[发明专利]基于时序多源光谱遥感数据的湖泊水环境监测站点优化布局方法

权利要求书

1.一种基于时序多源光谱遥感数据的湖泊水环境监测站点优化布局方法，其特征在于：包括如下步骤：

步骤一、使用长时期的中+高分辨率多光谱遥感观测数据和地面观测数据，基于机器学习理论建立河湖水环境参数反演模型；

步骤二、基于所述河湖水环境参数反演模型进行水环境参数时空统计分析，得到水环境参数时空动态演变规律，并基于所述水环境参数时空动态演变规律设计地面水环境监测站网；

所述步骤一具体包括：基于中分辨率多光谱遥感卫星观测数据的时序序列，采用经验模型反演时序结果得到叶绿素a(Chl-a)与总悬浮颗粒物(TSS)浓度分布，采用非监督自聚类对湖泊进行预分区，获得湖泊浓度分区结果；再根据分区结果在分区内部使用高分辨率多光谱遥感卫星和地面监测数据，基于机器学习理论中的回归方法分别建立分区水环境参数反演模型，从而得到河湖水环境参数反演模型；

所述步骤二具体包括：

(1)水环境参数时空统计分析：根据水环境参数反演模型训练结果与历史多光谱遥感卫星观测数据获得湖泊的历史月度Chl-a/TSS浓度分布序列，进而得到月度直方图；

(2)水环境参数时空动态演变规律：获取Chl-a/TSS年度直方图，计算最大值、最小值、均值点所在区域位置，得到位置时间序列；

(3)对位置时间序列进行统计直方图分析，统计年度均值Avg和标准差SD，根据年度均值Avg以及标准差-3SD，-2SD，-SD，+SD，+2SD，+3SD进行湖泊分区，每个分区的中心点位置作为最终的监测点布设位。

2.如权利要求1所述的基于时序多源光谱遥感数据的湖泊水环境监测站点优化布局方法，其特征在于：根据分区结果在分区内部使用高分辨率多光谱遥感卫星和地面监测数据，基于机器学习理论中的回归方法分别建立分区水环境参数反演模型具体为：地面采样点与高分辨率多光谱遥感卫星进行同步观测，采集获取地面水环境参数Chl-a和TSS浓度作为真值，多光谱遥感卫星的波段组合作为特征向量，根据预分区结果，采用机器学习方法分区建立卫星遥感的水环境参数反演模型。

3.如权利要求1所述的基于时序多源光谱遥感数据的湖泊水环境监测站点优化布局方法，其特征在于：中分辨率多光谱遥感卫星为Sentinel-3号卫星，高分辨率多光谱遥感卫星为Sentinel-2号卫星。