环境预测信息生成方法、装置、电子设备和可读介质与流程

1.本公开的实施例涉及计算机技术领域，具体涉及环境预测信息生成方法、装置、电子设备和可读介质。


背景技术：

2.在社会高速发展的过程中，或多或少的对生态环境造成了一定程度的污染和侵害。随着人们对于环境保护的认知逐渐加深，如何对环境变化进行预测变得尤为重要。目前，在进行环境变化预测时，通常采用的方式为：通过人工的方式，勘探区域内的环境数据，并根据勘探得到的环境数据进行环境变化预测。
3.然而，当采用上述方式时，经常会存在如下技术问题：
4.第一、当采集区域较大时，通过人工的方式进行环境勘探，环境勘探效率低下；
5.第二、受人工勘探频率的限制，使得勘探得到的环境数据的数据量较小，进而导致生成的环境预测信息不够精准；
6.第三、用于环境预测的指标不够完善，使得预测得到的环境预测信息不够精准。


技术实现要素：

7.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
8.本公开的一些实施例提出了环境预测信息生成方法、装置、电子设备和可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
9.第一方面，本公开的一些实施例提供了一种环境预测信息生成方法，该方法包括：获取目标遥感图像集合和气体浓度信息集合，其中，上述目标遥感图像集合中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像，上述气体浓度信息集合中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度；根据上述目标遥感图像集合，生成候选遥感图像集合，其中，上述候选遥感图像集合中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像；根据上述候选遥感图像集合，确定环境指标信息集合；根据上述气体浓度信息集合，确定气体排放指标信息；对上述环境指标信息集合和上述气体排放指标信息进行多元线性拟合，以生成环境预测信息。
10.第二方面，本公开的一些实施例提供了一种环境预测信息生成装置，装置包括：获取单元，被配置成获取目标遥感图像集合和气体浓度信息集合，其中，上述目标遥感图像集合中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像，上述气体浓度信息集合中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度；生成单元，被配置成根据上述目标遥感图像集合，生成候选遥感图像集合，其中，上述候选遥感图像集合中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像；第一确定单元，被配置成根据上述候选遥感图像集合，确定环境指标信息集合；第二确定单元，被配
置成根据上述气体浓度信息集合，确定气体排放指标信息；多元线性拟合单元，被配置成对上述环境指标信息集合和上述气体排放指标信息进行多元线性拟合，以生成环境预测信息。
11.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
12.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
13.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的环境预测信息生成方法，提高了环境勘探效率，以及提高了生成的环境预测信息的精准度。具体来说，造成环境勘探效率低下，以及生成的环境预测信息的精准度较低的原因在于：第一、当采集区域较大时，通过人工的方式进行环境勘探，环境勘探效率低下；第二、受人工勘探频率的限制，使得勘探得到的环境数据的数据量较小，进而导致生成的环境预测信息不够精准。基于此，本公开的一些实施例的环境预测信息生成方法，首先，获取目标遥感图像集合和气体浓度信息集合，其中，上述目标遥感图像集合中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像，上述气体浓度信息集合中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度。由于遥感传感器(如，遥感卫星)具有全天候工作、勘探范围广等优点，使得针对较大采集区域，能够大大提高勘探效率，并且能够不间断地提供环境数据(如，目标遥感图像集合和气体浓度信息集合)，以此对环境预测信息的生成提供数据支撑。其次，根据上述目标遥感图像集合，生成候选遥感图像集合，其中，上述候选遥感图像集合中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像。通过将一个时间段周期内的图像进行叠加，减小了后续的数据处理量。接着，根据上述候选遥感图像集合，确定环境指标信息集合。进一步，根据上述气体浓度信息集合，确定气体排放指标信息。通过根据候选遥感图像和气体浓度信息，生成环境指标信息和气体排放指标，从而实现对目标区域的环境状况的量化。最后，对上述环境指标信息集合和上述气体排放指标信息进行多元线性拟合，以生成环境预测信息。通过线性拟合，以此预测目标区域未来的环境状况。通过此种方式，大大提高了生成的环境预测信息的精准度。
附图说明
