基于近感高光谱的水质监测方法及装置制造方法及图纸

本申请涉及一种基于近感高光谱的水质监测方法及装置，方法包括：获取某一时刻下的原始光谱图像；针对原始光谱图像，提取待测水体光谱曲线和定标灰板光谱曲线；根据待测水体光谱曲线、定标灰板光谱曲线和定标灰板的真实反射率，确定原始光谱图像中待测水体对应的遥感反射率光谱曲线；将遥感反射率光谱曲线输入到最优的水质监测模型，得到水质参数浓度预测结果。本申请可实时自动定标，得到水体真实遥感反射率；可实现秒级监测，时间连续性强；可搭配船载、机载、卫星等水质监测方式，协同工作，构建“天

【技术实现步骤摘要】
基于近感高光谱的水质监测方法及装置


[0001]本申请涉及水质监测
，具体地，涉及一种基于近感高光谱的水质监测方法及装置。

技术介绍

[0002]目前大多数的水质监测都需直接接触水体，野外环境的水体中存在大量的微生物和各种藻类，易附着在仪器上导致其工作异常。基于反射光谱的遥感方法可以实现水体的非接触测量，近年来国内外的大量学者研究了关于卫星和无人机的多/高光谱遥感方法来定性或定量研究水体特性。卫星遥感方法可以实现宽覆盖，但其信噪比低、重访周期长、定标困难、反演精度不佳，空间分辨率低也限制了其在小型内陆水体上的应用。无人机遥感方法的信噪比和反演精度都有所提升，但时间连续性不佳、数据获取难，且易受阴雨天气的影响。

