、多云、阴、雾霸等。该实施 例的日光光谱测量方法获取大气参量可W通过W下方式：通过光谱获取装置中的应用程序 或者网络获取待测地点的实时天气信息，其中，光谱获取装置中的应用程序可W是光谱获 取装置本身自带的天气软件，也可W是用户根据需求安装在光谱获取装置上的应用程序。 优选地，该实施例的日光光谱测量方法获取大气参量通过W下步骤；光谱获取装置获取天 空图片；W及分析天空图片，获取大气参量。其中，光谱获取装置可W利用拍摄功能对待测 地点正上方天空进行拍摄，W获取待测地点的天空图片。不同天气类型的天空照片如图2a、 图化、图2c、图2d所示，其中，图2a是根据本发明实施例的天气类型为多云的天空图片的 示意图，图化是根据本发明实施例的天气类型为晴的天空图片的示意图，图2c是根据本发 明实施例的天气类型为阴的天空图片的示意图，图2d是根据本发明实施例的天气类型为 雾霸的天空图片的示意图。该实施例的日光光谱测量方法中的光谱获取装置可W安装用于 计算日光光谱的模型算法程序，同样，该光谱获取装置也可W安装具有拍摄功能的应用程 序，或者该光谱获取装置本身也可W具有拍摄功能。
[0060] 在获取待测地点的天空图片之后，对该天空图片进行分析，W获取待测地点的天 气类型。该实施例的日光光谱测量方法对天空图片的分析方法并不作限定。天空图片的分 析可W采用图片主色彩提取的方法。所谓主色彩，是指一幅彩色图像中出现次数最多的色 彩。一幅彩色图像中的每一个像素点对应=个分量，如RGB灰度值、sRGB灰度值、CIE-XYZ 坐标、CIE-XY坐标、或HIS(即色度Hue、强度Intensity、饱和度Sa1:uration)坐标。主色彩 提取的方法可W是计数该些不同的坐标点的出现次数，进而找到出现次数最多的坐标点， 并取该坐标点为整幅图像的主色彩；也可W是计数不同的坐标点在某些坐标范围内的出现 次数，进而找到坐标点出现次数最多的坐标范围，并取该坐标范围中的某个点为整幅图像 的主色彩；也可W是计算色彩坐标的某个度量值，比如距离[0,0,0]点的距离，计数该些不 同坐标度量值的出现次数，进而找到出现次数最多的坐标点，并取该坐标点为整幅图像的 主色彩。获取天气图片的主色彩后，可将其分类至不同的天气类型，进而获取预设日光光谱 计算模型的输入参量中的大气参量。
[0061] 除主色彩提取方法之外，对天空图片的分析还可W采用人工神经网络方法。人工 神经网络是一种应用类似于大脑神经突触联接的结构进行信息处理的数学模型，由大量的 节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函 数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，该相当 于人工神经网络的记忆。网络的输出则因网络的连接方式，权重值和激励函数的不同而不 同。而网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的 表达。该实施例的日光光谱测量方法将人工神经网络看作一个黑盒子，建立人工神经网络 之前需要对其进行训练，图3是根据本发明实施例的训练中的人工神经网络的示意图，如 图3所示，该实施例的日光光谱测量方法选取大量的天空图片和与该天空图片对应的天气 类型对该人工神经网络进行训练，人工神经网络训练完成后，便可W将其作为一个已知的 数学模型，如图4所示，其中，图4是根据本发明实施例的训练完成后的人工神经网络的示 意图。该实施例的日光光谱测量方法利用该数学模型可W实现输入一个天空图片，便可W 输出得到与该天空图片对应的天气类型，即该训练完成后的人工神经网络自动完成了对天 空图片的分析识别。其中，采用人工神经网络对天空图片进行分析得到天气类型的精度取 决于人工神经网络的复杂程度和对人工神经网络的训练样本量。
[0062] 该实施例的日光光谱测量方法提供了多种通过对待测地点的天空图片进行分析， 识别天气类型，进而获取预设日光光谱计算模型的输入参量大气参量的方法，简化了日光 光谱的测量步骤，提高了对日光光谱测量的精度，同时，也为用户使用光谱获取装置获取大 气参量带来了便利性。
