CN114037905A - 一种基于星地协同的河口区水表盐度遥感反演方法及系统 - Google Patents

Abstract

本发明提供一种基于星地协同的河口区水表盐度遥感反演方法及系统，本方法一方面利用了精度较高的河口区地面实测数据，以同步的地面实测站点实测数据为输出数据构建模型，提高了遥感反演模型的反演精度；另一方面改进了传统遥感反演模型仅通过光谱信息或间接水质参数反演水表盐度，增加了地理网格信息作为输入参数，充分利用了地面实测站点和遥感影像的经纬度信息以及遥感影像空间连续的数据特点，尤其适用于复杂河口地区实现河口区水表盐度的高精度反演。

Description

一种基于星地协同的河口区水表盐度遥感反演方法及系统

技术领域

本发明涉及水环境监测领域，更具体地，涉及一种基于星地协同的河口区水表盐度遥感反演方法及系统。

背景技术

咸潮是河口地区特有的自然现象，咸潮入侵是指河口外高盐水随潮涨潮落沿河口向上输运和混合，造成上游河道水体变咸的现象。近年来，受珠江流域冬季来水偏枯、海平面上升及河道下切等因素影响，珠江河口地区咸潮爆发频繁，危害人们的生产/生活安全及周边的水生态环境，严重影响了粤港澳大湾区的水安全。对水体盐度进行有效的监测对于了解咸潮入侵的机理至关重要。目前的咸潮监测工作主要依靠地面实测站点开展，例如河口区咸情站、水厂取水口、海面走航采样。这种监测模式获取的数据精度较高，但因为是点数据，空间上分布不连续，掌握不了大范围的水表盐度空间分布，难以确定外海高盐度水体上溯的咸界。而利用遥感技术可以实现大范围监测，获取空间连续的观测结果。同时，随着近年空天遥感技术的发展，遥感数据的采集频次有了明显提升。例如，欧空局的哨兵二号卫星可以每5天完成赤道及周边区域的重复观测；我国的高分四号卫星可根据实际需求定制，逐时对特定区域开展观测。因此，卫星遥感技术在河口咸潮监测方面可提供传统监测手段难以达到的空间广度和时间频次，监测成果对于开展河口咸潮运动机理研究十分有利。

目前，根据遥感数据源的不同，水体盐度遥感监测主要有两种方法。

1)基于微波遥感的水表盐度反演算法。如专利CN105760699A一种海表盐度反演方法和装置。该方法的理论基础是水表盐度、水体介电常数、水面辐射亮度温度(亮温)三者之间的响应关系，其误差来源主要为水面粗糙度。因此，一般选择水面亮温对水表盐度的敏感性最高、对水表粗糙度的敏感性较低的L波段(1.4GHz)进行盐度反演。但是，微波遥感的盐度反演研究主要集中在开阔的大洋水体。这一方面是因为微波影像的空间分辨率一般较低，应用在河口咸潮监测的意义不大，而空间分辨率较高的哨兵一号和我国高分三号影像为C波段，不适于水表盐度的反演；另一方面则是因为坐落在近岸或海洋平台发射源的射频干扰(Radio Frequency Interference)会严重影响微波辐射计接收的辐射信号，进而影响发射源周边水域的盐度反演精度。

2)基于光学遥感的水表盐度反演方法。该方法的理论基础是水表盐度、其他水体参量、水表反射率之间的关系，误差来源主要为不同水动力条件下该关系的变化。由于河口是富含黄色物质(亦称有色可溶性有机物，CDOM，Color Dissolved Organic Matters)、悬浮颗粒物等有色物质的河流淡水与清澈高盐度海水交汇的过渡地带，虽然水体盐度在可见光-近红外波段没有显著的光谱特征，但盐度变化必然伴随着其他水体组分含量的变化，因此，一般通过建立水体组分与盐度的相关关系模型反演海水盐度。但在现有的研究中，该方法同样存在明显不足。主要表现为：①河口盐度是通过能指示河道径流的水色参数来间接反演的。对于河口区域，尤其是珠江河口这种诸河汇集、八门入海的复杂河口，不同口门的水色主导参数会因上游来水或沿岸废水排放出现变化，导致盐度反演模型经验性较强，现有的经验模型难以应用在整景影像，表现为内陆河道出现高盐度的错误反演结果，无法确定咸界；②遥感影像中的水面光谱是空间连续的，以此反演的水色参数也具备一定的空间分布特征，仅依靠这些信息会导致内陆河道出现高盐度水体的错误反演结果。

