CN106022457A - 一种帝企鹅种群数目的遥感估算方法 - Google Patents
一种帝企鹅种群数目的遥感估算方法 Download PDFInfo
- Publication number
- CN106022457A CN106022457A CN201610301980.8A CN201610301980A CN106022457A CN 106022457 A CN106022457 A CN 106022457A CN 201610301980 A CN201610301980 A CN 201610301980A CN 106022457 A CN106022457 A CN 106022457A
- Authority
- CN
- China
- Prior art keywords
- emperor penguin
- emperor
- population
- image
- remote sensing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 241000287490 Aptenodytes forsteri Species 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012937 correction Methods 0.000 claims description 10
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 210000003608 fece Anatomy 0.000 abstract description 25
- 238000012360 testing method Methods 0.000 abstract description 5
- 238000003709 image segmentation Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract 1
- 230000002194 synthesizing effect Effects 0.000 abstract 1
- 238000011160 research Methods 0.000 description 8
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 6
- 241000287486 Spheniscidae Species 0.000 description 3
- 241000272814 Anser sp. Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30242—Counting objects in image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种帝企鹅种群数目的遥感估算方法，通过对相应时间段内的Landsat 7卫星影像进行预处理，去除条带噪声、几何畸变和大气影响，之后进行帝企鹅粪便预提取，排除明显不存在种群目标的区域。经过多次试验测试，发现热红外影像上帝企鹅粪便与其他地物亮度差异明显，因此对预提取后的热红外影像进行图像分割，得到帝企鹅种群粪便候选区域。对每个帝企鹅粪便候选区域进行真彩色合成以及波段运算后，满足全部相应条件的候选区域确定为帝企鹅粪便区域，即为帝企鹅种群位置，并记录此位置的经纬度坐标。对相应时间段内的南极大陆海岸带其他遥感影像完成相同的操作，获取所有帝企鹅种群位置，最终获取整个南极大陆帝企鹅种群数目和对应的地理坐标。
Description
技术领域
本发明涉及一种帝企鹅种群数目的遥感估算方法，属于环境遥感应用技术领域。
背景技术
研究帝企鹅种群的数量对揭示近年来南极生态环境具有重要作用。对帝企鹅种群位置的定位是获取种群数量的首要条件，获取帝企鹅种群位置的分布对研究帝企鹅繁衍数量和种群迁徙轨迹具有重要意义。
传统的通过人工计数的方式获取帝企鹅种群数量的方法受限于时间、距离、危险性等因素，具有相当大的局限性，只有极少数的帝企鹅种群位置每年皆有监测。前人对帝企鹅种群数目的研究也很局限，结果可靠性也较低。
遥感影像可以快速、准确的反应地表信息，Landsat 7主要波段的空间分辨率为30m，足够用来探测绝大多数的帝企鹅粪便的位置，进而识别出帝企鹅种群位置。帝企鹅在海冰上繁衍生息，海冰表面均一且鲜有杂质，因此在遥感真彩色影像上主要呈现纯白色或者淡蓝色。帝企鹅种群会在同一位置滞留8个月之久，在海冰上留下大量的生活痕迹（粪便等），而粪便在真彩色影像上呈现褐色，是唯一表现为褐色的地物。因此可以预先提取帝企鹅种群可能存在的区域，通过其粪便与海冰的亮度差异初步提取目标，再利用其粪便与周围环境明显的颜色差异以及光谱分析确认帝企鹅种群的分布。这种方法为估算帝企鹅种群数量提供了一种全新的方法，对研究气候变化对帝企鹅的影响具有重要的科学意义。
发明内容
本发明要解决的技术问题是：针对人工实地调查来获取帝企鹅种群数目的困难，提供了一种帝企鹅种群数目的遥感估算方法，能够快速、高效的从遥感卫星影像中获取帝企鹅种群的粪便分布进而确定种群所在位置，完成南极帝企鹅种群数量的估算。
为了解决上述技术问题，本发明提出的技术方案是：一种帝企鹅种群数目的遥感估算方法，包括以下步骤:
第一步、获取同年指定时间区段内覆盖整个南极大陆海岸带的Landsat 7卫星影像;
第二步、对卫星影像进行预处理，所述预处理至少包括大气校正和几何校正；
