CN113406015A - 一种近岸和内陆水域水体的透明度计算方法和系统 - Google Patents
一种近岸和内陆水域水体的透明度计算方法和系统 Download PDFInfo
- Publication number
- CN113406015A CN113406015A CN202110601951.4A CN202110601951A CN113406015A CN 113406015 A CN113406015 A CN 113406015A CN 202110601951 A CN202110601951 A CN 202110601951A CN 113406015 A CN113406015 A CN 113406015A
- Authority
- CN
- China
- Prior art keywords
- water
- transparency
- water body
- calculating
- lambda
- 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
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
-
- 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
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- 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
- G01N21/59—Transmissivity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- 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
- G01N2021/1734—Sequential different kinds of measurements; Combining two or more methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种近岸和内陆水域水体的透明度计算方法和系统,涉及水色遥感技术领域。该方法包括:采集近岸和内陆水域水体的光谱数据;对所述光谱数据进行聚类分析,根据分析结果将水体分为不同类型的水体类型;根据不同的水体类型选择对应的预设透明度反演模型;采用所述预设透明度反演模型对所述光谱数据进行计算,获得水体的透明度。本方案的水体透明度计算能够适用于光学性质复杂的沿海和内陆水域的水体,且通过本方案具有大范围水域、实时同步数据和能够连续观测等优点。
Description
技术领域
本发明涉及水色遥感技术领域,尤其涉及一种近岸和内陆水域水体的透明度计算方法和系统。
背景技术
由于气候变化和人类活动的加剧,内陆乃至沿海水域的水质不断恶化。因此,有效的水体监测对于保护和管理水生生态系统具有重要意义。水体透明度是监测和评估水质的有效指标,通常表示为塞氏盘深度(ZSD)。
目前,水体透明度反演算法大体可分为两类:经验方法和半分析方法。经验算法通常使用蓝、绿、红波段的组合作为自变量来估算ZSD,但该方法仅适用于特定区域。半解析算法可以很大程度上地克服这一局限性。经典的半解析模型通常使用漫射衰减系数(Kd)和波束衰减系数(c)来估算ZSD。然而,水体透明度估算在沿海水域和内陆湖泊仍然面临着挑战,因为由于生物光学性质在空间和时间上的巨大变化,这些区域存在着各种不同类型的水体,原来的方案无法适应该区域复杂水体透明度的计算,无法有效监测和评估水质。
发明内容
本发明所要解决的技术问题是针对现有技术的不足,提供一种近岸和内陆水域水体的透明度计算方法和系统。
本发明解决上述技术问题的技术方案如下:
一种近岸和内陆水域水体的透明度计算方法,包括:
S1,采集近岸和内陆水域水体的光谱数据;
S2,对所述光谱数据进行聚类分析,根据分析结果将水体分为不同类型的水体类型;
S3,根据不同的水体类型选择对应的预设透明度反演模型;
S4,采用所述预设透明度反演模型对所述光谱数据进行计算,获得水体的透明度。
本发明的有益效果是:本方案通过采集水体的光谱数据,进行聚类分析,将水体分为不同类型的水体类型,根据水体类型选择对应的预设透明度反演模型进行透明度计算,针对不同水体类型,分别采用最优的透明度反演模型计算水体透明度,本方案的水体透明度计算能够适用于光学性质复杂的沿海和内陆水域的水体,且通过本方案具有大范围水域、实时同步数据和能够连续观测等优点。
进一步地,所述S2具体包括
对所述光谱数据进行归一化处理;
将归一化处理后的所述光谱数据进行K-均值聚类,根据聚类结果确定所述光谱数据的水体类型。
采用上述进一步方案的有益效果是:本方案通过聚类分析可以实现确定复杂水域的多种水体类型。
进一步地,所述S3具体包括:
计算不同的水体类型的评价指标,当评价指标满足预设条件则选择对应的预设透明度反演模型。
采用上述进一步方案的有益效果是:本方案在不同光学水体类型下采用不同预设透明度反演模型进行计算,计算出的反演精度都不同,通过评价指标选择最优模型来计算水体透明度,有效提高反演计算精度。
