孙庚�
唐中林
类延宝
朱忠福
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.)
Chengdu Institute of Biology of CAS
Original Assignee
Chengdu Institute of Biology of CAS
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 Chengdu Institute of Biology of CAS filed Critical Chengdu Institute of Biology of CAS
Priority to CN202110396718.7A priority Critical patent/CN113109281B/zh
Publication of CN113109281A publication Critical patent/CN113109281A/zh
Application granted granted Critical
Publication of CN113109281B publication Critical patent/CN113109281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry

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

本发明提供了一种基于高光谱遥感的水质参数定量反演模型及其构建方法，属于水质监测模型领域。本发明立足九寨沟世界自然遗产地的水质高光谱遥感监测，通过水体实地取样及地面高光谱数据采集，水体理化参数测定及高光谱曲线形态特征分析，基于逐步回归分析方法，对九寨沟世界自然遗产地的水质参数与高光谱曲线之间的关系进行了反演研究，建立了一种基于高光谱遥感的九寨沟水质参数定量反演模型。结果显示，该水质参数定量反演模型对九寨沟水体的色差、色度、Na+、Ca2+、Mg2+、F‑、SO4 2‑、DO、TN/TP、电导率10个水质参数均具有颇高的反演精度。本发明为实现针对九寨沟世界自然遗产地的高原湖泊水体高光谱遥感监测提供了理论与数据支持。

