本申請涉及水質(zhì)監(jiān)測領(lǐng)域，具體涉及深大水庫水華遙感預(yù)測模型的處理方法、裝置及處理設(shè)備。
背景技術(shù)：
1、相較于普通湖泊和中小型水庫，深大水庫以其遼闊的水域面積和龐大的庫容而著稱，是區(qū)域水資源管理中的關(guān)鍵角色，承擔(dān)著供水、防洪、灌溉等重要職能。
2、深大水庫的水位受人為調(diào)控的影響更為顯著，導(dǎo)致水位波動較大，在水位漲落的過程中，消落帶的形成促進(jìn)了水庫消落帶與水體及周圍陸地之間的物質(zhì)交換，例如，消落帶中積累的過量氮、磷等營養(yǎng)物質(zhì)被沖刷入水庫，這種交換不僅改變了水庫的水質(zhì)，還對生態(tài)平衡和水華的發(fā)生產(chǎn)生了深遠(yuǎn)的影響。
3、這種復(fù)雜的物質(zhì)交換和生態(tài)影響，尤其是在深大水庫的入庫河流回水區(qū)，由于其獨特的地理位置和水庫運行的綜合影響，展現(xiàn)出特殊的水動力特性，使得這一區(qū)域成為水體富營養(yǎng)化和水華現(xiàn)象的高發(fā)地帶。與流動性強、水體更新迅速、營養(yǎng)物質(zhì)難以積聚的傳統(tǒng)河流不同，深大水庫在蓄水后，回水區(qū)水體受到水庫水體頂托作用的影響，導(dǎo)致流速減緩、泥沙沉積以及營養(yǎng)物質(zhì)的積累。
4、此外，周邊人類活動和氣象條件的變化也加劇了回水區(qū)水華發(fā)生的風(fēng)險，如農(nóng)業(yè)面源污染和生活污水排放，不斷向水體中注入過量的氮、磷等營養(yǎng)物質(zhì)。
5、因此，入庫支流水華的爆發(fā)不僅威脅水庫的整體水質(zhì)和功能，影響供水安全，降低水資源的可用性，還可能對生態(tài)環(huán)境造成長期的破壞性影響，對深大水庫入庫河流回水區(qū)的水華監(jiān)測和預(yù)防工作顯得尤為重要。
6、遙感技術(shù)以其廣泛的覆蓋范圍、快速的監(jiān)測速度和強大的動態(tài)監(jiān)測能力，已經(jīng)成為水華監(jiān)測和預(yù)警的有力工具。
7、然而，本申請發(fā)明人發(fā)現(xiàn)，在遙感影像的基礎(chǔ)上，通過相關(guān)的神經(jīng)網(wǎng)絡(luò)模型來進(jìn)行水華預(yù)測時，從實際表現(xiàn)來看，在預(yù)測精度上還是存在一定程度上的缺陷，這影響了深大水庫管理工作的展開。
技術(shù)實現(xiàn)思路
1、本申請?zhí)峁┝松畲笏畮焖A遙感預(yù)測模型的處理方法、裝置及處理設(shè)備，用于創(chuàng)新性地將基于自注意力機制的長短時記憶網(wǎng)絡(luò)（key-attention?network?-?long?short-term?memory?network，kan-lstm）用于水華遙感預(yù)測工作，該模型融合了自注意力機制與長短期記憶網(wǎng)絡(luò)，可以更有效地識別和捕捉長時序數(shù)據(jù)中的關(guān)鍵特征，從而本申請以基于自注意力機制的長短時記憶網(wǎng)絡(luò)打造的模型訓(xùn)練方案所訓(xùn)練得到的深大水庫水華遙感預(yù)測模型，獲得了在水華遙感預(yù)測工作上顯著提高精確度和可靠性的方案效果，可以為深大水庫的早期的水華預(yù)警和后期的水華防控干預(yù)提供重要的決策依據(jù)和技術(shù)支撐，進(jìn)而有效推動區(qū)域水資源的精細(xì)化管理和水生態(tài)保護(hù)工作的進(jìn)展。
2、第一方面，本申請?zhí)峁┝艘环N深大水庫水華遙感預(yù)測模型的處理方法，方法包括：
3、針對于目標(biāo)深大水庫，獲取樣本多光譜衛(wèi)星影像；
4、基于預(yù)設(shè)的水華表征指標(biāo)，計算樣本多光譜衛(wèi)星影像各個位置的指標(biāo)值；
5、結(jié)合樣本多光譜衛(wèi)星影像各個位置的指標(biāo)值和指標(biāo)閾值，確定多光譜衛(wèi)星影像各個位置是否存在水華情況，并形成樣本多光譜衛(wèi)星影像對應(yīng)的水華二值分布圖層；
6、在樣本多光譜衛(wèi)星影像和水華二值分布圖層的基礎(chǔ)上，量化預(yù)設(shè)指標(biāo)的累積效應(yīng)對于水華情況的影響和預(yù)設(shè)指標(biāo)的多天平均值對于水華情況的影響，其中，預(yù)設(shè)指標(biāo)包括水質(zhì)參數(shù)、水庫水文節(jié)律和氣象參數(shù)；
7、在量化結(jié)果的基礎(chǔ)上，通過冗余分析方法從預(yù)設(shè)指標(biāo)中篩選出對于水華遙感預(yù)測的相對重要性滿足條件的目標(biāo)指標(biāo)；
8、將目標(biāo)指標(biāo)對應(yīng)的指標(biāo)數(shù)據(jù)和水華二值分布圖層配置訓(xùn)練樣本，訓(xùn)練深大水庫水華遙感預(yù)測模型，其中，深大水庫水華遙感預(yù)測模型具體為基于自注意力機制的長短時記憶網(wǎng)絡(luò)，深大水庫水華遙感預(yù)測模型配置有7個輸出層，每個輸出層對應(yīng)未來7天內(nèi)不同天的預(yù)測輸出，深大水庫水華遙感預(yù)測模型用于基于目標(biāo)指標(biāo)對應(yīng)的模型所輸入指標(biāo)數(shù)據(jù)預(yù)測在未來7天是否存在水華情況。
9、第二方面，本申請?zhí)峁┝艘环N深大水庫水華遙感預(yù)測模型的處理裝置，裝置包括：
10、獲取單元，用于針對于目標(biāo)深大水庫，獲取樣本多光譜衛(wèi)星影像；
11、計算單元，用于基于預(yù)設(shè)的水華表征指標(biāo)，計算樣本多光譜衛(wèi)星影像各個位置的指標(biāo)值；
12、確定單元，用于結(jié)合樣本多光譜衛(wèi)星影像各個位置的指標(biāo)值和指標(biāo)閾值，確定多光譜衛(wèi)星影像各個位置是否存在水華情況，并形成樣本多光譜衛(wèi)星影像對應(yīng)的水華二值分布圖層；
13、量化單元，用于在樣本多光譜衛(wèi)星影像和水華二值分布圖層的基礎(chǔ)上，量化預(yù)設(shè)指標(biāo)的累積效應(yīng)對于水華情況的影響和預(yù)設(shè)指標(biāo)的多天平均值對于水華情況的影響，其中，預(yù)設(shè)指標(biāo)包括水質(zhì)參數(shù)、水庫水文節(jié)律和氣象參數(shù)；
14、篩選單元，用于在量化結(jié)果的基礎(chǔ)上，通過冗余分析方法從預(yù)設(shè)指標(biāo)中篩選出對于水華遙感預(yù)測的相對重要性滿足條件的目標(biāo)指標(biāo)；
15、訓(xùn)練單元，用于將目標(biāo)指標(biāo)對應(yīng)的指標(biāo)數(shù)據(jù)和水華二值分布圖層配置訓(xùn)練樣本，訓(xùn)練深大水庫水華遙感預(yù)測模型，其中，深大水庫水華遙感預(yù)測模型具體為基于自注意力機制的長短時記憶網(wǎng)絡(luò)，深大水庫水華遙感預(yù)測模型配置有7個輸出層，每個輸出層對應(yīng)未來7天內(nèi)不同天的預(yù)測輸出，深大水庫水華遙感預(yù)測模型用于基于目標(biāo)指標(biāo)對應(yīng)的模型所輸入指標(biāo)數(shù)據(jù)預(yù)測在未來7天是否存在水華情況。
16、第三方面，本申請?zhí)峁┝艘环N處理設(shè)備，包括處理器和存儲器，存儲器中存儲有計算機程序，處理器調(diào)用存儲器中的計算機程序時執(zhí)行本申請第一方面或者本申請第一方面任一種可能的實現(xiàn)方式提供的方法。
17、第四方面，本申請?zhí)峁┝艘环N計算機可讀存儲介質(zhì)，計算機可讀存儲介質(zhì)存儲有多條指令，指令適于處理器進(jìn)行加載，以執(zhí)行本申請第一方面或者本申請第一方面任一種可能的實現(xiàn)方式提供的方法。
18、從以上內(nèi)容可得出，本申請具有以下的有益效果：
19、針對于深大水庫的水華遙感預(yù)測目標(biāo)，本申請創(chuàng)新性地將基于自注意力機制的長短時記憶網(wǎng)絡(luò)用于水華遙感預(yù)測工作，該模型融合了自注意力機制與長短期記憶網(wǎng)絡(luò)，可以更有效地識別和捕捉長時序數(shù)據(jù)中的關(guān)鍵特征，從而本申請以基于自注意力機制的長短時記憶網(wǎng)絡(luò)打造的模型訓(xùn)練方案所訓(xùn)練得到的深大水庫水華遙感預(yù)測模型，獲得了在水華遙感預(yù)測工作上顯著提高精確度和可靠性的方案效果，可以為深大水庫的早期的水華預(yù)警和后期的水華防控干預(yù)提供重要的決策依據(jù)和技術(shù)支撐，進(jìn)而有效推動區(qū)域水資源的精細(xì)化管理和水生態(tài)保護(hù)工作的進(jìn)展。
1.一種深大水庫水華遙感預(yù)測模型的處理方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，針對于所述目標(biāo)深大水庫，獲取所述樣本多光譜衛(wèi)星影像，包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述方法還包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，對所述樣本多光譜衛(wèi)星影像進(jìn)行所述超分辨率處理，包括：
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述指標(biāo)值具體通過下式計算：
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：
8.一種深大水庫水華遙感預(yù)測模型的處理裝置，其特征在于，所述裝置包括：
9.一種處理設(shè)備，其特征在于，包括處理器和存儲器，所述存儲器中存儲有計算機程序，所述處理器調(diào)用所述存儲器中的計算機程序時執(zhí)行如權(quán)利要求1至7任一項所述的方法。
10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)存儲有多條指令，所述指令適于處理器進(jìn)行加載，以執(zhí)行權(quán)利要求1至7任一項所述的方法。