进一步地,所述S4具体包括:
通过以下公式计算水体透明度ZSD:
通过以下公式计算Kd(λ):
其中,bbw(λ)为后向散射系数,bb(λ)为总后向散射系数,a(λ)为水体总吸收系数。
采用上述进一步方案的有益效果是:本方案针对不同水体类型,采用最优的透明度反演模型计算水体透明度,有效提高反演计算精度。
进一步地,通过以下公式计算所述水体总吸收系数a(λ):
当波长λ0=560nm时,
λ0=665nm时,
λ0=705nm时,
其中,aw为纯水吸收系数,Rrs为水面以上的遥感反射率,
其中,rrs为水面以下的遥感反射率。
采用上述进一步方案的有益效果是:本方案针对不同水体类型,分别采用最优的透明度反演模型和相应的水体总吸收系数来计算水体透明度,提高水体透明度计算的精度。
本发明解决上述技术问题的另一种技术方案如下:
一种近岸和内陆水域水体的透明度计算系统,包括:光谱数据采集模块、聚类分析模块、类型计算模块和透明度计算模块;
所述光谱数据采集模块用于采集近岸和内陆水域水体的光谱数据;
所述聚类分析模块用于对所述光谱数据进行聚类分析,根据分析结果将水体分为不同类型的水体类型;
所述类型计算模块用于根据不同的水体类型选择对应的预设透明度反演模型;
所述透明度计算模块用于采用所述预设透明度反演模型对所述光谱数据进行计算,获得水体的透明度。
本发明的有益效果是:本方案通过采集水体的光谱数据,进行聚类分析,将水体分为不同类型的水体类型,根据水体类型选择对应的预设透明度反演模型进行透明度计算,针对不同水体类型,分别采用最优的透明度反演模型计算水体透明度,本方案的水体透明度计算能够适用于光学性质复杂的沿海和内陆水域的水体,且通过本方案具有大范围水域、实时同步数据和能够连续观测等优点。
进一步地,所述聚类分析模块具体用于对所述光谱数据进行归一化处理;
将归一化处理后的所述光谱数据进行K-均值聚类,根据聚类结果确定所述光谱数据的水体类型。
采用上述进一步方案的有益效果是:本方案通过聚类分析可以实现确定复杂水域的多种水体类型。
进一步地,所述类型计算模块用于计算不同的水体类型的评价指标,当评价指标满足预设条件则选择对应的预设透明度反演模型。
采用上述进一步方案的有益效果是:本方案在不同光学水体类型下采用不同预设透明度反演模型进行计算,计算出的反演精度都不同,通过评价指标选择最优模型来计算水体透明度,有效提高反演计算精度。
进一步地,所述透明度计算模块具体用于通过以下公式计算水体透明度ZSD:
通过以下公式计算Kd(λ):
其中,bbw(λ)为后向散射系数,bb(λ)为总后向散射系数,a(λ)为水体总吸收系数。
采用上述进一步方案的有益效果是:本方案针对不同水体类型,采用最优的透明度反演模型计算水体透明度,有效提高反演计算精度。
进一步地,所述透明度计算模块还具体用于通过以下公式计算所述水体总吸收系数a(λ):
当波长λ0=560nm时,
λ0=665nm时,
λ0=705nm时,
其中,aw为纯水吸收系数,Rrs为水面以上的遥感反射率,
其中,rrs为水面以下的遥感反射率。
采用上述进一步方案的有益效果是:本方案针对不同水体类型,分别采用最优的透明度反演模型和相应的水体总吸收系数来计算水体透明度,提高水体透明度计算的精度。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明的实施例提供的一种近岸和内陆水域水体的透明度计算方法的流程示意图;
图2为本发明的其他实施例提供的一种近岸和内陆水域水体的透明度计算系统的结构图;
图3为本发明的其他实施例提供的不同类型水体归一化处理后的参考遥感反射率光谱示意图;
图4为本发明的其他实施例提供的基于于半分析模型的ZSD对a(705)和Y的敏感性;
图5为本发明的其他实施例提供的2019年岱海水体透明度空间分布图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明实施例提供的一种近岸和内陆水域水体的透明度计算方法,包括:
S1,采集近岸和内陆水域水体的光谱数据;
在某一实施例中,获取水体遥感反射率光谱数据Rrs(λ);
水体遥感反射率光谱数据可以是高光谱分辨率数据,也可以是多光谱遥感图像的反射率,如Sentinel-2、MODIS、MERIS、OLCI和GOCI等。
S2,对所述光谱数据进行聚类分析,根据分析结果将水体分为不同类型的水体类型;
需要说明的是,在某一实施例中,聚类分析可以包括:
将9个波段的参考遥感反射率光谱按照如下公式进行归一化处理,归一化结果如图3所示,其中9个波段可以包括:412nm、443nm、488nm、510nm、531nm、547nm、555nm、667nm和678nm:
其中,nRrs(λi)为归一化后的遥感反射率光谱,N为波段总数,λi分别对应不同的波长,Rrs(λi)为遥感反射率。其中,归一化后的遥感反射率光谱的具体值可以参照文献《Asystem to measure the data quality of spectral remote sensing reflectance ofaquatic environments》中的Table1。
