CN108956505A - 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 - Google Patents
基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 Download PDFInfo
- Publication number
- CN108956505A CN108956505A CN201811087919.3A CN201811087919A CN108956505A CN 108956505 A CN108956505 A CN 108956505A CN 201811087919 A CN201811087919 A CN 201811087919A CN 108956505 A CN108956505 A CN 108956505A
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- sentinel
- sensing reflectance
- small water
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了基于Sentinel‑2图像的小型水体中叶绿素a浓度的检测方法及装置，其中，方法包括：获取包含待检测小型水体的Sentinel‑2图像；依据Sentinel‑2图像，确定待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；依据Sentinel‑2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿素a浓度间的关系，确定待检测小型水体的叶绿素a浓度。通过本申请实施例，基于Sentinel‑2图像所计算出的待检测小型水体的叶绿素a浓度的准确性更高。
Description
技术领域
本申请涉及叶绿素a浓度检测领域，特别是涉及基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置。
背景技术
随着工业、农业、国防和科技现代化的加快，城镇化的不断发展以及人民生活水平的不断提高，城市内陆水体水质污染问题越来越严重。
叶绿素a是水体组成部分之一，属于水体的生物指标。叶绿素a浓度能够反映水中浮游生物和初级生产力的分布，同时也影响水体的光谱特征。由于叶绿素a浓度作为水质参数的一种，可以间接通过监测水体中叶绿素a浓度的变化，进而了解和掌握内陆水体富营养化状态和水质情况。
由于小型水体(内陆城市水体与水库)分布范围较广，进而小型水体的水体富营养化状态和水质情况与城市居民生活息息相关。因此，需要小型水体中叶绿素a浓度的准确检测方法。
发明内容
基于此，本申请提出了基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法，用以准确检测出小型水体中的叶绿素a浓度。
本申请还提供了基于Sentinel-2图像的小型水体中叶绿素a浓度的检测装置，用以保证上述方法在实际中的实现及应用。
本申请提供的技术方案为：
本申请公开了基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法，包括：
获取包含待检测小型水体的Sentinel-2图像；
依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；
依据预设的目标对应关系确定所述待检测小型水体的叶绿素a浓度；所述目标对应关系包括：所述Sentinel-2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿a浓度间的关系。
其中，所述依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率，包括：
确定所述Sentinel-2图像的遥感反射率图像；
从所述遥感反射率图像中确定所述待检测小型水体对应的遥感反射率图像；
依据所述待检测小型水体对应的遥感反射率图像，确定所述待检测小型水体的红光波段的遥感反射率与植被红边波段的遥感反射率。
其中，所述确定所述Sentinel-2图像的遥感反射率图像，包括：
对所述Sentinel-2图像进行预处理；所述预处理包括重采样和格式转换；
对预处理后的Sentinel-2图像中的预设波段进行波段组合运算，得到所述Sentinel-2图像的遥感反射率图像；所述预设波段包括：绿光波段、红光波段、植被红边波段和近红外波段。
其中，所述目标对应关系通过以下方式建立：
获取从预设小型水体中测量得到的多个建模采样点的信息；每个所述建模采样点的信息包括：水面光谱和叶绿素a浓度；
获取预设目标波段；所述预设目标波段包括：所述Sentinel-2图像中的红光波段和植被红边波段；
对所述建模采样点的水面光谱中的所述预设目标波段进行等效计算，得到所述建模采样点等效计算后的红光波段的遥感反射率，以及所述建模采样点等效计算后的植被红边波段的遥感反射率；
依据所述建模采样点等效计算后的红光波段的遥感反射率、所述建模采样点等效计算后的植被红边波段的遥感反射率，以及所述建模采样点的叶绿素a浓度，建立多种对应关系；
从所述多种对应关系中，确定性能指标满足预设性能指标阈值的对应关系为所述目标对应关系。
其中，在所述获取包含待检测小型水体的Sentinel-2图像之后，且在所述依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率之前，还包括：
