[发明专利]一种循环优化的高光谱大数据水质全天候动态监测方法

说明书

本发明涉及一种循环优化的高光谱大数据水质全天候动态监测方法，步骤S1、建立全天候动态监测系统；步骤S2、建立初步水质反演模型，解算水体水质浓度指标；步骤S3、通过与作业区域的机载高光谱成像系统获取的水体影像叠加分析，标识出水质参数浓度的空间分布，分析排污口及污染超标重点关注水域，对重点关注水域进行进一步监测：步骤S4、根据实时监测数据搭建特定点位的水质反演模型；步骤S5、用神经网络深度学习对长期采集的水体高光谱大数据进行训练学习，定期对原位光谱水质在线监测仪、便携式高光谱检测设备的反演模型精准优化。全天候长期动态监测水体环境信息，神经网络学习手段对水体高光谱数据进行处理，利用深度学习优化水质反演模型。

技术领域

本发明涉及水质监测技术领域，特别是一种循环优化的高光谱大数据水质全天候动态监测方法。

背景技术

河流湖泊作为一种大自然的“馈赠”，对人类的生产、生活等方面起至关重要的作用，其永续稳定发展是人类社会进步的前提。然而，随着人类社会的不断发展，人类在追求经济效益时，难免对河流湖泊资源进行过度使用，使其出现水域面积萎缩、水质恶化等问题，制约了经济的发展，因此，河流湖泊的水环境现状引起有关部门重视，已将对水体水环境实时监测与预测预警提上日程。

传统河流湖泊的水质检测是通过人工取水采样的方法，存在耗费时间长，工作效率低、水体样本位置不固定等问题，使得检测结果不具备全面性和时效性。为了弥补单一采用人工水体采样的不足，在专利CN110887792A中将无人机搭载微型高光谱仪用于采集河流水体高光谱影像，并与河流中人工采集的水样化验数据作为原始数据，结合实验室配置的各浓度等级的水样光谱数据，搭建水质反演模型，从而计算得到水质指标浓度，但此项专利仅在某一时间段对河流湖泊进行单次监测，所得结果虽对特定的时间段来说监测精度符合性高，但由于水体流动性比较大，定期的水质监测结果已无法满足水质指标浓度的时效性。在CN110865040A中利用卫星高光谱遥感数据、机载高光谱遥感数据、地面高光谱仪器数据与水体水样数据，根据多源高光谱监测数据建立水质参数反演模型，通过基于人工智能的反演模型对水质参数建模，进而获得各类水质参数的反演结果，并结合空间信息对水质浓度的分布情况及污染源分析提供依据，但此项专利也同上述专利一样不仅存在数据时效性问题，还存在民用高光谱卫星短缺，连续性难，水质方面技术不成熟等问题，同时卫星数据本身易受大气、云层等因素影响，这些因素不仅导致数据处理过程复杂，还会导致数据成果的准确性降低。

发明内容

为解决上述问题，本发明的目的是提供一种循环优化的高光谱大数据水质全天候动态监测方法，便于水环境的实时监测与基于水体的高光谱大数据分析水质预测预警的需要。

本发明实施例中采用以下方案实现：提供一种循环优化的高光谱大数据水质全天候动态监测方法,按照以下步骤实现：

步骤S1、将便携式高光谱水质检测仪、机载高光谱成像系统、原位光谱水质在线监测仪、浮标式自动监测站和后端监测平台连接建立全天候动态监测系统；

步骤S2、通过便携式高光谱水质检测仪获取指定点位的数据，建立初步水质反演模型，并解算水体的水质浓度指标，初步了解水体水质情况；

步骤S3、利用机载高光谱成像系统对水域进行大面积高光谱数据采集，以获取指定区域的水体影像数据和高光谱数据，从中提取出水体环境参数的各种特征光谱，并用相应的高光谱反演算法实现水体指标的定量反演，从而获取水体的各类水质浓度指标，并根据该水质浓度指标对初步水质反演模型进行本地化修正；通过与作业区域的机载高光谱成像系统获取的水体影像叠加分析，标识出各个水质参数浓度的空间分布，由此分析出排污口及污染超标的重点关注水域，对重点关注水域进行进一步监测：