Description

一种基于高光谱遥感的水质参数定量反演模型及其构建方法
技术领域
本发明属于水质监测模型领域，具体涉及一种基于高光谱遥感的九寨沟水质参数定量反演模型及其构建方法。
背景技术
作为典型的喀斯特高原湖泊，九寨沟世界自然遗产地以其独特的钙华景观和高原湖泊瀑布吸引世人。其中，水体是九寨沟的灵魂，钙华的形成、高原湖泊瀑布景观的维护均离不开水。然而，近年来，伴随着气候变化、旅游开发、地震等因素多重影响，九寨沟水体污染、富营养化、湿地萎缩等“水”问题进一步凸显，生态系统服务供给水平下降。如何实现遗产地内水体的快速、有效监测，从而开展针对性的水环境治理则显得尤为关键。相较于实地取样、以点代面的传统水质监测而言，基于遥感技术的水质快速检测，具有监测周期短、整体精度高、成本低等综合比较优势。如在雷达遥感的水质监测应用中，陈炯等通过利用C波段星载极化合成孔径雷达(极化SAR)卫星RADARSAT-2提供的数据，对佛山海峡、平洲海峡的水质污染状况进行了空间监测研究，表明极化相干矩阵中的T22元素与BOD5等水质指标存在较强的相关性；王吉等结合MODIS与C波段ASAR雷达影像数据，对太湖的蓝藻水华进行了影像特征提取研究；基于GD-1WEV和HJ-1A CCD影像数据，曹引等通过构建总悬浮物浓度和浊度的单波段/波段比值模型和偏最小二乘模型，从遥感定量模型的研究视角提出了微山湖水体总悬浮物浓度和浊度的遥感反演方法。
近年来，遥感水质监测在观测平台及光谱分辨率上进一步呈现多元化、精细化的研究趋势，特别是机载高光谱的应用，使得水体监测指标也得以进一步丰富。如Hakvoort等通过机载高光谱，实现了CDOM、TSS等水质参数的遥感监测；黄宇等通过无人机高光谱成像技术，对云南省星云湖及深圳市茅洲河进行了水质参数反演研究，实现了对叶绿素a、悬浮物、TN、TP及浊度等水质参数的定量反演。在高光谱遥感水质监测工作中，水质参数的高光谱定量反演，是实现高光谱遥感水体监测的重要前提，是将水质监测由“点”到“面”向上推译的重要环节，科学构建水质参数与测量光谱曲线之间的数量特征关系事关水质参数高光谱定量反演的精度。
当前，基于光谱曲线特征的水质参数定量反演方法研究逐渐增多，如段洪涛等通过利用归一化、一阶和二阶微分处理后的水体光谱反射率数据分析了水质参数的敏感波段；彭令等(1、工矿业城市区域水质参数高光谱定量反演，光谱学与光谱分析，2019，39(09):2922-2928；2、中国授权专利CN108593569B)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，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，实现了PH、Ca2++Mg2+、K+/Cl-、Mg2+/(HCO3 -+CO2等水体参数的高光谱遥感反演。但是，该文献或专利公开的水质参数高光谱定量反演模型是针对工矿业城市区域水体的水质参数监测模型，其无法用来监测九寨沟世界自然遗产地的水质。此外，该反演模型能够监测的参数有限，无法实现对水体物理性或化学性水质参数(例如色差、色度、电导率、溶解氧)和水体富营养化参数(例如总氮总磷比)的监测。
随着水质参数高光谱反演的进一步深入，可用于高光谱遥感监测的水质指标越来越丰富、多元，但受限于采样区域及分析的水质指标类别限制，适用于九寨沟典型高原湖泊的水质参数遥感反演的研究依然匮乏。目前，还未见针对九寨沟典型高原湖泊的水质参数的定量反演模型的报道。
发明内容
本发明的目的在于提供一种基于高光谱遥感的九寨沟水质参数定量反演模型及其构建方法。
本发明提供了一种基于高光谱遥感的水质参数定量反演模型，它包含以下模型中的一个或多个：
模型1：
y1＝1.398+0.371*x923-0.35*x458+0.176*x817-0.283*x600+0.325*x613-0.341*x760-0.165*x621；
模型2：
y2＝7.931+1.001*x923+1.215*x539-0.989*x501-1.21*x696+1.799*x735-1.941*x550-0.999*x419+0.003*x11+1.02*x593-0.834*x600；
模型3：
y3＝1.035+3.648*x9-1.063*x754+0.793*x749-0.529*x397+1.046*x401-0.655*x398+0.594*x758-5.791*x22+0.731*x579-0.674*x580；
模型4：
y4＝5.634+29.306*x560-38.667*x528+24.538*x456+33.891*x546-20.97*x501-8.908*x650-15.415*x906+16.543*x876；
模型5：
y5＝82.278+45.021*x528-49.704*x546-11.732*x397+50.272*x733-0.052*x11-28.626*x735-49.237*x758-9.176*x805-6.142*x629-9.215*x855；
模型6：
y6＝0.69-0.162*x869-0.063*x629-0.072*x507-1.168*x9+0.089*x911-0.159*x900+0.161*x885+0.000378*x11-1.71e-06*x13+0.097*x873-0.074*x751；
模型7：
y7＝29.297-11.28*x844+7.486*x850-7.179*x838+7.508*x762-2.963*x635+2.35*x711-4.2*x751-2.085*x703+3.084*x798-3.052*x764；
模型8：
