[发明专利]基于确定性集合建模的水质参数多模型协同反演方法

权利要求书

1.基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，包括以下步骤：

预处理步骤：获取研究区水体实测高光谱反射率，并对采样点处实测的高光谱反射率进行预处理；

特征变量选取步骤：选择2/3采样点作为建模采样点，分别利用建模采样点处预处理后的光谱变量和水质参数浓度进行相关性分析，确定反演水质参数的特征变量；

单一模型构建步骤：利用特征变量建立水质参数多个反演模型；

精度评价步骤：对所建模型进行精度评价，计算各单一模型的建模综合误差、验证综合误差和模型综合误差；

集合建模步骤：根据精度评价结果，选择模型综合误差最小的模型进行集合建模，利用熵权法和集对原理确定各单一模型权重，对各单一模型反演结果进行加权求和，建立反演水质参数的集合模型，计算集合模型综合误差。

2.根据权利要求1所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的预处理步骤中对采样点处实测高光谱反射率进行预处理的方法包括归一化、一阶微分和波段比值。

3.根据权利要求1所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的特征变量选取步骤中的水质参数浓度包括：叶绿素a浓度、总悬浮物浓度和浊度。

4.根据权利要求1所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的特征变量选取步骤中的确定反演水质参数的特征变量，确定方法包括以下过程：

获取和水质参数浓度具有最大正相关系数的λ_m处归一化光谱反射率、水质参数浓度具有最大负相关系数的λ_e处归一化光谱反射率、水质参数浓度相关系数绝对值最大的λ_s处一阶微分光谱反射率以及λ_u和λ_v处光谱反射率比值，选择λ_m处归一化光谱反射率、λ_e处归一化光谱反射率、λ_s处一阶微分光谱反射率以及λ_u和λ_v处光谱反射率比值为反演水质参数的特征变量。

5.根据权利要求1所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的单一模型建模步骤中的多个反演模型，包括：单波段模型、一阶微分模型和波段比值模型。

6.根据权利要求5所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的单波段模型，建模过程包括：选择λ_m处归一化光谱反射率建立反演水质参数浓度的线性回归模型、一元二次回归模型和指数回归模型。

7.根据权利要求5所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的一阶微分模型，建模过程包括：选择λ_s处一阶微分光谱反射率建立反演水质参数浓度的线性回归模型、一元二次回归模型和指数回归模型。

8.根据权利要求5所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的波段比值模型，包括：原始光谱反射率比值模型和归一化光谱反射率比值模型；

原始光谱反射率比值模型建模过程包括：选择λ_u和λ_v处光谱反射率比值建立反演水质参数浓度的线性回归模型、一元二次回归模型和指数回归模型；

归一化光谱反射率比值模型建模过程包括：选择λ_m和λ_e处归一化光谱反射率比值建立反演水质参数浓度的线性回归模型、一元二次回归模型和指数回归模型。

9.根据权利要求1所述的基于确定性集合建模的水质参数多模型协同反演方法，其特征在于，所述的精度评价步骤中综合误差，误差计算指标包括：相对均方根误差、相对误差和综合误差。