CN114663783B

CN114663783B - 一种基于机器学习的入海河流水体污染遥感识别方法

Info

Publication number: CN114663783B
Application number: CN202210563785.8A
Authority: CN
Inventors: 张潆引; 何贤强; 白雁; 朱乾坤; 王迪峰; 龚芳; 李腾
Original assignee: Second Institute of Oceanography MNR
Current assignee: Second Institute of Oceanography MNR
Priority date: 2022-05-23
Filing date: 2022-05-23
Publication date: 2022-09-30
Anticipated expiration: 2042-05-23
Also published as: CN114663783A

Abstract

本发明提供了一种基于机器学习的入海河流水体污染遥感识别方法。本发明提供的方法基于高分辨率卫星采集的遥感数据和断面站点实测数据构建了机器学习模型，解决了传统方法需要设置大量的断面站点进行监测、耗费大量的人力物力的弊端，通过高分辨率遥感影像即可对入海河流水体进行污染识别和溯源分析，并且可以追溯到比较细小的支流，对河流水质污染状况溯源工作具有重要意义。

Description

一种基于机器学习的入海河流水体污染遥感识别方法

技术领域

本发明属于遥感技术领域，具体涉及一种基于机器学习的入海河流水体污染遥感识别方法。

背景技术

全球有90%以上的人口居住在河流流域范围内，人类的活动对于河流的影响不断增加，人类对于河流污染物的贡献是河流污染物的主要来源，并且尤其对于入海河流而言，这些污染物将最终流向海洋并影响海洋的大循环。城市化以及人类活动对于河流水质状况恶化的影响促使政府采取措施，对河流相应断面的水质状况进行监测，促使排放水体的水质状况达标，因此需要进行大量的断面站点监测。对地表河流水体水质污染的监测，主要是对地表河流的中的化学需氧量、总磷和总氮含量等营养物质的动态状况进行监测。

传统方法是设置大量的断面站点进行监测，该方法可以获得河流中某些点位的水质信息，但是对于河流污染源头的排查则需要耗费大量的人力物力。此外，人为排查则只能在空间上进行污染源头的寻找，在时间上对污染源头的溯源则不能实现。

随着高分辨率多光谱遥感卫星技术的发展，使得对于入海河流高时空分辨率的水体水质状况监测以及溯源成为可能。但是化学需氧量、总磷和总氮含量等营养物质，作为水体非光学活性水质相关参数与卫星光谱信号的联系并不明显，通常难以根据卫星光谱信号对此类参数进行遥感识别。

发明内容

针对现有技术中存在的问题，本发明提供了一种基于机器学习的入海河流水体污染遥感识别方法，该方法通过高分辨率遥感影像即可对入海河流水体进行污染识别和溯源分析，并且可以追溯到比较细小的支流，对入海河流水质污染状况溯源工作具有重要意义。具体技术方案如下：

一种基于机器学习的入海河流水体污染遥感识别方法，其特征在于：所述方法包括：

步骤S1：通过高分辨率多光谱遥感卫星获取入海河流水体的遥感影像，进行筛选处理和大气校正后得到所述河流水体的遥感反射率原位光谱信息；

步骤S2：获取所述河流水体的地理特征类别，并从所述遥感反射率原位光谱信息中提取得到光谱特征参数；

步骤S3：根据所述地理特征类别，选择相应的基于机器学习的入海河流水体污染识别模型，将所述光谱特征参数的至少一部分输入选择的所述模型，得到污染物指标数据。

其中，所述水体污染识别模型通过以下过程建立：

步骤S31：通过入海河流断面站点获得污染物指标数据集，并通过高分辨率多光谱遥感卫星获得河流断面站点所属像元在同一时空的多光谱遥感数据集；所述多光谱遥感数据集包括对遥感影像进行筛选处理和大气校正后得到的遥感反射率原位光谱信息；

步骤S32：根据河流断面站点的地理特征类别，将所述污染物指标数据集和多光谱遥感数据集分类并进行数据相关性分析，从而确定在不同的地理特征类别下，对污染物指标敏感的光谱特征参数；

步骤S33：从多光谱遥感数据集提取对污染物指标敏感的光谱特征参数作为输入值，从污染物指标数据集提取相应的污染物指标数据作为输出真值，通过机器学习模型进行学习，并通过交叉验证选取最优解作为水体污染识别模型。

其中，对遥感影像进行的所述筛选处理包括陆地掩膜和云掩膜，还可以包括去除距离陆地位置过近的遥感影像；所述大气校正是基于瑞利散射查找表，以两个短波红外作为参考波段的方式对各个波段进行大气校正。