对所述Sentinel-2图像进行大气校正。
本申请还公开了基于Sentinel-2图像的小型水体中叶绿素a浓度的检测装置，包括：
获取单元，用于获取包含待检测小型水体的Sentinel-2图像；
第一确定单元，用于依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；
第二确定单元，用于依据预设的目标对应关系确定所述待检测小型水体的叶绿素a浓度；所述目标对应关系包括：Sentinel-2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿a浓度间的关系。
其中，所述第一确定单元，包括：
第一确定子单元，用于确定所述Sentinel-2图像的遥感反射率图像；
第二确定子单元，用于从所述遥感反射率图像中确定所述待检测小型水体对应的遥感反射率图像；
第三确定子单元，用于依据所述待检测小型水体对应的遥感反射率图像，确定所述待检测小型水体的红光波段的遥感反射率与植被红边波段的遥感反射率。
其中，所述第一确定子单元，包括：
预处理模块，用于对所述Sentinel-2图像进行预处理；所述预处理包括重采样和格式转换；
波段组合运算模块，用于对预处理后的Sentinel-2图像中的预设波段进行波段组合运算，得到所述Sentinel-2图像的遥感反射率图像；所述预设波段包括：绿光波段、红光波段、植被红边波段和近红外波段。
其中，还包括建立单元，用于建立所述目标对应关系；
所述建立单元，包括：
第一获取子单元，用于获取从预设小型水体中测量得到的多个建模采样点的信息；每个所述建模采样点的信息包括：水面光谱和叶绿素a浓度；
第二获取子单元，用于获取预设目标波段；所述预设目标波段包括：所述Sentinel-2图像中的红光波段和植被红边波段；
等效计算子单元，用于对所述建模采样点的水面光谱中的所述预设目标波段进行等效计算，得到所述建模采样点等效计算后的红光波段的遥感反射率，以及所述建模采样点等效计算后的植被红边波段的遥感反射率；
对应关系建立子单元，用于依据所述建模采样点等效计算后的红光波段的遥感反射率、所述建模采样点等效计算后的植被红边波段的遥感反射率，以及所述建模采样点的叶绿素a浓度，建立多种对应关系；
目标对应关系确定子单元，用于从所述多种对应关系中，确定性能指标满足预设性能指标阈值的对应关系为所述目标对应关系。
其中，还包括：大气校正单元；
所述大气校正单元，用于对所述Sentinel-2图像进行大气校正。
本申请的有益效果为：
在本申请实施例中，由于Sentinel-2图像的空间分辨率较高，使得Sentinel-2图像中的红光波段与植被红边波段能够更充足地体现与叶绿素a浓度有关的信息；更进一步的，Sentinel-2图像的光谱分辨率较高，使得Sentinel-2图像中的波段宽度较窄，并且Sentinel-2图像的红光波段与植被红边波段能够较好地捕捉叶绿素a的吸收特征；进而基于Sentinel-2图像所计算出的红光波段的遥感反射率和植被红边波段的遥感反射率能够准确反演叶绿素a，进而基于Sentinel-2图像所计算出的待检测小型水体的叶绿素a浓度的准确性更高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请中小型水体中叶绿素a浓度检测模型的建立方法实施例的流程图；
图2为本申请中基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法实施例的流程图；
图3为本申请中基于Sentinel-2图像的小型水体中叶绿素a浓度的检测装置实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本申请实施例中，Sentinel-2图像中的绿光波段的中心波长为560nm，红光波段的中心波长为665nm，植被红边波段的中心波长为705nm，近红外波段的中心波长为842nm。
为了描述方便，在本申请实施例中将小型水体中红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体中叶绿素a浓度间的对应关系，称为小型水体中叶绿素a浓度的检测模型。
图1为本申请中小型水体叶绿素a浓度的检测模型的建立方法，可以包括：
步骤101：获取预设研究区内每个预设采样点的水面光谱。
在本申请实施例中，预设研究区为城市水体或者水库。在预设研究区水面的每个位置点就是一个采样点。
具体的，在本实施例中，每个采样点的水面光谱采用水面以上测量法。具体的，技术人员采用美国分析光谱仪器公司(Analytical Spectral Devices，ASD)生产的FieldSpec4地物光谱仪Hi-Res NG，分别在每个研究区采集采样点的水面光谱。
步骤102：获取每个采样点的叶绿素a浓度。
在本实施例中，技术人员从每个预设研究区中采集水样并将水样带回实验室，采用实验室“热乙醇法”测量水样的叶绿素a浓度。因此，可以得到每个采样点的叶绿素a浓度。
步骤103：获取预设目标波段。
因为叶绿素a的吸收特征位于遥感反射率光谱675nm附近的反射谷以及700nm附近的反射峰，其中，遥感反射率光谱675nm附近的反射谷对应Sentinel-2图像的红光波段(B4)；700nm附近的反射峰对应Sentinel-2图像的植被红边波段(B5)。因此，在本步骤中，目标波段为Sentinel-2图像的红光波段(B4)和Sentinel-2图像的植被红边波段(B5)。
