[發明專利]基于多源衛星數據的湖泊水量時空變化分析方法及裝置

在審

• 申請號: 202011061648.1
• 申請日: 2020-09-30
• 公開（公告）號: CN112200050A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 林怡;超能芳;李鑫;張婷慧;宇潔;葉勤;謝光順;張文豪
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T7/62;G06N3/00;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 翁惠瑜

本發明涉及一種基于多源衛星數據的湖泊水量時空變化分析方法及裝置，該方法具體為：S1：通過衛星獲取湖泊的研究區域影像，對研究區域影像進行預處理，獲得影像分類圖，通過衛星獲取湖泊水位；S2：根據湖泊的影像分類圖和湖泊水位獲得湖泊水量的時間序列數據；小型湖泊的研究區域影像輸入KELM模型，獲得影像分類圖，大型湖泊的研究區域影像輸入訓練好的SVM模型，獲得影像分類圖；訓練過程為：采集實驗區圖像，將實驗區圖像上的像素點分為水體和非水體，構成訓練樣本，利用訓練樣本訓練KELM模型和SVM模型，其中，采用PSO算法對KELM模型進行參數尋優。與現有技術相比，本發明具有穩定性好、魯棒性好和效率高等優點。

技術領域

本發明涉及一種湖泊水量監測技術，尤其是涉及一種基于多源衛星數據的湖泊水量時空變化分析方法及裝置。

背景技術

湖泊水量變化是建立湖泊水量平衡關系，進而分析不同氣候區域水量平衡的主控因子，對于研究氣候變化和人類活動對區域水循環的影響具有重要的科學意義。湖泊是一個復雜的水循環系統，系統中每個水文過程均具有不確定性，這為提高湖泊水量變化研究的精確性帶來了較大困難。傳統的水資源調查有以水文觀測站為主的多種技術手段，結合湖底地形數據和實地觀測數據計算湖泊水容量，但難以進行大尺度大范圍精確定量評估，而不同類型的空間傳感器獲取的數據具有快速、全面、客觀和直觀掌握信息等優點，尤其對于環境惡劣、交通落后、地面監測臺站網稀少地區，幾乎是唯一可取的方法。近三十年來，隨著航天技術的發展，遙感和衛星大地測量技術提供了包括光學影像、干涉雷達觀測、衛星測高、重力觀測等用于物質遷移及變化長期觀測的新方法，并系統積累了大面積河流、湖泊/水庫衛星監測的數據和產品。

在進行湖泊水量變化研究時湖泊水表面積的檢測對于研究精度至關重要，光學傳感器憑借著高時間分辨率、高空間分辨率及低成本等優點，被廣泛應用于湖泊面積檢測及相關變化分析，也是目前湖泊水域面積變化研究的主要方法。對湖泊水域面積的確定，關鍵在于湖泊邊界的確定，然而，由于湖泊輪廓呈不規則狀態，且與周圍地物反差較大，因此可以利用遙感水體提取方法增強水體和非水體的區分度，方便快捷的對湖泊面積信息進行提取。較為傳統的方法包括單波段閾值法、多波段法等，這些方法提取水體操作過程中多用到較多邏輯判斷，自動化程度不高。隨著人工智能和機器學習理論和技術的發展，研究者提出了多種人工神經網絡方法來解決分類問題，主要以徑向基神經網絡、多層感知器網絡、自組織映射網絡、小波神經網絡及其他多種神經網絡分類方法等，并針對這些神經網絡提出了多種優化方法。雖然神經網絡具有較強的學習能力，但其學習速度比較慢且易限于局部最小，使得其在很多工程研究中得不到滿意的效率。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于多源衛星數據的湖泊水量時空變化分析方法及裝置，穩定性好，魯棒性好，效率高。

本發明的目的可以通過以下技術方案來實現：

一種基于多源衛星數據的湖泊水量時空變化分析方法，具體為：

S1：通過衛星獲取湖泊的研究區域影像，對研究區域影像中的水體和非水體進行分類，獲得影像分類圖，通過衛星獲取湖泊水位；

S2：根據湖泊的影像分類圖和湖泊水位采用幾何分析法或物理分析法獲得湖泊水量的時間序列數據；

其中，步驟S1的具體過程為：

根據先驗信息將湖泊分別為小型湖泊和大型湖泊，若湖泊為小型湖泊，則將該湖泊的研究區域影像輸入訓練好的KELM模型，獲得影像分類圖，否則將該湖泊的研究區域影像輸入訓練好的SVM模型，獲得影像分類圖；

所述的KELM模型的輸出函數f(x)的計算公式為：