[发明专利]基于水动力水质模型和遥感数据的污染水体模拟方法

说明书

本发明公开了一种基于水动力水质模型和遥感数据的污染水体模拟方法，包括：在目标地点水体上设定采样点并计算对应的水体污染程度；构建遥感反演模型，输入目标地点水体的时序遥感影像数据，生成水质遥感反演值；将Delft‑3D水动力水质模型与污染物对流‑扩散方程结合计算模拟的水体污染值；采用经过率准和同化的Delft‑3D水动力水质模型对连续时间内的水体污染值进行同化，获取当前的同化结果；利用将来时刻的水体实测污染值校验当前的同化结果，实现对水体污染程度的时间及空间上的连续动态模拟。本发明中叙述的方法具有提高模型的鲁棒性、适应性以及水质遥感反演结果的精度，增加了水质遥感反演结果在污染水体精细化模拟中的可利用性的优点。

技术领域

本发明涉及水体环境模拟技术领域，具体涉及一种基于水动力水质模型和遥感数据的污染水体模拟方法。

背景技术

随着我国经济的不断发展和工业化进程的加快，导致相关的污水排放加剧，引起了很多水污染相关的次生灾害，如：居民健康问题。内陆水体是人们日常生活用水的主要来源，内陆水体的健康与人类生活息息相关。因此，及时地监测内陆水体水质并对水质污染进行溯源尤为重要。

对于水环境的监测，目前主要的观测方式为原位测量，然而原位测量的数据精度虽高，但是非常的耗时耗力，且原位测量获取的样本点的数据片面性很强不具有代表性，对于整体的水体质量无法进行客观的评价。

卫星遥感技术是一门综合性的科学技术，集中了空间、电子、光学、计算机通信和地学等学科的成就，是3S(RS、GIS、GPS)技术的主要组成成分。随着卫星遥感技术的发展，遥感由于其便捷性以及大范围可监测性在各个不同的领域得到广泛应用。但是在水体监测方面，目前遥感只能获取静止的水质分布状态数据，无法精确的表达水体水质流动演变的真实特性，从而造成反演准确度不高。

发明内容

本发明的目的提供一种基于水动力水质模型和遥感数据的污染水体模拟方法，解决上述现有技术问题中的一个或多个。

本发明提出一种基于水动力水质模型和遥感数据的污染水体模拟方法，包括如下步骤：

在目标地点水体上设置采样点，计算采样点的污染程度；

构建遥感反演模型；

将目标地点水体的时序遥感影像数据输入遥感反演模型中，输出不同月份的水质遥感反演值；

将目标地点对应的不同月份的水体数据输入Delft-3D水动力水质模型中，结合污染物对流-扩散方程，得到模拟的不同月份的水体污染值，水体数据包括出入流边界条件、水文气象数据、水体参数、Manning糙率系数和实测水质数据；

采用经过率准和同化的Delft-3D水动力水质模型对连续时间内的水体污染值进行同化，获取当前的同化结果；

利用将来时刻的水体实测污染值校验当前的同化结果，实现对水体污染程度的时间及空间上的连续动态模拟。

在一些实施方式中，计算采样点的污染程度是基于内梅罗综合污染指数进行的。

在一些实施方式中，构建遥感反演模型时利用时序遥感影像数据和改进的基于patch的深度神经网络回归模型，具体过程为：

使用基于patch的DNN回归模型提时序取遥感影像的非线性空间特征，通过局部感知和权值共享减少参数的数量和冗余；

基于patch的DNN回归模型由三个卷积层、一个辍学层和三个全连接层组成，每个卷积层的步幅为1，第一个卷积层的滤波器大小为3*3，其他卷积层的过滤器大小为2*2，经过三层卷积和dropout将提取的深层特征传入三层全连接层，最终输出值为参数集中度，每层都使用批量归一化和ReLUctant激活函数，通过交叉验证对相关参数进行调整，相关参数包括学习率、周期数和滤波器大小，通过回归评价指标、MSE、平均绝对误差、平均归一化偏差和残差预测偏差对模型的预测性能进行评估。