步骤104：分别对每个采样点的水面光谱中的目标波段进行波段等效计算，得到每个采样点对应的红光波段的遥感反射率和植被红边波段的遥感反射率。
具体的，计算采样点的红光波段遥感反射率与植被红边波段遥感反射率的公式如下公式(1)所示：
式中，Req(λ)为卫星波段等效后的遥感反射率，Rrs(λ)为光谱仪对采样点测量得到的遥感反射率，fSRF(λ)为卫星波段光谱响应函数，F0为大气层外太阳辐照度。具体的，在本实施例中，λ为目标波段；fSRF(λ)为Sentinel-2卫星波段光谱响应函数；此时，根据该公式(1)所计算出的Req(λ)就等效于Sentinel-2图像中波段的遥感反射率；例如，λ表示红光波段时，该公式(1)所计算出的Req(λ)，就等效于Sentinel-2图像红光波段的遥感反射率。
具体的，在本步骤中，以一个采样点为例，通过该公式(1)计算该采样点等效后的红光波段遥感反射率与植被红边波段遥感反射率的过程；当计算该采样点的红光波段遥感反射率时，公式(1)中的λ表示该采样点的水面光谱中红光波段所对应的光谱，此时所得到的Req(λ)就是该采样点等效后的红光波段遥感反射率。当计算该采样点等效后的植被红边波段遥感反射率时，公式(1)中的λ表示该采样点的水面光谱中植被红边波段所对应的光谱，此时所得到的Req(λ)就是该采样点等效后的植被红边波段遥感反射率。
步骤105：基于每个采样点的叶绿素a浓度、等效后的红光波段遥感反射率和等效后的植被红边波段遥感反射率，建立叶绿素a浓度的检测模型。
在本实施例中，采用采样点等效后的红光波段遥感反射率与等效后的植被红边波段遥感反射率间的比值，作为建立叶绿素a浓度检测模型的自变量，叶绿素a浓度为因变量；因此，此时，得到每个采样点对应的自变量和因变量的具体取值。
在本实施例中，将采样点等效后的红光波段遥感反射率与等效后的植被红边波段遥感反射率的比值，作为自变量的原因为：从波段运算的角度来看，相比于依据波段遥感反射率的大小来说，波段遥感反射率比值能够消除量纲的影响；能够避免波段遥感反射率大小的测量误差对叶绿素a浓度准确性的影响；以及在实际应用中，针对大气校正后的Sentinel-2图像，通过利用检测模型计算叶绿素a浓度的过程中，由于波段遥感反射率的比值能够抵消每个波段遥感反射率所携带的大气校正误差，进而降低大气校正误差对叶绿素a浓度准确性的影响。
具体的，建立叶绿素a浓度的检测模型的过程包括：
在本实施例中，将所有采样点分成两部分，其中，一部分采样点用于建立检测模型，另一部分采样点用于检测所建立的检测模型。为了描述方便，将用于建立检测模型的采样点称为建模采样点，将用于检测所建立的检测模型的采样点称为检验采样点。在实际应用中，本实施例将2/3的采样点作为建模采样点，将1/3的采样点作为检验采样点。当然，在实际应用中，建模采样点与检验采样点的比例，可以根据实际情况进行确定，本实施例不作具体限定。
在本步骤中，预设有多种检测模型，例如，自变量与因变量呈对数关系、线性关系、指数关系、二次函数关系的检测模型等等；具体的，利用建模采样点的自变量取值和因变量取值，采用一元回归分析，确定每个检测模型中的系数，得到多种检测模型。
具体的，在本实施例中，所建立的检测模型具体如下公式(2)～公式(6)所示：
式中，y表示叶绿素a的浓度，Rrs(B4)表示Sentinel-2图像中红光波段的遥感反射率，Rrs(B5)表示Sentinel-2图像中植被红边波段的遥感反射率。
在建立检测模型的过程中，采用的是建模采样点等效后的红光波段遥感反射率，以及建模采样点等效后的植被红边波段遥感反射率；由于建模采样点等效后的红光波段遥感反射率等效于Sentinel-2图像中的红光波段遥感反射率，以及建模采样点等效后的植被红边波段遥感反射率等效于Sentinel-2图像中的植被红边波段遥感反射率；因此，所建立的检测模型表示Sentinel-2图像中的红光波段遥感反射率、Sentinel-2图像中的植被红边波段遥感反射率以及叶绿素a浓度间的关系，因此，在上述公式(2)～公式(6)中的Rrs(B4)表示Sentinel-2图像中红光波段的遥感反射率，Rrs(B5)表示Sentinel-2图像中植被红边波段的遥感反射率。
步骤106：计算每个检测模型的性能指标值。
在本实施例中，性能指标包括：检测模型的拟合度。具体的，检测模型的拟合度如下公式(7)所示：
其中：xi为一个建模采样点的叶绿素a浓度的实际值，为所有建模采样点的叶绿素a浓度的实际值的平均值，yi为基于检测模型得到的叶绿素a浓度的计算值，n为建模采样点总个数。
在本实施例中，性能指标还可以包括：基于检测模型得到的叶绿素a浓度的计算值与叶绿素a浓度的实际值间的平均相对误差。其中，叶绿素a浓度的计算值表示：将检验采样点的自变量取值(Rrs(B4)/Rrs(B5))代入检测模型所计算出的因变量值(叶绿素a浓度)；叶绿素a浓度的实际值表示：实际测量得到检验采样点的叶绿素a浓度。平均相对误差的计算公式如下公式(8)所示：
式中：xi为一个检验采样点的叶绿素a浓度的实际值，yi为基于检测模型计算得到检验采样点的叶绿素a浓度的计算值，n为检验采样点总个数。
性能指标还可以包括：基于检测模型得到的叶绿素a浓度的计算值与叶绿素a浓度的实际值间的均方根误差。均方根误差的计算公式如下公式(9)所示：
式中：xi为一个检验采样点的叶绿素a浓度的实际值，yi为基于检测模型计算得到检验采样点的叶绿素a浓度的计算值，n为检验采样点总个数。
具体的，每个检测模型的性能指标值计算结果如下表所示。
步骤107：确定性能指标值满足预设性能指标阈值的检测模型为目标检测模型。