14.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
15.图1是本公开的一些实施例的环境预测信息生成方法的一个应用场景的示意图；
16.图2是根据本公开的环境预测信息生成方法的一些实施例的流程图；
17.图3是生成候选遥感图像的示意图；
18.图4是根据本公开的环境预测信息生成方法的另一些实施例的流程图；
19.图5是根据本公开的环境预测信息生成装置的一些实施例的结构示意图；
20.图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
21.下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
22.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
23.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
24.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
25.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
26.下面将参考附图并结合实施例来详细说明本公开。
27.图1是本公开的一些实施例的环境预测信息生成方法的一个应用场景的示意图。
28.在图1的应用场景中，首先，计算设备101可以获取目标遥感图像集合102和气体浓度信息集合103，其中，上述目标遥感图像集合102中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像，上述气体浓度信息集合103中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度；其次，计算设备101可以根据上述目标遥感图像集合102，生成候选遥感图像集合104，其中，上述候选遥感图像集合104中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像；接着，计算设备101可以根据上述候选遥感图像集合104，确定环境指标信息集合105；进一步，计算设备101可以根据上述气体浓度信息集合103，确定气体排放指标信息106；最后，计算设备101可以对上述环境指标信息集合105和上述气体排放指标信息106进行多元线性拟合，以生成环境预测信息107。
29.需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
30.应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
31.继续参考图2，示出了根据本公开的环境预测信息生成方法的一些实施例的流程200。该环境预测信息生成方法，包括以下步骤：
32.步骤201，获取目标遥感图像集合和气体浓度信息集合。
33.在一些实施例中，环境预测信息生成方法的执行主体(例如图1所示的计算设备101)可以获取目标遥感图像集合和气体浓度信息集合。其中，上述目标遥感图像集合中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像。上述气体浓度信息集合中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度。上述目标区域可以是待进行环境预测的区域。上述目标时间段可以是预设的时间段。例如，上述目标时间
段可以是2021-01-01-24:00至2021-12-31-24:00。上述目标遥感图像集合可以是由遥感卫星采集得到的、经过几何校正，且无云的遥感图像。上述气体浓度信息集合可以是由大气环境监测卫星采集得到的多个气体浓度信息。气体浓度信息集合中的气体浓度信息可以包含多种气体的浓度。例如，气体浓度信息可以如下表：
34.采集时间2021-01-01-24:00co(一氧化碳)浓度20mol/m2no2(二氧化氮)浓度120mol/m2o3(臭氧)浓度20mol/m2so2(二氧化硫)浓度10mol/m2hcho(甲醛)浓度10mol/m2ch4(甲烷)浓度15mol/m235.可选地，上述气体浓度信息集合可以通过以下步骤生成：
36.第一步，获取遥感卫星采集得到的气体浓度遥感影像集合。
37.其中，遥感卫星可以是大气环境监测卫星。上述气体浓度遥感影像集合中的气体浓度遥感影像可以是包含目标区域的、且在目标时间段内采集的气体浓度遥感图像。气体浓度遥感影像可以是经过几何校正，且无云的遥感图像。
38.第二步，上述执行主体可以根据上述气体浓度遥感影像集合中的气体浓度遥感影像的图像采集时间，以固定时间间隔对上述气体浓度遥感影像集合中的气体浓度遥感影像进行分组处理，以生成气体浓度遥感影像组序列。
39.例如，上述固定时间间隔可以是1个月。又如，上述固定时间间隔还可以是3个月。再如，上述固定时间间隔还可以是12个月。
40.第三步，对上述气体浓度遥感影像组序列中的每个气体浓度遥感影像组包含的各个气体浓度遥感影像进行像素值均值化处理，以生成候选气体浓度遥感影像，得到候选气体浓度遥感影像集合。
41.第四步，对所述候选气体浓度遥感影像集合中的每个候选气体浓度遥感影像进行气体浓度信息提取，以生成气体浓度信息，得到上述气体浓度信息集合。
