技術(shù)領(lǐng)域
[0001] 本
發(fā)明涉及遙感技術(shù)領(lǐng)域，特別是一種基于決策樹的城市黑臭水體分級方法。
背景技術(shù)
[0002] 城市的水環(huán)境是城市生態(tài)環(huán)境的重要組成部分，與居民的生活息息相關(guān)。然而?近年來，隨著工業(yè)化和城市化
進(jìn)程加快，城市環(huán)境
基礎(chǔ)設(shè)施日漸不足，城市河流污?染問題日趨嚴(yán)重，全國80％以上的城市河流受到污染，許多城市內(nèi)河出現(xiàn)了常年性?或季節(jié)性的黑臭現(xiàn)象。從現(xiàn)有的研究來看，城市黑臭水體產(chǎn)生的主要原因是由于水?中的藻類和細(xì)菌的新陳代謝以及人類向水體中過度排放有機(jī)物引起的。水體黑臭是?水體有機(jī)污染的一種極端現(xiàn)象，是對水體極端污染狀態(tài)的一種描述(Lazaro?TR等，?1979)。住房和城鄉(xiāng)建設(shè)部發(fā)布的《城市黑臭水體
整治工作指南》中提及了城市黑?臭水體概念，即城市建成區(qū)內(nèi)，呈現(xiàn)令人不悅的
顏色和(或)散發(fā)令人不適氣味的?水體的統(tǒng)稱。
[0003] 面對城市黑臭水體空間分布的特點(diǎn)——黑臭河道窄、分布廣泛且零散、空間分?布復(fù)雜，常規(guī)的實(shí)地考察方法有很大的局限性，不僅需要現(xiàn)場
采樣，費(fèi)時費(fèi)
力、效?率低下，而且采樣點(diǎn)零散分布，監(jiān)測不連續(xù)，不能全面反映整個城市黑臭水體水質(zhì)?實(shí)際狀況，這不利于城市黑臭水體的識別與黑臭程度的評價。而隨著衛(wèi)星遙感技術(shù)?的發(fā)展，其宏觀性、動態(tài)性、科學(xué)性，為湖泊水環(huán)境監(jiān)測提供新的解決思路與方法。?以衛(wèi)星遙感為主要手段的天地一體黑臭水體遙感監(jiān)管具有重要意義(曹紅業(yè)等，?2017)。遙感具有的多時相、多
光譜、大范圍的觀測能力是其他常規(guī)技術(shù)所不具備?的。GF-2(GF-2)衛(wèi)星是我國自主研制的首顆空間
分辨率優(yōu)于1米的民用光學(xué)遙感?衛(wèi)星，搭載有兩臺高分辨率1米全色、4米多光譜相機(jī)，具有亞米級空間分辨率，?重訪周期5天。其所具備的高空間分辨率對于細(xì)小河道的提取給予了優(yōu)勢，也為黑?臭水體的識別提供重要的數(shù)據(jù)
支撐。
[0004]
[0005] 近幾年，從水體遙感反射率去監(jiān)測黑臭水體的研究也在逐步增多。溫爽等(2018)?構(gòu)建了基于GF-2影像的城市黑臭水體遙感識別
算法，并分析了南京市主城區(qū)黑臭?水體的空間分布和環(huán)境特點(diǎn)。姚月等(2019)分析了黑臭水體與一般水體的光譜特?征，提出基于反射率光譜指數(shù)黑臭水體指數(shù)(BOI)。李佳琦等(2019)通過分析黑?臭水體形成機(jī)理和試驗(yàn)數(shù)據(jù)，從光譜特征上構(gòu)建反映水體清潔程度的光譜指數(shù)?(WCI)，綜合光譜指數(shù)和解譯標(biāo)志共同進(jìn)行黑臭水體遙感識別。
[0006] 目前，國內(nèi)外學(xué)者對內(nèi)陸湖泊水體的水體光學(xué)特性的分析也做了大量工作。但?是，基于水體光學(xué)特性對城市黑臭水體的研究還是鮮有報道，對城市黑臭水體的分?級的方法還不成熟。并且，不同區(qū)域的城市黑臭水體產(chǎn)生的成因迥然不同。黑臭水?體在不同季節(jié)不同區(qū)域，由于
氣候差異和水動力環(huán)境的不同，水體中各組分濃度和?成分都具有較大的差異，水體吸收與散射特性的變化也不一樣，但其最終體現(xiàn)為水?面反射波譜的差異性，這種水面反射波譜的差異，蘊(yùn)含了水色參數(shù)濃度、成分信息。?因此，從水體遙感反射率去監(jiān)測各類城市黑臭水體的差異，并根據(jù)差異將其識別出?來，具有十分重要的科學(xué)價值和意義。
發(fā)明內(nèi)容
[0007] 本發(fā)明所要解決的技術(shù)問題是克服
現(xiàn)有技術(shù)的不足而提供一種基于決策樹的?城市黑臭水體分級方法，本發(fā)明分析不同黑臭程度水體的遙感反射率特征的差異及?其水質(zhì)參數(shù)，構(gòu)建基于遙感反射率的黑臭水體分級指數(shù)的決策樹，并建立適用于高?分影像的反演模型，以期實(shí)現(xiàn)黑臭水體的高分遙感分級。
[0008] 本發(fā)明為解決上述技術(shù)問題采用以下技術(shù)方案：
[0009] 根據(jù)本發(fā)明提出的一種基于決策樹的城市黑臭水體分級方法，包括以下步驟：
[0010] 步驟S1、結(jié)合現(xiàn)有的城市黑臭水體污染程度分級標(biāo)準(zhǔn)判斷水體的黑臭程度；
[0011] 步驟S2、按照國際標(biāo)準(zhǔn)比色卡勞拉比色卡將不同顏色的水體與黑臭水體類別聯(lián)?系起來，將不同顏色水體歸為以下類別：灰黑色水體為黑臭水體Ⅰ，深灰色水體為?黑臭水體Ⅱ，灰色水體為黑臭水體Ⅲ，淺灰色水體為黑臭水體Ⅳ，偏綠色的一般水?體為一般水體Ⅰ，偏黃色的一般水體為一般水體Ⅱ；
[0012] 步驟S3、根據(jù)綜合判斷的黑臭程度，不同類別水體的遙感反射率與黑臭程度的?關(guān)系如下，黑臭水體Ⅰ為重度黑臭，黑臭水體Ⅱ、黑臭水體Ⅲ、黑臭水體Ⅳ為輕度?黑臭，一般水體Ⅰ和一般水體Ⅱ?yàn)橐话闼w，并且建立了一個具有各類黑臭水體類?別的代表性的光譜庫；
[0013] 步驟S4、計算各個黑臭水體類別遙感反射率的均值，并且用光譜響應(yīng)函數(shù)響應(yīng)?到衛(wèi)星
傳感器上，得到各類城市黑臭水體在衛(wèi)星傳感器上等效反射率光譜曲線；
[0014] 步驟S5、根據(jù)等效反射率光譜曲線特征，用黑臭水體差值指數(shù)DBWI、黑臭水?體斜率差值指數(shù)DSBWI、綠光波段Green、歸一化黑臭水體指數(shù)NDBWI這些波段組?合模型形成的決策樹將不同黑臭類別水體提取出來。
[0015] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?步驟S5具體如下：
[0016] (1)黑臭水體差值指數(shù)DBWI
[0017] 利用黑臭水體差值指數(shù)DBWI判別黑臭水體Ⅰ，定義這一指數(shù)為黑臭水體差值?指數(shù)DBWI方法如式(1)：
[0018] DBWI＝Rrs(Green)-Rrs(Blue)??(1)
[0019] 式中，Rrs(Blue)和Rrs(Green)分別為遙感影像藍(lán)、綠波段大氣校正后遙感反射?率值，DBWI單位為sr-1；NⅠ為區(qū)分黑臭水體Ⅰ與其他水體的參考
閾值；
[0020]
[0021] (2)黑臭水體斜率差值指數(shù)DSBWI
[0022] 利用黑臭水體斜率差值指數(shù)DSBWI判別黑臭水體Ⅰ、一般水體Ⅱ與黑臭水體Ⅱ、?黑臭水體Ⅲ、黑臭水體Ⅳ、一般水體Ⅰ；定義這一指數(shù)為黑臭水體斜率差值指數(shù)?DSBWI的方法如式(3)：
[0023]
[0024] 式中，Rrs(Green)、Rrs(Red)和Rrs(Nir)分別為遙感影像綠、紅、
近紅外波段?大氣校正后遙感反射率值，DSBWI值無量綱，Δλ1為紅、綠光波段中心
波長的差值，?Δλ2為近紅外、紅光波段中心波長的差值；
[0025] 基于DSBWI方法的閾值選取如式(4)所示，NⅡ的值根據(jù)影像上典型的兩大類?水體來進(jìn)行確定，NⅡ?yàn)閰^(qū)分黑臭水體Ⅲ、Ⅳ、一般水體Ⅱ與黑臭水體Ⅱ、一般水體?Ⅰ的參考數(shù)值；
[0026]
[0027] (3)單波段指數(shù)——綠光波段Green
[0028] 利用綠光波段的遙感反射率區(qū)分黑臭水體Ⅱ和一般水體Ⅰ，方法如式(5)：
[0029]
[0030] 式中，Rrs(Green)為遙感影像綠波段大氣校正后遙感反射率值，NⅢ為常數(shù)；NⅢ?值根據(jù)影像上典型的黑臭水體Ⅱ和一般水體Ⅰ來進(jìn)行確定，NⅢ為區(qū)分黑臭水體Ⅱ和?一般水體Ⅰ的參考數(shù)值；
[0031] (4)歸一化黑臭水體指數(shù)NDBWI
[0032] 利用歸一化黑臭水體指數(shù)判別黑臭水體Ⅲ、Ⅳ和一般水體Ⅱ；
[0033] 定義這一指數(shù)為歸一化黑臭水體指數(shù)NDBWI，方法如式(6)：
[0034]
[0035] 式中，NDBWI值無量綱，NⅣ為區(qū)分黑臭水體Ⅲ、Ⅳ與一般水體Ⅱ的參考閾值；
[0036]
[0037] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?NⅠ＝0.003sr-1。
[0038] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?NⅡ＝0。
[0039] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?NⅢ＝0.015。
[0040] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?NⅣ＝0.08。
[0041] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?步驟S1中現(xiàn)有的城市黑臭水體污染程度分級標(biāo)準(zhǔn)是住建部2015年發(fā)布的《城市黑?臭水體整治工作指南》規(guī)定城市黑臭水體污染程度分級標(biāo)準(zhǔn)。
[0042] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?步驟S2中按照國際標(biāo)準(zhǔn)比色卡勞拉比色卡，將不同顏色的水體與黑臭水體類別聯(lián)?系起來，根據(jù)水體顏色可以將各類水體進(jìn)行歸類，將水色按照國際標(biāo)準(zhǔn)勞拉比色卡?分為三個顏色系列：灰色系、綠色系以及黃色系；在
色度分級表中，共有6個級別；?其中，1至4為灰色系，5為綠色系，6為黃色系。所有的黑臭必然歸為1到4級內(nèi)，?不管顏色是偏綠色或者偏黃色，只要是黑臭水體，就按照黑臭水體黑的程度歸到灰?黑至淺灰這個色系中，這個色系只包含黑臭程度的信息；而綠色系和黃色系只包含?一般水體，偏綠色的一般水體歸為5級別，偏黃色的一般水體歸為6級別；并且認(rèn)?為灰黑色水體為黑臭水體Ⅰ，深灰色水體為黑臭水體Ⅱ，灰色水體為黑臭水體Ⅲ，?淺灰色水體為黑臭水體Ⅳ，偏綠色的一般水體為一般水體Ⅰ，偏黃色的一般水體為?一般水體Ⅱ。
[0043] 作為本發(fā)明所述的一種基于決策樹的城市黑臭水體分級方法進(jìn)一步優(yōu)化方案，?衛(wèi)星傳感器為GF-2衛(wèi)星傳感器PMS2。
[0044] 本發(fā)明采用以上技術(shù)方案與現(xiàn)有技術(shù)相比，具有以下技術(shù)效果：
[0045] (1)本發(fā)明提出的方法通過不同黑臭程度水體的遙感反射率特征的差異及其?水質(zhì)參數(shù)，構(gòu)建基于遙感反射率的黑臭水體分級指數(shù)的決策樹，并建立適用于高分?影像的反演模型，從而實(shí)現(xiàn)城市黑臭水體的高分遙感分級；
[0046] (2)此外，根據(jù)模型
精度評價結(jié)果來看，本發(fā)明的決策樹模型整體識別精度?達(dá)到75.0％，K值達(dá)到0.622，說明數(shù)據(jù)具有較高的一致性且模型識別精度較高。
附圖說明
[0047] 圖1是按照國際標(biāo)準(zhǔn)勞拉比色卡設(shè)計的色度分級表。
[0048] 圖2是各類黑臭水體類別的黑臭程度、顏色與現(xiàn)場對照圖；其中，(a)-(f)?分別為灰黑色的重度黑臭水體、深灰色、灰色、淺灰色的輕度黑臭水體、偏綠色和?偏黃色的一般水體的現(xiàn)場照片。
[0049] 圖3是各類黑臭水體類別的典型遙感反射率光譜庫；其中，(a)-(f)分別為?黑臭水體Ⅰ、黑臭水體Ⅱ、黑臭水體Ⅲ、黑臭水體Ⅳ、一般水體Ⅰ、一般水體Ⅱ。
[0050] 圖4是各類黑臭水體類別均值反射率光譜圖。
[0051] 圖5是各類黑臭水體類別GF-2PMS2等效反射率光譜圖。
[0052] 圖6是黑臭水體分級判別決策樹。
[0053] 圖7是城市黑臭水體分級圖(以揚(yáng)州為例)。
具體實(shí)施方式
[0054] 為了使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖及具體實(shí)施?例對本發(fā)明進(jìn)行詳細(xì)描述。
[0055] 本技術(shù)領(lǐng)域技術(shù)人員可以理解的是，除非另外定義，這里使用的所有術(shù)語(包?括技術(shù)術(shù)語和科學(xué)術(shù)語)具有與本發(fā)明所屬領(lǐng)域中的普通技術(shù)人員的一般理解相同?的意義。還應(yīng)該理解的是，諸如通用字典中定義的那些術(shù)語應(yīng)該被理解為具有與現(xiàn)?有技術(shù)的上下文中的意義一致的意義，并且除非像這里一樣定義，不會用理想化或?過于正式的含義來解釋。
[0056] 以南京、無
錫、揚(yáng)州、常州、長沙這五個城市2017年到2019年的實(shí)測遙感反?射率為基礎(chǔ)，按照本發(fā)明進(jìn)行決策樹模型的構(gòu)建，并以揚(yáng)州市GF-2PMS2影像為例，?給出本發(fā)明一個
實(shí)施例，進(jìn)一步詳細(xì)說明本發(fā)明。
[0057] S1：結(jié)合住建部2015年發(fā)布的《城市黑臭水體整治工作指南》的城市黑臭水?體污染程度分級標(biāo)準(zhǔn)判斷水體的黑臭程度；
[0058] 城市黑臭水體污染程度分級標(biāo)準(zhǔn)見表1。
[0059] 表1城市黑臭水體污染程度分級標(biāo)準(zhǔn)
[0060]
[0061] 注：*水深不足25cm時，該指標(biāo)按水深的40％取值
[0062] 其中，連續(xù)3個以上檢測點(diǎn)被認(rèn)定為“重度黑臭”的，檢測點(diǎn)之間的區(qū)域應(yīng)認(rèn)定?為“重度黑臭”；水體60％以上的檢測點(diǎn)被認(rèn)定為“重度黑臭”的，整個水體應(yīng)認(rèn)定為?“重度黑臭”。
[0063] S2：照國際標(biāo)準(zhǔn)比色卡勞拉比色卡將不同顏色的水體與黑臭水體類別聯(lián)系起來。?由于黑臭水體成因復(fù)雜，無法一次直接將黑臭水體與一般水體區(qū)分開。水體的顏色?包含很多信息，比如黑色越深，黑臭程度越嚴(yán)重；水體越綠或者越黃，可能所含的?葉綠素a濃度或者懸浮物越高，顏色一致的水體所也呈現(xiàn)相似的遙感反射率。所以，?根據(jù)水體顏色可以將各類水體進(jìn)行歸類，將水色按照國際標(biāo)準(zhǔn)勞拉比色卡分為三個?顏色系列：灰色系、綠色系以及黃色系。
[0064] 按照國際標(biāo)準(zhǔn)勞拉比色卡設(shè)計的色度分級表見圖1；
[0065] 在色度分級表中，共有6個級別。其中，1至4為灰色系，5為綠色系，6為黃?色系。所有的黑臭必然歸為1到4級內(nèi)，不管顏色是偏綠色或者偏黃色，只要是黑?臭水體，就按照黑臭水體黑的程度歸到灰黑至淺灰這個色系中，這個色系只包含黑?臭程度的信息。而綠色系和黃色系只包含一般水體，偏綠色的一般水體歸為5級別，?偏黃色的一般水體歸為6級別。
[0066] 并且認(rèn)為灰黑色水體為黑臭水體Ⅰ，深灰色水體為黑臭水體Ⅱ，灰色水體為黑?臭水體Ⅲ，淺灰色水體為黑臭水體Ⅳ，偏綠色的一般水體為一般水體Ⅰ，偏黃色的?一般水體為一般水體Ⅱ；
[0067] 各類黑臭水體類別的黑臭程度、顏色與現(xiàn)場對照圖見圖2，圖2中的(a)-(f)?分別為灰黑色的重度黑臭水體、深灰色、灰色、淺灰色的輕度黑臭水體、偏綠色和?偏黃色的一般水體的現(xiàn)場照片。
[0068] S3：根據(jù)綜合判斷的黑臭程度，認(rèn)為不同類別水體(即黑臭水體Ⅰ、Ⅱ，一般?水體Ⅰ、Ⅱ等)的遙感反射率與黑臭程度的關(guān)系如下：黑臭水體Ⅰ為重度黑臭，黑?臭水體Ⅱ、黑臭水體Ⅲ、黑臭水體Ⅳ為輕度黑臭，一般水體Ⅰ和一般水體Ⅱ?yàn)橐话?水體，并且建立了一個具有各類黑臭水體類別的典型遙感反射率光譜庫；
[0069] 各類黑臭水體類別的典型遙感反射率光譜庫見圖3，圖3中的(a)-(f)分別?為黑臭水體Ⅰ、黑臭水體Ⅱ、黑臭水體Ⅲ、黑臭水體Ⅳ、一般水體Ⅰ、一般水體Ⅱ。
[0070] S4：計算各個黑臭水體類別遙感反射率的均值；
[0071] 各類黑臭水體類別均值反射率光譜圖見圖4；
[0072] 為了研究適用于GF-2影像的黑臭水體分級模型，將各類水體的Rrs參照GF-2?的光譜響應(yīng)函數(shù)經(jīng)過波段積分轉(zhuǎn)換為衛(wèi)星波段等效反射率Rrs(eq)，由公式(1)計?算得到：
[0073]
[0074] Rrs(eq)為衛(wèi)星波段等效反射率；Rrs(λ)為實(shí)測遙感反射率；fSRF(λ)為衛(wèi)星?波段光譜響應(yīng)函數(shù)；F0(λ)為大氣層外
太陽光譜輻照度。
[0075] 得到各類黑臭水體在GF-2衛(wèi)星傳感器PMS2上等效反射率光譜曲線；
[0076] 各類黑臭水體類別GF-2PMS2等效反射率光譜圖見圖5。
[0077] S5：根據(jù)等效反射率光譜曲線特征，可以用黑臭水體差值指數(shù)模型、歸一化黑?臭水體指數(shù)模型和單波段指數(shù)(綠光波段)模型來將黑臭水體Ⅰ、黑臭水體Ⅱ、黑?臭水體Ⅲ、黑臭水體Ⅳ、一般水體Ⅰ和一般水體Ⅱ六個類別分別識別出來。
[0078] (1)黑臭水體差值指數(shù)(DBWI)
[0079] 利用黑臭水體差值指數(shù)(DBWI)判別黑臭水體Ⅰ。定義這一指數(shù)為黑臭水體差?值指數(shù)DBWI(Difference?of?Black-odorous?Water?Index)，算法如式(1)：
[0080]
[0081] 式中，Rrs(Blue)和Rrs(Green)分別為遙感影像藍(lán)、綠波段大氣校正后遙?感反射率值，DBWI單位為sr-1。參考閾值NⅠ＝0.003sr-1。
[0082]
[0083] (2)黑臭水體斜率差值指數(shù)(DSBWI)
[0084] 利用黑臭水體斜率差值指數(shù)(DSBWI)判別黑臭水體Ⅰ、一般水體Ⅱ與黑臭水體?Ⅱ、黑臭水體Ⅲ、黑臭水體Ⅳ、一般水體Ⅰ。定義這一指數(shù)為黑臭水體斜率差值指數(shù)?DSBWI(Difference?Slope?of?Black-odorous?Water?Index)。算法如式(3)：
[0085]
[0086] 式中，Rrs(Green)、Rrs(Red)和Rrs(Nir)分別為遙感影像綠、紅、近紅外?波段大氣校正后遙感反射率值，DSBWI值無量綱。
[0087] 基于DSBWI方法的閾值選取如式(4)所示。NⅡ的值可根據(jù)影像上典型的兩大?類水體來進(jìn)行確定，參考數(shù)值為NⅡ＝0。
[0088]
[0089] (3)單波段指數(shù)——綠光波段(Green)
[0090] 利用綠光波段的遙感反射率區(qū)分黑臭水體Ⅱ和一般水體Ⅰ。算法如式(5)：
[0091]
[0092] 式中，Rrs(Green)為遙感影像綠波段大氣校正后遙感反射率值，NⅢ為常數(shù)。?NⅢ值可根據(jù)影像上典型的黑臭水體Ⅱ和一般水體Ⅰ來進(jìn)行確定，參考數(shù)值為?NⅢ＝0.015。
[0093] (4)歸一化黑臭水體指數(shù)(NDBWI)
[0094] 利用歸一化黑臭水體指數(shù)判別黑臭水體Ⅲ、Ⅳ和一般水體Ⅱ。
[0095] 定義這一指數(shù)為歸一化黑臭水體指數(shù)NDBWI(Normalized?Difference?Black-odorous?Water?Index)。算法如式(6)：
[0096]
[0097] 式中，Rrs(Green)和Rrs(Red)分別為遙感影像綠、紅波段大氣校正后遙感?反射率值，NDBWI值無量綱。參考閾值NⅣ＝0.08。
[0098]
[0099] 再將黑臭水體Ⅰ歸為重度黑臭水體，黑臭水體Ⅱ、黑臭水體Ⅲ、黑臭水體Ⅳ歸?為輕度黑臭水體，一般水體Ⅰ和一般水體Ⅱ歸為一般水體。
[0100] 基于GF-2遙感影像對城市水體進(jìn)行決策樹分類的方法見圖6。
[0101] S6：模型的精度驗(yàn)證使用混淆矩陣來表示，混淆矩陣是用來表示精度評價的一?種標(biāo)準(zhǔn)格式，其行數(shù)據(jù)表示模型識別的結(jié)果，列表示實(shí)際地物類別。
[0102] 步驟S6中，模型的精度驗(yàn)證使用混淆矩陣來表示，這里由混淆矩陣建立了5?個不同的誤差評價的指標(biāo)，分別為整體正確識別率，黑臭水體錯分率，黑臭水體漏?分率，正常水體錯分率，正常水體漏分率和kappa系數(shù),黑臭水體分級分類混淆矩陣?見表2；
[0103] 表2黑臭水體分級分類混淆矩陣
[0104]
[0105] (1)整體正確識別率
[0106] 是指所有分類正確的樣點(diǎn)與總樣點(diǎn)個數(shù)的比值，公式如下：
[0107] P1＝(a+e+i)/(a+b+c+d+e+f+g+h+i)
[0108] (2)輕度黑臭水體錯分率
[0109] 是指對于分類模型上的輕度黑臭水體類型，它與參考數(shù)據(jù)類型不同的概率，即?模型中被劃為輕度黑臭水體實(shí)際上為重度黑臭水體和一般水體的概率，公式如下：
[0110] P2＝(d+f)/(d+e+f)
[0111] (3)輕度黑臭水體漏分率
[0112] 是指對于參考數(shù)據(jù)上的輕度黑臭水體類型，被錯分為重度黑臭水體和一般水體?類型的概率，即實(shí)際的輕度黑臭水體有多少被錯誤地分到重度黑臭水體和一般水體?類別中，公式如下：
[0113] P3＝(b+h)/(b+e+h)
[0114] (4)重度黑臭水體錯分率
[0115] 是指對于分類模型上的重度黑臭水體類型，它與參考數(shù)據(jù)類型不同的概率，即?模型中被劃為重度黑臭水體實(shí)際上為輕度黑臭水體和一般水體的概率，公式如下：
[0116] P4＝(g+h)/(g+h+i)
[0117] (5)重度黑臭水體漏分率
[0118] 是指對于參考數(shù)據(jù)上的重度黑臭水體類型，被錯分為輕度黑臭水體和一般水體?類型的概率，即實(shí)際的重度黑臭水體有多少被錯誤地分到輕度黑臭水體和一般水體?類別中，公式如下：
[0119] P5＝(c+f)/(c+f+i)
[0120] (6)一般水體錯分率
[0121] 是指對于分類模型上的一般水體類型，它與參考數(shù)據(jù)類型不同的概率，即模型?中被劃為一般水體實(shí)際上為輕度黑臭水體和重度黑臭水體的概率，公式如下：
[0122] P6＝(b+c)/(a+b+c)
[0123] (7)一般水體漏分率
[0124] 是指對于參考數(shù)據(jù)上的一般水體類型，被錯分為輕度黑臭水體和重度黑臭水體?類型的概率，即實(shí)際的一般水體有多少被錯誤地分到輕度黑臭水體和重度黑臭水體?類別中，公式如下：
[0125] P7＝(d+g)/(a+d+g)
[0126] (8)kappa系數(shù)是一種衡量分類精度的指標(biāo)，計算公式如下，
[0127] A＝(a+b+c)*(a+d+g)+(d+e+f)*(b+e+h)+(g+h+i)*(c+f+i)
[0128] B＝a+b+c+d+e+f+g+h+i
[0129] C＝(a+e+i)
[0130] K＝(B*C-A)/(B2-A)
[0131] 這里由混淆矩陣建立了5個不同的誤差評價的指標(biāo)，分別為整體正確識別率，?黑臭水體錯分率，黑臭水體漏分率，正常水體錯分率，正常水體漏分率和kappa系?數(shù)，根據(jù)模型精度評價結(jié)果來看，整體識別精度達(dá)到75.0％，K值達(dá)到0.622，說明?數(shù)據(jù)具有較高的一致性且模型識別精度較高；
[0132] 具
體模型精度評價結(jié)果見表3。
[0133] 表3模型精度評價結(jié)果
[0134]
[0135] S7：對GF-2衛(wèi)星傳感器PMS2的影像進(jìn)行預(yù)處理，包括正射校正、
輻射定標(biāo)、?大氣校正等，得到城市水體的遙感反射率；
[0136] 輻射校正、大氣校正等可通過ENVI
軟件進(jìn)行批處理操作，大氣校正程序使用?FLAASH模型。
[0137] S8：將決策樹模型應(yīng)用到遙感影像，得到不同黑臭程度的城市黑臭水體
時空分?布，為城市黑臭水體的監(jiān)測和治理提供科學(xué)依據(jù)和技術(shù)支持；
[0138] 城市黑臭水體分級圖(以揚(yáng)州為例)見圖7。
[0139] 以上所述，僅為本發(fā)明的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，?任何熟悉
本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或?替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍內(nèi)。
