基于多光谱影像的淡水养殖池塘溶解氧浓度监测方法与流程

本发明涉及光谱数据处理，具体涉及基于多光谱影像的淡水养殖池塘溶解氧浓度监测方法。

背景技术：

1、螃蟹水产养殖水体中的溶解氧浓度是决定螃蟹水产养殖成败的关键因素之一。溶解氧的浓度对螃蟹的生理特性和养殖效果具有重要影响，适量的溶解氧浓度有助于提高螃蟹的代谢效率、促进生长发育，而缺氧可能导致代谢异常和生长迟缓。此外，溶解氧浓度与螃蟹的行为表现和繁殖活动密切相关，充足的氧气有助于维持其正常行为和提高繁殖效果。大水面池塘水体中溶解氧浓度易受多种因素影响，不仅如此，水域内水质空间异质性也表现得十分显著，传统的传感器监测方法无法精准掌控整个养殖区的整体水质状况，若增加传感器数量则会导致监测成本增加，增加作业难度。因此，在螃蟹养殖产业中，实时、快速、精确地掌握池塘的溶解氧浓度，有助于提高养殖效率、促进螃蟹健康生长、降低养殖风险，为养殖池塘的科学管理和可持续养殖提供重要依据。

2、无人机遥感系统凭借其机动灵活、经济高效、低空飞行受大气干扰小、操作简单、影像空间分辨率高等优势，为中小内陆水体水质参数的分析和估测提供了便捷的手段，可以根据监测水域的特征制定具有针对性的监测方案。考虑到养殖池塘水质具有显著的空间变异性，为有效解决这一问题，我们充分利用了无人机成像技术的优势，其快速、灵活地获取高分辨率图像的特性为本发明提供了有效手段。

3、截止目前，对于溶解氧的监测方法大部分为人工取样法以及传统传感器监测法；而少数研究人员则利用神经网络法、时空预测模型等方法，将水质参数与气象环境等作为模型输入特征对溶解氧进行预测。虽然以上方法能获得较好的监测精度，但仅能获取水体中局部点位的溶解氧浓度信息，难以获取整个养殖池塘的溶解氧空间分布情况，无法解决养殖池塘全域范围内的水质空间异质性问题。

4、因此，为了全面掌握螃蟹养殖池塘的溶解氧浓度空间分布信息，研发了一种基于无人机多光谱影像的淡水养殖池塘的溶解氧的快速监测方法。以叶绿素a浓度和光谱指数作为溶解氧估测模型的输入特征以提高溶解氧的估测精度，并绘制溶解氧浓度空间分布图，为遥感技术在溶解氧的监测领域提供一种新的技术支撑。

技术实现思路

1、本发明主要针对淡水螃蟹养殖区，养殖区内的水深均在1米以内，且螃蟹养殖区内的水位随螃蟹成长而逐步加深，水深在持续变换，变化范围为0.3米至1米。由于人工取样和传感器监测等方法只能获取水体中局部点位的溶解氧浓度信息，无法全面掌握养殖池塘的溶解氧浓度空间分布信息，因而需要研发新的监测方法。

2、为了解决无法全面掌握养殖池塘的溶解氧浓度空间分布信息的问题，本专利提供基于多光谱影像的淡水养殖池塘溶解氧监测方法，能够有效地估测养殖池塘的溶解氧浓度，并绘制整个养殖池塘的溶解氧浓度空间分布信息，从而实现全面、实时、精确地监测养殖池塘的溶解氧浓度，为淡水螃蟹养殖池塘的溶解氧信息监测的智能化、数字化管理提供基础技术支撑。

3、为达到上述目的所采取的技术方案是：

4、基于多光谱影像的淡水养殖池塘溶解氧监测方法，包括如下步骤：

5、a.在螃蟹养殖基地，无人机对整个养殖池塘进行多光谱影像数据采集，针对局部养殖池塘同步采集水样数据，水样数据采集完成后送往实验室进行化学检验，获取对应的叶绿素a浓度和溶解氧浓度，获取的叶绿素a浓度和溶解氧浓度均划分为7:3，70％数据作为模型训练集数据，30％数据作为模型验证集数据；

6、b.基于步骤a获得的无人机多光谱影像数据，提取局部养殖池塘采集水样数据对应的最终光谱反射率数据，多光谱数据拥有5个波段数据，分别为蓝(r1)、绿(r2)、红(r3)、红边(r4)、近红外(r5)波段，其中心波长依次为[r1(450nm)，r2(560nm)，r3(650nm)，r4(730nm)，r5(840nm)]；需要根据实地采样点的空间位置所在像元为中心，构建6*6矩阵感兴趣区，取感兴趣区内光谱反射率的均值作为该采样点的最终光谱反射率。

