CN115797760B - 主被动融合的水质立体遥感反演方法、系统及存储介质 - Google Patents
主被动融合的水质立体遥感反演方法、系统及存储介质 Download PDFInfo
- Publication number
- CN115797760B CN115797760B CN202310043088.4A CN202310043088A CN115797760B CN 115797760 B CN115797760 B CN 115797760B CN 202310043088 A CN202310043088 A CN 202310043088A CN 115797760 B CN115797760 B CN 115797760B
- Authority
- CN
- China
- Prior art keywords
- layer
- remote sensing
- underwater
- coefficient
- water
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 240
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 238000002310 reflectometry Methods 0.000 claims abstract description 88
- 238000004088 simulation Methods 0.000 claims abstract description 56
- 230000005855 radiation Effects 0.000 claims abstract description 27
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 230000003287 optical effect Effects 0.000 claims abstract description 18
- 238000010521 absorption reaction Methods 0.000 claims description 118
- 239000000049 pigment Substances 0.000 claims description 83
- 239000002245 particle Substances 0.000 claims description 74
- 238000005259 measurement Methods 0.000 claims description 66
- 239000005416 organic matter Substances 0.000 claims description 38
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 36
- 229930002875 chlorophyll Natural products 0.000 claims description 35
- 235000019804 chlorophyll Nutrition 0.000 claims description 35
- 239000013618 particulate matter Substances 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 11
- 239000000725 suspension Substances 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 239000010410 layer Substances 0.000 description 207
- 238000005070 sampling Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 239000002344 surface layer Substances 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229930002868 chlorophyll a Natural products 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请公开了一种主被动融合的水质立体遥感反演方法、系统及存储介质，涉及水利、水环境监测技术领域，本发明充分发挥了激光雷达瞬时测定并估算目标点位水体垂向信息的优势，使得主动激光雷达能够与被动遥感技术同步测定目标水体，不仅解决了水体垂向信息被动遥感反演“一对多”的理论难题，也克服了主动激光雷达无法大范围成像的技术障碍。基于激光雷达技术测算的逐层水体信息及水体辐射传输模拟正演的水柱遥感反射率模拟数据集不仅是连续的，也更为接近或等同于实测值。因此，经过与无人机或卫星遥感反射率匹配后，即可反演得到高精度、大面积水体立体水质与光学信息。
Description
技术领域
本发明涉及水体环境监测技术领域，尤其涉及一种主被动融合的水质立体遥感反演方法、系统及存储介质。
背景技术
