CN109190538A - 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 - Google Patents

一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 Download PDF

Info

Publication number
CN109190538A
CN109190538A CN201810970135.9A CN201810970135A CN109190538A CN 109190538 A CN109190538 A CN 109190538A CN 201810970135 A CN201810970135 A CN 201810970135A CN 109190538 A CN109190538 A CN 109190538A
Authority
CN
China
Prior art keywords
remote sensing
coastline
water
image
line
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
Application number
CN201810970135.9A
Other languages
English (en)
Other versions
CN109190538B (zh
Inventor
王富强
刘鹏
赵衡
吕素冰
陈希
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China University of Water Resources and Electric Power
Original Assignee
North China University of Water Resources and Electric Power
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by North China University of Water Resources and Electric Power filed Critical North China University of Water Resources and Electric Power
Priority to CN201810970135.9A priority Critical patent/CN109190538B/zh
Publication of CN109190538A publication Critical patent/CN109190538A/zh
Application granted granted Critical
Publication of CN109190538B publication Critical patent/CN109190538B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/182—Network patterns, e.g. roads or rivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，该方法通过收集河流三角洲地区不同时相卫星遥感影像，通过RS/GIS集成应用技术，对影像进行预处理、叠加、监督与非监督相结合的分类解译，以及海岸带岸线进行提取，实现对多泥沙河流三角洲海岸带的动态变化监测；具体步骤如下：步骤1，遥感影像获取；步骤2，确定瞬时水边线，确定一般高潮线，确定海岸线所包围的陆地面积；本发明基于遥感技术提取海岸线，利用卫星观测的大尺度、高精度、实时影像数据记录海岸线变化状况，有效地突破了在地面调查中可能遇到的一系列限制，真正实现了对海岸线的动态监测。

