【技术实现步骤摘要】
本专利技术涉及水体固有光学量测量，尤其涉及一种水体固有光学量遥感反演方法、系统、介质、设备。
技术介绍
1、水体固有光学量（inherent optical properties，iops）是指与光的传播和吸收特性直接相关的水体光学参数（如吸收系数、散射系数、后向散射系数、衰减系数）。它们由水体的物理和化学组成决定，反映了水体本身的光学特性，不受外部光场条件的影响。iops是理解水体光学环境、分析水质、监测海洋生态系统以及进行水色遥感反演等应用的重要基础。
2、传统的测量和分析水体的固有光学量通常涉及实验室及现场测量，并结合光学仪器和数据分析方法。虽然在一定程度上可以获得准确的光学特性数据，但由于这些方法通常需要较高的人力物力投入，并且在空间和时间上受到限制，因此在实际应用中可能面临一些挑战。
3、随着科技的发展，遥感技术为水体固有光学量的测量与分析提供了有效的手段，能够在空间和时间维度上实现高效监测，正逐渐补充和替代这些传统方法。主要通过利用现场实测或卫星获取的波段反射率来反演水体总吸收系数和后向散射系数，常见的反演算法可大致分为两类：经验算法、半经验半分析算法。经验算法如lee等人构建的水体总吸收系数、浮游藻类的吸收系数与440nm处光谱反射率之间存在很好的线性反演模型；li等人建立了778nm处后向散射系数与水体下表面波段反射率的反演模型。基于简单或多重回归方法建立波段反射率与iops的统计关系，这种算法多依赖于数据，通用性较差。
4、半经验半分析算法通过数值模拟的方法，得到水体辐射传输
技术实现思路
1、本专利技术的目的在于：为了解决水体固有光学量的测量方法通用性较差的问题，提出一种水体固有光学量遥感反演方法，包括以下步骤：
2、s1、获取水体样本的固有光学量数据、采样点坐标；
3、s2、获取多光谱卫星遥感数据并进行预处理，从预处理后的数据提取采样点坐标处对应像元的各波段的反射率，并计算特征指数；
4、s3、将固有光学量数据、各波段的反射率、特征指数组合为数据集a，并将数据集a划分为训练集与测试集；
5、s4、构建深度学习模型，包括：输入层、特征提取层、特征增强全连接块、输出层；
6、数据集a作为输入数据，输入层接受输入数据，由特征提取层提取输入数据中的波长信息；
7、特征增强全连接块接受输入数据和波长信息，经过n个特征增强全连接块的处理，得到特征向量经过输出层，输出给定波段的水体固有光学量的预测；
8、其中，特征增强全连接块包括：全连接层和拼接层；
9、s5、使用训练集与测试集对模型进行训练和测试，测试后的模型用于水体固有光学量的预测。
10、进一步地，对多光谱卫星遥感数据进行辐射定标、大气校正、正射校正、水体掩膜处理，得到预处理后的数据。
11、进一步地，各波段的反射率包括：红、绿、蓝、近红外、短波红外波段的反射率。
12、进一步地，特征指数包括：归一化差异水体指数、绿色差异水体指数、环境水指数、水体相对指数、浮游植物指数、归一化差异湿度指数、土地表面水分指数、浊度指数；
13、计算公式如下：
14、；
15、；
16、；
17、；
18、；
19、；
20、；
21、；
22、其中，ndwi为归一化差异水体指数，ndgi为绿色差异水体指数，ewi为环境水指数，wri为水体相对指数，chi为浮游植物指数，ndmi为归一化差异湿度指数，lswi为土地表面水分指数，ti为浊度指数；表示绿光波段的反射率，表示近红外光波段的反射率，表示红光波段的反射率，表示蓝光波段的反射率，表示短波红外光波段的反射率。
23、进一步地，
24、特征增强全连接块的第1个全连接层对输入数据进行处理，特征增强全连接块的第1个拼接层将第1个全连接层的输出和特征提取层输出的波长信息进行拼接，得到第一个特征增强全连接块的输出，第2至第n个全连接层的输入为上一个特征增强全连接块的输出，第2至第n个拼接层对特征提取层输出的波长信息和当前全连接层的输出进行拼接，得到第2至第n个特征增强全连接块的输出。
25、本专利技术还提出一种水体固有光学量遥感反演系统，包括：
26、第一数据获取模块，用于获取水体样本的固有光学量数据、采样点坐标；
