详情

原文传递多源数据融合与环境污染源及污染物分布分析方法

专利名称：	多源数据融合与环境污染源及污染物分布分析方法
摘要：	本发明提供多源数据融合与环境污染源及污染物分布分析方法，其具体主要由数据预处理、气溶胶反演、PM2.5反演组成；所述数据预处理通过对原始遥感数据进行系列处理，输出达到模型运算要求的数据，作为反演模块的数据基础，数据预处理针对遥感监测所用到的大气遥感数据进行预处理操作，数据预处理的过程包括几何校正与辐射校正方法、高精度影像配准方法、多源卫星数据融合方法、去云及阴影处理和大气校正环节；本发明以GF系列数据为主要遥感数据源，结合地面监测设备，研制颗粒物PM2.5的污染遥感监测并绘制专题图，为京津冀空气质量监测与管理工作提供遥感技术与信息支持。
专利类型：	发明专利
国家地区组织代码：	河北;13
申请人：	河北中科遥感信息技术有限公司
发明人：	郝震寰;黄瑶;陈旭
专利状态：	有效
申请日期：	2018-12-19T00:00:00+0800
发布日期：	2019-08-30T00:00:00+0800
申请号：	CN201811566740.6
公开号：	CN110186820A
代理机构：	天津英扬昊睿专利代理事务所(普通合伙)
代理人：	卢平
分类号：	G01N15/06(2006.01);G;G01;G01N;G01N15
申请人地址：	066100 河北省秦皇岛市经济技术开发区数谷大厦901房
主权项：	1.多源数据融合与环境污染源及污染物分布分析方法，其具体主要由数据预处理、气溶胶反演、PM2.5反演组成；所述数据预处理通过对原始遥感数据进行系列处理，输出达到模型运算要求的数据，作为反演模块的数据基础，数据预处理针对遥感监测所用到的大气遥感数据进行预处理操作，数据预处理的过程包括几何校正与辐射校正方法、高精度影像配准方法、多源卫星数据融合方法、去云及阴影处理和大气校正环节；所述气溶胶反演基于GF卫星数据结合地面点监测数据，选择适环境的估算方法/模型，建立适合多源卫星数据的反演模型库，提高反演精度，实现对气溶胶光学厚度、颗粒物浓度(PM2.5)的监测，生成相应的专题产品、并对颗粒物污染的卫星监测结果进行时、空多尺度合成、统计分析与验证，生成专题图与报告；所述气溶胶反演采用黑暗像元法、光谱消光法、结构函数法、大气透过率法方法；全球或区域PM2.5浓度监测产品对于气候研究或区域环境空气质量检测具有重要的作用，目前，国际上基于遥感数据反演PM2.5浓度的算法主要是建立在气溶胶光学厚度(AOD)研究基础之上的，通过建立AOD-PM2.5关系模型来估算PM2.5浓度的空间分布，近年来，随着遥感技术的不断发展，以高分卫星数据源为基础，结合AOD数据与PM2.5之间的特定关系，建立PM2.5估算模型，进行PM2.5浓度监测。 2.按照权利要求1所述的多源数据融合与环境污染源及污染物分布分析方法，其特征在于所述几何校正方法与辐射精校正方法主要是通过遥感图像的精纠来消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像，辐射校正是指消除或改正遥感图像成像过程中附加在传感器输出的辐射能量中的各种噪声的过程；高精度影像配准方又称影像匹配的方法，实质上是在两幅或多幅影像之间识别同名点，影像匹配的方法大致可分为三类：1)基于影像灰度的匹配；通过在两影像上一定尺寸的窗口中比较灰度分布相似程度，在灰度层次上进行匹配；2)基于影像特征的匹配；先在两张影像上提取特征(如边缘等)，然后对特征进行比较来确定同名影像，特征的相似度可用如边缘线的形状、灰度在边缘处梯度变化的正负等来度量；3)基于影像理解和解