CN114397230A - 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 - Google Patents
一种基于卫星遥感的近地面颗粒物组分检测方法和装置 Download PDFInfo
- Publication number
- CN114397230A CN114397230A CN202111673267.3A CN202111673267A CN114397230A CN 114397230 A CN114397230 A CN 114397230A CN 202111673267 A CN202111673267 A CN 202111673267A CN 114397230 A CN114397230 A CN 114397230A
- Authority
- CN
- China
- Prior art keywords
- curve
- remote sensing
- spectrum
- preset
- particulate matter
- 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
- 238000001514 detection method Methods 0.000 title claims description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 126
- 239000013618 particulate matter Substances 0.000 claims abstract description 63
- 230000003595 spectral effect Effects 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 20
- 239000002245 particle Substances 0.000 claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims description 31
- 238000000926 separation method Methods 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 2
- 239000003344 environmental pollutant Substances 0.000 abstract description 6
- 231100000719 pollutant Toxicity 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 22
- 238000004590 computer program Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 239000000443 aerosol Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于卫星遥感的近地面颗粒物组分检测方法和装置，包括获取待测区域的全色遥感图像和多光谱遥感图像，根据全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线；将光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度；基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。本发明卫星遥感可以提供广阔范围内的近地面颗粒物的区域分布，在污染物监测、污染事件的确定、污染源解析以及污染物的区域输送方面有广泛的应用。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种基于卫星遥感的近地面颗粒物组分检测方法和装置。
背景技术
随着国民经济的快速发展，城市规模不断扩大，工业化使社会经济高速发展，也带来了对资源的大量消耗和对大气环境的严重破坏。尤其是近年来，区域性大气环境问题日益突出。当前主要通过建立了地面环境监测站来监测颗粒物以及污染气体浓度等，但是这些站点往往比较稀疏、集中于城市，难以全面反映气溶胶粒子的空间分布，不能进行颗粒物组分的宏观监测。
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，提供一种基于卫星遥感的近地面颗粒物组分检测方法和装置。
本发明解决上述技术问题的技术方案如下：
一种基于卫星遥感的近地面颗粒物组分检测方法，所述方法包括：
获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线；
将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度；
基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。
在上述技术方案的基础上，本发明还可以做如下改进。
进一步地，所述预设光谱模板曲线集合是通过以下方法得到：
获取所述待测区域的历史全色遥感图像和历史多光谱遥感图像；
提取所述历史全色遥感图像和历史多光谱遥感图像中的预设位置的像素点，绘制所述像素点对应的光谱曲线，对所有所述像素点的光谱曲线进行拟合，得到所述光谱模板曲线，其中每一个所述光谱模板曲线对应一个历史时刻的近地面颗粒物组分信息；
将得到的所有所述光谱模板曲线放入所述预设光谱模板曲线集合中，得到所述预设光谱模板曲线集。
进一步地，所述将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，具体包括：
分别计算所述光谱曲线与预设光谱模板曲线集合中各光谱模板曲线的的相关系数；
将所有所述相关系数中的最大值所对应的所述光谱模板曲线，确定为所述光谱曲线的匹配结果。
进一步地，所述对所述高光谱图像数据进行分析，得到光谱曲线，具体包括：
对所述高光谱图像数据进行坐标系映射后，得到直方图多维矩阵；