27、第二数据获取模块，用于获取多光谱卫星遥感数据并进行预处理，从预处理后的数据提取采样点坐标处对应像元的各波段的反射率，并计算特征指数；
28、数据划分模块，用于将固有光学量数据、各波段的反射率、特征指数组合为数据集a，并将数据集a划分为训练集与测试集；
29、模型构建模块，用于构建深度学习模型，包括：输入层、特征提取层、特征增强全连接块、输出层；
30、数据集a作为输入数据，输入层接受输入数据，由特征提取层提取输入数据中的波长信息；
31、特征增强全连接块接受输入数据和波长信息，经过n个特征增强全连接块的处理，得到特征向量经过输出层，输出给定波段的水体固有光学量的预测；
32、其中，特征增强全连接块包括：全连接层和拼接层；
33、模型训练和测试模块，用于使用训练集与测试集对模型进行训练和测试，测试后的模型用于水体固有光学量的预测。
34、本专利技术还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的水体固有光学量遥感反演方法。
35、本专利技术还提出一种电子设备，包括处理器和存储器，所述处理器与所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括计算机可读指令，所述处理器被配置用于调用所述计算机可读指令，执行上述的水体固有光学量遥感反演方法。
36、本专利技术提供的技术方案带来的有益效果是：
37、本专利技术引入多个指数型特征，一定程度上降低时空因素对数据分析的影响，抑制各波段中共同存在的噪声，有效地提升了模型对不同时间、不同地点间的数据的分析能力，增强模型的预测性能，增强了模型的鲁棒性，反演结果稳定。并且通过特征增强全连接块，在模型训练中增强波段信息，有效地实现了全波段的水体固有光学量预测，减少模型对数据和参数依赖性。
本文档来自技高网...【技术保护点】
1.一种水体固有光学量遥感反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种水体固有光学量遥感反演方法，其特征在于，对多光谱卫星遥感数据进行辐射定标、大气校正、正射校正、水体掩膜处理，得到预处理后的数据。
3.根据权利要求1所述的一种水体固有光学量遥感反演方法，其特征在于，各波段的反射率包括：红光、绿光、蓝光、近红外光、短波红外光波段的反射率。
4.根据权利要求1所述的一种水体固有光学量遥感反演方法，其特征在于，特征指数包括：归一化差异水体指数、绿色差异水体指数、环境水指数、水体相对指数、浮游植物指数、归一化差异湿度指数、土地表面水分指数、浊度指数；
5.根据权利要求1所述的一种水体固有光学量遥感反演方法，其特征在于，
6.一种水体固有光学量遥感反演系统，其特征在于，包括：
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-5任一项所述的方法。
8.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与
...【技术特征摘要】
1.一种水体固有光学量遥感反演方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种水体固有光学量遥感反演方法，其特征在于，对多光谱卫星遥感数据进行辐射定标、大气校正、正射校正、水体掩膜处理，得到预处理后的数据。
3.根据权利要求1所述的一种水体固有光学量遥感反演方法，其特征在于，各波段的反射率包括：红光、绿光、蓝光、近红外光、短波红外光波段的反射率。
4.根据权利要求1所述的一种水体固有光学量遥感反演方法，其特征在于，特征指数包括：归一化差异水体指数、绿色差异水体指数、环境水指数、水体相对指数、浮游植物指数、归一化差异湿度指数、土地...
【专利技术属性】
技术研发人员：吕玉凤，孙鸽，汤媛媛，唐宇凯，亓梦茹，孔巍巍，聂平静，李诺伦，
申请(专利权)人：中国地质调查局长沙自然资源综合调查中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。