基于遥感和空间大数据技术的水生态环境综合评估方法与流程

本发明基于遥感和空间大数据技术的水生态环境综合评估方法，涉及数据分析领域。

背景技术：

1、现有的关于水生态环境综合评估方法存在以下不足：

2、数据需求量大：现有的评估方法通常需要大量的监测数据来支持评估过程，但这些数据有大部分对水生态环境的影响小或没有影响，并且，过多的数据还会增加数据处理工程和分析过程的负担。

3、评估方式匮乏：现有的评估方法大多采用数值比对或阈值分析的方法，只能在短期内对某个地区的水环境进行分析，不适用于长期的水环境分析；并且在使用数值比对或阈值分析的方法时，还需专业人员测算阈值，影响分析效率。

4、缺乏时间与空间的变化：现有的评估方法在进行水环境分析时，大多都假定目标地区的水环境不变，再对获取的数据进行拟合；这种分析方法，缺乏水环境随时间或空间的变化，实时性不强且有较大误差。

技术实现思路

1、针对现有技术存在的不足，本发明目的是提供基于遥感和空间大数据技术的水生态环境综合评估方法，旨在解决水环境评估效率低的问题。

2、为了实现上述目的，本发明是通过如下的技术方案来实现：基于遥感和空间大数据技术的水生态环境综合评估方法包括：

3、步骤s1：获取目标地区的航拍图片，根据航拍图片获取目标地区的河流面积和植被面积；获取目标地区内河流的平均流量、平均含沙量和平均污染量，作为河流参数；

4、步骤s2：获取目标地区的标准降雨量和历史降雨量，根据标准降雨量判断目标地区的降雨是否存在规律性；若存在，则以历史降雨量为基准，使用最大似然估计预估目标地区本月的降雨量；若不存在，则以历史降雨量和标准降雨量为基准，使用状态转移矩阵预估目标地区本月的降雨量；

5、步骤s3：获取目标地区的历史河流参数，根据历史河流参数构建河流量—植被—含沙量的关系方程和污染扩散的模拟方程；使用关系方程和模拟方程，分析河流参数，得到水环境分析报告；

6、步骤s4：持续获取河流参数，并更新水环境分析报告。

7、进一步地，所述步骤s2的具体步骤如下：

8、步骤s21：获取当前月份，记作m；以目标地区近三个月为标准月，即m3月、m2月和m1月为标准月；

9、获取标准月内每日的降雨量作为标准降雨量，记作rc1、rc2～rcdm；其中，dm表示标准月的总天数；rc1表示第1天的降雨量；rc2表示第2天的降雨量；以此类推，rcdm表示第dm天的降雨量；

10、计算rc1～rcdm的平均值记作arc；计算rc1～rcdm的方差记作s2；

11、步骤s22：以m3月、m2月、m1月和m为参照月；

12、获取近三年参照月内每日的降雨量，作为历史降雨量，得到：

13、第一年，参照月内每日的降雨量：rⅰ1、rⅰ2～rⅰdm～rⅰdm＋d；

14、其中，rⅰ1表示第一年参照月内第1天的降雨量；rⅰ2表示第一年参照月内第2天的降雨量；以此类推，rⅰdm表示第一年参照月内第dm天的降雨量；rⅰdm＋d表示第一年参照月内第（dm＋d）天的降雨量；

15、第二年，参照月内每日的降雨量：rⅱ1、rⅱ2～rⅱdm～rⅱdm＋d；

16、其中，rⅱ1表示第二年参照月内第1天的降雨量；rⅱ2表示第二年参照月内第2天的降雨量；以此类推，rⅱdm表示第二年参照月内第dm天的降雨量；rⅱdm＋d表示第二年参照月内第（dm＋d）天的降雨量；

17、第三年，参照月内每日的降雨量：rⅲ1、rⅲ2～rⅲdm～rⅲdm＋d；

18、其中，rⅲ1表示第三年参照月内第1天的降雨量；rⅲ2表示第三年参照月内第2天的降雨量；以此类推，rⅲdm表示第三年参照月内第dm天的降雨量；rⅲdm＋d表示第三年参照月内第（dm＋d）天的降雨量；

