[发明专利]内陆湖泊水体藻蓝素浓度遥感反演模型和方法

权利要求书

1.一种内陆湖泊水体藻蓝素浓度遥感反演模型，其特征在于，所述内陆湖泊水体藻蓝素浓度遥感反演模型为Python语言的极端随机树模型，所述极端随机树模型的模型参数为：'max_features':'log2','splitter':'random','min_samples_leaf':1,'max_depth':None,'min_weight_fraction_leaf':0.0,'criterion':'friedman_mse','min_impurity_split':None,'ccp_alpha':0.0,'min_impurity_decrease':0.000871292997015407,'min_samples_split':2,'max_leaf_nodes':None。

2.如权利要求1所述的内陆湖泊水体藻蓝素浓度遥感反演模型，其特征在于，所述极端随机树模型采用内陆湖泊水体的数据集训练而成，所述数据集包括所述内陆湖泊水体的m个样点的水体遥感反射比和藻蓝素浓度的10倍缩小值，m个所述样点均匀分布在所述内陆湖泊水体上，所述水体遥感反射比为n个特征波段的水体遥感反射比。

3.如权利要求2所述的内陆湖泊水体藻蓝素浓度遥感反演模型，其特征在于，所述m为60，所述n个特征波段为751个特征波段，所述751个特征波段为从350nm波段至1100nm波段。

4.一种内陆湖泊水体藻蓝素浓度遥感反演方法，其特征在于，包括以下步骤：

(1)测量内陆湖泊水体的水体遥感反射比；

(2)测量所述内陆湖泊水体的藻蓝素浓度C_PC，将所述藻蓝素浓度C_PC除以10获得藻蓝素浓度的10倍缩小值：

(3)以所述水体遥感反射比为输入数据，采用Python语言的极端随机树模型进行计算，获得反演值，根据所述反演值与所述的藻蓝素浓度的10倍缩小值计算决定系数R²，改变所述极端随机树模型的模型参数的取值，R²的变化越大，说明所述模型参数的重要性越大，将所述模型参数按照所述重要性的大小由大到小进行排列构建模型参数调优秩次矩阵；

(4)以所述水体遥感反射比为所述输入数据，以所述的藻蓝素浓度的10倍缩小值为输出结果，训练所述极端随机树模型，根据所述模型参数调优秩次矩阵依次对所述模型参数进行调优，获得所述模型参数的调优值；

(5)以所述水体遥感反射比为所述输入数据，以所述的藻蓝素浓度的10倍缩小值为所述输出结果，采用所述的模型参数的调优值，训练所述极端随机树模型，待所述极端随机树模型训练结束后，获得内陆湖泊水体藻蓝素浓度遥感反演模型，使用save方法保存所述内陆湖泊水体藻蓝素浓度遥感反演模型，如果需要使用所述内陆湖泊水体藻蓝素浓度遥感反演模型，使用load方法加载所述内陆湖泊水体藻蓝素浓度遥感反演模型使用。

5.如权利要求4所述的内陆湖泊水体藻蓝素浓度遥感反演方法，其特征在于，在所述步骤(1)中，所述的测量内陆湖泊水体的水体遥感反射比的步骤具体包括：

测量所述内陆湖泊水体的水体光谱数据L_sw、所述内陆湖泊水体的天空漫散射光L_sky以及标准板的反射光L_p，计算所述水体遥感反射比：

Rrs＝(L_sw-r_sky*L_sky)/(L_p*π/ρ_p)，

其中，Rrs为所述水体遥感反射比；r_sky为所述内陆湖泊水体的气水表面反射率，取值0.022～0.028，在平静的水面上时r_sky取值0.022，在5m/s的风速时，r_sky取值0.025，在10m/s的风速时取值0.026～0.028，ρ_p为所述标准板的反射率。