CN109581372B - 一种生态环境遥感监测方法 - Google Patents
一种生态环境遥感监测方法 Download PDFInfo
- Publication number
- CN109581372B CN109581372B CN201811503848.0A CN201811503848A CN109581372B CN 109581372 B CN109581372 B CN 109581372B CN 201811503848 A CN201811503848 A CN 201811503848A CN 109581372 B CN109581372 B CN 109581372B
- Authority
- CN
- China
- Prior art keywords
- ecological environment
- index
- remote sensing
- monitoring
- image
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种生态环境遥感监测方法,用于对包含水体的监测区域的生态环境进行监测,所述方法包括:步骤S1)接收生态环境监测区域的遥感图像数据并进行处理,获取处理后的遥感数据;步骤S2)建立水质参数反演模型,将步骤S1)的遥感数据输入该模型计算监测区域的水质指数;步骤S3)计算监测区域的四个遥感特征参量:植被指数、裸土指数、湿度指数和地表温度;步骤S4)采用主成分分析的方法构建含水体的生态环境综合评价模型,将步骤S2)和步骤S3)的五个遥感特征参量输入含水体的生态环境综合评价模型,从而实现监测区域生态环境的监测。本发明的方法利用遥感图像对生态环境进行监测、避免了人为介入,提高了生态环境监测的效率和监测精度。
Description
技术领域
本发明涉及生态环境遥感领域,尤其涉及一种生态环境遥感监测方法。
背景技术
人口的增长和工业化水平的提高,使得人口、资源、环境的矛盾加剧,水污染、荒漠化等生态环境问题不断显现,准确评价生态环境状况有助于生态环境的保护。
随着遥感技术的不断发展,生态环境监测相关模型不断完善,遥感监测技术在生态环境的监测中的应用也越来越普遍。现有的生态环境监测方法主要是采用地面监测站点分布式监测的方法,但地面监测站点只能获取局部信息,不能快速、全方位地了解生态区域的环境状况。
已有生态环境遥感监测方法中遥感图像的预处理、监测指标的计算、生态环境综合评价及报告生成等步骤都需要人为干预才能完成,效率较低。且现有遥感监测方法主要是利用单一的卫星数据,容易受到天气的影响。
发明内容
本发明的目的在于克服上述技术缺陷,提供了一种综合利用热度、湿度、干度、温度、水质遥感监测生态环境的方法,能够解决现有的生态环境监测方法存在的处理效率低、精度低和不能全方位动态监测的问题。
为了实现上述目的,本发明提供了一种生态环境遥感监测方法,用于对包含水体的监测区域的生态环境进行监测,所述方法包括:
步骤S1)接收生态环境监测区域的遥感图像数据并进行处理,获取处理后的遥感数据;
步骤S2)建立水质参数反演模型,将步骤S1)的遥感数据输入该模型计算监测区域的水质指数;
步骤S3)计算监测区域的四个遥感特征参量:植被指数、裸土指数、湿度指数和地表温度;
步骤S4)采用主成分分析的方法构建含水体的生态环境综合评价模型,将步骤S2)和步骤S3)的五个遥感特征参量输入含水体的生态环境综合评价模型,从而实现监测区域生态环境的监测。
作为上述方法的一种改进,所述步骤S1)具体包括:
步骤S1-1)接收监测区域的遥感图像数据;
步骤S1-2)依据卫星遥感数据属性参数对遥感图像数据进行辐射定标;
获取生态环境监测区域卫星影像辐射定标增益参数、辐射定标偏置参数;采用反射率增益参数和反射率偏置参数将遥感图像数据的原始灰度值转换为表观反射率,利用辐射亮度增益参数、辐射亮度偏置参数将原始灰度值转换为辐射亮度值;
步骤S1-3)对辐射定标后辐射亮度值进行FLAASH大气校正;
步骤S1-4)采用基于地理坐标匹配的拼接方法将FLAASH大气校正的影像进行影像拼接;
步骤S1-5)对拼接后的影像进行掩膜裁切,获取掩膜后的影像数据。
作为上述方法的一种改进,所述步骤S2)具体包括:
步骤S2-1)建立水质参数反演模型,所述水质参数反演模型包括:水体叶绿素a浓度监测模型和水体浊度监测模型;
步骤S2-2)提取步骤S1-5)中的掩膜后的影像数据中水体图像感兴趣区域;
步骤S2-3)根据步骤S2-1)的水质参数反演模型计算水质指数WI:
WI=(CI1+CI2)/2
其中,CI1为水体叶绿素浓度的标准化值:
CI1=(C1chla-C1min)/(C1max-C1min)
其中,C1chla为将步骤S2-2)的水体图像感兴趣区域的红光通道反射率图像输入水体叶绿素a浓度监测模型得到的叶绿素浓度值,C1max、C1min分别为叶绿素浓度的最大值和最小值;
CI2为水体浊度的标准化值:
CI2=(C2tur-C2min)/(C2max-C2min)
其中,C2tur为将步骤S2-2)的水体图像感兴趣区域的红光通道反射率图像和绿光通道反射率图像输入水体浊度监测模型得到的水体浊度,C2max、C2min分别为水体浊度的最大值和最小值。
作为上述方法的一种改进,所述步骤S2-1)具体包括:
步骤S2-1-1)在特定时间段接收生态环境监测区域的遥感图像数据并进行处理,获取红光通道反射率图像和绿光通道反射率图像;
步骤S2-1-2)同步从地面监测站点获取水体叶绿素浓度、水体浊度数据及其属性数据;
步骤S2-1-3)利用红光通道反射率图像及对应的地面站点实测叶绿素浓度数据构建水体叶绿素a浓度监测模型:
Cchla=a1*Rred^2+a2*Rred+k1
其中,Cchla为地面站点实测叶绿素浓度数据,a1、a2、k1为自动拟合系数,Rred为红光通道反射率值;
步骤S2-1-4)利用红光通道反射率图像和绿光通道反射率图像构成的归一化红绿指数图像,采用对应的地面站点实测水体浊度数据和归一化红绿指数构建水体浊度监测模型:
IndexR-G=(Rred-Rgreen)/(Rred+Rgreen)
Ctur=a3*((Rred-Rgreen)/(Rred+Rgreen))^2+a4*(Rred-Rgreen)/(Rred+Rgreen)+k2
其中,IndexR-G为归一化红绿指数;Ctur为地面站点实测水体浊度数据,a3、a4、k2为自动拟合系数;Rgreen为绿光通道反射率值。
作为上述方法的一种改进,所述步骤S3)具体包括:
步骤S3-1)计算植被指数、裸土指数、湿度指数:
植被指数:NDVI=(Rnir-Rred)/(Rnir+Rred)
湿度指数:Wet=0.3407*Rnir-0.7117*Rswir2–0.4559*Rswir1
裸土指数:NDSI=(SI+IBI)/2
其中:SI=[(Rswir1+Rred)-(Rblue+Rnir)]/[(Rswir1+Rred)+(Rblue+Rnir)]
IBI={2Rswir1/(Rswir1+Rnir)-[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)]}/{2Rswir1/