获取转化后的图像的直方图多维矩阵，并对所述直方图多维矩阵进行最小噪声分离变换，得到噪声调整后的最小噪声分离矩阵数据；
利用所述最小噪声分离矩阵数据，构建所述光谱曲线。
进一步地，所述基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息，具体包括：
判断所述差异度是否大于预设差异度阈值，
若是，则计算所述光谱曲线中各预设点的特征统计量，并计算所述特征统计量的归一化值；
将所述归一化值和所述匹配光谱模板曲线对应的近地面颗粒物组分信息、以及预设每一种近地面颗粒物类型的光谱曲线输入所述预设调整函数中，得到所述待测区域的近地面颗粒物组分信息，其中所述预设调整函数是基于的近地面颗粒物的浓度值与光谱曲线之间的映射关系函数构建的。
本方法发明的有益效果是：提出了一种基于卫星遥感的近地面颗粒物组分检测方法，包括获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线；将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度；基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。本发明卫星遥感可以提供广阔范围内的近地面颗粒物的区域分布，在污染物监测、污染事件的确定、污染源解析以及污染物的区域输送方面有广泛的应用。
本发明还解决上述技术问题的另一种技术方案如下：
一种基于卫星遥感的近地面颗粒物组分检测装置，所述装置包括：
采集模块，用于获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线；
计算模块，用于将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度；
调整模块，用于基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。
进一步地，所述装置还包括历史构建模块，用于获取所述待测区域的历史全色遥感图像和历史多光谱遥感图像；
提取所述历史全色遥感图像和历史多光谱遥感图像中的预设位置的像素点，绘制所述像素点对应的光谱曲线，对所有所述像素点的光谱曲线进行拟合，得到所述光谱模板曲线，其中每一个所述光谱模板曲线对应一个历史时刻的近地面颗粒物组分信息；
将得到的所有所述光谱模板曲线放入所述预设光谱模板曲线集合中，得到所述预设光谱模板曲线集。
进一步地，所述计算模块，用于分别计算所述光谱曲线与预设光谱模板曲线集合中各光谱模板曲线的的相关系数；
将所有所述相关系数中的最大值所对应的所述光谱模板曲线，确定为所述光谱曲线的匹配结果。
进一步地，所述采集模块，具体用于所述对所述高光谱图像数据进行分析，得到光谱曲线，具体包括：
对所述高光谱图像数据进行坐标系映射后，得到直方图多维矩阵；
获取转化后的图像的直方图多维矩阵，并对所述直方图多维矩阵进行最小噪声分离变换，得到噪声调整后的最小噪声分离矩阵数据；
利用所述最小噪声分离矩阵数据，构建所述光谱曲线。
进一步地，所述调整模块，具体用于具体判断所述差异度是否大于预设差异度阈值，
若是，则计算所述光谱曲线中各预设点的特征统计量，并计算所述特征统计量的归一化值；
将所述归一化值和所述匹配光谱模板曲线对应的近地面颗粒物组分信息、以及预设每一种近地面颗粒物类型的光谱曲线输入所述预设调整函数中，得到所述待测区域的近地面颗粒物组分信息，其中所述预设调整函数是基于的近地面颗粒物的浓度值与光谱曲线之间的映射关系函数构建的。
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
为了更清楚地说明本发明实施例的技术方案，下面将对本发明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，下面所描述的附图仅仅是本发明的一些实施例，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为本发明实施例所述的一种基于卫星遥感的近地面颗粒物组分检测方法的流程示意图；
图2为本发明另一实施例所述的一种基于卫星遥感的近地面颗粒物组分检测装置的模块示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应属于本发明保护的范围。
如图1所示，本发明实施例所述的一种基于卫星遥感的近地面颗粒物组分检测方法，包括以下步骤：
110、获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线。
120、将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度。
130、基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。
基于上述实施例，进一步地，所述预设光谱模板曲线集合是通过以下方法得到：
获取所述待测区域的历史全色遥感图像和历史多光谱遥感图像。
提取所述历史全色遥感图像和历史多光谱遥感图像中的预设位置的像素点，绘制所述像素点对应的光谱曲线，对所有所述像素点的光谱曲线进行拟合，得到所述光谱模板曲线，其中每一个所述光谱模板曲线对应一个历史时刻的近地面颗粒物组分信息。
将得到的所有所述光谱模板曲线放入所述预设光谱模板曲线集合中，得到所述预设光谱模板曲线集。
进一步地，步骤120中将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，具体包括：
分别计算所述光谱曲线与预设光谱模板曲线集合中各光谱模板曲线的的相关系数；
将所有所述相关系数中的最大值所对应的所述光谱模板曲线，确定为所述光谱曲线的匹配结果。
进一步地，步骤120中对所述高光谱图像数据进行分析，得到光谱曲线，具体包括：
对所述高光谱图像数据进行坐标系映射后，得到直方图多维矩阵。
获取转化后的图像的直方图多维矩阵，并对所述直方图多维矩阵进行最小噪声分离变换，得到噪声调整后的最小噪声分离矩阵数据。
利用所述最小噪声分离矩阵数据，构建所述光谱曲线。
应理解，最小噪声分离矩阵数据进行特征分解，得到代表每维数据变化特征值，将每维数据变化特征值绘制成曲线。
