专利名称：基于遥感影像的蓝藻生物量时空变化监测与可视化方法
技术领域：
本发明涉及一种水环境监测技术，尤其是涉及一种基于遥感影像的蓝藻生物量时 空变化监测与可视化方法。
背景技术：
从国内外富营养化及蓝藻水华的监测工作来看，由于受到自然条件和时空等因素 限制，传统的监测方法具有一定局限性。成本高、耗时长，并很难对大面积湖泊的藻类的时 空动态分布和变化做出全面的调查。随着遥感技术的不断进步，在广袤水域的污染识别和 检测方面，使用卫星遥感数据已经成为大面积、迅速评估水质的有效方法。特别是利用高时 空分辨率的多时相卫星影像数据结合已有的地理信息和实测数据，能全面、快速、可靠地识 别和提取出蓝藻污染区域，进而获得蓝藻水华的污染情况。从而快速、全面掌握蓝藻时空分 布变化信息，能实现控制蓝藻水华、评价蓝藻生态环境风险、研究蓝藻异常生长的原因以及 建立水质的预警系统的作用。
对水体中蓝藻水华的识别，国内外的研究者们使用的算法众多，包括使用归一化 差值植被指数(NDVI)、使用藻类的波谱反射和吸收特性、使用水体生物-光学模型等方法。 使用这些方法的本质，都是对所获得的遥感影像进行分类提取，根据蓝藻污染水域本身的 光谱特性以及其他生物学特性，从其中提取和识别出蓝藻水华污染的区域，从而对受污染 水域进行分析。因此，从蓝藻在遥感影像上显示的光谱特性和生物学特性角度出发，蓝藻的 识别方法可以分为两大类，一类是利用蓝藻本身的光谱特性，利用蓝藻污染水体和正常水 体在不同波段吸收率和反射率的差异，使用归一化差值植被指数或构造其他评价指数的方 法，对遥感影像进行解译，识别和提取出蓝藻污染区域；另一类则是利用蓝藻污染水体的生 物学特性，利用蓝藻中所含的叶绿素a、液泡结构等生物特性，通过遥感影像的光谱分析，对 水体的叶绿素浓度含量等参数进行判断，进而获得蓝藻水华的污染情况。
对于国内外目前使用的这两类蓝藻识别算法，其也有各自的优势和劣势。使用归 一化差值植被指数或其他构造的植被指数，通过遥感数据反映的光谱信息，具有识别准确， 易于处理的优点，在水体蓝藻浓度较高时，会在水面上产生类似陆上植被的光谱特征，识别 处理效果较好，但是当水体蓝藻浓度较低时，蓝藻的光谱曲线与背景水体相混合，呈现高悬 浮物水体的特性，给水华面积的提取带来了困难，还需要与其他地物光谱曲线相结合，进一 步分析。使用含蓝藻水体的叶绿素a浓度和蓝藻液泡结构的生物特性的分类方法，具有适 应性好，数据源广泛的特点。需要考虑水面其他水生植物，例如水草、浮萍等高叶绿素植物 的影响因素，对于水深水质等环境背景因素也有要求。同时，高分辨率的影像对水体中叶绿 素a浓度的判别有较好的效果，但是考虑到国内遥感研究的实际情况，价格高昂的高分辨 率影像获取途径不易，还多使用中等分辨率的MODIS数据，影响了相应研究的深入。
对于蓝藻水华变化情况的检测，目前国内外使用的主要方法是基于多时相的遥感 影像，通过对一段时间序列内的遥感影像进行分析，对不同时相的遥感影像分别进行蓝藻 的识别和提取，然后进行对比分析，获取蓝藻的变化情况，对蓝藻水华进行检测。针对我国目前淡水水体污染严重的现状，使用遥感数据进行水污染的识别和检测有着广阔的应用前 景。同时，遥感数据的应用也有其局限性，因此在使用遥感数据进行水污染识别和变化检测 处理时，应当加强与环境、海洋、生物等学科的联系，使用多种方法同时进行，运用多学科的 知识来弥补遥感数据识别与提取上的不足。
在实际应用中，大面积浑浊水体和陆生植被将对蓝藻覆盖信息的分类和提取产生 明显地干扰作用。传统的遥感影像分类技术利用单一的指数特征，如归一化植被指数、归一 化差异水体指数(NDWI)等，其对蓝藻分布信息的提取较多受到自然条件和环境因素的影 响。同时，目前类似的蓝藻生物量监测系统都缺少流域和水网分析，主要是单纯依赖遥感影 像进行蓝藻爆发监测。无法在充分利用已有数字化地理信息的基础上对蓝藻水华的爆发机 理、流域影响、风力和温度等环境和气象因素的影响进行分析和直观表达。从而难以对蓝藻 水华的成因分析给以可靠支持和指导，也因此无法有效地实现蓝藻水华的时空分布和变化 的全面分析。发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种蓝藻识别精度 和可靠性高的基于遥感影像的蓝藻生物量时空变化监测与可视化方法。
本发明的目的可以通过以下技术方案来实现
一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，该方法包括以下步 骤
I)获取蓝藻研究区域的遥感影像，并对其进行图像预处理，构建归一化蓝藻指 数；
2)采用基于VPRS_GID的特征优化模型对遥感影像的特征进行优化，获得优化后 的多特征空间；
3)根据多特征空间建立基于小波核的双重加权SVM分类模型，获取SVM最优分类 决策面，并利用该分类模型提取蓝藻空间分布信息、检测蓝藻空间分布的变化，结合实地观 测数据进行综合验证和精度分析；
4)将处理后的遥感影像、研究区域的GIS矢量数据与该区域的实地观测数据进行 叠加显示，从而实现蓝藻水华爆发时空变化过程和规律的仿真模拟。