(Rswir1+Rnir)+[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)};
其中,Rblue、Rnir、Rswir1、Rswir2分别为蓝光通道、近红外通道、短波红外1通道、短波红外2通道的地物反射率值;
步骤S3-2)采用大气校正法计算地表温度ETMP:
ETMP=K2/ln(K1/B(TS)+1)
其中,K1和K2为普朗克常数,B(TS)为黑体热辐射亮度,计算公式如下:
B(TS)=[Lλ–L1-τ(1-ε)L2]/τε
其中,Lλ为步骤S1-2)中所获得的热红外通道1辐射亮度值,L1为上行辐射亮度,L2为大气向下辐射到达地面后反射的能量,τ为大气在热红外波段的透过率,ε为地表比辐射率。
作为上述方法的一种改进,所述步骤S4)具体包括:
步骤S4-1)构建含水体生态环境综合评价模型,并对生态环境状况进行分类;
利用水质指数WI、植被指数NDVI、裸土指数NDSI、湿度指数Wet、地表温度ETMP这5个指标构建生态环境综合评价模型:
REST1=b1*WI+b2*NDVI+b3*NDSI+b4*Wet+b5*ETMP
其中,b1、b2、b3、b4和b5为权重值;REST1为评价值,将评价值进行分类,分为5类0~0.2、0.2~0.4、0.4~0.6、0.6~0.8、0.8~1,对应地将生态环境状况分为5类:差、较差、中等、良好、优秀;
步骤S4-2)将步骤S2)及步骤S3)计算的遥感特征参量输入含水体的生态环境综合评价模型,得到生态环境综合评价指数,绘制生态环境综合评价指数图像;
统计生态区域目标图像内的像元个数N,通过公式S=N×空间分辨率,计算生态环境监测区域面积S;再分别统计每个级别所占的面积,将步骤S2)及步骤S3)计算的遥感特征参量输入含水体的生态环境综合评价模型,得到生态环境综合评价指数,由此得到监测区域内差、较差、中等、良好、优秀5类生态环境状况面积所占的比例;
步骤S4-3)将所述生态环境综合评价指数图像进行RGB色彩映射形成生态环境遥感监测专题图,并绘制数据统计柱状图和表格;生成监测区域的生态环境遥感监测质量报告。
本发明还提供了一种生态环境遥感监测方法,用于对不包含水体的监测区域的生态环境进行监测,所述方法包括:
步骤T1)获取生态环境监测区域的反射率遥感数据;
步骤T2)计算监测区域的四个遥感特征参量:植被指数、裸土指数、湿度指数和地表温度;
步骤T3)采用主成分分析的方法构建不含水体的生态环境综合评价模型,将步骤T2)的四个遥感特征参量输入该评价模型,从而实现监测区域的生态环境的监测。
作为上述方法的一种改进,所述步骤T1)具体包括:
步骤T1-1)接收监测区域的遥感图像数据;
步骤T1-2)依据卫星遥感数据属性参数对遥感图像数据进行辐射定标;
获取生态环境监测区域卫星影像辐射定标增益参数、辐射定标偏置参数;采用反射率增益参数和反射率偏置参数将遥感图像数据的原始灰度值转换为表观反射率,利用辐射亮度增益参数、辐射亮度偏置参数将原始灰度值转换为辐射亮度值;
步骤T1-3)对辐射定标后辐射亮度值进行FLAASH大气校正;
步骤T1-4)采用基于地理坐标匹配的拼接方法将FLAASH大气校正的影像进行影像拼接;
步骤T1-5)对拼接后的影像进行掩膜裁切,获取掩膜后的影像数据。
作为上述方法的一种改进,所述步骤T2)具体包括:
步骤T2-1)计算植被指数、裸土指数、湿度指数:
植被指数:NDVI=(Rnir-Rred)/(Rnir+Rred)
湿度指数:Wet=0.3407*Rnir-0.7117*Rswir2–0.4559*Rswir1
裸土指数:NDSI=(SI+IBI)/2
其中:SI=[(Rswir1+Rred)-(Rblue+Rnir)]/[(Rswir1+Rred)+(Rblue+Rnir)]
IBI={2Rswir1/(Rswir1+Rnir)-[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)]}/{2Rswir1/(Rswir1+Rnir)+[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)};
其中,Rblue、Rnir、Rswir1、Rswir2分别为蓝光通道、近红外通道、短波红外1通道、短波红外2通道的地物反射率值;
步骤T2-2)采用大气校正法计算地表温度ETMP:
ETMP=K2/ln(K1/B(TS)+1)
其中,K1和K2为普朗克常数,B(TS)为黑体热辐射亮度,计算公式如下:
B(TS)=[Lλ–L1-τ(1-ε)L2]/τε
其中,Lλ为步骤S1-2)中所获得的热红外通道1辐射亮度值,L1为上行辐射亮度,L2为大气向下辐射到达地面后反射的能量,τ为大气在热红外波段的透过率,ε为地表比辐射率。
作为上述方法的一种改进,所述步骤T3)具体包括:
步骤T3-1)构建不含水体的生态环境综合评价模型;
利用植被指数、裸土指数、湿度指数、地表温度这4个指标构建不含水体的生态环境综合评价模型:
REST2=c1*NDVI+c2*NDSI+c3*Wet+c4*ETMP
其中,c1、c2、c3和c4为权重值;REST2为评价值,将评价值进行分类,分为5类0~0.2、0.2~0.4、0.4~0.6、0.6~0.8、0.8~1,对应地将生态环境状况分为5类:差、较差、中等、良好、优秀;
步骤T3-2)将步骤T2)计算的四个遥感特征参量输入不含水体的生态环境综合评价模型,得到生态环境综合评价指数,绘制生态环境综合评价指数图像;
统计生态区域目标图像内的像元个数N,通过公式S=N×空间分辨率,计算生态环境监测区域面积S;再分别统计每个级别所占的面积,将步骤T2)计算的四个遥感特征参量输入不含水体的生态环境综合评价模型,得到生态环境综合评价指数,由此得到监测区域内差、较差、中等、良好、优秀5类生态环境状况面积所占的比例;
步骤T3-3)将所述生态环境综合评价指数图像进行RGB色彩映射形成生态环境遥感监测专题图,并绘制数据统计柱状图和表格;生成监测区域的生态环境遥感监测质量报告。
本发明的优势在于:
1、本发明的方法将生态环境监测区域分为含水体和不含水体,对于含水体的生态环境监测区域,根据水质指数、植被指数、裸土指数、湿度指数、地表温度构建生态环境综合评价指数模型;对于不含水体的生态环境监测区域,根据植被指数、裸土指数、湿度指数、地表温度构建生态环境综合评价指数模型;
2、本发明的方法利用采集的遥感图像对生态环境进行监测、避免了人为介入,提高了生态环境监测的效率和监测精度。
附图说明
图1为本发明的遥感影像数据处理流程图;
图2为本发明的水质参数计算流程图;
图3为本发明的生态环境遥感监测综合评价方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明将生态环境监测区域分为包含水体(河流、湖泊、沟渠、积水洼地等)的区域和不包含水体的区域。包含水体的区域所构建的生态环境遥感监测模型主要是利用水质指数、植被指数、裸土指数、湿度指数、地表温度5个及其对应权重所构建。不包含水体区域生态环境遥感监测模型则利用植被指数、裸土指数、湿度指数、地表温度4个及其对应权重所构建。
实施例1