目前在对水中悬浮物等浓度进行监测时，通常采用人工逐层对水体取样并化验的方法，以获知水体中悬浮物等的三维分布状态。这种人工取样的方法不仅费时费力，而且获取的监测数据仅为取样点的垂向分布数据，对区域面状水域的评价只能是以点代面，但实际上，即使是在同一区域水体内，不同点位的悬浮物三维分布状况也不会完全相同。以点代面的评价方法无法做到对区域面状水域的精确监测，这种做法仅仅是受限于现有监测技术的权宜之计。
为了解决人工逐层取样费时费力且误差大的问题，中国专利CN115266509A公开了一种基于激光雷达的水下垂向悬浮物浓度探测方法及系统，可以解决难以准确探测和掌握水体中悬浮物浓度的三维分布信息的问题。探测系统包括：发射器，用于向待测水体发出激光脉冲，激光脉冲在进入待测水体后，在待测水体中进行传播，当激光脉冲在待测水体中传播时，发生散射，散射包括前向散射及后向散射；接收器，用于接收激光脉冲在待测水体中产生的后向散射信号，后向散射信号为激光脉冲在待测水体中经过水体本身及悬浮颗粒物的散射后产生的后向散射，后向散射信号包括水体信息；计算机，用于接收水体信息，并根据水体信息得出待测水体的水下逐层悬浮物浓度。
上述利用激光雷达测定水下逐层悬浮物浓度的方法虽然可以避免人工逐层取样，但是获取的仍然是点状监测数据，无法做到全面地检测面状水域。
现有被动遥感技术的解决方案，是基于人工实测获得水体各水质、光学参数浓度范围（即获得边界值），利用步长试图穷举地形成水色参数浓度查找表，再将像元的遥感反射率与水色参数浓度模拟获得的遥感反射率逐个匹配，保留匹配成功的像元，基于所述匹配成功像元的遥感反射率，反演水下逐层的水体各成分浓度。但人工测量存在如下问题：
首先，人工测量水下逐层的水体各成分浓度，需要对同一个点不同深度的水体进行反复采样，采样过程中不可避免的会扰动水体成分的垂向分布，导致采样获取的浓度范围误差较大；
其次，人工采样后需要将样品在实验室中进行理化分析才能获得水体固有光学特性参数，在这期间，水体成分的垂向分布仍在不断变化，这就导致后续获得的遥感数据与基于人工实测数据形成的查找表存在时间上的异步性，将不同步的遥感反射率与查找表进行匹配也会存在较大的误差，导致反演结果不准确。
同时，基于人工实测数据形成的查找表中水体固有光学特性参数及其对应的遥感反射率并非连续的，而反演时只能近似靠近到预设的步长上，无法得到准确的数值。
最后，也是最关键的，该被动遥感技术的解决方案是根据有限的实测水样数据，在洪泽湖无机悬浮物浓度水平—垂向查找表中，预设了6种区分度较大的垂向分布模式。然而在实际水体中，悬浮物浓度等水质参数的垂向分布模式更为复杂，垂向分布的路径更为多样，水下各个水层水质参数浓度和光学特性都具有较大的时空异质性，这种预设毫无疑问增大了估算误差，而具有非接触、瞬时、水下逐层探测优势的主动高光谱激光雷达能够较好地解决这些问题。
发明内容
本申请希望能够将主动激光雷达探测技术与被动遥感技术融合用于探测水体信息，解决现有遥感反演方法中存在的人为干扰较大、匹配取值时误差较大的问题。
本申请结合激光雷达实测目标水体的色素颗粒物单位吸收系数、非色素颗粒物单位吸收系数和有色可溶有机物吸收系数等，基于水体逐层辐射传输模拟，建立连续的表面遥感反射率模拟数据集，基于连续的表面遥感反射率模拟数据集，利用被动遥感获得的目标水体表面遥感反射率实测值进行匹配，保留匹配成功的像元用于反演获得逐层水体成分的浓度，完成三维水体信息检测。
为了解决上述技术问题，本发明提供如下技术方案：
一种主被动融合的水质立体遥感反演方法，包括：
同步获取目标水体的遥感图像数据和目标水体中目标位点的水下逐层水体衰减系数和水下逐层后向散射系数，所述目标位点的水下逐层水体衰减系数和水下逐层后向散射系数由激光雷达探测获得；
利用所述水下逐层水体衰减系数和水下逐层后向散射系数，获得水下逐层色素颗粒物单位吸收系数、水下逐层非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数；
基于水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数，利用辐射传输模拟，获得连续的表面遥感反射率模拟数据集；
利用遥感图像数据获得遥感图像中任意像元的表面遥感反射率实测值，将任意像元的表面遥感反射率实测值与表面遥感反射率模拟数据集进行匹配，保留匹配成功的像元作为目标像元；
反演目标像元所对应的表面遥感反射率模拟值，获得遥感图像数据中目标像元的水下逐层悬浮物浓度和水下逐层叶绿素浓度。
进一步地，利用所述水下逐层水体衰减系数和水下逐层后向散射系数，获得水下逐层色素颗粒物单位吸收系数、水下逐层非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数的具体方法为：
利用水下逐层水体衰减系数和水下逐层后向散射系数获得目标位点水下逐层的悬浮物浓度、水下逐层的叶绿素浓度、水下逐层的有色可溶有机物吸收系数；
利用水下逐层后向散射系数，获得水下逐层总散射系数；
利用水下逐层水体衰减系数和水下逐层总散射系数获得水下逐层总吸收系数；
利用水下逐层总吸收系数获得水下逐层的色素颗粒物吸收系数和水下逐层的非色素颗粒物吸收系数；
利用所述水下逐层的悬浮物浓度与和水下逐层的非色素颗粒物吸收系数获得水下逐层非色素颗粒物单位吸收系数；利用所述水下逐层的叶绿素浓度与所述水下逐层的色素颗粒物吸收系数获得水下逐层色素颗粒物单位吸收系数。
