(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111581887.4 (22)申请日 2021.12.2 2 (71)申请人 中国人民解 放军战略支援 部队信息 工程大学 地址 450001 河南省郑州市高新区科 学大 道62号 (72)发明人 邢帅　刘宸博　王丹菂　李鹏程　 徐青　张国平　张鑫磊　王晋　 吴立亭　陈坤　田绿林　李辉　 潘洁晨　郭松涛　 (74)专利代理 机构 郑州睿信知识产权代理有限 公司 41119 代理人 史萌杨 (51)Int.Cl. G06F 30/27(2020.01)G01N 21/31(2006.01) (54)发明名称 基于高斯过程回归的QAA水体固有光学特性 反演方法 (57)摘要 本发明属于水体遥感技术领域， 具体涉及一 种基于高斯过程回归的QAA水体固有光学特性反 演方法。 该方法在使用QAA算法进行水体固有光 学特性反演过程中， 参考波段λ0的吸收系数a (λ0)和颗粒物后向散射系数光谱斜率Y不再使 用经验模型， 而利用高斯过程回归构建得到第一 反演模型GPR ‑a和第二反演模型GPR ‑Y， 利用这两 个模型来计算参考波段λ0的吸收系 数a(λ0)和 颗粒物后向散射系数光谱斜率Y。 相较于传统的 QAA算法， 本发明方法的反演精度得到了显著提 升， 且提升了水体适应性， 同时由于引入了高斯 过程回归， 使得其可以评估反演结果的不确定 性。 权利要求书1页 说明书12页 附图5页 CN 114239416 A 2022.03.25 CN 114239416 A 1.一种基于高斯过程回归的QAA水体固有光学特性反演方法， 其特征在于， 包括如下步 骤： 1)获取计算波段 λ 的遥感反射 率Rrs； 2)根据计算波段 λ 的遥感反射 率Rrs， 确定计算波段 λ 的恰在水面下遥感反射 率rrs； 3)根据计算波段 λ 的恰在水面下遥感反射 率rrs， 确定计算波段 λ 的Gordo n参量u( λ )； 4)选取参考波段λ0， 获取与第一反演模型GPR ‑a相关的输入特征， 并代入至第一反演模 型GPR‑a中， 得到 参考波段 λ0的吸收系数a( λ0)； 其中， 所述第一反演模型GPR ‑a基于高斯 过程 回归模型构建得到， 且第一反演模型GPR ‑a的输入为输入特征， 第一反演模型GPR ‑a的输入 特征包括选择波段的遥感反射率和波段比值组合， 波段比值为两个筛选波段的遥感反射率 的比值， 第一反演模型GPR ‑a的输出为 参考波段 λ0的吸收系数a( λ0)； 5)根据参考波段λ0的吸收系数a( λ0)、 参考波段λ0的Gordon参量以及参考波段λ0的纯水 后向散射系数， 确定参 考波段 λ0的颗粒物后向散射系数bbp( λ0)； 6)确定颗粒物后向散射系数光谱斜 率Y； 7)根据颗粒物后向散射系数光谱斜率Y、 参考波段λ0的颗粒物后向散射系数bbp( λ0)、 参 考波段 λ0的纯水后向散射系数bbw( λ0)， 确定计算波段 λ 的后向散射系数bb( λ )； 8)根据计算波段λ 的后向散射系数bb( λ )以及计算波段λ 的Gordon参量u( λ )， 确定计算波 段 λ 的吸收系数a( λ )。 2.根据权利要求1所述的基于高斯过程回归的QAA水体固有光学特性反演方法， 其特征 在于， 步骤6)中确定 颗粒物后向散射系数光谱斜 率Y的手段为： 获取与第二反演模型GPR ‑Y相关的输入特征， 并代入至第二反演模型GPR ‑Y中， 得到颗 粒物后向散射系数光谱斜率Y； 其中， 第二反演模 型GPR‑Y基于高斯过程回归模型构建得到， 第二反演模 型GPR‑Y的输入为输入 特征， 第二反演模 型GPR‑Y的输入特征包括选择波 段的遥 感反射率， 第二反演模型GPR ‑Y的输出为颗粒物后向散射系数光谱斜 率Y。 3.根据权利要求1或2所述的基于高斯过程回归的QAA水体固有光学特性反演方法， 其 特征在于， 步骤4)中， 选择波段包括412nm波段、 443n m波段、 49 0nm波段、 510nm波段、 560n m波 段、 620nm波段和6 65nm波段。 4.根据权利要求1所述的基于高斯过程回归的QAA水体固有光学特性反演方法， 其特征 在于， 所述波段比值组合为长波段与短波段遥感反射率的比值的组合； 所述波段比值组合 包括620nm波段和665n m波段分别与412n m波段、 443n m波段、 490nm波段、 510n m波段、 560nm波 段遥感反射 率的比值。 5.根据权利要求1或2所述的基于高斯过程回归的QAA水体固有光学特性反演方法， 其 特征在于， 所述第一反演模型GPR ‑a和第二反演模型GPR ‑Y的核函数均选择Mat érn核函数。 6.根据权利要求1所述的基于高斯过程回归的QAA水体固有光学特性反演方法， 其特征 在于， 步骤4)中， 所述第一反演模型GPR ‑a利用自建原位测量数据集SeaBASS2020进行训练 和测试得到。 7.根据权利要求2所述的基于高斯过程回归的QAA水体固有光学特性反演方法， 其特征 在于， 步骤6)中， 所述第二反演模型GPR ‑Y利用模拟数据集 IOCCG2006进行训练和 测试得到。权　利　要　求　书 1/1 页 2 CN 114239416 A 2基于高斯过 程回归的QA A水体固有光学 特性反演 方法 技术领域 [0001]本发明属于水体遥感技术领域， 具体涉及一种基于高斯过程回归的QAA水体固有 光学特性反演方法。 背景技术 [0002]水体固有光学特性可以用于衍生得到包括漫衰减系数、 水体透明度、 初级生产力 以及叶绿素、 悬浮泥沙浓度等在内的众多水体参量， 而这些衍生量的反演精度将直接取决 于固有光学 特性的精度。 [0003]多波段准分析算法(QAA)作为综合性能最优的算法， 不论是反演精度还是计算效 率均优于其他类型算法， 且不涉及到对水体组分的先验假设， 特别适合于大范围遥感影像 的反演。 [0004]在使用QAA算法进行水体固有光学特性反演时， 参考波段吸收系数a( λ0)和颗粒物 后向散射系 数光谱斜率Y的反演使用了经验模型， 这在一定程度上限制 了其反演精度和水 体适应性的进一 步提升。 发明内容 [0005]本发明提供了一种基于高斯过程回归的QAA水体固有光学特性反演方法， 用以解 决QAA算法中的波段吸 收系数a( λ0)使用经验 模型造成的反演精度不高的问题。 [0006]为解决上述技术问题， 本发明所包括的技术方案以及技术方案对应的有益效果如 下： [0007]本发明提供了一种基于高斯过程回归的QAA水体固有光学特性反演方法， 包括如 下步骤： [0008]1)获取计算波段 λ 的遥感反射 率Rrs； [0009]2)根据计算波段 λ 的遥感反射 率Rrs， 确定计算波段 λ 的恰在水面下遥感反射 率rrs； [0010]3)根据计算波段λ的恰在水面下遥感反射率rrs， 确定计算波段λ的Gordon参量u ( λ )； [0011]4)选取参考波段λ0， 获取与第一反演模型GPR ‑a相关的输入特征， 并代入至第一反 演模型GPR ‑a中， 得到参考波段 λ0的吸收系数a( λ0)； 其中， 所述第一反演模型 GPR‑a基于高斯 过程回归模型构建得到， 且第一反演模型GPR ‑a的输入为输入特征， 第一反演模型GPR ‑a的 输入特征包括选择波段的遥感反射率和波段比值组合， 波段比值为两个筛选波段的遥感反 射率的比值， 第一反演模型GPR ‑a的输出为 参考波段 λ0的吸收系数a( λ0)； [0012]5)根据参考波段λ0的吸收系数a( λ0)、 参考波段λ0的Gordon参量以及参考波段λ0的 纯水后向散射系数， 确定参 考波段 λ0的颗粒物后向散射系数bbp( λ0)； [0013]6)确定颗粒物后向散射系数光谱斜 率Y； [0014]7)根据颗粒物后向散射系数光谱斜率Y、 参考波段λ0的颗粒物后向散射系数bbp ( λ0)、 参考波段 λ0的纯水后向散射系数bbw( λ0)， 确定计算波段 λ 的后向散射系数bb( λ )；说　明　书 1/12 页 3 CN 114239416 A 3