本发明涉及水环境遥感领域，具体是一种湖泊水质参数反演方法。
背景技术：
1、获得湖泊较高频率和较大范围的水质参数变化过程对于湖泊水资源管理、水环境治理、以及水生态修复等方面具有重要意义。
2、目前常规用于湖泊水质参数监测的方式主要为布设监测站点进行采样并在实验室进行样品检测获得各个水质参数的具体数值，但由于采样和测样成本，一方面点位布设数量有限，无法准确的表征全湖范围内的水质参数空间变化，另一方面采样频率也会相对较低，多为一个月甚至一个季度一次，无法较为连续的表征湖泊水质参数的时间变化。基于遥感影像进行水质参数反演是另一种湖泊水质参数监测方式，其监测范围较广，重访周期也相对较短即监测频率相对较高，但由于实测站点水质数据的数量缺乏，无法较好的建立遥感影像各个波段反射率与水质参数之间的关系，导致水质参数反演精度往往较低，难以满足监测湖泊水质时空动态变化的需求。
技术实现思路
1、本发明的目的在于提供一种湖泊水质参数反演方法，通过使用较少监测站点较低监测频率的水质数据驱动水生态模型，并在合适的模型参数率定后，获得较高频率的全湖范围内较高精度的水质参数模拟数据，将全湖范围内大量的水质参数模拟数据与遥感影像各个像元的波段反射率相对应构建大样本的数据集供机器学习训练学习湖泊遥感影像各个波段反射率与湖泊水质参数之间的关系，将新的遥感影像波段反射率代入训练好的机器学习模型中，即可获得整个湖泊范围内的水质反演参数，实现湖泊水质参数时空动态变化的监测。
2、为实现上述目的，本发明提供如下技术方案：
3、一种湖泊水质参数反演方法，所述方法包括以下步骤：
4、步骤s1：收集湖泊各个站点的水质监测数据以及湖泊上下游出入湖河流的水文水质监测数据；
5、步骤s2：采用水生态模型基于湖泊上下游出入湖河流的水文水质监测数据作为边界条件，进行湖泊水质参数的时空动态模拟，并采用湖泊各个站点的水质监测数据进行模型参数的率定验证；
6、步骤s3：获取湖泊对应的遥感影像数据并确定各个像元的中心坐标，基于像元中心坐标提取水生态模型中对应坐标点处的水质参数模拟数据；
7、步骤s4：提取遥感影像每个像元的各个波段的反射率，并将其与像元位置相匹配的水生态模型中的水质参数模拟值相对应，构成模型训练集，基于此训练集采用深度学习模型学习像元各个波段反射率与水生态模型对应位置模拟的水质参数之间的关系；
8、步骤s5：提取与湖泊各个站点对应位置的遥感影像像元对应的各个波段反射率，将波段反射率数据输入训练好的机器学习模型中，获得各个站点位置的水质参数反演值，并将水质参数反演值与对应的水质参数实测值进行对比，分析水质参数反演精度。
9、作为本发明进一步的技术方案，步骤s1中的湖泊中各个站点的水质监测数据包括逐月监测的溶解氧、氨氮和叶绿素a等水质参数，所述水文水质监测数据包括湖泊上游入湖水文数据、湖泊下游出湖水文数据和湖泊出入湖河流水质数据，湖泊上游入湖水文数据为逐日监测的湖泊上游流量，湖泊下游出湖水文数据为逐日监测的下游水位，湖泊出入湖河流水质数据为逐月监测溶解氧、氨氮和叶绿素a等水质参数。
10、作为本发明进一步的技术方案，步骤s2中的湖泊中采用的水生态模型为efdc模型，将边界条件输入efdc模型中，即可驱动efdc模型获得月尺度水质数据边界条件下的逐日甚至逐小时的湖泊内各个水质参数的时空动态模拟结果。
11、作为本发明进一步的技术方案，步骤s2中基于湖泊上下游出入湖河流的水文水质监测数据驱动efdc模型进行湖泊中水质参数的时空动态模拟时，进一步的采用湖泊中各个站点逐月监测的水质监测数据进行模型参数的率定和验证，其中将efdc模型在各个站点的水质参数模拟值和对应站点的实测值进行对比，并采用纳什效率系数nse和均方根误差rmse计算efdc模型在实测站点处的水质参数模拟误差，其中，nse和rmse的计算公式表示为式1和式2：
12、式1：；
13、式2：；
14、式中，表示测试集上第 i个步长各个模型的入库洪水预测值；表示测试集上第 i个步长的入库洪水实测值， n表示测试集的步长数，即测试集的长度；表示测试集上所有步长实测值的平均值；
15、通过不断地调整efdc的相关模型参数，使得各个站点处的nse和rmse达到较高的精度，即可认为efdc模型参数设置合理，可以准确的模拟整个湖泊的水质参数时空动态变化过程。
16、作为本发明进一步的技术方案，步骤s4中的遥感影像选取哨兵-2a卫星，其中哨兵-2a卫星共有13个波段，10m、20m以及60m分别包含4个波段（b2、b3、b4、b8）、6个波段（b5、b6、b7、b8a、b11、b12）以及3个波段（b1、b8、b9）；确定像元尺寸为60m，即每个像元为边长为60m的正方形，其包含36个10m分辨率的b2、b3、b4、b8波段、9个20m分辨率的b5、b6、b7、b8a、b11、b12波段，对于10m及20m分辨率的像元，60m尺寸像元内的各个波段对应于其所有10m及20m分辨率像元波段的平均值，经过平均处理后，每个60m的像元内则一共存在13个波段值，其中4个波段（b2、b3、b4、b8）为36个10m分辨率像元的平均值、6个波段（b5、b6、b7、b8a、b11、b12）为9个20m分辨率像元的平均值，3个波段（b1、b8、b9）则为60m分辨率像元对应的波段值。
17、作为本发明进一步的技术方案，步骤s4中提取每个60m分辨率的湖泊遥感影像像元后，计算每个像元的中心坐标，然后在水生态模型中提取各个像元中心坐标对应位置处的湖泊水质参数模拟值，以各个像元的13个波段反射率作为特征，将各个像元对应的水生态模型中水质参数的模拟值作为标签，构建特征、标签训练数据集。
18、作为本发明进一步的技术方案，步骤s4中获得基于各个像元的多个波段反射率与其对应位置的水生态模型水质参数模拟值构成的样本数据集后，采用机器学习模型xgboost学习特征和标签的关系，即进行xgboost模型的训练。
19、作为本发明进一步的技术方案，步骤s5中将湖泊中实测站点对应位置的遥感影像像元中的各个波段反射率作为特征输入至训练好的xgboost模型中，基于xgboost模型获得湖泊中对应实测站点的水质参数反演结果，并将其与实测站点的水质监测数据进行对比，采用nse计算水质参数反演精度，当水质参数反演精度评价指标nse处于0.5以下时，进一步的调整xgboost模型参数，直至nse到达预设的精度，预设的精度可以为0.7，此时表明水质参数反演精度较好，效果较好。
20、与现有技术相比，本发明的有益效果是：
21、本发明提供了一种湖泊水质参数反演方法，旨在通过少量监测站点的低频水质监测数据驱动水生态模型获得高频连续大范围的湖泊高精度水质参数模拟数据，并基于此模拟数据与遥感影像数据进行机器学习模型的训练获得遥感影像各个像元波段反射率与湖泊水质参数的对应关系，进而采用监测频率高监测范围广的遥感影像基于学到的对应关系实现湖泊水质参数的较为连续和较大范围的高频时空动态变化监测。
1.一种湖泊水质参数反演方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种湖泊水质参数反演方法，其特征在于，步骤s1中的湖泊中各个站点的水质监测数据包括逐月监测的溶解氧、氨氮和叶绿素a，所述湖泊上下游出入湖河流的水文水质监测数据包括湖泊上游入湖水文数据、湖泊下游出湖水文数据和湖泊出入湖河流水质数据，湖泊上游入湖水文数据为逐日监测的湖泊上游流量，湖泊下游出湖水文数据为逐日监测的下游水位，湖泊出入湖河流水质数据为逐月监测溶解氧、氨氮和叶绿素a。
3.根据权利要求1所述的一种湖泊水质参数反演方法，其特征在于，步骤s2中的湖泊中采用的水生态模型为efdc模型，将边界条件输入efdc模型中，即可驱动efdc模型获得月尺度水质数据边界条件下逐日的湖泊内各个水质参数的时空动态模拟结果。
4.根据权利要求3所述的一种湖泊水质参数反演方法，其特征在于，步骤s2中基于湖泊上下游出入湖河流的水文水质监测数据驱动efdc模型进行湖泊中水质参数的时空动态模拟时，进一步的采用湖泊中各个站点逐月监测的水质监测数据进行模型参数的率定和验证，其中将efdc模型在各个站点的水质参数模拟值和对应站点的实测值进行对比，并采用纳什效率系数nse和均方根误差rmse计算efdc模型在实测站点处的水质参数模拟误差，其中，nse和rmse的计算公式表示为式1和式2：
5.根据权利要求4所述的一种湖泊水质参数反演方法，其特征在于，步骤s4中的遥感影像选取哨兵-2a卫星，其中哨兵-2a卫星共有13个波段，10m、20m以及60m分别包含4个波段、6个波段以及3个波段；确定像元尺寸为60m，即每个像元为边长为60m的正方形，其包含36个10m分辨率的b2、b3、b4、b8波段、9个20m分辨率的b5、b6、b7、b8a、b11、b12波段，对于10m及20m分辨率的像元，60m尺寸像元内的各个波段对应于其所有10m及20m分辨率像元波段的平均值，经过平均处理后，每个60m的像元内则一共存在13个波段值，其中4个波段为36个10m分辨率像元的平均值、6个波段为9个20m分辨率像元的平均值，3个波段则为60m分辨率像元对应的波段值。
6.根据权利要求5所述的一种湖泊水质参数反演方法，其特征在于，步骤s4中提取每个60m分辨率的湖泊遥感影像像元后，计算每个像元的中心坐标，然后在水生态模型中提取各个像元中心坐标对应位置处的湖泊水质参数模拟值，以各个像元的13个波段反射率作为特征，将各个像元对应的水生态模型中水质参数的模拟值作为标签，构建特征、标签训练数据集。
7.根据权利要求6所述的一种湖泊水质参数反演方法，其特征在于，步骤s4中获得基于各个像元的多个波段反射率与其对应位置的水生态模型水质参数模拟值构成的样本数据集后，采用机器学习模型xgboost学习特征和标签的关系。
8.根据权利要求7所述的一种湖泊水质参数反演方法，其特征在于，步骤s5中将湖泊中实测站点对应位置的遥感影像像元中的各个波段反射率作为特征输入至训练好的xgboost模型中，基于xgboost模型获得湖泊中对应实测站点的水质参数反演结果，并将其与实测站点的水质监测数据进行对比，采用nse计算水质参数反演精度，当水质参数反演精度评价指标nse处于0.5以下时，进一步的调整xgboost模型参数，直至nse到达预设的精度。
