一种基于机载多光谱数据的城市河道水环境监测方法技术

本发明专利技术公开了一种基于机载多光谱数据的城市河道水环境监测方法，属于城市河道水环境治理领域。该方法需要在光线条件合适（太阳高度角比较大）的情况下进行城市河道无人机多光谱数据采集，然后标定、拼接，而后利用叶绿素a、氮磷等元素在红光波段和植被红边波段反射率的差异进行公式模型的设计，最后通过设计的公式模型进行多光谱数据的计算，生成城市河道水质分析图。本发明专利技术的可以真实的反映城市河道的水质分布情况，为城市河道水环境治理提供有效的数据指导。结合河岸两边的工厂和居民区的分布以及河水流向，也可分析出排污口的大概位置，提高城市河道治理效率、节省大量的人力物力。力。

【技术实现步骤摘要】
一种基于机载多光谱数据的城市河道水环境监测方法


[0001]本专利技术涉及城市河道水环境管理领域，特别是涉及一种基于机载多光谱数据的城市河道水环境监测方法。

技术介绍

[0002]近年来，城市发展正向绿色、环保的方向转变。然而随着城市工业化水平的提高，城市污染也日益严重，城市水环境因其常常出现蓝藻、水葫芦等危害水质健康的现象，每年都要耗费大量的人力物力来防范治理。
[0003]现有技术中，水质监测方法是通过人工携带便携式仪器亲临现场经行监测或者是固定站点的连续监测。亲临现场进行监测的方式自动化程度低，不能有效摸查水域的全面水质数据。固定点位的连续监测是在河道里布设传感器，无法在直观的反映氮磷及叶绿素a的浓度分布情况，且传感器在水中长时间浸泡会遭受水生生物的攻击加速传感器的老化。
[0004]基于以上原因，研究一种方便快捷、准确全面且能直观反映水质好坏分布情况的方法尤为重要，且在城市管理层面具有重大意义。

技术实现思路

[0005]本专利技术旨在提供一种基于机载多光谱数据的城市河道水环境监测方法，用以解决城市河道水环境治理中无法方便的提供宏观水质分布和费时费力的问题。
[0006]为实现上述目的，本专利技术提供了如下方法：一种基于机载多光谱数据的城市河道水环境监测方法，包括：获取叶绿素a的光谱曲线获取城市河道水面红光波段多光谱影像；获取城市河道水面红边波段多光谱影像；获取城市河道水面绿光波段多光谱影像；获取叶绿素a光谱曲线；获取磷元素光谱曲线；获取氮元素光谱曲线；根据所述绿光波段和红光波段影像计算归一化水体指数；根据所述归一化水体指数提取城市河道水面；根据所述叶绿素a光谱曲线分析出叶绿素a在红光和红边波段反射率高；根据所述磷元素光谱曲线分析出磷元素在红光和红边波段反射率高；根据所述氮元素光谱曲线分析出氮元素在红光和红边波段反射率高；根据所述红光波段和红边波段计算河道水面叶绿素a浓度；根据所述红光波段和红边波段计算河道水面总磷浓度；根据所述红光波段和红边波段计算河道水面总氮浓度；根据所述红光波段和红边波段计算河道水面氨氮浓度；
根据所述叶绿素a浓度、水面总磷浓度、水面总氮浓度以及水面氨氮浓度出具城市河道水质分布图。
[0007]根据本专利技术提供的具体实施例，本专利技术公开了一下技术效果：本专利技术基于无人机载多光谱相机数据，仅需要红光、绿光以及红边波段，利用叶绿素a、磷元素以及氮元素在红光波段和红边波段的反射率差异，来计算相应的叶绿素a、总磷以及总氮的浓度，进而反映出城市河道水面的水质分布情况。
具体实施方式
[0008]接下来将结合实施例对本专利技术的技术方法进行清楚、完善的描述。所述实施例仅是本专利技术的部分实施例。基于此，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0009]本专利技术旨在提供一种基于机载多光谱数据的城市河道水环境监测方法，用以解决城市河道水环境治理中无法方便的提供宏观水质分布和费时费力的问题。
[0010]为使本专利技术的目的、特征和优势更加的明显易懂，接下来对本专利技术实施例做进一步详细阐述。
[0011]步骤1：本专利技术采用无人机飞行器搭载六通道多光谱相机进行城市河道光谱数据的采集工作。
[0012]所述多光谱数据包含蓝光波段影像、绿光波段影像、近红外波段影像、红光波段影像、植被红边波段影像和高频植被红边波段影像。以上影像以灰度值的形式分别存储。
[0013]步骤2：本专利技术选用红光波段、绿光波段、蓝光波段在软件平台SNAP（开源）中进行波段合成显示。
[0014]选用红光波段、绿光波段、蓝光波段合成显示的图像中，植被特征显示为绿色、水体特征显示为蓝绿色、公路特征显示为深灰色，进本接近真实色彩，以此作为成果图中的底图。
[0015]步骤3：利用水体在绿光波段和近红外波段的反射率差异，根据公式把图像中水体灰度值提高，其他地物灰度值降低，以此提取河道水面轮廓。
[0016]所述步骤3中提取河道水面的公式具体为：NDWI=(Green
‑
NIR)/(Green+NIR)，其中，NDWI定义为归一化水体指数值，Green定义为地物绿光波段反射值，NIR定义为地物近红外波段反射值。
[0017]步骤4：根据叶绿素a在红光波段和植被红边波段的反射率差异，利用NDVI（归一化植被指数）计算河面叶绿素浓度。
[0018]所述步骤4中的计算式为：NDVI=(Red
‑
NIR)/(Red+NIR)，其中Red赋值红光波段，NIR赋值近红外波段，计算结果使图像中绿色植物包括水中含有叶绿素的蓝藻类植物显示高亮白色，其他地物显示黑色。
[0019]步骤5：根据所述叶绿素浓度计算结果出具河道水面叶绿素浓度分布图。
[0020]所述步骤5包含以下操作：利用所述步骤3中的河道水面轮廓模型去裁剪叶绿素计算结果，得到水面叶绿素分布图。
[0021]把水面叶绿素分布图叠加到步骤2中的底图中，添加图例比例尺和指北针。
[0022]步骤6：根据磷元素在红光波段和植被红边波段与其他波段的反射率差异，设计公式突出显示磷元素。所述公式具体为：YTP(mg/L)=0.0229*exp(0.7508*[(float(Rededge)
‑
Red)/(Rededge+Red)]‑
0.3212)其中，YTP表示总磷数值，Rededge赋值植被红边波段，Red赋值红光波段。其他参数由反复测算所得。所计算出的图像特征为：含磷高的地方显示高亮，含磷低的地方显示黑色。
[0023]步骤7：根据所述磷浓度计算结果出具河道水面磷浓度分布图。
[0024]所述步骤7包含以下操作：利用所述步骤3中的河道水面轮廓模型去裁剪磷计算结果，得到水面磷分布图。
[0025]把水面磷分布图叠加到步骤2中的底图中，添加图例比例尺和指北针。
[0026]步骤8：根据氮元素在红光波段和植被红边波段与其他波段的反射率差异，设计公式突出显示氮元素。所述公式具体为：YTN(mg/L)=1.6252*exp(0.3570*[(float(Rededge)
