一种基于多光谱遥感图像的水体藻类污染检测方法与流程

本发明涉及基于多光谱遥感图像的水体藻类污染检测方法。

背景技术：

水资源，尤其是淡水资源是人类赖以生存的根本。然而，受到人类活动或地球环境的改变，水资源紧缺程度逐渐加重。水体藻类污染是当前危害淡水资源的主要根源。提升水体藻类污染的实时监控和检测能力，可以有效提高水体污染防治效率，缓解水资源匮乏现状，具有十分重要的意义。

当前大面积水污染监控主要依赖于遥感图像，尤其是多光谱遥感监测手段。多光谱遥感具有成像面积大、重访周期短、数据资源众多等优势，在水污染监控中优势明显。然而利用多光谱遥感图像进行水体藻类污染检测存在以下弊端：1.严重污染水域常常会误判为陆地，造成对水污染区域的漏检；2.传统的叶绿素指数(NDVI)在水体值极小，微小的污染就会造成对水污染区域的误判。

技术实现要素：

本发明是为了解决在传统利用多光谱遥感图像进行水污染大面积快速检测时造成的严重水污染区域漏检、水污染区域误判的问题，而提出一种基于多光谱遥感图像的水体藻类污染检测方法。

一种基于多光谱遥感图像的水体藻类污染检测方法具体过程为：

步骤一、输入监控区域的多光谱遥感图像数据和该数据中相应的波段参数；

步骤二、筛选输入监控区域的多光谱遥感图像数据中相应的波段分别与固定的三个用于水体藻类污染检测的波段最临近的波段；

步骤三、根据步骤二计算新的水体指数WI，基于新的水体指数WI进行水域提取；

步骤四、根据步骤三计算水域区域的NDPI；

步骤五、根据步骤四进行水体藻类污染制图，并根据设定的藻类污染预警指数进行水体藻类污染区域提取。

本发明的有益效果为：

本发明改进了基于多光谱遥感图像的水体藻类污染检测能力，提高了水体藻类污染的检测效率和检测精度，实现了新的对藻类污染爆发的快速精确监控算法。算法主要利用多光谱遥感图像进行水污染大面积快速检测时造成的严重水污染区域漏检、水污染区域误判的问题，提升国家对水污染的快速有效的监控能力。

为了验证本发明所提出的方法的性能，针对一幅Landsat8多光谱遥感图像进行了测试，图像观测区域为2014年夏季的巢湖区域，该时段巢湖发生了较严重的水藻污染。图2为该多光谱图像的第五波段的灰度图。可以大致判断出水域范围。图3为经过本方法获得的水域范围(白色区域)。可以看到很多河流清晰完整，说明提出的改进的水域检测方法是有效的。图4为经过本方法获得的水污染区域，从图像中可清晰看到污染区域和污染严重程度。

附图说明

图1为本发明的实施流程；

图2为一幅巢湖区域具有严重水污染情况的Landsat8多光谱遥感图像。

图3为经过本发明获得的改进的水体范围

图4为经过本发明获得的所有水域的水污染指数制图。

具体实施方式

具体实施方式一：结合图1说明本实施方式，本实施方式的一种基于多光谱遥感图像的水体藻类污染检测方法，其特征在于：一种基于多光谱遥感图像的水体藻类污染检测方法具体过程为：

步骤一、输入监控区域的多光谱遥感图像数据和该数据中相应的波段参数；

步骤二、筛选输入监控区域的多光谱遥感图像数据中相应的波段分别与固定的三个用于水体藻类污染检测的波段最临近的波段；

步骤三、根据步骤二计算新的水体指数WI，基于新的水体指数WI进行水域提取；

步骤四、根据步骤三计算水域区域的NDPI；

步骤五、根据步骤四进行水体藻类污染制图，并根据设定的藻类污染预警指数进行水体藻类污染区域提取。

具体实施方式二：本实施方式与具体实施方式一不同的是：所述步骤二中固定的三个用于水体藻类污染检测的波段的中心波长分别为0.56μm(Green)，0.66μm(Red)，0.83μm(NIR)，将输入监控区域的多光谱遥感图像数据中相应的波段分别与固定的三个用于水体藻类污染检测的波段最临近的波段分别设定为Band1，Band2和Band3；

NIR为近红外光谱。

其它步骤及参数与具体实施方式一相同。

具体实施方式三：本实施方式与具体实施方式一或二不同的是：所述步骤三中基于改进水体指数的水域提取；具体过程如下：

步骤三一、使用了新的水体指数用于降低在水域分割时严重水污染造成的区域误判，新的水体指数WI计算方法如下：

$WI=\frac{Band1-Band2}{(Band1+Band3)(Band2+Band3)}$

步骤三二、设阈值m，WI>m时，此区域判定为水域，WI≤m时，则此区域不判定为水域。

其它步骤及参数与具体实施方式一或二相同。

具体实施方式四：本实施方式与具体实施方式一至三之一不同的是：所述阈值m设定为0。

其它步骤及参数与具体实施方式一至三之一相同。

具体实施方式五：本实施方式与具体实施方式一至四之一不同的是：所述步骤四中根据步骤三计算水域区域的NDPI；具体步骤如下：

计算水域区域的NDPI，计算方法如下：

$NDPI=\frac{Band3\×Band3}{(Band1+Band3)(Band2+Band3)}$

NDPI为水体藻类污染指数。

其它步骤及参数与具体实施方式一至四之一相同。

具体实施方式六：本实施方式与具体实施方式一至五之一不同的是：所述步骤五中根据步骤四进行水体藻类污染制图，并根据设定的藻类污染预警指数进行水体藻类污染区域提取；具体过程为：

步骤五一、根据水域区域的NDPI值进行水体藻类污染指数绘图；

步骤五二、设定藻类污染预警指数n，NDPI>n时，该区域为水体藻类污染区域；NDPI≤n时，则该区域不为水体藻类污染区域。

其它步骤及参数与具体实施方式一至五之一相同。

具体实施方式七：本实施方式与具体实施方式一至六之一不同的是：所述藻类污染预警指数n可根据不同的污染程度来设定，n通常情况下设定为0.15。

其它步骤及参数与具体实施方式一至六之一相同。

采用以下实施例验证本发明的有益效果：

实施例一：

本实施例一种基于多光谱遥感图像的水体藻类污染检测方法具体是按照以下步骤制备的：

为了验证本发明所提出的方法的性能，针对一幅Landsat8多光谱遥感图像进行了测试，图像观测区域为2014年夏季的巢湖区域，该时段巢湖发生了较严重的水藻污染。图2为该多光谱图像的第五波段的灰度图。可以大致判断出水域范围。图3为经过本方法获得的水域范围(白色区域)。可以看到很多河流清晰完整，说明提出的改进的水域检测方法是有效的。图4为经过本方法获得的水污染区域，从图像中可清晰看到污染区域和污染严重程度。

本发明还可有其它多种实施例，在不背离本发明精神及其实质的情况下，本领域技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。