CN114663781A - 一种城市多源环境数据的碳源反演方法 - Google Patents
一种城市多源环境数据的碳源反演方法 Download PDFInfo
- Publication number
- CN114663781A CN114663781A CN202210388571.1A CN202210388571A CN114663781A CN 114663781 A CN114663781 A CN 114663781A CN 202210388571 A CN202210388571 A CN 202210388571A CN 114663781 A CN114663781 A CN 114663781A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- data
- sensing data
- carbon source
- point
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种城市多源环境数据的碳源反演方法,包括步骤一、采样点的定制,步骤二、高光谱遥感数据的获取,步骤三、地面实测数据的获取,步骤四、模型建立和训练,步骤五、碳源反演模型的实测;本发明通过利用卫星遥感技术获取高光谱数据,利用建立的反演模型能够快速获得多源城市环境数据的碳源数据,无需耗费大量人力物力进行实测,为城市环境治理提供了智能化的监测数据获取方向,加速了城市环境治理的脚步。
Description
技术领域
本发明涉及城市环境治理技术领域,尤其涉及一种城市多源环境数据的碳源反演方法。
背景技术
城市环境是指影响城市人类活动的各种自然的或人工的外部条件的总和,这里的城市环境主要是指城市的物理环境,其组成可分为自然环境和人工环境两部分,城市有现代化的工业,建筑,交通,运输,通讯联系,文化娱乐设施及其他服务行业,为居民的物质和文明生活创造了优越条件,但是城市人口密集,工厂林立,交通阻塞等,而使环境遭受严重的污染和破坏,城市的不合理发展和过度膨胀会导致地域环境和城市内部坏境的恶化,城市环境质量好坏直接影响城市居民的生产和生活活动;
卫星遥感技术是目前兴起的一项环境数据获取的智能化技术,而目前对于城市环境的碳源数据多为进行地面实测的方法获取,需要消耗大量的人力和物力,因此,本发明提出一种城市多源环境数据的碳源反演方法以解决现有技术中存在的问题。
发明内容
针对上述问题,本发明的目的在于提出一种城市多源环境数据的碳源反演方法,该城市多源环境数据的碳源反演方法利用卫星遥感技术获取高光谱数据,利用建立的反演模型能够快速获得多源城市环境数据的碳源数据,无需耗费大量人力物力进行实测,为城市环境治理提供了智能化的监测数据获取方向,加速了城市环境治理的脚步。
为实现本发明的目的,本发明通过以下技术方案实现:一种城市多源环境数据的碳源反演方法,包括以下步骤:
步骤一、采样点的制定,在城市中选取代表性的环境研究点,并在环境研究点直径一公里的范围内选取若干控制点,将环境研究点及附近控制点在城市地图上进行标注;
步骤二、高光谱遥感数据的获取,根据步骤一中选取的环境研究点及控制点利用遥感卫星获取所有标注点的高光谱遥感数据,并对其进行预处理;
步骤三、地面实测数据的获取,根据地图上标注的所有点的位置制定实测路线,并按照实测路线实地提取环境数据样本带回实验室进行精密测定并分析获得碳源数据;
步骤四、模型建立和训练,结合环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据建立碳源反演模型,并利用采集的控制点的预处理后的高光谱遥感数据和地面实测碳源数据对碳源反演模型进行训练,获得训练后的反演模型;
步骤五、碳源反演模型的实测,利用遥感卫星实时获取城市多源环境高光谱遥感数据并进行预处理后作为输入导入碳源反演模型中,由碳源反演模型输出多源环境碳源数据。
进一步改进在于:所述步骤二中获取的遥感数据为非成像高光谱遥感数据,所述非成像高光谱遥感数据预处理方法是通过多元散射校正,具体为
S1、获取环境研究点所有的非成像高光谱遥感数据,并将非成像高光谱遥感数据相加后求出平均值,获得理想光谱数据曲线,定义为α;
S2、将环境研究点每个非成像高光谱遥感数据曲线与理想光谱数据曲线α结合建立一元线性回归方程,求得每条非成像高光谱遥感数据曲线的偏移量B和平移量K;
S3、利用求解的偏移量B和平移量K计算出校正系数,根据校正系数对环境研究点所有的非成像高光谱遥感数据曲线进行校正,获得处理后的遥感数据。
进一步改进在于:所述S1中理想光谱数据曲线计算方法由下式表示
其中n表示非成像高光谱遥感数据数量,N表示非成像高光谱遥感数据,α表示理想光谱数据曲线。
进一步改进在于:所述S2中一元线性回归方程由下式表示
Ni=Kiα+Bi
