水质参数的遥感估计方法和装置
- 国知局
- 2024-11-06 14:23:26
本公开涉及遥感影像深度学习,尤其涉及一种水质参数的遥感估计方法、装置、电子设备、非暂态计算机可读存储介质以及计算机程序产品。
背景技术:
1、随着社会经济与科技发展,人们对环境的保护意识也越来越强。其中对河流、湖泊等水体的水质参数监测是一个重要领域。在实现水质参数监测的相关技术中,基于遥感影像的水质参数估计是目前比较热门的研究方向。
2、目前现有技术主要基于机器学习或深度学习的方式实施利用遥感影像的水质参数估计;但是由于机器学习或深度学习都需要样本数据(通常是基于时空分布的实地水质数据)训练模型,而收集、测试和生产实地样本数据既耗时又昂贵(涉及化学试剂、设备和劳动力成本等),因此目前现有技术的方案面临样本标注数据(水质参数样本真值)稀缺的问题。为解决上述问题,本领域相关技术人员采用迁移学习的方式来训练机器学习或深度学习模型;但是所述迁移学习的方式只适用于有限范围的目标水体,如果两个水体在地理位置上很远或者水体周边环境相差较大,那么基于目标水体数据微调模型的效果可能很差。
3、因此,如何在真实样本数据稀缺的情况下,实现一种基于深度学习的水质参数的遥感估计方法,成为目前亟需解决的问题。
技术实现思路
1、本公开提供一种水质参数的遥感估计方法、装置、电子设备、非暂态计算机可读存储介质以及计算机程序产品,用以解决现有技术中的缺陷。
2、本公开提供一种水质参数的遥感估计方法,包括:
3、获取目标水体的多光谱遥感影像;其中,所述目标水体为需要进行水质参数估计的水域;
4、将所述多光谱遥感影像输入预训练光谱特征生成模型,经由所述预训练光谱特征生成模型输出光谱特征向量;其中,所述预训练光谱特征生成模型基于至少一组第一训练数据训练得到,所述至少一组第一训练数据中的每组第一训练数据包括一个锚点样本影像块、一个邻近样本影像块、一个远距样本影像块以及一个时间邻近样本影像块,所述第一训练数据中的各个样本影像块,基于多光谱遥感样本影像以及与所述多光谱遥感样本影像空间匹配的土地利用样本影像确定;
5、将所述光谱特征向量输入预训练水质参数估计模型,经由所述预训练水质参数估计模型输出关于所述目标水体的水质参数;
6、其中,所述预训练水质参数估计模型基于至少一组第二训练数据训练得到,所述至少一组第二训练数据中的每组第二训练数据包括样本光谱特征向量与水质样本数据,其中,所述用于生成所述样本光谱特征向量的多光谱遥感样本影像块,与所述水质样本数据在时间与空间上匹配。
7、本公开还提供一种水质参数的遥感估计装置,包括:
8、影像获取模块,被配置为:获取目标水体的多光谱遥感影像;其中,所述目标水体为需要进行水质参数估计的水域;
9、光谱特征生成模块,被配置为:将所述多光谱遥感影像输入预训练光谱特征生成模型,经由所述预训练光谱特征生成模型输出光谱特征向量;
10、其中,所述预训练光谱特征生成模型基于至少一组第一训练数据训练得到,所述至少一组第一训练数据中的每组第一训练数据包括一个锚点样本影像块、一个邻近样本影像块、一个远距样本影像块以及一个时间邻近样本影像块,所述第一训练数据中的各个样本影像块,基于多光谱遥感样本影像以及与所述多光谱遥感样本影像空间匹配的土地利用样本影像确定;
11、水质参数估计模块,被配置为:将所述光谱特征向量输入预训练水质参数估计模型,经由所述预训练水质参数估计模型输出关于所述目标水体的水质参数;
12、其中,所述预训练水质参数估计模型基于至少一组第二训练数据训练得到,所述至少一组第二训练数据中的每组第二训练数据包括样本光谱特征向量与水质样本数据,其中,所述用于生成所述样本光谱特征向量的多光谱遥感样本影像块,与所述水质样本数据在时间与空间上匹配。
13、本公开还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述水质参数的遥感估计方法。
