CN106918559A - 一种检测水体质量的方法及装置 - Google Patents
一种检测水体质量的方法及装置 Download PDFInfo
- Publication number
- CN106918559A CN106918559A CN201710307754.5A CN201710307754A CN106918559A CN 106918559 A CN106918559 A CN 106918559A CN 201710307754 A CN201710307754 A CN 201710307754A CN 106918559 A CN106918559 A CN 106918559A
- Authority
- CN
- China
- Prior art keywords
- pixel
- slope
- waters
- spectral
- threshold value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提出一种检测水体质量的方法及装置。一种检测水体质量的方法,包括:获取获取设定的地理区域的遥感图像;对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;从所述预处理后的遥感图像中,提取得到水域图像;根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。上述技术方案,通过分析设定地理区域的水域遥感图像的光谱斜率,确认水域水体质量。其分析资料来自于卫星遥感图像,不用人工现场采集水样,因此可以节省人力成本,且效率更高。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种检测水体质量的方法及装置。
背景技术
随着我国城镇化的快速发展,地表裸露水体质量恶化已经成为我国许多城市普遍存在的环境问题。对地表裸露水体质量进行检测及整治,是改善城市环境的重要手段。
目前我国对城市裸露水体质量进行检测的主要途径是,通过资料收集、实地考察和野外监测,结合一些感官指标、色度指标、化学物质含量指标等进行综合检测,确认水体质量。现有的城市水体质量检测方法,都要依靠人工现场采样来完成,需要到实地采集水样,然后对水样进行水质分析,确定水体质量,其检测过程耗时费力,人力成本较高。
发明内容
基于上述现有技术的缺陷和不足,本发明提出一种检测水体质量的方法及装置,利用遥感图像检测设定地理区域的水体质量,从而省去实地采集水样的过程,能够降低人力成本。
一种检测水体质量的方法,包括:
获取设定的地理区域的遥感图像;
对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;
从所述预处理后的遥感图像中,提取得到水域图像;
根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。
优选地,所述根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量,包括:
分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率;
根据所述每一像元的第一波段光谱反射率和第二波段光谱反射率,计算得到所述每一像元的光谱斜率;
根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量。
优选地,所述分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率,包括:
分别计算得到所述水域图像中的每一像元的蓝光波段光谱反射率和绿光波段光谱反射率。
优选地,所述根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量,包括:
分别将所述每一像元的光谱斜率,与设定的斜率阈值进行对比;
如果像元的光谱斜率小于所述斜率阈值,则该像元对应的水域的水体为黑臭水体;
如果像元的光谱斜率不小于所述斜率阈值,则该像元对应的水域的水体为正常水体。
优选地,所述根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量,包括:
分别将所述每一像元的光谱斜率,与设定的第一斜率阈值和第二斜率阈值进行对比;其中,所述第一斜率阈值小于所述第二斜率阈值;
如果像元的光谱斜率小于所述第一斜率阈值,则该像元对应的水域的水体为重度黑臭水体;
如果像元的光谱斜率不小于所述第一斜率阈值,并且小于所述第二斜率阈值,则该像元对应的水域的水体为轻度黑臭水体;
如果像元的光谱斜率不小于所述第二斜率阈值,则该像元对应的水域的水体为正常水体。
一种检测水体质量的装置,包括:
图像获取单元,用于获取设定的地理区域的遥感图像;
预处理单元,用于对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;
水域提取单元,用于从所述预处理后的遥感图像中,提取得到水域图像;
分析处理单元,用于根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。
优选地,所述分析处理单元,包括:
第一计算单元,用于分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率;
第二计算单元,用于根据所述每一像元的第一波段光谱反射率和第二波段光谱反射率,计算得到所述每一像元的光谱斜率;
分析单元,用于根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量。
优选地,所述第一计算单元分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率时,具体用于:
分别计算得到所述水域图像中的每一像元的蓝光波段光谱反射率和绿光波段光谱反射率。
优选地,所述分析单元根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量时,具体用于:
分别将所述每一像元的光谱斜率,与设定的斜率阈值进行对比;
如果像元的光谱斜率小于所述斜率阈值,则该像元对应的水域的水体为黑臭水体;
如果像元的光谱斜率不小于所述斜率阈值,则该像元对应的水域的水体为正常水体。
优选地,所述分析单元根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量时,具体用于:
分别将所述每一像元的光谱斜率,与设定的第一斜率阈值和第二斜率阈值进行对比;其中,所述第一斜率阈值小于所述第二斜率阈值;
如果像元的光谱斜率小于所述第一斜率阈值,则该像元对应的水域的水体为重度黑臭水体;
如果像元的光谱斜率不小于所述第一斜率阈值,并且小于所述第二斜率阈值,则该像元对应的水域的水体为轻度黑臭水体;
如果像元的光谱斜率不小于所述第二斜率阈值,则该像元对应的水域的水体为正常水体。
采用本发明提出的检测水体质量的方法检测设定地理区域的水体质量时,首先获取获取设定的地理区域的遥感图像;然后对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;其次从所述预处理后的遥感图像中,提取得到水域图像;最后根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。上述技术方案,通过分析设定地理区域的水域遥感图像的光谱斜率,确认水域水体质量。其分析资料来自于卫星遥感图像,不用人工现场采集水样,因此可以节省人力成本,且效率更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1是本发明实施例提供的一种检测水体质量的方法的流程示意图;
图2是本发明实施例提供的另一种检测水体质量的方法的流程示意图;
图3是本发明实施例提供的一种检测水体质量的装置的结构示意图;
图4是本发明实施例提供的另一种检测水体质量的装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种检测水体质量的方法,参见图1所示,该方法包括:
S101、获取设定的地理区域的遥感图像;
具体的,上述设定的地理区域的遥感图像,是指由卫星传感器获得的某一待研究的地理区域的卫星遥感图像。该卫星遥感图像可以通过网上下载或购买的方式获得,并且,可以根据需求,获取设定时间点的卫星遥感图像,以便对该地理区域在设定时间点的水体质量进行研究。
另外需要说明的是,为了提高水体质量分析的准确性,本发明实施例优先获取高分辨率的遥感图像。高分辨率的遥感图像的分辨率一般为米级,可以从中相对更精确地识别出地表水域。并且,本发明实施例优先采用与待研究的地理区域高度匹配的,云覆盖量较少的卫星遥感图像,以保证数据准确性。
S102、对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;
具体的,在获取设定地理区域的卫星遥感图像后,执行步骤S102,对卫星遥感图像进行预处理,使卫星遥感图像更加清晰、准确。具体包括对卫星遥感图像进行辐射定标处理和大气校正处理。
辐射定标是将传感器记录的无量纲的像元亮度值转换成具有实际物理意义的大气顶层辐射亮度或反射率。辐射定标的原理是建立数字量化值与对应视场中辐射亮度值之间的定量关系,以消除传感器本身产生的误差。大气校正是消除遥感图像中由大气散射和吸收引起的辐射误差的处理过程。
需要说明的是,对卫星遥感图像进行辐射定标处理和大气校正处理是对卫星遥感图像进行预处理,提高卫星遥感图像的清晰度和准确性的常规工作。在现有技术中,对卫星遥感图像进行辐射定标处理和大气校正处理的具体方式有多种,任意一种方式,都可以被本发明实施例所采用,本发明实施例并不对具体的实施方式进行限定。出于操作简单的目的,本发明实施例优先采用现有的软件工具,对获取的遥感图像进行预处理,例如,可以采用ENVI软件的FLAASH功能对卫星遥感图像进行大气校正处理。
S103、从所述预处理后的遥感图像中,提取得到水域图像;
具体的,本发明实施例技术方案用于对设定地理区域的地表水域的水体质量进行检测分析,因此,获取某一地理区域的卫星遥感图像并进行预处理后,通过步骤S103,从卫星遥感图像中,提取得到地表水域的图像,以便后续更有针对性地对地表水域的水体质量进行分析。
具体的提取方法,可以利用卫星遥感图像数据的近红外波段,通过目视解译的方法,利用遥感软件直接勾绘出地表水域区域。或者,也可以将预处理后的设定地理区域的卫星遥感图像与该地理区域的水系分布图进行对应叠加,从卫星遥感图像中识别提取到水域图像。