在本实施例中，性能指标值满足预设性能指标阈值可以为：拟合度大于预设拟合度阈值，平均相对误差小于预设平均相对误差阈值，均方根误差小于预设均方根误差阈值。在本实施例中，预设拟合度阈值可以为0.9；预设平均相对误差阈值可以为30％；预设均方根误差阈值可以为5μg/L。当然，在实际应用中，预设拟合度阈值、预设平均相对误差阈值以及预设均方根误差阈值，还可以为其他取值，具体取值需要根据实际情况进行确定，本实施例不对具体的取值进行限定。
在本步骤中，从所建立的检测模型中，确定出性能指标值满足预设性能指标阈值的检测模型，为了描述方便，将所确定出的满足预设条件的检测模型称为目标检测模型。
具体的，本实施例得到的目标检测模型如下公式(10)所示：
式中，y表示叶绿素a的浓度，Rrs(B4)表示红光波段的遥感反射率，Rrs(B5)表示植被红边波段的遥感反射率。
图2为本申请中基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法，可以包括：
步骤201：获取包含待检测小型水体的Sentinel-2图像。
在本实施例中，Sentinel-2图像是欧空局于2015年6月23日发射的“全球环境与安全监测”计划的第二颗卫星(Sentinel-2卫星)所采集的遥感图像。其中，Sentinel 2卫星由Sentinel 2A和Sentinel 2B两颗星组成，分别搭载一台多光谱相机，可以覆盖13个光谱波段，两台相机总幅宽为290千米，双星重访周期为5天。可见光和近红外的空间分辨率为10米，植被红边波段和短波红外的空间分辨率为20米。
具体的，包含待检测小型水体的Sentinel-2图像可以从欧空局(ESA)数据分发系统中免费下载。为了使得基于Sentinel-2图像所确定出的待检测小型水体中叶绿素a浓度的准确性较高，本实施例所使用的Sentinel-2图像为没有坏行、缺带、斑点噪声和耀斑，并且云量少的遥感图像。
在本实施例中，待检测小型水体为Sentinel-2图像中所有的小型水体。
步骤202：对包含待检测小型水体的Sentinel-2图像进行大气校正。
在本实施例中，为了提高待检测小型水体中叶绿素a浓度的准确性，在本步骤中，对包含待检测小型水体的Sentinel-2图像进行大气校正。
具体的，本实施例可以采用基于辐射传输理论的独立的辐射定标及大气校正方法(Sen2Cor方法)对包含待检测小型水体的Sentinel-2图像进行大气校正。
步骤203：对大气校正后的Sentinel-2图像进行重采样、格式转换以及波段组合运算，得到包含待检测小型水体的Sentinel-2图像的遥感反射率图像。
具体的，本实施例中的重采样是指将不同空间分辨率的光谱波段转换成相同空间分辨率的光谱波段。格式转换是指将Sentinel-2图像原始的数据格式转换为可以在图像可视化环境(The Environment for Visualizing Images，ENVI)遥感图像处理平台操作的数据格式。
波段组合运算是指将Sentinel-2图像的可见光波段(B3、B4、B8)以及植被红边波段(B5)合成一幅新的图像。因为本实施例中仅用了B3，B8(用于水体提取)以及B4，B5(用于反演叶绿素a浓度)，所以将该4个波段进行波段组合运算，得到波段组合运算后的图像，在本实施例中，将波段组合运算后的图像确定为包含待检测小型水体的Sentinel-2图像的遥感反射率图像。
步骤204：从包含待检测小型水体的Sentinel-2图像的遥感反射率图像中，提取待检测小型水体。
在本步骤中，需要从待检测Sentinel-2图像的遥感反射率图像中提取出小型水体。
具体的，采用掩膜的方式，从Sentinel-2图像的遥感反射率图像中提取出小型水体。
具体过程可以包括步骤A1～步骤A4：
步骤A1：采用归一化差异水体指数确定用于提取小型水体的掩膜图像。
归一化差异水体指数如下公式(11)所示：
NDWI＝(Rrs(B3)-Rrs(B8))/(Rrs(B3)+Rrs(B8)) (11)
式中，NDWI表示归一化差异水体指数，Rrs(B3)表示绿光波段的遥感反射率，Rrs(B8)表示近红外波段的遥感反射率。
由NDWI所组成的图像就是掩膜图像。
步骤A2：基于掩膜图像确定用于确定小型水体的二值图像。
在本步骤中所得到的二值图像中小型水体对应的像素值为1，其他部分的像素值为0。
步骤A3：将二值图像转换为水体矢量。
步骤A4：通过水体矢量对Sentinel-2图像的遥感反射率图像进行裁剪，得到只包含小型水体的遥感反射率图像。
步骤205：确定待检测小型水体中叶绿素a的浓度。
具体的，在得到只包含小型水体的遥感反射率图像后，依据图1对应的实施例中所得到的目标检测模型，确定所提取出的待检测小型水体的叶绿素a浓度。
图3为基于Sentinel-2图像的小型水体中叶绿素a浓度的检测装置实施例，该装置实施例可以包括：
获取单元301，用于获取包含待检测小型水体的Sentinel-2图像；
第一确定单元302，用于依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；
第二确定单元303，用于依据预设的目标对应关系确定所述待检测小型水体的叶绿素a浓度；所述目标对应关系包括：Sentinel-2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿a浓度间的关系。
其中，所述第一确定单元302，可以包括：
第一确定子单元，用于确定所述Sentinel-2图像的遥感反射率图像；
第二确定子单元，用于从所述遥感反射率图像中确定所述待检测小型水体对应的遥感反射率图像；
