一种基于空地协同的高锰酸盐指数反演监测系统及方法与流程
本发明涉及水环境监测,特别涉及一种基于空地协同的高锰酸盐指数反演监测系统及方法。
背景技术:
1、随着社会经济持续发展,城市化与工业化进程不断加快,河流水环境日益复杂,人类活动对水环境的干扰显著增强,水质恶化已成为制约社会经济可持续发展的重要因素。水环境污染不仅削弱了水体生态功能,也对人类基本水资源需求构成严峻挑战。因此,优化水质监测技术、提升水质反演精度与监测时效性,对于加强水资源保护、提高水污染溯源能力以及支撑水环境精细化监管具有重要意义。
2、传统水质监测多依赖于人工采样和实验室分析,虽然单点精度高,但效率低、周期长,在表征整体水质方面存在较大局限,难以满足国家对环境监测工作提出的加快建立现代化生态环境监测体系、健全天空地海一体化监测网络的要求。随着遥感技术的发展,无人机遥感凭借其高空间分辨率、部署灵活等优势,在水环境监测中展现出良好的应用前景,成为构建综合化、立体化水环境监测体系的重要一环。
3、现有无人机遥感水质监测研究主要集中于模型选择和单一水域的应用,地面数据依然依靠人工采样与实验室分析,未建立健全高效的现代化生态环境监测体系。多源数据的时空不匹配是制约遥感水质反演精度进一步提升的重要瓶颈。现有研究提出的星地协同监测模式受卫星过境时间限制,在适应高频次、常态化监测需求方面存在局限。此外,现有技术多采用线性回归或简单机器学习算法进行水质反演,对于高锰酸盐指数这类非光学活性物质,反演精度普遍较低,难以满足精细化监管要求。
4、因此,亟需一种能够实现空基与地基在时空上严格同步监测、采用非线性集成学习算法提升非光学活性物质反演精度、并适用于复杂河网的高锰酸盐指数反演监测技术。
技术实现思路
1、针对以上问题,本发明提供一种基于空地协同的高锰酸盐指数反演监测系统及方法。
2、具体技术方案如下:
3、一种基于空地协同的高锰酸盐指数反演监测系统,包括:
4、空地协同数据采集单元,用于通过空中观测平台与地面原位监测平台同步采集多源数据,所述空中观测平台为搭载多光谱相机的无人机,所述地面原位监测平台为搭载在线流动分析仪的水质走航监测船,所述空地协同数据采集单元用于根据所述无人机的飞行轨迹和采样点位坐标,在所述无人机进行影像采集的同时触发所述水质走航监测船在对应空间位置进行原位水质监测;
5、多光谱影像预处理单元,用于对所述无人机采集的多光谱影像进行辐射定标、拼接预处理;
6、梯度提升决策树反演模型构建单元,用于根据水质采样点经纬度自动提取预处理后的多光谱影像中对应位置的光谱信息并构建数据集,采用梯度提升决策树算法对所述训练样本集进行迭代训练,模型自动进行最优特征选择,构建高锰酸盐指数反演模型;
7、水质等级评价单元,用于根据所述反演模型输出的高锰酸盐指数预测值,依据地表水环境质量标准进行水质等级划分与空间分布评价。
8、进一步,所述空地协同数据采集单元包括:
9、无人机飞行控制模块,用于控制无人机在设定作业高度和航向重叠率、旁向重叠率条件下进行多光谱影像采集;
10、船载在线监测模块,用于通过水质走航监测船搭载的在线流动分析仪同步获取高锰酸盐指数实测数据;
11、所述空地协同数据采集单元用于根据所述无人机的飞行轨迹和采样点位坐标,实时计算并触发所述水质走航监测船在对应空间位置进行同步采样,确保空基数据与地基数据在时间和空间上的一致性。
12、进一步,所述无人机飞行控制模块控制无人机作业高度为400m至500m,航向重叠率为65%至75%,旁向重叠率为75%至85%,光谱成像范围为460nm至785nm,光谱通道数为18,光谱分辨率为10nm至15nm。
13、进一步,所述梯度提升决策树反演模型构建单元包括:
14、光谱信息提取模块,用于根据水质采样点经纬度自动提取预处理后的多光谱影像中对应位置的光谱信息;
15、样本数据集构建模块,用于将提取的光谱信息与同步获取的高锰酸盐指数实测数据进行匹配,构建训练样本集和验证样本集;
16、模型训练模块,用于采用梯度提升决策树算法对所述训练样本集进行迭代训练,在每一轮迭代中基于上一轮预测结果计算损失函数值并导出负梯度作为伪残差,以所述伪残差为目标训练新的cart回归树,新树生成后依据梯度下降法则确定贡献权重并加权融合入整体模型,模型自动进行最优特征选择;
17、超参数优化模块,用于通过5折交叉验证方法对学习率、弱分类器数量、树深度和叶子节点数进行调优;
18、模型验证模块,用于采用5折交叉验证方法评估模型精度,计算决定系数、均方根误差和平均绝对误差。
19、进一步,所述模型训练模块在迭代训练过程中,第t轮第i个样本的损失函数值采用均方误差计算:
20、li(t)= (yi- f(t-1)(xi))2
21、式中,li(t)为第t棵决策树的第i个样本对应的损失函数值,yi为第i个样本的高锰酸盐指数实测值,单位为mg/l;f(t-1)(xi)为第t-1棵决策树对第i个样本的预测值,单位为mg/l;xi为第i个样本的光谱信息输入向量,无量纲。
22、导出负梯度作为伪残差:
23、ri(t)= yi - f(t-1)(xi)
24、式中,ri(t)为第i个样本在第t轮迭代得到的伪残差,单位为mg/l。
25、以所述伪残差为目标训练新的cart回归树,新树生成后依据梯度下降法则确定贡献权重并加权融合入整体模型。第t棵树的权重系数为:
26、γ(t) = η
27、式中,γ(t)为第t棵树的权重系数,无量纲;η为模型学习率,取值范围为0.01至0.1,无量纲。
28、所述最终预测结果为:
29、
30、式中,为模型对第i个样本的综合预测值,单位为mg/l;为第t棵决策树对样本xi的预测值,单位为mg/l;m为决策树总数量,无量纲。
31、所述超参数优化模块通过5折交叉验证方法对学习率、弱分类器数量、树深度和叶子节点数进行调优,控制模型复杂度并防止过拟合。
32、所述模型验证模块采用5折交叉验证方法评估模型精度,计算决定系数r2、均方根误差rmse和平均绝对误差mae。
33、经验证,本实施例构建的反演模型r2达到0.822,rmse为0.840mg/l,mae为0.053mg/l。绝大多数样本的绝对误差控制在0至0.06mg/l范围内,残差分布紧密且无显著系统性偏差,仅高值样本表现出轻微低估。全样本拟合分析表明,绝大多数观测值沿1:1理想线分布,少数高值样本存在偏离。
34、进一步,所述水质等级评价单元包括:
35、水质等级判定模块,用于将所述反演模型输出的高锰酸盐指数预测值与地表水环境质量标准中对应的高锰酸盐指数阈值进行比对,判定每个水体像元对应的水质等级;
36、空间分布制图模块,用于将各水体像元的水质等级结果进行栅格化渲染,生成水质等级空间分布图。
37、进一步,所述系统还包括:
38、定标靶布设模块,用于在监测河段布设定标靶布,辅助所述多光谱影像预处理单元进行几何精校正;
39、航线调整模块,用于根据监测河段的宽度、走向和周边环境需要,调整无人机的飞行航线、速度和曝光参数。
40、一种基于空地协同的高锰酸盐指数反演监测方法,基于上述系统实现,其特征在于,包括以下步骤:
41、步骤1:通过空中观测平台与地面原位监测平台同步采集监测河段的多光谱影像数据和高锰酸盐指数实测数据;
42、步骤2:对所述多光谱影像进行辐射定标、拼接预处理;
43、步骤3:根据水质采样点经纬度自动提取影像中对应位置的光谱信息,并构建数据集;
44、步骤4:采用梯度提升决策树算法对所述训练样本集进行迭代训练,模型自动进行最优特征选择,构建高锰酸盐指数反演模型;
45、步骤5:采用5折交叉验证方法对所述反演模型进行精度验证与超参数优化;
46、步骤6:利用验证后的反演模型对监测河段的高锰酸盐指数进行空间反演,并依据地表水环境质量标准进行水质等级划分与空间分布评价。
47、进一步,所述步骤1中,所述空中观测平台与地面原位监测平台在上午10:00至下午15:00时间段内进行同步监测,所述地面原位监测平台搭载在线流动分析仪,采用分光光度法实时获取高锰酸盐指数数据。
48、进一步,所述步骤4中,所述迭代训练包括:每一轮基于上一轮预测结果计算损失函数值,导出负梯度作为伪残差,以所述伪残差为目标训练新的cart回归树,新树生成后依据梯度下降法则确定贡献权重并加权融合入整体模型,所述贡献权重由模型学习率确定,所述模型学习率取值范围为0.01至0.1。
49、与现有技术相比,本发明的有益效果在于:
50、1、本发明构建的空地协同监测模式,以搭载多光谱相机的无人机为空中观测平台,以搭载在线流动分析仪的水质走航监测船为地面原位监测平台,通过空地协同数据采集单元实现空基与地基在时空上的严格同步监测,有效解决了多源数据时空不匹配的问题,削弱了尺度效应带来的反演误差,提升了观测系统的机动性与灵活性,为高精度水质反演模型的建立提供了可靠、高质量的实测数据支撑。
51、2、本发明采用设定学习率的梯度提升决策树算法构建高锰酸盐指数反演模型,利用其强大的非线性映射能力自动捕捉光谱特征与水质参数之间的高阶非线性交互作用,无需预先假设函数形式;模型自动进行最优特征选择,识别对高锰酸盐指数最敏感的特征波段,忽略噪声和冗余波段;基于boosting机制修正前序模型误差,使模型具有较好的鲁棒性和抗过拟合性。经验证,模型决定系数达到0.822,均方根误差为0.840mg/l,平均绝对误差为0.053mg/l,相较于传统线性回归模型预测性能显著提升,对非光学活性物质反演尤为适用。
52、3、本发明实现了复杂河网条件下高锰酸盐指数的精准反演与水质等级空间分布评价,突破了现有研究主要集中于单一水域应用的局限,可为不同级别河流的水质状况提供空间连续的监测结果,生成水质等级空间分布图,为水生态环境精细化治理提供关键技术支撑。
53、4、本发明采用船载在线流动分析仪进行原位监测,可同时监测总磷、总氮、氨氮、高锰酸盐指数等多个水质参数,监测效率高、数据时效性强,配合无人机遥感进行同步监测,保证了多源数据的质量与可靠性。
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