进一步地，步骤130中具体包括：
判断所述差异度是否大于预设差异度阈值。
若是，则计算所述光谱曲线中各预设点的特征统计量，并计算所述特征统计量的归一化值。
将所述归一化值和所述匹配光谱模板曲线对应的近地面颗粒物组分信息、以及预设每一种近地面颗粒物类型的光谱曲线输入所述预设调整函数中，得到所述待测区域的近地面颗粒物组分信息，其中所述预设调整函数是基于的近地面颗粒物的浓度值与光谱曲线之间的映射关系函数构建的。
应理解，利用近地面颗粒物的数据集进行调整函数拟合，并从调整函数的拟合结果中选取预设调整函数的过程，按照近地面颗粒物的浓度值与光谱曲线之间的映射关系，通过得到最小化预测标准差为目标，拟合出当前的近地面颗粒物的浓度值。
基于上述实施例所提出的一种基于卫星遥感的近地面颗粒物组分检测方法，包括获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线；将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度；基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。本发明卫星遥感可以提供广阔范围内的近地面颗粒物的区域分布，在污染物监测、污染事件的确定、污染源解析以及污染物的区域输送方面有广泛的应用。
如图2所示，一种基于卫星遥感的近地面颗粒物组分检测装置，所述装置包括：
采集模块，用于获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线。
计算模块，用于将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度。
调整模块，用于基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。
进一步地，所述装置还包括历史构建模块，用于获取所述待测区域的历史全色遥感图像和历史多光谱遥感图像；
提取所述历史全色遥感图像和历史多光谱遥感图像中的预设位置的像素点，绘制所述像素点对应的光谱曲线，对所有所述像素点的光谱曲线进行拟合，得到所述光谱模板曲线，其中每一个所述光谱模板曲线对应一个历史时刻的近地面颗粒物组分信息；
将得到的所有所述光谱模板曲线放入所述预设光谱模板曲线集合中，得到所述预设光谱模板曲线集。
进一步地，所述计算模块，用于分别计算所述光谱曲线与预设光谱模板曲线集合中各光谱模板曲线的的相关系数；
将所有所述相关系数中的最大值所对应的所述光谱模板曲线，确定为所述光谱曲线的匹配结果。
进一步地，所述采集模块，具体用于所述对所述高光谱图像数据进行分析，得到光谱曲线，具体包括：
对所述高光谱图像数据进行坐标系映射后，得到直方图多维矩阵；
获取转化后的图像的直方图多维矩阵，并对所述直方图多维矩阵进行最小噪声分离变换，得到噪声调整后的最小噪声分离矩阵数据；
利用所述最小噪声分离矩阵数据，构建所述光谱曲线。
进一步地，所述调整模块，具体用于具体判断所述差异度是否大于预设差异度阈值，
若是，则计算所述光谱曲线中各预设点的特征统计量，并计算所述特征统计量的归一化值；
将所述归一化值和所述匹配光谱模板曲线对应的近地面颗粒物组分信息、以及预设每一种近地面颗粒物类型的光谱曲线输入所述预设调整函数中，得到所述待测区域的近地面颗粒物组分信息，其中所述预设调整函数是基于的近地面颗粒物的浓度值与光谱曲线之间的映射关系函数构建的。
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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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。
所述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。
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。
所述集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的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，所述计算机程序包括计算机程序代码，所述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。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
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)
1.一种基于卫星遥感的近地面颗粒物组分检测方法，其特征在于，所述方法包括：
获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线；
将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度；
基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。
2.根据权利要求1所述的基于卫星遥感的近地面颗粒物组分检测方法，其特征在于，所述预设光谱模板曲线集合是通过以下方法得到：
获取所述待测区域的历史全色遥感图像和历史多光谱遥感图像；
提取所述历史全色遥感图像和历史多光谱遥感图像中的预设位置的像素点，绘制所述像素点对应的光谱曲线，对所有所述像素点的光谱曲线进行拟合，得到所述光谱模板曲线，其中每一个所述光谱模板曲线对应一个历史时刻的近地面颗粒物组分信息；
将得到的所有所述光谱模板曲线放入所述预设光谱模板曲线集合中，得到所述预设光谱模板曲线集。
3.根据权利要求2所述的基于卫星遥感的近地面颗粒物组分检测方法，其特征在于，所述将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，具体包括：
分别计算所述光谱曲线与预设光谱模板曲线集合中各光谱模板曲线的的相关系数；
将所有所述相关系数中的最大值所对应的所述光谱模板曲线，确定为所述光谱曲线的匹配结果。
4.根据权利要求3所述的基于卫星遥感的近地面颗粒物组分检测方法，其特征在于，所述对所述高光谱图像数据进行分析，得到光谱曲线，具体包括：
对所述高光谱图像数据进行坐标系映射后，得到直方图多维矩阵；
获取转化后的图像的直方图多维矩阵，并对所述直方图多维矩阵进行最小噪声分离变换，得到噪声调整后的最小噪声分离矩阵数据；
利用所述最小噪声分离矩阵数据，构建所述光谱曲线。
5.根据权利要求4所述的基于卫星遥感的近地面颗粒物组分检测方法，其特征在于，所述基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息，具体包括：
判断所述差异度是否大于预设差异度阈值；
若是，则计算所述光谱曲线中各预设点的特征统计量，并计算所述特征统计量的归一化值；
将所述归一化值和所述匹配光谱模板曲线对应的近地面颗粒物组分信息、以及预设每一种近地面颗粒物类型的光谱曲线输入所述预设调整函数中，得到所述待测区域的近地面颗粒物组分信息，其中所述预设调整函数是基于的近地面颗粒物的浓度值与光谱曲线之间的映射关系函数构建的。
6.一种基于卫星遥感的近地面颗粒物组分检测装置，其特征在于，所述装置包括：
采集模块，用于获取待测区域的全色遥感图像和多光谱遥感图像，根据所述全色遥感图像和所述多光谱遥感图像，得到所述待测区域的高光谱图像数据，对所述高光谱图像数据进行分析，得到光谱曲线；
计算模块，用于将所述光谱曲线与预设光谱模板曲线集合进行匹配，得到匹配光谱模板曲线，计算所述光谱曲线与所述匹配光谱模板曲线之间的差异度；
调整模块，用于基于所述差异度和预设调整函数，调整所述匹配光谱模板曲线所对应近地面颗粒物组分信息，得到所述待测区域的近地面颗粒物组分信息。
7.根据权利要求6所述的基于卫星遥感的近地面颗粒物组分检测装置，其特征在于，
所述装置还包括历史构建模块，用于获取所述待测区域的历史全色遥感图像和历史多光谱遥感图像；
提取所述历史全色遥感图像和历史多光谱遥感图像中的预设位置的像素点，绘制所述像素点对应的光谱曲线，对所有所述像素点的光谱曲线进行拟合，得到所述光谱模板曲线，其中每一个所述光谱模板曲线对应一个历史时刻的近地面颗粒物组分信息；
将得到的所有所述光谱模板曲线放入所述预设光谱模板曲线集合中，得到所述预设光谱模板曲线集。
8.根据权利要求7所述的基于卫星遥感的近地面颗粒物组分检测装置，其特征在于，所述计算模块，用于分别计算所述光谱曲线与预设光谱模板曲线集合中各光谱模板曲线的的相关系数；
将所有所述相关系数中的最大值所对应的所述光谱模板曲线，确定为所述光谱曲线的匹配结果。
9.根据权利要求8所述的基于卫星遥感的近地面颗粒物组分检测装置，其特征在于，所述采集模块，具体用于所述对所述高光谱图像数据进行分析，得到光谱曲线，具体包括：
对所述高光谱图像数据进行坐标系映射后，得到直方图多维矩阵；
获取转化后的图像的直方图多维矩阵，并对所述直方图多维矩阵进行最小噪声分离变换，得到噪声调整后的最小噪声分离矩阵数据；
利用所述最小噪声分离矩阵数据，构建所述光谱曲线。
10.根据权利要求9所述的基于卫星遥感的近地面颗粒物组分检测装置，其特征在于，
所述调整模块，具体用于具体判断所述差异度是否大于预设差异度阈值；
若是，则计算所述光谱曲线中各预设点的特征统计量，并计算所述特征统计量的归一化值；
将所述归一化值和所述匹配光谱模板曲线对应的近地面颗粒物组分信息、以及预设每一种近地面颗粒物类型的光谱曲线输入所述预设调整函数中，得到所述待测区域的近地面颗粒物组分信息，其中所述预设调整函数是基于的近地面颗粒物的浓度值与光谱曲线之间的映射关系函数构建的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111673267.3A CN114397230B (zh) | 2021-12-31 | 2021-12-31 | 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111673267.3A CN114397230B (zh) | 2021-12-31 | 2021-12-31 | 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114397230A true CN114397230A (zh) | 2022-04-26 |
| CN114397230B CN114397230B (zh) | 2023-07-07 |
Family
ID=81228148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111673267.3A Active CN114397230B (zh) | 2021-12-31 | 2021-12-31 | 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114397230B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56128443A (en) * | 1980-03-13 | 1981-10-07 | Nippon Kokan Kk <Nkk> | Grain size measuring method of granulous substance |
| US20130110400A1 (en) * | 2010-06-28 | 2013-05-02 | Green Vision Systems Ltd. | Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis |
| CN103674794A (zh) * | 2013-12-16 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
| 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 |
| CN111091113A (zh) * | 2019-12-30 | 2020-05-01 | 贵阳欧比特宇航科技有限公司 | 一种高光谱影像数据融合方法 |