第三确定子单元，用于依据所述待检测小型水体对应的遥感反射率图像，确定所述待检测小型水体的红光波段的遥感反射率与植被红边波段的遥感反射率。
其中，所述第一确定子单元，可以包括：
预处理模块，用于对所述Sentinel-2图像进行预处理；所述预处理包括重采样和格式转换；
波段组合运算模块，用于对预处理后的Sentinel-2图像中的预设波段进行波段组合运算，得到所述Sentinel-2图像的遥感反射率图像；所述预设波段包括：绿光波段、红光波段、植被红边波段和近红外波段。
其中，还包括建立单元，用于建立所述目标对应关系；
所述建立单元，包括：
第一获取子单元，用于获取从预设小型水体中测量得到的多个建模采样点的信息；每个所述建模采样点的信息包括：水面光谱和叶绿素a浓度；
第二获取子单元，用于获取预设目标波段；所述预设目标波段包括：所述Sentinel-2图像中的红光波段和植被红边波段；
等效计算子单元，用于对所述建模采样点的水面光谱中的所述预设目标波段进行等效计算，得到所述建模采样点等效计算后的红光波段的遥感反射率，以及所述建模采样点等效计算后的植被红边波段的遥感反射率；
对应关系建立子单元，用于依据所述建模采样点等效计算后的红光波段的遥感反射率、所述建模采样点等效计算后的植被红边波段的遥感反射率，以及所述建模采样点的叶绿素a浓度，建立多种对应关系；
目标对应关系确定子单元，用于从所述多种对应关系中，确定性能指标满足预设性能指标阈值的对应关系为所述目标对应关系。
其中，该装置实施例还可以包括：大气校正单元；
所述大气校正单元，用于对所述Sentinel-2图像进行大气校正。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分互相参见即可。在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。在文中的“包括”、“包含”等词语解释为包含的含义而不是排他或穷举的含义；也就是说，是“包含但不限于”的含义。在不脱离本发明构思的前提下，还可以做出变形、同等替换、改进等，这些都属于本发明的保护范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法，其特征在于，包括：
获取包含待检测小型水体的Sentinel-2图像；
依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；
依据预设的目标对应关系确定所述待检测小型水体的叶绿素a浓度；所述目标对应关系包括：所述Sentinel-2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿a浓度间的关系。
2.根据权利要求1所述的方法，其特征在于，所述依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率，包括：
确定所述Sentinel-2图像的遥感反射率图像；
从所述遥感反射率图像中确定所述待检测小型水体对应的遥感反射率图像；
依据所述待检测小型水体对应的遥感反射率图像，确定所述待检测小型水体的红光波段的遥感反射率与植被红边波段的遥感反射率。
3.根据权利要求2所述的方法，其特征在于，所述确定所述Sentinel-2图像的遥感反射率图像，包括：
对所述Sentinel-2图像进行预处理；所述预处理包括重采样和格式转换；
对预处理后的Sentinel-2图像中的预设波段进行波段组合运算，得到所述Sentinel-2图像的遥感反射率图像；所述预设波段包括：绿光波段、红光波段、植被红边波段和近红外波段。
4.根据权利要求1所述的方法，其特征在于，所述目标对应关系通过以下方式建立：
获取从预设小型水体中测量得到的多个建模采样点的信息；每个所述建模采样点的信息包括：水面光谱和叶绿素a浓度；
获取预设目标波段；所述预设目标波段包括：所述Sentinel-2图像中的红光波段和植被红边波段；
对所述建模采样点的水面光谱中的所述预设目标波段进行等效计算，得到所述建模采样点等效计算后的红光波段的遥感反射率，以及所述建模采样点等效计算后的植被红边波段的遥感反射率；
依据所述建模采样点等效计算后的红光波段的遥感反射率、所述建模采样点等效计算后的植被红边波段的遥感反射率，以及所述建模采样点的叶绿素a浓度，建立多种对应关系；
从所述多种对应关系中，确定性能指标满足预设性能指标阈值的对应关系为所述目标对应关系。
5.根据权利要求1所述的方法，其特征在于，在所述获取包含待检测小型水体的Sentinel-2图像之后，且在所述依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率之前，还包括：
对所述Sentinel-2图像进行大气校正。
6.基于Sentinel-2图像的小型水体中叶绿素a浓度的检测装置，其特征在于，包括：
获取单元，用于获取包含待检测小型水体的Sentinel-2图像；
第一确定单元，用于依据所述Sentinel-2图像，确定所述待检测小型水体的红光波段的遥感反射率和植被红边波段的遥感反射率；
第二确定单元，用于依据预设的目标对应关系确定所述待检测小型水体的叶绿素a浓度；所述目标对应关系包括：Sentinel-2图像中小型水体的红光波段的遥感反射率、小型水体的植被红边波段的遥感反射率以及小型水体的叶绿a浓度间的关系。
7.根据权利要求6所述的装置，其特征在于，所述第一确定单元，包括：
第一确定子单元，用于确定所述Sentinel-2图像的遥感反射率图像；