发明内容

本发明的目的在于克服上述基于光学遥感的水表盐度反演模型经验性强、普适性差的问题，提出一种基于星地协同的河口区水表盐度遥感反演方法，一方面利用了精度较高的河口区地面实测数据，提高了遥感反演模型的反演精度；另一方面改进了传统遥感反演模型仅通过光谱信息或间接水质参数反演水表盐度，增加了地理网格信息作为输入参数，充分利用了遥感影像空间连续的数据特点，实现河口区水表盐度的高精度反演。

为解决上述技术问题，本发明的技术方案如下：

本发明提供一种基于星地协同的河口区水表盐度遥感反演方法，包括以下步骤：

S1：结合河口区卫星遥感影像的成像时刻，即遥感卫星的过境时刻，选取同步的地面实测站点实测盐度信息；

S2：获取同步地面实测站点所在的经纬度信息；

S3：完成遥感影像的预处理：通过大气校正获取地表真实反射率，并完成水体像元提取；

S4：读取同步地面实测站点所在像元区域多个波段的反射率值；

S5：以同步地面站点实测盐度为输出数据，以地面实测站点的经纬度和地面实测站点所在像元区域多个波段的反射率值为输入数据，构建神经网络模型；

S6：网格化遥感影像，获取每个水体像元的经纬度及反射率值；

S7：基于步骤S5构建的神经网络模型，以步骤S6获取的每个水体像元的经纬度及反射率值为输入数据，反演获取整景遥感影像的水表盐度。

优选地，步骤S1中，具体包括：

S1.1：查询河口区的卫星遥感影像；

S1.2：读取遥感影像的头文件信息，获取影像的成像时刻；

S1.3：读取成像时刻地面实测站点的实测盐度值。

优选地，步骤S1.3中，取成像当天10:00、11:00、12:00三个时刻的实测盐度均值Y，作为成像时刻地面实测站点的实测盐度值。

优选地，步骤S2中，具体包括：

采用WGS84地理坐标，获取地面实测站点的经度X1、纬度X2。

优选地，步骤S3中，具体包括：

S3.1：对遥感影像的蓝光、绿光、红光、近红外4个波段遥感影像，进行大气校正，得到地表真实反射率值；

S3.2：对已完成大气校正的4个波段遥感影像进行水体像元提取，所述像元为遥感影像栅格数据存储的最小单元，表现为影像空间分辨率的正方形区域。

优选地，步骤S4中，以地面实测站点为中心像元，取周围3×3像元区域的均值作为对应地面实测站点的同步反射率值，4个波段遥感影像的反射率值分别记为X3、X4、X5、X6。

优选地，步骤S5中，具体包括：

S5.1：准备输入参数X1、X2、X3、X4、X5、X6，输出参数Y，作为训练数据；

S5.2：构建两层前馈神经网络模型，其中，输入层包含6个参数，即参数X1、X2、X3、X4、X5、X6；隐层和输出层各设置10个神经元；输出1个参数，即参数Y；

S5.3：采用Levenberg-Marquardt反向传播算法进行多次训练，取模型R²较高的训练结果开展后续水表盐度遥感反演。

优选地，步骤S6中，具体包括：

S6.1：获取河口区域每个水体像元的投影坐标信息，通过坐标转换将水体像元的投影坐标转换为经纬度坐标，得到每个水体像元的经度A1、纬度A2；

S6.2：获取河口区域的每个水体像元的蓝光、绿光、红光、近红外4个波段遥感影像的反射率值并进行大气校正，得到地表真实反射率值，记为A3、A4、A5、A6。

优选地，步骤S7中，具体包括：

S7.1：将参数A1、A2、A3、A4、A5、A6输入步骤S5构建的神经网络模型中；

S7.2：通过神经网络模型计算得到每个水体像元的水表盐度值；

S7.3：按3、6、9、12、15、18、22、26、32psu的盐度值间隔，将反演结果分为10级，得到河口区域的水表盐度带，进而分辨咸潮上溯边界。

本发明还提供一种基于星地协同的河口区水表盐度遥感反演系统，包括存储器和处理器，所述存储器中包括基于星地协同的河口区水表盐度遥感反演方法程序，所述基于星地协同的河口区水表盐度遥感反演方法程被所述处理器执行时实现如下步骤：包括以下步骤：

S1：结合河口区卫星遥感影像的成像时刻，即遥感卫星的过境时刻，选取同步的地面实测站点实测盐度信息；

S2：获取同步地面实测站点所在的经纬度信息；

S3：完成遥感影像的预处理：通过大气校正获取地表真实反射率，并完成水体像元提取；

S4：读取同步地面实测站点所在像元区域多个波段的反射率值；

S5：以同步地面站点实测盐度为输出数据，以地面实测站点的经纬度和地面实测站点所在像元区域多个波段的反射率值为输入数据，构建神经网络模型；

S6：网格化遥感影像，获取每个水体像元的经纬度及反射率值；

S7：基于步骤S5构建的神经网络模型，以步骤S6获取的每个水体像元的经纬度及反射率值为输入数据，反演获取整景遥感影像的水表盐度。

与现有技术相比，本发明技术方案的有益效果是：本发明提供一种基于星地协同的河口区水表盐度遥感反演方法及系统，本方法一方面利用了精度较高的河口区地面实测数据，以同步的地面实测站点实测数据为输出数据构建模型，提高了遥感反演模型的反演精度；另一方面改进了传统遥感反演模型仅通过光谱信息或间接水质参数反演水表盐度，增加了地理网格信息作为输入参数，充分利用了地面实测站点和遥感影像的经纬度信息以及遥感影像空间连续的数据特点，尤其适用于复杂河口地区实现河口区水表盐度的高精度反演。

附图说明

图1为基于星地协同的河口区水表盐度遥感反演方法的流程图。

图2为哨兵二号L1C级原始遥感影像的示意图。

图3为神经网络模型的拓扑图。

图4为神经网络训练值与实测值之间的分布趋势。

图5为珠江河口水表盐度反演结果示意图。

图6为珠江河口水表盐度分级显示示意图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

实施例1

如图1所示，本实施例提供一种基于星地协同的河口区水表盐度遥感反演方法，包括以下步骤：

S1：结合河口区卫星遥感影像的成像时刻，即遥感卫星的过境时刻，选取同步的地面实测站点实测盐度信息；具体包括：

S1.1：查询河口区的卫星遥感影像；卫星影像可以是欧空局哨兵二号、国产高分系列(高分一号、高分二号、高分四号、高分六号等)、国产资源三号、美国LANDSAT等多光谱遥感影像，本实例以哨兵二号多光谱影像为遥感数据源，用于获取珠江河口的水表盐度分布。根据哨兵系列卫星影像的查询网站(https://scihub.copernicus.eu/dhus/#/home)，覆盖珠江河口的哨兵二号影像需2景，拼接域编号为T49QGF和T49QGE。以2020年1月5日为例，L1C级原始遥感影像的真彩色示意图如图2所示，图中标注出了星地同步实测点位，即地面实测站点的位置。

S1.2：读取遥感影像的头文件信息，获取影像的成像时刻；本实施例中，影像成像时刻为北京时间2020年1月5日11时01分。

S1.3：读取成像时刻地面实测站点的实测盐度值。为降低测量数据误差，取成像当天10:00、11:00、12:00三个时刻的实测盐度均值Y，作为成像时刻地面实测站点的实测盐度值，参与后续建模。

S2：获取同步地面实测站点所在的经纬度信息；具体包括：

采用WGS84地理坐标，获取地面实测站点的经度X1、纬度X2，作为后续参与建模的两个自变量。

S3：完成遥感影像的预处理：通过大气校正获取地表真实反射率，并完成水体像元提取；具体包括：

S3.1：对哨兵二号多光谱遥感影像中10米分辨率的蓝光、绿光、红光、近红外4个波段遥感数据，即B2(蓝光490nm)、B3(绿光560nm)、B4(红光665nm)、B8(近红外842nm)进行大气校正，得到地表真实反射率值；需要说明的是，本实施例中，大气校正采用专利CN109325973B一种城市河网区水体大气校正方法中的方法进行。

S3.2：对已完成大气校正的4个波段遥感影像进行水体像元提取，所述像元为遥感影像栅格数据存储的最小单元，表现为影像空间分辨率的正方形区域。需要说明的是，本实施例中，水体像元提取采用专利CN109300133B一种城市河网区水体提取方法中的方法进行。

步骤S3.1和步骤S3.2的实施采用“珠三角水质遥感反演系统V1.2(登记号2020SR0349995)”软件平台进行。

S4：读取同步地面实测站点所在像元区域多个波段的反射率值。具体包括：

为降低遥感影像预处理过程带来的误差，以地面实测站点为中心像元，取周围3×3像元区域的均值作为对应地面实测站点的同步反射率值，蓝光、绿光、红光、近红外4个波段遥感影像的反射率值分别记为X3、X4、X5、X6，作为后续参与建模的4个自变量。