‑
Red)/(Rededge+Red)]‑
0.2238)其中，YTN表示总氮数值，Rededge赋值植被红边波段，Red赋值红光波段。其他参数由反复测算所得。所计算出的图像特征为：含氮高的地方显示高亮，含氮低的地方显示黑色。
[0027]步骤9：根据所述氮浓度计算结果出具河道水面氮浓度分布图。
[0028]所述步骤9包含以下操作：利用所述步骤3中的河道水面轮廓模型去裁剪氮计算结果，得到水面氮分布图。
[0029]把水面氮分布图叠加到步骤2中的底图中，添加图例比例尺和指北针。
[0030]在所述实施例中，数据获取由无人机飞行器搭载六通道多光谱相机完成。在现有技术中，进行水质监测完全由人工定点监测的方法进行，费时费力、无法只管显示水质本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机载多光谱数据的城市河道水环境监测方法，其特征在于，包括：获取所述城市河道区域多光谱影像；获取所述城市河道水面轮廓；获取所述城市河道水面叶绿素a浓度值；获取所述城市河道水面总磷浓度值；获取所述城市河道水面总氮浓度值；根据所述多光谱影像合成真彩色合成图像；根据所述城市河道水面轮廓来裁剪城市河道水面叶绿素a浓度值；根据所述城市河道水面轮廓来裁剪城市河道水面总磷浓度值；根据所述城市河道水面轮廓来裁剪城市河道水面总氮浓度值；根据所述裁剪后的城市河道水面叶绿素a浓度值图像和所属真彩色合成影像制作城市河道水面叶绿素a浓度分布图；根据所述裁剪后的城市河道水面总磷浓度值图像和所属真彩色合成影像制作城市河道水面总磷浓度分布图；根据所述裁剪后的城市河道水面总氮浓度值图像和所属真彩色合成影像制作城市河道水面总氮浓度分布图；根据所述多光谱影像分析计算出城市河道水质分布图可以直观的反映城市河道水质优劣分布，为城市河道水环境治理提供依据；根据所述城市河道不同时间段的多光谱影像综合分析可以直观的反映城市河道水质优劣的变化趋势；根据所述城市河道多光谱影像计算出的水质优劣分布图结合两岸工厂分布、居民区分布和河流流向，可以分析排污口的大致位置。2.根据权利要求1所述的河道水环境监测方法，其特征在于，根据所述多光谱数据获取城市河道水面真彩色合成影像，具体包括：获取所述城市河道多光谱影像中的红光波段反射值；获取所述城市河道多光谱影像中的绿光波段反射值；获取所述城市河道多光谱影像中的蓝光波段反射值；在R\G\B通道分别赋予红光波段、绿光波段、蓝光波段以获取城市河道真彩色合成影像。3.根据权利要求1所述的河道水环境监测方法，其特征在于，根据所述绿光波段和近红外波段获取城市河道水面轮廓，具体包括：获取所述城市河道多光谱影像中的绿光波段反射值；获取所述城市河道多光谱影像中的近红外波段反射值；获取所述城市河道水面区域在绿光波段和近红外波段反射值；根据所述城市河道水面区域在绿光波段和近红外波段反射值与其他波段反射值的差异计算水面区域轮廓。4.根据权利要求1所述的城市河道水环境监测方法，其特征在于，所述获取所述城市河道水面叶绿素a浓度值，具体包括：获取所述城市河道水面区域红光波段反射值；
获取所述城市河道水面区域红边波段反射值；根据所述叶绿素a在红光波段和红边波段反射率与其他波段反射率的差异设计叶绿素a的计算公式模型；根据所述叶绿素a的计算公式模型计算城市河道水面叶绿素a浓度值。5.根据权利要求4所述城市河道水面叶绿素a浓度值，其特征在于，所述设计叶绿素a的计算公式模型，包括：获取叶绿素a的反射率光谱曲线；根据所述叶绿素a的反射率光谱曲线寻找光谱曲线特征；根据所述叶绿素a的反射率光谱曲线寻找光谱曲线特征进行叶绿素a反射值的放大和其他地物反射值的减小；具体公式为：NDVI=(Red
‑
NIR)/(Red+NIR)所述具体公式中， Red赋值红光波段，NIR赋值近红外波段，计算结果使图像中绿色植物包括水中含有叶绿素的蓝藻类植物显示高亮白色，其他地物显示黑色。6.根据权利要求1所述的城市河道水环境监测方法，其特征在于，所述获取所述城市河道水面总磷浓度值，具体包括：获取所述城市河道水面区域红光波段反射值；获取所述城市河道水面区域红边波段反射值；根据所述总磷在红光波段和红边波段反射率与其他波段反射率的差异设计总磷的计算公式模型；根据所述总磷的计算公式模型计算城市河道水面总磷浓度值。7.根据权利要求6所述城市河道水面总磷浓度值，其特征在于，所述设计总磷的计算公式模型，包括：获取总磷的反射率光谱曲线；根据所述总磷的反射率光谱曲线寻找光谱曲线特征；根据所述总磷的反射率光谱曲线寻找光谱曲线特征进行总磷反射值的放大和其他地物反射值的减小；具体公式为：YTP(...

【专利技术属性】
技术研发人员：鞠京梁，孙崇祥，卞云佳，
申请(专利权)人：苏州中飞遥感技术服务有限公司，
类型：发明
国别省市：