第二确定子单元，用于从所述遥感反射率图像中确定所述待检测小型水体对应的遥感反射率图像；
第三确定子单元，用于依据所述待检测小型水体对应的遥感反射率图像，确定所述待检测小型水体的红光波段的遥感反射率与植被红边波段的遥感反射率。
8.根据权利要求7所述的装置，其特征在于，所述第一确定子单元，包括：
预处理模块，用于对所述Sentinel-2图像进行预处理；所述预处理包括重采样和格式转换；
波段组合运算模块，用于对预处理后的Sentinel-2图像中的预设波段进行波段组合运算，得到所述Sentinel-2图像的遥感反射率图像；所述预设波段包括：绿光波段、红光波段、植被红边波段和近红外波段。
9.根据权利要求6所述的装置，其特征在于，还包括建立单元，用于建立所述目标对应关系；
所述建立单元，包括：
第一获取子单元，用于获取从预设小型水体中测量得到的多个建模采样点的信息；每个所述建模采样点的信息包括：水面光谱和叶绿素a浓度；
第二获取子单元，用于获取预设目标波段；所述预设目标波段包括：所述Sentinel-2图像中的红光波段和植被红边波段；
等效计算子单元，用于对所述建模采样点的水面光谱中的所述预设目标波段进行等效计算，得到所述建模采样点等效计算后的红光波段的遥感反射率，以及所述建模采样点等效计算后的植被红边波段的遥感反射率；
对应关系建立子单元，用于依据所述建模采样点等效计算后的红光波段的遥感反射率、所述建模采样点等效计算后的植被红边波段的遥感反射率，以及所述建模采样点的叶绿素a浓度，建立多种对应关系；
目标对应关系确定子单元，用于从所述多种对应关系中，确定性能指标满足预设性能指标阈值的对应关系为所述目标对应关系。
10.根据权利要求6所述的装置，其特征在于，还包括：大气校正单元；
所述大气校正单元，用于对所述Sentinel-2图像进行大气校正。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087919.3A CN108956505B (zh) | 2018-09-18 | 2018-09-18 | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811087919.3A CN108956505B (zh) | 2018-09-18 | 2018-09-18 | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108956505A true CN108956505A (zh) | 2018-12-07 |
| CN108956505B CN108956505B (zh) | 2021-05-28 |
Family
ID=64471577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811087919.3A Active CN108956505B (zh) | 2018-09-18 | 2018-09-18 | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108956505B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110147746A (zh) * | 2019-05-09 | 2019-08-20 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
| CN110927065A (zh) * | 2019-11-02 | 2020-03-27 | 生态环境部卫星环境应用中心 | 遥感辅助的湖库chl-a浓度空间插值方法优选方法和装置 |
| CN111339989A (zh) * | 2020-03-12 | 2020-06-26 | 北京观澜智图科技有限公司 | 一种水体提取方法、装置、设备及存储介质 |
| CN112131746A (zh) * | 2020-09-24 | 2020-12-25 | 中国科学院空天信息创新研究院 | 叶绿素a浓度反演方法及系统 |
| CN112577955A (zh) * | 2020-11-23 | 2021-03-30 | 淮阴师范学院 | 一种水华水体检测方法和系统 |
| CN113075167A (zh) * | 2021-03-29 | 2021-07-06 | 中国科学院空天信息创新研究院 | 一种水面耀斑的识别方法及装置 |
| CN115080905A (zh) * | 2022-06-07 | 2022-09-20 | 昆明理工大学 | 一种高原湖泊叶绿素a浓度遥感反演方法 |
| CN115578646A (zh) * | 2022-09-16 | 2023-01-06 | 二十一世纪空间技术应用股份有限公司 | 一种蓝藻水华监测方法及装置 |
| CN116067897A (zh) * | 2022-12-27 | 2023-05-05 | 二十一世纪空间技术应用股份有限公司 | 一种基于集成因子体系的叶绿素a浓度反演方法、系统 |
| CN112131746B (zh) * | 2020-09-24 | 2024-05-31 | 中国科学院空天信息创新研究院 | 叶绿素a浓度反演方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101852722A (zh) * | 2010-05-20 | 2010-10-06 | 北京航空航天大学 | 一种实现水体叶绿素a遥感反演精度评估方法 |
