1.一种基于无人机遥感影像的湖面蓝藻浓度检测的补偿方法，其特征在于：包括以下步骤：S100：将无人机遥感拍摄到的多个遥感影像进行预处理，使多个遥感影像的对比度统一，将对比度统一后的多个遥感影像进行拼接，得到拼接后的遥感影像；

S200：将拼接后的遥感影像输入至蓝藻监测模型中，得到蓝藻浓度分布图像；

S300：在沿岸选取蓝藻浓度采样点，在蓝藻浓度采样点处对蓝藻实际浓度进行采样，得到采样结果，记为：C0,C1,...,Cn‑1，其中，Cn‑1为第n个蓝藻浓度采样点的采样结果，n为蓝藻浓度采样点的总个数；

S400：将n个蓝藻浓度采样点在蓝藻浓度分布图像上对应的点称为标记点，基于蓝藻浓度分布图像，得到每个标记点对应的蓝藻浓度，记为：A0,A1,...,An‑1；

S500：将第一标记点作为基准点，蓝藻浓度分布图像上的其余点通过自身蓝藻浓度与第一标记点的蓝藻浓度A0的差值来更新自身蓝藻浓度，得到蓝藻浓度差值分布图，记为P0；

将第二标记点作为基准点，蓝藻浓度分布图像上的其余点通过自身蓝藻浓度与第二标记点的蓝藻浓度A1的差值来更新自身蓝藻浓度，得到蓝藻浓度差值分布图，记为P1；以此类推，得到蓝藻浓度差值分布图P0,P1,...,Pn‑1；

S600：对于蓝藻浓度差值分布图P0上的每个点而言，通过自身数值加上第一蓝藻浓度采样点的采样结果C0来更新自身数值，得到蓝藻浓度梯度图M0；对于蓝藻浓度差值分布图P1上的每个点而言，通过自身数值加上第二蓝藻浓度采样点的采样结果C1来更新自身数值，得到蓝藻浓度梯度图M1；以此类推，得到蓝藻浓度梯度图M0,M1,...,Mn‑1；

S700：对于蓝藻浓度梯度图M0，将作为非基准点的n‑1个标记点在蓝藻浓度梯度图M0中的数值与各自对应的蓝藻浓度采样点的采样结果进行比较，得到比较结果，记为：其中， 为第二标记点在蓝藻浓度梯度图M0中的数值与第二

蓝藻浓度采样点的采样结果C1之间的差值， 为第n标记点在蓝藻浓度梯度图M0中的数值与第n蓝藻浓度采样点的采样结果Cn‑1之间的差值；取 的平均值作为蓝藻浓度梯度图M0的偏差值；

对于蓝藻浓度梯度图Mi,i＝1,2,...,n‑1，将作为非基准点的n‑1个标记点在蓝藻浓度梯度图Mi中的数值与各自对应的蓝藻浓度采样点的采样结果进行比较，得到比较结果，记为： 其中， 为第i标记点在蓝藻浓度梯度图Mi中的数值与第i蓝藻浓度采样点的采样结果C1之间的差值， 为第n标记点在蓝藻浓度梯度图Mi中的数值与第n蓝藻浓度采样点的采样结果Cn‑1之间的差值；

取 的平均值作为蓝藻浓度梯度图Mi的偏差值；

以此类推，计算得到蓝藻浓度梯度图M0,M1,...,Mn‑1的偏差值，取偏差值最小的蓝藻浓度梯度图作为此次蓝藻浓度检测结果。

2.根据权利要求1所述的一种基于无人机遥感影像的湖面蓝藻浓度检测的补偿方法，其特征在于：所述的预处理包括以下步骤：在任意一遥感影像上，获取任意一点的蓝藻浓度，同时获取无光学特征影响下的该蓝藻浓度对应的像素颜色，通过对于遥感影像上该点的颜色和无光学特征影响下的像素颜色，得到百分比差值；

基于得到的百分比差值，对其余遥感影像进行影像处理，得到对比度统一的多个遥感影像。

3.根据权利要求1所述的一种基于无人机遥感影像的湖面蓝藻浓度检测的补偿方法，其特征在于：S300中，在沿岸选取蓝藻浓度采样点的标准为：在拼接后的遥感影像中，在沿岸取n个蓝藻像素颜色深度一致的像素点，且各像素点之间的水平距离大于预设距离；

该n个像素点对应的实际地点作为蓝藻浓度采样点。

4.根据权利要求1所述的一种基于无人机遥感影像的湖面蓝藻浓度检测的补偿方法，其特征在于：S500中，所述的蓝藻浓度分布图像上的其余点包括作为非基准点的剩余n‑1个标记点以及蓝藻浓度分布图像上其他非标记点。