[发明专利]一种水体分类模型的建立方法及装置

说明书

本发明公开了一种水体分类模型的建立方法及装置，所述水体分类模型的建立方法将实测的遥感反射率光谱经过聚类算法分为N类，进而结合水质参数和固有光学量确定对应于N类反射率光谱的N类水体类别，针对每一类反射率光谱，确定处于遥感影像波段范围内的敏感波段，并将分别与反射率光谱对应的水体类别和敏感波段进行关联处理，最终生成水体分类决策树模型。所述水体分类模型的建立方法及装置可应用于影像水体分类，用户可以根据水体的遥感影像数据，通过水体分类决策树模型直接得到水体的类别，不需要用户到现场和实验室进行实测实验，简单快捷且时效性强。

技术领域

本发明涉及内陆湖泊水体分类技术领域，更具体的说，是涉及一种水体分类模型的建立方法及装置。

背景技术

内陆湖泊水体分类研究能够帮助人们更好地了解水体的组分和特性，对水体环境保护及工业生产用水具有重要意义。

内陆湖泊水体是由多种组分组成的，通常情况下，根据水体组分含量的不同，会将水体划分为不同的类别。内陆湖泊水体的主要成分有纯水、浮游植物、非藻类悬浮颗粒和黄色物质等，影响水体颜色及反光率的物质主要包括浮游植物、非藻类颗粒物和黄色物质。现有技术中，对水体的分类需要技术人员到水体现场进行光谱采集和水体采样，然后将光谱数据及采样水体带回实验室进行相应的分析研究，进而通过研究数据结果确定水体类别。由于水体类别确定工作耗时耗力，相应的水体类别确定工作的间隔周期也比较长。

现有技术中采用实测实验确定水体类别的方法成本比较高，而且，由于水体类别确定工作的间隔周期长，导致水体类别确定结果的时效性差。由此，如何提供一种简单快捷，且时效性强的确定水体类别的方法，是本领域技术人员亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种水体分类模型的建立方法及装置，以克服现有技术中由于采用实测实验确定水体类别而导致的，确定水体类别成本高且时效性差的问题。

为实现上述目的，本发明提供如下技术方案：

一种水体分类模型的建立方法，包括：

获取实测的遥感反射率光谱；

通过聚类算法将所述遥感反射率光谱分为N类，所述N为正整数；

依据所述N类反射率光谱对应的水质参数和固有光学量，确定与所述N类反射率光谱依次对应的N类水体类别；

针对所述N类反射率光谱中的每一类反射率光谱进行如下操作：依据反射率光谱，确定处于遥感影像波段范围内的敏感波段，并将分别与反射率光谱对应的水体类别和敏感波段进行关联处理，生成水体分类决策树子模型；

将N个决策树子模型合并处理为水体分类决策树模型。

可选的，所述依据反射率光谱，确定处于遥感影像波段范围内的敏感波段，包括：

确定反射率光谱的基础敏感波段；

在遥感影像的波段范围内，确定和所述基础敏感波段对应的敏感波段。

可选的，所述生成水体分类决策树子模型，包括：

采用单波段比值法、波段比值法或归一化波段比值法生成水体分类决策树子模型。

可选的，在所述将N个决策树子模型合并处理为水体分类决策树模型后，还包括：

依据遥感影像数据对所述决策树模型中的所述敏感波段和数据阈值进行调整。

可选的，在所述将N个决策树子模型合并处理为水体分类决策树模型后，还包括：

获取经过水体掩膜处理的遥感影像数据，通过所述水体分类决策树模型计算输出所述遥感影像数据对应的水体类别。

可选的，在所述输出所述遥感影像数据对应的水体类别后，还包括：