Description

一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
技术领域
本发明专利属于河流生态系统保护技术领域，具体涉及一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法。
背景技术
多泥沙河流每年有近数亿吨的泥沙进入下游河道，由于此类河流入海口属于弱潮型河口，故受海洋动力影响较小，大量入海泥沙在河口不断淤积，河流三角洲面积逐年增大，多泥沙河流入海水沙是保证三角洲陆地面积稳定的物质基础，同时也是维持区域生态系统健康发展的主要驱动力，使湿地生态系统保证持续健康稳定，为动植物提供了优质的栖息环境；20世纪70年代以来，随着河流三角洲地区人类活动和气候变化的影响加剧，河流入海水沙特征发生显著变化，来水来沙量大幅减少，断流现象时有发生，由此导致了河口陆地淤进速率紊乱，海岸线侵蚀现象变异，河口湿地面积也随之变化；因此，对多泥沙河流河口陆地淤进速率和河口三角洲海岸演化进行深入的研究，可以为今后入海流路河道科学管理、岸线植被盖度和鸟类种群数量维护、岸堤防护、河口水资源开发配置以及黄河三角洲国土规划治理提供理论决策依据和技术支撑，具有重要的意义。
对海岸线进行提取是研究海岸带演变过程的基础性工作之一，传统实地测量海岸线的方法需要花费大量的人力物力和时间，所测量的数据准确性一般，相比较传统实地此类海岸线的方法，基于遥感技术提取海岸线的方法则更为有效，目前，利用遥感解译技术对海岸线进行提取的方法有两种，分别是人工目视解译和计算机自动分类解译，人工目视解译原理简单，提取结果通常存在较大误差，随着计算机技术的发展，利用图像的边缘检测技术和图像纹理分类技术的自动解译海岸线的方法成为研究主流，利用卫星观测的大尺度、高精度、实时影像数据记录海岸线变化状况，有效突破了在地面调查中可能遇到的一系列限制，真正实现了对海岸线的动态监测。
发明内容
本发明的目的是为了克服现有技术的缺点，而提供一种利用卫星观测的大尺度、高精度、实时影像数据记录海岸线变化状况，有效地突破了在地面调查中可能遇到的一系列限制，真正实现对海岸线的动态监测的结余遥感技术的多泥沙河流三角洲海岸带演化分析方法。
本发明的目的是这样实现的：一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，该方法通过收集河流三角洲地区不同时相卫星遥感影像，通过RS/GIS集成应用技术，对影像进行预处理、叠加、监督与非监督相结合的分类解译，以及海岸带岸线进行提取，实现对多泥沙河流三角洲海岸带的动态变化监测；具体步骤如下：
步骤1，遥感影像获取
选取合适的卫星遥感影响数据；
步骤2，海岸线遥感解译方法
在海岸线的确定过程中，利用近红外波段的水体反射辐射率明显低于其他地物的特点，采用阈值分割法对水陆边界进行划分，将水体和其他地物分开，直接获取的水陆分界线为卫星过境成像时的瞬时水边线，由于岸线受到潮汐、地形等因素的影响，瞬时水边线并不能真实反映海岸线的动态变化，因此，可以采用平均潮位线法对河流三角洲海岸线进行提取，利用GIS技术量算海岸线所含陆地面积；具体研究方法如下：
（2.1）确定瞬时水边线
瞬时水边线是卫星过境时所拍摄到的海陆分界线，其位置受潮汐潮位因素影响较大，并不能真实地反映海岸线的变化情况，因此，提取出的瞬时水边线并不能直接当作海岸线，但是在提取海岸线的过程中，对瞬时水边线的提取过程又是必不可少的，利用遥感影像处理技术提取瞬时水边线常采用自动提取算法；
（2.2）确定一般高潮线
一般高潮线是指海洋潮流发生非特大高潮时，海水所淹没的平均界线，尽管在遥感影像中很难获得高精度的高程信息，但是一般高潮线以上的陆地在常规标准的潮水条件下基本不受影响，一般高潮线介于高潮滩与中潮滩之间，由于潮滩物质成分的差异以及暴露于水体之上时间的长短不同而导致滩区含水量的不同，反射率也不相同，在遥感影响上表现出不同的光谱特征信息，较容易识别，采用遥感影像的分类处理与目视解译相结合的方法来确定出研究区不同滩区的分布情况，进而提取出一般高潮线，该方法简单易行，且不需要进行修正；
（2.3）确定海岸线所包围的陆地面积
首先利用Arcgis10平台对提取出的各年份瞬时水边线和一般高潮线所包含的面积进行量算，由于高潮线与瞬时水边线之间的区域频繁受到潮汐因素的影响，长时期内两线间的面积不断变化，将一定时期两线间面积的均值可看作平均受潮水影响的面积，将该面积与一般高潮线所包含的面积进行加和，以此对一般高潮线进行修正，即可得到平均潮位下的陆地面积。
所述的步骤1中选用的卫星遥感影像数据全部为美国陆地卫星Landsat系列影像数据，包括20世纪80年代以来的Landsat4-5TM影像数据和2013年以来的Landsat8OLI影像数据。
所述的步骤（2.1）中，目前关于自动提取算法的相关算法的研究有很多，主要包括阈值分割法、边缘检测法、小波变换法、神经网络分类、CDC算子提取法和区域生长提取法等，其中，阈值分割法适用于要分割的物体与背景有强烈对比度的图像，因其实现简单、计算量小且性能较稳定而成为海岸线提取的一种常用算法，在此选取基于二次改进归一化水体指数的阈值分割法对多泥沙三角洲多年多期遥感影像进行瞬时水边线提取；二次改进归一化水体指数的数学表达式为：
其中，代表中红外波段，即TM影像的7号波段，处于水的强吸.收带；代表绿波段，TM影像中的2号波段，对水体穿透效果较强，可反映水下特征；通过波段计算使用中红外波长使具有水体特征的低反射率最小化，计算各类地物SMNDWI指数，水体为零值或负值，非水体为正值，以此将水陆分界；使用ENVI5.3软件对9期黄河三角洲遥感影像进行波段计算，得到各个年份水体指数计算结果，再利用Arcgis平台进行瞬时水边线提取。
所述的步骤（2.2）利用ENVI5.3软件对已进行图像预处理后的遥感影像进行分类处理，由于高潮滩和中潮滩的地貌特征和植被的发育程度不同，因此在遥感影像上表现出不同的色彩特征信息，高潮滩大多数时间露于水面之上，在遥感影像上呈现浅灰色调，生长在滩面上的耐盐植被呈红-红褐色调，其上部因盐渍化程度较高，多呈现灰白、白色调；中潮滩由于受到潮水往复淹没的作用，其表面存在较多的潮蚀沟和潮蚀坑，对阳光具有较强的反射能力，呈现灰褐色调；根据地物标识和颜色特征，利用非监督分类选取各训练样区，然后根据非监督分类的结果运用监督分类方法提取出水体、高潮滩、中潮滩和低潮滩，最后根据分类后的影像，在Arcgis10平台上通过目视解译的方法进去一般高潮线。
本发明的有益效果：本发明基于遥感技术提取海岸线，利用卫星观测的大尺度、高精度、实时影像数据记录海岸线变化状况，有效地突破了在地面调查中可能遇到的一系列限制，真正实现了对海岸线的动态监测。