y8＝8.006+1.519*x730+1.295*x506+1.376*x815-2.287*x855-1.535*x662-1.353*x758-0.872*x825-0.667*x17-1.443*x480+1.346*x452+0.741*x546+0.793*x866；
模型9：
y9＝-66.608+17.365*x10+720.423*x634-623.422*x635-149.042*x706+98.616*x919+64.957*x594；
模型10：
y10＝362.705+277.503*x9+27.214*x573-21.287*x523+27.867*x410-22.785*x421-24.824*x475+15.247*x756+16.445*x489；
其中，y1为水体的色差，y2为水体的色度，y3为水体的钠离子含量，y4为水体的钙离子含量，y5为水体的镁离子含量，y6为水体的氟离子含量，y7为水体的硫酸根离子含量，y8为水体的溶解氧，y9为水体的总氮总磷比，y10为水体的电导率；
325≤m≤950时，xm为水体高光谱曲线波长为m纳米处波段的光谱四值编码信息；x9为水体高光谱曲线的反射峰数比波段总数；x10为水体高光谱曲线的吸收谷深度；x11为水体高光谱曲线的吸收谷波长位置；x13为水体高光谱曲线的吸收对称度；x17为水体高光谱曲线的光谱吸收指数；x22为水体高光谱曲线的三阶导最大最小斜率。
进一步地，所述水质参数定量反演模型由上述的模型1～模型10组成；
和/或，y3、y4、y5、y6、y7、y8的单位各自独立的为mg/L。
进一步地，所述水体为高原湖泊水体；和/或，所述水体高光谱曲线是地面高光谱曲线。
进一步地，所述高原湖泊水体为九寨沟内高原湖泊的水体，优选为九寨沟内五花海、镜海、犀牛海水体中的一种或多种。
本发明还提供了一种构建上述基于高光谱遥感的水质参数定量反演模型的方法，其特征在于：所述方法包括以下步骤：
(1)采集上述水体的水样，测定该水样的以下水质参数中的一种或多种：色差、色度、钠离子含量、钙离子含量、镁离子含量、氟离子含量、硫酸根离子含量、溶解氧、总氮总磷比、电导率；
(2)采集上述水体的高光谱曲线数据；
(3)提取高光谱曲线的以下光谱特征：光谱曲线原始形态特征、去包络线后的光谱曲线形态特征、三阶求导后的光谱曲线特征、光谱曲线的四值编码信息；
(4)构建水质参数定量反演模型：采用逐步回归分析方法将步骤(3)所得光谱特征进行逐步回归分析，保留F检验的P值小于0.05的光谱特征，即得到上述基于高光谱遥感的水质参数定量反演模型。
进一步地，步骤(3)中，所述高光谱曲线的有效光谱范围为325-950nm；和/或，步骤(1)所述的水样和步骤(2)所述的高光谱曲线数据是在相同时间采集的。
进一步地，步骤(3)中，所述光谱曲线原始形态特征包括最大反射率、最大反射率波长位、反射峰右斜率、反射峰右面积、反射峰右第一斜率、反射峰左第一斜率、反射峰右第一面积、反射峰左第一面积、反射峰数比波段总数；
所述去包络线后的光谱曲线形态特征包括吸收谷深度、吸收谷波长位置、吸收宽度、吸收对称度、吸收面积、吸收左斜率、吸收右斜率、光谱吸收指数；
所述三阶求导后的光谱曲线特征包括三阶导最大值、三阶导最大值波长、三阶导最小值、三阶导最小值波长、三阶导最大最小斜率、三阶导最大最小面积、三阶导数的极值比；
所述光谱曲线的四值编码信息是利用四值光谱编码方法提取的光谱形态特征。
进一步地，步骤(3)中，所述光谱特征包括：
x9：水体高光谱曲线的反射峰数比波段总数；x10：水体高光谱曲线的吸收谷深度；x11：水体高光谱曲线的吸收谷波长位置；x13：水体高光谱曲线的吸收对称度；x17：水体高光谱曲线的光谱吸收指数；x22：水体高光谱曲线的三阶导最大最小斜率；xm：水体高光谱曲线波长为m纳米处波段的光谱四值编码信息，325≤m≤900。
本发明还提供了上述的基于高光谱遥感的水质参数定量反演模型在监测水体的水质参数中的用途。
进一步地，所述水体为高原湖泊水体，优选为九寨沟内高原湖泊的水体，更优选为九寨沟内五花海、镜海、犀牛海水体中的一种或多种。
本发明立足九寨沟世界自然遗产地的水质高光谱遥感监测，通过水体实地取样及地面高光谱数据采集，水体理化参数测定及高光谱曲线形态特征分析，基于逐步回归分析方法的水质参数高光谱定量反演流程，对九寨沟世界自然遗产地的水质参数与高光谱曲线之间的关系进行了反演研究，建立了一种基于高光谱遥感的九寨沟水质参数定量反演模型。结果显示，该水质参数定量反演模型对九寨沟水体的色差、色度、Na+、Ca2+、Mg2+、F-、SO4 2-、DO、TN/TP、电导率10个水质参数均具有颇高的反演精度。本发明在内陆水体的高光谱遥感的定量研究方法及研究对象上进行了进一步优化及拓展，为实现针对九寨沟世界自然遗产地的高原湖泊水体高光谱遥感监测提供了理论与数据支持。
与现有技术相比，本发明取得了以下有益效果：
1、在当前的水质参数高光谱反演模型中，多集中于城市水体、矿区水体、太湖及微山湖等低海拔湖泊，鲜见针对高原湖泊水体的报道。而九寨沟作为重要的世界自然遗产地、典型的喀斯特高原湖泊，因其独特的地理环境、水文条件、水体理化性质，其水体具有较高的经济价值、保护价值及研究价值。本发明为此提供了一种针对九寨沟水体的基于高光谱遥感的水质参数定量反演模型。
2、在当前的遥感水质监测研究中，基于光谱遥感与雷达遥感的水质监测系统一般集中在叶绿素、悬浮物、水温等一般水质物理参数的反演中，因光谱分辨率所限，较少涉及到化学性水质参数研究。而本发明提供的基于高光谱遥感的九寨沟水质参数定量反演模型能够准确监测九寨沟水体的10个水质参数，这10个水质参数包括物4个物理性水质参数：色差、色度、电导率、溶解氧，5个化学性水质参数：Na+、Ca2+、Mg2+、F-、SO4 2，1个水体富营养化参数：TN/TP。
