一种简单的黑臭水体遥感快速监测方法技术

本发明专利技术涉及一种黑臭水体遥感监测方法、装置、电子设备及介质，方法包括：获取遥感影像数据；使用水体提取模型对所述遥感影像数据进行处理得到水体指数和植被指数，其中所述水体提取模型包括改进的归一化差分水体指数MNDWI算法、归一化差分水体指数NDWI算法和归一化差分植被指数NDVI算法；基于所述水体指数和植被指数，判断是否存在水体；使用水体类型识别模型对所述水体的水质进行识别。本发明专利技术的实施例通过黑臭水体提取模型，有效的获得了的黑臭水体信息遥感影像数据，能够较完善地利用光谱差异特征。特征。特征。

【技术实现步骤摘要】
一种简单的黑臭水体遥感快速监测方法


[0001]本专利技术涉及水体质量监测
，尤其涉及一种黑臭水体遥感 监测方法、装置、电子设备及存储介质。

技术介绍

[0002]现有的黑臭水体识别模型方法往往仅使用单一的模型进行分析， 然而黑臭水体由于污染物成分的差异，河道下垫面构成的差异，其光 谱特征具有不确定性，黑臭水体面积小、河段破碎，其遥感信息容易 受到河岸绿化树木、建筑物等周边环境的影响，因此现有的方法常常 具有一定的局限性，在快速监测不同地理条件和不同水质的黑臭水体 时存在亟待解决的问题。
[0003][0004]现有的黑臭水体识别模型方法往往仅使用单一的模型进行分析， 然而黑臭水体由于污染物成分的差异，河道下垫面构成的差异，其光 谱特征具有不确定性，黑臭水体面积小、河段破碎，其遥感信息容易 受到河岸绿化树木、建筑物等周边环境的影响，因此现有的方法常常 具有一定的局限性，在快速监测不同地理条件和不同水质的黑臭水体 时存在亟待解决的问题。