42.步骤202，根据目标遥感图像集合，生成候选遥感图像集合。
43.在一些实施例中，上述执行主体可以根据目标遥感图像集合，生成候选遥感图像集合。其中，候选遥感图像集合中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像。
44.作为示例，首先，上述执行主体可以固定时间窗口和移动步长，对上述目标遥感图像集合中的目标遥感图像进行分组，得到目标遥感图像组序列。然后，上述执行主体可以将目标遥感图像组序列中的每个目标遥感图像组包含的各个目标遥感图像进行图像叠加，以生成候选遥感图像，得到上述候选遥感图像集合。
45.步骤203，根据候选遥感图像集合，确定环境指标信息集合。
46.在一些实施例中，上述执行主体可以根据候选遥感图像集合，确定环境指标信息集合。其中，上述环境指标信息集合中的环境指标信息是用于评价目标区域的环境状态的指标信息。
47.作为示例，上述执行主体可以将上述候选遥感图像集合输入预先训练的环境状态
检测模型，以生成环境指标信息集合。例如，上述环境状态检测模型可以是多分类模型。上述环境状态检测模型对应的分类类别的数量与上述环境指标信息集合中的环境指标信息的数量一致。上述执行主体可以将输出的类别的置信度，作为对应类别的环境指标信息，得到环境指标评价信息集合。
48.步骤204，根据气体浓度信息集合，确定气体排放指标信息。
49.在一些实施例中，上述执行主体可以根据上述气体浓度信息集合，确定气体排放指标信息。其中，上述气体排放指标信息可以是用于评价上述目标区域的气体排放状态的指标。
50.作为示例，上述执行主体可以根据气体浓度信息集合，通过预先训练的随机森林模型，确定气体排放指标信息。例如，上述气体排放指标信息可以是0.7。
51.步骤205，对环境指标信息集合和气体排放指标信息进行多元线性拟合，以生成环境预测信息。
52.在一些实施例中，上述执行主体对环境指标信息集合和气体排放指标信息进行多元线性拟合，以生成环境预测信息。其中，上述环境预测信息可以是预测的上述目标区域对应的未来的环境评级。多元线性拟合方程可以如下式：
[0053][0054]
其中，penvrank表示上述环境预测信息。i表示序号。n表示上述环境指标信息集合中的环境指标信息的数量。α表示环境指标信息的权重。αi表示第i个环境指标信息的权重。ensig表示环境指标信息。envsigi表示第i个环境指标信息。β表示气体排放指标信息的权重。gassig表示气体排放指标信息。其中，环境指标信息的权重经过预先训练得到。
[0055]
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的环境预测信息生成方法，提高了环境勘探效率，以及提高了生成的环境预测信息的精准度。具体来说，造成环境勘探效率低下，以及生成的环境预测信息的精准度较低的原因在于：第一、当采集区域较大时，通过人工的方式进行环境勘探，环境勘探效率低下；第二、受人工勘探频率的限制，使得勘探得到的环境数据的数据量较小，进而导致生成的环境预测信息不够精准。基于此，本公开的一些实施例的环境预测信息生成方法，首先，获取目标遥感图像集合和气体浓度信息集合，其中，上述目标遥感图像集合中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像，上述气体浓度信息集合中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度。由于遥感传感器(如，遥感卫星)具有全天候工作、勘探范围广等优点，使得针对较大采集区域，能够大大提高勘探效率，并且能够不间断地提供环境数据(如，目标遥感图像集合和气体浓度信息集合)，以此对环境预测信息的生成提供数据支撑。其次，根据上述目标遥感图像集合，生成候选遥感图像集合，其中，上述候选遥感图像集合中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像。通过将一个时间段周期内的图像进行叠加，减小了后续的数据处理量。接着，根据上述候选遥感图像集合，确定环境指标信息集合。进一步，根据上述气体浓度信息集合，确定气体排放指标信息。通过根据候选遥感图像和气体浓度信息，生成环境指标信息和气体排放指标，从而实现对目标区域的环境状况的量化。最后，对上述环境指标信息集合和上述气体排放指标
信息进行多元线性拟合，以生成环境预测信息。通过线性拟合，以此预测目标区域未来的环境状况。通过此种方式，大大提高了生成的环境预测信息的精准度。
[0056]
进一步参考图3，其示出了环境预测信息生成方法的另一些实施例的流程300。该环境预测信息生成方法的流程300，包括以下步骤：
[0057]
步骤301，获取目标遥感图像集合和气体浓度信息集合。
[0058]
在一些实施例中，步骤301的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201，在此不再赘述。
[0059]
步骤302，根据目标遥感图像集合中的目标遥感图像的图像采集时间，以固定时间间隔，对目标遥感图像集合中的目标遥感图像进行分组处理，以生成目标遥感图像组序列。
[0060]