14、本公开还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述水质参数的遥感估计方法。
15、本公开还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述水质参数的遥感估计方法。
16、如上所述,本公开实施例提供的水质参数的遥感估计方法,利用预训练光谱特征生成模型,可以基于目标水体的多光谱遥感影像输出光谱特征向量;然后以所述光谱特征向量作为预训练水质参数估计模型的输入,得到关于所述目标水体的高准确率水质参数;即,可实现对目标水体的水质参数的高准确率遥感估计。其中,由于预训练光谱特征生成模型,是在样本真值(即,样本水体水质监测数据)稀缺的情况下,基于多光谱遥感样本影像的元特征向量构建的四元组影像块(即,第一训练数据所包括的锚点样本影像块、邻近样本影像块、远距样本影像块以及时间邻近样本影像块)训练得到的,并且该预训练光谱特征生成模型输出的光谱特征向量,回归到下游任务的水质参数估算中所得结果准确率较高。
17、综上所述,本公开实施例提供的水质参数的遥感估计方法,在一定程度上克服了现有技术存在的”在少样本情况下,水质参数估计准确率低”的问题,实现高准确度光学活性水质参数的遥感估计;即,在少样本条件下实现对目标水体的高精度水质参数反演。
技术特征:1.一种水质参数的遥感估计方法,包括:
2.根据权利要求1所述的遥感估计方法,其特征在于,所述预训练光谱特征生成模型包括级联的第一残差网络、第二残差网络、第三残差网络、第四残差网络、第五残差网络以及线性层;
3.根据权利要求1所述的遥感估计方法,其特征在于,所述预训练光谱特征生成模型的训练步骤包括:
4.根据权利要求3所述的遥感估计方法,其特征在于,所述利用第一预设损失函数,基于所述每组第一训练数据对应的所述锚点影像块向量、邻近影像块向量、远距影像块向量以及时间邻近影像块向量,获取所述第一预设损失函数的函数值,包括:
5.根据权利要求3所述的遥感估计方法,其特征在于,所述基于所述第一预设损失函数的函数值,对所述待训练光谱特征生成模型进行训练,直至满足第一预设训练完成条件,包括:
6.根据权利要求1所述的遥感估计方法,其特征在于,所述预训练水质参数估计模型包括随机森林回归网络。
7.根据权利要求6所述的遥感估计方法,其特征在于,所述预训练水质参数估计模型的训练步骤包括:
8.根据权利要求7所述的遥感估计方法,其特征在于,所述利用第二预设损失函数,基于所述每组第二训练数据对应的水质样本数据与所述水质参数估计值,获取所述第二预设损失函数的函数值,包括:
9.根据权利要求7所述的遥感估计方法,其特征在于,所述基于所述第二预设损失函数的函数值,对所述待训练水质参数估计模型进行训练,直至满足第二预设训练完成条件,包括:
10.一种水质参数的遥感估计装置,包括:
技术总结本公开提供一种水质参数的遥感估计方法和装置,其中,方法包括:获取目标水体的多光谱遥感影像;其中,目标水体为需要进行水质参数估计的水域;将多光谱遥感影像输入预训练光谱特征生成模型,经由光谱特征生成模型输出光谱特征向量;将光谱特征向量输入预训练水质参数估计模型,经由预训练水质参数估计模型输出关于目标水体的水质参数。本公开实施例提供的水质参数的遥感估计方法,可在少样本条件下实现对目标水体的高精度水质参数反演。技术研发人员:卜方玲,罗子昂,杨一明,胡译匀,张媛受保护的技术使用者:武汉大学技术研发日:技术公布日:2024/11/4本文地址:https://www.jishuxx.com/zhuanli/20241106/321757.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表