一种基于空天地一体化的赤潮准实时监测方法与流程

本发明涉及环境监测，特别是涉及一种基于空天地一体化的赤潮准实时监测方法。

背景技术：

1、赤潮(又称红潮)，是在特定的环境条件下，海水中某些浮游植物、原生动物或细菌爆发性增殖或高度聚集而引起水体变色的一种有害生态现象。赤潮产生的原因主要有人类的生产生活、海水养殖、海水富营养化、海水温度异常等。赤潮爆发时会消耗水中的溶解氧，分泌物会阻塞鱼类呼吸系统，导致鱼类窒息死亡，破坏渔业，严重影响生态平衡；同时，一些藻类会分泌毒素，经食物链传播，会被人体摄入，毒素累积到一定量时会对生命健康造成严重威胁。

2、目前，赤潮的监测方法主要有固定监测站位法(如浮标监测、声呐监测)、监测船走航监测、无人机监测、卫星遥感监测。传统的固定监测站位法获取监测数据较准确，但受限于监测范围，无法做到大面积监测；监测船走船监测成本较高，并且实时性较差；无人机可以实现局部区域的监测，但受限于能源问题，难以做到广域的监测；卫星遥感监测可以做到大范围监测，且成本低，但受限于卫星的重防周期、幅宽、轨道类型等的影响。

3、现有方法较少能够做到准实时的监测。目前多数赤潮监测方法多是通过单一方法监测，较少综合利用多源数据来实现赤潮的大范围、实时、全周期的监测。

技术实现思路

1、为了克服现有技术的不足，本发明的目的是提供一种基于空天地一体化的赤潮准实时监测方法。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于空天地一体化的赤潮准实时监测方法，包括：

4、获取多源遥感数据和监测数据；

5、对多源遥感数据进行预处理，得到待监测区域数据；

6、分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测站点、监测船数据对处理后的数据进行插值拟合，得到特征数据；

7、将所述特征数据输入至支持向量机模型中进行训练，并将所述支持向量机模型的输出结果进行形态学处理，经过对模型的迭代优化，以得到训练好的支持向量机模型；

8、将实测数据输入至所述训练好的支持向量机模型中，得到赤潮实时监测结果。

9、优选地，所述多源遥感数据包括mersi、modis、goci、himawari-8、高分系列、商业遥感和无人机遥感数据；所述监测数据包括固定监测站及监测船监测到的第一温度数据、溶解氧数据、盐度数据和第一叶绿素数据。

10、优选地，所述多源遥感数据的获取步骤包括：

11、根据相关要求及规定，在待监测区设立卫星地面站；

12、基于所述卫星地面站，在卫星过境期间实时接收部分遥感数据。

13、优选地，对多源遥感数据进行预处理，得到待监测区域数据，包括：

14、利用辐射传输模型对遥感数据进行大气校正，并通过建立地理查找表进行几何校正，得到校正后的数据；

15、对所述校正后的数据进行掩模处理，以提取所述待监测区域数据。

16、优选地，分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测站点、监测船数据对处理后的数据进行插值拟合，得到特征数据，包括：

17、计算所述待监测区域数据的颜色矩；

18、根据所述待监测区域热红外谱段数据进行温度反演，得到第二温度数据；

19、对所述待监测区域数据进行方差分析，得到特征波段，通过构建植被指数，得到第二叶绿素数据，并根据所述特征波段和所述第二叶绿素数据确定光谱特征数据；

20、根据所述固定监测站及监测船的位置，将所述第一叶绿素数据和所述第二叶绿素数据进行插值拟合，并将所述第一温度数据和所述第二温度数据进行插值拟合，得到拟合结果；

21、根据所述颜色矩、所述拟合结果、所述光谱特征数据构建所述特征数据。

22、优选地，在将所述特征数据输入至支持向量机模型中进行训练之前，还包括：

23、对所述特征数据进行归一化处理，得到归一化后的所述训练数据。

24、优选地，所述形态学处理的方式包括图像的腐蚀、膨胀和二值化操作。

25、优选地，所述赤潮实时监测结果包括赤潮的分布面积、移动速度、移动方向以及赤潮的覆盖面积。

26、优选地，还包括：

27、根据所述赤潮实时监测结果构建风险预警等级；所述风险预警等级的公式为：其中，i为所述风险预警等级，l为赤潮距关注点的最近距离；s为所述分布面积，其中e1＝3，e2＝2，e3＝1，分别表示分布在10km内，10～30km和30～80km范围的赤潮的所述覆盖面积，v为所述移动速度，j为所述移动方向，当赤潮关注点移动时j＝1，其他移动方向j＝0；

28、根据所述风险预警等级的数值进行分级综合预警。

29、根据本发明提供的具体实施例，本发明公开了以下技术效果：

30、本发明提供了一种基于空天地一体化的赤潮准实时监测方法，包括：获取多源遥感数据和其他监测数据；对多源遥感数据进行预处理，得到待监测区域数据；分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测站点、监测船数据对处理后的数据进行插值拟合，构建特征数据；将所述特征数据输入至支持向量机模型中进行训练，并将所述支持向量机模型的输出结果进行形态学处理，经过对模型的迭代优化，以得到训练好的支持向量机模型；将实测数据输入至所述训练好的支持向量机模型中，得到赤潮实时监测结果。本发明综合遥感、固定站点、水文气象等数据，从空天地三方面对赤潮发生前期、中期、后期做到全面监测。

技术特征：

1.一种基于空天地一体化的赤潮准实时监测方法，其特征在于，包括：

2.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，所述多源遥感数据包括mersi、modis、goci、himawari-8、高分系列、商业遥感和无人机遥感数据；所述监测数据包括固定监测站及监测船监测到的第一温度数据、溶解氧数据、盐度数据和第一叶绿素数据。

3.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，所述多源遥感数据的获取步骤包括：

4.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，对多源遥感数据进行预处理，得到待监测区域数据，包括：

5.根据权利要求2所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测数据对处理后的数据进行插值拟合，得到特征数据，包括：

6.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，在将所述特征数据输入至支持向量机模型中进行训练之前，还包括：

7.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，所述形态学处理的方式包括图像的腐蚀、膨胀和二值化操作。

8.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，所述赤潮实时监测结果包括赤潮的分布面积、移动速度、移动方向以及赤潮的覆盖面积。

9.根据权利要求8所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，还包括：

技术总结
本发明提供了一种基于空天地一体化的赤潮准实时监测方法，包括：获取多源遥感数据和监测数据；对多源遥感数据进行预处理，得到待监测区域数据；分别依据水色层面、海温层面和光谱层面对海水区域数据进行处理，并根据监测数据对处理后的数据进行插值拟合，构建特征数据；将特征数据输入至支持向量机模型中进行训练，并将支持向量机模型的输出结果进行形态学处理，经过对模型多次迭代优化，得到训练好的支持向量机模型；将实测数据输入至训练好的支持向量机模型中，得到赤潮监测结果。本发明综合多源遥感、固定站点、水文气象等数据，从空天地三方面对赤潮发生前期、中期、后期做到全面监测。

技术研发人员：吴自勇,王玉林,侯波,齐钊
受保护的技术使用者：山东产研卫星信息技术产业研究院有限公司
技术研发日：
技术公布日：2024/1/13