若生态环境监测区域包含水体,如图1所述,本发明的实施例1提供了一种生态环境遥感监测方法,主要包括水质环境遥感监测、植被覆盖度遥感监测、利用水质指数、绿度、湿度、热度、干度五个指标的综合生态环境遥感监测方法。
接收监测区域的水质参数数据及其对应遥感数据,所述数据至少包括:叶绿素a浓度、浊度以及对应卫星数据及其属性数据。
所述卫星遥感器属性数据表包括:生态环境监测卫星遥感器名称及其对应的工作增益状态、波段号、起始波长、终止波长、中间波长、光谱分辨率、光谱响应函数、FLAASH大气校正模型中的映射波段号、空间分辨率、平均日地距离、辐射定标增益参数、辐射定标偏置参数、系统定标增益参数、系统定标偏置参数。
依据水环境遥感数据计算水体的遥感反射率图像,并结合地面环境监测站点水质数据自动建立水质参数反演模型,计算与所述遥感数据对应的水质参数浓度值图像。剔除所述水质参数浓度值图像中的异常值,以得到所述水质参数浓度值图像。分别将水体叶绿素浓度和浊度值图像进行归一化,求取归一化后的叶绿素浓度和浊度图像平均值即为水质指数图像。
依据生态环境遥感数据计算监测区域的归一化植被指数图像,求取每月归一化植被指数图像的最大值,利用最大值合成图像的月变化来监测生态监测区域的植被覆盖变化情况。
依据生态环境遥感数据分别计算监测区域的水质指数、植被指数、裸土指数、湿度指数、地表温度指数图像,并将五者利用主成分分析的方法计算生态环境模型评价指数图像。
所述方法具体包括:
步骤1)生态环境遥感数据处理;
步骤1-1)接收监测区域的遥感数据;
其中遥感数据指的是卫星遥感器在预设的时间拍摄的预设区域的生态监测区域图像,本实施例中,遥感图像必须具有以下属性:卫星遥感器名称、遥感器工作增益、偏移参数及成像日期、坐标系类型、地理范围、太阳高度角、太阳方位角、日地距离、云量等数据。
例如:接收的徐州市遥感图像,与此遥感图像对应的属性数据分别为:传感器名称—Landsat OLI,成像时间--2018年3月25日,地理范围(米)—上39465115、下3713385、左485085、右714015,太阳高度角—50.83,太阳方位角—142.04,云量—2.57%。
步骤1-2)依据遥感数据属性参数进行辐射定标;
获取生态环境监测区域卫星影像辐射定标增益参数、辐射定标偏置参数。该辐射定标采用反射率增益参数、反射率偏置参数,将原始数据DN值转换为表观反射率,利用辐射亮度增益参数、辐射亮度偏置参数将DN值转换为辐射亮度值。
步骤1-1)中所述OLI传感器多光谱图像的8个波段的辐射亮度增益参数依次为:0.01263、0.01293、0.01192、0.01005、0.00615、0.01529、0.00052w/(m2sr um);偏移参数依次为:-63.134、-64.651、-59.575、-50.237、-30.743、-7.645、-2.577w/(m2sr um)。辐射校正是将传感器记录的原始灰度(DN)值转换为大气外层表面辐射亮度或表观反射率的过程,目的在于消除传感器本身产生的误差。该辐射定标采用绝对定标系数将原始数据DN值转换为辐亮度的公式Le(λe)=Gain×DN+Offset,其中Le(λe)为转换后的辐亮度,单位W·m-2·sr-1·μm-1,DN为原始数据中的载荷观测值。Gain为定标斜率,单位W·m-2·sr-1·μm-1;Offset为绝对定标系数偏移量,单位W·m-2·sr-1·μm-1。将DN值转为表观反射率的过程除了偏移和增益的参数的有所不同外,其它均与获取辐射亮度值方法相同。
步骤1-3)依据辐射定标后辐射亮度值进行FLAASH大气校正;
对于已知的多光谱传感器来说,仅仅需要波长,而未知的多光谱传感器类型,则要求知道波谱响应函数。要想准确进行大气校正还必须准确获取影像经纬度、带号、成像时间及其对应的大气类型、气候类型、气溶胶类型等影像属性参数信息。
FLAASH模型中输入的图像必须是经过辐射定标后的辐射亮度图像,格式为BIL或BIP,为了能进行大气反演,图像至少包括下面三个范围区间内的15nm分辨率甚至更高的波段,即1050-1210nm,770-870nm,870-1020nm。对于已知的多光谱传感器来说,仅仅需要波长信息,而未知的多光谱传感器类型,则要求知道波谱响应函数。要想准确进行大气校正还必须准确获取影像经纬度、带号、成像时间及其对应的大气类型、气候类型、气溶胶类型等影像属性参数信息。
步骤1-4)依据大气校正的影像成果进行影像拼接;
采用基于地理坐标匹配的拼接方法将影像自动拼接在一起。拼接后输出图像要求地理投影、像元大小、数据类型和单景图像一致。
正射校正处理能纠正一般系统因素产生的几何畸变外,还可以消除地形引起的几何畸变。获取的原始遥感影像会因传感器和地球地形的变形而像点位移,故而产生影像畸变。正射校正就是利用模型对遥感影像进行非线性拉伸处理,消除相对位置、高程和传感器参数带来的影响。Landsat OLI传感器可利用DEM对影像进行正射校正。为了能够完全覆盖监测的生态区域,需要将两景甚至多景的影像拼接在一起,以便后续统一处理与分析。采用基于地理坐标匹配的拼接方法将影像自动拼接在一起。拼接后输出图像要求地理投影、像元大小、数据类型和单景图像一致。
步骤1-5)影像掩膜裁切;
步骤2)水环境遥感数据处理及监测;如图2所示,具体包括:
步骤2-1)影像感兴趣区域提取;
利用站点编号和经纬度对应关系表自动化获取地面水质监测站点经纬度坐标,结合日期等属性参数获取水体对应的影像图,在卫星影像图上以监测站点中心经纬度外扩一定范围缓冲区,并对缓存区进行掩膜,获取掩膜后的缓存区图像可得影像中水体图像感兴趣区。
利用了Landsat8影像数据的绿光通道和近红外通道反射率图像构建归一化水体指数(NDWI)图像,从NDWI图像中利用阈值自动提取水体目标掩膜图像,掩膜图像为0和1的二值图像,其中1为水体图像,0为背景值。
NDWI=(Rgreen-Rnir)/(Rgreen+Rnir)
步骤2-2)监测站点水质参数获取;
接收水体叶绿素浓度、浊度数据及其属性数据,属性包括所属区域、日期、气象条件、站点名称等,将数据属性信息分类存储在数据库中。
步骤2-3)水质参数监测模型本地化构建;
水体叶绿素a浓度监测模型:利用Landsat8感兴趣区域影像数据的红光通道反射率图像及对应的地面站点实测叶绿素监测数据构建水体叶绿素a二元多项式拟合模型。
Cchla=a1*Rred^2+a2*Rred+k
其中,Cchla为叶绿素浓度,a1、a2、k为自动拟合系数;Rred为红光通道反射率值;
本实施例中,所构建叶绿素监测模型为:Cchla=124.3*Rred^2+15.3*Rred+0.91。
水体浊度监测模型:利用Landsat8感兴趣区域影像数据的红光通道和绿光通道反射率图像构成的归一化红绿指数(IndexR-G)图像,采用对应的地面站点实测水体浊度数据和归一化红绿指数构建水体浊度二元多项式拟合模型。所构建浊度监测模型为:
IndexR-G=(Rred-Rgreen)/(Rred+Rgreen)
Ctur=a3*((Rred-Rgreen)/(Rred+Rgreen))^2+a4*(Rred-Rgreen)/(Rred+Rgreen)+k2
其中,Rgreen为绿光通道反射率值;a3、a4、k2为自动拟合系数;
本实施例中,
Ctur=3117.4*((Rred-Rgreen)/(Rred+Rgreen))^2+1083.6*(Rred-Rgreen)/(Rred+Rgreen)+106.2。