进一步地，所述利用水下逐层水体衰减系数和水下逐层后向散射系数获得目标位点水下逐层的悬浮物浓度、水下逐层的叶绿素浓度、水下逐层的有色可溶有机物吸收系数的具体方法为：
获得悬浮物浓度实测值、叶绿素浓度实测值、有色可溶有机物系数实测值、水体衰减系数实测值和后向散射系数实测值，建立悬浮物浓度实测值与所述水体衰减系数实测值和后向散射系数实测值的对应函数关系；建立叶绿素浓度实测值与所述水体衰减系数实测值和后向散射系数实测值的对应函数关系；建立有色可溶有机物系数实测值与所述水体衰减系数实测值的对应函数关系，基于已建立的对应函数关系，输入水下逐层水体衰减系数和水下逐层后向散射系数，输出水下逐层的悬浮物浓度、水下逐层的叶绿素浓度、水下逐层的有色可溶有机物吸收系数。
进一步地，所述利用水下逐层后向散射系数，获得水下逐层总散射系数的具体方法为：
基于水下逐层体散射相函数，输入水下逐层后向散射系数，输出水下逐层总散射系数。
进一步地，所述结合水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数，基于水下逐层辐射传输模拟，正演获得连续的表面遥感反射率模拟数据集的具体方法为：
输入色素颗粒物单位吸收系数、叶绿素浓度、非色素颗粒物单位吸收系数、悬浮物浓度、有色可溶有机物吸收系数和其他光学参数和水质参数，基于水下逐层辐射传输模拟，输出连续的表面遥感反射率模拟值，以连续的表面遥感反射率模拟值形成表面遥感反射率模拟数据集；所述其他光学参数和水质参数包括色素颗粒物后向散射概率、非色素颗粒物后向散射概率、色素颗粒物散射模型、非色素颗粒物散射模型、纯水吸收系数和纯水散射系数。
进一步地，激光雷达探测获得目标位点的水下逐层水体衰减系数和水下逐层后向散射系数的具体步骤为：
通过高光谱激光雷达向目标水体中目标位点垂向发射激光脉冲，获取后向回波信号；
根据所述后向回波信号，获得目标位点的水下逐层水体衰减系数和水下逐层后向散射系数。
进一步地，所述利用遥感图像数据获得遥感图像中任意像元的表面遥感反射率实测值，将任意像元的表面遥感反射率实测值与表面遥感反射率模拟数据集进行匹配的具体步骤为：
基于表层悬浮物浓度、表层叶绿素浓度和有色可溶有机物吸收系数遥感反演模型，根据任意像元的表面遥感反射率特征模糊估算表层悬浮物浓度、表层叶绿素浓度、有色可溶有机物吸收系数，并根据表层悬浮物浓度、表层叶绿素浓度和有色可溶有机物吸收系数遥感反演模型的精度值，上下浮动该精度值，抽取得到表面遥感反射率模拟子数据集，以降低查找条数；
基于遥感反射率光谱角算法，重点匹配表面遥感反射率模拟子数据集中各条数据的光谱形状，给出最优匹配结果；
判断匹配相似度，保留曲线相似度高的像元，即为匹配成功的像元，否则舍弃。本发明还提供一种主被动融合的水质立体遥感反演系统，采用上述方法进行演算，包括如下组件：
激光雷达测量模块：用于向目标水体中目标位点发射激光并接收后向回波信号，输出目标位点的水下逐层水体衰减系数和水下逐层后向散射系数；
遥感模块：在激光雷达测量模块接收后向散射信号的同一时刻，利用卫星或无人机上的传感器获得目标水体表面的遥感数据，利用计算机将遥感数据转换为任意像元的表面遥感反射率实测值；输出任意像元的表面遥感反射率实测值至匹配模块；
计算模块：用于接收激光雷达测量模块输出的水下逐层水体衰减系数和水下逐层后向散射系数，计算并输出水下逐层色素颗粒物单位吸收系数、水下逐层非色素颗粒物单位吸收系数、水下逐层有色可溶有机物吸收系数、水下逐层悬浮物浓度、叶绿素浓度等至正演模块；
正演模块：用于将接收的上述水质、光学数据输入辐射传输模型，输出连续的表面遥感反射率模拟数据集至匹配模块；
匹配模块：接收任意像元的表面遥感反射率实测值和连续的表面遥感反射率模拟数据集，将二者进行匹配获得目标像元，利用目标像元所对应的表面遥感反射率模拟值自动反演估算水下逐层悬浮物浓度和水下逐层叶绿素浓度。
本发明还提供一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述主被动融合的水质立体遥感反演方法的步骤。
本发明取得的有益效果：
本发明基于辐射传输模型正演，获得了水体表面遥感反射率模拟数据集，将被动遥感获得的遥感反射率实测值与表面遥感反射率模拟数据集进行匹配后，反演获得逐层的水体各成分浓度信息。通过这一套完整的正反演过程，利用被动遥感获得的表面遥感反射率就可以直接估算区域面状水体的悬浮物三维分布数据，克服现有“以点代面”监测方法的缺陷，能够快速精准的监测区域面状水体，省时省力且效率高。
本发明有机地将主动高光谱激光雷达测量方法与被动遥感方法的优点结合并克服各自的缺点，实现了主被动融合的水质立体监测。当采用激光雷达实测水体获得水体主要光学特性参数时，充分发挥了激光雷达可以瞬时测定并估算目标点位水体信息的优势，使得激光雷达遥感技术能够同步测定目标垂向逐层水体，有效解决时间同步性的问题。激光雷达测定和估算水体信息时，仅需要向水体发射激光脉冲，不需要多次采样，不会扰动水体的垂向分布状态，水体信息估算结果误差较小。最后，基于激光雷达技术测算的逐层水体信息及正演模拟的表面遥感反射率模拟数据集是连续的数据集，较传统的按步长穷举获得的查找表，表面遥感反射率模拟值更为接近或等同于实测值，反演获得的逐层水体信息更为接近真值，误差较小。
本发明在反演过程中，利用逐步降维的方法缩小查找表，提高查找的效率，同时能够保证匹配精度，有效提高了反演的效率。
附图说明
图1为现有逐层辐射传输过程和原理示意图。