3、与彭令等(工矿业城市区域水质参数高光谱定量反演，光谱学与光谱分析，2019，39(09):2922-2928)提出的基于光谱曲线形态特征反演模型相比，本发明将四值特征编码信息直接应用于参数反演；此外，本发明建立的水质参数定量反演模型对光谱曲线的形态特征类别进行了调整，在剔除部分特征外，新增了反射峰左第一斜率及第一面积、吸收左斜率等形态特征参量，使得反映光谱曲线形态特征的变量更为丰富、全面。
显然，根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，还可以做出其它多种形式的修改、替换或变更。
以下通过实施例形式的具体实施方式，对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。凡基于本发明上述内容所实现的技术均属于本发明的范围。
附图说明
图1为水样的采样点分布图。
图2为采样点水体地面测量光谱曲线；图中，WH为五花海，JH为镜海，XN为犀牛海。
图3为光谱曲线形态特征参数提取示意图。
图4为10个水质参数的散点分布图。
具体实施方式
本发明所用原料与设备均为已知产品，通过购买市售产品所得。
步骤1、本发明实施例中水样的采集和水体理化参数测定方法如下：
(1)采样点
本发明采集的水样来源于九寨沟典型高原湖泊，选择九寨沟内三个典型高原湖泊：五花海、镜海、犀牛海的水体为采样对象，共采集水样70组(其中五花海27组、镜海27组、犀牛海16组)，每个湖泊的取样点均覆盖整个湖泊区域，包括进水区、出水区、湖中心、深水区、浅水区及观景台周边(图1)。采样时间为2019年7～9月，选择天气晴朗的时间段同步进行高光谱数据采集和水体取样分析。
(2)采集方式
使用有机玻璃采水器采集湖泊不同水层水样244瓶。在取样点采集水样时，当湖泊水深小于5m，取样点设置在水面以下0.5m处，当湖泊水深大于5m，取样点设置在水面以下0.5m和距离湖底0.5m处，由于喀斯特湖泊水文条件特殊，在同一断面上可能出现水质差异，所以应根据湖泊深度在中间适当增加数个取样点。采集水样的同时，利用HACH便携式水质测定仪现场测定每个水层水样的温度、pH、电导率、盐度、总溶解固体、溶解氧，使用30cm标准黑白塞氏盘测定透明度(SD)和深度。将水样放置到4℃冰箱冷藏，并迅速带回中国科学院成都生物研究所公共实验技术中心测定剩余理化指标。
(3)水体理化参数测定
水体理化因子包括感官物理性水质指标、其他物理性水质指标、化学水质指标及富营养化指标四大类共23个指标。其中，感官物理性水质指标包括温度、色度、浊度、透明度；其它物理性水质指标包括电导率、溶解氧、总溶解固体；化学性水质指标包括pH值、盐度、K+、Ca2+、Na+、Mg2+、HCO3-、F-、Cl-、NO3 -、SO4 2-等阴阳离子；水体富营养化指标包括总氮、总磷、总有机碳、有色可溶性有机物(CDOM)浓度。水体温度采用便携式多参数仪(Hach-SensIon 156)测定；色度采用色差法测定；浊度采用紫外分光光度法测定；透明度用30cm标准黑白塞氏盘测定；电导率、溶解氧、总溶解固体、pH值、盐度用便携式多参数仪(Hach-SensIon 156)测定；水中阴阳离子浓度采用瑞士万通离子色谱仪(Metrohm 883)测定；总氮、总有机碳采用德国Elementar vario总有机碳分析仪进行测定；总磷采用美国ICP-AES等离子体发射光谱仪进行测定；CDOM浓度一般用440nm处的吸收系数aCDOM(440)表示，可通过吸收系数公式计算得到。
步骤2、本发明实施例中高光谱曲线数据的采集方法如下：
利用美国ASD FieldSpec HandHeld 2便携式地物光谱仪设备，在野外各点水样取样的同时进行地面高光谱数据采集。
在测量过程中，光谱仪观测平面与太阳入射平面的夹角为(90°≤φ≤135°)，仪器与水面法线的夹角为(30°≤θ≤45°)，在仪器面向水体进行观测后，将仪器在观测平面内向上旋转一个角度，使得天空光辐亮度Lsky(θ,φ,λ)的观测方向天顶角与水面测量的观测角θ一致，以避免大部分太阳直射反射及船舶、树木阴影对测定结果的影响。在采集过程中，为保证高光谱数据采样的精度，每个采样点采集3-5次。
图2为经过异常值剔除、定标处理后的九寨沟五花海、镜海、犀牛海水体地面高光谱曲线，截取的有效光谱范围为325-950nm。由测量光谱曲线可见，九寨沟水体的光谱曲线符合内陆湖泊等Ⅱ类水体的特征，三个湖泊在440nm及670nm处存在吸收峰；在550nm-600nm处叶绿素和胡萝卜素弱吸收及细胞的散射作用而形成明显的反射峰；在685nm-715nm范围内，五花海2号点(WH2)、五花海7号点(WH7)、镜海1号点(JH1)、镜海8号点(JH8)等多个取样点由于水深较浅，湖底藻类所含的叶绿素对红光的强烈反射、散射形成了反射峰的，即荧光峰，通常荧光峰的出现与水体藻类的出现密不可分。
从高光谱曲线的曲线特征来看，高光谱曲线整体呈现不对称形态，尽管在同一取水点所测量的光谱反射率存在差异，但光谱反射率曲线的形态基本保持一致。
实施例1、构建基于高光谱遥感的九寨沟水质参数定量反演模型
第一步：采集水样，并测定水体理化参数
按照上述步骤1所述方法采集九寨沟五花海、镜海、犀牛海水体的水样，测定所采集水样的以下10个理化参数：色差、色度、Na+、Ca2+、Mg2+、F-、SO4 2-、DO、TN/TP、电导率。
第二步：采集地面高光谱数据
利用美国ASD FieldSpec HandHeld 2便携式地物光谱仪设备，在第一步水样取样的同时进行地面高光谱数据采集。地面高光谱数据采集的方法如上述步骤2所述。
将高光谱数据经过异常值剔除、定标处理后，截取325-950nm的有效光谱范围。
第三步：提取光谱特征
