CN109635249B - 水体浊度反演模型建立方法、检测方法及装置 - Google Patents
水体浊度反演模型建立方法、检测方法及装置 Download PDFInfo
- Publication number
- CN109635249B CN109635249B CN201910020255.7A CN201910020255A CN109635249B CN 109635249 B CN109635249 B CN 109635249B CN 201910020255 A CN201910020255 A CN 201910020255A CN 109635249 B CN109635249 B CN 109635249B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- measured
- sensing reflectivity
- turbidity
- band
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
-
- 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
- G01N21/314—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths
- G01N2021/3148—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry with comparison of measurements at specific and non-specific wavelengths using three or more wavelengths
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Algebra (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请实施例公开了一种水体浊度反演模型建立方法、水体浊度检测方法及装置,先根据实测样本集建立基于实测遥感反射率的浊度反演模型,然后根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为最终的水体浊度反演模型,即基于经过瑞利散射校正后的遥感反射率的浊度反演模型。由于该水体浊度反演模型考虑了多个不同区域的水体,因此普适性更强。
Description
技术领域
本申请涉及水体检测技术领域,更具体地说,涉及一种水体浊度反演模型建立方法、水体浊度检测方法及装置。
背景技术
随着工业化和城市化的发展,近年来内陆水体已经产生巨大的变化,人类的活动不仅影响了水资源数量,还影响了水质。但是与水资源数量变化相比,水质变化更为显著。反映水质状况的一个重要指标就是浊度。浊度既可以反映水体的清澈程度,还可以反映水体的富营养化状态,对于浑浊水体来说,浊度主要受悬浮颗粒物的影响,可以反应水中泥沙含量及悬浮物浓度;但在清洁水体中,浊度反应的是浮游植物浓度的变化,可以反应水体的富营养化状态。
目前已有的一些水体浊度检测方法仅是针对某个区域水体做浊度检测,因此,其通用性差,仅适用于对该某个区域水体的浊度进行检测,而不能用于对其它区域水体的浊度检测,或者,对其它区域水体进行浊度检测时的检测结果的准确率低。
因此,如何提供一种通用性较强的水体浊度检测方法成为一种亟待解决的问题。
发明内容
本申请的目的是提供一种水体浊度反演模型建立方法、水体浊度检测方法及装置,以至少部分的克服现有技术中存在的技术问题。
为实现上述目的,本申请提供了如下技术方案:
一种水体浊度反演模型建立方法,包括:
根据实测样本集建立基于实测遥感反射率的浊度反演模型;所述实测样本集中的样本为:从多个不同区域的水体中进行采样得到的采样点的实测遥感反射率和实测浊度,所述实测遥感反射率为蓝波段、绿波段和红波段的遥感反射率;
根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为基于经过瑞利散射校正后的遥感反射率的浊度反演模型。
上述方法,优选的,所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系的建立过程包括:
获取模拟样本集,所述模拟样本集中的样本为:根据所述实测遥感反射率和若干组不同的大气参数模拟得到的,实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率;每一组大气参数中均包括:气溶胶参数和太阳/卫星观测角度;
根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系。
上述方法,优选的,根据所述实测遥感反射率和若干组不同的大气参数,模拟得到实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率的过程包括:
将第j组大气参数,以及第p个样本中波段Bi的实测遥感反射率输入大气辐射传输模型,得到第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数:Ra(Bi)、t0(Bi)、t(Bi);其中,Ra(Bi)是气溶胶散射和气溶胶-瑞利相互作用产生的对遥感反射率的影响,t(Bi)是采样点处的水体到卫星的总直接透射率,t0(Bi)是太阳到采样点处的水体的总漫射透射率;