在一些实施例中，环境预测信息生成方法的执行主体(例如图1所示的计算设备101)可以根据目标遥感图像集合中的目标遥感图像的图像采集时间，以固定时间间隔，对目标遥感图像集合中的目标遥感图像进行分组处理，以生成目标遥感图像组序列。例如，上述固定时间间隔可以是1个月。又如，上述固定时间间隔还可以是3个月。再如，上述固定时间间隔还可以是12个月。
[0061]
步骤303，对目标遥感图像组序列中的每个目标遥感图像组中的各个目标遥感图像进行像素值均值化处理，以生成候选遥感图像，得到候选遥感图像集合。
[0062]
作为示例，如图4所示的生成候选遥感图像的示意图，其中，上述执行主体可以将“目标遥感图像a”和“目标遥感图像b”对应像元的色值的均值，作为“候选遥感图像c”对应像元的色值。可选地，目标遥感图像的像元的色值也可以是rgb(red green blue，红绿蓝)色值，当目标遥感图像的像元的色值为rgb色值时，生成的候选遥感图像的色值也为rgb色值。
[0063]
步骤304，根据候选遥感图像集合，确定环境指标信息集合。
[0064]
在一些实施例中，上述执行主体可以根据候选遥感图像集合，确定环境指标信息集合。其中，上述环境指标信息集合可以包括：环境绿度指标信息、热度指标信息和土壤湿度指标信息。上述环境绿度指标信息可以表征上述目标区域的绿植覆盖度。上述热度指标信息可以表征上述目标区域的地表热度。上述土壤湿度指标信息表征上述目标区域的土壤湿度。
[0065]
可选地，上述环境指标信息集合还可以包括：土壤干度指标信息和水土污染指标信息。其中，土壤干度指标信息表征上述目标区域的土壤干燥程度。上述水土污染指标信息表征上述目标区域的水土污染情况。水土污染指标信息可以包括：水体污染指标信息和土壤污染指标信息。
[0066]
作为示例，上述执行主体根据上述候选遥感图像集合，确定环境指标信息集合，可以包括以下步骤：
[0067]
第一步，对于上述候选遥感图像集合中的每张候选遥感图像，执行以下处理步骤：
[0068]
第一子步骤，根据第一反射率和第二反射率，确定第一差值和第一求和值。
[0069]
其中，第一反射率是上述候选遥感图像在红外波段下的反射率。上述第二反射率是上述候选遥感图像在红波段下的反射率。
[0070]
第二子步骤，将上述第一差值和第一求和值的比值，确定为候选环境绿度指标信息。
表示预设标定参数集合中的第二个预设标定参数。l表示上述辐射值。
[0088]
第三子步骤，根据上述传感器温度值、上述候选遥感图像对应的热红外波段的中心波长和地表比辐射率，确定候选热度指标信息。
[0089]
其中，上述执行主体可以根据上述传感器温度值、上述候选遥感图像对应的热红外波段的中心波长和地表比辐射率，通过以下公式，确定候选热度指标信息：
[0090][0091]
其中，lst表示候选热度指标信息。t表示传感器温度值。ε表示地表比辐射率。λ表示候选遥感图像对应的热红外波段的中心波长。θ的取值为1.438
×
10-2m
·
k。
[0092]
第二步，根据得到的候选热度指标信息集合中的最大的候选热度指标信息和最小的候选热度指标信息，生成上述热度指标信息。
[0093]
其中，上述执行主体可以根据得到的候选热度指标信息集合中的最大的候选热度指标信息和最小的候选热度指标信息，通过以下公式，生成上述热度指标信息：
[0094][0095]
其中，lstind表示热度指标信息。lstmax表示候选热度指标信息集合中的最大的候选热度指标信息。lstmin表示候选热度指标信息集合中的最小的候选热度指标信息。
[0096]
作为再一示例，上述执行主体根据上述候选遥感图像集合，确定环境指标信息集合，可以包括以下步骤：
[0097]
第一步，对于上述候选遥感图像集合中的每张候选遥感图像，根据上述候选遥感图像在多个波段下的反射率，生成候选土壤湿度指标信息。
[0098]
其中，上述执行执行主体可以通过以下公式，生成候选土壤湿度指标信息：
[0099]
wet＝0.1511ρb+0.1973ρg+0.3283ρr+003407ρ
nir-0.7117ρ
swir1-0.4559ρ
swir2
[0100]
其中，ρb表示蓝波段对应的反射率。ρg表示绿波段对应的反射率。ρr表示红波段对应的反射率。ρ
nir
表示近红外波段对应的反射率。ρ
swir1
表示中心波长为1.61μm的短红外波段对应的反射率。ρ
swir2
表示中心波长为2.2μm的短红外波段对应的反射率。wet表示候选土壤湿度指标信息。
[0101]
第二步，根据得到的土壤湿度指标信息集合中的最大的土壤湿度指标信息和最小的土壤湿度指标信息，生成上述土壤湿度指标信息。
[0102]
其中，上述执行主体可以根据得到的土壤湿度指标信息集合中的最大的土壤湿度指标信息和最小的土壤湿度指标信息，通过以下公式，生成上述土壤湿度指标信息
[0103][0104]
其中，wetind表示土壤湿度指标信息。wetmax表示土壤湿度指标信息集合中的最
大的土壤湿度指标信息。wetmin表示土壤湿度指标信息集合中的最小的土壤湿度指标信息。
[0105]
可选地，上述执行主体根据上述候选遥感图像集合，确定环境指标信息集合，可以包括以下步骤：
[0106]
第一步，对于上述候选遥感图像集合中的每张候选遥感图像，上述执行主体可以通过以下公式，确定候选土壤干度指标信息：
[0107][0108]
其中，ρb表示蓝波段对应的反射率。ρg表示绿波段对应的反射率。ρr表示红波段对应的反射率。ρ
nir
表示近红外波段对应的反射率。ρ
swir1
表示中心波长为1.61μm的短红外波段对应的反射率。ρ