对第二步所得地面高光谱数据进行分析，基于Python语言，提取表1所示的3大类24小类的光谱曲线特征，以及修正后的光谱曲线的四值编码(4-valuespectra coding)信息。其中，光谱曲线特征包括光谱曲线原始形态特征(Morphological features ofreflectance spectra)、去包络线后的光谱曲线形态特征(Morphological features ofcontinuum removed spectra)、三阶求导后的光谱曲线特征(Morphological features ofthird derivative spectra)。
光谱四值编码信息是利用四值光谱编码方法提取的光谱形态特征，提取方法参照文献(高光谱数据特征选择与特征提取研究，遥感技术与应用，第21卷第4期)。表1中，xm即利用四值光谱编码方法对高光谱数据波长m(单位：nm)处波段提取得到的光谱形态特征，325≤m≤950。
表1.光谱曲线形态特征和光谱四值特征编码参量
Figure BDA0003018845660000071
Figure BDA0003018845660000081
Figure BDA0003018845660000091
第四步：构建水质参数定量反演模型
采用逐步回归分析方法构建水质参数定量反演模型。逐步回归方法是多元回归分析方法的一种，其基本思想是将变量逐个引入回归分析模型，每一个新增的解释变量均需作F检验，当新变量的增加导致原有的解释变量不再显著时，则将其剔除，以保障在引入新的解释变量前回归模型中只包含显著性变量。通过该过程的多次重复，直到既没有显著的解释变量选入回归方程，也没有不显著的解释变量从回归方程中剔除为止。具体来说，在每一步迭代运算中，均会对选入模型的变量进行F检验，当F检验的P值小于0.05的显著水平时，保留该变量，当F检验的P值大于0.05时，剔除该变量。
本步骤采用SPSS(Statistical Product and Service Solutions)统计软件，对第三步表2所得24类光谱曲线形态特征(x1～x24)和光谱四值编码信息(xm)进行逐步回归分析，结果显示表2中的10个水质参数通过检验：色差(Colour Difference)、色度(Chroma)、钠离子含量(Na+，mg/L)、钙离子含量(Ca2+，mg/L)、镁离子含量(Mg2+，mg/L)、氟离子含量(F-，mg/L)、硫酸根离子浓度(SO4 2-，mg/L)、溶解氧(DO，mg/L)、总氮总磷比(TN/TP)、电导率(Cond，μS/m)。
表2.水质参数高光谱反演模型
Figure BDA0003018845660000092
Figure BDA0003018845660000101
注：表2中，“*”表示乘号；x1～x24为表1所示的24类光谱曲线形态特征，xm(325≤m≤950)为表1所示的光谱四值编码信息。
表2中所有回归模型的P值均小于0.05，且其中Mg2+回归模型的决定系数R2最高，为0.911。
以下通过实验例证明本发明的有益效果。
实验例1、本发明基于高光谱遥感的九寨沟水质参数定量反演模型的监测效果验证
1、实验方法
(1)采集水样和水体理化参数测定。按照实施例1第一步的方法采集九寨沟五花海、镜海、犀牛海水体的水样。并测定水样的以下10个水体理化参数：色差、色度、Na+、Ca2+、Mg2+、F-、SO4 2-、DO、TN/TP、电导率。
(2)按照实施例1第二步的方法，利用美国ASD FieldSpec HandHeld 2便携式地物光谱仪设备，在步骤(1)水样取样的同时进行地面高光谱数据采集；将高光谱数据经过异常值剔除、定标处理后，截取325-950nm的有效光谱范围。
(3)按照实施例1第三步的方法，得到步骤(2)所得高光谱数据的24小类的光谱曲线特征和光谱四值编码信息。
(4)将步骤(2)所得高光谱数据的24小类的光谱曲线特征和光谱四值编码信息作为变量，输入实施例1构建的基于高光谱遥感的九寨沟水质参数定量反演模型(表2所示)，输出水体的色差、色度、Na+、Ca2+、Mg2+、F-、SO4 2-、DO、TN/TP、电导率。
(5)将步骤(4)的输出结果与步骤(1)水质理化参数的实测值进行对比，验证该九寨沟水质参数定量反演模型对水体色差、色度、Na+、Ca2+、Mg2+、F-、SO4 2-、DO、TN/TP、电导率监测结果的准确度。
2、实验结果
利用决定系数R2和相对均方根误差RRMSE两个指标，结合水质参数的实测值对九寨沟水质高光谱反演模型进行了反演精度验证，绘制的水质参数散点分布图如图4所示。
结果表明，经水质参数实测数据验证，本发明实施例1构建的九寨沟水质参数反演模型的R2最小为0.691，最大为0.847，而且RRMSE均低于4％。也就是说，本发明实施例1构建的九寨沟水质参数反演模型对九寨沟水体的色差、色度、Na+、Ca2+、Mg2+、F-、SO4 2-、DO、TN/TP、电导率10个水质参数均具有颇高的反演精度。
综上，本发明提供了一种基于高光谱遥感的水质参数定量反演模型及其构建方法。本发明立足九寨沟世界自然遗产地的水质高光谱遥感监测，通过水体实地取样及地面高光谱数据采集，水体理化参数测定及高光谱曲线形态特征分析，基于逐步回归分析方法的水质参数高光谱定量反演流程，对九寨沟世界自然遗产地的水质参数与高光谱曲线之间的关系进行了反演研究，建立了一种基于高光谱遥感的九寨沟水质参数定量反演模型。结果显示，该水质参数定量反演模型对九寨沟水体的色差、色度、Na+、Ca2+、Mg2+、F-、SO4 2-、DO、TN/TP、电导率10个水质参数均具有颇高的反演精度。本发明为实现针对九寨沟世界自然遗产地的高原湖泊水体高光谱遥感监测提供了理论与数据支持。

