[发明专利]多源遥感大数据协同的资源管理与环境监测方法及应用

权利要求书

1.一种多源遥感大数据协同的资源管理与环境监测方法，其特征在于：包括以下步骤：

步骤一、数据采集：通过光学、热红外和微波等大量不同传感器对地观测，获取水环境监测区域的水环境遥感图像数据；

步骤二、数据预处理：查寻水环境遥感图像数据中的异常像素，并对异常像素进行平滑滤波，根据预先获取的与水环境监测区域对应的地面监测数据，对去除异常像素的水环境遥感图像数据进行校正；

步骤三、数据获取：将校正后的水环境遥感图像数据进行处理，得到处理后的遥感数据；

步骤四、建立反演模型：利用机器学习模型训练数据集，建立各类水质参数反演模型；

步骤五：图表获取：将步骤三得到的遥感数据输入该反演模型，通过各类水质指标反演模型计算得到相应水质指标浓度图、黑臭水体分布图；

步骤六：报告生成：通过步骤五获取的图表进一步分析处理，得到水质等级和水环境监测报告，实现对监测区域水环境安全全方位了解。

2.根据权利要求1所述的一种多源遥感大数据协同的资源管理与环境监测方法，其特征在于：所述步骤一中数据采集，具体包括：

S1、系统利用倾斜摄影建模软件对多幅初始影像照片进行处理；

S2、利用RTK已测的控制点对影像进行坐标系配准；

S3、倾斜摄影软件对影像进行区域整体平差和多视角影像密集匹配。

3.根据权利要求1所述的一种多源遥感大数据协同的资源管理与环境监测方法，其特征在于：所述步骤二中的查寻水环境遥感图像数据中的异常像素，具体包括：

S1、选取水环境遥感图像数据中的一个像素，计算所述像素的八邻域像素的灰度均值；

S2、判断所述灰度均值与所述像素的灰度值之间的相对误差是否大于预设的阈值；如果是，确定所述像素为异常像素；

S3、重复上述步骤，直到遍历水环境遥感图像数据中的像素。

4.根据权利要求1所述的一种多源遥感大数据协同的资源管理与环境监测方法，其特征在于：所述步骤四中的水质参数反演模型包括感官物理性指标反演模型、化学性水质指标反演模型、生物学水质指标反演模型和其他物理性水质指标反演模型。

5.根据权利要求1所述的一种多源遥感大数据协同的资源管理与环境监测方法，其特征在于：所述步骤四中的各类水质参数反演模型均包括水体环境监测区域的名称、成像日期、遥感器名称、水质参数类型、水质参数模型公式。

6.根据权利要求4所述的一种多源遥感大数据协同的资源管理与环境监测方法，其特征在于：所述包括以下步骤：所述感官物理性指标反演模型参数类型包括水体环境监测区域的温度、色度、浑浊度、透明度等；所述化学性水质指标反演模型参数类型包括水体环境监测区域的pH值、硬度、碱度、各种离子、一般有机物质等；生物学水质指标反演模型参数类型包括水体环境监测区域的细菌总数、总大肠菌数、各种病原细菌、病毒等；其他物理性水质指标反演模型参数类型包括水体环境监测区域的包括总固体、悬浮性固体、固定性固体、电导率(电阻率)等。

7.根据权利要求1所述的一种多源遥感大数据协同的资源管理与环境监测方法制备方法，其特征在于：所述步骤四中对机器学习模型训练数据集具体为：对机器学习模型输入数据进行处理，剔除反射比为1的饱和数据，之后基于均值方差归一化方法对数据进行归一化处理。

8.根据权利要求1-7所述的一种多源遥感大数据协同的资源管理与环境监测方法的应用，其特征在于：应用于洪水动态遥感监测及分析处理和湖泊环境资源监测及分析处理。