买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南通大学

摘要：本发明公开了一种基于GFWFV卫星遥感数据的水体叶绿素a监测方法，包括以下步骤：步骤1、GFWFV遥感影像预处理；步骤2、GFWFV水体指数计算；步骤3、叶绿素a遥感反演模型构建；步骤4、遥感反演模型；步骤5、水质遥感反演。本发明的水质反演方法相对简单，适用范围广。此方法有效提高城市水质Chl‑a浓度的反演精度和监测效率，可以实现大范围水体Chl‑a浓度同步监测，节约人力、物力和时间成本。

主权项：1.一种基于GFWFV卫星遥感数据的水体叶绿素a监测方法，其特征在于，包括以下步骤：步骤1、GFWFV遥感影像预处理；GFWFV遥感影像的预处理包括辐射定标、大气校正、几何精校正和研究区裁剪处理；步骤2、GFWFV水体指数计算；利用GFWFV波段信息，分别计算GFWFV遥感影像的SAVI土壤调整植被指数、MSAVI修改的土壤调整植被指数、OSAVI优化的土壤调整植被指数、DVI差值植被指数、NDWI归一化差异水体指数、BI烧伤指数、TVI转换植被指数、NDVGI归一化差异植被绿度指数、SCI土壤颜色指数、GNDVI绿色归一化差异植被指数、NDVI归一化差异植被指数、RENDVI红边归一化差异植被指数、VIgreen植被指数绿色通道、RVI比值植被指数、SR简单比值、EVI1增强植被指数1、EVI2增强植被指数2、MSAVI2修改的土壤调整植被指数2、MSR修改的简单比值、OSAVI优化的土壤调整植被指数、RDVI红色差异植被指数、SAVI土壤调整植被指数遥感植被指数，各植被指数计算公式如下公式1～12所示；为了获取水体遥感水体指数，还需要提取遥感影像中水体信息；利用面向对象特征提取影像信息工具，对GFWFV影像中的水体人工交互解译，获取水体和非水体的矢量边界数据；利用水体矢量边界按掩膜提取工具对水体分布遥感植被指数进行掩膜，获取水体所对应的遥感植被指数数据集，以便用于后期数据统计与分析；DVI＝NIR-Red1EVI2＝2.5NIR-RedNIR+6Red-7.5Blue+12NDVGI＝NIR-GreenNIR+Green3NDVI＝NIR-RedNIR+Red4NDWI＝Green-NIRGreen+NIR5OSAVI＝NIR-RedNIR+Red+0.166NDVI＝RedNIR7SAVI＝1+LNIR-RedNIR+Red+L8SAVI2＝1+LNIR-RedNIR+Red+L9SCI＝3NIR+Red-Green-3Blue10SR＝NIRRed11VIgreen＝Green-RedGreen+Red12其中NIR为近红外波段；Red为红色波段；Blue：为蓝色波段；Green为绿色波段；L为常数；步骤3、叶绿素a遥感反演模型构建；步骤3.1、无人机航拍采用FragMAP无人机航拍系统下IRREGULAR不规则航拍模式，进行河道排污口信息的无人机影像数据资料收集；步骤3.2、数据预处理为了匹配无人机航拍影像和GFWFV遥感影像，首先对无人机航拍影像进行几何配准，根据河道高分辨率多光谱影像和GF卫星影像，筛选GFWFV水体纯净像元栅格，将纯净像元栅格转为点文件，再分别提取点文件所对应的多光谱无人机航拍影像反演的水体叶绿素a和GFWFV遥感影像计算获取的遥感植被指数值；提取结果保存到文本文件中以供后期模型构建使用；步骤3.3、反演模型构建基于无人机航拍多光谱影像反演的Chl-a浓度和GFWFV遥感植被指数，结合机器学习算法训练Chl-a浓度遥感反演模型；步骤4、遥感反演模型；利用决定系数R2和均方根误差RMSE筛选最优机器学习模型作为水体叶绿素a的遥感繁衍模型；步骤5、水质遥感反演；基于研究区GFWFV遥感影像与RF遥感估测模型，基于不同时段的GFWFV遥感影像，对城市水体叶绿素a进行遥感反演，获取的城市水体叶绿素a空间分异特征。

全文数据：

权利要求：

百度查询： 南通大学 一种基于GF WFV卫星遥感数据的水体叶绿素a监测方法