Claims (10)

1.一种基于高光谱遥感的水质参数定量反演模型，其特征在于：它包含以下模型中的一个或多个：
模型1：
y1＝1.398+0.371*x923-0.35*x458+0.176*x817-0.283*x600+0.325*x613-0.341*x760-0.165*x621；
模型2：
y2＝7.931+1.001*x923+1.215*x539-0.989*x501-1.21*x696+1.799*x735-1.941*x550-0.999*x419+0.003*x11+1.02*x593-0.834*x600；
模型3：
y3＝1.035+3.648*x9-1.063*x754+0.793*x749-0.529*x397+1.046*x401-0.655*x398+0.594*x758-5.791*x22+0.731*x579-0.674*x580；
模型4：
y4＝5.634+29.306*x560-38.667*x528+24.538*x456+33.891*x546-20.97*x501-8.908*x650-15.415*x906+16.543*x876；
模型5：
y5＝82.278+45.021*x528-49.704*x546-11.732*x397+50.272*x733-0.052*x11-28.626*x735-49.237*x758-9.176*x805-6.142*x629-9.215*x855；
模型6：
y6＝0.69-0.162*x869-0.063*x629-0.072*x507-1.168*x9+0.089*x911-0.159*x900+0.161*x885+0.000378*x11-1.71e-06*x13+0.097*x873-0.074*x751；
模型7：
y7＝29.297-11.28*x844+7.486*x850-7.179*x838+7.508*x762-2.963*x635+2.35*x711-4.2*x751-2.085*x703+3.084*x798-3.052*x764；
模型8：
y8＝8.006+1.519*x730+1.295*x506+1.376*x815-2.287*x855-1.535*x662-1.353*x758-0.872*x825-0.667*x17-1.443*x480+1.346*x452+0.741*x546+0.793*x866；
模型9：
y9＝-66.608+17.365*x10+720.423*x634-623.422*x635-149.042*x706+98.616*x919+64.957*x594；
模型10：
y10＝362.705+277.503*x9+27.214*x573-21.287*x523+27.867*x410-22.785*x421-24.824*x475+15.247*x756+16.445*x489；
其中，y1为水体的色差，y2为水体的色度，y3为水体的钠离子含量，y4为水体的钙离子含量，y5为水体的镁离子含量，y6为水体的氟离子含量，y7为水体的硫酸根离子含量，y8为水体的溶解氧，y9为水体的总氮总磷比，y10为水体的电导率；
325≤m≤950时，xm为水体高光谱曲线波长为m纳米处波段的光谱四值编码信息；x9为水体高光谱曲线的反射峰数比波段总数；x10为水体高光谱曲线的吸收谷深度；x11为水体高光谱曲线的吸收谷波长位置；x13为水体高光谱曲线的吸收对称度；x17为水体高光谱曲线的光谱吸收指数；x22为水体高光谱曲线的三阶导最大最小斜率；
所述水体为高原湖泊水体。
2.根据权利要求1所述的基于高光谱遥感的水质参数定量反演模型，其特征在于：它由权利要求1中所述的模型1～模型10组成；
和/或，y3、y4、y5、y6、y7、y8的单位各自独立的为mg/L。
3.根据权利要求1或2所述的基于高光谱遥感的水质参数定量反演模型，其特征在于：所述水体高光谱曲线是地面高光谱曲线。
4.根据权利要求3所述的基于高光谱遥感的水质参数定量反演模型，其特征在于：所述高原湖泊水体为九寨沟内高原湖泊的水体。
5.根据权利要求3所述的基于高光谱遥感的水质参数定量反演模型，其特征在于：所述高原湖泊水体为九寨沟内五花海、镜海、犀牛海水体中的一种或多种。
6.一种构建权利要求1～5任一项所述基于高光谱遥感的水质参数定量反演模型的方法，其特征在于：所述方法包括以下步骤：
(1)采集权利要求1～5任一项所述水体的水样，测定该水样的以下水质参数中的一种或多种：色差、色度、钠离子含量、钙离子含量、镁离子含量、氟离子含量、硫酸根离子含量、溶解氧、总氮总磷比、电导率；
(2)采集权利要求1～5任一项所述水体的高光谱曲线数据；
(3)提取高光谱曲线的以下光谱特征：光谱曲线原始形态特征、去包络线后的光谱曲线形态特征、三阶求导后的光谱曲线特征、光谱曲线的四值编码信息；
(4)构建水质参数定量反演模型：采用逐步回归分析方法将步骤(3)所得光谱特征进行逐步回归分析，保留F检验的P值小于0.05的光谱特征，即得到权利要求1～5任一项所述基于高光谱遥感的水质参数定量反演模型。
7.根据权利要求6所述的方法，其特征在于：步骤(3)中，所述高光谱曲线的有效光谱范围为325-950nm；和/或，步骤(1)所述的水样和步骤(2)所述的高光谱曲线数据是在相同时间采集的。
8.根据权利要求6～7任一项所述的方法，其特征在于：步骤(3)中，所述光谱曲线原始形态特征包括最大反射率、最大反射率波长位、反射峰右斜率、反射峰右面积、反射峰右第一斜率、反射峰左第一斜率、反射峰右第一面积、反射峰左第一面积、反射峰数比波段总数；
所述去包络线后的光谱曲线形态特征包括吸收谷深度、吸收谷波长位置、吸收宽度、吸收对称度、吸收面积、吸收左斜率、吸收右斜率、光谱吸收指数；
所述三阶求导后的光谱曲线特征包括三阶导最大值、三阶导最大值波长、三阶导最小值、三阶导最小值波长、三阶导最大最小斜率、三阶导最大最小面积、三阶导数的极值比；
所述光谱曲线的四值编码信息是利用四值光谱编码方法提取的光谱形态特征。
9.根据权利要求6～7任一项所述的方法，其特征在于：步骤(3)中，所述光谱特征包括：
x9：水体高光谱曲线的反射峰数比波段总数；x10：水体高光谱曲线的吸收谷深度；x11：水体高光谱曲线的吸收谷波长位置；x13：水体高光谱曲线的吸收对称度；x17：水体高光谱曲线的光谱吸收指数；x22：水体高光谱曲线的三阶导最大最小斜率；xm：水体高光谱曲线波长为m纳米处波段的光谱四值编码信息，325≤m≤950。
10.权利要求1～5任一项所述的基于高光谱遥感的水质参数定量反演模型在监测水体的水质参数中的用途，所述水体为高原湖泊水体。
CN202110396718.7A 2021-04-13 2021-04-13 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 Active CN113109281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110396718.7A CN113109281B (zh) 2021-04-13 2021-04-13 一种基于高光谱遥感的水质参数定量反演模型及其构建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110396718.7A CN113109281B (zh) 2021-04-13 2021-04-13 一种基于高光谱遥感的水质参数定量反演模型及其构建方法

