1.一种海水悬沙浓度低空观测方法，其特征在于，包括如下步骤：

S1、借助低空观测平台，利用数字摄影获取目标海域的海水悬沙浓度影像，所获取的影像可存储到芯片存储卡上以将其下载或传输到计算机工作站上进行后续处理；在摄影海域同时进行水样采集和全球卫星定位，采集的水样利用过滤法测定悬沙含量，将采集的水样分成建模样本和验证样本；

S2、对获取的海水悬沙浓度影像进行预处理，包括均值滤波、地理配准、角度校正，通过自动拼接和正射影像处理，生成用于进一步分析的影像数据；

S3、根据采集的悬沙浓度影像数据和实测悬沙浓度数据，构建人工神经网络，基于优化人工神经网络算法，利用海水悬沙浓度影像数据与实测悬沙浓度数据进行人工神经网络训练，调整网络参数，优化模型性能，建立海水悬沙浓度低空反演模型；

S4、利用遥感悬沙浓度反演模型和实测验证样本验证海水悬沙浓度低空反演模型，评估海水悬沙浓度反演模型的精度，根据评估结果，对模型进行调整和优化；

S5、将海水悬沙浓度低空反演模型应用于目标海域影像数据，反演得到海水悬沙浓度的低空观测结果；

步骤S2中，海水悬沙浓度影像处理时地理配准的具体实施方法为：

地理配准：通过摄像系统上装有全球卫星定位系统，采用实时动态载波相位差分进行空间定位，或者选取特征地物，利用全球卫星定位系统进行空间定位，获取地物经纬度，结合特征地物坐标点与图像上的像素点利用ArcGIS软件进行地理配准；若观测区域内无特征地物，进行人为标记；

海水悬沙浓度影像处理时角度校正的具体实施方法为：

采用单色液体在相同光源下进行测试，利用相机从倾角由20°到90°不同角度进行拍摄，利用Matlab软件提取相机影像RED、GREEN和BLUE波段值，将相机不同倾角与同一位置相机波段值进行函数拟合，得到角度矫正方程为：CX＝13*λ*C/1000+λ，式中CX为经过矫正后的波段值，C为未经矫正的波段值，λ为相机与水平面的夹角；

利用角度矫正方程将RED、GREEN和BLUE波段值矫正为正摄角，校正后的RED、GREEN和BLUE波段值为：CR＝13*λ*C/1000+λ；CG＝13*λ*C/1000+λ；CB＝13*λ*C/1000+λ；

基于人工神经网络算法，利用海水悬沙浓度影像波段值与实测悬沙浓度进行人工神经网络训练，建立海水悬沙浓度低空反演模型；人工神经网络为含有输入层、两个隐含层和输出层的BP神经网络模型；

利用Matlab构建包含输入层、隐含层、输出层的神经网络模型，输入层为根据相机影像提取的RGB波段数据，输出层为悬沙浓度数据，每个像素点的波段数据为输入，悬沙浓度为对应的输出；神经网络算法训练数据包括两部分，分别为输入数据和输出数据，将两部分数据组成数据对，以70％实测的海水悬沙浓度数据和处理矫正后的图像波段RGB数据对作为训练数据集，剩余的数据对作为验证测试数据集；

使用mapminmax函数将输入数据和输出数据归一化到[0,1]区间；采用feedforwardnet函数构建一个神经网络；隐含层使用tansig激活函数，通过实验比较分析设置隐含层的神经元个数，第一个隐含层神经元个数为12个，第二个隐含层神经元个数为7个；输出层使用线性激活函数purelin；

训练算法选择trainlm对神经网络进行训练，设置训练参数，包括最大训练次数1000‑6次、学习率0.01、训练目标误差10 ，优化后利用5折交叉验证和L2正则化来避免过拟合，优化神经网络参数；

步骤S4中，海水悬沙浓度低空反演模型验证采用与实测悬沙浓度、遥感反演悬沙浓度进行对比，并用均方误差MSE、均方根误差RMSE、平均绝对误差MAPE三个指标评估悬沙浓度反演模型的精度，公式如下：其中，yi为实测值, 为模型预测值,n为样本数量。

2.根据权利要求1所述的一种海水悬沙浓度低空观测方法，其特征在于：步骤S1中，低空观测平台为具有一定高度能够进行低空摄影、获取海水悬沙浓度数字影像的平台，包括但不限于无人机、飞艇、海岸高地、构筑物、海上平台或船舶。

3.根据权利要求1所述的一种海水悬沙浓度低空观测方法，其特征在于：步骤S1中，步骤S1中，数字摄影包括智能手机、相机的高分辨率可见光数码相机。

4.根据权利要求1所述的一种海水悬沙浓度低空观测方法，其特征在于：步骤S1中，利用数字摄影获取海水悬沙浓度影像时，采用固定角度或通过角度矫正为正射角度。