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，導致水位波動較大，在水位漲落的過程中，消落帶的形成促進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)生了深遠的影響。
3、這種復雜的物質(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)模型來進行水華預測時，從實際表現(xiàn)來看，在預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)打造的模型訓練方案所訓練得到的深大水庫水華遙感預測模型，獲得了在水華遙感預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警和后期的水華防控干預提供重要的決策依據(jù)和技術(shù)支撐，進而有效推動區(qū)域水資源的精細化管理和水生態(tài)保護工作的進展。
2、第一方面，本申請?zhí)峁┝艘环N深大水庫水華遙感預測模型的處理方法，方法包括：
3、針對于目標深大水庫，獲取樣本多光譜衛(wèi)星影像；
4、基于預設(shè)的水華表征指標，計算樣本多光譜衛(wèi)星影像各個位置的指標值；
5、結(jié)合樣本多光譜衛(wèi)星影像各個位置的指標值和指標閾值，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，量化預設(shè)指標的累積效應對于水華情況的影響和預設(shè)指標的多天平均值對于水華情況的影響，其中，預設(shè)指標包括水質(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設(shè)指標中篩選出對于水華遙感預測的相對重要性滿足條件的目標指標；
8、將目標指標對應的指標數(shù)據(jù)和水華二值分布圖層配置訓練樣本，訓練深大水庫水華遙感預測模型，其中，深大水庫水華遙感預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測模型配置有7個輸出層，每個輸出層對應未來7天內(nèi)不同天的預測輸出，深大水庫水華遙感預測模型用于基于目標指標對應的模型所輸入指標數(shù)據(jù)預測在未來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測模型的處理裝置，裝置包括：
10、獲取單元，用于針對于目標深大水庫，獲取樣本多光譜衛(wèi)星影像；
11、計算單元，用于基于預設(shè)的水華表征指標，計算樣本多光譜衛(wèi)星影像各個位置的指標值；
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值和指標閾值，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，量化預設(shè)指標的累積效應對于水華情況的影響和預設(shè)指標的多天平均值對于水華情況的影響，其中，預設(shè)指標包括水質(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設(shè)指標中篩選出對于水華遙感預測的相對重要性滿足條件的目標指標；
15、訓練單元，用于將目標指標對應的指標數(shù)據(jù)和水華二值分布圖層配置訓練樣本，訓練深大水庫水華遙感預測模型，其中，深大水庫水華遙感預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測模型配置有7個輸出層，每個輸出層對應未來7天內(nèi)不同天的預測輸出，深大水庫水華遙感預測模型用于基于目標指標對應的模型所輸入指標數(shù)據(jù)預測在未來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測目標，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)打造的模型訓練方案所訓練得到的深大水庫水華遙感預測模型，獲得了在水華遙感預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警和后期的水華防控干預提供重要的決策依據(jù)和技術(shù)支撐，進而有效推動區(qū)域水資源的精細化管理和水生態(tài)保護工作的進展。
1.一種深大水庫水華遙感預測模型的處理方法，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行加載，以執(zhí)行權(quán)利要求1至7任一項所述的方法。