[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

说明书

技术领域

本发明涉及水质遥感监测领域，尤其涉及基于确定性集合建模的水质参数多模型协同反演方法。

背景技术

随着水污染问题的日益严重，水质监测成为社会经济可持续发展必须解决的重大问题，尤其是内陆水体，其水质已经对国民的生产和生活用水安全产生威胁，实现对内陆水体水质准确、快速监测对保障国民用水安全具有重要意义。常规水质监测多采用实验室分析手段，虽然监测精度高，但费时、费力且只能获取监测断面上水质状况，难以满足对水质进行大范围、多时相动态监测的需求；遥感技术作为一种区域性监测手段，可克服常规水质监测方法的不足。

随着遥感技术的不断发展，遥感技术应用于水质监测的研究越来越多，反演模型主要有经验模型、半经验/半分析模型、分析模型以及机器学习模型等。经验模型是基于多光谱数据源的一种水质反演模型，该模型较为简单，应用最多，但精度有限；随着高光谱技术的发展，半经验和半分析模型越来越多的应用于水质遥感当中，由于半经验/半分析模型具有一定的物理意义，模型精度有所提高；分析模型虽具有明确的物理意义，但由于输入参数过多、模型机理尚未十分明确、水体固有光学参数获取困难等因素限制，分析模型在实际中应用较少；机器学习模型具有很强的非线性模拟能力，在复杂水环境下水质遥感反演中表现出特有的优势，但模型相对复杂，容易过拟合，泛化能力还需进一步提高。由于内陆水环境的复杂性，上述水质参数单一反演模型在建模和验证精度上往往不一致，难以同时达到较高的精度，模型稳定性较差。

发明内容

针对上述技术问题，本发明的主要目的在于提供一种基于确定性集合建模的水质参数多模型协同反演技术，目的在于综合水质参数多个反演模型特点，实现水质参数的多模型协同反演，建立高稳定性的水质参数集合反演模型。

为了达到上述目的，本发明的具体技术方案为：

基于确定性集合建模的水质参数多模型协同反演方法，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形式进行集合建模，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。

具体的，预处理步骤包括：

获取研究区水体实测高光谱反射率，并进行归一化、一阶微分和波段比值等预处理。

其中，所述归一化处理公式如下：

式中R^*(λ_i)为λ_i处归一化反射率；R(λ_i)为λ_i处反射率；n为400-750nm的波段数；

其中，所述一阶微分处理公式如下：

式中，λ_i-1、λ_i和λ_i+1为相邻波长；R(λ_i-1)和R(λ_i+1)分别为波长λ_i-1、λ_i+1处反射率；R′(λ_i)为波长λ_i处反射率一阶微分值，n为400-750nm的波段数；

其中，所述波段比值处理公式如下：

式中R(λ_i/λ_j)为λ_i处光谱反射率和λ_j处光谱反射率的比值；R(λ_i)为λ_i处光谱反射率；R(λ_j)为λ_j处光谱反射率；n为400～850nm波段数。

具体的，特征变量选取步骤：分别利用建模采样点处归一化光谱反射率、一阶微分反射率和波段反射率比值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；

其中，所述水质参数浓度包括：叶绿素a浓度、总悬浮物浓度和浊度。