| US20210156781A1 (en) * | 2019-04-28 | 2021-05-27 | Jinan University | Real-time online monitoring and source apportionment method for atmospheric fine particles containing heavy metals |
-
2021
- 2021-12-31 CN CN202111673267.3A patent/CN114397230B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS56128443A (en) * | 1980-03-13 | 1981-10-07 | Nippon Kokan Kk <Nkk> | Grain size measuring method of granulous substance |
| US20130110400A1 (en) * | 2010-06-28 | 2013-05-02 | Green Vision Systems Ltd. | Real-time monitoring, parametric profiling, and regulating contaminated outdoor air particulate matter throughout a region, via hyper-spectral imaging and analysis |
| CN103674794A (zh) * | 2013-12-16 | 2014-03-26 | 中国科学院遥感与数字地球研究所 | 遥感监测近地表细颗粒物质量浓度pm2.5的多元回归方法 |
| 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 |
| US20210156781A1 (en) * | 2019-04-28 | 2021-05-27 | Jinan University | Real-time online monitoring and source apportionment method for atmospheric fine particles containing heavy metals |
| CN111091113A (zh) * | 2019-12-30 | 2020-05-01 | 贵阳欧比特宇航科技有限公司 | 一种高光谱影像数据融合方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114397230B (zh) | 2023-07-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111428631B (zh) | 无人机飞控信号可视化识别分选方法 | |
| CN112101159A (zh) | 多时相林业遥感影像变化监测方法 | |
| CN102184534B (zh) | 一种利用多尺度高帽选择变换的图像融合方法 | |
| CN114279982B (zh) | 水体污染信息获取方法及装置 | |
| US11594015B1 (en) | Detecting changes in forest composition | |
| CN110826509A (zh) | 一种基于高分遥感影像的草原围栏信息提取系统及方法 | |
| CN114418970A (zh) | 基于卫星遥感的雾霾分布与气溶胶光学厚度检测方法和装置 | |
| CN113887324A (zh) | 基于卫星遥感数据的火点检测方法 | |
| CN117172430A (zh) | 一种基于深度学习的水体环境评估与预测方法及系统 | |
| CN117763186A (zh) | 遥感图像检索方法、系统、计算机设备及存储介质 | |
| CN116468958A (zh) | 通信铁塔安全检测方法及系统 | |
| CN109752600B (zh) | 基于软件定义无线电技术的异常电磁信号分析系统及方法 | |
| CN117368862A (zh) | 一种高效气象雷达数据质量评估系统 | |
| CN115311623A (zh) | 一种基于红外热成像的设备漏油检测方法及系统 | |
| CN116452613B (zh) | 一种地质调查中裂缝轮廓提取方法 | |
| CN113822361A (zh) | 一种基于汉明距离的sar图像相似程度度量方法和系统 | |
| Shire et al. | A review paper on: agricultural plant leaf disease detection using image processing | |
| CN114397230A (zh) | 一种基于卫星遥感的近地面颗粒物组分检测方法和装置 | |
| CN115205246B (zh) | 换流阀电晕放电紫外图像特征提取方法和装置 | |
| CN114414446B (zh) | 基于卫星遥感的近地面颗粒物浓度估算方法、装置和设备 | |
| CN115761606A (zh) | 基于图像处理的箱体电能表识别方法及装置 | |
| CN115601655A (zh) | 基于卫星遥感的水体信息识别方法、装置和可读介质 | |
| Zhang et al. | Measuring polycentric urban development with multi-temporal Sentinel-1 SAR imagery: A case study in Shanghai, China | |
| CN116958138B (zh) | 一种用于桥梁检测的取样控制方法、系统、设备及介质 | |
| CN115830442B (zh) | 一种基于机器学习的小麦茎蘖密度遥感估算方法和系统 |
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 |