步骤2-4)水质指数(WI)计算
水体叶绿素浓度数据进行标准化处理:CI1=(Cchla-C1min)/(C1max-C1min)
CI1为标准化处理后的叶绿素浓度值,范围在0~1之间,C1max、C1min分别为叶绿素浓度的最大值和最小值。水体浊度数据进行标准化处理:CI2=(Ctur-C2min)/(C2max-C2min)
CI2为标准化处理后的浊度值,范围在0~1之间,C2max、C2min分别为浊度的最大值和最小值。
WI=(CI1+CI2)/2
步骤2-5)水质参数自动化监测;
利用上述所构建的叶绿素和浊度监测模型以及水体淹膜图像可自动生成水体叶绿素和浊度浓度图像。统计水体目标图像内叶绿素a和浊度的最大值max、最小值min、均值mean、标准差std,并计算水质图像,将水质图像分为五个级别,并分别计算每个级别所占的面积比例。根据分类后水质参数浓度值图像,构建水环境遥感监测质量报告。构建水环境质量报告可以具体包括:将所述叶绿素a和浊度浓度值图像进行RGB色彩映射形成的叶绿素a和浊度遥感监测专题图,依据所述叶绿素a和浊度浓度值图像,绘制数据统计柱状图和表格;依据所述叶绿素a浓度和浊度遥感监测专题图、数据统计柱状图和表格,插入Word文档形成水环境遥感监测质量报告。
步骤3)计算四个遥感特征参量:植被指数、裸土指数、湿度指数和地表温度;
根据Landsat8反射率图像计算植被指数、裸土指数、湿度指数,根据辐射亮温图像计算地表温度。含有水体的区域计算水质指数图像,不含有水体的区域,水质指数对生态环境贡献可以忽略不计,不参与生态环境质量评价。利用掩膜水体二值图像可将生态环境监测区域分为包含水体以及不包含水体的两类区域,0值图像区域为非水体区域,1值图像水体区域。
植被覆盖度模型:归一化植被指数(NDVI)是反映植被指数长势和营养信息的重要参数之一。根据该参数,可以知道生态监测区域的植被覆盖度状况。利用Landsat8影像的红光通道和近红外通道反射率图像构建NDVI图像,采用最大合成法对生态监测区域每期多景NDVI图像进行合成。
NDVI=(Rnir-Rred)/(Rnir+Rred)
植被指数、裸土指数、湿度指数参量计算公式为:
植被指数:NDVI=NDVI=(Rnir-Rred)/(Rnir+Rred)
湿度指数:Wet=0.3407*Rnir-0.7117*Rswir2–0.4559*Rswir1
裸土指数:NDSI=(SI+IBI)/2
其中:SI=[(Rswir1+Rred)-(Rblue+Rnir)]/[(Rswir1+Rred)+(Rblue+Rnir)]
IBI={2Rswir1/(Rswir1+Rnir)-[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)]}/{2Rswir1/
(Rswir1+Rnir)+[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)}。
其中,Rblue、Rnir、Rswir1、Rswir2分别为蓝光通道、近红外通道、短波红外1通道、短波红外2通道的地物反射率值;
地表温度反演采用大气校正法,首先估计大气对地表热辐射的影响,然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去,从而得到地表热辐射强度,再把这一热辐射强度转化为相应的地表温度。
采用大气校正法计算地表温度ETMP:
ETMP=K2/ln(K1/B(TS)+1)
其中,K1和K2为普朗克常数,在本实施例中K1为774.89W/(m2*μm*sr),K2为1321.08K。B(TS)为黑体热辐射亮度,计算公式如下:
B(TS)=[Lλ–L1-τ(1-ε)L2]/τε
其中,Lλ为步骤S1-2中所获得的热红外通道1辐射亮度值,L1为上行辐射亮度,L2为大气向下辐射到达地面后反射的能量,τ为大气在热红外波段的透过率,ε为地表比辐射率。
所得的水质指数、植被指数、裸土指数、湿度指数、地表温度分别对应水质、绿地、干度、湿度、热度五个常用反映生态环境质量的评价指标。对植被指数、裸土指数、湿度指数、地表温度进行标准化处理使得特征参量的范围在0~1之间。
步骤4)生态环境遥感监测综合评价,具体包括:
步骤4-1)含水体生态环境综合评价模型构建
若生态环境监测区域包含水体,利用标准化处理后的水质指数WI、植被指数NDVI、裸土指数NDSI、湿度指数Wet、地表温度ETMP这5个指标构建生态环境综合评价模型:
REST1=b1*WI+b2*NDVI+b3*NDSI+b4*Wet+b5*ETMP
其中,b1、b2、b3、b4和b5为权重值;REST1为评价值,将评价值进行分类,分为5类0~0.2、0.2~0.4、0.4~0.6、0.6~0.8、0.8~1,对应地将生态环境状况分为5类:差、较差、中等、良好、优秀;如图3所示。
步骤4-2)生态环境综合评价指数进行统计
统计的具体过程可以为:统计生态区域目标图像内的像元个数N,通过公式S=N×空间分辨率,计算生态环境监测区域面积S;再分别统计每个级别所占的面积,可得生态监测区域内差、较差、中等、良好、优秀5类生态环境状况面积所占的比例。
步骤4-3)根据所述生态环境综合评价指数图像,构建生态环境遥感监测质量报告。
构建生态环境质量报告可以具体包括:将所述生态环境综合评价指数图像进行RGB色彩映射形成生态环境遥感监测专题图,依据所述生态环境综合评价指数图像,绘制数据统计柱状图和表格;并自动化插入Word文档形成生态环境遥感监测质量报告。
实施例2
如图2所示,本发明的实施例2提供了一种生态环境遥感监测系统,所述系统包括:
卫星遥感数据采集模块:用于接收覆盖监测区域的卫星遥感数据,包括高分辨GF1、GF2卫星数据和中分辨率Landsat8卫星遥感数据以及其他常用卫星数据,并对卫星遥感数据进行分类管理。卫星数据管理主要是依靠卫星数据的属性,包括时间查询、传感器查询、范围查询。
卫星遥感数据预处理模块:通过几何校正、辐射校正、大气校正、图像融合、图像镶嵌、图像裁切、投影转换、栅格计算、插值处理、数据提取、数据转化等手段进行卫星数据的预处理,将预处理后的遥感数据放入相应数据库,以便于管理和处理分析。
无人机航片数据采集模块:固定翼无人机1架、倾斜摄影相机1台。航片数据主要用于生态环境监测情况的核查,主要核查水体提取结果、植被覆盖情况以及监测区域人为干扰破坏情况。
地面站点水质监测数据接收模块:接收水体叶绿素浓度、浊度数据及其属性数据,属性包括所属区域、日期、气象条件、站点名称等,将数据分类存储在数据库中。
水质参数计算模块:从覆盖生态监测区域的卫星影像上提取对应于各地面监测站点的感兴趣区域,感兴趣区域的确定方法是以监测站点中心经纬度外扩一定范围缓冲区,利用缓冲区内的影像数据和地面站点的水质监测数据建立的水质参数反演模型数据表,并计算与所述遥感数据对应的水质参数浓度值图像;根据所述水质参数浓度值图像,构建水环境遥感监测质量报告模块。
生态环境综合评价模块:
水质评价模块,利用水体叶绿素和浊度图像数据计算水质指数图像,依据水质指数值的高低可评价水质的好坏,值越接近1,水质环境越差;值越接近0,水质环境越好。
湿度评价模块,基于Landsat8OLI传感器近红外通道、短波红外1和短波红外2图像计算土壤湿度分量。湿度指数值越高,土壤湿度越大。
绿度评价模块,利用植被覆盖度监测模型,监测植被覆盖状况。植被指数值越大,绿度越高,绿化状况越好。
热度评价模块,利用Landsat8热红外外通道(波段10)辐射亮度图像,通过普朗克定律反函数计算地面温度。
干度评价模块,利用Landsat8反射率图像计算表征裸土干度指标的裸土指数(SI)和表征建筑物干度指标的建筑物指数(IBI),并利用两者的平均值来表征干度。
监测报告自动生成模块:用于依据所述水质参数遥感监测专题图、植被覆盖监测专题图、生态环境综合评价指数专题图、以及数据统计柱状图和表格,插入Word文档形成生态环境遥感监测质量报告。
本发明实施例所述的水环境和生态环境遥感数据处理方法及系统,依据地面站点水质监测数据接收系统获取水质参数数据、利用卫星遥感数据采集系统获取监测区域卫星遥感数据,从而计算水体的遥感反射率图像、辐射亮度图像、提取水体目标掩膜图像、提取生态监测区域范围,并计算出水质参数浓度图像、植被覆盖度图像、从而计算生态环境综合评价指数图像。依据所述水质参数浓度专题图像、植被覆盖度专题图像、生态环境综合评价指数图像和无人机影像数据核查结果构建生态环境遥感监测质量报告,所述方法均实现了监测模型的本地化、所述系统实现了自动生成生态环境遥感监测报告,避免了人为介入,提高了生态环境监测数据处理的效率和监测精度。
实施例3
本发明的实施例3提供了监测区域为不含水体的区域的生态环境遥感监测方法,所述方法包括:
步骤1)生态环境遥感数据处理;具体处理过程与实施例1相同。
步骤2)建立植被覆盖度模型:归一化植被指数(NDVI)是反映植被指数长势和营养信息的重要参数之一。根据该参数,可以知道生态监测区域的植被覆盖度状况。利用Landsat8影像的红光通道和近红外通道反射率图像构建NDVI图像,采用最大合成法对生态监测区域每月多景NDVI图像进行合成。
NDVI=(Rnir-Rred)/(Rnir+Rred)
步骤3)计算四个遥感特征参量:
根据Landsat8反射率图像计算植被指数、裸土指数、湿度指数,根据辐射亮温图像计算地表温度。四个遥感特征参量计算公式为:
植被指数:NDVI=NDVI=(Rnir-Rred)/(Rnir+Rred)
湿度指数:Wet=0.3407*Rnir-0.7117*Rswir2–0.4559*Rswir1
裸土指数:NDSI=(SI+IBI)/2
其中:SI=[(Rswir1+Rred)-(Rblue+Rnir)]/[(Rswir1+Rred)+(Rblue+Rnir)]
IBI={2Rswir1/(Rswir1+Rnir)-[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)]}/{2Rswir1/(Rswir1+Rnir)+[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)}
地表温度反演采用大气校正法,首先估计大气对地表热辐射的影响,然后把这部分大气影响从卫星传感器所观测到的热辐射总量中减去,从而得到地表热辐射强度,再把这一热辐射强度转化为相应的地表温度。
所得的植被指数、裸土指数、湿度指数、地表温度分别对应绿地、干度、湿度、热度四个常用反映生态环境质量的评价指标。对植被指数、裸土指数、湿度指数、地表温度进行标准化处理使得特征参量的范围在0~1之间。
步骤4)构建不含水体生态环境综合评价模型;
若生态环境监测区域不包含水体,则利用水体掩膜图像对生态环境监测区域进行掩膜,将标准化处理后的特征参量合成四波段多光谱图像,对多光谱图像进行主成分分析,四个主成分权重大小由对应主成分方差贡献率来决定。构建不包含水体的生态环境监测区域生态环境综合质量评价模型,并自动生成生态环境综合评价指数图像。
对植被指数、裸土指数、湿度指数、地表温度进行标准化处理使得特征参量的范围在0~1之间,将标准化处理后的特征参量合成四波段多光谱图像,对多光谱图像进行主成分分析,四个主成分权重大小由对应主成分方差贡献率来决定。构建生态环境综合质量评价模型,并自动生成生态环境综合评价指数图像。利用标准化处理后的特征参量采用主成分分析的方法构建生态环境综合质量评价模型,并生成生态环境综合评价指数图像。
不含水体生态环境综合评价模型:根据Landsat8反射率图像和辐射亮温图像计算四个遥感特征参量(植被指数、裸土指数、湿度指数、地表温度),植被指数、裸土指数、湿度指数、地表温度分别对应绿地、干度、湿度、热度四个常用反映生态环境质量的评价指标。对植被指数、裸土指数、湿度指数、地表温度进行标准化处理使得特征参量的范围在0~1之间,利用标准化处理后的特征参量采用主成分分析的方法构建生态环境综合质量评价模型,并生成生态环境综合评价指数图像。生态环境模型评价指数如下:
利用植被指数、裸土指数、湿度指数、地表温度这4个指标构建不含水体的生态环境综合评价模型:
REST2=c1*NDVI+c2*NDSI+c3*Wet+c4*ETMP
其中,c1、c2、c3和c4为权重值;REST2为评价值,将评价值进行分类,分为5类0~0.2、0.2~0.4、0.4~0.6、0.6~0.8、0.8~1,对应地将生态环境状况分为5类:差、较差、中等、良好、优秀;
步骤5)生态环境综合评价指数进行统计
统计的具体过程可以为:统计生态区域目标图像内的像元个数N,通过公式S=N×空间分辨率,计算生态环境监测区域面积S;再分别统计每个级别所占的面积,可得生态环境监测区域内差、较差、中等、良好、优秀5类生态环境状况区域面积所占的比例。
步骤6)根据所述生态环境综合评价指数图像,构建生态环境遥感监测质量报告。
构建生态环境质量报告可以具体包括:将所述生态环境综合评价指数图像进行RGB色彩映射形成生态环境遥感监测专题图,依据所述生态环境综合评价指数图像,绘制数据统计柱状图和表格;并自动化插入Word文档形成生态环境环境遥感监测质量报告。
实施例4
本发明实施例4还公开了监测区域为不含水体的区域的生态环境遥感监测系统,包括:
数据存储模块,用于接收生态环境监测区域的卫星数据、无人机影像数据、卫星数据包括高分辨GF1、GF2卫星数据和中分辨率Landsat8卫星遥感数据以及其他常用卫星数据,并对卫星遥感数据进行分类管理。卫星数据管理主要是依靠卫星数据的属性,包括时间查询、传感器查询、范围查询。
数据处理模块,通过几何校正、辐射校正、大气校正、图像融合、图像镶嵌、图像裁切、投影转换、栅格计算、插值处理、数据提取、数据转化等手段进行卫星数据的预处理,将预处理后的遥感数据属性信息放入相应ORACLE数据库,以便于管理和处理分析。
生态环境综合分析模块,包括湿度分析模块、热度分析模块、绿度分析模块、干度分析模块共四个模块。
湿度分析模块,基于Landsat8OLI传感器近红外通道、短波红外1和短波红外2图像计算土壤湿度分量图像。
绿度分析模块,利用植被覆盖度监测模型和遥感反射率图像,监测植被覆盖状况。
热度分析模块,利用热度分析模型和遥感反射率图像、辐射亮度图像计算地面温度图像。
干度分析模块,利用Landsat8反射率图像计算表征裸土干度指标的裸土指数(SI)和表征建筑物干度指标的建筑物指数(IBI),并利用两者的平均值来表征干度,从而计算干度图像。