将所述第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数输入所述大气辐射传输模型,得到第p个样本中波段Bi在所述第j组大气参数的影响下,与所述波段Bi对应的经过瑞利散射校正后的遥感反射率。
上述方法,优选的,所述根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,包括:
对应模拟样本集中的第s个样本,获取由所述第s个样本对应的实测遥感反射率得到的第一计算因子Rrs(B2)/Rrs(B1)×Rrs(B3),以及由所述第s个样本得到的第二计算因子Rrc(B2)/Rrc(B1)×Rrc(B3),其中,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率,Rrc(B1)表示蓝波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B2)表示绿波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B3)表示红波段对应的经过瑞利散射校正后的遥感反射率;
根据模拟样本集中的所有样本对应的所述第一计算因子和所述第二计算因子,建立所述第一计算因子和所述第二计算因子的线性映射关系。
上述方法,优选的,所述根据实测样本集建立基于实测遥感反射率的浊度反演模型,包括:
利用所述实测样本集,基于最小二乘法进行统计回归模型的构建,得到所述基于实测遥感反射率的浊度反演模型:
y=a×(Rrs(B2)/Rrs(B1)×Rrs(B3))2+b×(Rrs(B2)/Rrs(B1)×Rrs(B3))+c;
其中,y表示浊度,a、b、c均为常数,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率。
一种水体浊度检测方法,包括:
获取被监测地理区域的全色影像和多光谱影像;
对所述全色影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后第一影像;对所述多光谱影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后的第二影像;
将所述第一影像和所述第二影像进行融合,得到融合影像;
对所述融合影像进行水体提取,得到水体区域;
获取所述水体区域中各个像素点的遥感反射率;
将第一像素点的遥感反射率输入如前任意一项所述的水体浊度反演模型建立方法建立的水体浊度反演模型,得到所述第一像素点对应的水体的浊度。
一种水体浊度反演模型建立装置,包括:
第一建立模块,用于根据实测样本集建立基于实测遥感反射率的浊度反演模型;所述实测样本集中的样本为:从多个不同区域的水体中进行采样得到的采样点的实测遥感反射率和实测浊度,所述实测遥感反射率为蓝波段、绿波段和红波段的遥感反射率;
转换模块,用于根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为基于经过瑞利散射校正后的遥感反射率的浊度反演模型。
上述装置,优选的,还包括:第二建立模块,用于:
获取模拟样本集,所述模拟样本集中的样本为:根据所述实测遥感反射率和若干组不同的大气参数模拟得到的,实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率;每一组大气参数中均包括:气溶胶参数和太阳/卫星观测角度;
根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系。
上述装置,优选的,还包括:模拟模块,用于生成模拟样本,具体用于:
将第j组大气参数,以及第p个样本中波段Bi的实测遥感反射率输入大气辐射传输模型,得到第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数:Ra(Bi)、t0(Bi)、t(Bi);其中,Ra(Bi)是气溶胶散射和气溶胶-瑞利相互作用产生的对遥感反射率的影响,t(Bi)是采样点处的水体到卫星的总直接透射率,t0(Bi)是太阳到采样点处的水体的总漫射透射率;
将所述第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数输入所述大气辐射传输模型,得到第p个样本中波段Bi在所述第j组大气参数的影响下,与所述波段Bi对应的经过瑞利散射校正后的遥感反射率。
上述装置,优选的,所述第二建立模块根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系时,具体用于:
对应模拟样本集中的第s个样本,获取由所述第s个样本对应的实测遥感反射率得到的第一计算因子Rrs(B2)/Rrs(B1)×Rrs(B3),以及由所述第s个样本得到的第二计算因子Rrc(B2)/Rrc(B1)×Rrc(B3),其中,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率,Rrc(B1)表示蓝波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B2)表示绿波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B3)表示红波段对应的经过瑞利散射校正后的遥感反射率;
根据模拟样本集中的所有样本对应的所述第一计算因子和所述第二计算因子,建立所述第一计算因子和所述第二计算因子的线性映射关系。
上述装置,优选的,所述第一建立模块具体用于:
利用所述实测样本集,基于最小二乘法进行统计回归模型的构建,得到所述基于实测遥感反射率的浊度反演模型:
y=a×(Rrs(B2)/Rrs(B1)×Rrs(B3))2+b×(Rrs(B2)/Rrs(B1)×Rrs(B3))+c;
其中,y表示浊度,a、b、c均为常数,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率。
一种水体浊度检测装置,包括:
第一获取模块,用于获取被监测地理区域的全色影像和多光谱影像;
校正模块,用于对所述全色影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后第一影像;对所述多光谱影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后的第二影像;
融合模块,用于将所述第一影像和所述第二影像进行融合,得到融合影像;
提取模块,用于对所述融合影像进行水体提取,得到水体区域;
第二获取模块,用于获取所述水体区域中各个像素点的遥感反射率;
检测模块,用于将第一像素点的遥感反射率输入如前任意一项所述的水体浊度反演模型建立方法建立的水体浊度反演模型,得到所述第一像素点对应的水体的浊度。
通过以上方案可知,本申请提供的一种水体浊度反演模型建立方法、水体浊度检测方法及装置,先根据实测样本集建立基于实测遥感反射率的浊度反演模型,然后根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为最终的水体浊度反演模型,即基于经过瑞利散射校正后的遥感反射率的浊度反演模型。由于该水体浊度反演模型考虑了多个不同区域的水体,因此普适性更强。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的水体浊度反演模型建立方法的一种实现流程图;
图2为本申请实施例提供的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系的建立过程的一种实现流程图;
图3为本申请实施例提供的水体浊度检测方法的一种实现流程图;
图4为本申请实施例提供的水体浊度反演模型建立装置的一种结构示意图;
图5为本申请实施例提供的水体浊度检测装置的一种结构示意图。
说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
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一部分实施例,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付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。
请参阅图1,图1为本申请实施例提供的水体浊度反演模型建立方法的一种实现流程图,可以包括:
步骤S11:根据实测样本集建立基于实测遥感反射率的浊度反演模型。
其中,实测样本集中的样本为:从多个不同区域的水体,如水库、河流、湖泊(浊度<100NTU,不包含极其浑浊的水)中进行采样得到的采样点的实测遥感反射率和实测浊度,实测遥感反射率是由实际测量得到三个波段的高光谱分辨率(例如1nm或更高光谱分辨率)的反射数据通过波段等效计算得到三个波段的卫星遥感反射率,三个波段分别为蓝波段,绿波段和红波段。
也就是说,本申请实施例中,从N个不同区域的水体中进行采样,第n个区域的水体中进行Mn个点的采样,其中,N和Mn均为大于或等于2的正整数,n=1,2,3,……,N。不同区域的水体中的采样点数可以相同,也可以不同。每个采样点处均采集遥感反射率和浊度,即从一个采样点处采集的数据构成实测样本集中的一个样本。可选的,水体区域的面积越大,采样点数越多,反之,水体区域的面积越小,采样点数越少。基于此,实测样本集中样本的数量M为:
本申请实施例中,N越大,最终得到的水体浊度反演模型的普适性越强。Mn值越大,最终得到的水体浊度反演模型的精度越高。
基于实测遥感反射率的浊度反演模型是指,浊度是由上述三个波段的实测遥感反射率计算得到。
步骤S12:根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将基于实测遥感反射率的浊度反演模型转换为基于经过瑞利散射校正后的遥感反射率的浊度反演模型。
为便于叙述,可以将实测遥感反射率标记为Rrs,将经过瑞利散射校正后的遥感反射率标记为Rrc。
其中,上述映射关系可以是根据实测样本集中的实测遥感反射率,以及由该实测遥感反射率模拟得到的经过瑞利散射校正后的遥感反射率建立的映射关系。该映射关系可以是第一计算因子和第二计算因子之间的线性映射关系,其中,第一计算因子为基于实测遥感反射率的浊度反演模型中三个波段的实测遥感反射率构成的计算因子,第二计算因子是由三个波段的经过瑞利散射校正后的遥感反射率按第一计算因子的构建规则构建的计算因子。
将基于实测遥感反射率的浊度反演模型转换为基于经过瑞利散射校正后的遥感反射率的浊度反演模型是指,根据上述映射关系,将基于实测遥感反射率的浊度反演模型中的实测遥感反射率变换为经过瑞利散射校正后的遥感反射率,该基于经过瑞利散射校正后的遥感反射率的浊度反演模型即为本申请实施例构建的最终的水体浊度反演模型。
基于本申请实施例构建的水体浊度反演模型,在利用遥感影像进行水体浊度检测时,需要在遥感影像中获取水体区域内蓝波段、绿波段和红波段三个波段的遥感反射率,将第k个像素点处的上述三个波段的遥感反射率输入本申请实施例构建的水体浊度反演模型,即可得到第k个像素点对应的水体的浊度。其中,在提取遥感影像中水体区域的过程中,不需要对遥感影像进行完全大气校正,只需要对遥感影像进行部分大气校正(即瑞利散射校正)即可。