| CN101893550A (zh) * | 2010-07-14 | 2010-11-24 | 青岛海洋地质研究所 | 一种实现水体叶绿素a浓度反演的半分析方法 |
| CN103558190A (zh) * | 2013-10-22 | 2014-02-05 | 李云梅 | 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法 |
| CN103900972A (zh) * | 2014-04-04 | 2014-07-02 | 江南大学 | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 |
| CN105277491A (zh) * | 2015-09-24 | 2016-01-27 | 中国农业科学院农业资源与农业区划研究所 | 叶绿素含量测量方法及装置 |
| CN105987879A (zh) * | 2016-04-12 | 2016-10-05 | 山东理工大学 | 近岸河口水色参数反演装置 |
| CN106198437A (zh) * | 2016-06-21 | 2016-12-07 | 中国土地勘测规划院 | 一种植被光合有效辐射吸收率的遥感估算方法及装置 |
| CN107014763A (zh) * | 2017-04-07 | 2017-08-04 | 山东理工大学 | 叶绿素遥感反演装置及方法 |
-
2018
- 2018-09-18 CN CN201811087919.3A patent/CN108956505B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101852722A (zh) * | 2010-05-20 | 2010-10-06 | 北京航空航天大学 | 一种实现水体叶绿素a遥感反演精度评估方法 |
| CN101893550A (zh) * | 2010-07-14 | 2010-11-24 | 青岛海洋地质研究所 | 一种实现水体叶绿素a浓度反演的半分析方法 |
| CN103558190A (zh) * | 2013-10-22 | 2014-02-05 | 李云梅 | 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法 |
| CN103900972A (zh) * | 2014-04-04 | 2014-07-02 | 江南大学 | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 |
| CN105277491A (zh) * | 2015-09-24 | 2016-01-27 | 中国农业科学院农业资源与农业区划研究所 | 叶绿素含量测量方法及装置 |
| CN105987879A (zh) * | 2016-04-12 | 2016-10-05 | 山东理工大学 | 近岸河口水色参数反演装置 |
| CN106198437A (zh) * | 2016-06-21 | 2016-12-07 | 中国土地勘测规划院 | 一种植被光合有效辐射吸收率的遥感估算方法及装置 |
| CN107014763A (zh) * | 2017-04-07 | 2017-08-04 | 山东理工大学 | 叶绿素遥感反演装置及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨斌等: "基于Sentinel-2A岷江上游地表生物量反演与植被特征分析", 《科技导报》 * |
| 闻建光等: "基于Hyperion数据的太湖水体叶绿素a浓度遥感估算 ", 《湖泊科学》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110147746B (zh) * | 2019-05-09 | 2020-11-17 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
| CN110147746A (zh) * | 2019-05-09 | 2019-08-20 | 武汉大学 | 基于Sentinel-2影像快速提取最大和最小可能地表水体范围的方法和系统 |
| CN110927065A (zh) * | 2019-11-02 | 2020-03-27 | 生态环境部卫星环境应用中心 | 遥感辅助的湖库chl-a浓度空间插值方法优选方法和装置 |
| CN111339989B (zh) * | 2020-03-12 | 2024-03-19 | 北京观澜智图科技有限公司 | 一种水体提取方法、装置、设备及存储介质 |
| CN111339989A (zh) * | 2020-03-12 | 2020-06-26 | 北京观澜智图科技有限公司 | 一种水体提取方法、装置、设备及存储介质 |
| CN112131746A (zh) * | 2020-09-24 | 2020-12-25 | 中国科学院空天信息创新研究院 | 叶绿素a浓度反演方法及系统 |
| CN112131746B (zh) * | 2020-09-24 | 2024-05-31 | 中国科学院空天信息创新研究院 | 叶绿素a浓度反演方法及系统 |
| CN112577955A (zh) * | 2020-11-23 | 2021-03-30 | 淮阴师范学院 | 一种水华水体检测方法和系统 |