第三步、对预处理后的卫星影像进行裁剪，保留海冰部分；
第四步、提取卫星影像中的海冰部分的热红外波段，获得关于海冰部分的热红外影像，所述热红外影像中亮度值介于5.65-5.93之间的区域为帝企鹅种群目标候选区域，利用该区域对卫星影像的红色波段影像、绿色波段影像、蓝色波段影像进行分割;
第五步、对帝企鹅种群目标候选区域分别进行真彩色合成和波段运算，所述波段运算为红色波段的亮度值减蓝色波段亮度值，若目标候选区域同时候满足真彩色影像上显示为褐色和波段运算结果值为正两个条件，则该目标候选区域为帝企鹅种群目标区域;
第六步、对所有帝企鹅种群目标区域的位置进行汇总，得到帝企鹅种群的数量和对应的地理坐标，通过GIS软件制作对应时期内的帝企鹅种群分布图。
进一步的，所述同年指定时间区段是指同一年度10月份至12月份，或者同年10月至次年1月份，或者同年10月至次年2月份。
更进一步的，第三步中，所述去云合成处理的算法如下：第二步中，利用ENVI软件读取遥感影像，并进行大气校正和几何校正，以去除条带噪声、几何畸变和大气影响。
本发明第一步中所下载的卫星影像位置应为南极大陆海岸带位置，帝企鹅种群位置距离海岸线一般不超过60km，相邻帝企鹅种群位置一般大于30km，所下载的影像集需覆盖南极大陆全部海岸带。经过多次试验测试，发现热红外影像上帝企鹅粪便与其他地物亮度差异明显，亮度值在5.65-5.93之间的目标可以初步判断为种群目标（帝企鹅粪便）的候选区域。此外，研究表明，遥感影像红色波段减蓝色波段结果值为正的区域为目标种群（帝企鹅粪便）区域或是单个噪声像元。上述两个条件进行与运算，基本可以确定目标种群区域。
本发明的有益效果是：
获取帝企鹅种群数量及分布对研究南极生态具有重要作用。本发明实现了帝企鹅种群数目的遥感估算方法，利用帝企鹅粪便在热红外影像、真彩色影像上与其它地物的差异以及光谱分析来快速、准确的获取帝企鹅粪便位置，进而确定种群位置的分布，相较于传统方法具有无可比拟的优势。具体有益效果如下：
第一，本发明成功获取了帝企鹅种群位置的分布，可进一步应用于帝企鹅数量的估算和分析种群繁衍情况，从而分析气候变化对帝企鹅的影响。
第二，本发明使用的数据获取便捷，可以直接在网站上下载Landsat 7卫星影像，即可进行帝企鹅种群位置分布的研究工作。
第三，本发明利用热红外遥感影像、真彩色影像上的亮度、颜色差异和光谱特性来区分帝企鹅粪便和其他地物，结合目视判读并利用ENVI软件完成提取帝企鹅粪便的位置的工作，从而获取帝企鹅种群数目和地理坐标，原理简单，过程简洁。
第四，本发明操作步骤简洁，结合目视判读和简单的软件操作，不需要大量的运算和深入实地考察，且精度很高，适合用于极地地区特殊环境下的企鹅种群调查工作。
附图说明
下面结合附图对本发明作进一步说明。
图1是本发明帝企鹅种群数目的遥感估算方法流程图。
图2是经过目标预提取后的真彩色影像（分辨率30m）。
图3是应用基于阈值的图像分割方法后得到的二值图。
图4是种群目标（粪便）候选区域真彩色影像。
图5是种群目标（粪便）候选区域波段运算结果为正的区域示意图。
图6是2002年南极帝企鹅种群分布图。
具体实施方式
下面根据附图详细阐述本发明，使本发明的目的和效果变得更加明显。
本实施例帝企鹅种群数目的遥感估算方法所用影像数据为Landsat 7 ETM+影像，从Landsat网站（http://landsat.usgs.gov/）下载获得，影像中心点经纬度为-69.6°N，8.3°W，时间为2002年11月16日。
如图1为本实施例的流程图，帝企鹅种群数目遥感估算方法的具体实施步骤包括以下内容：
第一步、下载合适时间内的、满足覆盖整个南极大陆海岸带条件的Landsat 7卫星影像集。下载的遥感影像的时间一般为同一年份内的10、11、12月，必要时可以延伸至来年2月。所下载的卫星影像位置一般为南极大陆海岸带位置，帝企鹅种群位置距离海岸线一般不超过60km，相邻帝企鹅种群位置一般大于30km，所下载的影像集需覆盖南极大陆全部海岸带。
本示例选取的图像是Landsat 7 ETM+影像，影像中心点经纬度为-69.6°N，8.3°W，时间为2002年11月16日。
第二步、利用ENVI软件读取下载的遥感影像，并进行大气校正、几何校正等预处理，主要消除云层的影响。
第三步、目标预提取。对原始遥感影像进行裁剪，只保留海冰部分。如图2所示。
第四步、经过多次试验测试，发现热红外影像上帝企鹅粪便与其他地物亮度差异明显，亮度值在5.65-5.93之间的目标可以判断为种群目标（帝企鹅粪便）的候选区域。因此，对裁剪后的热红外高增益影像进行基于阈值的图像分割(阈值为5.65、5.93)，获取种群目标（帝企鹅粪便）的候选区域，如图3所示，其中浅色区域即为种群目标的候选区域。利用图像分割获取的二值图（图3）对其他波段（红色波段、绿色波段和蓝色波段）图像进行分割。若图像中存在多个候选区域，可对图像进行分块，分别进行处理。候选区域真彩色影像如图4所示（已转为灰度图）。
第五步、目标种群（帝企鹅粪便）区域在真彩色影像上呈现褐色，是唯一呈现褐色的地物。研究表明，遥感影像红色波段减蓝色波段结果值为正的区域为目标种群（帝企鹅粪便）区域或是单个噪声像元。对帝企鹅对种群目标候选区域影像进行真彩色合成以及波段运算（红色波段减蓝色波段），若同时满足真彩色影像上显示为褐色和波段运算结果值为正（图5矩形框内深色部分）两个条件，则证实为种群目标（帝企鹅粪便）区域。
第六步、对所有影像中获取的帝企鹅种群位置进行汇总，得到帝企鹅种群的数量和对应的地理坐标。最终可以通过GIS软件制作本时期内的帝企鹅种群分布图。通过本方法获取的2002年南极帝企鹅种群分布如图6所示，共计33个帝企鹅种群。
除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。
Claims (3)
1.一种帝企鹅种群数目的遥感估算方法，包括以下步骤:
第一步、获取同年指定时间区段内覆盖整个南极大陆海岸带的Landsat 7卫星影像;
第二步、对卫星影像进行预处理，所述预处理至少包括大气校正和几何校正；
第三步、对预处理后的卫星影像进行裁剪，保留海冰部分；
第四步、提取卫星影像中的海冰部分的热红外波段，获得关于海冰部分的热红外影像，所述热红外影像中亮度值介于5.65-5.93之间的区域为帝企鹅种群目标候选区域，利用该区域对卫星影像的红色波段影像、绿色波段影像、蓝色波段影像进行分割;
第五步、对帝企鹅种群目标候选区域分别进行真彩色合成和波段运算，所述波段运算为红色波段的亮度值减蓝色波段亮度值，若目标候选区域同时候满足真彩色影像上显示为褐色和波段运算结果值为正两个条件，则该目标候选区域为帝企鹅种群目标区域;
第六步、对所有帝企鹅种群目标区域的位置进行汇总，得到帝企鹅种群的数量和对应的地理坐标，通过GIS软件制作对应时期内的帝企鹅种群分布图。
2.根据权利要求1所述帝企鹅种群数目的遥感估算方法，其特征在于：所述同年指定时间区段是指同一年度10月份至12月份，或者同一年度10月至次年1月份，或者同一年度10月至次年2月份。
3.根据权利要求1所述帝企鹅种群数目的遥感估算方法，其特征在于：第三步中，所述去云合成处理的算法如下：第二步中，利用ENVI软件读取遥感影像，并进行大气校正和几何校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610301980.8A CN106022457B (zh) | 2016-05-09 | 2016-05-09 | 一种帝企鹅种群数目的遥感估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610301980.8A CN106022457B (zh) | 2016-05-09 | 2016-05-09 | 一种帝企鹅种群数目的遥感估算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106022457A true CN106022457A (zh) | 2016-10-12 |
| CN106022457B CN106022457B (zh) | 2018-06-22 |
Family
ID=57099177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610301980.8A Active CN106022457B (zh) | 2016-05-09 | 2016-05-09 | 一种帝企鹅种群数目的遥感估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106022457B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108052903A (zh) * | 2017-12-13 | 2018-05-18 | 阜阳市颍东区兴牧禽业专业合作社 | 开放式鸡舍种类鉴别系统及方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
| CN105243367A (zh) * | 2015-10-12 | 2016-01-13 | 水利部水利信息中心 | 一种基于卫星遥感数据的水体范围监测方法和装置 |
-
2016
- 2016-05-09 CN CN201610301980.8A patent/CN106022457B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102982538A (zh) * | 2012-11-06 | 2013-03-20 | 中国资源卫星应用中心 | 一种资源卫星多光谱图像模拟真彩色方法 |
| CN105243367A (zh) * | 2015-10-12 | 2016-01-13 | 水利部水利信息中心 | 一种基于卫星遥感数据的水体范围监测方法和装置 |
Non-Patent Citations (3)
| Title |
|---|
| BARBER-MEYER S M, ET AL.: "Estimating the relative abundance of emperor penguins at inaccessible colonies using satellite imagery", 《POLAR BIOLOGY》 * |
| GUINET C, ET AL.: "Satellite remote sensing in monitoring change of seabirds: use of Spot Image in king penguin population increase at Ile aux Cochons,Crozet Archipelago", 《POLAR BIOLOGY》 * |
| WALUDA C M, ET AL.: "Assessing penguin colony size and distribution using digital mapping and satellite remote sensing", 《POLAR BIOLOGY》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108052903A (zh) * | 2017-12-13 | 2018-05-18 | 阜阳市颍东区兴牧禽业专业合作社 | 开放式鸡舍种类鉴别系统及方法 |
| CN108052903B (zh) * | 2017-12-13 | 2020-09-08 | 阜阳汇中芯自动化技术有限公司 | 开放式鸡舍种类鉴别系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106022457B (zh) | 2018-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11521379B1 (en) | Method for flood disaster monitoring and disaster analysis based on vision transformer | |
| Ji et al. | Construction of the 500‐m resolution daily global surface water change database (2001–2016) | |
| Wei et al. | Normalization of time series DMSP-OLS nighttime light images for urban growth analysis with pseudo invariant features | |
| Yang et al. | A time-series analysis of urbanization-induced impervious surface area extent in the Dianchi Lake watershed from 1988–2017 | |
| CN109284706B (zh) | 基于多源卫星遥感数据的热点网格工业聚集区域识别方法 | |
| Meier et al. | New estimates of Arctic and Antarctic sea ice extent during September 1964 from recovered Nimbus I satellite imagery | |
| CN102855494B (zh) | 一种卫星遥感影像的水体提取方法及装置 | |
| Hong et al. | Monitoring changes in land use and distribution of mangroves in the southeastern part of the Mekong River Delta, Vietnam | |
| Zhang et al. | GWL_FCS30: global 30 m wetland map with fine classification system using multi-sourced and time-series remote sensing imagery in 2020 | |
| CN101464521B (zh) | 静止气象卫星遥感白天和夜间海雾的检测方法 | |
| CN109447089B (zh) | 基于超分技术的高分辨率北极海冰类型提取方法 | |
| CN114333241B (zh) | 基于事件触发的滑坡灾害点大数据采集与样本库更新方法 | |
| CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
| CN112070056A (zh) | 一种基于面向对象和深度学习的敏感用地识别方法 | |
| CN107527331B (zh) | 基于双冒泡法的极地冰山遥感识别方法 | |
| CN104933447A (zh) | 星载微波辐射计观测无线电频率干扰识别和订正系统 | |
| Li et al. | Hybrid cloud detection algorithm based on intelligent scene recognition | |
| CN109767465A (zh) | 一种基于h8/ahi的白天雾快速提取的方法 | |
| CN106022457A (zh) | 一种帝企鹅种群数目的遥感估算方法 | |
| CN112379453A (zh) | 交通困难地区沉积型碳酸盐铅锌矿勘测方法、系统、设备及应用 | |
| CN117132894A (zh) | 一种基于时序遥感影像的露天煤矿区生态损伤区识别方法 | |
| CN115761493A (zh) | 一种基于组合水体指数频率的水体提取方法 | |
| Xu et al. | Extraction of rivers and lakes on Tibetan Plateau based on Google Earth Engine | |
| Javed et al. | Development of global impervious surface area index for automatic spatiotemporal urban mapping | |
| CN115222610B (zh) | 图像方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |