[发明专利]一种结合时空融合与深度学习的遥感水质反演方法

权利要求书

1.一种结合时空融合与深度学习的遥感水质反演方法，其特征在于，所述反演方法包括如下步骤：

S1、获取T1时刻高分二号卫星影像，并同时获取T1、T2时刻哨兵二号卫星影像，在T1时刻的目标水域中的采样点采集水质数据，并导出水质数据矢量其中T1时刻高分二号卫星影像为高空间分辨率4m、低时间分辨率30天，T1、T2时刻的哨兵二号卫星影像为低空间分辨率10m，高时间分辨率5天；

S2、将步骤S1得到的三幅卫星影像分别进行预处理；

S3、将步骤S2中进行预处理后的三幅卫星影像进行重采样，使得三者具备2m分辨率，且像素一致，并利用时空融合模型生成T2时刻高分二号卫星影像；

S4、将步骤S3中生成的T2时刻高分二号卫星影像利用卷积神经网络模型进行T2时刻的水质反演，得到T2时刻高空间分辨率的水质反演结果；

S5、利用全连接神经网络模型对T2时刻哨兵二号卫星影像进行反演，得到T2时刻哨兵二号卫星影像低空间分辨率的水质反演结果；

S6、利用像元分解法将步骤S5得到的T2时刻哨兵二号卫星影像低空间分辨率的水质反演结果对步骤S4中得到的T2时刻高空间分辨率的水质反演结果进行修正；

S7、将步骤S3中得到的T2时刻高分二号卫星影像进行水体提取，得到水体提取的矢量，并利用此水体提取的矢量对步骤S6得到的修正后的水质反演结果进行裁剪，得到水质反演最终结果。

2.如权利要求1所述的一种结合时空融合与深度学习的遥感水质反演方法，其特征在于，所述步骤S1中的仪器包括便携水质光谱仪、海达RTK定位设备。

3.如权利要求1所述的一种结合时空融合与深度学习的遥感水质反演方法，其特征在于，所述步骤S2中的预处理方式包括辐射定标、大气校正、几何校正、裁剪、以及波段合成。

4.如权利要求1所述的一种结合时空融合与深度学习的遥感水质反演方法，其特征在于，所述步骤S3中的利用时空融合模型得到高分辨率影像的具体步骤为：

X1、利用最大似然法分别将T1时刻高分二号卫星影像和T1、T2时刻哨兵二号卫星影像进行分类，并计算哨兵二号卫星的T1、T2时刻相对应的类别的时间差异；

X2、根据步骤X1得到的时间差异预测T₂时刻的高分二号卫星影像分类结果，并计算预测得到的T₂时刻的高分二号卫星影像分类结果与T2时刻哨兵二号卫星分类结果间的残差；

X3、将T₂时刻哨兵二号卫星影像数据使用反距离加权插值函数预测T2时刻高分二号卫星影像数据；

X4、反距离加权插值函数将步骤X2得到的残差分配给T₂时刻预测的高分二号影像数据，经以下公式生成T2时刻高分二号卫星影像：

ΔR_high(x_ij,y_ij,b)＝ε_high(x_ij,y_ij,b)+ΔR_high(a,b)            (1)

其中x_ij、y_ij、b依次表示单个像元在卫星影像中的行、列、波段，ε_high(x_ij,y_ij,b)表示第i个低空间分辨率像元分配给第j个高空间分辨率像元的残差，R_high1(x_ij,y_ij,b)为T1时刻高分二号卫星影像数据，ΔR_high(x_ij,y_ij,b)为哨兵二号卫星在T1与T2时刻间的像元空间分辨率变化值，ΔR_high(a,b)为T₁与T₂时刻间高空间分辨率数据对应类别a在波段b上的改变量为预测的T2时刻高分二号卫星影像数据，ω_k为第k个相似像元的权重。