具体实施方式
以下对本申请的具体实施方式进行详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
实施例1
无人机或者卫星可以快捷地获取大面积水域的遥感数据，利用遥感数据反演方法对水中的悬浮物浓度进行测算，可以有效解决“以点代面”的问题。然而，被动遥感依赖于太阳光线对水体的照射，自然条件下入射太阳光线的穿透能力较弱，这就导致被动遥感仅可以探测到水体表层的遥感图像信号，而由水体表层的遥感图像信号无法准确估算获得目标水体的水下立体悬浮物浓度。
而且被动遥感反演测算还存在单条表层遥感反射率与水下逐层悬浮物浓度/固有光学特性“一对多”的多解问题，难以准确探测和掌握光学深水区水下更深水体中悬浮物浓度的三维分布信息。
因此，如何将主动高光谱激光雷达测量方法与被动遥感检测方法的优点结合并克服各自的缺点，以精确监测区域面状水体的三维水体信息成为亟待解决的技术问题。
为了解决上述问题，本实施例以洪泽湖水体为例建立主被动融合的水质立体遥感反演方法，具体包括：
同步获取目标水体的遥感图像数据和目标水体中目标位点的水下逐层水体衰减系数和水下逐层后向散射系数，所述目标位点的水下逐层水体衰减系数和水下逐层后向散射系数由激光雷达探测获得，具体步骤为：
通过高光谱激光雷达向目标水体中目标位点垂向发射激光脉冲，获取后向散射信号；根据所述后向散射信号，获得目标位点的水下逐层水体衰减系数和水下逐层后向散射系数（参考CN115266509A中公开的方法）。
利用所述水下逐层水体衰减系数和水下逐层后向散射系数，获得水下逐层色素颗粒物单位吸收系数、水下逐层非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数，具体方法为：
利用水下逐层水体衰减系数和水下逐层后向散射系数获得目标位点水下逐层的悬浮物浓度、水下逐层的叶绿素浓度、水下逐层的有色可溶有机物吸收系数，具体方法为：
获得水层（z）处总悬浮物浓度实测值
、水层（z）处叶绿素浓度实测值
、水层（z）处有色可溶有机物系数实测值
、水层（z）处水体衰减系数实测值
和水层（z）处后向散射系数实测值
，建立水层（z）处总悬浮物浓度实测值
与水层（z）处水体衰减系数实测值
和水层（z）处后向散射系数实测值
的对应函数关系；
水层（z）处无机悬浮物浓度
，可由水层（z）处总悬浮物浓度
得到；
建立水层（z）处叶绿素浓度实测值
与所述水层（z）处水体衰减系数实测值
和水层（z）处后向散射系数实测值
的对应函数关系；
建立水层（z）处有色可溶有机物系数实测值
与所述水层（z）处水体衰减系数实测值
的对应函数关系，
基于已建立的对应函数关系，输入水下逐层水体衰减系数
和水下逐层后向散射系数
，输出水下逐层的无机悬浮物浓度
、水下逐层的叶绿素浓度
、水下逐层的有色可溶有机物吸收系数
。
利用水下逐层后向散射系数，获得水下逐层总散射系数，具体方法为：
基于水下逐层体散射相函数，输入水下逐层颗粒物后向散射系数
，输出水下逐层总颗粒物散射系数
，具体计算过程如下：
水下逐层体散射相函数
表示各个角度上散射的概率：
特别地，针对颗粒物后向散射概率
，或数值上定义如下：
式中，
为水下逐层颗粒物后向散射系数，
为水下逐层总颗粒物散射系数。已知
和
，即可求得
。
利用水下逐层水体颗粒物衰减系数
和水下逐层总颗粒物散射系数
获得水下逐层总颗粒物吸收系数
，根据光学闭合原理，颗粒物衰减系数为颗粒物吸收系数和颗粒物散射系数之和，因此有：
式中，
为水下逐层总颗粒物吸收系数； 
为水下逐层水体颗粒物衰减系数；
为水下逐层总颗粒物散射系数。
由激光雷达测得，已知
和
，即可计算获得
。
利用水下逐层总颗粒物吸收系数
获得水下逐层的色素颗粒物吸收系数
和水下逐层的非色素颗粒物吸收系数
，具体方法为：
对于洪泽湖等内陆II类水体而言，影响水体辐射传输过程的成分主要有纯水、有色溶解有机物、色素颗粒物和非色素颗粒物四种。因此，水层z中总吸收系数
可表示为：
其中，
分别表征在水层z中色素颗粒物吸收系数，水层z中非色素颗粒物吸收系数，水层z中有色可溶有机物吸收系数和纯水吸收系数。
水层z中总颗粒物吸收系数
与水层z中色素颗粒物吸收系数和水层z中非色素颗粒物吸收系数的关系如下：
利用所述水下逐层的无机悬浮物浓度
与和水下逐层的非色素颗粒物吸收系数
获得水下逐层非色素颗粒物单位吸收系数
；利用所述水下逐层的叶绿素浓度
与所述水下逐层的色素颗粒物吸收系数
获得水下逐层色素颗粒物单位吸收系数
，计算公式如下：
洪泽湖非色素颗粒物单位吸收系数
是非色素颗粒物吸收系数
与对应无机悬浮物浓度
的比值：
色素颗粒物单位吸收系数
是色素颗粒物吸收系数
与对应叶绿素a浓度
的比值，可用以下公式表示：
正演水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数，获得连续的表面遥感反射率模拟数据集，具体方法为：
首先，进行水下逐层辐射传输模拟，如图1所示：
若在水层中某个深度(
)处，忽略水平方向上辐亮度梯度变化，垂向方向上，无内部光源媒介的辐射传输方程可以表示为：
其中，
表示水柱中水层深度
，方向(
)非极化瞬时光谱辐亮度。等号右边第一项，表示由于散射作用，水层中
从方向(
)散射到方向(
)，引起
增大的部分。其中
表示方向(
)到方向(
)上的散射相函数。等号右边第二项
表示水层中由于吸收和散射引起的
能量的损失。经过水柱中自下而上逐层传递和推导可得刚好位于水表面以上
遥感反射率
，其与各个光学量之间的关系为：
式中，
表示经过水柱中逐层传递后在方向(
)上刚好位于水面以上的离水辐亮度，
表示刚好位于水面以上的下行辐照度。遥感反射率本身也是水柱中总吸收系数
、总后向散射系数
和环境光场之间的函数。其中，
是与光场分布有关的参数，t为水气界面透过率，n为水体折射指数。水柱中，位于水面以下的漫衰减系数
。
对于II类水体，水层z中总吸收系数
可表示为：
其中，
分别表征在水层z中，纯水吸收系数，色素颗粒物吸收系数，非色素颗粒物吸收系数和有色可溶有机物吸收系数。
可以通过下式将水层中色素颗粒物单位吸收系数
、非色素颗粒物单位吸收系数
与无机悬浮物浓度联系起来：
各个水层z中，总散射吸收
为纯水散射系数
、色素颗粒物散射系数
和无机悬浮物的散射系数
线性之和：
相对应地，各个水层z中，总后向散射吸收
，为纯水后向散射系数
、色素颗粒物后向散射系数和非色素颗粒物后向散射系数线性之和：
式中，
和
分别表示在水层z中，色素颗粒物和非色素颗粒物的后向散射概率。
基于上述水下逐层辐射传输模拟，结合水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数，正演获得连续的表面遥感反射率模拟数据集，具体方法为：
输入色素颗粒物单位吸收系数、叶绿素浓度、非色素颗粒物单位吸收系数、悬浮物浓度、有色可溶有机物吸收系数和其他光学参数和水质参数，基于水下逐层辐射传输模拟，输出连续的表面遥感反射率模拟值，以连续的表面遥感反射率模拟值形成表面遥感反射率模拟数据集；所述其他光学参数和水质参数包括色素颗粒物后向散射概率、非色素颗粒物后向散射概率、色素颗粒物散射模型、非色素颗粒物散射模型、纯水吸收系数和纯水散射系数。
本实施例中水体分层辐射传输模型的输入参数除了以上提到的主要参数以外，也有环境因素、水体底质的状况，还有天空漫辐射分布等其他参数，这些其他参数需要与卫星或无人机测量时的数据相一致，其他参数具体为：
环境因素方面：风吹水表的状况是风速和风向的函数，可以影响水气相互作用界面的粗造度和局部光场环境，HYDROLIGHT使用Monte Carlo模拟方法求解水气交界处复杂的环境变化。
水体底质方面：当水体深度高于透明度三倍及以上时，一般认为底泥对水面以上遥感反射率的影响是微乎其微的，因此，在洪泽湖大部分水域平均透明度较低的情况下，其底部反射率可以忽略。
天空漫辐射分布方面：入射在水表面的太阳直接辐射和天空光漫射辐射分布，HYDROLIGHT使用LOWTRAN7计算。模拟时采用默认设置，在这里选择无人机或卫星成像时刻的太阳天顶角与方位角，且为无云天空。具体输入参数见表1：
表1 HYDROLIGHT输入参数表
利用无人机或卫星遥感图像数据获得遥感图像中任意像元的表面遥感反射率实测值，将任意像元的表面遥感反射率实测值与表面遥感反射率模拟数据集进行匹配，具体方法为：
基于表层悬浮物浓度、表层叶绿素浓度和有色可溶有机物吸收系数遥感反演模型，首先根据任意像元的表面遥感反射率特征模糊估算表层悬浮物浓度、表层叶绿素浓度和有色可溶有机物吸收系数，并根据表层悬浮物浓度、表层叶绿素浓度和有色可溶有机物吸收系数遥感反演模型的精度值，上下浮动该精度值，抽取得到表面遥感反射率模拟子数据集，以降低查找条数；精度值通过比较实测和模拟数据集中对应的结果来评价。精度值的浮动为上下浮动一个步长。
基于遥感反射率光谱角（OBSAM）算法，重点匹配表面遥感反射率模拟子数据集中各条数据的光谱形状，给出最优匹配结果；
判断匹配相似度，保留曲线相似度高的像元，即为匹配成功的像元，否则舍弃，舍弃的像元数据即不存在于利用激光雷达得到的表面遥感反射率模拟数据集中。
引入匹配相似度(P)的概念，令：
也就是说，当P是100%，则两条曲线完全匹配；当P位于[90%，100%)则两条曲线的相似度很高；当P位于[80%，90%)则两条曲线的相似度较高；当P位于[70%，80%)则两条曲线的相似度一般；当P小于70%则认为相似度较差，舍弃匹配结果。
表2 遥感估算无机悬浮物浓度三维分布的基本思路流程表
保留所述匹配成功的像元作为目标像元，反演目标像元所对应的表面遥感反射率模拟值，获得遥感图像数据中目标像元的水下逐层悬浮物浓度和水下逐层叶绿素浓度。
基于上述激光雷达与遥感协同的遥感反演方法，本实施例还提供一种主被动融合的水质立体遥感反演系统，包括如下组件：
激光雷达测量模块：用于向目标水体中目标位点发射激光并接收后向散射信号，输出目标位点的水下逐层水体衰减系数和水下逐层后向散射系数；
遥感模块：在激光雷达测量模块接收后向散射信号的同一时刻，利用卫星或无人机上的传感器获得目标水体表面的遥感数据，利用计算机将遥感数据转换为任意像元的表面遥感反射率实测值；输出任意像元的表面遥感反射率实测值至匹配模块；
计算模块：用于接收激光雷达测量模块输出的水下逐层水体衰减系数和水下逐层后向散射系数，计算并输出水下逐层色素颗粒物单位吸收系数、水下逐层非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数至正演模块；
正演模块：用于将接收的水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数输入辐射传输模型，输出连续的表面遥感反射率模拟数据集至匹配模块；
匹配模块：接收任意像元的表面遥感反射率实测值和连续的表面遥感反射率模拟数据集，将二者进行匹配获得目标像元，利用目标像元所对应的表面遥感反射率模拟值自动反演估算水下逐层悬浮物浓度和水下逐层叶绿素浓度。
本实施例还提供一种计算机存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行本实施例中所述主被动融合的水质立体遥感反演方法的步骤。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。
Claims (8)
1.一种主被动融合的水质立体遥感反演方法，其特征在于，包括：
同步获取目标水体的遥感图像数据和目标水体中目标位点的水下逐层水体衰减系数和水下逐层后向散射系数，所述目标位点的水下逐层水体衰减系数和水下逐层后向散射系数由激光雷达探测获得；
获得悬浮物浓度实测值、叶绿素浓度实测值、有色可溶有机物系数实测值、水体衰减系数实测值和后向散射系数实测值，建立悬浮物浓度实测值与所述水体衰减系数实测值和后向散射系数实测值的对应函数关系；建立叶绿素浓度实测值与所述水体衰减系数实测值和后向散射系数实测值的对应函数关系；建立有色可溶有机物系数实测值与所述水体衰减系数实测值的对应函数关系，基于已建立的对应函数关系，输入水下逐层水体衰减系数和水下逐层后向散射系数，输出水下逐层的悬浮物浓度、水下逐层的叶绿素浓度、水下逐层的有色可溶有机物吸收系数；
利用水下逐层后向散射系数，获得水下逐层总散射系数；
利用水下逐层水体衰减系数和水下逐层总散射系数获得水下逐层总吸收系数；
利用水下逐层总吸收系数获得水下逐层的色素颗粒物吸收系数和水下逐层的非色素颗粒物吸收系数；
利用所述水下逐层的悬浮物浓度与和水下逐层的非色素颗粒物吸收系数获得水下逐层非色素颗粒物单位吸收系数；利用所述水下逐层的叶绿素浓度与所述水下逐层的色素颗粒物吸收系数获得水下逐层色素颗粒物单位吸收系数；
结合水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数，基于水下逐层辐射传输模拟，正演获得连续的表面遥感反射率模拟数据集；
利用遥感图像数据获得遥感图像中任意像元的表面遥感反射率实测值，将任意像元的表面遥感反射率实测值与表面遥感反射率模拟数据集进行匹配，保留匹配成功的像元作为目标像元；
反演目标像元所对应的表面遥感反射率模拟值，获得遥感图像数据中目标像元的水质参数，所述水质参数包括水下逐层悬浮物浓度、叶绿素浓度。
2.根据权利要求1所述主被动融合的水质立体遥感反演方法，其特征在于，所述利用水下逐层后向散射系数，获得水下逐层总散射系数的具体方法为：
基于水下逐层体散射相函数，输入水下逐层后向散射系数，输出水下逐层总散射系数。
3.根据权利要求1所述主被动融合的水质立体遥感反演方法，其特征在于，所述结合水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数，基于水下逐层辐射传输模拟，正演获得连续的表面遥感反射率模拟数据集的具体方法为：
输入色素颗粒物单位吸收系数、叶绿素浓度、非色素颗粒物单位吸收系数、悬浮物浓度、有色可溶有机物吸收系数和其他光学参数和水质参数，基于水下逐层辐射传输模拟，输出连续的表面遥感反射率模拟值，以连续的表面遥感反射率模拟值形成表面遥感反射率模拟数据集；所述其他光学参数和水质参数包括色素颗粒物后向散射概率、非色素颗粒物后向散射概率、色素颗粒物散射模型、非色素颗粒物散射模型、纯水吸收系数和纯水散射系数。
4.根据权利要求1所述主被动融合的水质立体遥感反演方法，其特征在于，激光雷达探测获得目标位点的水下逐层水体衰减系数和水下逐层后向散射系数的具体步骤为：
通过高光谱激光雷达向目标水体中目标位点垂向发射激光脉冲，获取水下逐层水体后向回波信号；
根据所述水下逐层水体后向回波信号，获得目标位点的水下逐层水体衰减系数和水下逐层后向散射系数。
5.根据权利要求1所述主被动融合的水质立体遥感反演方法，其特征在于，所述利用遥感图像数据获得遥感图像中任意像元的表面遥感反射率实测值，将任意像元的表面遥感反射率实测值与表面遥感反射率模拟数据集进行匹配的具体步骤为：
基于表层悬浮物浓度、表层叶绿素浓度和有色可溶有机物吸收系数遥感反演模型，根据任意像元的表面遥感反射率特征模糊估算表层悬浮物浓度、表层叶绿素浓度、有色可溶有机物吸收系数，并根据表层悬浮物浓度、表层叶绿素浓度和有色可溶有机物吸收系数遥感反演模型的精度值，上下浮动该精度值，抽取得到表面遥感反射率模拟子数据集，以降低查找条数；
基于遥感反射率光谱角算法，重点匹配表面遥感反射率模拟子数据集中各条数据的光谱形状，给出最优匹配结果；
判断匹配相似度，保留曲线相似度高的像元，即为匹配成功的像元，否则舍弃。
6.根据权利要求1所述主被动融合的水质立体遥感反演方法，其特征在于，所述悬浮物为无机悬浮物。
7.一种主被动融合的水质立体遥感反演系统，其特征在于，采用权利要求1~6中任一项所述方法进行演算，包括如下组件：
激光雷达测量模块：用于向目标水体中目标位点发射激光并接收后向回波信号，输出目标位点的水下逐层水体衰减系数和水下逐层后向散射系数；
遥感模块：在激光雷达测量模块接收水体逐层后向回波信号的同一时刻，利用卫星或无人机上的传感器获得目标水体表面的遥感数据，利用计算机将遥感数据转换为任意像元的表面遥感反射率实测值；输出任意像元的表面遥感反射率实测值至匹配模块；