无人机数据核查模块,利用无人机数据采集系统获取生态监测区域的航片数据。航片数据基于快拼软件进行自动化拼接后将正射影像成果导入无人机数据管理模块,正射影像成果主要用于生态环境监测情况的核查,主要核查水体提取结果、植被覆盖异常情况以及监测区域人为干扰破坏情况。
监测报告输出模块,用于根据所述水质参数浓度值图像,构建水环境遥感监测质量报告。用于依据植被覆盖监测专题图、生态环境综合评价指数专题图、以及数据统计柱状图和表格,插入Word文档形成生态环境遥感监测质量报告。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (3)
1.一种生态环境遥感监测方法,用于对包含水体的监测区域的生态环境进行监测,所述方法包括:
步骤S1)接收生态环境监测区域的遥感图像数据并进行处理,获取处理后的遥感数据;
步骤S2)建立水质参数反演模型,将步骤S1)的遥感数据输入该模型计算监测区域的水质指数;
步骤S3)计算监测区域的四个遥感特征参量:植被指数、裸土指数、湿度指数和地表温度;
步骤S4)采用主成分分析的方法构建含水体的生态环境综合评价模型,将步骤S2)和步骤S3)的五个遥感特征参量输入含水体的生态环境综合评价模型,从而实现监测区域生态环境的监测;
所述步骤S1)具体包括:
步骤S1-1)接收监测区域的遥感图像数据;
步骤S1-2)依据卫星遥感数据属性参数对遥感图像数据进行辐射定标;
获取生态环境监测区域卫星影像辐射定标增益参数、辐射定标偏置参数;采用反射率增益参数和反射率偏置参数将遥感图像数据的原始灰度值转换为表观反射率,利用辐射亮度增益参数、辐射亮度偏置参数将原始灰度值转换为辐射亮度值;
步骤S1-3)对辐射定标后辐射亮度值进行FLAASH大气校正;
步骤S1-4)采用基于地理坐标匹配的拼接方法将FLAASH大气校正的影像进行影像拼接;
步骤S1-5)对拼接后的影像进行掩膜裁切,获取掩膜后的影像数据;
所述步骤S2)具体包括:
步骤S2-1)建立水质参数反演模型,所述水质参数反演模型包括:水体叶绿素a浓度监测模型和水体浊度监测模型;
步骤S2-2)提取步骤S1-5)中的掩膜后的影像数据中水体图像感兴趣区域;
步骤S2-3)根据步骤S2-1)的水质参数反演模型计算水质指数WI:
WI=(CI1+CI2)/2
其中,CI1为水体叶绿素浓度的标准化值:
CI1=(C1chla-C1min)/(C1max-C1min)
其中,C1chla为将步骤S2-2)的水体图像感兴趣区域的红光通道反射率图像输入水体叶绿素a浓度监测模型得到的叶绿素浓度值,C1max、C1min分别为叶绿素浓度的最大值和最小值;
CI2为水体浊度的标准化值:
CI2=(C2tur-C2min)/(C2max-C2min)
其中,C2tur为将步骤S2-2)的水体图像感兴趣区域的红光通道反射率图像和绿光通道反射率图像输入水体浊度监测模型得到的水体浊度,C2max、C2min分别为水体浊度的最大值和最小值;
所述步骤S2-1)具体包括:
步骤S2-1-1)在特定时间段接收生态环境监测区域的遥感图像数据并进行处理,获取红光通道反射率图像和绿光通道反射率图像;
步骤S2-1-2)同步从地面监测站点获取水体叶绿素浓度、水体浊度数据及其属性数据;
步骤S2-1-3)利用红光通道反射率图像及对应的地面站点实测叶绿素浓度数据构建水体叶绿素a浓度监测模型:
Cchla=a1*Rred^2+a2*Rred+k1
其中,Cchla为地面站点实测叶绿素浓度数据,a1、a2、k1为自动拟合系数,Rred为红光通道反射率值;
步骤S2-1-4)利用红光通道反射率图像和绿光通道反射率图像构成的归一化红绿指数图像,采用对应的地面站点实测水体浊度数据和归一化红绿指数构建水体浊度监测模型:
IndexR-G=(Rred-Rgreen)/(Rred+Rgreen)
Ctur=a3*((Rred-Rgreen)/(Rred+Rgreen))^2+a4*(Rred-Rgreen)/(Rred+Rgreen)+k2
其中,IndexR-G为归一化红绿指数;Ctur为地面站点实测水体浊度数据,a3、a4、k2为自动拟合系数;Rgreen为绿光通道反射率值。
2.根据权利要求1所述的生态环境遥感监测方法,其特征在于,所述步骤S3)具体包括:
步骤S3-1)计算植被指数、裸土指数、湿度指数:
植被指数:NDVI=(Rnir-Rred)/(Rnir+Rred)
湿度指数:Wet=0.3407*Rnir-0.7117*Rswir2–0.4559*Rswir1
裸土指数:NDSI=(SI+IBI)/2
其中:SI=[(Rswir1+Rred)-(Rblue+Rnir)]/[(Rswir1+Rred)+(Rblue+Rnir)]
IBI={2Rswir1/(Rswir1+Rnir)-[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)]}/{2Rswir1/(Rswir1+Rnir)+[Rnir/(Rnir+Rred)+Rgreen/(Rgreen+Rswir1)};
其中,Rblue、Rnir、Rswir1、Rswir2分别为蓝光通道、近红外通道、短波红外1通道、短波红外2通道的地物反射率值;
步骤S3-2)采用大气校正法计算地表温度ETMP:
ETMP=K2/ln(K1/B(TS)+1)
其中,K1和K2为普朗克常数,B(TS)为黑体热辐射亮度,计算公式如下:
B(TS)=[Lλ–L1-τ(1-ε)L2]/τε
其中,Lλ为步骤S1-2)中所获得的热红外通道1辐射亮度值,L1为上行辐射亮度,L2为大气向下辐射到达地面后反射的能量,τ为大气在热红外波段的透过率,ε为地表比辐射率。
3.根据权利要求2所述的生态环境遥感监测方法,其特征在于,所述步骤S4)具体包括:
步骤S4-1)构建含水体生态环境综合评价模型,并对生态环境状况进行分类;
利用标准化处理后的水质指数WI、植被指数NDVI、裸土指数NDSI、湿度指数Wet、地表温度ETMP这5个指标构建生态环境综合评价模型:
REST1=b1*WI+b2*NDVI+b3*NDSI+b4*Wet+b5*ETMP
其中,b1、b2、b3、b4和b5为权重值;REST1为评价值,将评价值进行分类,分为5类0~0.2、0.2~0.4、0.4~0.6、0.6~0.8、0.8~1,对应地将生态环境状况分为5类:差、较差、中等、良好、优秀;
步骤S4-2)将步骤S2)及步骤S3)计算的遥感特征参量输入含水体的生态环境综合评价模型,得到生态环境综合评价指数,绘制生态环境综合评价指数图像;
统计生态区域目标图像内的像元个数N,通过公式S=N×空间分辨率,计算生态环境监测区域面积S;再分别统计每个级别所占的面积,将步骤S2)及步骤S3)计算的遥感特征参量输入含水体的生态环境综合评价模型,得到生态环境综合评价指数,由此得到监测区域内差、较差、中等、良好、优秀5类生态环境状况面积所占的比例;
步骤S4-3)将所述生态环境综合评价指数图像进行RGB色彩映射形成生态环境遥感监测专题图,并绘制数据统计柱状图和表格;生成监测区域的生态环境遥感监测质量报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503848.0A CN109581372B (zh) | 2018-12-10 | 2018-12-10 | 一种生态环境遥感监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811503848.0A CN109581372B (zh) | 2018-12-10 | 2018-12-10 | 一种生态环境遥感监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109581372A CN109581372A (zh) | 2019-04-05 |
CN109581372B true CN109581372B (zh) | 2021-01-05 |
Family
ID=65927946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811503848.0A Active CN109581372B (zh) | 2018-12-10 | 2018-12-10 | 一种生态环境遥感监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109581372B (zh) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286103B (zh) * | 2019-05-08 | 2022-02-08 | 深圳市泰和安科技有限公司 | 一种环境介质感测方法及装置 |
CN110118742A (zh) * | 2019-05-27 | 2019-08-13 | 成都理工大学 | 基于光谱分析的陆表植被冠层生态水含量遥感反演方法 |
CN110472357B (zh) * | 2019-08-21 | 2023-05-02 | 华北理工大学 | 评估矿业开发密集区地表热环境分异效应的遥感综合生态模型rsiei的构建方法及应用方法 |
CN111024618A (zh) * | 2019-11-25 | 2020-04-17 | 广州丰泽源水利科技有限公司 | 基于遥感影像的水质健康监测方法、装置及存储介质 |
WO2021109120A1 (zh) * | 2019-12-06 | 2021-06-10 | 深圳市大疆创新科技有限公司 | 作物生长状况评估方法和装置 |
CN111738066B (zh) * | 2020-05-11 | 2024-04-02 | 杭州电子科技大学 | 综合多源遥感信息的网格化晚稻纹枯病生境评价方法 |
CN112200456B (zh) * | 2020-10-10 | 2024-04-30 | 深圳前海微众银行股份有限公司 | 企业环境影响评估方法、装置、设备及计算机存储介质 |
CN112508328B (zh) * | 2020-10-20 | 2024-06-04 | 中国环境科学研究院 | 一种自然保护地生态质量监控系统及方法 |
CN112215525B (zh) * | 2020-11-04 | 2023-06-23 | 安徽农业大学 | 一种湖库水质反演及可视化评价方法 |
CN113269382B (zh) * | 2020-12-29 | 2022-09-20 | 生态环境部卫星环境应用中心 | 一种基于卫星遥感的区域大气环境质量评估方法 |
CN112929564B (zh) * | 2021-01-21 | 2022-05-06 | 中国科学院空天信息创新研究院 | 离水反射率的获取方法、系统、装置、设备及存储介质 |
CN113155191B (zh) * | 2021-04-16 | 2022-03-11 | 浙江农林大学 | 一种城市区域生态环境监测方法 |
CN113484923A (zh) * | 2021-07-13 | 2021-10-08 | 山东省海洋预报减灾中心 | 一种绿潮灾害的遥感监测评估方法 |
CN113570291A (zh) * | 2021-09-26 | 2021-10-29 | 航天宏图信息技术股份有限公司 | 一种生态功能区生态环境监测分析方法和系统 |
CN113807732A (zh) * | 2021-09-28 | 2021-12-17 | 中国地质大学(武汉) | 顾及局部特征的遥感生态环境的评价方法和存储介质 |
CN113988626B (zh) * | 2021-10-28 | 2022-04-12 | 中国矿业大学(北京) | 一种矿区生态环境遥感综合评价指数实现方法 |
CN114114255B (zh) * | 2021-11-29 | 2022-11-29 | 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 |
CN114120147B (zh) * | 2021-11-30 | 2022-12-09 | 上海交通大学 | 铁路隧道涌水流径沿线区域生态环境评价系统 |
CN114757503A (zh) * | 2022-03-26 | 2022-07-15 | 福州大学 | 基于小尺度生态指数的居住小区生态质量评价方法 |
CN115063688A (zh) * | 2022-06-14 | 2022-09-16 | 蓝箭航天空间科技股份有限公司 | 生态环境质量评估方法及装置 |
CN116363047B (zh) * | 2022-08-23 | 2024-01-30 | 生态环境部卫星环境应用中心 | 一种秸秆焚烧大气污染风险预警方法 |
CN115561199A (zh) * | 2022-09-26 | 2023-01-03 | 重庆数字城市科技有限公司 | 一种基于卫星遥感影像的水华监测方法 |
CN115690596B (zh) * | 2022-09-27 | 2023-08-29 | 河北省科学院地理科学研究所 | 一种基于modis数据的区域生态环境质量综合评价方法 |
CN115791866B (zh) * | 2023-01-13 | 2023-04-21 | 太原理工大学 | 基于热红外遥感数据的土壤含水率实时监测系统及方法 |
CN116844046B (zh) * | 2023-06-30 | 2024-04-02 | 生态环境部卫星环境应用中心 | 生态监测站点布局方法和装置 |
CN117935061B (zh) * | 2024-03-21 | 2024-05-31 | 四川省能源地质调查研究所 | 基于数据分析的地质区域环境综合评价系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070081461A (ko) * | 2007-07-26 | 2007-08-16 | 주식회사 하이드로넷 | 일체형 수질 원격감시장치 |
CN105092476A (zh) * | 2015-08-20 | 2015-11-25 | 中山大学 | 同时反演内陆水体混浊度、cod和叶绿素浓度的方法 |
CN107219171A (zh) * | 2017-05-18 | 2017-09-29 | 杭州师范大学 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
CN108020511A (zh) * | 2016-11-01 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 一种浅水草型湖泊水质参数遥感监测方法与装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101493409A (zh) * | 2008-12-11 | 2009-07-29 | 中山大学 | 一种自动提取水体污染信息的方法 |
CN102721644B (zh) * | 2012-06-21 | 2014-07-23 | 中国科学院对地观测与数字地球科学中心 | 一种水环境遥感数据处理方法及装置 |
CN104915925A (zh) * | 2015-06-12 | 2015-09-16 | 西南科技大学 | 制备高精度掩膜文件进行干旱河谷提取的方法 |
CN106548146A (zh) * | 2016-11-01 | 2017-03-29 | 北京航天泰坦科技股份有限公司 | 基于时空分析的地表覆盖变化算法和系统 |
-
2018
- 2018-12-10 CN CN201811503848.0A patent/CN109581372B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070081461A (ko) * | 2007-07-26 | 2007-08-16 | 주식회사 하이드로넷 | 일체형 수질 원격감시장치 |
CN105092476A (zh) * | 2015-08-20 | 2015-11-25 | 中山大学 | 同时反演内陆水体混浊度、cod和叶绿素浓度的方法 |
CN108020511A (zh) * | 2016-11-01 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 一种浅水草型湖泊水质参数遥感监测方法与装置 |
CN107219171A (zh) * | 2017-05-18 | 2017-09-29 | 杭州师范大学 | 一种海洋表层水体悬浮颗粒物中多环芳烃的遥感监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109581372A (zh) | 2019-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
De Keukelaere et al. | Atmospheric correction of Landsat-8/OLI and Sentinel-2/MSI data using iCOR algorithm: validation for coastal and inland waters | |
CN111678866B (zh) | 一种多模型集成学习的土壤含水量反演方法 | |
CN109974665B (zh) | 一种针对缺少短波红外数据的气溶胶遥感反演方法及系统 | |
CN111832518B (zh) | 基于时空融合的tsa遥感影像土地利用方法 | |
Rautiainen et al. | Coupling forest canopy and understory reflectance in the Arctic latitudes of Finland | |
CN110927120B (zh) | 一种植被覆盖度预警方法 | |
CN115481368B (zh) | 一种基于全遥感机器学习的植被覆盖度估算方法 | |
CN116519557B (zh) | 一种气溶胶光学厚度反演方法 | |
US20230186503A1 (en) | Method for troubleshooting hidden dangers of trees near power transmission lines by combining icesat-2 with jl-1 images | |
CN113447137B (zh) | 一种面向无人机宽波段热像仪的地表温度反演方法 | |
CN113553907A (zh) | 一种基于遥感技术的森林生态环境状况评价方法 | |
CN109406361B (zh) | 一种基于遥感技术的干旱区灰霾污染预警方法 | |
CN114564767A (zh) | 一种基于太阳-云-卫星观测几何的云下地表温度估算方法 | |
CN111415309A (zh) | 一种基于最小反射率法的高分辨率遥感影像大气校正方法 | |
Dybkjær et al. | Arctic surface temperatures from Metop AVHRR compared to in situ ocean and land data | |
CN113970376A (zh) | 一种基于海洋区域再分析资料的卫星红外载荷定标方法 | |
CN116822141A (zh) | 利用卫星微光遥感反演夜间大气气溶胶光学厚度的方法 | |
Yang et al. | A correction method of NDVI topographic shadow effect for rugged terrain | |
He et al. | Direct estimation of land surface albedo from simultaneous MISR data | |
CN105403201B (zh) | 一种基于像元分解的遥感图像大气程辐射获取方法 | |
CN116185616A (zh) | 一种fy-3d mersi l1b数据自动化再处理方法 | |
Shoshany et al. | Remote sensing of vegetation cover along a climatological gradient | |
CN112364289B (zh) | 一种通过数据融合提取水体信息的方法 | |
Zhang et al. | A method for deriving plant temperature from UAV TIR Image |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: 100070 Building 5, area 17, 188 South 4th Ring Road West, Fengtai District, Beijing Patentee after: Aerospace Science and Technology (Beijing) Space Information Application Co.,Ltd. Address before: 100070 Building 5, area 17, 188 South 4th Ring Road West, Fengtai District, Beijing Patentee before: BEIJING AEROSPACE TITAN TECHNOLOGY Co.,Ltd. |