所述的图像预处理包括对遥感影像进行大气层顶表观反射率反演，所述的归一化 蓝藻指数的构建具体包括
11)构建蓝藻的影像光谱曲线，分别对波段4与波段3以及波段5与波段4进行差 值运算\a = BA-B7>
I\b = B5-B4
式中，B3、B4和B5分别表示波段3、波段4和波段5的光谱值；
12)对差值运算结果归一化处理
权利要求
1.一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，该方法包括以下步骤 1)获取蓝藻研究区域的遥感影像，并对其进行图像预处理，构建归一化蓝藻指数； 2)采用基于VPRS_GID的特征优化模型对遥感影像的特征进行优化，获得优化后的多特征空间； 3)根据多特征空间建立基于小波核的双重加权SVM分类模型，获取SVM最优分类决策面，并利用该分类模型提取蓝藻空间分布信息、检测蓝藻空间分布的变化，结合实地观测数据进行综合验证和精度分析； 4)将处理后的遥感影像、研究区域的GIS矢量数据与该区域的实地观测数据进行叠加显示，从而实现蓝藻水华爆发时空变化过程和规律的仿真模拟。
2.根据权利要求1所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的图像预处理包括对遥感影像进行大气层顶表观反射率反演，所述的归一化蓝藻指数的构建具体包括 11)构建蓝藻的影像光谱曲线，分别对波段4与波段3以及波段5与波段4进行差值运算
3.根据权利要求1所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的步骤2)具体包括 21)根据遥感影像获取遥感影像的特征信息，采用变精度粗糙集模型对特征信息进行约简； 22)对约简得到的特征集采用灰色关联决策进行最佳特征组合选取，获得优化后的多特征空间。
4.根据权利要求1或3所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的多特征空间包括影像波段组合、归一化蓝藻指数、最佳指数特征组合和最佳Gabor滤波器纹理特征组合。
5.根据权利要求1所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的双重加权包括对不同类别赋以权重和对每个特征属性赋以权重。
6.根据权利要求5所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的建立基于小波核的双重加权SVM分类模型的具体步骤为31)根据遥感影像的样本集，获得类别权重％,
7.根据权利要求6所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的构造特征权重向量ω具体为
8.根据权利要求1所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的实地观测数据包括实地蓝藻生物量采样数据和气象观测数据。
9.根据权利要求8所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的可视化显示具体为41)读取实地观测数据，并对遥感影像和矢量地图数据进行空间坐标配准；42)在遥感影像数据层上叠加具有空间坐标的实地观测数据；43)对离散的实地观测数据进行插值处理，利用插值数据拟合出生物量等值线信息；44)以经过坐标空间配准的遥感影像数据为底地图，在其上依次叠加矢量地图数据、生物量等值线信息，然后对处理结果及其对应日期的气象观测数据进行可视化显示和仿真模拟。
10.根据权利要求9所述的一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，其特征在于，所述的坐标配准是指将坐标转换为归一化的坐标系统，具体为a)获得待转换数据的坐标范围，即该数据在X轴方向的最小值Xmin、最大值Xmax和I轴方向的最小值ymin、最大值ymax ；b)通过该坐标范围计算转换所需的尺度因子Scale，以X轴方向为例，其计算公式如下
全文摘要
本发明涉及一种基于遥感影像的蓝藻生物量时空变化监测与可视化方法，该方法包括以下步骤1)对研究区的遥感影像进行预处理，并构建归一化蓝藻指数；2)采用基于VPRS_GID的特征优化模型对遥感影像的特征进行优化，获得优化后的多特征空间；3)根据多特征空间建立基于小波核的双重加权SVM分类模型，对蓝藻水华空间分布信息进行提取识别和变化检测，结合实地观测数据进行综合验证和精度分析；4)将处理后的遥感影像、GIS矢量数据与实地观测数据进行叠加显示，从而实现蓝藻水华爆发时空变化过程和规律的仿真模拟。与现有技术相比，本发明具有蓝藻识别精度和可靠性高等优点，有利于对蓝藻水华的成因和分布变化做出分析和判断。
文档编号G01C11/04GK103063202SQ20121058804
公开日2013年4月24日 申请日期2012年12月30日 优先权日2012年12月30日
发明者林怡, 潘琛, 王嘉楠, 任文伟, 叶勤, 屈铭志, 刘冰, 陆渊 申请人:同济大学, 复旦大学