其中Ni表示i点的非成像高光谱遥感数据,Ki表示i点的遥感数据曲线平移量,Bi表示i点的遥感数据曲线偏移量,α表示理想光谱曲线。
进一步改进在于:所述S3中校正处理后的遥感数据用公式表示为
其中Mi表示i点校正后遥感数据,Ni表示i点的非成像高光谱遥感数据,Bi表示i点的遥感数据曲线偏移量,Ki表示i点的遥感数据曲线平移量。
进一步改进在于:所述步骤三中地面实测数据的精密测定数据包含测定每个数据的最大值、最小值、平均值、标准差和变异系数,所述步骤三中获取地面实测数据样本时,控制遥感卫星同步获取实测点的高光谱遥感数据,两者数据获取的时差不超过两个小时。
进一步改进在于:所述步骤四中建立碳源反演模型时将特征系数作为未知数,将环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据作为已知求解获得特征系数,再通过控制点的预处理后的高光谱遥感数据作为已知,利用反演模型获得控制点的碳元数据,并将其与控制点实测碳元数据作比较进行训练验证。
本发明的有益效果为:本发明通过利用卫星遥感技术获取高光谱数据,利用建立的反演模型能够快速获得多源城市环境数据的碳源数据,无需耗费大量人力物力进行实测,为城市环境治理提供了智能化的监测数据获取方向,加速了城市环境治理的脚步。
附图说明
图1为本发明实施例一方法流程图。
图2为本发明实施例一预处理方法流程图。
图3为本发明实施例二方法流程图。
具体实施方式
为了加深对本发明的理解,下面将结合实施例对本发明做进一步详述,本实施例仅用于解释本发明,并不构成对本发明保护范围的限定。
实施例一
根据图1和图2所示,本实施例提供了一种城市多源环境数据的碳源反演方法,包括以下步骤:
步骤一、采样点的制定,在城市中选取代表性的环境研究点,并在环境研究点直径一公里的范围内选取若干控制点,便于后续遥感影像的校正,将环境研究点及附近控制点在城市地图上进行标注;
步骤二、高光谱遥感数据的获取,根据步骤一中选取的环境研究点及控制点利用遥感卫星获取所有标注点的高光谱遥感数据,并对其进行预处理;
其中获取的遥感数据为非成像高光谱遥感数据,包括空间分辨率、时间分辨率和辐射分辨率等参数,所述非成像高光谱遥感数据预处理方法是通过多元散射校正,通过理想光谱数据修正实测光谱数据的基线平移和偏移现象,具体为
S1、获取环境研究点所有的非成像高光谱遥感数据,并将非成像高光谱遥感数据相加后求出平均值,获得理想光谱数据曲线,定义为α,计算方法由下式表示
其中n表示非成像高光谱遥感数据数量,N表示非成像高光谱遥感数据,α表示理想光谱数据曲线;
S2、将环境研究点每个非成像高光谱遥感数据曲线与理想光谱数据曲线α结合建立一元线性回归方程,并利用最小二乘问题求得每条非成像高光谱遥感数据曲线的偏移量B和平移量K,一元线性回归方程由下式表示
Ni=Kiα+Bi
其中Ni表示i点的非成像高光谱遥感数据,Ki表示i点的遥感数据曲线平移量,Bi表示i点的遥感数据曲线偏移量,α表示理想光谱曲线;
S3、利用求解的偏移量B和平移量K计算出校正系数,根据校正系数对环境研究点所有的非成像高光谱遥感数据曲线进行校正,获得处理后的遥感数据,校正处理后的遥感数据用公式表示为
其中Mi表示i点校正后遥感数据,Ni表示i点的非成像高光谱遥感数据,Bi表示i点的遥感数据曲线偏移量,Ki表示i点的遥感数据曲线平移量。
步骤三、地面实测数据的获取,根据地图上标注的所有点的位置制定实测路线,并按照实测路线实地提取环境数据样本带回实验室进行精密测定并分析获得碳源数据;
其中地面实测数据的精密测定数据包含测定每个数据的最大值、最小值、平均值、标准差和变异系数;
在获取地面实测数据样本时,控制遥感卫星同步获取实测点的高光谱遥感数据,两者数据获取的时差不超过两个小时。
步骤四、模型建立和训练,结合环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据建立碳源反演模型,并利用采集的控制点的预处理后的高光谱遥感数据和地面实测碳源数据对碳源反演模型进行训练,获得训练后的反演模型;
建立碳源反演模型时将特征系数作为未知数,将环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据作为已知求解获得特征系数,再通过控制点的预处理后的高光谱遥感数据作为已知,利用反演模型获得控制点的碳元数据,并将其与控制点实测碳元数据作比较进行训练验证。
步骤五、碳源反演模型的实测,利用遥感卫星实时获取城市多源环境高光谱遥感数据并进行预处理后作为输入导入碳源反演模型中,由碳源反演模型输出多源环境碳源数据。
实施例二
根据图3所示,本实施例提供了一种城市多源环境数据的碳源反演方法,包括以下步骤:
步骤一、采样点的制定,在城市中选取代表性的环境研究点,并在环境研究点直径一公里的范围内选取若干控制点,将环境研究点及附近控制点在城市地图上进行标注;