所述地理特征类别根据地理位置确定，按照入海河流周边的工农业及人口情况、下游是否有冲积平原、河流泥沙含量等因素将不同地理位置的河流划分为多个类别。在不同的地理特征类别下，对同一污染物指标敏感的光谱特征参数可能不同，因此在步骤S32中有必要按照地理特征类别进行分类，然后通过数据相关性分析确定对污染物指标敏感的光谱特征参数。

所述污染物指标数据包括水体非光学活性污染参数，包括化学需氧量、总磷含量、总氮含量中的至少一种。

具体的，所述机器学习模型选自适合小样本的回归模型，包括高斯模型、支持向量机模型和线性模型中的至少一种。优选的，通过五折交叉验证选取机器学习模型的最优解作为水体污染识别模型。

本发明提供的方法基于高分辨率卫星采集的遥感数据和断面站点实测数据构建了机器学习模型，能够遥感监测入海河流水体的污染物指标特别是非光学活性的污染物指标数据，解决了传统方法需要设置大量的断面站点进行监测、耗费大量的人力物力的弊端，通过高分辨率遥感影像即可对入海河流水体进行污染识别和溯源分析，并且可以追溯到比较细小的支流，对入海河流水质污染状况溯源工作具有重要意义。

附图说明

通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的参考标号通常代表相同部件。

图1示出了实施例中入海河流水体污染遥感识别方法的流程示意图；

图2(a)~图2(c)示出了实施例中入海河流水体污染识别模型的验证结果。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些例举性的实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“连接”、“连通”表示直接或通过其他组件间接的连接或连通。术语“第一”、“第二”等可以指代不同的或相同的对象，但并不直接表示先后顺序或重要程度的不同。下文还可能包括其他明确的和隐含的定义。

本具体实施方式提供了一种基于机器学习的入海河流水体污染遥感识别方法，其特征在于，所述方法包括：

步骤S1：通过高分辨率多光谱遥感卫星获取入海河流水体的遥感影像，进行筛选处理和大气校正后得到所述河流水体的遥感反射率原位光谱信息。

其中，筛选处理是对遥感影像上的陆地和云进行掩膜，陆地掩膜主要采用的是NDVI，即植被指数，NDVI的计算方法主要是由865nm、665nm两个波段的反射率计算得到；而云掩膜则是采用短波红外波段（2190nm）的瑞利校正反射率的阈值进行控制。云掩膜也可以依靠人工目视解译，剔除的云不仅包括厚云，尤其要注意剔除薄云以保证光谱信息能够完全代表水体信息。此外，在筛选处理过程中也可以去除距离陆地位置过近的影像，例如小于两个像素的像元。因此，经过筛选后保留的遥感影像的光谱信息能够完全代表水体信息。

大气校正是基于瑞利散射查找表，以两个短波红外作为参考波段的方式对各个波段进行大气校正，例如以Sentinel-2的SWIR1和SWIR2两个短红外波段作为参考波段。经过大气校正后，得到河流水体的遥感反射率原位光谱信息。

步骤S2：获取所述河流水体的地理特征类别，并从所述遥感反射率原位光谱信息中提取得到光谱特征参数。

其中，地理特征类别根据地理位置确定，按照河流周边的工农业及人口情况、下游是否有冲积平原、河流泥沙含量等因素将不同地理位置的河流划分为多个类别。不同的地理特征类别，需要适用不同的识别模型。

通过遥感反射率原位光谱信息可以提取得到多种光谱特征参数，例如在各个波段的遥感反射率，以及各个波段遥感反射率的比值等。在不同的地理特征类别下，对同一污染物指标敏感的光谱特征参数可能不同。

其中，所述污染物指标数据包括化学需氧量、总磷含量、总氮含量中的至少一种。对于同一污染物指标，在不同的地理特征类别下对应有不同的识别模型，并且对应有对所述污染物指标敏感的光谱特征参数，通过将这部分光谱特征参数输入识别模型，即可获得相应的污染物指标数据。以下对入海河流水体污染识别模型的建立过程进行示例性的说明：

选取中国浙江省七条主要独立入海的河流（118.7-121.6°E，27.26-30.43°N），即钱塘江、曹娥江、甬江、椒江、瓯江、飞云江和鳌江的数据建立水体污染识别模型。识别的污染物指标为化学需氧量、总磷含量、总氮含量。

步骤S31：获取污染物指标数据集和多光谱遥感数据集

在这七条河流的河流断面处较为均匀地分布着19个站点，站点提供化学需氧量（高锰酸盐指数）、总磷和总氮的实测值，全部站点可提供自2019年1月至2021年11月的实测数据，部分站点可提供从2016年1月至2021年11月的实测数据，实测数据的时间分辨率为1天。以上数据构成污染物指标数据集。

欧空局发布的Sentinel-2 L1C数据集的空间分辨率为10m，两颗星的重访周期为5天，光谱从443nm-2190nm共13个波段，不同波段的光谱分辨率有差异，分别为b1（60m）、b2（10m）、b3（10m）、b4（10m）、b5（20m）、b6（20m）、b7（20m）、b8（10m）、b8a（20m）、b9（60m）、b10（60m）、b11（20m）、b12（20m）。通过Sentinel-2 L1C数据集获取前述七条河流2016-2021年的遥感数据，并进行筛选处理和大气校正：获取所述19个站点的具体经纬度，去除离陆地位置小于两个像素的站点，然后对站点的遥感数据进行陆地掩膜和云掩膜，陆地掩膜主要采用的是NDVI，即植被指数，NDVI的计算方法主要是由865nm、665nm两个波段的反射率计算得到；而云掩膜则是采用短波红外波段（2190nm）的瑞利校正反射率的阈值进行控制。在进行筛选处理之后，根据瑞利散射查找表，基于的参考波段为Sentinel-2的两个短波红外波段SWIR1和SWIR2两个波段进行校正，从而得到了各个站点的遥感反射率原位光谱信息，构成多光谱遥感数据集。

由于污染物指标数据集和多光谱遥感数据集在采集时空上不可能绝对的吻合，因此假设在一个像元范围内，水体水质参数基本不存在差异，使用实测站点经纬度所处的像元光谱信息能够代表站点水质的光学信息；同时假设水体的水质参数在一天不会发生巨大的变化，因此，提供时间精度为日均结果的实测数据与当天的遥感影像对应位置所在的像元光谱信息进行匹配。因此，通过上述步骤获得了污染物指标数据集和同一时空下的多光谱遥感数据集。

步骤S32：确定对污染物指标敏感的光谱特征参数

考虑到对于同一污染物指标，在不同的地理特征类别下，不同的光谱特征参数可能会体现出不同的敏感度，因此有必要确定在不同的地理特征类别下对污染物指标敏感的光谱特征参数。

本具体实施方式共涉及三个污染物指标：化学需氧量（COD）、总磷含量（TP）、总氮含量（TN）。其中，化学需氧量主要是用来衡量水体中需要被还原的物质的量，常用高锰酸盐指数来衡量，其来源和河流两边的工农业以及城市人口的废水排放都息息相关，而前述七条河流特征相同，因此归为同一地理特征类别，标记为HC类；总磷主要来源是城镇污水处理厂排放含磷废水污染情况，因此将河流的下游有大面积平原区域的钱塘江、曹娥江、甬江和椒江归为同一地理特征类别，记为HP类，将没有大面积平原区域的瓯江、飞云江和鳌江归为同一地理特征类别，记为LP类；总氮含量来源不仅于生活污水的排放，动物的粪便，河流中的细粒沉积物中也会包裹着这些沉积物在河流中进行输运，因此按照悬浮泥沙含量高低进行分类，悬浮泥沙含量较高的钱塘江、曹娥江和甬江归为同一地理特征类别，记为HS类，椒江和鳌江归为同一地理特征类别，记为MS类，瓯江和飞云江归为同一地理特征类别，记为LS类。

将所述污染物指标数据集和多光谱遥感数据集分类并进行数据相关性分析，分析结果如表1所示，其中B2~B8a分别代表b2~b8a波段下的遥感反射率，R²表示决定系数：

[表1] 不同的地理特征类别下光谱特征参数对污染物指标的相关性分析结果

HC Model	R<sup>2</sup>	HP Model	R<sup>2</sup>	LP Model	R<sup>2</sup>
						B3,B4	0.41	B6,B2/B4	0.51	B5,B8	0.45
B3,B5	0.40	B8,B2/B4	0.50	B5,B6	0.43
						B3/B4	0.21	B3/B4	0.37	B3/B4	0.3
B2/B6	0.07	B2/B4	0.29	B2/B4	0.28

HS Model	R<sup>2</sup>	MS Model	R<sup>2</sup>	LS Model	R<sup>2</sup>
						B2/B3,B2/B4	0.31	B5,B2/B8a	0.56	B5,B2/B8	0.44
B7,B3/B4	0.29	B6,B2/B7	0.54	B2,B4	0.43
						B3/B4	0.27	B3/B4	0.17	B3/B4	0.34
B2/B4	0.07	B2/B8a	0.05	B2/B4	0.27

根据上述分析结果可知，对于化学需氧量，在HC类地理特征类别下，敏感的光谱特征参数是B3和B4；对于总磷，在HP类地理特征类别下，敏感的光谱特征参数是B6、B2/B4，在LP类地理特征类别下，敏感的光谱特征参数是B5、B8；对于总氮，在HS类地理特征类别下，敏感的光谱特征参数是B2/B3、B2/B4，对于MS类地理特征类别下，敏感的光谱特征参数是B5、B2/B8a，对于LS类地理特征类别下，敏感的光谱特征参数是B5、B2/b8。

步骤S33：机器学习建立入海河流水体污染识别模型

从步骤S31的多光谱遥感数据集提取对污染物指标敏感的光谱特征参数作为输入值，并从污染物指标数据集提取相应的污染物指标数据作为输出真值，通过机器学习模型进行学习。

例如，在HP类地理特征类别下，提取光谱特征参数B6、B2/B4作为输入值，并以同一时空下的总磷作为输出真值进行机器学习。在常用的小样本回归机器学习模型，高斯模型、支持向量机模型和线性模型中进行尝试，通过采用五折交叉验证的方式获得最优训练结果，从而得到了基于高斯模型的总磷识别模型。按照类似的方式，在HC、LP、HS、MS、LS类地理特征类别下分别确定了水体污染识别模型。

为了验证水体污染识别模型的准确性，将用于建模的所有数据全部经过各自的建立的模型进行反演，将反演结果与实测数据进行相关性分析，结果如图2(a)~图2(c)所示，其中图2(a)是对于HC类地理特征类别下化学需氧量（COD）反演结果的验证，图2(b)是对HP、LP类地理特征类别下总磷含量（TP）的反演结果的验证，图2(c)是对HS、MS、LS类地理特征类别下总氮含量（TN）的反演结果的验证。从图2(a)可得，所获得的识别模型的R为0.678，RMSE为1.151；由图2(b)可得，所获得的识别模型的R为0.78，RMSE为0.0265；由图2(c)可得，所获得的识别模型的R为0.7，RMSE为0.657，可见建立的识别模型具有较高的准确性。

以上已经描述了本公开的各实施例，本领域技术人员应当理解上述说明仅仅是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对现有技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims

1.一种基于机器学习的入海河流水体污染遥感识别方法，其特征在于，所述方法包括：

步骤S1：通过高分辨率多光谱遥感卫星获取入海河流水体的遥感影像，进行筛选处理和大气校正后得到所述入海河流水体的遥感反射率原位光谱信息；

步骤S2：获取所述入海河流水体的地理特征类别，并从所述遥感反射率原位光谱信息中提取得到光谱特征参数；

步骤S3：根据所述地理特征类别，选择相应的基于机器学习的入海河流水体污染识别模型，将所述光谱特征参数的至少一部分输入选择的所述模型，得到污染物指标数据；

所述入海河流水体污染识别模型通过以下方式建立：

步骤S31：通过入海河流断面站点获得污染物指标数据集，并通过高分辨率多光谱遥感卫星获得入海河流断面站点所属像元在同一时空的多光谱遥感数据集；所述多光谱遥感数据集包括对遥感影像进行筛选处理和大气校正后得到的遥感反射率原位光谱信息；

步骤S32：根据入海河流断面站点的地理特征类别，将所述污染物指标数据集和多光谱遥感数据集分类并进行数据相关性分析，从而确定在不同的地理特征类别下，对污染物指标敏感的光谱特征参数；

步骤S33：从多光谱遥感数据集提取对污染物指标敏感的光谱特征参数作为输入值，从污染物指标数据集提取相应的污染物指标数据作为输出真值，通过机器学习模型进行学习，并通过交叉验证选取最优解作为入海河流水体污染识别模型。

2.根据权利要求1所述的基于机器学习的入海河流水体污染遥感识别方法，其特征在于，对遥感影像进行的所述筛选处理包括陆地掩膜和云掩膜；所述大气校正是基于瑞利散射查找表，以两个短波红外作为参考波段的方式对各个波段进行大气校正。

3.根据权利要求1所述的基于机器学习的入海河流水体污染遥感识别方法，其特征在于，所述污染物指标数据包括化学需氧量、总磷含量、总氮含量中的至少一种。

4.根据权利要求1所述的基于机器学习的入海河流水体污染遥感识别方法，其特征在于，所述机器学习模型包括高斯模型、支持向量机模型和线性模型中的至少一种。

5.根据权利要求1所述的基于机器学习的入海河流水体污染遥感识别方法，其特征在于，所述步骤S33中通过五折交叉验证选取机器学习模型的最优解作为入海河流水体污染识别模型。