附图说明
图1是本发明一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法的平均潮位线获取方法示意图。
图2是黄河三角洲遥感影像不同波段组合效果图。
图3是大气校正参数设置图。
图4是黄河三角洲遥感影像大气校正处理效果图。
图5是黄河三角洲SMNDWI水体指数计算结果图。
图6是黄河三角洲沙嘴区一般高潮线提取过程图。
图7是刁口河流路河口沙嘴形态演化图。
图8是清水沟流路河口沙嘴形态演化图。
具体实施方式
下面结合附图对本发明做进一步的说明。
实施例1
如图1所示，一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，该方法通过收集河流三角洲地区不同时相卫星遥感影像，通过RS/GIS集成应用技术，对影像进行预处理、叠加、监督与非监督相结合的分类解译，以及海岸带岸线进行提取，实现对多泥沙河流三角洲海岸带的动态变化监测；具体步骤如下：
步骤1，遥感影像获取
选取合适的卫星遥感影响数据；
步骤2，海岸线遥感解译方法
在海岸线的确定过程中，利用近红外波段的水体反射辐射率明显低于其他地物的特点，采用阈值分割法对水陆边界进行划分，将水体和其他地物分开，直接获取的水陆分界线为卫星过境成像时的瞬时水边线，由于岸线受到潮汐、地形等因素的影响，瞬时水边线并不能真实反映海岸线的动态变化，因此，可以采用平均潮位线法对河流三角洲海岸线进行提取，利用GIS技术量算海岸线所含陆地面积；具体研究方法如下：
（2.1）确定瞬时水边线
瞬时水边线是卫星过境时所拍摄到的海陆分界线，其位置受潮汐潮位因素影响较大，并不能真实地反映海岸线的变化情况，因此，提取出的瞬时水边线并不能直接当作海岸线，但是在提取海岸线的过程中，对瞬时水边线的提取过程又是必不可少的，利用遥感影像处理技术提取瞬时水边线常采用自动提取算法；
（2.2）确定一般高潮线
一般高潮线是指海洋潮流发生非特大高潮时，海水所淹没的平均界线，尽管在遥感影像中很难获得高精度的高程信息，但是一般高潮线以上的陆地在常规标准的潮水条件下基本不受影响，一般高潮线介于高潮滩与中潮滩之间，由于潮滩物质成分的差异以及暴露于水体之上时间的长短不同而导致滩区含水量的不同，反射率也不相同，在遥感影响上表现出不同的光谱特征信息，较容易识别，采用遥感影像的分类处理与目视解译相结合的方法来确定出研究区不同滩区的分布情况，进而提取出一般高潮线，该方法简单易行，且不需要进行修正；
（2.3）确定海岸线所包围的陆地面积
首先利用Arcgis10平台对提取出的各年份瞬时水边线和一般高潮线所包含的面积进行量算，由于高潮线与瞬时水边线之间的区域频繁受到潮汐因素的影响，长时期内两线间的面积不断变化，将一定时期两线间面积的均值可看作平均受潮水影响的面积，将该面积与一般高潮线所包含的面积进行加和，以此对一般高潮线进行修正，即可得到平均潮位下的陆地面积。
本发明采用基于遥感技术提取海岸线，与传统的提取海岸线的方法相比，本发明更为有效，目前利用遥感解译技术对海岸线进行提取的方法有两种：人工目视解译和计算机自动分类解译，其中，人工目视解译原理简单，提取结果通常存在较大误差，随着计算机技术的发展，利用图像的边缘检测技术和图像纹理分类技术的自动解译海岸线的方法成为研究主流；本发明利用卫星观测的大尺度、高精度、实时影像数据记录海岸线变化状况，有效突破了在地面调查中可能遇到的一系列限制，真正实现了对海岸线的动态监测。
实施例2
如图1所示，一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，该方法通过收集河流三角洲地区不同时相卫星遥感影像，通过RS/GIS集成应用技术，对影像进行预处理、叠加、监督与非监督相结合的分类解译，以及海岸带岸线进行提取，实现对多泥沙河流三角洲海岸带的动态变化监测；具体步骤如下：
步骤1，遥感影像获取
选取合适的卫星遥感影响数据；
步骤2，海岸线遥感解译方法
在海岸线的确定过程中，利用近红外波段的水体反射辐射率明显低于其他地物的特点，采用阈值分割法对水陆边界进行划分，将水体和其他地物分开，直接获取的水陆分界线为卫星过境成像时的瞬时水边线，由于岸线受到潮汐、地形等因素的影响，瞬时水边线并不能真实反映海岸线的动态变化，因此，可以采用平均潮位线法对河流三角洲海岸线进行提取，利用GIS技术量算海岸线所含陆地面积；具体研究方法如下：
（2.1）确定瞬时水边线
瞬时水边线是卫星过境时所拍摄到的海陆分界线，其位置受潮汐潮位因素影响较大，并不能真实地反映海岸线的变化情况，因此，提取出的瞬时水边线并不能直接当作海岸线，但是在提取海岸线的过程中，对瞬时水边线的提取过程又是必不可少的，利用遥感影像处理技术提取瞬时水边线常采用自动提取算法；
（2.2）确定一般高潮线
一般高潮线是指海洋潮流发生非特大高潮时，海水所淹没的平均界线，尽管在遥感影像中很难获得高精度的高程信息，但是一般高潮线以上的陆地在常规标准的潮水条件下基本不受影响，一般高潮线介于高潮滩与中潮滩之间，由于潮滩物质成分的差异以及暴露于水体之上时间的长短不同而导致滩区含水量的不同，反射率也不相同，在遥感影响上表现出不同的光谱特征信息，较容易识别，采用遥感影像的分类处理与目视解译相结合的方法来确定出研究区不同滩区的分布情况，进而提取出一般高潮线，该方法简单易行，且不需要进行修正；
（2.3）确定海岸线所包围的陆地面积
首先利用Arcgis10平台对提取出的各年份瞬时水边线和一般高潮线所包含的面积进行量算，由于高潮线与瞬时水边线之间的区域频繁受到潮汐因素的影响，长时期内两线间的面积不断变化，将一定时期两线间面积的均值可看作平均受潮水影响的面积，将该面积与一般高潮线所包含的面积进行加和，以此对一般高潮线进行修正，即可得到平均潮位下的陆地面积。
所述的步骤1中选用的卫星遥感影像数据全部为美国陆地卫星Landsat系列影像数据，包括20世纪80年代以来的Landsat4-5TM影像数据和2013年以来的Landsat8OLI影像数据。
所述的步骤（2.1）中，目前关于自动提取算法的相关算法的研究有很多，主要包括阈值分割法、边缘检测法、小波变换法、神经网络分类、CDC算子提取法和区域生长提取法等，其中，阈值分割法适用于要分割的物体与背景有强烈对比度的图像，因其实现简单、计算量小且性能较稳定而成为海岸线提取的一种常用算法，在此选取基于二次改进归一化水体指数的阈值分割法对多泥沙三角洲多年多期遥感影像进行瞬时水边线提取；二次改进归一化水体指数的数学表达式为：
其中，代表中红外波段，即TM影像的7号波段，处于水的强吸.收带；代表绿波段，TM影像中的2号波段，对水体穿透效果较强，可反映水下特征；通过波段计算使用中红外波长使具有水体特征的低反射率最小化，计算各类地物SMNDWI指数，水体为零值或负值，非水体为正值，以此将水陆分界；使用ENVI5.3软件对9期黄河三角洲遥感影像进行波段计算，得到各个年份水体指数计算结果，再利用Arcgis平台进行瞬时水边线提取。
所述的步骤（2.2）利用ENVI5.3软件对已进行图像预处理后的遥感影像进行分类处理，由于高潮滩和中潮滩的地貌特征和植被的发育程度不同，因此在遥感影像上表现出不同的色彩特征信息，高潮滩大多数时间露于水面之上，在遥感影像上呈现浅灰色调，生长在滩面上的耐盐植被呈红-红褐色调，其上部因盐渍化程度较高，多呈现灰白、白色调；中潮滩由于受到潮水往复淹没的作用，其表面存在较多的潮蚀沟和潮蚀坑，对阳光具有较强的反射能力，呈现灰褐色调；根据地物标识和颜色特征，利用非监督分类选取各训练样区，然后根据非监督分类的结果运用监督分类方法提取出水体、高潮滩、中潮滩和低潮滩，最后根据分类后的影像，在Arcgis10平台上通过目视解译的方法进去一般高潮线。
本发明采用基于遥感技术提取海岸线，与传统的提取海岸线的方法相比，本发明更为有效，目前利用遥感解译技术对海岸线进行提取的方法有两种：人工目视解译和计算机自动分类解译，其中，人工目视解译原理简单，提取结果通常存在较大误差，随着计算机技术的发展，利用图像的边缘检测技术和图像纹理分类技术的自动解译海岸线的方法成为研究主流；本发明利用卫星观测的大尺度、高精度、实时影像数据记录海岸线变化状况，有效突破了在地面调查中可能遇到的一系列限制，真正实现了对海岸线的动态监测。
以黄河三角洲区域内刁口河河口区和清水沟河口沙嘴区为例，采用基于遥感处理方法提取黄河三角洲岸线变化情况，研究时段为1976～2015年：
1、黄河三角洲遥感影像预处理
由于影像数据在成像过程中受到诸如卫星速度变化、电磁波与大气相互作用以及随机噪声等外界条件影响，从而导致图像的真实灰度值并不完全是地物辐射电磁波能量大小的反映，造成影像辐射失真和几何畸变，遥感影像预处理是对影像进行辐射校正和几何纠正、图像整饰、投影变换、镶嵌等一系列操作，最终达到预期目的技术；利用遥感技术提取黄河三角洲海岸线变化情况，首先需要对原始影像数据进行波段组合、辐射定标、大气校正、图像裁剪等预处理过程，主要基于ENVI5.3遥感影像处理平台完成上述影像的预处理，具体步骤如下：
（1）波段组合
长系列遥感影像主要选取Landsat4-5 MSS/TM系列数据，MSS和TM是卫星携带的不同传感器，MSS选用可见光-近红外（0.5～1.1μm）谱段，共分为4个不同波段；TM选用可见光-热红外（0.45～0.55μm）谱段，共分为7个不同波段，波段组合即为对高光谱遥感数据进行最佳的波段选择，不同的波段组合能有助于凸显感兴趣的地物，其组合方式取决于感兴趣地物对不同波段的反射率特征，在实际分析中，可以通过尝试，发现某个波段或者组合对于所做的区域效果明显，那么此RGB波段组合方式就是适合的，通过对不同波段组合进行比较，最终选取模拟真彩色（RGB：远红外、近红外、红光）合成作为提取海岸线的最佳波段组合；
（2）辐射定标
收集到的原始遥感影像的像元值是经过量化的、无量纲的DN值，在进行遥感定量化分析时，需要用到辐射亮度值、反射率和温度值等物理量。辐射定标又叫做传感器定标，是将遥感图像的数字化值（DN值）转化为辐射亮度值或反射率等物理量的过程，其目的是为了消除传感器本身的误差，确定传感器入口处的准确辐射值，按照不同的使用要求或应用目的，可以分为绝对定标和相对定标，当定标为反射率时，又分为大气外层表观反射率和地表实际反射率，获取地表实际反射率又属于大气校正的范畴，所以辐射定标同时也是大气校正的基础；ENVI5.3软件支持Landsat卫星MS、TM以及OLI传感器的定标操作，提供通用定标工具（Radiometric Calibration），该工具通过读取元数据文件将图像数据定标为辐射亮度值（radiance）、大气表观反射率（reflectance）和亮度温度（brightnesstemperature），实际操作十分简单；
（3）大气校正
大气校正的目的是为了消除大气和光照等因素对地物反射的影响，获得地物反射率、辐射率、地表温度等真实物理模型参数，用来消除大气中水蒸气、氧气、二氧化碳、甲烷和臭氧等对地物反射的影响，消除大气分子和气溶胶散射的影响，进行大气校正同时也是反演地物真实反射率的过程；ENVI5.3软件中包括了很多种大气校正模型，有MORTRAN模型、黑暗像元法等，提供专门的大气校正模块（AtmosphericCorrection），包含FLAASH校正和快速大气校正两种校正工具，考虑到本研究对结果的精度要求，本文采用FLAASH大气校正工具对黄河三角洲遥感影像数据进行大气校正，具体的参数设置和大气校正效果对比如图3、4所示；
（4）图像裁剪
进行图像裁剪的目的是将研究区以外的区域去除，常用的方法有按照行政区划边界或自然区划边界进行图像裁剪；ENVI5.3软件提供规则裁剪和不规则裁剪两种方法，规则分幅裁剪是指裁剪图像的边界范围是一个矩形，获取途径包括行列号、边界经纬坐标、图像文件等；而不规则裁剪是指裁剪图像的外边界范围是一个任意多边形，任意多边形可以手工绘制的ROI多边形，也可以是ENVI支持的研究区范围矢量文件，根据研究区范围的经纬度坐标对黄河三角洲遥感影像进行图像裁剪，得到刁口河河口研究区影像和清水沟河口研究区影像；
2、黄河三角洲海岸线提取
（1）确定瞬时水边线
使用ENVI5.3软件对9期黄河三角洲遥感影像进行波段计算，得到各个年份水体指数计算结果图（如图5所示），再利用Arcgis平台进行瞬时水边线提取；
（2）确定一般高潮线
以2010年黄河三角洲河口沙嘴区高潮线提取过程图为例（见图6），由ENVI5.3软件提供计算各地物分类区分度计算矩阵，将各地物两两进行对比，数据大于1.8即可视为区分度良好，从图中计算结果可以看出，分类结果精度良好，不同地物间具有较强的区分度；
（3）确定海岸线所包围的陆地面积
采用平均潮位线法提取黄河三角洲海岸线所包含的陆地面积，首先利用Arcgis10平台对提取出的各年份瞬时水边线和一般高潮线所包含的面积进行量算，由于高潮线与瞬时水边线之间的区域频繁受到潮汐因素的影响，长时期内两线间的面积不断变化，将一定时期两线间面积的均值可看做平均受潮水影响的面积，将该面积与一般高潮线所包含的面积进行加和，以此对一般高潮线进行修正，即可得到平均潮位下的陆地面积；
3、黄河三角洲刁口河河口和清水沟河口海岸演化识别（如图7、图8所示）。

Claims (4)

1.一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，其特征在于：该方法通过收集河流三角洲地区不同时相卫星遥感影像，通过RS/GIS集成应用技术，对影像进行预处理、叠加、监督与非监督相结合的分类解译，以及海岸带岸线进行提取，实现对多泥沙河流三角洲海岸带的动态变化监测；具体步骤如下：
步骤1，遥感影像获取
选取合适的卫星遥感影响数据；
步骤2，海岸线遥感解译方法
在海岸线的确定过程中，利用近红外波段的水体反射辐射率明显低于其他地物的特点，采用阈值分割法对水陆边界进行划分，将水体和其他地物分开，直接获取的水陆分界线为卫星过境成像时的瞬时水边线，由于岸线受到潮汐、地形等因素的影响，瞬时水边线并不能真实反映海岸线的动态变化，因此，可以采用平均潮位线法对河流三角洲海岸线进行提取，利用GIS技术量算海岸线所含陆地面积；具体研究方法如下：
（2.1）确定瞬时水边线
瞬时水边线是卫星过境时所拍摄到的海陆分界线，其位置受潮汐潮位因素影响较大，并不能真实地反映海岸线的变化情况，因此，提取出的瞬时水边线并不能直接当作海岸线，但是在提取海岸线的过程中，对瞬时水边线的提取过程又是必不可少的，利用遥感影像处理技术提取瞬时水边线常采用自动提取算法；
（2.2）确定一般高潮线
一般高潮线是指海洋潮流发生非特大高潮时，海水所淹没的平均界线，尽管在遥感影像中很难获得高精度的高程信息，但是一般高潮线以上的陆地在常规标准的潮水条件下基本不受影响，一般高潮线介于高潮滩与中潮滩之间，由于潮滩物质成分的差异以及暴露于水体之上时间的长短不同而导致滩区含水量的不同，反射率也不相同，在遥感影响上表现出不同的光谱特征信息，较容易识别，采用遥感影像的分类处理与目视解译相结合的方法来确定出研究区不同滩区的分布情况，进而提取出一般高潮线，该方法简单易行，且不需要进行修正；
（2.3）确定海岸线所包围的陆地面积
首先利用Arcgis10平台对提取出的各年份瞬时水边线和一般高潮线所包含的面积进行量算，由于高潮线与瞬时水边线之间的区域频繁受到潮汐因素的影响，长时期内两线间的面积不断变化，将一定时期两线间面积的均值可看作平均受潮水影响的面积，将该面积与一般高潮线所包含的面积进行加和，以此对一般高潮线进行修正，即可得到平均潮位下的陆地面积。
2.根据权利要求1所述的一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，其特征在于：所述的步骤1中选用的卫星遥感影像数据全部为美国陆地卫星Landsat系列影像数据，包括20世纪80年代以来的Landsat4-5TM影像数据和2013年以来的Landsat8OLI影像数据。
3.根据权利要求1所述的一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，其特征在于：所述的步骤（2.1）中，目前关于自动提取算法的相关算法的研究有很多，主要包括阈值分割法、边缘检测法、小波变换法、神经网络分类、CDC算子提取法和区域生长提取法等，其中，阈值分割法适用于要分割的物体与背景有强烈对比度的图像，因其实现简单、计算量小且性能较稳定而成为海岸线提取的一种常用算法，在此选取基于二次改进归一化水体指数的阈值分割法对多泥沙三角洲多年多期遥感影像进行瞬时水边线提取；二次改进归一化水体指数的数学表达式为：
其中，代表中红外波段，即TM影像的7号波段，处于水的强吸.收带；代表绿波段，TM影像中的2号波段，对水体穿透效果较强，可反映水下特征；通过波段计算使用中红外波长使具有水体特征的低反射率最小化，计算各类地物SMNDWI指数，水体为零值或负值，非水体为正值，以此将水陆分界；使用ENVI5.3软件对9期黄河三角洲遥感影像进行波段计算，得到各个年份水体指数计算结果，再利用Arcgis平台进行瞬时水边线提取。
4.根据权利要求1所述的一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法，其特征在于：所述的步骤（2.2）利用ENVI5.3软件对已进行图像预处理后的遥感影像进行分类处理，由于高潮滩和中潮滩的地貌特征和植被的发育程度不同，因此在遥感影像上表现出不同的色彩特征信息，高潮滩大多数时间露于水面之上，在遥感影像上呈现浅灰色调，生长在滩面上的耐盐植被呈红-红褐色调，其上部因盐渍化程度较高，多呈现灰白、白色调；中潮滩由于受到潮水往复淹没的作用，其表面存在较多的潮蚀沟和潮蚀坑，对阳光具有较强的反射能力，呈现灰褐色调；根据地物标识和颜色特征，利用非监督分类选取各训练样区，然后根据非监督分类的结果运用监督分类方法提取出水体、高潮滩、中潮滩和低潮滩，最后根据分类后的影像，在Arcgis10平台上通过目视解译的方法进去一般高潮线。
CN201810970135.9A 2018-08-24 2018-08-24 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法 Active CN109190538B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810970135.9A CN109190538B (zh) 2018-08-24 2018-08-24 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810970135.9A CN109190538B (zh) 2018-08-24 2018-08-24 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法

Publications (2)

Publication Number Publication Date
CN109190538A true CN109190538A (zh) 2019-01-11
CN109190538B CN109190538B (zh) 2021-06-08

Family

ID=64919405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810970135.9A Active CN109190538B (zh) 2018-08-24 2018-08-24 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法

Country Status (1)

Country Link
CN (1) CN109190538B (zh)

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009213A (zh) * 2019-03-28 2019-07-12 交通运输部水运科学研究所 一种基于长时间序列卫星遥感数据的航道工程生态影响跟踪监测评价方法
CN110648347A (zh) * 2019-09-24 2020-01-03 北京航天宏图信息技术股份有限公司 一种基于遥感影像的海岸线提取方法及装置
CN110705578A (zh) * 2019-10-15 2020-01-17 中船（浙江）海洋科技有限公司 一种海岸线年际演变分析系统及方法
CN111178230A (zh) * 2019-12-26 2020-05-19 武汉大学 一种遥感影像内河洲滩智能化提取方法
CN111275254A (zh) * 2020-01-17 2020-06-12 河海大学 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法
CN111291621A (zh) * 2020-01-14 2020-06-16 中国科学院南京地理与湖泊研究所 定量评价近岸水产养殖塘对近海Chl-a浓度影响的方法
CN111310674A (zh) * 2020-02-20 2020-06-19 生态环境部卫星环境应用中心 基于网格划分技术的河流生态缓冲带遥感监测方法和装置
CN111401753A (zh) * 2020-03-18 2020-07-10 自然资源部第一海洋研究所 海源干扰对滨海湿地生态系统影响的定量化评估方法
CN111461046A (zh) * 2020-04-10 2020-07-28 生态环境部卫星环境应用中心 基于岸线数据的海岸侵蚀与淤积的自动化识别方法与装置
CN111666918A (zh) * 2020-06-22 2020-09-15 大连海洋大学 一种基于多因素的海岸线变化识别方法
CN111680641A (zh) * 2020-06-11 2020-09-18 自然资源部第一海洋研究所 围填海影响下近岸海域可运动水体边界线辨识和划分方法
CN111861834A (zh) * 2020-07-14 2020-10-30 自然资源部第一海洋研究所 一种基于水资源依赖程度的海岸带陆域空间用途监测调查方法
CN112347931A (zh) * 2020-11-06 2021-02-09 天津大学 一种利用卫星影像对沿海地区海岸线变迁分析研究的方法
CN112711622A (zh) * 2021-03-26 2021-04-27 中国测绘科学研究院 一种海岸线位置变化信息的处理方法及装置
CN112861824A (zh) * 2021-04-06 2021-05-28 中国科学院地理科学与资源研究所 海岸线提取方法、装置、终端设备和可读存储介质
CN113094929A (zh) * 2021-04-27 2021-07-09 中国石油大学(北京) 基于非三角洲海侵的大陆架剖面确定方法及装置
CN113158840A (zh) * 2021-04-01 2021-07-23 中国科学院南京地理与湖泊研究所 一种基于高清遥感影像的内河岸线资源利用类型提取方法
CN113516084A (zh) * 2021-07-20 2021-10-19 海南长光卫星信息技术有限公司 高分辨率遥感影像半监督分类方法、装置、设备及介质
CN113628227A (zh) * 2021-08-02 2021-11-09 哈尔滨工业大学 一种基于深度学习的海岸线变化分析方法
CN114114255A (zh) * 2021-11-29 2022-03-01 商丘师范学院 记录黄河生态资源变化状态的遥感检测方法
CN114266981A (zh) * 2021-11-04 2022-04-01 成都理工大学 一种适用于高山峡谷地区的遥感智能解译方法
CN114283335A (zh) * 2021-12-27 2022-04-05 河南大学 一种历史时期遥感识别精度验证制备方法
CN114511790A (zh) * 2022-02-11 2022-05-17 广东海启星海洋科技有限公司 基于光学卫星数据的海洋溢油事件监测实现方法及装置
CN115078263A (zh) * 2022-05-27 2022-09-20 苏州科技大学 顾及潮汐影响的海草遥感信息提取方法
CN115082809A (zh) * 2022-06-23 2022-09-20 宁波大学 一种基于遥感影像大数据的潮滩演变监测新方法
CN116797798A (zh) * 2023-07-03 2023-09-22 生态环境部卫星环境应用中心 基于尺度变换的海岸线快速提取方法和装置
CN117423002A (zh) * 2023-12-18 2024-01-19 中国水产科学研究院南海水产研究所 一种基于dem的小尺度潮滩图像处理方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103106658A (zh) * 2013-01-23 2013-05-15 中国人民解放军信息工程大学 一种海岛、礁岸线快速提取方法
US20130330010A1 (en) * 2009-01-21 2013-12-12 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Boundary Extraction Method
CN104050474A (zh) * 2014-06-10 2014-09-17 上海海洋大学 一种基于LiDAR数据的海岛岸线自动提取方法
CN105374041A (zh) * 2015-11-18 2016-03-02 国家海洋局第一海洋研究所 利用多期遥感影像提取砂质岸线的方法
CN105389826A (zh) * 2015-12-23 2016-03-09 国家海洋局第一海洋研究所 珊瑚岛礁岸线高分sar遥感提取方法
CN105740794A (zh) * 2016-01-27 2016-07-06 中国人民解放军92859部队 一种基于卫星影像的海岸线自动提取与分类方法
CN107358161A (zh) * 2017-06-08 2017-11-17 深圳先进技术研究院 一种基于遥感影像分类的海岸线提取方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130330010A1 (en) * 2009-01-21 2013-12-12 The Government Of The United States Of America, As Represented By The Secretary Of The Navy Boundary Extraction Method
CN103106658A (zh) * 2013-01-23 2013-05-15 中国人民解放军信息工程大学 一种海岛、礁岸线快速提取方法
CN104050474A (zh) * 2014-06-10 2014-09-17 上海海洋大学 一种基于LiDAR数据的海岛岸线自动提取方法
CN105374041A (zh) * 2015-11-18 2016-03-02 国家海洋局第一海洋研究所 利用多期遥感影像提取砂质岸线的方法
CN105389826A (zh) * 2015-12-23 2016-03-09 国家海洋局第一海洋研究所 珊瑚岛礁岸线高分sar遥感提取方法
CN105740794A (zh) * 2016-01-27 2016-07-06 中国人民解放军92859部队 一种基于卫星影像的海岸线自动提取与分类方法
CN107358161A (zh) * 2017-06-08 2017-11-17 深圳先进技术研究院 一种基于遥感影像分类的海岸线提取方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MANOJ KUMER GHOSH 等: "Monitoring the coastline change of Hatiya Island in Bangladesh using remote sensing techniques", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 *
于彩霞 等: "海岸线提取技术研究进展", 《测绘科学技术学报》 *
刘鹏 等: "基于DSAS和FA的1959—2002年黄河三角洲海岸线演变规律及影响因素研究", 《海洋与湖沼》 *

Cited By (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110009213B (zh) * 2019-03-28 2021-10-22 交通运输部水运科学研究所 一种基于长时间序列卫星遥感数据的航道工程生态影响跟踪监测评价方法
CN110009213A (zh) * 2019-03-28 2019-07-12 交通运输部水运科学研究所 一种基于长时间序列卫星遥感数据的航道工程生态影响跟踪监测评价方法
CN110648347A (zh) * 2019-09-24 2020-01-03 北京航天宏图信息技术股份有限公司 一种基于遥感影像的海岸线提取方法及装置
CN110705578A (zh) * 2019-10-15 2020-01-17 中船（浙江）海洋科技有限公司 一种海岸线年际演变分析系统及方法
CN111178230A (zh) * 2019-12-26 2020-05-19 武汉大学 一种遥感影像内河洲滩智能化提取方法
CN111291621B (zh) * 2020-01-14 2023-05-16 中国科学院南京地理与湖泊研究所 定量评价近岸水产养殖塘对近海Chl-a浓度影响的方法
CN111291621A (zh) * 2020-01-14 2020-06-16 中国科学院南京地理与湖泊研究所 定量评价近岸水产养殖塘对近海Chl-a浓度影响的方法
CN111275254A (zh) * 2020-01-17 2020-06-12 河海大学 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法
CN111275254B (zh) * 2020-01-17 2022-08-05 河海大学 基于潮间带面积变化模型预测未来潮间带面积发展趋势的方法
CN111310674A (zh) * 2020-02-20 2020-06-19 生态环境部卫星环境应用中心 基于网格划分技术的河流生态缓冲带遥感监测方法和装置
CN111401753A (zh) * 2020-03-18 2020-07-10 自然资源部第一海洋研究所 海源干扰对滨海湿地生态系统影响的定量化评估方法
CN111401753B (zh) * 2020-03-18 2022-12-06 自然资源部第一海洋研究所 海源干扰对滨海湿地生态系统影响的定量化评估方法
CN111461046A (zh) * 2020-04-10 2020-07-28 生态环境部卫星环境应用中心 基于岸线数据的海岸侵蚀与淤积的自动化识别方法与装置
CN111461046B (zh) * 2020-04-10 2020-12-25 生态环境部卫星环境应用中心 基于岸线数据的海岸侵蚀与淤积的自动化识别方法与装置
CN111680641B (zh) * 2020-06-11 2024-02-27 自然资源部第一海洋研究所 围填海影响下近岸海域可运动水体边界线辨识和划分方法
CN111680641A (zh) * 2020-06-11 2020-09-18 自然资源部第一海洋研究所 围填海影响下近岸海域可运动水体边界线辨识和划分方法
CN111666918B (zh) * 2020-06-22 2023-08-15 大连海洋大学 一种基于多因素的海岸线变化识别方法
CN111666918A (zh) * 2020-06-22 2020-09-15 大连海洋大学 一种基于多因素的海岸线变化识别方法
CN111861834A (zh) * 2020-07-14 2020-10-30 自然资源部第一海洋研究所 一种基于水资源依赖程度的海岸带陆域空间用途监测调查方法
CN112347931A (zh) * 2020-11-06 2021-02-09 天津大学 一种利用卫星影像对沿海地区海岸线变迁分析研究的方法
CN112711622A (zh) * 2021-03-26 2021-04-27 中国测绘科学研究院 一种海岸线位置变化信息的处理方法及装置
CN113158840A (zh) * 2021-04-01 2021-07-23 中国科学院南京地理与湖泊研究所 一种基于高清遥感影像的内河岸线资源利用类型提取方法
CN112861824A (zh) * 2021-04-06 2021-05-28 中国科学院地理科学与资源研究所 海岸线提取方法、装置、终端设备和可读存储介质
CN112861824B (zh) * 2021-04-06 2022-08-12 中国科学院地理科学与资源研究所 海岸线提取方法、装置、终端设备和可读存储介质
WO2022228450A1 (zh) * 2021-04-27 2022-11-03 中国石油大学(北京) 基于非三角洲海侵的大陆架剖面确定方法及装置
CN113094929A (zh) * 2021-04-27 2021-07-09 中国石油大学(北京) 基于非三角洲海侵的大陆架剖面确定方法及装置
CN113094929B (zh) * 2021-04-27 2024-02-06 中国石油大学(北京) 基于非三角洲海侵的大陆架剖面确定方法及装置
CN113516084A (zh) * 2021-07-20 2021-10-19 海南长光卫星信息技术有限公司 高分辨率遥感影像半监督分类方法、装置、设备及介质
CN113628227B (zh) * 2021-08-02 2022-05-17 哈尔滨工业大学 一种基于深度学习的海岸线变化分析方法
CN113628227A (zh) * 2021-08-02 2021-11-09 哈尔滨工业大学 一种基于深度学习的海岸线变化分析方法
CN114266981A (zh) * 2021-11-04 2022-04-01 成都理工大学 一种适用于高山峡谷地区的遥感智能解译方法
CN114266981B (zh) * 2021-11-04 2023-04-07 成都理工大学 一种适用于高山峡谷地区的遥感智能解译方法
CN114114255A (zh) * 2021-11-29 2022-03-01 商丘师范学院 记录黄河生态资源变化状态的遥感检测方法
CN114283335B (zh) * 2021-12-27 2022-11-22 河南大学 一种历史时期遥感识别精度验证制备方法
CN114283335A (zh) * 2021-12-27 2022-04-05 河南大学 一种历史时期遥感识别精度验证制备方法
CN114511790B (zh) * 2022-02-11 2022-09-30 广东海启星海洋科技有限公司 基于光学卫星数据的海洋溢油事件监测实现方法及装置
CN114511790A (zh) * 2022-02-11 2022-05-17 广东海启星海洋科技有限公司 基于光学卫星数据的海洋溢油事件监测实现方法及装置
CN115078263A (zh) * 2022-05-27 2022-09-20 苏州科技大学 顾及潮汐影响的海草遥感信息提取方法
CN115082809B (zh) * 2022-06-23 2023-02-17 宁波大学 一种基于遥感影像大数据的潮滩演变监测新方法
CN115082809A (zh) * 2022-06-23 2022-09-20 宁波大学 一种基于遥感影像大数据的潮滩演变监测新方法
CN116797798A (zh) * 2023-07-03 2023-09-22 生态环境部卫星环境应用中心 基于尺度变换的海岸线快速提取方法和装置
CN116797798B (zh) * 2023-07-03 2024-01-09 生态环境部卫星环境应用中心 基于尺度变换的海岸线快速提取方法和装置
CN117423002A (zh) * 2023-12-18 2024-01-19 中国水产科学研究院南海水产研究所 一种基于dem的小尺度潮滩图像处理方法
CN117423002B (zh) * 2023-12-18 2024-03-15 中国水产科学研究院南海水产研究所 一种基于dem的小尺度潮滩图像处理方法

Also Published As

Publication number Publication date
CN109190538B (zh) 2021-06-08

Similar Documents

Publication Publication Date Title
CN109190538A (zh) 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
Jia et al. Rapid, robust, and automated mapping of tidal flats in China using time series Sentinel-2 images and Google Earth Engine
Sun et al. Plant species classification in salt marshes using phenological parameters derived from Sentinel-2 pixel-differential time-series
Lathrop et al. A multi-scale segmentation approach to mapping seagrass habitats using airborne digital camera imagery
Dronova et al. Object-based analysis and change detection of major wetland cover types and their classification uncertainty during the low water period at Poyang Lake, China
Ouma et al. A water index for rapid mapping of shoreline changes of five East African Rift Valley lakes: an empirical analysis using Landsat TM and ETM+ data
Zhao et al. Mapping large-area tidal flats without the dependence on tidal elevations: A case study of Southern China
CN109977801A (zh) 一种联合光学和雷达的区域水体快速动态提取方法及系统
Acharya et al. Application of water indices in surface water change detection using Landsat imagery in Nepal
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
CN107247927B (zh) 一种基于缨帽变换的遥感图像海岸线信息提取方法及系统
AUGENSTEIN et al. Evaluation of SPOT HRV-XS data for kelp resource inventories
Chen et al. Mapping three-dimensional morphological characteristics of tidal salt-marsh channels using UAV structure-from-motion photogrammetry
Sun et al. Tracking annual changes in the distribution and composition of saltmarsh vegetation on the Jiangsu coast of China using Landsat time series–based phenological parameters
Zhao et al. Stability evaluation of tidal flats based on time-series satellite images: A case study of the Jiangsu central coast, China
Bochow et al. On the use of airborne imaging spectroscopy data for the automatic detection and delineation of surface water bodies
Wiguna et al. Spatial Analysis of Mangrove Distribution Using Landsat 8 Oli in Badung Regency and Denpasar City, Bali Province, Indonesia
Zhou et al. Developing seagrass index for long term monitoring of Zostera japonica seagrass bed: A case study in Yellow River Delta, China
Gong et al. Remote sensing monitoring of the bottom topography in a shallow reservoir and the spatiotemporal changes of submerged aquatic vegetation under water depth fluctuations
Meng et al. Monitoring human-induced surface water disturbance around Taihu Lake since 1984 by time series Landsat images
Nezlin et al. Application of color infrared aerial photography to assess macroalgal distribution in an eutrophic estuary, Upper Newport Bay, California
Austin et al. Aerial color and color infrared survey of marine plant resources
Liu et al. Water extraction on the hyperspectral images of gaofen-5 satellite using spectral indices
CN113420780B (zh) 一种遥感时空谱特征融合的养殖池提取方法
CN115496939A (zh) 一种基于多源遥感数据的湿地信息提取方法

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