[发明专利]基于遥感影像的水质健康监测方法、装置及存储介质

说明书

本发明公开了基于遥感影像的水质健康监测方法，其通过采用目标检测区域的历史监测资料以及遥感影像进行BP神经网络模型的训练得出目标检测区域的水质参数反演模型，然后将水质参数反演模型应用于水质参数的检测，实现水质健康的精准监测，解决了现有技术中水质健康监测采用解决了传统的以典型断面监测及水生生态调查为主的水质健康监测而不能够长时间、全空间角度对目标检测区域的水质健康状况的变化进行检测的问题。本发明还提供了一种基于遥感影像的水质健康监测装置和存储介质。

技术领域

本发明涉及水库水质监测与评估，尤其涉及一种利用遥感技术来实现水库水质健康监测方法、装置及存储介质。

背景技术

目前，传统的水库的水质监测与健康评估主要是以典型断面监测及水生生态调查为主，难以从长时间序列、全空间角度来了解检测区域中水质的健康状况变化趋势。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供基于遥感影像的水质健康监测方法，其能够解决现有技术中难以从长时间、全空间的角度来对水质健康状况进行监测。

本发明的目的之二在于提供基于遥感影像的水质健康监测装置，其能够解决现有技术中难以从长时间、全空间的角度来对水质健康状况进行监测。

本发明的目的之三在于提供一种存储介质，其能够解决现有技术中难以从长时间、全空间的角度来对水质健康状况进行监测。

本发明的目的之一采用如下技术方案实现：

基于遥感影像的水质健康监测方法，所述水质健康监测方法包括：

模型建立步骤：获取目标检测区域的历史监测资料和遥感影像，并根据目标检测区域的历史监测资料得出目标检测区域的水质参数，然后根据日期选取多组同一日期所对应的目标检测区域的遥感影像以及目标检测区域的水质参数，并将目标检测区域的遥感影像作为BP神经网络的输入层，将目标检测区域的水质参数作为BP神经网络的输出层，进行模型训练得出水质参数反演模型；

监测步骤：获取预设时间段的目标检测区域的遥感影像，并依据水质参数反演模型得出目标检测区域的水质参数在预设时间段内的变化状况。

进一步地，所述模型建立步骤包括：

数据采集步骤：获取目标检测区域的历史监测资料与遥感影像；其中，每个历史监测资料的监测日期均与对应遥感影像的卫星过境日期相同；

数据预处理步骤：对目标检测区域的历史监测资料进行筛选得出水质参数的监测值，以及对目标检测区域的遥感影像进行预处理；

模型建立步骤：根据日期选取多组预处理后遥感影像与对应水质参数的监测值，并将预处理后的遥感影像的7个波段发射率值作为BP神经网络的输入层，水质参数的监测值作为BP神经网络的输出层进行BP神经网络模型训练得出水质参数反演模型。

进一步地，所述预处理包括辐射定标、大气校正、影像裁剪和水体提取；其中，辐射定标用于将遥感影像中的每个像元的原始DN值转换成大气外层表观发射率；大气校正用于将遥感影像的大气外层表观发射率转换为地表真实反射率；影像裁剪用于根据目标检测区域的外边界范围对大气校正后的遥感影像进行裁剪；水体提取用于对遥感影像中水体进行提取。

进一步地，水体提取的方法包括单波段阈值法、归一化差异植被指数法NDVI、归一化差异水体指数法NDWI以及改进的归一化差异水体指数法MNDWI。

进一步地，所述水质参数包括叶绿素a浓度、高锰酸盐指数、总氮、总磷、透明度、气温和重金属含量，每个水质参数均对应一个水质参数反演模型。

进一步地，BP神经网络模型训练时：