7、c.利用步骤b中采集水样数据的最终光谱反射率数据，将各个波段的最终光谱反射率数据进行组合，通过加减乘除组合或者微分求导计算得到叶绿素a浓度或溶解氧浓度的光谱指数，根据相关性系数|r|>0.4，筛选满足条件的敏感光谱指数；相关性系数r的计算公式如下：

8、

9、其中，xi为叶绿素a浓度或溶解氧浓度的实测值，yi为叶绿素a浓度或溶解氧浓度对应的光谱指数，和分别是xi和yi的平均值；

10、d.基于步骤c筛选的溶解氧浓度的敏感光谱指数和叶绿素a浓度的敏感光谱指数，利用森林算法构建叶绿素a浓度估测模型和溶解氧浓度估测模型；将训练集数据对应的叶绿素a浓度的敏感光谱指数作为模型的输入特征，利用验证集数据对叶绿素a浓度进行估测，然后对叶绿素a浓度估测模型进行模型性能评估；将叶绿素a浓度估测值和溶解氧浓度的敏感光谱指数作为溶解氧浓度估测模型的输入特征，对溶解氧浓度进行估测，然后对溶解氧浓度估测模型进行模型性能评估；

11、评估时，使用决定系数r2、均方根误差rmse对叶绿素a浓度估测模型和溶解氧浓度估测模型的性能评估进行评价，当决定系数r2＞0.7且均方根误差rmse低于2μg/l则认为叶绿素a浓度估测模型性能好且满足要求；当决定系数r2＞0.7且均方根误差rmse低于3μg/l则认为溶解氧浓度估测模型性能好且满足要求；其中r2、rmse的计算公式具体如下：

12、

13、式中，ki为水质参数叶绿素a浓度与溶解氧浓度的预测值，为水质参数叶绿素a浓度与溶解氧浓度的实测值，为水质参数浓度与溶解氧浓度实测值的平均值，n为采样点数；

14、e.基于无人机采集的整个养殖池塘的多光谱影像数据，重复步骤c和步骤d，计算整个养殖池塘的叶绿素a浓度的敏感光谱指数；然后将整个养殖池塘的叶绿素a浓度的敏感光谱指数作为模型输入特征，导入步骤d中训练好的叶绿素a浓度估测模型，绘制整个养殖池塘的叶绿素a浓度空间分布图；

15、f.基于步骤c、步骤d和步骤e，计算整个养殖池塘的溶解氧浓度的敏感光谱指数，将整个养殖池塘的溶解氧浓度的敏感光谱指数和叶绿素a浓度空间分布图作为模型输入特征，导入步骤d中训练好的溶解氧浓度估测模型中，绘制整个养殖池塘的溶解氧浓度空间分布图。

16、进一步，所述步骤a中局部养殖池塘采集水样数据和无人机采集多光谱影像数据应选择在上午9时至10时或者下午15时至16时；局部养殖池塘采集水样数据时，采样深度为水下30厘米。水样采集数据方法为五点混合法，先利用不透明容器将采集的水样混合均匀；然后将水样分别装至2l和500ml不透明水瓶中，其中2l水样用于检测叶绿素a浓度，500ml水样用于检测溶解氧浓度，在2l采样水瓶中滴入2ml碳酸镁悬浊液，以防止酸化引起色素溶解；采集完成后，将2l和500m水瓶及时放入装有冰袋的保温箱中低温、避光保存、运输，8小时内送至实验室进行检验；水样数据的采集数量应不少于60个。

17、进一步，所述步骤b中局部养殖池塘采集水样数据对应的光谱反射率数据提取时，需要根据实地采样点的空间位置所在像元为中心，构建6*6矩阵感兴趣区，取感兴趣区内光谱反射率的均值作为该采样点的最终光谱反射率。

18、进一步，所述步骤d中在建模过程中，叶绿素a浓度估测模型和溶解氧浓度估测模型若无法达到评价标准，则需要建立更多的光谱指数，使用相关性更高的敏感光谱指数作为模型输入特征来提升估测模型的性能，并检查样本数据是否存在异常值，对异常值进行剔除处理，直到满足评价标准。

19、本发明专利所具有的有益效果为：

20、本发明为基于多光谱影像的淡水养殖池塘溶解氧浓度监测方法，基于光谱分析技术以及叶绿素a和溶解氧浓度的关系，能够有效地估测养殖池塘的溶解氧浓度，并绘制整个养殖池塘的溶解氧浓度空间分布信息，有助于实时、快速、精确地掌握池塘的溶解氧浓度空间分布信息，实现全面、实时、精确地监测养殖池塘的溶解氧浓度，为淡水螃蟹养殖池塘的溶解氧浓度信息监测的智能化、数字化管理提供基础技术支撑，提升水产品质量。