一种蓝藻水华预警方法及系统
本发明涉及数据分析,尤其涉及一种蓝藻水华预警方法及系统。
背景技术:
1、蓝藻水华是水体富营养化引发的典型生态异常现象,当水体中氮、磷等营养盐过量富集,加之适宜的温度、光照及水力条件,蓝藻会在短时间内大量繁殖、聚集上浮,于水体表层形成大面积漂浮藻层。该现象广泛发生于湖泊、水库、河道等各类缓滞地表水体中,暴发后会快速消耗水体溶解氧、引发水质发黑发臭,代谢产生的微囊藻等有毒毒素会直接威胁水生生物与人体健康,不仅破坏水生态系统平衡、削弱水体自净能力,还会严重影响城乡供水安全、水产养殖及滨水文旅产业发展,是目前我国水环境生态治理与水资源管控的核心难题之一。
2、我国淡水湖泊资源丰富,多数浅水湖泊水流交换缓慢、营养盐易累积,更易频繁暴发蓝藻水华。其中,太湖作为我国第三大淡水湖、长三角地区重要的战略水源地,流域人口密集、产业集聚,人类活动带来的营养盐输入负荷长期偏高,水体富营养化问题顽固且突出。尤其在夏秋高温季节,太湖蓝藻水华暴发频次高、覆盖范围广、持续周期长,连片藻华与细碎破碎化藻华交替分布,对区域水生态安全与经济社会发展造成了持续性、严重性的负面影响。
3、当前蓝藻水华监测手段主要分为人工实地监测与遥感智能监测两类。其中,传统人工取样、实验室光谱检测等地面监测方式数据精度可靠,但存在监测范围有限、人力成本高、时效性差的固有缺陷,仅能实现局部点位监测,无法适配湖泊全域、全天候的动态监测业务需求。遥感技术凭借大范围、快速、无损、动态观测的优势,已成为当前湖泊蓝藻水华规模化监测的主流手段。但内陆湖泊水体光学环境复杂,受大气散射、太阳高度角变化、水体悬浮泥沙干扰、波段光谱重叠等多重因素影响,传统遥感识别算法存在明显短板。支持向量机、决策树等机器学习分类模型泛化能力较弱,阈值法、常规水体指数法,包括归一化植被指数(normalized difference vegetation index,ndvi)、归一化水体指数(normalizeddifference water index,ndwi)、浮游藻类指数(floating algae index,fai)等方法依赖固定阈值与简单光谱运算,极易引发同谱异物现象,在浑浊水体、薄云、水面耀斑等复杂场景下误判、漏判问题突出,难以精准刻画蓝藻水华真实分布形态。
4、在光谱特征构建层面,现有蓝藻水华识别模型多依托fai、expwi等单一或差分光谱指数搭建特征体系,仅挖掘了像元自身的独立光谱信息,完全忽略了影像邻域像元的空间关联与纹理一致性特征。该类特征构建方式对影像孤立噪声像元、伪藻华干扰斑块与真实细碎藻华斑块的区分能力不足,面对太湖等湖泊普遍存在的破碎化藻华、模糊边缘藻华场景时,无法有效甄别有效特征与无效干扰信息,极易造成藻华边缘过度平滑、细碎藻华漏检、误检等问题,大幅降低蓝藻水华识别精度与边界完整性,最终导致蓝藻水华覆盖面积、生物量统计结果偏差较大,影响了蓝藻水华风险预警的准确性与时效性,难以支撑湖泊蓝藻水华动态监测与预警工作。
技术实现思路
1、为此,本发明所要解决的技术问题在于克服现有光谱特征图构建忽略了像元空间邻域一致性,难以有效识别蓝藻水华,从而导致对蓝藻水华风险预警精度较差的缺陷。
2、为解决上述技术问题,本发明提供了一种蓝藻水华预警方法,包括:
3、获取目标区域的卫星多光谱影像,并利用无人机采集目标区域的rgb影像、高光谱影像;
4、基于目标区域的卫星多光谱影像、高光谱影像,获取目标区域内各像元在所有波段的反射率,从而计算目标区域内各个像元的浮游藻类指数与水体指数;
5、以目标区域内单个像元为中心划定局部窗口,依据局部窗口内浮游藻类指数变异系数的倒数、以及像元对应的浮游藻类指数与水体指数的差值,构建光谱显著特征图;
6、将目标区域的rgb影像与光谱显著特征图沿通道维度拼接后,获取蓝藻水华二值掩膜,并通过高光谱反演得到水质参数,从而完成蓝藻水华的风险预警。