19、其中，d表示m月的天数；

20、步骤s23：定义变点的判断条件：

21、设{rc1～rcdm}中的一组断点为：rcr和rcp，即rcr和rcp∈{rc1～rcdm}；

22、若rcr和rcp满足以下条件，则说明目标地区的降雨量符合正态分布，（rcr，rcp）是rc1～rcdm的一组变点，rcr～rcp是rcr和rcp的规律区段；rcr和rcp满足的条件如下：

23、rcr≠rcp；

24、[n（arc（r→p），s2），rcr～rcp]；

25、[（rc1≤rcr）∩（rcp≤rcdm）]；

26、其中，arc（r→p）表示rc1～rcdm中rcr～rcp的平均值。

27、进一步地，所述步骤s23的后续步骤如下：

28、步骤s24：将目标地区本月的降雨量，记作ee；

29、根据变点的判断条件，判断rc1～rcdm中是否存在变点；

30、若存在，则说明目标地区的降雨量存在规律性，使用最大似然估计预估目标地区本月的降雨量，进入步骤s25；

31、若不存在，则说明目标地区的降雨量无规律性；以历史降雨量和标准降雨量为基准，使用状态转移矩阵预估目标地区本月的降雨量，进入步骤s26；

32、步骤s25：统计rc1～rcdm中的变点数量，记作he；统计每组变点对应的规律区段总数，记作zo，zo＝he/2；

33、计算第1个规律区段内全部数据的平均值和方差记作，ax（1）和s2（1）；

34、计算第2个规律区段内全部数据的平均值和方差记作，ax（2）和s2（2）；

35、依此类推，计算第zo个规律区段内全部数据的平均值和方差记作，ax（zo）和s2（zo）；

36、使用最大似然估计预估目标地区的降雨量，确定ee的值；

37、步骤s26：根据历史降雨量和标准降雨量，使用状态转移矩阵预估目标地区本月的降雨量，确定ee的值；

38、步骤s27：将ee作为河流量—植被—含沙量的关系方程和污染扩散的模拟方程的输入，进入步骤s3。

39、进一步地，所述步骤s25的具体步骤如下：

40、步骤s251：设规律区段的编号为j，j的取值范围为1～zo；

41、构造rc1～rcdm的初级均值周期函数记作ax（j），初级方差周期函数记作s2（j）；

42、初级均值周期函数：ax（j）＝ao×cos（ω×j）＋bo×sin（ω×j）＋co；

43、初级方差周期函数：s2（j）＝do×cos（ω×j）＋eo×sin（ω×j）＋fo；

44、其中，ao、bo和co是初级均值周期函数的待估参数；do、eo和fo是初级方差周期函数的待估参数；ω表示角频率，ω＝（2π）/dm；

45、步骤s252：将ax（1）～ax（zo）和s2（1）～s2（zo）依次代入初级均值周期函数和初级方差周期函数中，计算ao、bo和co对应的值，记作a、b和c；计算do、eo和fo的值，记作d、e和f；

46、得到均值周期函数记作ax-f（j），ax-f（j）＝a×cos（ω×j）＋b×sin（ω×j）＋c；

47、方差周期函数记作s2-f（j），s2-f（j）＝d×cos（ω×j）＋e×sin（ω×j）＋f；

48、步骤s253：设日期为dd，时间变量为t，t＝dd＋dm；

49、利用傅里叶级数，对ax-f（j）和s2-f（j）进行拟合，并拓宽j的表示范围；

50、步骤s254：读取第1至第zo个规律区段内，降雨量的最大值记作rc（max）；

51、获取m1月的总降雨量，记作ry；

52、将目标地区降雨量与时间的函数表达式记作rr（t），rr（t）的数学表达式为：

53、；其中，exp表示以e为底的指数函数；

54、步骤s255：获取当前日期记作dt；

55、将dt代入rr（t）中的t中并计算，得到rr（dt）；

56、将rr（dt）作为ee的值。

57、进一步地，所述步骤s253的具体步骤如下：

58、步骤s2531：用变量t替换ax-f（j）中的变量j，得到混合函数ax-f（t），并对ax-f（j）进行拟合；

59、将ax-f（t）的傅里叶展开式的通项公式记作fa（t），fa（t）的数学表达式为：

60、；

61、其中，i表示第j个规律区段对应的时间；

62、ao表示零次项系数，an表示余弦项系数，bn表示正弦项系数；ao、an和bn的值都为1；

63、步骤s2532：以ax-f（j）为被积函数，依次计算ao、an和bn的积分，得到aao、aan和abn；

64、aao的计算式如下：

65、；

66、aan的计算式如下：

67、；

68、abn的计算式如下：

69、；

70、使用aao、aan和abn替换fa（t）中的ao、an和bn，得到fa（t）的时间—均值方程，记作a（t）；

71、步骤s2533：用变量t替换s2-f（j）中的变量j，得到混合函数s2-f（t），重复对x-f（t）进行拟合的相同步骤，得到时间—方差方程，记作s2（t）。

72、进一步地，所述步骤s26的具体步骤如下：

73、步骤s261：计算rⅰ1～rⅰdm的平均值，记作rⅰa；计算rⅰdm+1～rⅰdm＋d的平均值，记作rab；

74、计算rⅱ1～rⅱdm的平均值，记作rⅱa；计算rⅱdm+1～rⅱdm＋d的平均值，记作rbb；

75、计算rⅲ1～rⅲdm的平均值，记作rⅲa；计算rⅲdm+1～rⅲdm＋d的平均值，记作rcb；

76、步骤s262：将第三年到第二年的降雨量变化率记作up（3-2），up（3-2）的计算式如下：

77、up（3-2）＝1－（rⅲa/rⅱa）；

78、将第二年到第一年的降雨量变化率记作up（2-1）,up（2-1）的计算式如下：

79、up（2-1）＝1－（rⅱa/rⅰa）；

80、将第一年到今年的降雨量的变化率记作up（0），up（0）的计算式如下：

81、up（0）＝1－（rⅰa/arc）；

82、步骤s263：以up（0）、up（3-2）和up（2-1）,以及rab、rbb和rcb；构建状态转移矩阵，记作矩阵b；

83、矩阵b的数学表达式如下：

84、；其中，n表示矩阵b的迭代次数，×表示矩阵乘法；n为自然数，n的初始值为1；矩阵b每迭代一次，n便在原有的基础上加1；

85、使用numpy库函数迭代矩阵b，得到稳态转移矩阵，记作矩阵c；

86、定义2×1阶的接收矩阵{1/2,1/2}，记作矩阵d；

87、计算矩阵c乘以矩阵d的值，作为ee的值。

88、进一步地，所述步骤s3的具体步骤如下：

89、步骤s31：获取目标地区近五年的平均河流量、平均植被覆盖面积和平均河流含沙量；

90、近五年的平均河流量，记作ri1、ri2、ri3、ri4、ri5；

91、近五年的平均植被覆盖面积，记作ve1、ve2、ve3、ve4、ve5；

92、近五年的平均河流含沙量，记作tu1、tu2、tu3、tu4、tu5；

93、其中，ri1、ve1和tu1，分别表示近一年的平均河流量、平均植被覆盖面积和平均河流含沙量；ri2、ve2和tu2，分别表示近二年的平均河流量、平均植被覆盖面积和平均河流含沙量；依此类推，ri5、ve5和tu5，分别表示近五年的平均河流量、平均植被覆盖面积和平均河流含沙量；

94、步骤s32：计算ri1～ri5的平均值记作ari；计算ve1～ve5的平均值记作ave；计算tu1～tu5的平均值记作atu；

95、计算ri1～ri5的标准差记作sri；计算ve1～ve5的标准差记作sve；计算tu1～tu5的标准差记作stu；

96、计算河流量关于植被覆盖面积的关系系数，记作b1；b1的计算式如下：

97、；其中，rii表示近i年的平均河流量；vei表示近i年的平均植被覆盖面积；

98、计算植被覆盖面积关于河流含沙量的关系系数，记作b2；b2的计算式如下：

99、；其中，tui表示近i年的平均河流含沙量；

100、步骤s33：以河流流量为自变量x；

101、定义河流与植被覆盖面积的关系方程，记作方程p（x）；p（x）的数学表达式为：

102、p（x）＝b1×x＋sc0；其中，sc0表示方程p（x）的待估参数，sc0的初始值为0；

103、将ri1～ri5和ve1～ve5，代入p（x）中，计算sc0的值，得到sc；p（x）的最终表达式为：

104、p（x）＝b1×x＋sc；

105、步骤s34：以植被覆盖面积为自变量z，定义河流量—植被—含沙量的关系方程，记作方程g（x）；g（x）的数学表达式为：

106、g（x）＝p（x）＋b2×z＋cs0；其中，cs0表示方程g（x）的待估参数，cs0的初始值为0；

107、将ri1～ri5、ve1～ve5和tu1～tu5，代入g（x）中，计算cs0的值，得到cs；g（x）的最终表达式为：

108、g（x）＝p（x）＋b2×z＋cs。

109、进一步地，所述步骤s34的后续步骤如下：

110、步骤s35：获取目标地区的面积，记作sc；将sc的平方根记作j，对sc进行连续开方，直至j∈(0，10]；

111、根据目标地区的航拍图片，使用gis提取并构建河流区域的网格模型；

112、以目标地区的东北端为原点，以j×j为划分大小，对网格模型进行划分，并把河流区域映射到二维坐标系中；二维坐标系中的点表示河流的位置；

113、根据二维坐标系，构建河流污染扩散的模拟方程；

114、步骤s351：设河流中的（p，q）处存在污染，（p，q）处的污染物浓度为c（p，q）；

115、设横轴方向的污染扩散系数为dx，纵轴方向的污染扩散系数为dy，污染物的衰减系数为kk；

116、dx与dy关系满足：

117、dy＝[（dx×rh＋dx×rb）/2]×（g×rh×hj）1/2；其中，rh表示河流深度，rb表示河流的宽度，hj表示河流的水力比降；

118、步骤s352：定义河流污染扩散的模拟方程，记作t（p,q）；t（p,q）的数学表达式为：

119、t（p,q）＝{dx×[c（p，q）]2/p2}＋{dy×[c（p，q）]2/q2}－{kk×c（p，q）}；

120、步骤s36：将河流参数中的河流面积记作rs，植被面积记作vs，平均流量记作rd，平均含沙量记作tb，平均污染量记作ap；

121、计算河流流量的增加量，记作δri，δri＝ee/rs；

122、将（rd＋δri）和vs，分别代入方程p（x）和g（x）中，计算目标地区的额定含沙量，记作ttu；

123、比较ttu与tb的大小；

124、若ttu≤tb，则说明目标地区的水土流失较轻；

125、若ttu＞tb，则说明目标地区的水土流失较重；

126、步骤s37：获取目标地区排污口的位置记作（m，n），污染物的浓度记作po；

127、使用m替换参数p，用n替换参数q，用po替换参数c（p，q），将（m，n）和po代入方程t（p,q）中，使用有限差分算法迭代方程t（p,q），得到方程t（p,q）的收敛值，记作tuu；

128、比较tuu与ttu的大小；

129、若tuu＜ttu，则说明目标地区的水污染较轻；

130、若tuu≥ttu，则说明目标地区的水污染较重；

131、步骤s38：汇总步骤s36～步骤s37的分析结果，作为水环境分析报告，并反馈给用户。

132、与现有技术相比，本发明的有益效果是：

133、客观性与准确性：本发明采用数据拟合和数学建模的分析方法，对目标地区的水环境进行分析；在保证数据完整性和有效性的同时，从更客观的角度分析目标地区河流中的各项指标对水环境的影响，避免主观随意性，提高评估的准确性。

134、全面性与综合性：本发明从降雨、水土流失和水污染，这三多项具有代表性的指标分析水环境；使得用户能更全面地了解水生态环境的健康状况，并且本发明的计算方法和评估过程在计算机领域容易实现，易于相关技术人员操作，具有较强的实用性。

135、动态监测能力强：本发明设计了水环境随时间变化和水污染随空间变化的数学方程，具有时间连续性分析和空间变化监测的能力，可以实时监测水生态环境的变化趋势；结合大数据技术，本发明还能实现对水生态环境进行长期动态监测的能力。