CN119313532B 基于卫星遥感与无人机的海洋污染溯源与监测方法 （中国海洋大学）

基于卫星遥感与无人机的海洋污染溯源与本申请提供的基于卫星遥感与无人机的海多模态数据的预处理与融合，结合范围污染数2S200、基于所得范围污染数据、精准污染数据和S300、基于多模态数据融合后的范围污染数据、精S400、基于所得污染源溯源数据和混合S500、基于混合驱动融合后的污染预测结通过卫星遥感对海洋表层污染物进行大范围覆盖性监测，获得范围通过无人机对热点区域和卫星难以覆盖的区域进行高精度监测，获得精准污染数据，基于所得范围污染数据、精准污染数据和深水3时空对齐是基于动态时间规整算法，对多源数据进行时数据融合的精度和鲁棒性，加权融合结合时空对齐和特征关联性强化后的范围污染数据、基于多模态数据融合后的范围污染数据、精准污染数据和深水数式中：Cs是最终融合的污染物浓度预测值，Cx是提取范围污染数据和精准污染数据的光谱特征，与已知污染物特征库进基于所得污染源溯源数据和混合驱动融合后的污染预测结果和污染误差数据生成三三维体数据以网格单元10m×10m×1m为基本单位，得出三维网格将蓝色排列下方、黄色排列中方和红色排列上方，通过时间序列4基于混合驱动融合后的污染预测结果和污染误差数据进行预设分类阈值和风险指数基于污染源位置标注后的三维可视模型，通过预设分类阈值划分污基于所得风险指数数据和预设分类阈值后的污染预测结果与污染误高优先级区域优先部署吸附设备处理油膜和垃圾打捞设备梯度提升树通过数据库中历史风险指数数据和污染物浓度作为训练集进行将高优先级区域绘制为红色，将中优先级区域绘制成黄色，将2.如权利要求1所述的基于卫星遥感与无人机的海洋污染溯源与监测方法，其特征在将风险指数数据列为历史风险指数数据，通过历史风险指数数据与56[0003]现有方法在实际应用中存在数据处理流程独立分散，未7[0016]范围污染数据通过卫星遥感高分辨率多光谱影像对污染物的分布和浓度进行初红外数据和深水物理参数映射到统一特征空间，利用图神经网络建立数据间的关联模型，[0029]w,=wo·(1+a,·R,+ar·T+a。·c)8[0032]实验设定为：a,=0.1为分辨率权重影响较低，ar=0.2为时效性影响中[0034]分辨率低于1米，RX=0.1，分辨率1米至10米，R=O，分辨率高于10米，。[0036]数据缺失率低于5%,CY=0.1，数据缺失率5%至10%,C,=0，数据缺失率高物浓度，C数据是数据驱动模型预测的污染物浓9[0050]提取范围污染数据和精准污染数据的光谱特征，与已知[0064]当c<10mg/L，则为低污染区，当10mg/L≤c<50mg/L，则为中污染[0068]R=C.E.P[0077]梯度提升树通过数据库中历史风险指数数据和污染物浓[0099]图1为本申请实施例提供的基于卫星遥感与无人机的海洋污染溯源与监测方法的[0112]范围污染数据通过卫星遥感高分辨率多光谱影像对污染物的分布和浓度进行初红外数据和深水物理参数映射到统一特征空间，利用图神经网络建立数据间的关联模型，[0125]w,=wo·(1+a,·R,+ar·T+a。·c)[0128]实验设定为：a,=0.1为分辨率权重影响较低，ar=0.2为时效性影响中[0130]分辨率低于1米，RX=0.1，分辨率1米至10米，R=O，分辨率高于10米，。[0132]数据缺失率低于5%,CY=0.1，数据缺失率5%至10%,C,=0，数据缺失率高[0135]w,=1·(1+0.1·(-0.1)+0.2·0+0.3·0.1)=1.02[0137]w,=1.(1+0.1·0+0.2.0.1+0.3·0)=1.02[0139]w=1·(1+0.1·0+0.2·(-0.2)+0.3·(-0.3))=0.88[0141]F=1.02·F+1.02·F+0.88·Fg物浓度，C数据是数据驱动模型预测的污染物浓[0157]提取范围污染数据和精准污染数据的光谱特征，与已知[0171]当c<10mg/L，则为低污染区，当10mg/L≤c<50mg/L，则为中污染[0175]R=C.E.P[0184]梯度提升树通过数据库中历史风险指数数据和污染物浓