技术实现思路

[0005]本专利技术的目的是提供一种黑臭水体遥感监测方法、装置、电子设 备及存储介质，用以解决现有技术中的问题。具体地，本专利技术实施例 提供了以下技术方案：
[0006]第一方面，本专利技术实施例提供了一种黑臭水体遥感监测方法，包 括：
[0007]获取遥感影像数据；
[0008]使用水体提取模型对所述遥感影像数据进行处理得到水体指数 和植被指数，其中所述水体提取模型包括改进的归一化差分水体指数 MNDWI算法、归一化差分水体指数NDWI算法和归一化差分植被指 数NDVI算法；
[0009]基于所述水体指数和植被指数，判断是否存在水体；
[0010]使用水体类型识别模型对所述水体的水质进行识别。
[0011]可选地，所述基于所述水体指数和植被指数，判断是否存在水体 包括：
[0012]在植被较为稀疏的地区，当MNDWI
t0
≥a1成立时，判断存在水体， 其中MNDWI
t0
是t0时刻的MNDWI值，a1是预设阈值；
[0013]或，在植被较为茂盛的地区，当MNDWI
ti
＜a1，NDVI
ti
≥a2， MNDWI
ti
‑
j
≥a1并且NDVI
ti
‑
j
＜a2成立时，判断存在水体，其中MNDWI
ti
， MNDWI
ti
‑
j
，NDVI
ti
和NDVI
ti
‑
j
分别是t
i
、t
i
‑
j
时刻的MNDWI值和NDVI 值，j<i，a2是预设阈值。
[0014]可选地，所述使用水体类型识别模型对所述水体的水质进行识别 包括：
[0015]对于非细小水体，建立包括黑臭水体子模型1、黑臭水体子模型 2和黑臭水体变异系数的水体类型识别模型，其中黑臭水体子模型1 的算法为：
[0016]其中R
g
是绿波段反射率，R
r
是红波段反射率；
[0017]黑臭水体子模型2的算法为：
[0018]其中R
g
是绿波段反射率，R
b
是蓝波段反射率；
[0019]黑臭水体变异系数的算法为：
[0020]其中R
i
为由R
g
、R
r
和R
b
组成的集合中的元素。
[0021]可选地，当HCS1≥a3、HCS2≥a4并且HCC≥a5成立时，判断所述 水体是正常水体，其中a3、a4和a5是预设阈值；
[0022]或，当a6≤HCS1＜a3、a7≤HCS2＜a4并且a8≤HCC＜a5成立时， 判断所述水体是轻度黑臭水体，其中a6、a7和a8是预设阈值；
[0023]或，当HCS1＜a9、HCS2＜a
10
并且HCC＜a
11
成立时，判断所述水体 是严重黑臭水体，其中a9、a
10
和a
11
是预设阈值。
[0024]可选地，所述使用水体类型识别模型对所述水体的水质进行识别 包括：
[0025]对于细小水体，建立包括高程变异系数的水体类型识别模型，其 中高程变异系数的算法为：
[0026]其中H
i
为预定规格的网格高程、为 研究区预定规格的网格高程均值，n为预定规格的矢量网格覆盖的数 字高程模型栅格数量。
[0027]可选地，当L≤a
12
，|S
i
‑
S
j
|≥a
13
并且DXQF≤a
14
成立时，判断 所述水体是黑臭水体，其中L为细小水体的边界长度，a
12
为预设阈 值；S
i
和S
j
为距离最近的两个细小斑块的中心点，a
13
为相邻两个斑 块的最短距离，a
14
为预设阈值。
[0028]第二方面，本专利技术实施例还提供了一种黑臭水体遥感监测装置， 包括：
[0029]数据获取模块，用于获取遥感影像数据；
[0030]水体提取模块，用于使用水体提取模型对所述遥感影像数据进行 处理得到水体指数和植被指数，其中所述水体提取模型包括改进的归 一化差分水体指数MNDWI算法、归一化差分水体指数NDWI算法和 归一化差分植被指数NDVI算法；
[0031]水体判断模块，用于基于所述水体指数和植被指数，判断是否存 在水体；
[0032]水质识别模块，用于使用水体类型识别模型对所述水体的水质进 行识别。
[0033]第三方面，本专利技术实施例还提供了一种电子设备，包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征 在于，所述处理器执行所述程序时实现如第一方面所述黑臭水体遥感 监测方法的步骤。
[0034]第四方面，本专利技术实施例还提供了一种非暂态计算机可读存储介 质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执 行时实现如第一方面所述黑臭水体遥感监测方法的步骤。
[0035]第五方面，本专利技术实施例还提供了一种计算机程序产品，所计算 机程序产品包括有计算机程序，该计算机程序被处理器执行时实现如 第一方面所述黑臭水体遥感监测方法的步骤。
附图说明
[0036]图1为本专利技术一实施例提供的黑臭水体遥感监测方法的流程图；
[0037]图2为本专利技术一实施例提供的黑臭水体遥感监测装置的结构示意 图；以及
[0038]图3为本专利技术一实施例提供的电子设备的结构示意图。
具体实施方式
[0039]为使本专利技术的目的、技术方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种黑臭水体遥感监测方法，其特征在于，包括：获取遥感影像数据；使用水体提取模型对所述遥感影像数据进行处理得到水体指数和植被指数，其中所述水体提取模型包括改进的归一化差分水体指数MNDWI算法、归一化差分水体指数NDWI算法和归一化差分植被指数NDVI算法；基于所述水体指数和植被指数，判断是否存在水体；使用水体类型识别模型对所述水体的水质进行识别。2.根据权利要求1所述的黑臭水体遥感监测方法，其特征在于，所述基于所述水体指数和植被指数，判断是否存在水体包括：在植被较为稀疏的地区，当MNDWI
t0
≥a1成立时，判断存在水体，其中MNDWI
t0
是t0时刻的MNDWI值，a1是预设阈值；或，在植被较为茂盛的地区，当MNDWI
ti
＜a1，NDVI
ti
≥a2，MNDWI
ti
‑
j
≥a1并且NDVI
ti
‑
j
＜a2成立时，判断存在水体，其中MNDWI
ti
，MNDWI
ti
‑
j
，NDVI
ti
和NDVI
ti
‑
j
分别是t
i
、t
i
‑
j
时刻的MNDWI值和NDVI值，j<i，a2是预设阈值。3.根据权利要求1所述的黑臭水体遥感监测方法，其特征在于，所述使用水体类型识别模型对所述水体的水质进行识别包括：对于非细小水体，建立包括黑臭水体子模型1、黑臭水体子模型2和黑臭水体变异系数的水体类型识别模型，其中黑臭水体子模型1的算法为：其中R
g
是绿波段反射率，R
r
是红波段反射率；黑臭水体子模型2的算法为：其中R
g
是绿波段反射率，R
b
是蓝波段反射率；黑臭水体变异系数的算法为：其中R
i
为由R
g
、R
r
和R
b
组成的集合中的元素。4.根据权利要求3所述的黑臭水体遥感监测方法，其特征在于，当HCS1≥a3、HCS2≥a4并且HCC≥a5成立时，判断所述水体是正常水体，其中a3、a4和a5是预设阈值；或，当a6≤HCS1...

【专利技术属性】
技术研发人员：杨邦会，王晓华，王春红，殷健，温莹莹，胡乔利，李冬阳，
申请(专利权)人：中科海慧天津科技有限公司，
类型：发明
国别省市：