swir2
表示中心波长为2.2μm的短红外波段对应的反射率。si表示第一参数。ibi表示第二参数。ndsi表示候选土壤干度指标信息。
[0109]
第二步，根据得到的候选土壤干度指标信息集合中的最大的候选土壤干度指标信息和最小的候选土壤干度指标信息，生成上述土壤干度指标信息。
[0110]
其中，上述执行主体可以通过以下公式，生成上述土壤干度指标信息：
[0111][0112]
其中，ndsiind表示上述土壤干度指标信息。ndsimax表示候选土壤干度指标信息集合中的最大的候选土壤干度指标信息。ndsimin表示候选土壤干度指标信息集合中的最小的候选土壤干度指标信息。
[0113]
可选地，上述执行主体根据上述候选遥感图像集合，确定环境指标信息集合，可以包括以下步骤：
[0114]
第一步，对于上述候选遥感图像集合中的每张候选遥感图像，上述执行主体可以通过以下公式，确定候选水土污染指数信息：
[0115][0116]
其中，specarea表示候选土壤干度指标信息。i表示序号。ρ1表示中心波段值为0.433μm的波段的反射率。μ1表示中心波段值为0.433μm的波段的光谱值。ρ2表示中心波段值为0.4825μm的波段的反射率。μ2表示中心波段值为0.4825μm的波段的光谱值。ρ3表示中心波段值为0.5625μm的波段的反射率。μ3表示中心波段值为0.5625μm的波段的光谱值。ρ4表示中心波段值为0.655μm的波段的反射率。μ4表示中心波段值为0.655μm的波段的光谱值。ρ5表示中心波段值为0.865μm的波段的反射率。μ5表示中心波段值为0.865μm的波段的光谱值。ρ6表示中心波段值为1.61μm的波段的反射率。μ6表示中心波段值为1.61μm的波段的光谱值。ρ7表示中心波段值为2.2μm的波段的反射率。μ7表示中心波段值为2.2μm的波段的光谱值。
[0117]
第二步，根据得到的候选水土污染指数信息集合中的最大的候选水土污染指数信息和最小的候选水土污染指数信息，生成目标候选水土污染指数信息。
[0118]
其中，上述执行主体可以通过以下公式，生成目标候选水土污染指数信息：
[0119][0120]
其中，specind表示目标候选水土污染指数信息。specmax表示候选水土污染指数信息集合中的最大的候选水土污染指数信息。specmin表示候选水土污染指数信息集合中的最小的候选水土污染指数信息。
[0121]
第三步，确定水体分布数值和土壤分布数值。
[0122]
其中，上述执行主体可以通过以下公式确定水体分布数值和土壤分布数值：
[0123][0124]
其中，water表示水体分布数值。baesoil表示土壤分布数值。ρg表示绿波段对应的反射率。ρ
nir
表示近红外波段对应的反射率。表示近红外波段对应的反射率。ρ
swir1
表示中心波长为1.61μm的短红外波段对应的反射率。ρ
swir2
表示中心波长为2.2μm的短红外波段对应的反射率。
[0125]
第四步，根据水体分布数值、土壤分布数值和目标候选水土污染指数信息，生成水体污染指标信息和土壤污染指标信息。
[0126]
其中，上述执行主体可以通过以下公式，生成水体污染指标信息和土壤污染指标信息：
[0127][0128]
其中，water表示水体分布数值。baresoil表示土壤分布数值。specind表示目标候选水土污染指数信息。specwater表示水体污染指标信息。specbaresoil表示土壤污染指标信息。
[0129]
步骤305，根据气体浓度信息集合，确定气体排放指标信息。
[0130]
在一些实施例中，上述执行主体可以根据气体浓度信息集合，确定气体排放指标信息。
[0131]
作为示例，上述执行主体根据气体浓度信息集合，确定气体排放指标信息可以包括以下步骤：
[0132]
第一步，对气体浓度信息集合中的每个气体进行最大最小值归一化处理，以生成上述气体对应的气体浓度，得到气体浓度值集合。
[0133]
其中，气体浓度值集合中的气体浓度值的数量为6。
[0134]
例如，上述气体可以是co气体。上述气体浓度信息集合中包括的co气体的气体浓度可以是[30mol/m2，20mol/m2，20mol/m2，20mol/m2，10mol/m2]。则co气体对应的气体浓度值的计算过程如下式：
[0135][0136]
第二步，对气体浓度值集合中的各个气体浓度值进行主成分分析处理，以生成气体排放指标信息。
[0137]
步骤306，对环境指标信息集合和气体排放指标信息进行多元线性拟合，以生成环境预测信息。
[0138]
在一些实施例中，步骤306的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤205，在此不再赘述。
[0139]
步骤307，对环境指标信息集合中的各个环境指标信息和气体排放指标信息进行加权求和，以生成环境评级信息。
[0140]
在一些实施例中，上述执行主体可以对环境指标信息集合中的各个环境指标信息和气体排放指标信息进行加权求和，以生成环境评级信息。其中，上述环境指标信息集合中的各个环境指标信息对应的权重，和气体排放指标信息对应的权重一致。
[0141]
从图3可以看出，与图2对应的一些实施例的描述相比，本公开细化了环境指标信息的类型，即环境绿度指标信息、热度指标信息、土壤湿度指标信息、土壤干度指标信息和水土污染指标信息。并对每个指标信息进行量化，实现了对环境状态的全方位评估。使得根据这写指标信息能够精准的对区域未来的环境状态进行精准预测，大大提高了生成的环境预测信息的准确度。
