一种水质遥感多模型协同反演的权重集结优化方法及装置制造方法及图纸

本发明专利技术公开了一种水质遥感多模型协同反演的权重集结优化方法和装置，包括：获取多个采样点的水质参数，并获取表观光学量数据和固有光学量数据，以及卫星遥感数据，根据水质参数、表现光学量数据、固有光学量数据以及卫星遥感数据，建立多个候选水质遥感反演模型，根据精度评价指标选取多个水质遥感反演模型进入遴选模型集合，利用多种模型赋权方法，计算遴选模型集合中每个水质遥感反演模型的权重，利用权重集结方法对选用的模型赋权方法计算的遴选水质遥感反演模型的权重进行集结，得到最优权重，使得针对水质遥感监测领域多模型协同的不同赋权方法计算结果进行综合，从而确定水质遥感反演多模型组合的最优权重，提高模型的预测精度。

【技术实现步骤摘要】
一种水质遥感多模型协同反演的权重集结优化方法及装置
本专利技术涉及遥感
，特别是涉及一种水质遥感多模型协同反演的权重集结优化方法、一种水质遥感多模型协同反演的权重集结优化装置。
技术介绍
内陆水体的水色要素组成更为复杂，利用遥感手段和方法反演水质参数面临更大不确定性，目前还无法找到一个普适性强、精度高的反演模型。目前所建立的大量的经验模型、半经验模型、半分析模型，其模型的精度随着研究区域、时间、季节的变化而不同。即使是同一研究区的水体，其水体光学特性也可能存在差异，导致其不同区域需要采用不同的模型。正因为如此，内陆水质参数的遥感反演面临两大困惑，一方面，各种模型不断涌现，导致在实际应用中无所适从，难以选择；另一方面，各类模型都有其局限性，都只能从某个层面反映“真值”。
技术实现思路
鉴于上述问题，提出了一种水质遥感多模型协同反演的权重集结优化方法及装置。依据本专利技术的一个方面，提供了一种水质遥感多模型协同反演的权重集结优化方法，包括：获取研究区域中多个水质采样点处水体的水质参数，并获取采集水样时水体的表观光学量数据和固有光学量数据，以及覆盖所述研究区域的卫星遥感数据，其中，所述表观光学量数据包括离水辐亮度、归一化离水辐亮、反射率、遥感反射比中至少一种；所述固有光学量数据包括吸收系数和散射系数；根据所述水质参数、表观光学量数据、固有光学量数据以及卫星遥感数据，建立多个候选水质遥感反演模型，根据精度评价指标选取多个水质遥感反演模型进入遴选模型集合；利用选用的模型赋权方法，计算所述遴选模型集合中每个水质遥感反演模型的权重，所述模型赋权方法包括数据同化、熵权法、集对分析、贝叶斯模型平均、人工神经网络、粒子群优化算法、遗传算法中至少两种；利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重。可选地，所述精度评价指标包括决定系数、均方根误差、平均绝对百分误差、相对误差、纳什效率系数中至少一种。可选地，所述权重集结方法包括博弈论集结模型方法。可选地，在所述利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重之后，所述方法还包括：利用所述最优权重建立最优水质遥感反演组合模型，并采用所述最优水质遥感反演组合模型对水质进行反演。可选地，在所述利用权重集结方法对选用模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重之后，所述方法还包括：利用最优权重建立的最优水质遥感反演组合模型对水质参数进行模拟预测，并对模拟预测结果的不确定性进行量化。依据本专利技术的另一个方面，提供了一种水质遥感多模型协同反演的权重集结优化装置，包括：数据获取模块，用于获取研究区域中多个水质采样点处水体的水质参数，并获取采集水样时水体的表观光学量数据和固有光学量数据，以及覆盖所述研究区域的卫星遥感数据，其中，所述表观光学量数据包括离水辐亮度、归一化离水辐亮度、反射率、遥感反射比中至少一种；所述固有光学量数据包括吸收系数和散射系数；模型选取模块，用于根据所述水质参数、表观光学量数据、固有光学量数据以及卫星遥感数据，建立多个候选水质遥感反演模型，根据精度评价指标选取多个水质遥感反演模型进入遴选模型集合；权重计算模块，用于利用选用的模型赋权方法，计算所述遴选模型集合中每个水质遥感反演模型的权重，所述模型赋权方法包括数据同化、熵权法、集对分析、贝叶斯模型平均、人工神经网络中至少两种；最优权重得到模块，用于利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重。可选地，所述精度评价指标包括决定系数、均方根误差、平均绝对百分误差、相对误差、纳什效率系数中至少一种。可选地，所述权重集结方法包括博弈论集结模型方法、相对熵集结模型方法。可选地，所述装置还包括：预测值计算模块，用于在所述利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重之后，利用所述最优权重建立最优水质遥感反演组合模型，并采用所述最优水质遥感反演组合模型对水质进行反演。可选地，所述装置还包括：模拟预测模块，用于在所述利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重之后，对利用最优权重建立的最优水质遥感反演组合模型对水质参数进行模拟预测，并对模拟预测结果的不确定性进行量化。综上所述，依据本专利技术实施例，通过获取研究区域中多个水质采样点处水体的水质参数，并获取采集水样时水体的表观光学量数据和固有光学量数据，以及覆盖所述研究区域的卫星遥感数据，根据所述水质参数、表现光学量数据、固有光学量数据以及卫星遥感数据，建立多个候选水质遥感反演模型，根据精度评价指标选取多个水质遥感反演模型进入遴选模型集合，利用多种模型赋权方法，计算所述遴选模型集合中每个水质遥感反演模型的权重，利用权重集结方法对选用的模型赋权方法计算的遴选水质遥感反演模型的权重进行集结，得到遴选水质遥感反演模型的最优权重，使得针对水质遥感监测领域多模型协同的不同赋权方法计算结果进行综合，从而确定水质遥感反演多模型组合的最优权重，提高模型的预测精度。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本专利技术实施例一中的一种水质遥感多模型协同反演的权重集结优化方法的流程图；图2示出了本专利技术实施例二中的一种水质遥感多模型协同反演的权重集结优化方法的流程图；图3示出了本专利技术实施例三中的一种水质遥感多模型协同反演的权重集结优化装置的结构框图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。实施例一参照图1，示出了本专利技术实施例一中的一种水质遥感多模型协同反演的权重集结优化方法的流程图，具体可以包括：步骤101，获取研究区域中多个水质采样点处水体的水质参数，并获取采集水样时水体的表观光学量数据和固有光学量数据，以及覆盖所述研究区域的卫星遥感数据。水质参数是用以表示水环境(水体)质量优劣程度和变化趋势的水中各种物质的特征指标，例如，水的混浊度、透明度、色度、嗅、味、水温、微量有害化学元素含量、农药及其它无机或有机化合物含量、大肠杆菌数、细菌含量等。表观光学量数据是用以表征受光场角分布以及受水体中物质性质和数量影响的那些光学特性的数据，例如，离水辐亮度、归一化离水辐亮度、反射率、遥感反射比、漫射衰减系数、辐照度漫射衰减系数等。固有光学量数据是用以表征光在传输过程中受到介质吸收本文档来自技高网...

