[发明专利]一种基于遥感影像的污染入海通量预测方法以及装置在审
申请号: | 202211032871.2 | 申请日: | 2022-08-26 |
公开(公告)号: | CN115424134A | 公开(公告)日: | 2022-12-02 |
发明(设计)人: | 邓应彬;荆文龙;杨骥;胡泓达;胡义强;舒思京 | 申请(专利权)人: | 南方海洋科学与工程广东省实验室(广州) |
主分类号: | G06V20/10 | 分类号: | G06V20/10;G06V10/10;G06V10/764;G06V10/774;G06V10/82 |
代理公司: | 广州骏思知识产权代理有限公司 44425 | 代理人: | 潘桂生 |
地址: | 511457 广东省广州市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 遥感 影像 污染 通量 预测 方法 以及 装置 | ||
1.一种基于遥感影像的污染入海通量预测方法,其特征在于,包括以下步骤:
获取养殖区域的若干个遥感影像,将所述若干个遥感影像进行拼接,获得所述养殖区域的正射影像,其中,所述正射影像包括水体区域以为非水体区域;
剔除所述正射影像中的非水体区域,获取所述养殖区域的水体影像,并根据预设的采样点数目,获取所述养殖区域的水体影像中各个采样点对应的水质数据;
获取所述养殖区域的水体影像中各个采样点对应的波段数据以及水深数据,将所述同一采样点对应的水质数据以及波段数据进行组合,获取若干个所述采样点对应的第一训练数据组,将所述同一采样点对应的水深数据以及波段数据进行组合,获取若干个所述采样点对应的第二训练数据组;
将所述波段数据作为自变量,所述水质数据作为因变量,构建第一随机森林神经网络模型,将若干个所述采样点对应的第一训练数据组输入至所述第一随机森林神经网络模型进行训练,获取水质预测模型;
将所述波段数据作为自变量,所述水深数据作为因变量,构建第二随机森林神经网络模型,将若干个所述采样点对应的第二训练数据组输入至所述第二随机森林神经网络模型进行训练,获取水深预测模型;
将所述养殖区域正射影像分别输入至所述水质预测模型以及水深预测模型,获取所述养殖区域的水体区域,以及所述养殖区域的水体区域的水质预测数据、水深预测数据,根据所述养殖区域的水体区域,以及所述养殖区域的水体区域的水质预测数据以及水深预测数据,获取所述养殖区域的水体区域的污染入海通量预测数据。
2.根据权利要求1所述的基于遥感影像的污染入海通量预测方法,其特征在于:所述水质数据包括总氮数据、总磷数据、化学需氧量数据以及叶绿素数据;所述水质预测数据包括总氮预测数据、总磷预测数据、化学需氧量预测数据以及叶绿素预测数据。
3.根据权利要求2所述的基于遥感影像的污染入海通量预测方法,其特征在于,所述根据所述养殖区域的水体区域,以及所述养殖区域的水体区域的水质预测数据以及水深预测数据,获取所述养殖区域的水体区域的污染入海通量预测数据,包括步骤:
获取所述养殖区域的水体区域的面积数据,根据所述面积数据以及水深预测数据,获取所述养殖区域的水体区域的体积预测数据,其中,所述面积数据用于指示每个像元的水体区域的面积,所述体积预测数据用于指示每个像元的水体区域的体积;
根据所述养殖区域的水体区域的体积预测数据、水质预测数据以及相应的污染入海通量计算算法,获取所述养殖区域的水体区域的污染入海通量预测数据,其中,所述污染入海通量预测数据包括总氮入海通量预测数据、总磷入海通量预测数据、化学需氧量入海通量预测数据以及叶绿素入海通量预测数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南方海洋科学与工程广东省实验室(广州),未经南方海洋科学与工程广东省实验室(广州)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211032871.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:地脚支座及安检设备
- 下一篇:一种手机后盖加工用具有防废屑飞溅的夹持装置