S104、根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。
具体的,当地表水域的水体质量发生变化时,其水体颜色一般也会发生变化。例如,当地表水域质量恶化而变成黑臭水体时,其颜色更深,甚至趋于黑色;当地表水域藻类含量过高时,其颜色更趋于绿色。当水体质量变化而导致水体颜色变化时,其呈现在遥感图像的光谱特征也会发生相应的变化。其中最直接的表现是其光谱斜率会呈现出明显区别于其它水体质量的,特殊的数值特性。如果所研究水域的光谱斜率数值,与某一质量等级的水体质量的光谱斜率数值特性相同,则可以说明该水域的水体质量处于该质量等级。例如,黑臭水体的蓝绿光谱斜率具有区别于其它水体质量的突出数值特性,当某一水域的遥感图像的蓝绿光谱斜率与黑臭水体的蓝绿光谱斜率的数值吻合时,即可断定,该水域的水体为黑臭水体。因此,理论上通过计算分析水域遥感图像的光谱斜率,能够识别水域水体质量。
在本发明实施例中,针对每一像元来执行对水域图像的光谱斜率分析。即对水域遥感图像的每一像元,分别分析其光谱斜率,在得到每一像元的光谱斜率后,通过对比像元的光谱斜率与不同质量水体的光谱斜率之间的大小关系,即可确定该像元对应的水域的水体质量,从而可以进一步确定上述水域的水体质量。像元的光谱斜率,一般由像元的两种光谱的反射率差值计算得到。因此,在具体的计算过程中,针对每一像元,首先获取该像元的两种特定的光谱的反射率,再进一步计算得到该像元的光谱斜率。
需要说明的是,对于不同水体质量,其颜色特征不同,相应的光谱斜率特征也不同。因此,在对水域水体质量进行检测分析时,需要根据需求计算光谱斜率。例如,当分析某一水域是否为黑臭水体时,由于黑臭水体的蓝绿光谱斜率数值具有区别于其它水质的突出特性,因此,应当对该水域的蓝绿光谱斜率进行计算分析。如果该水域的遥感图像的蓝绿光谱斜率具有与黑臭水体蓝绿光谱相同的数值特性,则可以断定该水域为黑臭水体,否则说明该水域不是黑臭水体。
采用本发明实施例提出的检测水体质量的方法检测设定地理区域的水体质量时,首先获取设定的地理区域的遥感图像;然后对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;其次从所述预处理后的遥感图像中,提取得到水域图像;最后根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。上述技术方案,通过分析设定地理区域的水域遥感图像的光谱斜率,确认水域水体质量。其分析资料来自于卫星遥感图像,不用人工现场采集水样,因此可以节省人力成本,且效率更高。
可选的,在本发明的另一个实施例中,参见图2所示,根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量,包括:
S204、分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率;
具体的,由于不同水体质量,其颜色特征不同,相应的光谱斜率特征也不同。因此,上述第一波段光谱和第二波段光谱需要根据实际需求选取,并且第一波段光谱和第二波段光谱的选择,要与分析方向相吻合。例如,当分析所研究的水域是否为黑臭水体时,应当计算与黑臭水体光谱斜率特性相匹配的蓝光光谱斜率和绿光光谱斜率。
具体的,不同波段的光谱反射率,在利用大气校正软件对遥感图像进行大气校正时给出。在具体实施步骤S204时,从大气校正软件给出的光谱反射率中选取需要的光谱反射率即可。
S205、根据所述每一像元的第一波段光谱反射率和第二波段光谱反射率,计算得到所述每一像元的光谱斜率;
具体的,像元的光谱斜率,由像元的两种波段光谱反射率的差值计算得到。假设某一像元的第一波段光谱反射率为B1,第二波段光谱反射率为B2,则可以根据公式BW=|B2-B1|/0.032,计算得到相应的光谱斜率BW。其中,0.032是实验确定的计算系数,在实际实施本实施例技术方案时,可以根据需求灵活设定。
S206、根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量。
具体的,将像元的光谱斜率BW,与设定的水体质量的光谱斜率值进行对比,如果该像元的光谱斜率值,与设定的水体质量的光谱斜率值相匹配,则说明该像元所对应的水域的水体质量与上述设定的水体质量相同。
例如,在检测某一水域的水体是否为黑臭水体时。将该水域遥感图像的每一像元的蓝绿光谱斜率值与黑臭水体的蓝绿光谱斜率值进行对比,如果像元的蓝绿光谱斜率值与黑臭水体的蓝绿光谱斜率值相匹配,则说明该像元对应的水域为黑臭水体,否则不是黑臭水体。
需要说明的是,上述与设定的水体质量的光谱斜率值相匹配,并不限于与设定的水体质量的光谱斜率值相同,只要处于设定的水体质量的光谱斜率值范围内,或与设定的水体质量的光谱斜率值的差值在允许范围内,都认为是与设定的水体质量的光谱斜率值相匹配。
本实施例中的步骤S201~S203分别对应图1所示的方法实施例中的步骤S101~S103,其具体内容请参见对应图1所示的方法实施例的内容,此处不再赘述。
可选的,在本发明的另一个实施例中,所述分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率,包括:
分别计算得到所述水域图像中的每一像元的蓝光波段光谱反射率和绿光波段光谱反射率。
具体的,由于黑臭水体的蓝绿光谱斜率具有区别于其它水体质量的数值特性,因此,当分析上述水域的水体是否为黑臭水体时,需要有针对性地计算该水域遥感图像的每一像元的蓝光波段光谱反射率和绿光波段光谱反射率。具体的蓝光波段光谱反射率和绿光波段光谱反射率,由大气校正软件给出。
可选的,在本发明的另一个实施例中,所述根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量,包括:
分别将所述每一像元的光谱斜率,与设定的斜率阈值进行对比;
如果像元的光谱斜率小于所述斜率阈值,则该像元对应的水域的水体为黑臭水体;
如果像元的光谱斜率不小于所述斜率阈值,则该像元对应的水域的水体为正常水体。
具体的,上述光谱斜率为蓝绿光谱斜率,上述斜率阈值为蓝绿光谱斜率阈值。
对于典型的黑臭水体,实测光谱在400-500nm波段范围。由于叶绿素a在蓝紫光波段的吸收及黄质在该范围内的强吸收作用,水体的反射率较低。在550-580nm波段反射峰不明显,光谱曲线走势比较平缓;受限于叶绿素含量,在675nm和700nm附近的反射谷和反射峰不明显,光谱曲线相对比较平滑。综上,黑臭水体光谱曲线在400-500nm范围内光谱斜率较低,也就是说黑臭水体的蓝绿光谱斜率较低。
根据上述黑臭水体光谱斜率特性,将待检测水域遥感图像的每一像元的蓝绿光谱斜率与设定的蓝绿光谱斜率进行对比,即可判断每一像元对应的水域的水体是否为黑臭水体。
例如,根据实验经验,设定用于判断水体是否为黑臭水体的斜率阈值为N=0.152,则如果像元的蓝绿光谱斜率BW<N,则说明该像元对应的水域为黑臭水体;否则该像元对应的水域不是黑臭水体。上述N的取值,可以根据实验或实际需求灵活设定。
可选的,在本发明的另一个实施例中,所述根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量,包括:
分别将所述每一像元的光谱斜率,与设定的第一斜率阈值和第二斜率阈值进行对比;其中,所述第一斜率阈值小于所述第二斜率阈值;
如果像元的光谱斜率小于所述第一斜率阈值,则该像元对应的水域的水体为重度黑臭水体;
如果像元的光谱斜率不小于所述第一斜率阈值,并且小于所述第二斜率阈值,则该像元对应的水域的水体为轻度黑臭水体;
如果像元的光谱斜率不小于所述第二斜率阈值,则该像元对应的水域的水体为正常水体。
具体的,上述光谱斜率为蓝绿光谱斜率,上述斜率阈值为蓝绿光谱斜率阈值。
对于典型的黑臭水体,实测光谱在400-500nm波段范围。由于叶绿素a在蓝紫光波段的吸收及黄质在该范围内的强吸收作用,水体的反射率较低。在550-580nm波段反射峰不明显,光谱曲线走势比较平缓;受限于叶绿素含量,在675nm和700nm附近的反射谷和反射峰不明显,光谱曲线相对比较平滑。综上,黑臭水体光谱曲线在400-500nm范围内光谱斜率较低,也就是说黑臭水体的蓝绿光谱斜率较低。
根据上述黑臭水体光谱斜率特性,将待检测水域遥感图像的每一像元的蓝绿光谱斜率与设定的蓝绿光谱斜率进行对比,即可判断每一像元对应的水域的水体是否为黑臭水体。进一步的,设定不同大小的斜率阈值,能够进一步判断像元对应的水域为重度黑臭水体还是轻度黑臭水体。
例如,根据实验经验,设定用于判断水体是否为黑臭水体的第二斜率阈值为N=0.152,设定区分轻度黑臭水体与重度黑臭水体的第一斜率阈值为N1=0.07,则如果像元的蓝绿光谱斜率0<BW≤N1,则说明该像元对应的水域为重度黑臭水体;如果像元的蓝绿光谱斜率N1<BW≤N,则说明该像元对应的水域为轻度黑臭水体;否则该像元对应的水域不是黑臭水体。上述N和N1的取值,可以根据实验或实际需求灵活设定。
本发明实施例还公开了一种检测水体质量的装置,参见图3所示,该装置包括:
图像获取单元301,用于获取设定的地理区域的遥感图像;
预处理单元302,用于对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;
水域提取单元303,用于从所述预处理后的遥感图像中,提取得到水域图像;
分析处理单元304,用于根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。
具体的,本实施例中的各个单元的具体工作内容,请参见对应的方法实施例的内容,此处不再赘述。
采用本发明实施例提出的检测水体质量的装置检测设定地理区域的水体质量时,首先由图像获取单元301获取获取设定的地理区域的遥感图像;然后预处理单元302对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;其次水域提取单元303从所述预处理后的遥感图像中,提取得到水域图像;最后分析处理单元304根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。上述技术方案,通过分析设定地理区域的水域遥感图像的光谱斜率,确认水域水体质量。其分析资料来自于卫星遥感图像,不用人工现场采集水样,因此可以节省人力成本,且效率更高。
可选的,在本发明的另一个实施例中,参见图4所示,分析处理单元304,包括:
第一计算单元3041,用于分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率;
第二计算单元3042,用于根据所述每一像元的第一波段光谱反射率和第二波段光谱反射率,计算得到所述每一像元的光谱斜率;
分析单元3043,用于根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量。
具体的,本实施例中的各个单元的具体工作内容,请参见对应的方法实施例的内容,此处不再赘述。
可选的,在本发明的另一个实施例中,第一计算单元3041分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率时,具体用于:
分别计算得到所述水域图像中的每一像元的蓝光波段光谱反射率和绿光波段光谱反射率。
具体的,本实施例中的第一计算单元3041的具体工作内容,请参见对应的方法实施例的内容,此处不再赘述。
可选的,在本发明的另一个实施例中,分析单元3043根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量时,具体用于:
分别将所述每一像元的光谱斜率,与设定的斜率阈值进行对比;
如果像元的光谱斜率小于所述斜率阈值,则该像元对应的水域的水体为黑臭水体;
如果像元的光谱斜率不小于所述斜率阈值,则该像元对应的水域的水体为正常水体。
具体的,本实施例中的分析单元3043的具体工作内容,请参见对应的方法实施例的内容,此处不再赘述。
可选的,在本发明的另一个实施例中,分析单元3043根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量时,具体用于:
分别将所述每一像元的光谱斜率,与设定的第一斜率阈值和第二斜率阈值进行对比;其中,所述第一斜率阈值小于所述第二斜率阈值;
如果像元的光谱斜率小于所述第一斜率阈值,则该像元对应的水域的水体为重度黑臭水体;
如果像元的光谱斜率不小于所述第一斜率阈值,并且小于所述第二斜率阈值,则该像元对应的水域的水体为轻度黑臭水体;
如果像元的光谱斜率不小于所述第二斜率阈值,则该像元对应的水域的水体为正常水体。
具体的,本实施例中的分析单元3043的具体工作内容,请参见对应的方法实施例的内容,此处不再赘述。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种检测水体质量的方法,其特征在于,包括:
获取设定的地理区域的遥感图像;
对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;
从所述预处理后的遥感图像中,提取得到水域图像;
根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量,包括:
分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率;
根据所述每一像元的第一波段光谱反射率和第二波段光谱反射率,计算得到所述每一像元的光谱斜率;
根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量。
3.根据权利要求2所述的方法,其特征在于,所述分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率,包括:
分别计算得到所述水域图像中的每一像元的蓝光波段光谱反射率和绿光波段光谱反射率。
4.根据权利要求3所述的方法,其特征在于,所述根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量,包括:
分别将所述每一像元的光谱斜率,与设定的斜率阈值进行对比;
如果像元的光谱斜率小于所述斜率阈值,则该像元对应的水域的水体为黑臭水体;
如果像元的光谱斜率不小于所述斜率阈值,则该像元对应的水域的水体为正常水体。
5.根据权利要求3所述的方法,其特征在于,根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量,包括:
分别将所述每一像元的光谱斜率,与设定的第一斜率阈值和第二斜率阈值进行对比;其中,所述第一斜率阈值小于所述第二斜率阈值;
如果像元的光谱斜率小于所述第一斜率阈值,则该像元对应的水域的水体为重度黑臭水体;
如果像元的光谱斜率不小于所述第一斜率阈值,并且小于所述第二斜率阈值,则该像元对应的水域的水体为轻度黑臭水体;
如果像元的光谱斜率不小于所述第二斜率阈值,则该像元对应的水域的水体为正常水体。
6.一种检测水体质量的装置,其特征在于,包括:
图像获取单元,用于获取设定的地理区域的遥感图像;
预处理单元,用于对所述遥感图像进行辐射定标处理及大气校正处理,得到预处理后的遥感图像;
水域提取单元,用于从所述预处理后的遥感图像中,提取得到水域图像;
分析处理单元,用于根据所述水域图像中的每一像元的光谱斜率,确认所述水域的水体质量。
7.根据权利要求6所述的装置,其特征在于,所述分析处理单元,包括:
第一计算单元,用于分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率;
第二计算单元,用于根据所述每一像元的第一波段光谱反射率和第二波段光谱反射率,计算得到所述每一像元的光谱斜率;
分析单元,用于根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量。
8.根据权利要求7所述的装置,其特征在于,所述第一计算单元分别计算得到所述水域图像中的每一像元的第一波段光谱反射率和第二波段光谱反射率时,具体用于:
分别计算得到所述水域图像中的每一像元的蓝光波段光谱反射率和绿光波段光谱反射率。
9.根据权利要求8所述的装置,其特征在于,所述分析单元根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量时,具体用于:
分别将所述每一像元的光谱斜率,与设定的斜率阈值进行对比;
如果像元的光谱斜率小于所述斜率阈值,则该像元对应的水域的水体为黑臭水体;
如果像元的光谱斜率不小于所述斜率阈值,则该像元对应的水域的水体为正常水体。
10.根据权利要求8所述的装置,其特征在于,所述分析单元根据所述每一像元的光谱斜率,确认所述每一像元所对应的水域的水体质量时,具体用于:
分别将所述每一像元的光谱斜率,与设定的第一斜率阈值和第二斜率阈值进行对比;其中,所述第一斜率阈值小于所述第二斜率阈值;
如果像元的光谱斜率小于所述第一斜率阈值,则该像元对应的水域的水体为重度黑臭水体;
如果像元的光谱斜率不小于所述第一斜率阈值,并且小于所述第二斜率阈值,则该像元对应的水域的水体为轻度黑臭水体;
如果像元的光谱斜率不小于所述第二斜率阈值,则该像元对应的水域的水体为正常水体。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710307754.5A CN106918559B (zh) | 2017-05-04 | 2017-05-04 | 一种检测水体质量的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710307754.5A CN106918559B (zh) | 2017-05-04 | 2017-05-04 | 一种检测水体质量的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106918559A true CN106918559A (zh) | 2017-07-04 |
CN106918559B CN106918559B (zh) | 2019-03-12 |
Family
ID=59568350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710307754.5A Expired - Fee Related CN106918559B (zh) | 2017-05-04 | 2017-05-04 | 一种检测水体质量的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106918559B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108195775A (zh) * | 2017-12-25 | 2018-06-22 | 环境保护部卫星环境应用中心 | 基于遥感影像的湖库指示性水质监测站点确认方法和装置 |
CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
CN109118457A (zh) * | 2018-09-30 | 2019-01-01 | 中国科学院遥感与数字地球研究所 | 遥感影像处理方法及装置 |
CN109269993A (zh) * | 2018-10-15 | 2019-01-25 | 广州地理研究所 | 一种溶解氧的识别方法、装置、存储介质及设备 |
CN109447916A (zh) * | 2018-10-30 | 2019-03-08 | 环境保护部华南环境科学研究所 | 一种基于高分辨率遥感影像的水质定量方法 |
CN110897593A (zh) * | 2019-10-24 | 2020-03-24 | 南京航空航天大学 | 一种基于光谱特征参数的***前病变诊断方法 |
CN111307727A (zh) * | 2020-03-13 | 2020-06-19 | 生态环境部卫星环境应用中心 | 基于时序遥感影像的水体水色异常识别方法和装置 |
CN112798540A (zh) * | 2020-12-14 | 2021-05-14 | 浙江易智信息技术有限公司 | 一种基于高分遥感的水体污染源预警*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用*** |
CN102176001A (zh) * | 2011-02-10 | 2011-09-07 | 哈尔滨工程大学 | 一种基于透水波段比值因子的水深反演方法 |
CN102565294A (zh) * | 2011-02-01 | 2012-07-11 | 环境保护部卫星环境应用中心 | 水源地监测评价方法 |
CN103473707A (zh) * | 2013-09-17 | 2013-12-25 | 山东大学 | 建立城市河网水体光谱库的方法与应用 |
CN103472037A (zh) * | 2013-09-10 | 2013-12-25 | 淮南矿业(集团)有限责任公司 | 沉陷积水区的水环境监测方法及装置 |
CN105043994A (zh) * | 2015-07-21 | 2015-11-11 | 青岛市光电工程技术研究院 | 一种非接触式地表水水质检测装置 |
CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
CN105488488A (zh) * | 2015-12-10 | 2016-04-13 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体遥感识别方法及装置 |
CN105761286A (zh) * | 2016-02-29 | 2016-07-13 | 环境保护部卫星环境应用中心 | 基于多光谱遥感影像的水色异常对象提取方法及*** |
CN106442420A (zh) * | 2016-09-21 | 2017-02-22 | 河海大学 | 一种定性与定量结合的水质监测方法 |
CN106596487A (zh) * | 2016-12-14 | 2017-04-26 | 中国科学院苏州生物医学工程技术研究所 | 基于微滴和纳米荧光探针的胞内蛋白检测方法 |
-
2017
- 2017-05-04 CN CN201710307754.5A patent/CN106918559B/zh not_active Expired - Fee Related
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565294A (zh) * | 2011-02-01 | 2012-07-11 | 环境保护部卫星环境应用中心 | 水源地监测评价方法 |
CN102176001A (zh) * | 2011-02-10 | 2011-09-07 | 哈尔滨工程大学 | 一种基于透水波段比值因子的水深反演方法 |
CN102169557A (zh) * | 2011-03-10 | 2011-08-31 | 王桥 | 环境遥感应用*** |
CN103472037A (zh) * | 2013-09-10 | 2013-12-25 | 淮南矿业(集团)有限责任公司 | 沉陷积水区的水环境监测方法及装置 |
CN103473707A (zh) * | 2013-09-17 | 2013-12-25 | 山东大学 | 建立城市河网水体光谱库的方法与应用 |
CN105043994A (zh) * | 2015-07-21 | 2015-11-11 | 青岛市光电工程技术研究院 | 一种非接触式地表水水质检测装置 |
CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
CN105488488A (zh) * | 2015-12-10 | 2016-04-13 | 中国科学院遥感与数字地球研究所 | 城市黑臭水体遥感识别方法及装置 |
CN105761286A (zh) * | 2016-02-29 | 2016-07-13 | 环境保护部卫星环境应用中心 | 基于多光谱遥感影像的水色异常对象提取方法及*** |
CN106442420A (zh) * | 2016-09-21 | 2017-02-22 | 河海大学 | 一种定性与定量结合的水质监测方法 |
CN106596487A (zh) * | 2016-12-14 | 2017-04-26 | 中国科学院苏州生物医学工程技术研究所 | 基于微滴和纳米荧光探针的胞内蛋白检测方法 |
Non-Patent Citations (8)
Title |
---|
WU CHUANQING ET AL: "Remote sensing application system for water environments developed for Environment Satellite 1", 《SCIENCE CHINA EARTH SCIENCES》 * |
傅江等: "彩色红外航片用于水污染遥感监测的定量分析", 《中国环境科学》 * |
叶圆圆: "基于RS淮南采煤沉陷水域水质实时监测技术研究", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
周晓宇等: "结合水体光学分类反演太湖总悬浮物浓度", 《环境科学》 * |
张凤丽等: "水体污染物与反射波谱的相关性分析", 《中国给水排水》 * |
王军等: "基于反射光谱的景观水体表观质量的测量研究", 《激光与光电子学进展》 * |
祝令亚: "湖泊水质遥感监测与评价方法研究", 《中国优秀硕博士学位论文全文数据库工程科技I辑》 * |
蒋金雄: "内陆水体水质遥感监测", 《中国优秀硕士学位论文全文数据库工程科技I辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108195775A (zh) * | 2017-12-25 | 2018-06-22 | 环境保护部卫星环境应用中心 | 基于遥感影像的湖库指示性水质监测站点确认方法和装置 |
CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
CN109118457A (zh) * | 2018-09-30 | 2019-01-01 | 中国科学院遥感与数字地球研究所 | 遥感影像处理方法及装置 |
CN109269993A (zh) * | 2018-10-15 | 2019-01-25 | 广州地理研究所 | 一种溶解氧的识别方法、装置、存储介质及设备 |
CN109447916A (zh) * | 2018-10-30 | 2019-03-08 | 环境保护部华南环境科学研究所 | 一种基于高分辨率遥感影像的水质定量方法 |
CN110897593A (zh) * | 2019-10-24 | 2020-03-24 | 南京航空航天大学 | 一种基于光谱特征参数的***前病变诊断方法 |
CN111307727A (zh) * | 2020-03-13 | 2020-06-19 | 生态环境部卫星环境应用中心 | 基于时序遥感影像的水体水色异常识别方法和装置 |
CN112798540A (zh) * | 2020-12-14 | 2021-05-14 | 浙江易智信息技术有限公司 | 一种基于高分遥感的水体污染源预警*** |
Also Published As
Publication number | Publication date |
---|---|
CN106918559B (zh) | 2019-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106918559B (zh) | 一种检测水体质量的方法及装置 | |
CN108956505B (zh) | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 | |
CN103134767B (zh) | 一种红外光谱校正鉴定白酒品质的方法 | |
CN112634212B (zh) | 基于高光谱无人机的病害潜伏树检测方法及*** | |
CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
CN111415309B (zh) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 | |
CN102313699A (zh) | 作物冠层叶片的全氮含量估算方法 | |
CN112014331A (zh) | 一种水体污染的检测方法、装置、设备以及存储介质 | |
CN101059426A (zh) | 基于近红外光谱技术无损测量茶叶中茶多酚含量的方法 | |
CN109085136B (zh) | 近红外漫反射光谱测定水泥生料氧化物成分含量的方法 | |
CN102636450A (zh) | 基于近红外光谱技术无损检测枸杞中枸杞多糖含量的方法 | |
CN106770058A (zh) | 基于红外光谱的土壤硝态氮的快速专用装置及其使用方法 | |
CN102507474A (zh) | 一种船舶溢油目标的识别方法及*** | |
CN106846295B (zh) | 土壤有机质的测定方法和装置 | |
Haque et al. | Quantitative drinking water arsenic concentrations in field environments using mobile phone photometry of field kits | |
CN108801975A (zh) | 一种微型化近红外光谱仪检测酒糟成分的光谱预处理方法 | |
CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
CN109781752A (zh) | 用于检测套筒灌浆缺陷的x射线数字成像增强与定量识别方法 | |
CN116361737A (zh) | 一种湖泊异常动态监测方法、装置、电子设备及存储介质 | |
CN104833652A (zh) | 一种混合材料中纤维素硝酸酯含量的快速分析方法 | |
Hakiki et al. | The Prospect of Digitally Enhanced Colorimetry as an Analytical Method for Water Quality Determination | |
Giovenzana et al. | Comparison of two immersion probes coupled with visible/near infrared spectroscopy to assess the must infection at the grape receiving area | |
CN111896497A (zh) | 一种基于预测值的光谱数据修正方法 | |
CN115144350B (zh) | 基于高光谱相似像元比对的场地烃类污染判识方法及*** | |
CN101615254A (zh) | 基于广义加法模型的煤火信息高光谱遥感提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190312 Termination date: 20210504 |
|
CF01 | Termination of patent right due to non-payment of annual fee |