[0142]
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种环境预测信息生成装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具
体可以应用于各种电子设备中。
[0143]
如图5所示，一些实施例的环境预测信息生成装置500包括：获取单元501、生成单元502、第一确定单元503、第二确定单元504和多元线性拟合单元505。其中，获取单元501，被配置成获取目标遥感图像集合和气体浓度信息集合，其中，上述目标遥感图像集合中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像，上述气体浓度信息集合中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度；生成单元502，被配置成根据上述目标遥感图像集合，生成候选遥感图像集合，其中，上述候选遥感图像集合中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像；第一确定单元503，被配置成根据上述候选遥感图像集合，确定环境指标信息集合；第二确定单元504，被配置成根据上述气体浓度信息集合，确定气体排放指标信息；多元线性拟合单元505，被配置成对上述环境指标信息集合和上述气体排放指标信息进行多元线性拟合，以生成环境预测信息。
[0144]
可以理解的是，该装置500中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。
[0145]
下面参考图6，其示出了适于用来实现本公开的一些实施例的电子设备(如图1所示的计算设备101)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
[0146]
如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom 602以及ram 603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
[0147]
通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
[0148]
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom 602被安装。在该计算机程序被处理装置601执行时，执行本公开的一些实施例的方法中限定的上述功能。
[0149]
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意
以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。
[0150]
在一些实施方式中，客户端、服务器可以利用诸如http(hypertext transfer protocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“lan”)，广域网(“wan”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
[0151]
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标遥感图像集合和气体浓度信息集合，其中，上述目标遥感图像集合中的目标遥感图像是包含目标区域的、且在目标时间段内采集的遥感图像，上述气体浓度信息集合中的气体浓度信息表征上述目标区域在上述目标时间段内的气体浓度；根据上述目标遥感图像集合，生成候选遥感图像集合，其中，上述候选遥感图像集合中的候选遥感图像是对多张目标遥感图像进行图像叠加处理得到的图像；根据上述候选遥感图像集合，确定环境指标信息集合；根据上述气体浓度信息集合，确定气体排放指标信息；对上述环境指标信息集合和上述气体排放指标信息进行多元线性拟合，以生成环境预测信息。
[0152]
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0153]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标
注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0154]
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、生成单元、第一确定单元、第二确定单元和多元线性拟合单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“根据上述气体浓度信息集合，确定气体排放指标信息的单元”。
[0155]
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、片上系统(soc)、复杂可编程逻辑设备(cpld)等等。
[0156]
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。