根据余弦距离d对目标遥感反射率光谱进行K-均值聚类,确定目标光谱的水体类型,具体公式如下:
其中,x和c分别为参考遥感反射率光谱和目标遥感反射率光谱。
将目标遥感反射率光谱与对应水体类型的上、下限进行比较,计算数据质量总分数Ctot。不同水体类型的上、下限具体值为参考文献《A system to measure the dataquality of spectral remote sensing reflectance of aquatic environments》中的Table A1和Table A2。
其中,C(λi)为特定波长的得分,N为波段总数,i=1、2…N。当在λi波长下的目标遥感反射率超出参考遥感反射率光谱的边界,则取0分,即C(λi)=0;反之,C(λi)=1。
S3,根据不同的水体类型选择对应的预设透明度反演模型;其中,预设透明度反演模型,可以包括:半分析模型QAA_560,参考波长为560nm;半分析模型QAA_665,参考波长为665nm;和半分析模型QAA_705,参考波长705nm。
在某一实施例中,面向不同类型水体,确定各自的最优透明度反演模型,针对水体类型对应《A system to measure the data quality of spectral remote sensingreflectance of aquatic environments》中的10-22类。
利用实测的透明度数据评估三种半分析模型(QAA,quasi-analyticalalgorithm)在不同光学水体类型下的反演精度。其中,模型包括已有模型QAA_560(560nm为参考波长)、QAA_665(665nm为参考波长)和本发明改进的模型QAA_705(705nm为参考波长)。其中,这三种模型计算水体透明度的方式基本一样,不同在于水体总吸收系数a(λ0)的计算,即不同参考波长λ0=560,665,705下的a(λ0)对应不同的QAA模型。评价指标为平均绝对百分比差(MAPD)和均方根偏差(RMSD),具体计算方式如下:
其中,yi和xi分别代表水体透明度的实测值和水体透明度的预测值,n表示参与误差计算的数据个数。预测值是根据模型反演得到的水体透明度,实测值是野外实地测量的真实水体透明度。
如表1所示,为不同类型水体对应的最优透明度反演模型,QAA_560是水体类型为12、13、19和21的最优透明度反演模型;QAA_665是水体类型为10、11、16和18的最优透明度反演模型;QAA_705是水体类型为14、15、17、20和22的最优透明度反演模型。
表1
S4,采用所述预设透明度反演模型对所述光谱数据进行计算,获得水体的透明度。
在某一实施例中,基于透明度反演模型,计算水体透明度可以包括:其中,这里的透明度反演模型表示模型QAA_705、模型QAA_560和模型QAA_665结合的整体。
首先,将水面以上的遥感反射率Rrs(λ)转换为水面以下的遥感反射率rrs(λ),
之后,计算后向散射与吸收系数比值u。
面向不同水体类型,计算对应参考波长(λ0=560,665,705)的水体总吸收系数a(λ0)。
其中,aw为纯水吸收系数,其中纯水吸收系数参考文献《The optical propertiesof pure water》中Table 1,即表中a。
然后,依次计算参考波长的颗粒物后向散射系数bbp(λ0),总后向散射系数bb(λ),总吸收系数a(λ0)和向下漫衰减系数Kd(λ);其中,λ0为某一参考波长。在不同QAA模型中,分别表示为λ0=560,665,705。
λ为遥感反射率每个波段的波长。λ出现时,需要计算所有波段的波长对应的参数。最后得到多个波长下的Kd值,即Kd(λ).进而在ZSD公式中选用了最小的Kd值,来计算透明度。
Y=2.0(1-1.2exp(-0.9rrs(443)/rrs(560))),
其中,u(λ0)表示波长为λ0时的后向散射与吸收系数比值,bbw(λ0)为后向散射系数,θ为太阳天顶角。其中,bbw(λ0)为后向散射系数,可以从文献《The optical properties ofpure water》中Table 1获得,即表中b。
最后,计算水体透明度ZSD。
此外,在某一实施例中,为了验证本发明的有效性,选取几种现有的ZSD模型进行性能对比,并对本发明模型的鲁棒性进行了评价。
现有Doron模型:
现有Page模型:
ln(ZSD)=2.437*(Rrs(492)/Rrs(665))-2717.8*(Rrs(705)*Rrs(665))-2.469,
现有Ren模型:
ZSD=1.735*exp(-2.141*Rrs(665)/Rrs(560)),
现有Alikas和Kratzer模型:
ZSD=2.137*(Rrs(490)/Rrs(705))0.697,
如表2所述,为不同ZSD模型性能对比,Doron等人的模型的ZSD反演精度较低(MAPD=447.7%,RMSD=3.80m)。同时,其他三个经验模型在反演ZSD时也存在较大的不确定性,Alikas&Kratzer的模型、Ren等人的模型和Page等人的模型的MAPD值分别为220.5%、41.8%和367.6%,RMSD分别为1.82m、0.95m和78.53m。虽然也对这三种算法的系数进行了重新校准,但与本发明模型(MAPD=24.9%,RMSD=0.32m)相比,现有模型的不确定性不稳定性仍然很高,本发明模型的精度远远高于现有模型。