技术实现思路

[0003]为了克服现有技术中的至少一个不足，本申请实施例提供一种基于近感高光谱的水质监测方法及装置。
[0004]第一方面，提供一种水质监测模型确定方法，包括：
[0005]获取不同时刻下的多个原始光谱图像；原始光谱图像中包括待测水体和定标灰板；
[0006]针对每个原始光谱图像，提取待测水体光谱曲线和定标灰板光谱曲线；
[0007]根据待测水体光谱曲线、定标灰板光谱曲线和定标灰板的真实反射率，确定每个原始光谱图像中待测水体对应的遥感反射率光谱曲线；
[0008]基于所有原始光谱图像中待测水体对应的遥感反射率光谱曲线对模型进行训练和测试，确定最优的水质监测模型。
[0009]在一个实施例中，基于所有原始光谱图像中待测水体对应的遥感反射率光谱曲线对模型进行训练和测试，确定最优的水质监测模型，包括：
[0010]将所有原始光谱图像中待测水体对应的遥感反射率光谱曲线划分为训练集和测试集；
[0011]基于训练集采用多个模型进行训练，得到多个训练后的水质监测模型；
[0012]将测试集输入到多个训练后的水质监测模型中，得到多个水质参数浓度预测结果；
[0013]根据多个水质参数浓度预测结果，在多个训练后的水质监测模型中确定最优的水质监测模型。
[0014]在一个实施例中，针对每个原始光谱图像，提取待测水体光谱曲线和定标灰板光谱曲线，包括：
[0015]原始光谱图像包括待测水体区域和定标灰板区域；
[0016]针对待测水体区域和定标灰板区域，均按照行条带提取初步光谱曲线，并对初步光谱曲线中任一波长，将波长的列条带第一四分位数或者第十一分位数的信号值作为波长的信号值，分别得到待测水体光谱曲线和定标灰板光谱曲线。
[0017]在一个实施例中，根据待测水体光谱曲线、定标灰板光谱曲线和定标灰板的真实反射率，确定每个原始光谱图像中待测水体对应的遥感反射率光谱曲线，包括：
[0018]计算待测水体光谱曲线和定标灰板光谱曲线的比值；
[0019]将比值与定标灰板的真实反射率作积，得到遥感反射率光谱曲线。
[0020]在一个实施例中，方法还包括：
[0021]对训练集和测试集均进行降维处理，得到降维后的训练集和测试集。
[0022]在一个实施例中，对训练集进行降维处理，得到降维后的训练集，包括：
[0023]对训练集中的每个遥感反射率光谱曲线采用主成分分析，得到3个第一主成分分量，即3个第一特征维；
[0024]对训练集中的每个遥感反射率光谱曲线和水质参数实测值采用皮尔森相关性分析，得到每个波段对应的皮尔森相关系数；将每个波段对应的皮尔森相关系数进行排序，选择若干个皮尔森相关系数较大的波段进行主成分分析，得到3个第二主成分分量，即3个第二特征维；
[0025]对训练集中的每个遥感反射率光谱曲线和水质参数实测值采用随机森林回归分析，得到每个波段对应的特征重要性值；将每个波段对应的特征重要性值进行排序，选择若干个特征重要性值较大的波段进行主成分分析，得到3个第三主成分分量，即3个第三特征维；
[0026]将3个第一特征维、3个第二特征维和3个第三特征维合并，得到每个遥感反射率光谱曲线对应的9个特征维，构成降维后的训练集。
[0027]在一个实施例中，对测试集进行降维处理，得到降维后的测试集，包括：
[0028]针对测试集中的每个遥感反射率光谱曲线，选择与降维后的训练集相同的9个特征维，构成降维后的测试集。
[0029]第二方面，提供一种基于近感高光谱的水质监测方法，包括：
[0030]获取某一时刻下的原始光谱图像；原始光谱图像中包括待测水体和定标灰板；
[0031]针对原始光谱图像，提取待测水体光谱曲线和定标灰板光谱曲线；
[0032]根据待测水体光谱曲线、定标灰板光谱曲线和定标灰板的真实反射率，确定原始光谱图像中待测水体对应的遥感反射率光谱曲线；
[0033]将遥感反射率光谱曲线输入到最优的水质监测模型，得到水质参数浓度预测结果；
[0034]最优的水质监测模型为根据上述的水质监测模型确定方法得到的。
[0035]第三方面，提供一种基于近感光谱的水质监测装置，包括：
[0036]基于线性渐变滤光的高光谱成像仪、旋转定标装置和工控机；
[0037]基于线性渐变滤光的高光谱成像仪用于采集原始光谱图像；原始光谱图像中包括待测水体和旋转定标装置中的定标灰板；
[0038]工控机用于控制基于线性渐变滤光的高光谱成像仪进行原始光谱图像的采集；还用于实现上述的基于近感高光谱的水质监测方法。
[0039]相对于现有技术而言，本申请具有以下有益效果：本申请无需站房，架设方便，长期免维护；原位非接触测量，无二次污染；离水辐射信号强，无需大气校正；测量速度快、测量指标多；远程模型自动升级，越测越准；可实时自动定标，得到水体真实遥感反射率；可实现秒级监测，时间连续性强；可搭配船载、机载、卫星等水质监测方式，协同工作，构建“天
‑
空
‑
地一体化”水质监测模式。
附图说明
[0040]本申请可以通过参考下文中结合附图所给出的描述而得到更好的理解，附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分。在附图中：
[0041]图1示出了根据本申请实施例的基于近感光谱的水质监测装置的示意图；
[0042]图2示出了根据本申请实施例的旋转定标装置的结构示意图；
[0043]图3示出了根据本申请实施例的基于近感光谱的水质监测方法的流程框图；
[0044]图4示出了根据本申请实施例的水质监测模型确定方法的流程框图；
[0045]图5示出了化学需氧量预测结果图；
[0046]图6示出了浊度预测结果图；
[0047]图7示出了氨氮预测结果图；
[0048]图8示出了溶解氧预测结果图。
[0049]附图标记：
[0050]1‑
核心载荷，2
‑
旋转定标装置，3
‑
小型气象站，4
‑
控制箱，5本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种水质监测模型确定方法，其特征在于，包括：获取不同时刻下的多个原始光谱图像；所述原始光谱图像中包括待测水体和定标灰板；针对每个所述原始光谱图像，提取待测水体光谱曲线和定标灰板光谱曲线；根据所述待测水体光谱曲线、所述定标灰板光谱曲线和所述定标灰板的真实反射率，确定每个所述原始光谱图像中待测水体对应的遥感反射率光谱曲线；基于所有原始光谱图像中待测水体对应的遥感反射率光谱曲线对模型进行训练和测试，确定最优的水质监测模型。2.如权利要求1所述的方法，其特征在于，其中，基于所有原始光谱图像中待测水体对应的遥感反射率光谱曲线对模型进行训练和测试，确定最优的水质监测模型，包括：将所有原始光谱图像中待测水体对应的遥感反射率光谱曲线划分为训练集和测试集；基于所述训练集采用多个模型进行训练，得到多个训练后的水质监测模型；将测试集输入到所述多个训练后的水质监测模型中，得到多个水质参数浓度预测结果；根据所述多个水质参数浓度预测结果，在所述多个训练后的水质监测模型中确定最优的水质监测模型。3.如权利要求1所述的方法，其特征在于，其中，针对每个所述原始光谱图像，提取待测水体光谱曲线和定标灰板光谱曲线，包括：所述原始光谱图像包括待测水体区域和定标灰板区域；针对所述待测水体区域和所述定标灰板区域，均按照行条带提取初步光谱曲线，并对所述初步光谱曲线中任一波长，将所述波长的列条带第一四分位数或者第十一分位数的信号值作为所述波长的信号值，分别得到待测水体光谱曲线和定标灰板光谱曲线。4.如权利要求1所述的方法，其特征在于，其中，根据所述待测水体光谱曲线、所述定标灰板光谱曲线和所述定标灰板的真实反射率，确定每个所述原始光谱图像中待测水体对应的遥感反射率光谱曲线，包括：计算所述待测水体光谱曲线和所述定标灰板光谱曲线的比值；将所述比值与所述定标灰板的真实反射率作积，得到所述遥感反射率光谱曲线。5.如权利要求2所述的方法，其特征在于，其中，方法还包括：对所述训练集和所述测试集均进行降维处理，得到降维后的训练集和测试集。6.如权利要求5所述的方法，其特征在于，其中，所述对训练集进行降维处理，得到降维后的训练集，包括：...

【专利技术属性】
技术研发人员：于涛，赵宇博，刘骁，刘宏，王雪霁，刘嘉诚，
申请(专利权)人：中国科学院西安光学精密机械研究所，
类型：发明
国别省市：