释的匹配；用从两影像中提出的语义信息确定同名影像；多源卫星数据融合方法包括加权融合、基于IHS变换的图像融合、基于主分量变换的图像融合(K－L变换法)、基于小波变换的图像融合、值变换融合、基于特征的图像融合、基于分类的图像融合、源卫星数据融合流程、多光谱数据和高空间分辨率数据融合；所述去云及阴影处理是遥感图像处理以及大气纠正的重要步骤，遥感图像去云的关键技术是云团及其阴影的检测技术，云团在图像中是亮度值最高的目标，其形状呈不规则团状，而阴影是图像中亮度较低的目标；影像中云有厚云和薄云之分，通常的去云技术是基于薄云的，厚云因严重影响地物光谱的反射，一般会产生阴影，厚云区则可以采用影像匹配替换法进行去除，利用多时相图像去云技术；目前已有技术的出发点:在影像中，云团是图像中亮度最高的目标，而且其形状呈不规则团状，而阴影是图像中亮度较低的目标，通过太阳方位角的联系和云之间形成共生关系，还可以通过直接目视解读的方法来确定厚云区、薄云区和非云区，对于薄云区利用同态滤波法，对于厚云区域，采用影像匹配法。 3.按照权利要求1所述的多源数据融合与环境污染源及污染物分布分析方法，其特征在于所述几何校正方法与辐射精校正方法包括多项式几何校正方法、共线方程几何校正方法、有理函数几何校正方法、随机场插值法几何校正方法、辐射精校正方法。 4.按照权利要求1所述多源数据融合与环境污染源及污染物分布分析方法，其特征在于所述高精度影像配准方法利用国内外现有类同卫星数据和高精度地面控制测量数据，针对光学成像卫星数据的结构特征提取和匹配模型算法研究与验证，制订处理流程，所述高精度影像配准方法包括以下方法：相似性测度法：相似性测度法是一种基于灰度的影像匹配算法，包括：相关函数(矢量数积)测度、协方差函数(矢量投影)测度、相关系数(矢量夹角)测度、差平方和(差矢量模)测度、差绝对值和(差矢量分量绝对和)测度，实际中常采用相关系数测度，由于灰度矢量经线性变换后相关系数是不变的，因此当目标影像的灰度与搜索影像的灰度之间存在线性畸变时，相关系数测度仍然能够较好地评价它们之间的相似性程度；最小二乘影像匹配：最小二乘影像匹配是一种基于“灰度差的平方和最小”的高精度影像匹配方法。在影像匹配中可以灵活地引入各种已知参数和条件，进行整体平差。它可以方便地引入粗差检测，从而提高影像匹配的可靠性；特征匹配：基于特征的影像匹配可以分为点、线、面的特征匹配，它可以灵活利用各种特征提取和特征定位算子，在很大的范围内进行匹配，特征的提取和定位直接影响到匹配结果的精度；跨接法影像匹配正是一种改进了的特征匹配算法，它在相关之前预先消除了几何变形的影响，跨接法首先利用特征分割法来提取特征；然后左影像的两个待匹配特征点构成一个曲边梯形目标窗口，右影像上备选特征点相应于左影像窗口构成了形状不同的搜索窗口，匹配之前先对右窗口相对于左窗口进行重采样，使其从长度等于左影像目标窗口，然后再计算相应两个窗口的相关系数，由于它首先对搜索窗口进行重采样，从而补偿了由坡度产生的几何变形，提高了匹配的可靠性；整体匹配：整体影像匹配算法考虑解的相容性、一致性和整体协调性，从而提高影像匹配的可靠性，在所有的整体影像匹配算法中都有一个目标函数，它在动态规划影像匹配中称为代价函数，在松弛法影像匹配中称为全局一致性兼容函数，在神经网络影像匹配中称为能量函数，整体影像匹配算法主要包括以下几种： ①多点(片)最小二乘影像匹配 ②动态规划法 ③松弛法 ④人工神经元网络法 ⑤基于遗传算法的匹配。 5.按照权利要求1所述多源数据融合与环境污染源及污染物分布分析方法，其特征在于所述气溶胶光学厚度、颗粒物浓度(PM2.5)监测可用地面监测设备监测。
所属类别：	发明专利