S5：以同步地面站点实测盐度为输出数据，以地面实测站点的经纬度和地面实测站点所在像元区域多个波段的反射率值为输入数据，构建神经网络模型；具体包括：

S5.1：准备输入参数X1、X2、X3、X4、X5、X6，输出参数Y，作为训练数据；

S5.2：构建两层前馈神经网络模型，其拓扑结构如图3所示。其中，输入层包含6个参数；隐层和输出层各设置10个神经元；输出1个参数；

S5.3：采用Levenberg-Marquardt反向传播算法进行多次训练，取模型R2较高的训练结果开展后续水表盐度遥感反演。本实施例神经网络训练值与实测值之间的分布趋势如图4所示.。

S6：网格化遥感影像，获取每个水体像元的经纬度及反射率值；具体包括：

S6.1：哨兵二号遥感影像的投影系统为UTM，珠江河口所在的投影带为49N。获取河口区域每个水体像元的投影坐标信息，通过坐标转换将水体像元的投影坐标转换为经纬度坐标，得到每个水体像元的经度A1、纬度A2；

S6.2：获取河口区域每个水体像元的蓝光、绿光、红光、近红外4个波段遥感影像的反射率值并进行大气校正，得到地表真实反射率值，记为A3、A4、A5、A6。

S7：基于步骤S5构建的神经网络模型，以步骤S6获取的每个水体像元的经纬度及反射率值为输入数据，反演获取整景遥感影像的水表盐度；具体包括：

S7.1：将参数A1、A2、A3、A4、A5、A6输入步骤S5构建的神经网络模型中；

S7.2：如图5所示，通过神经网络模型计算得到每个水体像元的水表盐度值；

S7.3：如图6所示，按3、6、9、12、15、18、22、26、32psu的盐度值间隔，将反演结果分为10级，得到河口区域的水表盐度带，进而分辨咸潮上溯边界。

需要说明的是，本实施例的步骤S1-S5为构建神经网络模型的过程，步骤S6-S7为通过构建的神经网络模型进行水表盐度遥感反演的过程。

需要说明的是，哨兵二号目前在轨运行有2A和2B两颗卫星，每5天可完成一次对地球赤道地区的完整成像。每颗卫星均携带一枚多光谱成像仪(MSI)，可覆盖13个光谱波段，地面分辨率分别有10m、20m和60m。本实施例用到的是10米分辨率的B2(蓝光490nm)、B3(绿光560nm)、B4(红光665nm)、B8(近红外842nm)波段。本实施例提供一种基于星地协同的河口区水表盐度遥感反演方法，本方法一方面利用了精度较高的河口区地面实测数据，以同步的地面实测站点实测数据为输出数据构建模型，提高了遥感反演模型的反演精度；另一方面改进了传统遥感反演模型仅通过光谱信息或间接水质参数反演水表盐度，增加了地理网格信息作为输入参数，充分利用了地面实测站点和遥感影像的经纬度信息以及遥感影像空间连续的数据特点，尤其适用于复杂河口地区实现河口区水表盐度的高精度反演。

实施例2

本实施例提供一种基于星地协同的河口区水表盐度遥感反演系统，包括存储器和处理器，所述存储器中包括基于星地协同的河口区水表盐度遥感反演方法程序，所述基于星地协同的河口区水表盐度遥感反演方法程被所述处理器执行时实现如下步骤：包括以下步骤：

S1：结合河口区卫星遥感影像的成像时刻，即遥感卫星的过境时刻，选取同步的地面实测站点实测盐度信息；

S2：读取同步地面实测站点所在的经纬度信息，记经度为X1、纬度为X2；

S3：完成遥感影像的预处理，通过大气校正获取地表真实反射率，并完成水体像元提取；

S4：读取同步地面实测站点所在像元区域多个波段的反射率值；

S5：以同步地面站点实测盐度为输出数据，以地面实测站点的经纬度和地面实测站点所在像元区域多个波段的反射率值为输入数据，构建神经网络模型；

S6：网格化遥感影像，获取每个水体像元的经纬度及反射率值；

S7：基于步骤五构建的神经网络模型，以步骤六获取的信息为输入数据，反演获取整景遥感影像的水表盐度。

在本申请所提供的实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，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，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，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全部单元来实现本实施例方案的目的。

另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以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，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本发明上述集成的单元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，也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，本发明实施例的技术方案本质上或者说对现有技术做出贡献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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种基于星地协同的河口区水表盐度遥感反演方法，其特征在于，包括以下步骤：