| CN113075167A (zh) * | 2021-03-29 | 2021-07-06 | 中国科学院空天信息创新研究院 | 一种水面耀斑的识别方法及装置 |
| CN115080905B (zh) * | 2022-06-07 | 2024-05-17 | 昆明理工大学 | 一种高原湖泊叶绿素a浓度遥感反演方法 |
| CN115080905A (zh) * | 2022-06-07 | 2022-09-20 | 昆明理工大学 | 一种高原湖泊叶绿素a浓度遥感反演方法 |
| CN115578646A (zh) * | 2022-09-16 | 2023-01-06 | 二十一世纪空间技术应用股份有限公司 | 一种蓝藻水华监测方法及装置 |
| CN116067897A (zh) * | 2022-12-27 | 2023-05-05 | 二十一世纪空间技术应用股份有限公司 | 一种基于集成因子体系的叶绿素a浓度反演方法、系统 |
| CN116067897B (zh) * | 2022-12-27 | 2024-02-09 | 二十一世纪空间技术应用股份有限公司 | 一种基于集成因子体系的叶绿素a浓度反演方法、系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108956505B (zh) | 2021-05-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108956505A (zh) | 基于Sentinel-2图像的小型水体中叶绿素a浓度的检测方法及装置 | |
| CN107014763B (zh) | 叶绿素遥感反演装置及方法 | |
| CN104392206B (zh) | 一种指针式仪表读数自动识别的图像处理方法 | |
| WO2022166939A1 (zh) | 一种基于Sentinel-2卫星影像红边波段改进小麦生长早期叶面积指数估算的方法 | |
| CN104897607B (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
| Fensholt et al. | Assessing land degradation/recovery in the African Sahel from long-term earth observation based primary productivity and precipitation relationships | |
| CN103854305B (zh) | 一种基于多尺度建模的模型传递方法 | |
| CN109799199B (zh) | 一种叶绿素a浓度的协同反演方法 | |
| CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
| CN109374537A (zh) | 城市黑臭水体识别方法及装置 | |
| CN112881293A (zh) | 一种基于高分一号卫星的内陆湖泊清洁水体叶绿素a浓度反演方法 | |
| CN113252583B (zh) | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 | |
| CN104374711B (zh) | 一种树木叶面尘土量的确定方法及系统 | |
| CN114139444A (zh) | 一种基于机器学习的近海海表温度反演方法 | |
| WO2020186844A1 (zh) | 自适应表面吸收光谱分析方法、系统、存储介质、设备 | |
| CN109827957A (zh) | 一种基于计算机视觉的水稻叶片spad值估测方法及系统 | |
| CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
| CN111879725A (zh) | 一种基于权重系数的光谱数据修正方法 | |
| Ferrando Jorge et al. | Measuring soil colour to estimate soil organic carbon using a large-scale citizen science-based approach | |
| CN106568730B (zh) | 一种基于近地面高光谱影像的水稻阴阳叶穗识别方法 | |
| CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
| KR102315329B1 (ko) | 드론초분광영상을 이용한 생태교란종 모니터링 방법 | |
| Ahmad et al. | land degradtion pattern using geo-information technology for kot addu, punjab province, pakistan | |
| Henke et al. | Reconstructing leaf growth based on non-destructive digitizing and low-parametric shape evolution for plant modelling over a growth cycle | |
| CN109186761A (zh) | 一种编码光谱成像系统的定标方法及编码模板 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |