CN117274082A - 一种基于遥感生态指数的水体生态环境质量分析方法及系统 - Google Patents
一种基于遥感生态指数的水体生态环境质量分析方法及系统 Download PDFInfo
- Publication number
- CN117274082A CN117274082A CN202311199006.1A CN202311199006A CN117274082A CN 117274082 A CN117274082 A CN 117274082A CN 202311199006 A CN202311199006 A CN 202311199006A CN 117274082 A CN117274082 A CN 117274082A
- Authority
- CN
- China
- Prior art keywords
- data
- water
- water body
- result
- ecological
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 275
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 238000012937 correction Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 22
- 238000012216 screening Methods 0.000 claims abstract description 22
- 238000001303 quality assessment method Methods 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 16
- 230000005855 radiation Effects 0.000 claims description 22
- 238000013441 quality evaluation Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 238000013112 stability test Methods 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000002310 reflectometry Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012847 principal component analysis method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010606 normalization Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000036541 health Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000001744 unit root test Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 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
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及人工智能技术,揭露了一种基于遥感生态指数的水体生态环境质量分析方法及系统,包括:获取目标水域的遥感数据,对所述数据进行数据筛选以及数据校正,得到待处理数据;根据所述待处理数据计算所述目标水域的水体生态指数;根据所述水体生态指数计算时间序列变化,得到时间序列结果;根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果;根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果。本发明可以提高解决水体生态环境质量的分析精准度低的问题。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种基于遥感生态指数的水体生态环境质量分析方法及系统。
背景技术
随着社会的发展,水体生态环境质量的保护和管理也变得越来越重要。在这一背景下,生态环境质量分析成为评估水体健康状况和生态系统功能的关键手段之一,通过进行水体生态环境质量分析,可以帮助我们更好地了解水体生态系统的运行状态,并采取相应的措施来保护和改善水体生态环境。
现阶段的水体生态环境质量分析方法主要包括水样采集法以及生物检测法,其中所述水样采集法是通过人力采集出目标水域的水体,再对水体进行检测,需要花费大量的时间和人力资源,并且只能提供瞬时的信息,不能反映长期的水体生态环境质量状况;生物检测法是通过对水体中的生物群落进行检测,判断水体质量,但该方法容易受到外界环境的干扰因素,进而导致得到的水体生态环境质量的分析精准度低。综上所述,现有技术中,仍存在水体生态环境质量的分析精准度低的问题。
发明内容
本发明提供一种基于遥感生态指数的水体生态环境质量分析方法及系统,其主要目的在于解决水体生态环境质量的分析精准度低的问题。
为实现上述目的,本发明提供的一种基于遥感生态指数的水体生态环境质量分析方法,所述方法包括:
获取目标水域的遥感数据,对所述数据进行数据筛选以及数据校正,得到待处理数据;
根据所述待处理数据计算所述目标水域的水体生态指数,其中,可以利用如下公式来计算所述目标水域的水体生态指数:
其中,NDVI为所述水体生态指数,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率;
根据所述水体生态指数计算时间序列变化,得到时间序列结果;
根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果;
根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果。
可选地,所述对所述数据进行数据筛选以及数据校正,得到待处理数据,包括:
对所述数据进行质量筛选,得到筛选数据;
对所述筛选数据进行大气矫正,得到大气矫正数据;
对所述大气矫正数据进行辐射矫正,得到辐射矫正数据;
对所述辐射校正数据进行几何矫正,得到待处理数据。
可选地,所述根据所述待处理数据计算所述目标水域的水体生态指数,包括:
根据所述待处理数据计算出所述目标水域的绿度、水体色彩指数,其中,可以利用如下公式来计算所述目标水域的绿度:
其中,NDVI为所述绿度,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率,
可以利用如下公式来计算所述水体色彩指数:
其中,WCI为所述水体色彩指数,R表示所述待处理数据中红色波段数据,G表示所述待处理数据中绿色波段数据;
对所述绿度、所述水体色彩指数进行归一化处理,得到归一化数据;
利用主成分分析法对所述归一化数据进行提取,得到水体生态指数。
可选地,所述利用主成分分析法对所述归一化数据进行提取,得到水体生态指数,包括:
计算所述归一化数据的协方差矩阵;
对所述协方差矩阵进行特征值分解,得到特征值和特征向量;
将所述特征值进行降序排序,根据降序排序结果依次选取预设数目的特征值对应的特征向量作为主成分;
将所述归一化数据投影至所述主成分上,得到主成分特征向量;
获取主成分特征向量的权重值,根据所述权重值计算所述主成分特征向量的加权和,得到水体生态指数。
可选地,所述根据所述水体生态指数计算时间序列变化,得到时间序列结果,包括:
根据所述水体生态指数构建时间序列;
对所述时间序列进行平稳性检验,得到平稳数据;
根据所述平稳数据进行时间序列模型构建,得到时间序列模型;
根据所述时间序列模型对所述水体生态指数进行变化分析,得到时间序列结果。
可选地,所述对所述时间序列进行平稳性检验,得到平稳数据,包括:
利用自相关图检验法对所述时间序列进行平稳性检验;
若所述时间序列通过所述平稳性检验,则将所述时间序列数据作为平稳数据;
若所述时间序列未通过所述平稳性检验,则对所述数据进行数据转换,得到平稳性数据。
可选地,所述根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果,包括:
对所述水体生态指数以及预采集的环境参数数据进行数据合并,得到合并数据;
计算所述合并数据的相关系数;
对所述相关系数进行显著性检验,得到显著性结果;
对所述显著性结果以及所述相关系数进行线性相加,得到水体环境关联结果。
可选地,所述对所述显著性结果以及所述相关系数进行线性相加,得到水体环境关联结果,包括:
将每个所述水体生态指数对应的显著性结果作为所述目标数据的权重,得到显著性数据;
根据所述显著性数据以及所述相关系数进行加权求和,得到水体环境关联结果。
可选地,所述根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果,包括:
获取水体环境关联结果以及所述时间序列结果对应的结果权重,根据所述结果权重对所述水体环境关联结果以及所述时间序列结果进行加权求和,得到水体生态环境质量数据;
获取水体生态环境质量评估标准,将所述水体生态环境质量数据与所述水体生态环境质量评估标准进行差值比对,得到对比结果;
获取对比结果评分标准,将所述对比结果与所述对比结果评分标准进行阈值比对,得到水体生态环境质量评估结果。
为了解决上述问题,本发明还提供一种基于遥感生态指数的水体生态环境质量分析系统,所述系统包括:
数据处理模块,获取目标水域的遥感数据,对所述数据进行数据筛选以及数据校正,得到待处理数据;
指数计算模块,根据所述待处理数据计算所述目标水域的水体生态指数,其中,可以利用如下公式来计算所述目标水域的水体生态指数:
其中,NDVI为所述水体生态指数,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率;
时间预测模块,根据所述水体生态指数计算时间序列变化,得到时间序列结果;
关联结果模块,根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果;
评估结果模块,根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果。
本发明实施例通过计算出目标水域的水体生态指数,进而可以实现水体生态环境质量评估的多指标分析,得到更加全面的生态环境质量分析结果,提高所述水体生态环境质量的分析结果精准度;通过对水体生态指数以及环境参数进行关联程度计算,得到水体环境关联结果,可以引进新的水体环境参数数据,去除外界环境参数数据对水体生态环境质量分析造成的影响,进而可以更全面地评估水体生态环境质量,提高水体生态环境质量分析结果的可靠性与准确度。因此本发明提出的基于遥感生态指数的水体生态环境质量分析方法及系统,可以解决水体生态环境质量的分析精准度低的问题。
附图说明
图1为本发明一实施例提供的基于遥感生态指数的水体生态环境质量分析方法的流程示意图;
图2为本发明一实施例提供的计算水体生态指数的流程示意图;
图3为本发明一实施例提供的计算时间序列变化的流程示意图;
图4为本发明一实施例提供的基于遥感生态指数的水体生态环境质量分析系统的功能模块图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种基于遥感生态指数的水体生态环境质量分析方法。所述基于遥感生态指数的水体生态环境质量分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述基于遥感生态指数的水体生态环境质量分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network,CDN),以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示,为本发明一实施例提供的基于遥感生态指数的水体生态环境质量分析方法的流程示意图。在本实施例中,所述基于遥感生态指数的水体生态环境质量分析方法包括:
S1、获取目标水域的遥感数据,对所述数据进行数据筛选以及数据校正,得到待处理数据。
本发明实施例中,通过对获取的目标水域的遥感数据进行数据筛选以及数据矫正可以去除不可靠的数据以及有干扰的数据,进而可以提高数据的质量和可信度,获得优质数据。
本发明实施例中,所述目标水域的遥感数据指的是不同时间点的目标水域的多光谱影像数据、雷达影像数据以及高程数据,其中,多光谱影像数据包括红外波段数据、红色波段数据、绿色波段数据以及红外波段反射率数据。
本发明实施例中,所述对所述数据进行数据筛选以及数据校正,得到待处理数据,包括:
对所述数据进行质量筛选,得到筛选数据;
对所述筛选数据进行大气矫正,得到大气矫正数据;
对所述大气矫正数据进行辐射矫正,得到辐射矫正数据;
对所述辐射校正数据进行几何矫正,得到待处理数据。
本发明实施例中,可以利用云检测算法或者是阴影检测算法来进行质量筛选,通过对所述数据进行质量筛选,可以提高数据的可用性以及解释性,进而可以提高数据的精准度。
本发明实施例中,可以利用大气矫正程序或者是反演化法来进行大气校正,当利用大气校正程序来进行大气校正时,由于程序基于物理模型,使用遥感影像的光谱信息和大气参数,计算出大气校正系数,对影像进行校正,因此得到的大气矫正数据的精准度更高;当利用反演化法来进行大气校正时,由于是使用地物光谱信息和遥感影像的辐射数据,基于最小二乘法或其他优化算法,通过反演算法来估算大气校正系数,因此得到的大气矫正数据的可靠性更高。
本发明实施例中,可以利用辐射校正法或者是亮度比矫正法来进行辐射矫正,当利用辐射校正法来进行辐射矫正时,由于辐射校正是将遥感影像中的数字数值转换为具有物理意义的辐射亮度值,进而得到辐射矫正数据,因此得到的辐射矫正数据的效率更高;当利用亮度比矫正法来进行辐射矫正时,由于亮度比矫正法是通过比较不同波段之间的数字数值,消除辐射定标之间的差异,进而得到辐射矫正数据,因此得到的辐射矫正数据的可靠性更高。
本发明实施例中,可以利用多项式拟合法或者是自动配准法来进行几何矫正,当利用多项式拟合法来进行几何矫正时,由于多项式拟合法是通过建立遥感影像像素坐标与目标地面坐标之间的多项式函数关系,在利用拟合曲线进行几何矫正的,因此得到的待处理数据的效率更高;当利用自动配准法来进行几何矫正时,由于是通过计算两幅或多幅遥感影像之间的相似性,自动地匹配图像中的特征点或特征区域,进而实现几何矫正的,因此得到的待处理数据的精准度更高。
本发明实施例中,通过对数据进行数据筛选以及数据矫正,可以提高数据的精准度进而提高数据的有效利用程度,方便后续的计算。
S2、根据所述待处理数据计算所述目标水域的水体生态指数。
本发明实施例中,通过计算出所述目标水域的水体生态指数可以从多方面了解所述目标水域的生态状况,进而帮助识别水质问题和生态风险,更好地完成水体生态环境的质量分析。
本发明实施例中,所述根据所述待处理数据计算所述目标水域的水体生态指数,包括:
S21、根据所述待处理数据计算出所述目标水域的绿度、水体色彩指数;
S22、对所述绿度、所述水体色彩指数进行归一化处理,得到归一化数据;
S23、利用主成分分析法对所述归一化数据进行提取,得到水体生态指数。
本发明实施例中,所述目标水域的绿度指的是水域中的植被覆盖程度;它反映了水体周围植被的类型、数量和健康状况。
本发明实施例中,可以利用如下公式来计算所述目标水域的绿度:
其中,NDVI为所述绿度,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率。
本发明实施例中,所述水体色彩指数是评估水体中溶解有机物和固体悬浮物的浓度以及水体透明度的指标。
本发明实施例中,可以利用如下公式来计算所述水体色彩指数:
其中,WCI为所述水体色彩指数,R表示所述待处理数据中红色波段数据,G表示所述待处理数据中绿色波段数据。
本发明实施例中,可以利用线性归一化或者是Z-标准归一化来进行归一化,当利用标准差归一化的时候,由于Z-标准归一化是通过将数据减去均值,然后除以标准差来进行归一化,这样得到的归一化数据的结果精度更高;通过线性归一化来实现归一化的时候,由于是将数据减去最小值再除以最大值和最小值的差值,计算简单,因此得到的归一化数据的效率更高。
本发明实施例中,所述利用主成分分析法对所述归一化数据进行提取,得到水体生态指数,包括:
计算所述归一化数据的协方差矩阵;
对所述协方差矩阵进行特征值分解,得到特征值和特征向量;
将所述特征值进行降序排序,根据降序排序结果依次选取预设数目的特征值对应的特征向量作为主成分;
将所述归一化数据投影至所述主成分上,得到主成分特征向量;
获取主成分特征向量的权重值,根据所述权重值计算所述主成分特征向量的加权和,得到水体生态指数。
本发明实施例中,通过计算所述目标水域的水体生态指数可以获得所述目标水域的生态数据信息,进而可以通过对生态数据信息分析得到所述目标水域的水体生态环境结果。
S3、根据所述水体生态指数计算时间序列变化,得到时间序列结果。
本发明实施例中,通过对所述水体生态指数进行时间序列计算,可以揭示水体生态环境的演变趋势,帮助了解水体生态环境的长期变化,进而更好地得到水体生态环境质量分析结果。
本发明实施例中,所述根据所述水体生态指数计算时间序列变化,得到时间序列结果,包括:
S31、根据所述水体生态指数构建时间序列;
S32、对所述时间序列进行平稳性检验,得到平稳数据;
S33、根据所述平稳数据进行时间序列模型构建,得到时间序列模型;
S34、根据所述时间序列模型对所述水体生态指数进行变化分析,得到时间序列结果。
本发明实施例中,可以利用插值法或者是时间排序法来构建时间序列;当利用插值法来进行时间序列构建的时候,由于插值法是将时间序列点逐个插入所述水体生态指数中,因此得到的时间序列的结果精确度更高;当利用时间排序法来构建时间序列的时候,由于时间排序法是根据计算所述水体生态指数的数据的时间来进行排序的,方法简单,因此得到的时间序列结果的效率更高。
本发明实施例中,可以利用单位根检验或者是自相关图检验法来进行平稳性检验,当利用单位根检验的时候,由于是检验时间序列是否包含非平稳性,再根据所述非平稳性检验结果确定平稳性,因此得到平稳性结果的精确度更高;当利用自相关图检验法来检验平稳性的时候,由于自相关图检验是根据所述时间序列绘制时间序列的自相关图,在根据自相关图确定自相关图中自相关系数的衰减情况得到的平稳性,因此的平稳性结果的效率更高。
本发明实施例中,所述对所述时间序列进行平稳性检验,得到平稳数据,包括:
利用自相关图检验法对所述时间序列进行平稳性检验;
若所述时间序列通过所述平稳性检验,则将所述时间序列数据作为平稳数据;
若所述时间序列未通过所述平稳性检验,则对所述数据进行数据转换,得到平稳性数据。
本发明实施例中,可以利用差分操作或者是对数转换来进行数据转换,当利用差分操作来进行数据转换的时候,由于差分操作时计算相邻观测值之间的差值来实现的数据转换,因此得到的平稳性数据的效率更高;当利用对数转换来进行数据转换的时候,由于对数转换是对数据进行取对数操作得到的平稳性数据,可以减小数据的波动范围,因此得到的平稳性数据的可靠性更高。
本发明实施例中,所述时间序列模型指的是一种线性回归模型,包括自回归部分以及移动平均部分,所述自回归部分是用来根据平稳性数据来对当前的变化,所述移动平均部分是用来根据平稳性数据预测未来的变化。
S4、根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果。
本发明实施例中,通过将环境参数数据以及所述水体生态指数进行关联可以降低因环境因素导致的影响水体生态环境质量评估结果不准确问题,进而可以提高水体生态环境质量的分析精准度。
本发明实施例中,所述环境参数数据指的是水质监测数据、气象数据、水温、pH值、溶解氧、降雨量、流量。
本发明实施例中,所述根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果,包括:
对所述水体生态指数以及预采集的环境参数数据进行数据合并,得到合并数据;
计算所述合并数据的相关系数;
对所述相关系数进行显著性检验,得到显著性结果;
对所述显著性结果以及所述相关系数进行线性相加,得到水体环境关联结果。
本发明实施例中,可以利用基于时间戳的合并或者是基于空间位置的合并来将所述数据进行合并,当利用基于时间戳的合并来进行合并的时候,由于是将水体生态指数和环境参数数据根据时间戳进行对齐,以确保两个数据集在相同时间点上对应,因此,得到的合并数据的效率更高;当利用基于空间位置的合并时,由于是将所述水体生态指数和环境参数数据中相同空间位置的数据对应合并在一起,因此得到的合并数据的可靠性更高。
本发明实施例中,可以利用皮尔逊相关系数或者是斯皮尔曼相关系数来进行相关系数计算,通过计算出所述合并数据的相关性,可以发现所述水体生态指数以及所述环境参数数据的线性关系,进而得到水体环境关联结果。
本发明实施例中,可以通过置信区间计算或者是效应大小法得到显著性结果,当利用置信区间来得到显著性结果的时候,由于置信区间提供了对参数估计的精度和可信度的度量,因此得到的显著性结果的精准度更高;当利用效应大小法得到显著性结果时,由于效应大小是衡量两个数据之间差异或关联的度量方法,因此得到的显著性结果的效率更高。
本发明实施例中,所述对所述显著性结果以及所述相关系数进行线性相加,得到水体环境关联结果,包括:
将每个所述水体生态指数对应的显著性结果作为所述目标数据的权重,得到显著性数据;
根据所述显著性数据以及所述相关系数进行加权求和,得到水体环境关联结果。
本发明实施例中,通过进行相关系数计算以及显著性评价可以使得水体环境关联结果的精准度更高,进而可以提高水体生态环境的质量评估结果。
S5、根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果。
本发明实施例中,通过对水体生态环境进行质量评估得到水体生态环境质量评估结果,可以结合水体环境关联结果和时间序列结果,综合评估水体生态环境的质量和变化趋势,进而提高水体生态环境质量评估结果的精准度以及可靠程度。
本发明实施例中,所述根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果,包括:
获取水体环境关联结果以及所述时间序列结果对应的结果权重,根据所述结果权重对所述水体环境关联结果以及所述时间序列结果进行加权求和,得到水体生态环境质量数据;
获取水体生态环境质量评估标准,将所述水体生态环境质量数据与所述水体生态环境质量评估标准进行差值比对,得到对比结果;
获取对比结果评分标准,将所述对比结果与所述对比结果评分标准进行阈值比对,得到水体生态环境质量评估结果。
本发明实施例中,通过对所述水体环境关联结果和所述时间序列结果进行加权评分得到评估结果,使得评估结果可以更准确地反映水体生态环境的整体状况,进而提高水体生态环境质量的分析精准度。
如图4所示,是本发明一实施例提供的基于遥感生态指数的水体生态环境质量分析系统的功能模块图。
本发明所述基于遥感生态指数的水体生态环境质量分析系统400可以安装于电子设备中。根据实现的功能,所述基于遥感生态指数的水体生态环境质量分析系统400可以包括数据处理模块101、指数计算模块102、时间预测模块103、关联结果模块104及评估结果模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据处理模块101,用于获取目标水域的遥感数据,对所述数据进行数据筛选以及数据校正,得到待处理数据;
所述指数计算模块102,用于根据所述待处理数据计算所述目标水域的水体生态指数,其中,可以利用如下公式来计算所述目标水域的水体生态指数:
其中,NDVI为所述水体生态指数,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率;
所述时间预测模块103,用于根据所述水体生态指数计算时间序列变化,得到时间序列结果;
所述关联结果模块104,用于根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果;
所述评估结果模块105,用于根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果。
详细地,本发明实施例中所述基于遥感生态指数的水体生态环境质量分析系统400中所述的各模块在使用时采用与附图中所述的基于遥感生态指数的水体生态环境质量分析方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或系统也可以由一个单元或系统通过软件或者硬件来实现。第一、第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (10)
1.一种基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述方法包括:
获取目标水域的遥感数据,对所述数据进行数据筛选以及数据校正,得到待处理数据;
根据所述待处理数据计算所述目标水域的水体生态指数,其中,可以利用如下公式来计算所述目标水域的水体生态指数:
其中,NDVI为所述水体生态指数,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率;
根据所述水体生态指数计算时间序列变化,得到时间序列结果;
根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果;
根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果。
2.如权利要求1所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述对所述数据进行数据筛选以及数据校正,得到待处理数据,包括:
对所述数据进行质量筛选,得到筛选数据;
对所述筛选数据进行大气矫正,得到大气矫正数据;
对所述大气矫正数据进行辐射矫正,得到辐射矫正数据;
对所述辐射校正数据进行几何矫正,得到待处理数据。
3.如权利要求1所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述根据所述待处理数据计算所述目标水域的水体生态指数,包括:
根据所述待处理数据计算出所述目标水域的绿度、水体色彩指数,其中,可以利用如下公式来计算所述目标水域的绿度:
其中,NDVI为所述绿度,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率,
可以利用如下公式来计算所述水体色彩指数:
其中,WCI为所述水体色彩指数,R表示所述待处理数据中红色波段数据,G表示所述待处理数据中绿色波段数据;
对所述绿度、所述水体色彩指数进行归一化处理,得到归一化数据;
利用主成分分析法对所述归一化数据进行提取,得到水体生态指数。
4.如权利要求3所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述利用主成分分析法对所述归一化数据进行提取,得到水体生态指数,包括:
计算所述归一化数据的协方差矩阵;
对所述协方差矩阵进行特征值分解,得到特征值和特征向量;
将所述特征值进行降序排序,根据降序排序结果依次选取预设数目的特征值对应的特征向量作为主成分;
将所述归一化数据投影至所述主成分上,得到主成分特征向量;
获取主成分特征向量的权重值,根据所述权重值计算所述主成分特征向量的加权和,得到水体生态指数。
5.如权利要求1所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述根据所述水体生态指数计算时间序列变化,得到时间序列结果,包括:
根据所述水体生态指数构建时间序列;
对所述时间序列进行平稳性检验,得到平稳数据;
根据所述平稳数据进行时间序列模型构建,得到时间序列模型;
根据所述时间序列模型对所述水体生态指数进行变化分析,得到时间序列结果。
6.如权利要求1至5中任一项所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述对所述时间序列进行平稳性检验,得到平稳数据,包括:
利用自相关图检验法对所述时间序列进行平稳性检验;
若所述时间序列通过所述平稳性检验,则将所述时间序列数据作为平稳数据;
若所述时间序列未通过所述平稳性检验,则对所述数据进行数据转换,得到平稳性数据。
7.如权利要求1所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果,包括:
对所述水体生态指数以及预采集的环境参数数据进行数据合并,得到合并数据;
计算所述合并数据的相关系数;
对所述相关系数进行显著性检验,得到显著性结果;
对所述显著性结果以及所述相关系数进行线性相加,得到水体环境关联结果。
8.如权利要求7所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述对所述显著性结果以及所述相关系数进行线性相加,得到水体环境关联结果,包括:
将每个所述水体生态指数对应的显著性结果作为所述目标数据的权重,得到显著性数据;
根据所述和显著性数据以及所述相关系数进行加权求和,得到水体环境关联结果。
9.如权利要求1所述的基于遥感生态指数的水体生态环境质量分析方法,其特征在于,所述根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果,包括:
获取水体环境关联结果以及所述时间序列结果对应的结果权重,根据所述结果权重对所述水体环境关联结果以及所述时间序列结果进行加权求和,得到水体生态环境质量数据;
获取水体生态环境质量评估标准,将所述水体生态环境质量数据与所述水体生态环境质量评估标准进行差值比对,得到对比结果;
获取对比结果评分标准,将所述对比结果与所述对比结果评分标准进行阈值比对,得到水体生态环境质量评估结果。
10.一种基于遥感生态指数的水体生态环境质量分析系统,其特征在于,所述系统包括:
数据处理模块,用于获取目标水域的遥感数据,对所述数据进行数据筛选以及数据校正,得到待处理数据;
指数计算模块,用于根据所述待处理数据计算所述目标水域的水体生态指数,其中,可以利用如下公式来计算所述目标水域的水体生态指数:
其中,NDVI为所述水体生态指数,ρNIR表示所述待处理数据中的红外波段,ρRed表示所述待处理数据中的红外波段反射率;
时间预测模块,用于根据所述水体生态指数计算时间序列变化,得到时间序列结果;
关联结果模块,用于根据所述水体生态指数以及预采集的环境参数数据进行关联程度分析,得到水体环境关联结果;
评估结果模块,用于根据所述水体环境关联结果以及所述时间序列结果进行水体生态环境质量评估,得到水体生态环境质量评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199006.1A CN117274082A (zh) | 2023-09-18 | 2023-09-18 | 一种基于遥感生态指数的水体生态环境质量分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311199006.1A CN117274082A (zh) | 2023-09-18 | 2023-09-18 | 一种基于遥感生态指数的水体生态环境质量分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117274082A true CN117274082A (zh) | 2023-12-22 |
Family
ID=89218931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311199006.1A Pending CN117274082A (zh) | 2023-09-18 | 2023-09-18 | 一种基于遥感生态指数的水体生态环境质量分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274082A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443486A (zh) * | 2019-07-31 | 2019-11-12 | 中电科新型智慧城市研究院有限公司 | 一种基于市场主体感知的营商环境评价分析方法和系统 |
