[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

说明书

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，它涉及一种基于光学水体类型和模型的湖泊浊度制图方法。本发明为了解决现有算法限制了浊度反演模型对光学多样性水体适用性的技术问题。方法构建过程：基于连续三年全国典型内陆湖泊水体星地同步数据，分析其水体光学特性与水质参数特征，并筛选湖泊水体中对浊度变化敏感的波段反射率组合；对波段反射率聚类成为3类，BP神经网络作为输入变量，构建不同反射率光谱聚类特征下的湖泊浊度反演算法；最后将建立后的BP‑TURB算法耦合浊度敏感波段线性斜率中值分割法运用到MSI影像上，准确反演并获取湖泊浊度的年际变化规律及其空间分布。本方法技术路线能够实现湖泊浊度的长期高精度监测，具有普适性。

技术领域

本发明涉及一种湖泊浊度制图方法。

背景技术

浊度(Turbidity)代表了湖泊的“浑浊程度”。湖泊浊度的升高，减缓湖泊辐射热力传输和光学辐射传输路径，通过影响垂直热结构影响湖泊初级生产力，抑制浮游植物光合作用。因此，浊度是水体光学活性物质(悬浮颗粒物、藻类颗粒物和有色溶解性有机物)吸收和散射特性的综合表征，其长期演化趋势和短期动态变化是流域水体生物地球化学新陈代谢过程、养分循环和污染物迁移转化、沉积物运移规律和气象水文过程等等的指示因子之一。在气候变暖和人类活动的背景下，湖泊富营养化形势严峻和蓝藻暴发频发，水生态系统功能退化，加强湖泊水质的动态监测，完成对实现其精细化和科学化管理具有重要意义。

经过遥感技术的发展，湖泊浊度遥感监测已从传统的现场点位观测发展为大尺度区域长时间序列监测和早期预警。特别是，随着载有适合湖泊水体水色波段传感器的卫星发射，如欧空局Sentinel-2卫星搭载MSI传感器，为湖泊浊度定量遥感提供地球观测平台。浊度反演算法包括半分析、波段组合经验算法以及目前广泛应用的机器学习算法。然而，大多数算法是严格“区域”模型，或算法校正组浓度范围限定模型，加之由于内陆水体的光学复杂性，限制了浊度反演模型对光学多样性水体的适用性，亟需发展高精度浊度反演模型，响应至逐像素反射率相似度以进行快速处理卫星图像和时空制图。

发明内容

本发明的目的是为了解决现有算法限制了浊度反演模型对光学多样性水体的适用性的技术问题，提供了一种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。

为实现上述技术目的，本发明从大尺度区域、长时间序列浊度实测数据和现有公开的湖泊水环境参数卫星遥感反射率产品，进行大气校正获取遥感数据不同波段中心波长处的归一化离水反射率，基于不同光学水体类型筛选与实测浊度变化的遥感波段或波段反射率组合，构建与光学水体类型聚类对应的BP-TURB浊度反演模型，并对所构建的模型进行验证。在实际湖泊浊度遥感反演产品生产和空间制图中，耦合斜率均值分割法可应用于遥感数据逐像素反射率相似度分析中，匹配构建BP-TURB浊度反演模型，可完成高精度浊度定量反演。

所述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按照以下步骤进行：

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；