步骤二、高光谱遥感数据的获取,根据步骤一中选取的环境研究点及控制点利用遥感卫星获取所有标注点的高光谱遥感数据,并对其进行预处理;
其中获取的遥感数据为非成像高光谱遥感数据,所述非成像高光谱遥感数据预处理方法包括辐射校正和裁剪/矢量化。
辐射校正包括辐射定标和大气校正,辐射定标是将遥感数据中的DN值转为有物理意义的辐亮度值或表观反射率,在定标的基础上去除大气中气溶胶以及颗粒等因素的影响需要进行大气校正操作,最终获取到地表反射率数值。
步骤三、地面实测数据的获取,根据地图上标注的所有点的位置制定实测路线,并按照实测路线实地提取环境数据样本带回实验室进行精密测定并分析获得碳源数据;
在获取地面实测数据样本时,控制遥感卫星同步获取实测点的高光谱遥感数据,两者数据获取的时差不超过两个小时。
步骤四、模型建立和训练,结合环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据建立碳源反演模型,并利用采集的控制点的预处理后的高光谱遥感数据和地面实测碳源数据对碳源反演模型进行训练,获得训练后的反演模型;
建立碳源反演模型时将特征系数作为未知数,将环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据作为已知求解获得特征系数,再通过控制点的预处理后的高光谱遥感数据作为已知,利用反演模型获得控制点的碳元数据,并将其与控制点实测碳元数据作比较进行训练验证。
步骤五、碳源反演模型的实测,利用遥感卫星实时获取城市多源环境高光谱遥感数据并进行预处理后作为输入导入碳源反演模型中,由碳源反演模型输出多源环境碳源数据。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种城市多源环境数据的碳源反演方法,其特征在于,包括以下步骤:
步骤一、采样点的制定,在城市中选取代表性的环境研究点,并在环境研究点直径一公里的范围内选取若干控制点,将环境研究点及附近控制点在城市地图上进行标注;
步骤二、高光谱遥感数据的获取,根据步骤一中选取的环境研究点及控制点利用遥感卫星获取所有标注点的高光谱遥感数据,并对其进行预处理;
步骤三、地面实测数据的获取,根据地图上标注的所有点的位置制定实测路线,并按照实测路线实地提取环境数据样本带回实验室进行精密测定并分析获得碳源数据;
步骤四、模型建立和训练,结合环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据建立碳源反演模型,并利用采集的控制点的预处理后的高光谱遥感数据和地面实测碳源数据对碳源反演模型进行训练,获得训练后的反演模型;
步骤五、碳源反演模型的实测,利用遥感卫星实时获取城市多源环境高光谱遥感数据并进行预处理后作为输入导入碳源反演模型中,由碳源反演模型输出多源环境碳源数据。
2.根据权利要求1所述的一种城市多源环境数据的碳源反演方法,其特征在于:所述步骤二中获取的遥感数据为非成像高光谱遥感数据,所述非成像高光谱遥感数据预处理方法是通过多元散射校正,具体为
S1、获取环境研究点所有的非成像高光谱遥感数据,并将非成像高光谱遥感数据相加后求出平均值,获得理想光谱数据曲线,定义为α;
S2、将环境研究点每个非成像高光谱遥感数据曲线与理想光谱数据曲线α结合建立一元线性回归方程,求得每条非成像高光谱遥感数据曲线的偏移量B和平移量K;
S3、利用求解的偏移量B和平移量K计算出校正系数,根据校正系数对环境研究点所有的非成像高光谱遥感数据曲线进行校正,获得处理后的遥感数据。
4.根据权利要求2所述的一种城市多源环境数据的碳源反演方法,其特征在于:所述S2中一元线性回归方程由下式表示
Ni=Kiα+Bi
其中Ni表示i点的非成像高光谱遥感数据,Ki表示i点的遥感数据曲线平移量,Bi表示i点的遥感数据曲线偏移量,α表示理想光谱曲线。
6.根据权利要求1所述的一种城市多源环境数据的碳源反演方法,其特征在于:所述步骤三中地面实测数据的精密测定数据包含测定每个数据的最大值、最小值、平均值、标准差和变异系数,所述步骤三中获取地面实测数据样本时,控制遥感卫星同步获取实测点的高光谱遥感数据,两者数据获取的时差不超过两个小时。
7.根据权利要求1所述的一种城市多源环境数据的碳源反演方法,其特征在于:所述步骤四中建立碳源反演模型时将特征系数作为未知数,将环境研究点的预处理后的高光谱遥感数据和地面实测的碳源数据作为已知求解获得特征系数,再通过控制点的预处理后的高光谱遥感数据作为已知,利用反演模型获得控制点的碳元数据,并将其与控制点实测碳元数据作比较进行训练验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210388571.1A CN114663781A (zh) | 2022-04-13 | 2022-04-13 | 一种城市多源环境数据的碳源反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210388571.1A CN114663781A (zh) | 2022-04-13 | 2022-04-13 | 一种城市多源环境数据的碳源反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114663781A true CN114663781A (zh) | 2022-06-24 |
