本發(fā)明涉及基于多光譜遙感圖像的水體藻類污染檢測方法。

背景技術(shù)：

水資源，尤其是淡水資源是人類賴以生存的根本。然而，受到人類活動或地球環(huán)境的改變，水資源緊缺程度逐漸加重。水體藻類污染是當(dāng)前危害淡水資源的主要根源。提升水體藻類污染的實時監(jiān)控和檢測能力，可以有效提高水體污染防治效率，緩解水資源匱乏現(xiàn)狀，具有十分重要的意義。

當(dāng)前大面積水污染監(jiān)控主要依賴于遙感圖像，尤其是多光譜遙感監(jiān)測手段。多光譜遙感具有成像面積大、重訪周期短、數(shù)據(jù)資源眾多等優(yōu)勢，在水污染監(jiān)控中優(yōu)勢明顯。然而利用多光譜遙感圖像進(jìn)行水體藻類污染檢測存在以下弊端：1.嚴(yán)重污染水域常常會誤判為陸地，造成對水污染區(qū)域的漏檢；2.傳統(tǒng)的葉綠素指數(shù)(NDVI)在水體值極小，微小的污染就會造成對水污染區(qū)域的誤判。

技術(shù)實現(xiàn)要素：

本發(fā)明是為了解決在傳統(tǒng)利用多光譜遙感圖像進(jìn)行水污染大面積快速檢測時造成的嚴(yán)重水污染區(qū)域漏檢、水污染區(qū)域誤判的問題，而提出一種基于多光譜遙感圖像的水體藻類污染檢測方法。

一種基于多光譜遙感圖像的水體藻類污染檢測方法具體過程為：

步驟一、輸入監(jiān)控區(qū)域的多光譜遙感圖像數(shù)據(jù)和該數(shù)據(jù)中相應(yīng)的波段參數(shù)；

步驟二、篩選輸入監(jiān)控區(qū)域的多光譜遙感圖像數(shù)據(jù)中相應(yīng)的波段分別與固定的三個用于水體藻類污染檢測的波段最臨近的波段；

步驟三、根據(jù)步驟二計算新的水體指數(shù)WI，基于新的水體指數(shù)WI進(jìn)行水域提?。?/p>

步驟四、根據(jù)步驟三計算水域區(qū)域的NDPI；

步驟五、根據(jù)步驟四進(jìn)行水體藻類污染制圖，并根據(jù)設(shè)定的藻類污染預(yù)警指數(shù)進(jìn)行水體藻類污染區(qū)域提取。

本發(fā)明的有益效果為：

本發(fā)明改進(jìn)了基于多光譜遙感圖像的水體藻類污染檢測能力，提高了水體藻類污染的檢測效率和檢測精度，實現(xiàn)了新的對藻類污染爆發(fā)的快速精確監(jiān)控算法。算法主要利用多光譜遙感圖像進(jìn)行水污染大面積快速檢測時造成的嚴(yán)重水污染區(qū)域漏檢、水污染區(qū)域誤判的問題，提升國家對水污染的快速有效的監(jiān)控能力。

為了驗證本發(fā)明所提出的方法的性能，針對一幅Landsat8多光譜遙感圖像進(jìn)行了測試，圖像觀測區(qū)域為2014年夏季的巢湖區(qū)域，該時段巢湖發(fā)生了較嚴(yán)重的水藻污染。圖2為該多光譜圖像的第五波段的灰度圖?？梢源笾屡袛喑鏊蚍秶?。圖3為經(jīng)過本方法獲得的水域范圍(白色區(qū)域)?？梢钥吹胶芏嗪恿髑逦暾f明提出的改進(jìn)的水域檢測方法是有效的。圖4為經(jīng)過本方法獲得的水污染區(qū)域，從圖像中可清晰看到污染區(qū)域和污染嚴(yán)重程度。

附圖說明

圖1為本發(fā)明的實施流程；

圖2為一幅巢湖區(qū)域具有嚴(yán)重水污染情況的Landsat8多光譜遙感圖像。

圖3為經(jīng)過本發(fā)明獲得的改進(jìn)的水體范圍

圖4為經(jīng)過本發(fā)明獲得的所有水域的水污染指數(shù)制圖。

具體實施方式

具體實施方式一：結(jié)合圖1說明本實施方式，本實施方式的一種基于多光譜遙感圖像的水體藻類污染檢測方法，其特征在于：一種基于多光譜遙感圖像的水體藻類污染檢測方法具體過程為：

步驟一、輸入監(jiān)控區(qū)域的多光譜遙感圖像數(shù)據(jù)和該數(shù)據(jù)中相應(yīng)的波段參數(shù)；

步驟二、篩選輸入監(jiān)控區(qū)域的多光譜遙感圖像數(shù)據(jù)中相應(yīng)的波段分別與固定的三個用于水體藻類污染檢測的波段最臨近的波段；

步驟三、根據(jù)步驟二計算新的水體指數(shù)WI，基于新的水體指數(shù)WI進(jìn)行水域提取；

步驟四、根據(jù)步驟三計算水域區(qū)域的NDPI；

步驟五、根據(jù)步驟四進(jìn)行水體藻類污染制圖，并根據(jù)設(shè)定的藻類污染預(yù)警指數(shù)進(jìn)行水體藻類污染區(qū)域提取。

具體實施方式二：本實施方式與具體實施方式一不同的是：所述步驟二中固定的三個用于水體藻類污染檢測的波段的中心波長分別為0.56μm(Green)，0.66μm(Red)，0.83μm(NIR)，將輸入監(jiān)控區(qū)域的多光譜遙感圖像數(shù)據(jù)中相應(yīng)的波段分別與固定的三個用于水體藻類污染檢測的波段最臨近的波段分別設(shè)定為Band1，Band2和Band3；

NIR為近紅外光譜。

其它步驟及參數(shù)與具體實施方式一相同。

具體實施方式三：本實施方式與具體實施方式一或二不同的是：所述步驟三中基于改進(jìn)水體指數(shù)的水域提?。痪唧w過程如下：

步驟三一、使用了新的水體指數(shù)用于降低在水域分割時嚴(yán)重水污染造成的區(qū)域誤判，新的水體指數(shù)WI計算方法如下：

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

步驟三二、設(shè)閾值m，WI>m時，此區(qū)域判定為水域，WI≤m時，則此區(qū)域不判定為水域。

其它步驟及參數(shù)與具體實施方式一或二相同。

具體實施方式四：本實施方式與具體實施方式一至三之一不同的是：所述閾值m設(shè)定為0。

其它步驟及參數(shù)與具體實施方式一至三之一相同。

具體實施方式五：本實施方式與具體實施方式一至四之一不同的是：所述步驟四中根據(jù)步驟三計算水域區(qū)域的NDPI；具體步驟如下：

計算水域區(qū)域的NDPI，計算方法如下：

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

NDPI為水體藻類污染指數(shù)。

其它步驟及參數(shù)與具體實施方式一至四之一相同。

具體實施方式六：本實施方式與具體實施方式一至五之一不同的是：所述步驟五中根據(jù)步驟四進(jìn)行水體藻類污染制圖，并根據(jù)設(shè)定的藻類污染預(yù)警指數(shù)進(jìn)行水體藻類污染區(qū)域提??；具體過程為：

步驟五一、根據(jù)水域區(qū)域的NDPI值進(jìn)行水體藻類污染指數(shù)繪圖；

步驟五二、設(shè)定藻類污染預(yù)警指數(shù)n，NDPI>n時，該區(qū)域為水體藻類污染區(qū)域；NDPI≤n時，則該區(qū)域不為水體藻類污染區(qū)域。

其它步驟及參數(shù)與具體實施方式一至五之一相同。

具體實施方式七：本實施方式與具體實施方式一至六之一不同的是：所述藻類污染預(yù)警指數(shù)n可根據(jù)不同的污染程度來設(shè)定，n通常情況下設(shè)定為0.15。

其它步驟及參數(shù)與具體實施方式一至六之一相同。

采用以下實施例驗證本發(fā)明的有益效果：

實施例一：

本實施例一種基于多光譜遙感圖像的水體藻類污染檢測方法具體是按照以下步驟制備的：

為了驗證本發(fā)明所提出的方法的性能，針對一幅Landsat8多光譜遙感圖像進(jìn)行了測試，圖像觀測區(qū)域為2014年夏季的巢湖區(qū)域，該時段巢湖發(fā)生了較嚴(yán)重的水藻污染。圖2為該多光譜圖像的第五波段的灰度圖。可以大致判斷出水域范圍。圖3為經(jīng)過本方法獲得的水域范圍(白色區(qū)域)?？梢钥吹胶芏嗪恿髑逦暾?，說明提出的改進(jìn)的水域檢測方法是有效的。圖4為經(jīng)過本方法獲得的水污染區(qū)域，從圖像中可清晰看到污染區(qū)域和污染嚴(yán)重程度。

本發(fā)明還可有其它多種實施例，在不背離本發(fā)明精神及其實質(zhì)的情況下，本領(lǐng)域技術(shù)人員當(dāng)可根據(jù)本發(fā)明作出各種相應(yīng)的改變和變形，但這些相應(yīng)的改變和變形都應(yīng)屬于本發(fā)明所附的權(quán)利要求的保護(hù)范圍。