【技术保护点】
一种水质遥感多模型协同反演的权重集结优化方法，其特征在于，包括：获取研究区域中多个水质采样点处水体的水质参数，并获取采集水样时水体的表观光学量数据和固有光学量数据，以及覆盖所述研究区域的卫星遥感数据，其中，所述表观光学量数据包括离水辐亮度、归一化离水辐亮、反射率、遥感反射比中至少一种；所述固有光学量数据包括吸收系数和散射系数；根据所述水质参数、表观光学量数据、固有光学量数据以及卫星遥感数据，建立多个候选水质遥感反演模型，根据精度评价指标选取多个水质遥感反演模型进入遴选模型集合；利用选用的模型赋权方法，计算所述遴选模型集合中每个水质遥感反演模型的权重，所述模型赋权方法包括数据同化、熵权法、集对分析、贝叶斯模型平均、人工神经网络、粒子群优化算法、遗传算法中至少两种；利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重。

【技术特征摘要】
1.一种水质遥感多模型协同反演的权重集结优化方法，其特征在于，包括：获取研究区域中多个水质采样点处水体的水质参数，并获取采集水样时水体的表观光学量数据和固有光学量数据，以及覆盖所述研究区域的卫星遥感数据，其中，所述表观光学量数据包括离水辐亮度、归一化离水辐亮、反射率、遥感反射比中至少一种；所述固有光学量数据包括吸收系数和散射系数；根据所述水质参数、表观光学量数据、固有光学量数据以及卫星遥感数据，建立多个候选水质遥感反演模型，根据精度评价指标选取多个水质遥感反演模型进入遴选模型集合；利用选用的模型赋权方法，计算所述遴选模型集合中每个水质遥感反演模型的权重，所述模型赋权方法包括数据同化、熵权法、集对分析、贝叶斯模型平均、人工神经网络、粒子群优化算法、遗传算法中至少两种；利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重。2.根据权利要求1所述的方法，其特征在于，所述精度评价指标包括决定系数、均方根误差、平均绝对百分误差、相对误差、纳什效率系数中至少一种。3.根据权利要求1所述的方法，其特征在于，所述权重集结方法包括博弈论集结模型方法。4.根据权利要求1所述的方法，其特征在于，在所述利用权重集结方法对选用的模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重之后，所述方法还包括：利用所述最优权重建立最优水质遥感反演组合模型，并采用所述最优水质遥感反演组合模型对水质进行反演。5.根据权利要求1所述的方法，其特征在于，在所述利用权重集结方法对选用模型赋权方法计算的遴选模型集合中水质遥感反演模型的权重进行集结优化，得到遴选模型集合中各个水质遥感反演模型的最优权重之后，所述方法还包括：利用最优权重建立的最优水质遥感反演组合模型对水质参数进行模拟预测，并对模拟预测结果的不确定性进行量化。6.一种水质遥感多模型协同反演的权重集结优化装置，其特征在...

【专利技术属性】
技术研发人员：冶运涛，尚毅梓，曹引，梁犁丽，龚家国，赵红莉，成建国，周刚，蒋云钟，王建华，王浩，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：北京,11