Family
ID=82035193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210388571.1A Pending CN114663781A (zh) | 2022-04-13 | 2022-04-13 | 一种城市多源环境数据的碳源反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114663781A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115128015A (zh) * | 2022-09-02 | 2022-09-30 | 上海航天空间技术有限公司 | 基于线性渐变滤光片的高分辨率碳监测卫星 |
-
2022
- 2022-04-13 CN CN202210388571.1A patent/CN114663781A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115128015A (zh) * | 2022-09-02 | 2022-09-30 | 上海航天空间技术有限公司 | 基于线性渐变滤光片的高分辨率碳监测卫星 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115293473B (zh) | 一种林草生态修复效果评价方法 | |
CN102539336B (zh) | 基于环境一号卫星的可吸入颗粒物估算方法及系统 | |
CN111737912B (zh) | 一种基于深度神经网络的mwhts模拟亮温计算方法 | |
CN110414738B (zh) | 一种农作物产量预测方法及系统 | |
CN110749942B (zh) | 适用于静止卫星资料同化的晴空通道检测质量控制方法 | |
CN111369057A (zh) | 一种基于深度学习的空气质量预测优化方法及系统 | |
CN113108918B (zh) | 一种极轨气象卫星热红外遥感数据反演气温方法 | |
CN111723525B (zh) | 一种基于多源数据和神经网络模型的pm2.5反演方法 | |
CN110927120A (zh) | 一种植被覆盖度预警方法 | |
CN114140691B (zh) | 基于无人机可见光图像预测作物倒伏角度和形态的方法 | |
CN115015486B (zh) | 一种基于回归树模型的碳排放量测算方法 | |
CN114663781A (zh) | 一种城市多源环境数据的碳源反演方法 | |
CN111937016A (zh) | 一种基于街景图片及机器学习的城市内部贫困空间测度方法及系统 | |
CN111178384A (zh) | 一种气象卫星动力对流层顶高度反演方法、装置、存储介质及计算机设备 | |
CN114819737B (zh) | 公路路域植被的碳储量估算方法、系统及存储介质 | |
CN115115224A (zh) | 一种矿区植被碳汇分级及变化趋势评价分析方法 | |
CN113887493A (zh) | 一种基于id3算法的黑臭水体遥感影像识别方法 | |
CN116665057A (zh) | 一种基于图像处理的河道水质监测方法及系统 | |
CN117409334A (zh) | 一种基于静止卫星遥感数据的气溶胶类型识别方法 | |
CN115901644A (zh) | 一种小麦条锈病光谱库建立方法 | |
CN116449331A (zh) | 一种基于w波段雷达和气象卫星的沙尘粒子数浓度估算方法 | |
CN109298466B (zh) | 探空特性层择取的阈值参数选定方法 | |
CN113532652A (zh) | 一种基于浮标和大气再分析数据的红外遥感传感器绝对定标方法 | |
CN117009427B (zh) | 风云卫星观测的同化方法、装置、电子设备及存储介质 | |
CN112465710B (zh) | 一种基于evi数据的夜间灯光数据校正方法 |
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 |