[发明专利]基于光谱分析的小流域水质监测方法

说明书

本发明提供一种基于光谱分析的小流域水质监测方法，包括分别获取园林湖泊的光谱影像数据以及水质数据；对光谱影像数据预处理，得到完整的遥感影像数据；基于偏最小二乘回归分析方法，得到关联性强的遥感影像数据与水质数据的整合数据；以整合数据作为园林湖泊水质反演的数据集，利用K交叉验证分离得到至少一个数据反演模型；可视化数据反演模型与整合数据的原始数据的拟合度；基于数据反演模型进行反演进度验证；生成水质数据的各个参数浓度分布图。通过无人机搭载多光谱传感器、结合水质监测系统的方法对园林湖泊水质要素进行检测，为园林水体的水质监测提供更全面的数据源与新的技术手段，可以快速有效的对园林湖泊整体水质情况进行监测。

技术领域

本发明涉及园林水库水质监测技术领域，具体为一种基于光谱分析的小流域水质监测方法。

背景技术

现有水质要素反演方法主要是基于卫星遥感影像，但受与卫星遥感影像的分辨率限制，主要还是应用于水域面积较大的区域，因此，对于园林湖泊的检测效果较差。

基于此，本发明通过无人机搭载多光谱传感器、结合水质监测系统的方法对园林湖泊水质要素进行检测，多光谱影像分辨率高，反演结果数据更为准确，为园林水体的水质监测提供更全面的数据源与新的技术手段。

发明内容

针对现有技术存在的不足，本发明目的是提供一种基于光谱分析的小流域水质监测方法，以解决上述背景技术中提出的问题。

为了实现上述目的，本发明是通过如下的技术方案来实现：一种基于光谱分析的小流域水质监测方法，包括以下步骤：

第一步，分别获取园林湖泊的光谱影像数据以及水质数据；

第二步，对所述光谱影像数据预处理，得到完整的遥感影像数据；

第三步，基于偏最小二乘回归分析方法，将所述水质数据与遥感影像数据进行相关性分析，以滤除各变量之间的多重相关性，得到关联性强的遥感影像数据与水质数据的整合数据；

第四步，以所述整合数据作为园林湖泊水质反演的数据集，且在保留整合数据的原始数据状态下，利用K交叉验证分离得到至少一个数据反演模型；

第五步，可视化数据反演模型与整合数据的原始数据的拟合度

S5-1，对整合数据的原始数据做算法初步评估，得到每个数据反演模型的平均绝对误差；

S5-2，对所述整合数据的原始数据进行标准化后，建立标准化数据模型，得到标准化数据的平均绝对误差；

S5-3，以可释方差得分和R2决定系数两种指标可视化整合数据的原始数据与标准化数据对比结果，用于直观分析拟合情况；

第六步，以随机获取的水质数据作为预测数据，基于数据反演模型进行反演进度验证，并以预测数据与数据反演模型的反演数据间的相对误差判断反演结果情况；

第七步，生成水质数据的各个参数浓度分布图，以显示水质参数在园林湖泊空间维度上的变化规律。

作为对本发明中所述一种基于光谱分析的小流域水质监测方法的改进，第二步中，采用Pix4Dmapper软件对获取的光谱影像数据进行预处理，其具体实施方式为：

S2-1，将通过采集设备获取的光谱影像数据进行格式转换，并利用Pix4Dmapper图像拼接技术基于同名点识别并依据采集角度和与地面的距离变化进行图像校正；

S2-2，对各个图像进行拼接，得到多光谱正射拼接图。

作为对本发明中所述一种基于光谱分析的小流域水质监测方法的改进，在对光谱影像数据进行校正时，需采用线性变换方法对采集设备的反射率进行校正，并利用标定靶反射率的经验值与图像上的DN值建立线性函数模型，以达到对整个图像线性变换，从而确保光谱影像数据拼接成完整的遥感影像数据。