7、优选地,构建光谱显著特征图的公式为:
8、,
9、其中,为像元对应的光谱显著特征值,为像元的浮游藻类指数,为像元的水体指数,为以像元为中心划定局部窗口,局部窗口内浮游藻类指数变异系数的倒数,表示像元。
10、优选地,将目标区域的rgb影像与光谱显著特征图沿通道维度拼接后,获取蓝藻水华二值掩膜的方法包括:
11、将目标区域的rgb影像与光谱显著特征图沿通道维度拼接后通过分割网络,得到藻华概率图;
12、对藻华概率图进行阈值化后得到蓝藻水华二值掩膜。
13、优选地,分割网络采用改进deeplabv3+模型,改进deeplabv3+模型通过将编码器中的空洞空间金字塔池化替换为密集连接空洞空间金字塔池化得到。
14、优选地,改进deeplabv3+模型的损失函数基于加权交叉熵损失、广义dice损失、边界一致性损失构建。
15、优选地,得到藻华概率图后,对藻华概率图进行优化的方法包括:
16、基于藻华概率图中各像元的藻华概率值,确定边缘不确定带;
17、对于边缘不确定带内每个像元,基于该像元到岸线距离的归一化值与水质参数归一化值,计算反演一致性得分;
18、基于边缘不确定带内每个像元的反演一致性得分,对该像元的藻华概率值进行优化,得到目标藻华概率图。
19、优选地,在得到蓝藻水华二值掩膜后,对蓝藻水华二值掩膜进行优化的方法包括:
20、基于蓝藻水华二值掩膜内各像元在所有波段的反射率,通过改进线性光谱混合模型反演得到各像元藻丰度,对蓝藻水华二值掩膜进行优化,得到目标蓝藻水华二值掩膜。
21、优选地,改进线性光谱混合模型为:
22、,
23、其中,为蓝藻水华二值掩膜内像元在所有波段的反射率,为蓝藻水华二值掩膜内像元,为蓝藻水华二值掩膜内像元的藻丰度,为纯藻端元光谱,为纯水端元光谱,为蓝藻水华二值掩膜内像元的拟合残差。
24、优选地,获取蓝藻水华二值掩膜,通过高光谱反演得到水质参数,从而完成蓝藻水华的风险预警的方法包括:
25、基于水质参数计算蓝藻潜在生长率;
26、基于蓝藻水华二值掩膜构建遥感时序特征;
27、将蓝藻潜在生长率、遥感时序特征通过增强回归树模型,得到藻华爆发概率或未来预设时间的风险分值,以完成蓝藻水华的风险预警。
28、本发明还提供了一种蓝藻水华预警系统,包括:
29、数据获取模块,用于获取目标区域的卫星多光谱影像,并利用无人机采集目标区域的rgb影像、高光谱影像;
30、指数计算模块,用于基于目标区域的卫星多光谱影像、高光谱影像,获取目标区域内各像元在所有波段的反射率,从而计算目标区域内各个像元的浮游藻类指数与水体指数;
31、特征图构建模块,用于以目标区域内单个像元为中心划定局部窗口,依据局部窗口内浮游藻类指数变异系数的倒数、以及像元对应的浮游藻类指数与水体指数的差值,构建光谱显著特征图;
32、预警模块,用于将目标区域的rgb影像与光谱显著特征图沿通道维度拼接后,获取蓝藻水华二值掩膜,并通过高光谱反演得到水质参数,从而完成蓝藻水华的风险预警。
33、本发明的上述技术方案相比现有技术具有以下有益效果:
34、本发明所述的一种蓝藻水华预警方法及系统,本发明融合卫星多光谱影像、无人机rgb影像与高光谱影像,提取各像元全波段反射率并计算浮游藻类指数、水体指数;不同于仅利用单像元光谱信息的传统方式,本方法以单个像元为中心设置局部窗口,引入窗口内浮游藻类指数变异系数的倒数,充分挖掘像元空间邻域的数值分布与一致性特征,同时结合单像元两类指数的差值联合构建光谱显著特征图,可有效区分孤立噪声与真实藻华斑块,弥补了现有特征构建方式忽视空间邻域关联、抗干扰能力弱的不足;再将rgb影像与该特征图进行通道拼接完成藻华分割得到二值掩膜,结合高光谱反演水质参数开展风险预警,依托光谱特征与空间邻域信息的融合优势,提升蓝藻水华识别准确度,进而改善整体风险预警精度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com