CN115795237A (zh) * | 2022-11-25 | 2023-03-14 | 郑州大学 | 一种基于四元Copula的综合遥感生态指数并行计算方法 |
CN116359137A (zh) * | 2023-05-31 | 2023-06-30 | 武汉大学 | 多水域城市生态环境遥感监测方法 |
CN116645007A (zh) * | 2023-06-29 | 2023-08-25 | 山东寰达生态环境科技股份有限公司 | 一种基于多维数据采集的环境评价方法及系统 |
-
2023
- 2023-09-18 CN CN202311199006.1A patent/CN117274082A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110443486A (zh) * | 2019-07-31 | 2019-11-12 | 中电科新型智慧城市研究院有限公司 | 一种基于市场主体感知的营商环境评价分析方法和系统 |
CN115795237A (zh) * | 2022-11-25 | 2023-03-14 | 郑州大学 | 一种基于四元Copula的综合遥感生态指数并行计算方法 |
CN116359137A (zh) * | 2023-05-31 | 2023-06-30 | 武汉大学 | 多水域城市生态环境遥感监测方法 |
CN116645007A (zh) * | 2023-06-29 | 2023-08-25 | 山东寰达生态环境科技股份有限公司 | 一种基于多维数据采集的环境评价方法及系统 |
Non-Patent Citations (1)
Title |
---|
孔海燕;赵颖;陈珂;张兰真;邢昱;: "以RSEI模型为基础的环境质量评价", 环境研究与监测, no. 01, 20 March 2019 (2019-03-20) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9466122B1 (en) | Independent covariance estimation and decontamination | |
CN108447057B (zh) | 基于显著性和深度卷积网络的sar图像变化检测方法 | |
CN116879297B (zh) | 土壤水分协同反演的方法、装置、设备和介质 | |
CN111967535B (zh) | 一种储粮管理场景温度传感器故障诊断方法及其诊断装置 | |
US6990410B2 (en) | Cloud cover assessment: VNIR-SWIR | |
CN111879709B (zh) | 湖泊水体光谱反射率检验方法及装置 | |
CN111915595A (zh) | 图像质量评价方法、图像质量评价模型的训练方法和装置 | |
CN104198998B (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
CN113052153B (zh) | 遥感反射率影像的检验方法、装置、电子设备及存储介质 | |
CN116310913B (zh) | 基于小型无人机测量技术的自然资源调查监测方法及装置 | |
CN117274082A (zh) | 一种基于遥感生态指数的水体生态环境质量分析方法及系统 | |
CN103903258B (zh) | 基于次序统计量谱聚类的遥感图像变化检测方法 | |
CN111898314B (zh) | 湖泊水体参数检验方法、装置、电子设备及存储介质 | |
CN115825388A (zh) | 一种重金属估算模型的训练方法、估算方法、装置及设备 | |
CN113989632A (zh) | 一种遥感图像桥梁检测方法、装置、电子设备及存储介质 | |
CN107506824B (zh) | 一种配电网的不良观测数据检测方法及装置 | |
CN117314914B (zh) | 一种对工程无损检测图像的缺陷识别方法及相关设备 | |
CN117335409B (zh) | 基于人工智能的电力用户负荷预测系统 | |
CN116698762B (zh) | 一种基于无人机的水质检测方法、系统及介质 | |
CN116188510B (zh) | 一种基于多传感器的企业排放数据采集系统 | |
CN111914898B (zh) | 一种基于自适应阈值的机载sar任务适应性评估方法 | |
CN112070761B (zh) | 一种基于深度学习的明虾新鲜度无损检测方法 | |
CN117830819A (zh) | 作物受灾程度分析方法、设备及存储介质 | |
CN113962886A (zh) | 一种基于背景还原的红外伪装效果评估方法及系统 | |
CN118172630A (zh) | 稳定像元的判断方法及装置 |
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 |