# 水质参数反演分析系统 (Water Quality Inversion Analysis System)

[![Python Version](https://img.shields.io/badge/python-3.8+-blue.svg)](https://www.python.org/downloads/)
[![License: MIT](https://img.shields.io/badge/License-MIT-yellow.svg)](https://opensource.org/licenses/MIT)
[![Build Status](https://img.shields.io/badge/build-passing-green.svg)]()

基于遥感影像处理和机器学习技术的水质监测专业软件系统，集成了完整的水域识别、耀斑处理、光谱提取、模型训练和预测分析流程。

## 🚀 主要特性

- **多算法耀斑去除** - 支持Goodman、Kutser、Hedley、SUGAR等多种去耀斑算法
- **智能水域识别** - 基于NDWI阈值分割和Shapefile掩膜的自动水域提取
- **机器学习建模** - 支持多种机器学习算法（随机森林、XGBoost、神经网络等）
- **非经验统计回归** - 基于物理原理的叶绿素a、总氮、总磷等参数反演
- **高精度空间插值** - 距离扩散插值生成平滑的水质分布图
- **可视化分析** - 丰富的图表展示和空间分布可视化
- **用户友好界面** - 基于PyQt5的图形化操作界面

## 📋 系统要求

### 硬件要求
- **处理器**: Intel Core i5 或同等性能以上
- **内存**: 8GB RAM（推荐16GB）
- **存储**: 至少10GB可用空间
- **显卡**: 支持OpenGL 3.0以上

### 软件要求
- **操作系统**: Windows 10/11, Linux, macOS
- **Python版本**: 3.8+
- **必要依赖**: GDAL, NumPy, Pandas, Scikit-learn, PyQt5等

## 🛠️ 安装

### 方式1：从源码安装

```bash
# 克隆仓库
git clone https://github.com/waterquality/water-quality-inversion.git
cd water-quality-inversion

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Linux/macOS
# 或
venv\Scripts\activate     # Windows

# 安装依赖
pip install -r requirements.txt

# 安装包
pip install -e .
```

### 方式2：使用pip安装

```bash
pip install water-quality-inversion
```

## 🎯 快速开始

### 图形界面模式
```bash
water-quality-gui
```

### 命令行模式
```bash
water-quality-pipeline --config config.yaml
```

### Python API
```python
from water_quality_inversion import WaterQualityInversionPipeline

# 创建流水线实例
pipeline = WaterQualityInversionPipeline()

# 运行完整分析流程
pipeline.run()
```

## 📖 使用指南

### 基本工作流程

1. **步骤1: 水域掩膜生成**
   - 支持Shapefile文件或NDWI自动提取
   - 生成水域范围的栅格掩膜

2. **步骤2: 耀斑区域检测**
   - 支持Otsu、Z-score、百分位数等多种检测方法
   - 生成耀斑区域掩膜

3. **步骤3: 耀斑去除**
   - Goodman、Kutser、Hedley、SUGAR四种算法
   - 支持多种插值修复方法

4. **步骤4: 数据预处理**
   - CSV数据清洗和异常值检测
   - 数据标准化和特征工程

5. **步骤5: 光谱提取**
   - 基于采样点的光谱特征提取
   - 支持多种采样半径和统计计算

6. **步骤5.5: 水质指数计算**
   - 基于光谱特征计算水质指数
   - 支持自定义公式和18种水质参数

7. **步骤6: 机器学习建模**
   - 支持18种机器学习算法
   - 11种光谱预处理方法
   - 3种数据划分策略

8. **步骤6.5: 非经验统计回归**
   - 6种水质参数的非经验模型
   - 基于物理原理的参数反演

9. **步骤6.75: 自定义回归分析**
   - 完全自定义的回归分析
   - 探索性数据分析工具

10. **步骤7: 采样点生成**
    - 规则网格采样点生成
    - 智能边界处理

11. **步骤8/8.5/8.75: 参数预测**
    - 机器学习预测
    - 非经验模型预测
    - 自定义回归预测

12. **步骤9: 分布图生成**
    - 空间插值和栅格化
    - 多格式输出（GeoTIFF, PNG, PDF）

## 🏗️ 项目结构

```
water-quality-inversion/
├── src/                    # 源代码目录
│   ├── core/              # 核心算法模块
│   │   ├── glint_removal/ # 耀斑去除算法
│   │   ├── modeling/      # 建模算法
│   │   └── prediction/    # 预测算法
│   ├── preprocessing/     # 数据预处理模块
│   ├── postprocessing/    # 后处理模块
│   ├── visualization/     # 可视化模块
│   ├── utils/            # 工具函数
│   └── gui/               # GUI界面
├── data/                  # 数据目录
│   ├── input/            # 输入数据
│   ├── output/           # 输出结果
│   └── models/           # 模型文件
├── docs/                  # 文档目录
├── scripts/               # 构建和部署脚本
├── tests/                 # 测试目录
├── requirements.txt       # 依赖文件
├── setup.py              # 安装配置
├── pyproject.toml        # 项目配置
└── README.md             # 项目说明
```

## 🤝 贡献

欢迎贡献代码！请查看 [CONTRIBUTING.md](CONTRIBUTING.md) 了解详细信息。

### 开发环境设置

```bash
# 安装开发依赖
pip install -e ".[dev]"

# 运行测试
pytest

# 代码格式化
black src/
isort src/

# 类型检查
mypy src/
```

## 📄 许可证

本项目基于 MIT 许可证开源 - 查看 [LICENSE](LICENSE) 文件了解详情。

## 📚 引用

如果您在研究中使用了本系统，请引用：

```bibtex
@software{water_quality_inversion,
  title = {Water Quality Inversion Analysis System},
  author = {Water Quality Research Team},
  url = {https://github.com/waterquality/water-quality-inversion},
  version = {1.0.0},
  year = {2025}
}
```

## 📞 联系我们

- **项目主页**: https://github.com/waterquality/water-quality-inversion
- **问题反馈**: https://github.com/waterquality/water-quality-inversion/issues
- **邮箱**: support@waterquality.com

## 🙏 致谢

感谢所有为本项目做出贡献的开发者们！

---

**水质参数反演分析系统** - 让水质监测更智能、更精准！