Publications (2)

Publication Number Publication Date
CN113109281A CN113109281A (zh) 2021-07-13
CN113109281B true CN113109281B (zh) 2022-11-29

Family

ID=76716700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110396718.7A Active CN113109281B (zh) 2021-04-13 2021-04-13 一种基于高光谱遥感的水质参数定量反演模型及其构建方法

Country Status (1)

Country Link
CN (1) CN113109281B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113533218B (zh) * 2021-07-16 2023-03-14 中山大学 一种水体光活性重金属浓度的遥感反演方法及系统
CN113959989B (zh) * 2021-09-27 2023-09-29 浙江科技学院 一种平原湖库富营养化高光谱遥感监测方法
CN114324202B (zh) * 2021-11-12 2024-04-02 江苏久智环境科技服务有限公司 基于光谱分析的小流域水质监测方法
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

Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003307521A (ja) * 2002-04-17 2003-10-31 Mitsubishi Heavy Ind Ltd 水質分析用マイクロリアクタおよび水質分析装置
CN101852722A (zh) * 2010-05-20 2010-10-06 北京航空航天大学 一种实现水体叶绿素a遥感反演精度评估方法
CN103196838A (zh) * 2013-03-15 2013-07-10 辽宁师范大学 一种海岸河口富营养化高光谱遥感监测方法
CN103473707A (zh) * 2013-09-17 2013-12-25 山东大学 建立城市河网水体光谱库的方法与应用
CN103674835A (zh) * 2012-09-14 2014-03-26 上海海洋大学 富营养化水体中氮磷物质含量现场快速检测方法及装置
CN204188634U (zh) * 2014-08-15 2015-03-04 中国科学院水生生物研究所 一种多参数水质监测仪的固定装置
CN105913411A (zh) * 2016-05-10 2016-08-31 云南大学 一种基于因子定权模型的湖泊水质评价预测系统及方法
CN107036849A (zh) * 2017-05-03 2017-08-11 成都学院 一种可远程遥控的自动采集水样装置
CN107885909A (zh) * 2017-10-18 2018-04-06 中国水利水电科学研究院 一种水质遥感多模型协同反演的权重集结优化方法及装置
CN107991243A (zh) * 2016-10-27 2018-05-04 核工业北京地质研究院 一种基于航空高光谱遥感数据的高海拔地区水体提取方法
CN108507949A (zh) * 2018-02-07 2018-09-07 浙大正呈科技有限公司 一种基于高分遥感卫星的河道水质监测方法
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
CN109557030A (zh) * 2018-09-28 2019-04-02 浙江农林大学 一种基于无人机遥感的水质要素反演方法
CN109959634A (zh) * 2019-04-15 2019-07-02 中科谱光科技（天津）有限公司 一种水质监测系统及方法
CN110672805A (zh) * 2019-10-08 2020-01-10 核工业北京地质研究院 一种基于航空高光谱数据的水库水质参数定量反演方法
CN111007021A (zh) * 2019-12-31 2020-04-14 北京理工大学重庆创新中心 基于一维卷积神经网络的高光谱水质参数反演系统及方法
CN111595791A (zh) * 2020-06-04 2020-08-28 首都师范大学 基于高光谱数据校正的内陆水体fui水色指数提取方法
WO2020207070A1 (zh) * 2019-04-09 2020-10-15 中国科学院深圳先进技术研究院 深圳海域水质评价方法及系统
CN111855600A (zh) * 2020-08-04 2020-10-30 淮阴师范学院 内陆湖泊水体cdom光谱吸收系数遥感反演模型和方法
CN112378866A (zh) * 2021-01-18 2021-02-19 航天宏图信息技术股份有限公司 水质参数反演模型的训练方法、水质监测方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050280812A1 (en) * 2004-03-04 2005-12-22 Morawski Roman Z Numerical data processing dedicated to an integrated microspectrometer
GB0809252D0 (en) * 2008-05-21 2008-06-25 Ntnu Technology Transfer As Underwater hyperspectral imaging
CN104181515B (zh) * 2013-05-21 2016-03-09 时春雨 一种基于蓝-黄波段高光谱数据的浅海水深反演方法
CN107561024B (zh) * 2017-07-17 2020-03-17 核工业北京地质研究院 一种适用于盐湖富铀水体的高光谱遥感识别方法
US10794888B2 (en) * 2018-03-27 2020-10-06 Flying Gybe Inc. Hyperspectral sensing system
US11650190B2 (en) * 2018-03-27 2023-05-16 Flying Gybe Inc. Hyperspectral sensing system and methods
US11073423B2 (en) * 2018-03-27 2021-07-27 Flying Gybe Inc. Hyperspectral sensing system and processing methods for hyperspectral data
US11681839B2 (en) * 2019-09-30 2023-06-20 The Board Of Trustees Of The University Of Alabama Systems and methods for modeling water quality