计算模块：用于接收激光雷达测量模块输出的水下逐层水体衰减系数和水下逐层后向散射系数，计算并输出水下逐层色素颗粒物单位吸收系数、水下逐层非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数至正演模块；
正演模块：用于将接收的水下逐层的色素颗粒物单位吸收系数、水下逐层的非色素颗粒物单位吸收系数和水下逐层有色可溶有机物吸收系数输入辐射传输模型，输出连续的表面遥感反射率模拟数据集至匹配模块；
匹配模块：接收任意像元的表面遥感反射率实测值和连续的表面遥感反射率模拟数据集，将二者进行匹配获得目标像元，利用目标像元所对应的表面遥感反射率模拟值自动反演估算水下逐层悬浮物浓度和水下逐层叶绿素浓度。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1~6中任一项所述主被动融合的水质立体遥感反演方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310043088.4A CN115797760B (zh) | 2023-01-29 | 2023-01-29 | 主被动融合的水质立体遥感反演方法、系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310043088.4A CN115797760B (zh) | 2023-01-29 | 2023-01-29 | 主被动融合的水质立体遥感反演方法、系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115797760A CN115797760A (zh) | 2023-03-14 |
| CN115797760B true CN115797760B (zh) | 2023-05-12 |
Family
ID=85428989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310043088.4A Active CN115797760B (zh) | 2023-01-29 | 2023-01-29 | 主被动融合的水质立体遥感反演方法、系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115797760B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116430353B (zh) * | 2023-06-13 | 2023-08-25 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水体激光雷达信号模拟方法 |
| 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 |
| CN117274819B (zh) * | 2023-11-17 | 2024-02-23 | 山东省国土空间数据和遥感技术研究院(山东省海域动态监视监测中心) | 用于多类型海域智能化监测的遥感信息提取系统 |
| CN117491301B (zh) * | 2023-12-29 | 2024-03-15 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种高坝水库水环境垂向监测方法、系统及设备 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109059796B (zh) * | 2018-07-20 | 2020-07-31 | 自然资源部第三海洋研究所 | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 |
| CN109884664B (zh) * | 2019-01-14 | 2022-12-02 | 武汉大学 | 一种城市地上生物量光学微波协同反演方法及系统 |
| CN110441777B (zh) * | 2019-07-11 | 2021-08-03 | 中山大学 | 一种基于激光雷达的气溶胶垂直廓线的反演方法 |
| CN113219496A (zh) * | 2021-03-18 | 2021-08-06 | 杭州电子科技大学 | 一种星载海洋大气参数激光雷达探测系统 |
| CN113639716A (zh) * | 2021-07-29 | 2021-11-12 | 北京航空航天大学 | 一种基于深度残差收缩网络的水深遥感反演方法 |
| CN113793374B (zh) * | 2021-09-01 | 2023-12-22 | 自然资源部第二海洋研究所 | 一种基于利用改进的四波段遥感影像qaa算法水质反演结果反演水深的方法 |
| CN115266509B (zh) * | 2022-09-26 | 2023-02-24 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种基于激光雷达的水下垂向悬浮物浓度探测方法及系统 |
-
2023
- 2023-01-29 CN CN202310043088.4A patent/CN115797760B/zh active Active
Non-Patent Citations (1)
| Title |
|---|
| 二类水体悬浮泥沙遥感反演算法综述;孟灵;屈凡柱;毕晓丽;;浙江海洋学院学报(自然科学版)(第05期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115797760A (zh) | 2023-03-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115797760B (zh) | 主被动融合的水质立体遥感反演方法、系统及存储介质 | |
| Lee et al. | A new method for the measurement of the optical volume scattering function in the upper ocean | |
| Kinzel et al. | Mapping river bathymetry with a small footprint green LiDAR: applications and challenges 1 | |
| CN110031856A (zh) | 一种机载LiDAR测深数据的漫衰减系数提取方法 | |
| CN106125088B (zh) | 基于激光雷达测深系统确定海水深度的方法 | |
| CN107831485A (zh) | 船载多视场激光雷达探测多个水体光学特征参数的方法 | |
| CN110673108B (zh) | 一种基于迭代Klett的机载海洋激光雷达信号处理方法 | |
| CN105092476A (zh) | 同时反演内陆水体混浊度、cod和叶绿素浓度的方法 | |
| CN113219496A (zh) | 一种星载海洋大气参数激光雷达探测系统 | |
| CN115266509B (zh) | 一种基于激光雷达的水下垂向悬浮物浓度探测方法及系统 | |
| CN106053370A (zh) | 一种基于hico模拟的反演近海岸水体透明度的方法 | |
| CN107976686A (zh) | 一种多视场角海洋激光雷达及其视场角择优方法 | |
| CN116817869B (zh) | 一种利用激光雷达数据的海底光子信号确定方法 | |
| Chen et al. | Lidar remote sensing for vertical distribution of seawater optical properties and chlorophyll-a from the East China Sea to the South China Sea | |
| Chen et al. | A simple atmospheric correction algorithm for MODIS in shallow turbid waters: A case study in Taihu Lake | |
| Xu et al. | Design and validation of a shipborne multiple-field-of-view lidar for upper ocean remote sensing | |
| CN110376572A (zh) | 一种机载激光雷达水下探测深度模拟方法和装置 | |
| CN113310851B (zh) | 一种实时浑浊介质目标识别系统和方法 | |
| CN116609758B (zh) | 一种机载激光测深波形旅行时提取方法 | |
| Hassan et al. | Prediction framework for water quality parameters monitoring via remote sensing | |
| Pahlevan et al. | Integrating Landsat-7 imagery with physics-based models for quantitative mapping of coastal waters near river discharges | |
| Aitken et al. | Prelude to CZMIL: seafloor imaging and classification results achieved with CHARTS and the Rapid Environmental Assessment (REA) Processor | |
| Smart et al. | Detection of diffuse seafloor venting using a structured light laser sensor: 1. Development of a classification based detection method | |
| CN116930125B (zh) | 一种后向散射全选通成像水体衰减系数测量方法 | |
| Zheng et al. | Research progress in surface water quality monitoring based on remote sensing technology |
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 |