确定叶绿素浓度变化时间规律的方法、装置、介质及设备与流程

本发明属于遥感监测，具体而言涉及一种确定叶绿素浓度变化时间规律的方法、装置、介质及设备。

背景技术：

1、前人对海洋初级生产力的研究多是研究浮游植物的平均现存量。近期多项研究表明初级生产力周期性变化对食物网和碳排放产生深远影响。研究浮游植物生物量的时间变化可能与平均现存量一样重要，如何最好地评估浮游植物在不同时间和空间上的变化成为重要议题。浮游植物生物量的变化不仅受限于繁殖率和死亡率的平衡，也明显依赖于影响光合作用和繁殖的非生物因子，包括入射到海表面的太阳光、海水混合、营养物质和温度。这些环境因素的组合能在一个状态能持续较长时间，因而叶绿素浓度值在时间上的变化呈阶梯状曲线（常以叶绿素浓度值来反映浮游植物的生物量）。寻找叶绿素浓度值时间变化节点非常重要。基于卫星的生物量指标，如叶绿素浓度( chl )数据，在时间和空间上都有高覆盖率，可以更好地估计不同尺度上浮游植物生物量的变化。然而，受云层和太阳高度角、太阳耀斑等因素的影响，卫星反演的数据会出现大量的错误，并被标记移除。最终只剩下20%的叶绿素数据为有效数据。而稀疏不均匀分布的数据集难以分析数据在时间尺度上的变化规律。

2、针对此难题，前人尝试用经验正交函数方法（eof）来计算数据变化频率。经验正交函数方法的核心思想是分解数据为一组空间模式和时间系数，这些模式通常代表数据的长期趋势和空间分布。eof平滑性质使其更适用于捕捉长时间序列的变化，而不是短期内的剧烈变化。且eof分析更容易受到噪声的干扰，由于叶绿素数据缺失率高达80%，具有极大的噪声。叶绿素浓度发生突发性变化事件可能会被视为噪声，难以从eof模式中准确识别出来。需要将每日的卫星数据整合为月平均数据，提高数据的时间空间覆盖率。但不能获取一个月以下时间尺度浮游植物生物量发生变化的规律。

3、综上，现有技术对于叶绿素变化时间规律的分析存在时间尺度分析结果下限太大的问题需要解决。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种确定叶绿素浓度变化时间规律的方法、装置、介质及设备，用以解决现有技术对于叶绿素变化规律的分析存在时间尺度分析结果下限太大的问题，包括以下步骤：

2、s1、获取目标区域的叶绿素浓度时间序列数据，所述目标区域被划分为若干像元；

3、s2、根据所述叶绿素浓度时间序列数据通过移动标准差饱和法获取各所述像元的叶绿素浓度平均移动标准差曲线；

4、s3、根据所述平均移动标准差曲线确定半饱和常数；

5、s4、根据所述半饱和常数以及叶绿素浓度时间序列数据的缺失率确定各所述像元的叶绿素浓度变化主导时间尺度；

6、步骤s2中的通过移动标准差饱和法获取叶绿素浓度平均移动标准差曲线，包括：

7、s21、根据目标区域的叶绿素浓度时间序列数据获取像元的叶绿素浓度时间序列数据；

8、s22、通过不同大小的时间窗口对所述像元的叶绿素浓度时间序列数据进行平均移动标准差计算，直至遍历时间窗口大小的取值范围；

9、s23、根据时间窗口的大小与对应的平均移动标准差计算结果获取所述像元的叶绿素浓度平均移动标准差曲线，所述平均移动标准差曲线横坐标为时间窗口的大小，纵坐标为平均移动标准差。

10、在一些实施例中，所述时间窗口的大小取值范围为3~400天。

11、在一些实施例中，步骤s2还包括：

12、s24、重复步骤s21至s23，直至遍历目标区域中的至少部分像元。

13、在一些实施例中，步骤s3包括：

14、根据所述平均移动标准差曲线基于莫诺方程生物学方程进行曲线拟合以获得拟合曲线方程，莫诺方程表示为：

15、，其中为拟合曲线的半饱和常数，表示平均移动标准差曲线的最大值；

16、还包括：

17、根据所述平均移动标准差曲线通过列文伯格-马夸尔特算法优化的取值，以使得拟合曲线与所述平均移动标准差曲线的差异减小。

18、在一些实施例中，步骤s3还包括：曲线拟合后获取曲线表示的半饱和常数。

19、在一些实施例中，步骤s3包括：

20、获取所述平均移动标准差曲线中的最大值；

21、根据所述平均移动标准差曲线获取当平均移动标准差取最大值的二分之一时对应的时间窗口大小，作为所述半饱和常数。

22、在一些实施例中，步骤s4包括：叶绿素浓度变化主导时间尺度与半饱和常数以及缺失率的关系表示为：

23、；

24、；

25、；

26、其中，表示叶绿素浓度变化主导时间尺度，天，表示半饱和常数，c表示缺失率。

27、本发明还提供一种确定叶绿素浓度变化时间规律的装置，包括：

28、获取模块，用于获取目标区域的叶绿素浓度时间序列数据，所述目标区域被划分为若干像元；

29、曲线构建模块，根据所述叶绿素浓度时间序列数据通过移动标准差饱和法获取各所述像元的叶绿素浓度平均移动标准差曲线；

30、常数确定模块，根据所述平均移动标准差曲线确定半饱和常数；

31、时间尺度确定模块，根据所述半饱和常数以及叶绿素浓度序列时间数据的缺失率确定各所述像元的叶绿素浓度变化主导时间尺度；

32、通过移动标准差饱和法获取叶绿素浓度平均移动标准差曲线，包括：

33、s21、根据目标区域的叶绿素浓度时间序列数据获取像元的叶绿素浓度时间序列数据；

34、s22、通过不同大小的时间窗口对所述像元的叶绿素浓度时间序列数据进行平均移动标准差计算，直至遍历时间窗口大小的取值范围；

35、s23、根据时间窗口的大小与对应的平均移动标准差计算结果获取所述像元的叶绿素浓度平均移动标准差曲线，所述平均移动标准差曲线横坐标为时间窗口的大小，纵坐标为平均移动标准差。

36、本发明还提供一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如上任一实施例所述的确定叶绿素浓度变化时间规律的方法。

37、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一实施例所述的确定叶绿素浓度变化时间规律的方法。

38、本发明实施例至少具有以下有益效果：

39、本发明采用移动标准差饱和法估计叶绿素浓度的变化的主导时间尺度，优于现有技术的采用的经验正交函数算法，本发明实施例每个环节都针对单像元的时间序列数据，然后将完整的估算过程拓展到所有像元，得到全研究区浮游植物生物量的变化趋势。该种方法不用新构建数据矩阵，减少了数据维度，提高了运行效率。且不用对数据进行预处理，可以捕捉到更短时间的浮游植物生物量的变化规律。

40、此外，采用移动标准差饱和法用不同时间窗口下的平均移动标准差构建平均移动标准差曲线，曲线的斜率可以提供在整个时间序列中最能捕捉叶绿素浓度变异性的时间尺度信息。