[发明专利]基于光学水体类型和BP神经网络算法构建BP-TURB的湖泊浊度制图方法

权利要求书

1.基于光学水体类型和BP神经网络算法构建BP-TURB的湖泊浊度制图方法，其特征在于，包括如下步骤：

一、采集不同湖区湖泊的浊度实测数据；

二、结合星地同步数据，将哨兵-2号卫星搭载的MSI传感器Level 1C遥感影像经过重采样预处理和大气校正，提取湖泊和水库水体采样点3×3像元的归一化离水反射率，得到的第一波段至第六波段的归一化离水反射率值依次记为rhown1、rhown2、rhown3、rhown4、rhown5和rhown6，结合实测湖泊浊度构建Turb反演数据集，Turb反演数据集由实测湖泊浊度和rhown数据集组成，并以反演的湖泊浊度为输出，构建湖泊浊度反演算法；

三、将获取的rhown1、rhown2、rhown3、rhown4、rhown5和rhown6波段的水体光谱类型曲线图进行k-means聚类分析，光谱波段聚类组数为3类，即为Cluster-1聚类组、Cluster-2聚类组和Cluster-3聚类组；

四、BP机器学习模型训练：输入为6维的特征，包括rhown1、rhown2、rhown3、rhown4、rhown5和rhown6，根据水体光学类型和实测湖泊浊度，还使用了与实测浊度相关的波段组合，同步作为BP机器学习模型训练输入变量，不同聚类组，BP机器学习模型输入变量如下：

①Cluster-1聚类组：rhown1、rhown2、rhown3、rhown4、rhown5、rhown6和实测湖泊浊度值；

②Cluster-2聚类组：rhown1、rhown2、rhown3、rhown4、rhown5、rhown6、(rhown4×rhown5×rhown6)/rhown1、(rhown3×rhown4×rhown5)/rhown1、rhown5×rhown6/rhown2、(rhown5+rhown6)/rhown3、(rhown5+rhown6)/rhown1、(rhown4+rhown5+rhown2)/rhown1、rhown5×rhown6和实测湖泊浊度；

③Cluster-3聚类组：rhown1、rhown2、rhown3、rhown4、rhown5、rhown6、(rhown5×rhown6)/rhown2、(rhown5×rhown4)/rhown2、(rhown5×rhown6)/rhown4、(rhown2×rhown5×rhown4)/rhown1、(rhown3×rhown6)/rhown1、(rhown4×rhown5×rhown6)/rhown1、(rhown5×rhown4)/rhown1、(rhown6×rhown4)/rhown1、(rhown5×rhown6)/rhown1、rhown5×rhown6、(rhown2×rhown6)/rhown1、(rhown2×rhown5×rhown6)/rhown1和实测湖泊浊度值；

五、基于模型训练过程进行参数调优：基于尽量少的隐藏层数量、尽量少的神经元数量、尽量高的学习率和适当的激活函数这一原则进行参数调优，获取最优的模型参数，即实测与估测线性回归R²拟合系数最大，且实测与估测值1:1拟合斜率接近1；

六、将三分之二的步骤三获取的rhown数据集和匹配的实测浊度数据用于构建湖泊BP-TURB反演模型，记为BP-TURB Cluster-1反演模型、BP-TURB Cluster-2反演模型和BP-TURBCluster-3反演模型；

七、步骤六中剩余三分之一的数据用于湖泊BP-TURB反演模型的精度验证，基于均方根误差RMSE和平均绝对误差MAE对模型性能进行评价，所述精度验证的表达式如下：

其中，RMSE是均方根误差，MAPE是平均绝对百分比误差，N是样本数，y_i是测量值，y_i'是估算值；

八、在步骤六构建湖泊BP-TURB反演模型实际浊度反演中，由于遥感数据逐像元的归一化离水反射率与步骤四的水体光学类型具有相似度，但又不完全一样，需耦合光学水体类型和斜率中值分割法，进行逐像元的归一化离水反射率相似度分析，具体操作如下：

①重复步骤一至步骤二过程；

②将实测湖泊浊度数据与rhown数据集进行相关分析，在SPSS16.0软件平台实现，皮尔逊相关系数r表达如下：

其中，x、y是变量，N是样本数；

③线性拟合rhown4、rhown5和rhown6波段，计算线性方程的斜率；

④采用斜率中值分割法，取步骤三获取的聚类组Cluster-1聚类组、Cluster-2聚类组和Cluster-3聚类组下的rhown数据集在浊度敏感波段rhown4、rhown5和rhown6拟合线性方程的斜率值；

⑤基于步骤三获取的水体光谱类型曲线图，取rhown数据集在Cluster-1聚类组和Cluster-2聚类组在浊度敏感波段rhown4、rhown5和rhown6拟合线性方程的斜率中值，即S_{Cluster1Cluster2}＝-0.0000769，作为BP-TURB Cluster-1反演模型和BP-TURB Cluster-2反演模型反演算法阈值分割线；

⑥基于步骤三获取的水体光谱类型曲线图，取rhown数据集在Cluster-1聚类组和Cluster-3聚类组在浊度敏感波段rhown4、rhown5和rhown6拟合线性方程的斜率中值，即S_{Cluster1Cluster3}＝-0.0004478，作为BP-TURB Cluster-1反演模型和BP-TURB Cluster-3反演模型反演算法阈值分割线；

九、在实际应用BP-TURB模型定量反演目标湖泊浊度和空间制图中，重复步骤二获取目标湖泊和水库逐像元的归一化离水反射率，按照步骤八计算每个像元浊度敏感波段线性拟合方程的斜率S_Target；

当斜率值S_Target≥-0.0000769时，此像元采用BP-TURB Cluster-2反演模型；当斜率值-0.0000769＞S_Target＞-0.00044778时，此像元采用BP-TURB Cluster-1反演模型；当斜率值S_Target≤-0.00044778时，此像元采用BP-TURB Cluster-3反演模型；

十、BP-TURB模型反演后，获取湖泊浊度空间分布与时间变化，实现湖泊浊度制图。