[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

说明书

本发明公开了一种结合时空融合与深度学习的遥感水质反演方法，有效的解决了水质遥感监测出现了卫星影像的空间分辨率和时间分辨率不满足水质监测要求，从而使水质计算结果出现了偏差的问题，本发明结合时空融合模型与全连接神经网络、卷积神经网络来生成高时空分辨率水质反演结果，并利用像元分解法来对水质反演结果进行修正，极大的提高了得到的卫星影响的空间分辨率和时间分辨率，提高卫星影像的准确率。

技术领域

本发明涉及水质反演领域，特别是一种结合时空融合与深度学习的遥感水质反演方法。

背景技术

水质监测是水污染防治和水质状况的重要判别依据，水质状况与国民的生存和生产息息相关，所以研究如何进行大范围、快捷、准确的水质监测很有必要。目前 常用的实地水质监测方法虽然能够精细地分析水质参数，由于常常受到水文条件和 气候的限制，且实施起来费时费力、成本较高，无法实现大尺度且具有时效性的水质监测。

为此，现有技术设计了遥感反演发方法来快速、大范围的计算水质，而且能够 在目标水域(需进行遥感水质反演的水域)反映出水质的时空分布特征，丰富的遥感数据和不断改进的反演模型使得水质监测变得实时便捷，促进了水质遥感监测的 应用。但是在水质遥感监测的实际使用过程中，利用遥感技术得到的卫星影像存在 着以下问题：有的卫星影像图幅大、时间分辨率高，但是空间分辨率较低；有的卫 星影像空间分辨率高，但是图像图幅小、重访周期长，使得基于遥感技术的水质结 果反常，出现了空间分辨率不足、频次不够或者不够精准的问题，影响到了水质计 算结果的准确性。

因此本发明提供一种的新的方案来解决此问题。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种结合时空融合与深度学习的遥感水质反演方法，有效的解决了水质遥感监测出现了卫星影像的空间分辨率和 时间分辨率不满足水质监测要求，从而使水质计算结果出现了偏差的问题。

其解决的技术方案是，一种结合时空融合与深度学习的遥感水质反演方法， 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。

进一步地，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。

进一步地，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。

进一步地，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：