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！

摘要：本申请提供了一种基于地面高光谱影像的水华情况处理方法以及装置，用于针对水华情况的监测目标，在地面高光谱影像的基础上，搭建了一套适于实用且高精度的处理方案，从而有助于更好地获悉流域的水华情况并推进精确的响应工作。方法包括：基于实测叶绿素a含量数据，确定有效样本点的目标地理位置数据，再确定目标地面高光谱影像的目标光谱信息，并将目标光谱信息与实测藻密度数据进行匹配，得到藻密度样本光谱库；以藻密度样本光谱库为基础，构建相应的高斯过程回归模型；基于高斯过程回归模型确定取得最佳藻密度响应能力的三个波段；基于三个波段计算藻密度指数，并确定是否存在水华情况；处理水华藻密度指数地理分布图，并进行分级。

主权项：1.一种基于地面高光谱影像的水华情况处理方法，其特征在于，所述方法包括：针对目标流域，分别获取对应的初始地面高光谱影像、地面实测点的实测藻密度数据、所述地面实测点的实测叶绿素a含量数据、所述地面实测点的初始地理位置数据；基于所述实测叶绿素a含量数据，筛选出有效样本点，从所述初始地理位置数据中确定所述有效样本点的目标地理位置数据，再根据所述目标地理位置数据从所述初始地面高光谱影像中确定所述有效样本点对应的目标地面高光谱影像的目标光谱信息，并将所述目标光谱信息与所述实测藻密度数据进行匹配，得到藻密度样本光谱库；以所述藻密度样本光谱库为基础，构建相应的高斯过程回归模型，其中，所述高斯过程回归模型的输入为光谱数据，输出为藻密度数据；基于所述高斯过程回归模型确定不同光谱传感器波段的藻密度响应能力，并确定取得最佳藻密度响应能力的三个波段；基于所述三个波段计算藻密度指数，并结合相应的藻密度指数阈值确定是否存在水华情况；处理包括所述目标流域的不同流域的水华藻密度指数地理分布图，并根据藻密度指数大小进行分级；以所述藻密度样本光谱库为基础，构建相应的高斯过程回归模型，包括：选取初始化的高斯过程回归模型，将所述光谱信息作为自变量，将所述藻密度数据作为因变量，选用高斯过程核函数与留一法作为迭代优化参数，建立所述高斯过程回归模型，并记为fx；利用蒙特卡洛方法模拟d类光谱信息的N个样本点，生成一个N×2d光谱信息样本矩阵，所述N×2d光谱信息样本矩阵的每一行是2维超空间中的一个采样点；使用所述N×2d光谱信息样本矩阵的前d列作为光谱信息矩阵A，将剩余的d列作为光谱信息矩阵B，以给出d维单位超立方体中N个点的两个光谱信息独立样本；构建dN×d光谱信息矩阵i＝1,2,...,d，所述dN×d光谱信息矩阵的第i列为所述光谱信息矩阵B的第i列，其余列为所述光谱信息矩阵A；将所述光谱信息矩阵A、所述光谱信息矩阵B以及所述dN×d光谱信息矩阵输入空间中的Nd+2个点，在所述光谱信息矩阵A、所述光谱信息矩阵B以及所述dN×d光谱信息矩阵中的每个设计点运行fx，总共给出Nd+2个模型计算得到的fA值、fB值和值；所述基于所述高斯过程回归模型确定不同光谱传感器波段的藻密度响应能力，包括：通过下式，计算光谱响应指数： STi＝EX～iVarXiY|X～iVarY，其中，EX～iVarXiY|X～i表示当X取X～i时输出的条件方差，Y表示由X～i得到的藻密度数据，X～i指的是输入的光谱信息矩阵第i列，j表示所述N个样本点中的当前样本点，VarY为藻密度数据方差，STi为藻密度数据的光谱响应指数，所述光谱响应指数与所述藻密度响应能力成正比；所述基于所述三个波段计算藻密度指数，包括：采用枚举法从所述三个波段中选择两个波段代入到藻密度指数量化公式的构造过程，其中，在每一次的所述藻密度指数量化公式的构造过程中，将当前选择的两个波段ρ1、ρ2代入到比值植被指数VI1、归一化植被指数VI2、差值植被指数VI3的量化公式中进行计算，再通过只涉及加减乘除运算的约束方式穷举所述比值植被指数VI1、所述归一化植被指数VI2和所述差值植被指数VI3三种元素构成的组合式，得到从所述三个波段中选择的两个波段的不同组合所得到的不同组合式之后，评价所述不同组合式所计算的藻密度指数和所述实测藻密度数据的贴合程度，并将取得最佳贴合程度的组合式确认为所述目标流域适配的藻密度指数量化公式，同时确定在所述目标流域适配的藻密度指数量化公式下计算得到的所述藻密度指数数值，其中，有：VI1＝ρ1ρ2，VI2＝ρ1-ρ2ρ1+ρ2，VI3＝ρ1-ρ2，其中，若所述藻密度指数大于所述阈值，则存在所述水华情况，若所述藻密度指数小于所述阈值，则未存在所述水华情况。

全文数据：

权利要求：

百度查询： 生态环境部长江流域生态环境监督管理局生态环境监测与科学研究中心 南水北调中线水源有限责任公司 一种基于地面高光谱影像的水华情况处理方法以及装置