S1：结合河口区卫星遥感影像的成像时刻，即遥感卫星的过境时刻，选取同步的地面实测站点实测盐度信息；

S2：获取同步地面实测站点所在的经纬度信息；

S3：完成遥感影像的预处理：通过大气校正获取地表真实反射率，并完成水体像元提取；

S4：读取同步地面实测站点所在像元区域多个波段的反射率值；

S5：以同步地面站点实测盐度为输出数据，以地面实测站点的经纬度和地面实测站点所在像元区域多个波段的反射率值为输入数据，构建神经网络模型；

S6：网格化遥感影像，获取每个水体像元的经纬度及反射率值；

S7：基于步骤S5构建的神经网络模型，以步骤S6获取的每个水体像元的经纬度及反射率值为输入数据，反演获取整景遥感影像的水表盐度。

2.根据权利要求1所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S1中，具体包括：

S1.1：查询河口区的卫星遥感影像；

S1.2：读取遥感影像的头文件信息，获取影像的成像时刻；

S1.3：读取成像时刻地面实测站点的实测盐度值。

3.根据权利要求2所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S1.3中，取成像当天10:00、11:00、12:00三个时刻的实测盐度均值Y，作为成像时刻地面实测站点的实测盐度值。

4.根据权利要求1所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S2中，具体包括：

采用WGS84地理坐标，获取地面实测站点的经度X1、纬度X2。

5.根据权利要求4所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S3中，具体包括：

S3.1：对遥感影像的蓝光、绿光、红光、近红外4个波段遥感影像，进行大气校正，得到地表真实反射率值；

S3.2：对已完成大气校正的4个波段遥感影像进行水体像元提取，所述像元为遥感影像栅格数据存储的最小单元，表现为影像空间分辨率的正方形区域。

6.根据权利要求5所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S4中，以地面实测站点为中心像元，取周围3×3像元区域的均值作为对应地面实测站点的同步反射率值，4个波段遥感影像的反射率值分别记为X3、X4、X5、X6。

7.根据权利要求6所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S5中，具体包括：

S5.1：准备输入参数X1、X2、X3、X4、X5、X6，输出参数Y，作为训练数据；

S5.2：构建两层前馈神经网络模型，其中，输入层包含6个参数，即参数X1、X2、X3、X4、X5、X6；隐层和输出层各设置10个神经元；输出1个参数，即参数Y；

S5.3：采用Levenberg-Marquardt反向传播算法进行多次训练，取模型R²较高的训练结果开展后续水表盐度遥感反演。

8.根据权利要求7所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S6中，具体包括：

S6.1：获取河口区域的每个水体像元的投影坐标信息，通过坐标转换将水体像元的投影坐标转换为经纬度坐标，得到每个水体像元的经度A1、纬度A2；

S6.2：获取河口区域的每个水体像元的蓝光、绿光、红光、近红外4个波段遥感影像的反射率值并进行大气校正，得到地表真实反射率值，记为A3、A4、A5、A6。

9.根据权利要求8所述的基于星地协同的河口区水表盐度遥感反演方法，其特征在于，步骤S7中，具体包括：

S7.1：将参数A1、A2、A3、A4、A5、A6输入步骤S5构建的神经网络模型中；

S7.2：通过神经网络模型计算得到每个水体像元的水表盐度值；

S7.3：按3、6、9、12、15、18、22、26、32psu的盐度值间隔，将反演结果分为10级，得到河口区域的水表盐度带，进而分辨咸潮上溯边界。

10.一种基于星地协同的河口区水表盐度遥感反演系统，其特征在于，包括存储器和处理器，所述存储器中包括基于星地协同的河口区水表盐度遥感反演方法程序，所述基于星地协同的河口区水表盐度遥感反演方法程被所述处理器执行时实现如下步骤：包括以下步骤：

S1：结合河口区卫星遥感影像的成像时刻，即遥感卫星的过境时刻，选取同步的地面实测站点实测盐度信息；

S2：获取同步地面实测站点所在的经纬度信息；

S3：完成遥感影像的预处理：通过大气校正获取地表真实反射率，并完成水体像元提取；

S4：读取同步地面实测站点所在像元区域多个波段的反射率值；

S5：以同步地面站点实测盐度为输出数据，以地面实测站点的经纬度和地面实测站点所在像元区域多个波段的反射率值为输入数据，构建神经网络模型；

S6：网格化遥感影像，获取每个水体像元的经纬度及反射率值；

S7：基于步骤S5构建的神经网络模型，以步骤S6获取的每个水体像元的经纬度及反射率值为输入数据，反演获取整景遥感影像的水表盐度。

Images