表2
在某一实施例中,QAA_705模型的鲁棒性评价可以包括:
本发明依据经验确定的参数a和Y可能会影响QAA_705模型对ZSD的反演精度。所以,结合不同a(705)和Y构成的QAA_705模型进行敏感性分析。由图4可知,基于半解析模型得到的ZSD对a(705)小于0.1m-1的变化不敏感。但是当a(705)的绝对噪声大于0.2m-1时,△MAPD>20%,△RMSD>0.40m。
此外,Y的变化(-0.4~0.4)对ZSD反演的影响很小(△MAPD<5.0%,△RMSD<0.1m),表明本方案模型推导的ZSD对Y变化不敏感。
在某一实施例中,采用Sentinel-2光学卫星数据进行实验,所选的实验区为内蒙古的岱海。
基于影像的遥感反射率,采用聚类分析法划分水体类型。之后,针对不同水体类型,选择相应的最优透明度反演模型进行水体透明度估算。计算得到的2019年岱海水体透明度空间分布如图5所示。如图5所示显示,岱海的平均ZSD在春季和秋季较低,夏季较高。最低值出现在2019年5月(0.422±0.086m),最高ZSD出现在2019年9月(1.009m±0.359m)。
本方案通过采集水体的光谱数据,进行聚类分析,将水体分为不同类型的水体类型,根据水体类型选择对应的预设透明度反演模型进行透明度计算,针对不同水体类型,分别采用最优的透明度反演模型计算水体透明度,本方案的水体透明度计算能够适用于光学性质复杂的沿海和内陆水域的水体,且通过本方案具有大范围水域、实时同步数据和能够连续观测等优点。
优选地,在上述任意实施例中,所述S2具体包括
对所述光谱数据进行归一化处理;
将归一化处理后的所述光谱数据进行K-均值聚类,根据聚类结果确定所述光谱数据的水体类型。
本方案通过聚类分析可以实现确定复杂水域的多种水体类型。
优选地,在上述任意实施例中,所述S3具体包括:
计算不同的水体类型的评价指标,当评价指标满足预设条件则选择对应的预设透明度反演模型。其中,预设指标可以包括:平均绝对百分比差(MAPD)和均方根偏差(RMSD);如表1所示,预设条件可以是:例如当水体类别为10时,当某模型的平均绝对百分比差(MAPD)和均方根偏差(RMSD)相比较其他模型,MAPD和RMSD数值最小时,则该模型是属于满足预设条件的最优透明度反演模型。
本方案在不同光学水体类型下采用不同预设透明度反演模型进行计算,计算出的反演精度都不同,通过评价指标选择最优模型来计算水体透明度,有效提高反演计算精度。
优选地,在上述任意实施例中,所述S4具体包括:
通过以下公式计算水体透明度ZSD:
通过以下公式计算Kd(λ):
其中,bbw(λ)为后向散射系数,bb(λ)为总后向散射系数,a(λ)为水体总吸收系数。
本方案针对不同水体类型,采用最优的透明度反演模型计算水体透明度,有效提高反演计算精度。
优选地,在上述任意实施例中,通过以下公式计算所述水体总吸收系数a(λ):
当波长λ0=560nm时,
λ0=665nm时,
λ0=705nm时,
其中,aw为纯水吸收系数,Rrs为水面以上的遥感反射率,
其中,rrs为水面以下的遥感反射率。
本方案针对不同水体类型,分别采用最优的透明度反演模型和相应的水体总吸收系数来计算水体透明度,提高水体透明度计算的精度。
在某一实施例中,如图2所示,一种近岸和内陆水域水体的透明度计算系统,包括:光谱数据采集模块11、聚类分析模块12、类型计算模块13和透明度计算模块14;
所述光谱数据采集模块11用于采集近岸和内陆水域水体的光谱数据;
在某一实施例中,获取水体遥感反射率光谱数据Rrs(λ);
水体遥感反射率光谱数据可以是高光谱分辨率数据,也可以是多光谱遥感图像的反射率,如Sentinel-2、MODIS、MERIS、OLCI和GOCI等。
所述聚类分析模块12用于对所述光谱数据进行聚类分析,根据分析结果将水体分为不同类型的水体类型;
需要说明的是,在某一实施例中,聚类分析可以包括:
将9个波段的参考遥感反射率光谱按照如下公式进行归一化处理,归一化结果如图3所示,其中9个波段可以包括:412nm、443nm、488nm、510nm、531nm、547nm、555nm、667nm和678nm:
其中,nRrs(λi)为归一化后的遥感反射率光谱,N为总波段数,λi分别对应不同的波长,Rrs(λi)为遥感反射率。其中,归一化后的遥感反射率光谱的具体值可以参照文献《Asystem to measure the data quality of spectral remote sensing reflectance ofaquatic environments》中的Table1。
根据余弦距离d对目标遥感反射率光谱进行K-均值聚类,确定目标光谱的水体类型,具体公式如下:
其中,x和c分别为参考遥感反射率光谱和目标遥感反射率光谱。
将目标遥感反射率光谱与对应水体类型的上、下限进行比较,计算数据质量总分数Ctot。不同水体类型的上、下限具体值为参考文献《A system to measure the dataquality of spectral remote sensing reflectance of aquatic environments》中的Table A1和Table A2。