Patent Citations (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003307521A (ja) * 2002-04-17 2003-10-31 Mitsubishi Heavy Ind Ltd 水質分析用マイクロリアクタおよび水質分析装置
CN101852722A (zh) * 2010-05-20 2010-10-06 北京航空航天大学 一种实现水体叶绿素a遥感反演精度评估方法
CN103674835A (zh) * 2012-09-14 2014-03-26 上海海洋大学 富营养化水体中氮磷物质含量现场快速检测方法及装置
CN103196838A (zh) * 2013-03-15 2013-07-10 辽宁师范大学 一种海岸河口富营养化高光谱遥感监测方法
CN103473707A (zh) * 2013-09-17 2013-12-25 山东大学 建立城市河网水体光谱库的方法与应用
CN204188634U (zh) * 2014-08-15 2015-03-04 中国科学院水生生物研究所 一种多参数水质监测仪的固定装置
CN105913411A (zh) * 2016-05-10 2016-08-31 云南大学 一种基于因子定权模型的湖泊水质评价预测系统及方法
CN107991243A (zh) * 2016-10-27 2018-05-04 核工业北京地质研究院 一种基于航空高光谱遥感数据的高海拔地区水体提取方法
CN107036849A (zh) * 2017-05-03 2017-08-11 成都学院 一种可远程遥控的自动采集水样装置
CN107885909A (zh) * 2017-10-18 2018-04-06 中国水利水电科学研究院 一种水质遥感多模型协同反演的权重集结优化方法及装置
CN108507949A (zh) * 2018-02-07 2018-09-07 浙大正呈科技有限公司 一种基于高分遥感卫星的河道水质监测方法
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
CN109557030A (zh) * 2018-09-28 2019-04-02 浙江农林大学 一种基于无人机遥感的水质要素反演方法
WO2020207070A1 (zh) * 2019-04-09 2020-10-15 中国科学院深圳先进技术研究院 深圳海域水质评价方法及系统
CN109959634A (zh) * 2019-04-15 2019-07-02 中科谱光科技（天津）有限公司 一种水质监测系统及方法
CN110672805A (zh) * 2019-10-08 2020-01-10 核工业北京地质研究院 一种基于航空高光谱数据的水库水质参数定量反演方法
CN111007021A (zh) * 2019-12-31 2020-04-14 北京理工大学重庆创新中心 基于一维卷积神经网络的高光谱水质参数反演系统及方法
CN111595791A (zh) * 2020-06-04 2020-08-28 首都师范大学 基于高光谱数据校正的内陆水体fui水色指数提取方法
CN111855600A (zh) * 2020-08-04 2020-10-30 淮阴师范学院 内陆湖泊水体cdom光谱吸收系数遥感反演模型和方法
CN112378866A (zh) * 2021-01-18 2021-02-19 航天宏图信息技术股份有限公司 水质参数反演模型的训练方法、水质监测方法及装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
《Satellite hyperspectral remote sensing for estimating estuarine and coastal water quality》;Vittorio E.Brando 等;《IEEE transactions on geoscience and remote sensing》;20030630;1378-1387 *
《九寨沟世界自然遗产地湖泊水质参数的高光谱定量反演模型》;唐中林 等;《应用与环境生物学报》;20210921;1256-1263 *
《基于多源遥感数据对松花江哈尔滨段水质反演研究》;徐萍;《中国优秀博硕士学位论文全文数据库（硕士）工程科技Ⅰ辑》;20210115;B027-2587 *
《工矿业城市区域水质参数高光谱定量反演》;彭令 等;《光谱学与光谱分析》;20190930;2922-2928 *
《无人机高光谱遥感的水质参数反演与模型构建》;杨振 等;《测绘科学》;20200930;60-65 *
水质遥感方法及其应用;李婉晖;《能源与环境》;20091030(第05期);64-66 *
琅琊山景区不同指标浓度下水质光谱差异分析;彭建等;《光谱学与光谱分析》;20180515(第05期);177-185 *

Also Published As

Publication number Publication date
CN113109281A (zh) 2021-07-13

Similar Documents

Publication Publication Date Title
CN113109281B (zh) 一种基于高光谱遥感的水质参数定量反演模型及其构建方法
CN108593569B (zh) 基于光谱形态特征的高光谱水质参数定量反演方法
He et al. Water quality monitoring in a slightly-polluted inland water body through remote sensing—Case study of the Guanting Reservoir in Beijing, China
Wang et al. Estimation of suspended sediment concentrations using Terra MODIS: An example from the Lower Yangtze River, China
Wang et al. MODIS-based radiometric color extraction and classification of inland water with the Forel-Ule scale: A case study of Lake Taihu
CN110987955B (zh) 一种基于决策树的城市黑臭水体分级方法
CN102507474B (zh) 一种船舶溢油目标的识别方法及系统
Li et al. Estimation of chlorophyll-a concentrations in a highly turbid eutrophic lake using a classification-based MODIS land-band algorithm
Xing et al. Quantitative estimation of wastewater quality parameters by hyperspectral band screening using GC, VIP and SPA
CN109300133B (zh) 一种城市河网区水体提取方法
Kahaer et al. Estimating salt concentrations based on optimized spectral indices in soils with regional heterogeneity
CN113420497B (zh) 浑浊湖泊总磷浓度遥感估算方法
CN112414957A (zh) 海洋测试系统、方法和装置
Liu et al. Evaluation of trophic state for inland waters through combining Forel-Ule Index and inherent optical properties
Wang et al. Automatic detection of suspected sewage discharge from coastal outfalls based on Sentinel-2 imagery
CN105445233B (zh) 华南沿海赤潮灾害应急监测与预警方法
CN114705632A (zh) 一种利用卫星遥感反射率估算水库营养状态指数的方法
Lunetta et al. Measurement of water colour using AVIRIS imagery to assess the potential for an operational monitoring capability in the Pamlico Sound Estuary, USA
CN109696406B (zh) 一种基于复合端元的月表高光谱图像阴影区域解混方法
Trescott et al. Remote sensing models using Landsat satellite data to monitor algal blooms in Lake Champlain
Zhuo et al. Quantitative retrieving of soil organic matter using field spectrometer and hyperspectral remote sensing
CN115266497A (zh) 一种基于哨兵2A的叶绿素a和悬浮物匹配协同反演方法
Mbuh Use of hyperspectral remote sensing to estimate water quality
Chen et al. An optimal two bands ratio model to monitor chlorophyll-a in urban lake using Landsat 8 data
CN115931783A (zh) 一种基于GEE的大尺度区域湖库叶绿素a制图方法

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
GR01 Patent grant
GR01 Patent grant