[0063] 地表参量主要取决于地表类型，地表类型通常可W分为路面、海水、雪地、草地等。 可选地，该实施例的日光光谱测量方法获取底边参量可W通过W下方式：通过光谱获取装 置的定位系统区分地表类型；通过光谱获取装置获取地表图片，对该地表图片进行分析识 别地表类型；根据模型算法程序的第二模式手动选择确定地表类型。
[0064] 优选地，该实施例的日光光谱测量方法获取地表参量包括；光谱获取装置获取地 表图片；W及分析地表图片，获取地表参量。其中，光谱获取装置获取地表图片与光谱获取 装置获取天空照片类似，均可W利用光谱获取装置的拍摄功能，通过光谱获取装置拍摄待 测地点正下方的地表图片，通过对该地表图片的分析进而获取待测地点的地表类型，获取 预设日光光谱计算模型的输入参量地表参量。不同地表类型的地表照片如图5a、图化、图 5c、图5d所示，其中，图5a是根据本发明实施例的地表类型为路面的地表图片的示意图，图 化是根据本发明实施例的地表类型为海水的地表图片的示意图，图5c是根据本发明实施 例的地表类型为雪地的地表图片的示意图，图5d是根据本发明实施例的地表类型为草地 的地表图片的示意图。
[00化]该实施例的日光光谱测量方法对地表图片的分析方法不作限定，可W采用主色彩 提取方法，根据图像处理技术获取地表图片的色彩，并结合光谱获取装置的定位系统对待 测地点的地表进行分类，从而获取待测地点的地表类型。还可W采用手动方式选择地表类 型，省略地表图片的拍摄过程，但是该手动方式选择地表类型仅适用于具有专业知识背景 和测量经验的用户。该实施例的日光光谱测量方法通过上述方法获取待测地点的地表类 型，进而获取预设日光光谱计算模型的输入参量地表参量。
[0066] 在光谱获取装置获取环境参量之后，该实施例的日光光谱测量方法还包括；将输 入参量作为列表数据存储至预设数据列表中，其中，在预设数据列表中，一条列表数据对应 一个输入参量。将输入参量进行存储，有利于随时对不同的输入参量的日光光谱的测量结 果进行查询，而且还可W对不同的输入参量对应的日光光谱的测量结果进行对比，进而分 析日光光谱随着输入参量的不同的变化趋势。
[0067] 步骤S104,光谱获取装置根据环境参量执行日光光谱测量。
[0068] 该实施例的日光光谱测量方法将环境参量作为模型算法程序的输入参量，并通过 模型算法程序获取日光光谱，其中，输入参量包括；地球外光谱、经绅度、海拔、日期、时间、 大气参量W及地表参量。图6是根据本发明实施例的日光光谱测量方法的系统架构示意 图，如图6所示，真空日光光谱模型为不考虑大气和地表参量的情况下真空日光光谱模型 函数对应的模型，日光光谱只受经绅度、海拔、日期与时间的影响。当考虑大气和地表参量 的影响时，预设日光光谱计算模型还要综合考虑大气模型和地表模型，其中，大气模型对应 于大气参量，即天气类型，地表模型对应于地表参量，即地表类型，通过预设日光光谱计算 模型可w获取待测地点的实时日光光谱。
[0069] 优选地，该实施例的日光光谱测量方法中光谱获取装置根据环境参量在光谱获取 装置的处理器或者云服务器中执行可见光谱测量。
[0070] 优选地，光谱获取装置根据环境参量在光谱获取装置的处理器中执行可见光谱测 量包括：光谱获取装置的处理器接收环境参量；光谱获取装置的处理器对环境参量进行处 理，得到可见光谱数据；W及光谱获取装置的处理器将可见光谱数据通过通信模块发送至 显示器进行显示。图7是根据本发明实施例的日光光谱测量在光谱获取装置的处理器中执 行的结构示意图，如图7所示，光谱获取装置的时钟获取日期与时间后发送至处理器，光谱 获取装置的定位系统获取经绅度后发送至处理器，光谱获取装置的数字相机获取天空图片 和地表图片后发送至处理器，同时，气象信息包括天气和海拔，气象信息通过通信模块发送 至处理器，处理器接收到预设日光光谱计算模型的输入参量后对其进行处理，得到日光光 谱，然后处理器将得到的日光光谱经由通信模型发送至显示器进行显示。日光光谱的测量 过程在光谱获取装置的处理器中执行对光谱获取装置的处理器要求较高。
[0071] 优选地，光谱获取装置根据环境参量在云服务器中执行可见光谱测量包括；云服 务器接收环境参量；云服务器对环境参量进行处理，得到可见光谱数据；W及云服务器将 可见光谱数据通过通信模块发送至显示器进行显