其中,C(λi)为特定波长的得分,N为波段总数,i=1、2…N。当在λi波长下的目标遥感反射率超出参考遥感反射率光谱的边界,则取0分,即C(λi)=0;反之,C(λi)=1。
所述类型计算模块13用于根据不同的水体类型选择对应的预设透明度反演模型;其中,预设透明度反演模型,可以包括:半分析模型QAA_560,参考波长为560nm;半分析模型QAA_665,参考波长为665nm;和半分析模型QAA_705,参考波长705nm。
所述透明度计算模块14用于采用所述预设透明度反演模型对所述光谱数据进行计算,获得水体的透明度。在某一实施例中,基于透明度反演模型,计算水体透明度可以包括:其中,这里的透明度反演模型表示模型QAA_705、模型QAA_560和模型QAA_665结合的整体。
本方案通过采集水体的光谱数据,进行聚类分析,将水体分为不同类型的水体类型,根据水体类型选择对应的预设透明度反演模型进行透明度计算,针对不同水体类型,分别采用最优的透明度反演模型计算水体透明度,本方案的水体透明度计算能够适用于光学性质复杂的沿海和内陆水域的水体,且通过本方案具有大范围水域、实时同步数据和能够连续观测等优点。
优选地,在上述任意实施例中,所述聚类分析模块12具体用于对所述光谱数据进行归一化处理;
将归一化处理后的所述光谱数据进行K-均值聚类,根据聚类结果确定所述光谱数据的水体类型。
本方案通过聚类分析可以实现确定复杂水域的多种水体类型。
优选地,在上述任意实施例中,所述类型计算模块13用于计算不同的水体类型的评价指标,当评价指标满足预设条件则选择对应的预设透明度反演模型。
本方案在不同光学水体类型下采用不同预设透明度反演模型进行计算,计算出的反演精度都不同,通过评价指标选择最优模型来计算水体透明度,有效提高反演计算精度。
优选地,在上述任意实施例中,所述透明度计算模块14具体用于通过以下公式计算水体透明度ZSD:
通过以下公式计算Kd(λ):
其中,bbw(λ)为后向散射系数,bb(λ)为总后向散射系数,a(λ)为水体总吸收系数。
本方案针对不同水体类型,采用最优的透明度反演模型计算水体透明度,有效提高反演计算精度。
优选地,在上述任意实施例中,所述透明度计算模块14还具体用于通过以下公式计算所述水体总吸收系数a(λ):
当波长λ0=560nm时,
λ0=665nm时,
λ0=705nm时,
其中,aw为纯水吸收系数,Rrs为水面以上的遥感反射率,
其中,rrs为水面以下的遥感反射率。
本方案针对不同水体类型,分别采用最优的透明度反演模型和相应的水体总吸收系数来计算水体透明度,提高水体透明度计算的精度。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部可选实施方式。
需要说明的是,上述各实施例是与在先方法实施例对应的产品实施例,对于产品实施例中各可选实施方式的说明可以参考上述各方法实施例中的对应说明,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,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。
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发明实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
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,本发明的技术方案本质上或者说对现有技术做出贡献的部分,或者该技术方案的全部或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)执行本发明各个实施例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(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种近岸和内陆水域水体的透明度计算方法,其特征在于,包括:
S1,采集近岸和内陆水域水体的光谱数据;
S2,对所述光谱数据进行聚类分析,根据分析结果将水体分为不同类型的水体类型;
S3,根据不同的水体类型选择对应的预设透明度反演模型;
S4,采用所述预设透明度反演模型对所述光谱数据进行计算,获得水体的透明度。
2.根据权利要求1所述的一种近岸和内陆水域水体的透明度计算方法,其特征在于,所述S2具体包括
对所述光谱数据进行归一化处理;
将归一化处理后的所述光谱数据进行K-均值聚类,根据聚类结果确定所述光谱数据的水体类型。
3.根据权利要求1所述的一种近岸和内陆水域水体的透明度计算方法,其特征在于,所述S3具体包括:
计算不同的水体类型的评价指标,当评价指标满足预设条件则选择对应的预设透明度反演模型。
6.一种近岸和内陆水域水体的透明度计算系统,其特征在于,包括:光谱数据采集模块、聚类分析模块、类型计算模块和透明度计算模块;
所述光谱数据采集模块用于采集近岸和内陆水域水体的光谱数据;
所述聚类分析模块用于对所述光谱数据进行聚类分析,根据分析结果将水体分为不同类型的水体类型;
所述类型计算模块用于根据不同的水体类型选择对应的预设透明度反演模型;
所述透明度计算模块用于采用所述预设透明度反演模型对所述光谱数据进行计算,获得水体的透明度。
7.根据权利要求6所述的一种近岸和内陆水域水体的透明度计算系统,其特征在于,所述聚类分析模块具体用于对所述光谱数据进行归一化处理;
将归一化处理后的所述光谱数据进行K-均值聚类,根据聚类结果确定所述光谱数据的水体类型。
8.根据权利要求6所述的一种近岸和内陆水域水体的透明度计算系统,其特征在于,所述类型计算模块用于计算不同的水体类型的评价指标,当评价指标满足预设条件则选择对应的预设透明度反演模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601951.4A CN113406015B (zh) | 2021-05-31 | 2021-05-31 | 一种近岸和内陆水域水体的透明度计算方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110601951.4A CN113406015B (zh) | 2021-05-31 | 2021-05-31 | 一种近岸和内陆水域水体的透明度计算方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113406015A true CN113406015A (zh) | 2021-09-17 |
CN113406015B CN113406015B (zh) | 2023-01-13 |
Family
ID=77675444
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110601951.4A Active CN113406015B (zh) | 2021-05-31 | 2021-05-31 | 一种近岸和内陆水域水体的透明度计算方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113406015B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114235716A (zh) * | 2021-11-11 | 2022-03-25 | 内蒙古师范大学 | 一种水体光学分类及质量控制方法及计算机可读存储介质 |
CN115824972A (zh) * | 2022-11-29 | 2023-03-21 | 中国科学院空天信息创新研究院 | 一种内陆水体半解析透明度反演方法和系统 |
CN115909053A (zh) * | 2022-10-28 | 2023-04-04 | 天津大学 | 一种基于遥感影像的水体透明度反演方法及系统 |
CN116952906A (zh) * | 2023-09-20 | 2023-10-27 | 南京航天宏图信息技术有限公司 | 水体健康状态评估方法、装置、电子设备及存储介质 |
CN117312973A (zh) * | 2023-09-26 | 2023-12-29 | 中国科学院空天信息创新研究院 | 一种内陆水体光学分类方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112036A1 (en) * | 2008-04-18 | 2011-05-12 | Angiochem Inc. | Pharmaceutical compositions of paclitaxel, paclitaxel analogs or paclitaxel conjugates and related methods of preparation and use |
US20120324986A1 (en) * | 2009-12-04 | 2012-12-27 | The Trustees Of Columbia University In The City Of | Spectral and temporal laser fluorescence analysis such as for natural aquatic environments |
CN106053370A (zh) * | 2016-08-02 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于hico模拟的反演近海岸水体透明度的方法 |
CN106053394A (zh) * | 2016-07-20 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种利用固有光学参数反演水体透明度的方法 |
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 |
CN107589075A (zh) * | 2017-09-07 | 2018-01-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊固有光学参数的olci遥感监测方法 |
CN112630189A (zh) * | 2020-09-18 | 2021-04-09 | 浙江大学 | 一种基于改进qaa算法的内陆水体水质反演方法 |
-
2021
- 2021-05-31 CN CN202110601951.4A patent/CN113406015B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112036A1 (en) * | 2008-04-18 | 2011-05-12 | Angiochem Inc. | Pharmaceutical compositions of paclitaxel, paclitaxel analogs or paclitaxel conjugates and related methods of preparation and use |
US20120324986A1 (en) * | 2009-12-04 | 2012-12-27 | The Trustees Of Columbia University In The City Of | Spectral and temporal laser fluorescence analysis such as for natural aquatic environments |
CN106053394A (zh) * | 2016-07-20 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种利用固有光学参数反演水体透明度的方法 |
CN106053370A (zh) * | 2016-08-02 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于hico模拟的反演近海岸水体透明度的方法 |
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 |
CN107589075A (zh) * | 2017-09-07 | 2018-01-16 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊固有光学参数的olci遥感监测方法 |
CN112630189A (zh) * | 2020-09-18 | 2021-04-09 | 浙江大学 | 一种基于改进qaa算法的内陆水体水质反演方法 |
Non-Patent Citations (2)
Title |
---|
JIANWEI WEI ET AL: "A system to measure the data quality of spectral remote-sensing reflectance of aquatic environments", 《JOURNAL OF GEOPHYSICAL RESEARCH: OCEANS》 * |
高磊 等: "水体透明度两种半分析反演模型的对比与分析", 《海洋科学》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114235716A (zh) * | 2021-11-11 | 2022-03-25 | 内蒙古师范大学 | 一种水体光学分类及质量控制方法及计算机可读存储介质 |
CN114235716B (zh) * | 2021-11-11 | 2023-09-26 | 内蒙古师范大学 | 一种水体光学分类及质量控制方法及计算机可读存储介质 |
CN115909053A (zh) * | 2022-10-28 | 2023-04-04 | 天津大学 | 一种基于遥感影像的水体透明度反演方法及系统 |
CN115824972A (zh) * | 2022-11-29 | 2023-03-21 | 中国科学院空天信息创新研究院 | 一种内陆水体半解析透明度反演方法和系统 |
CN116952906A (zh) * | 2023-09-20 | 2023-10-27 | 南京航天宏图信息技术有限公司 | 水体健康状态评估方法、装置、电子设备及存储介质 |
CN116952906B (zh) * | 2023-09-20 | 2024-01-12 | 南京航天宏图信息技术有限公司 | 水体健康状态评估方法、装置、电子设备及存储介质 |
CN117312973A (zh) * | 2023-09-26 | 2023-12-29 | 中国科学院空天信息创新研究院 | 一种内陆水体光学分类方法和系统 |
CN117312973B (zh) * | 2023-09-26 | 2024-05-03 | 中国科学院空天信息创新研究院 | 一种内陆水体光学分类方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113406015B (zh) | 2023-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113406015B (zh) | 一种近岸和内陆水域水体的透明度计算方法和系统 | |
Shao et al. | An evaluation of time-series smoothing algorithms for land-cover classifications using MODIS-NDVI multi-temporal data | |
Song et al. | Remote estimation of chlorophyll-a in turbid inland waters: Three-band model versus GA-PLS model | |
US8639055B2 (en) | Automated underwater image restoration via denoised deconvolution | |
CN110749568B (zh) | 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法 | |
CN111474117B (zh) | 作物病害监测的方法及装置 | |
CN116297530A (zh) | 基于光学技术的阻隔膜表面质量检测方法 | |
CN112633401A (zh) | 一种高光谱遥感图像分类方法、装置、设备及存储介质 | |
CN108596819A (zh) | 一种基于稀疏表达的内陆光学复杂水体高光谱重构方法 | |
Rakuasa et al. | Analysis of Vegetation Index in Ambon City Using Sentinel-2 Satellite Image Data with Normalized Difference Vegetation Index (NDVI) Method based on Google Earth Engine | |
CN116050230B (zh) | 基于蒙特卡洛的fd-oct的全波长信号模拟方法 | |
CN115184281B (zh) | 一种基于二维光谱的溶液组分浓度确定方法及系统 | |
Al-Wassai et al. | A novel metric approach evaluation for the spatial enhancement of pan-sharpened images | |
CN111795742B (zh) | 一种用于单幅rgb图像重建光谱的降维方法 | |
Song et al. | An improved global rainbow refractometry for spray droplets characterization based on five-point method and optimization process | |
Ordoñez et al. | Functional statistical techniques applied to vine leaf water content determination | |
CN112697746A (zh) | 一种基于光谱信息的红薯粉明矾含量检测方法 | |
CN116952906B (zh) | 水体健康状态评估方法、装置、电子设备及存储介质 | |
Ogashawara et al. | Retrieval of inherent optical properties from multiple aquatic systems using a quasi-analytical algorithm for several water types | |
Long et al. | A review of artificial intelligence methods for seed quality inspection based on spectral imaging and analysis | |
Guo et al. | A novel algorithm for estimating phytoplankton algal density in inland eutrophic lakes based on Sentinel-3 OLCI images | |
CN111289516B (zh) | 植物叶片氨基酸含量检测方法及装置 | |
Tiwari et al. | A Hybrid Machine Learning Model to Estimate Chlorophyll-a in Clear and Coastal Waters | |
Liew et al. | Estimation of Colored Dissolved Organic Matter from Satellite Data | |
Li et al. | Quantitative retrieval of sparse vegetation coverage by BP neural network based on hyperspectral data |
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 |