本申请提供的水体浊度反演模型建立方法,先根据实测样本集建立基于实测遥感反射率的浊度反演模型,然后根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为最终的水体浊度反演模型,即基于经过瑞利散射校正后的遥感反射率的浊度反演模型。由于该水体浊度反演模型考虑了多个不同区域的水体,因此普适性更强,能以较高的准确度检测出中国大部分内陆水体的浊度。
在一可选内的实施例中,根据实测样本集建立基于实测遥感反射率的浊度反演模型的一种实现方式可以为:
利用实测样本集,基于最小二乘法进行统计回归模型的构建,得到基于实测遥感反射率的浊度反演模型:
y=a×(Rrs(B2)/Rrs(B1)×Rrs(B3))2+b×(Rrs(B2)/Rrs(B1)×Rrs(B3))+c (1)
其中,y表示浊度,a、b、c均为常数,B1表示蓝波段,B2表示绿波段,B3表示红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率。
在一可选的实施例中,实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系的建立过程的一种实现流程图如图2所示,可以包括:
步骤S21:获取模拟样本集,该模拟样本集中的样本为:根据实测遥感反射率和若干组(为便于叙述,记为Q组)不同的大气参数模拟得到的,实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率;每一组大气参数中均包括:气溶胶参数和太阳/卫星观测角度。气溶胶参数包括:气溶胶光学厚度和气溶胶类型。
可选的,模拟样本集中样本的获取过程可以包括:
将第j(j=1,2,3,……Q)组大气参数,以及第p(p=1,2,3,……,M)个样本中波段Bi(i=1,2,3)的实测遥感反射率输入大气辐射传输模型,得到第p个样本中波段Bi的实测遥感反射率在第j组大气参数的影响下对应的一组模拟参数:Ra(Bi)、t0(Bi)、t(Bi);其中,Ra(Bi)是气溶胶散射和气溶胶-瑞利(气溶胶-瑞利是指瑞利和气溶胶之间的多次散射)相互作用产生的对遥感反射率的影响,t(Bi)是目标(即采样点处的水体)到卫星的总直接透射率,t0(Bi)是太阳到目标的总漫射透射率。
本申请实施例中,对于实测样本集中的每一个样本(记为实测样本)中的每个波段的实测遥感反射率,都通过Q组大气参数模拟对应的一组模拟参数。由于一个实测样本包括三个波段,一组大气参数对应每个波段均可以模拟得到一组模拟参数,则一组大气参数对应一个实测样本可以模拟得到三组模拟参数,则Q组大气参数对应实测样本集中的M个实测样本共可以模拟得到Q*3*M组模拟参数。如果将一组大气参数对应一个样本模拟得到的三组模拟参数记为一个样本的话,则模拟样本集中共有Q*M个样本。
大气辐射传输模型可以为6s模型。大气辐射传输模型模拟得到上述模拟参数的过程是已经成熟的技术,也不是本申请关注的重点,这里不再赘述。
将第p个样本中波段Bi的实测遥感反射率在第j组大气参数的影响下对应的一组模拟参数输入上述大气辐射传输模型,得到第p个样本中波段Bi在第j组大气参数的影响下,与所述波段Bi对应的经过瑞利散射校正后的遥感反射率。
其中,上述大气辐射传输模型通过如下公式计算经过瑞利散射校正后的遥感反射率:Rrc(Bi)=Rt(Bi)-Rr(Bi)=Ra(Bi)+π×t(Bi)×t0(Bi)×Rrs(Bi) (2)
其中,Rrc(Bi)为经过瑞利散射校正后的遥感反射率,Rt(Bi)为大气层顶的表观反射率,Rr(Bi)为瑞利分子散射的反射率。
步骤S22:根据模拟样本集,以及各个波段的实测遥感反射率建立实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系。
可选的,可以通过如下方式建立上述映射关系:
对应模拟样本集中的第s个样本,获取由第s个样本对应的实测遥感反射率得到的第一计算因子Rrs(B2)/Rrs(B1)×Rrs(B3),以及由第s个样本得到的第二计算因子Rrc(B2)/Rrc(B1)×Rrc(B3),其中,Rrc(B1)表示蓝波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B2)表示绿波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B3)表示红波段对应的经过瑞利散射校正后的遥感反射率。
也就是说,模拟样本集中的每个样本均对应一个第一计算因子和一个第二计算因子。
根据模拟样本集中的所有样本对应的第一计算因子和第二计算因子,建立第一计算因子和第二计算因子的线性映射关系:
Rrs(B2)/Rrs(B1)×Rrs(B3)=d×(Rrc(B2)/Rrc(B1)×Rrc(B3))+e (3)
其中,d、e均为常数。
具体的,可以根据模拟样本集中的所有样本对应的第一计算因子和第二计算因子拟合直线,从而得到第一计算因子和第二计算因子的线性映射关系。
本申请实施例中,通过实测遥感反射率和大气参数模拟经过瑞利散射校正后的遥感反射率,使得建立的水体浊度反演模型可以控制并降低气溶胶的影响,实现更加精确的浊度检测。
将公式(3)带入公式(1)即可得到基于本申请提供的水体浊度检测模型构建方法构建的一种水体浊度检测模型。该水体浊度反演模型可以适用于中国内陆水体(宽度大于3米级别的河流、湖库,不包括近岸河口等高浑浊区)的浊度反演。
需要说明的是,除了基于公式(3)和公式(1)得到的水体浊度检测模型外,基于本申请的基本思想,在基于实测遥感反射率的浊度反演模型,以及映射关系不同的情况下,还可以建立其它水体浊度检测模型,这里不再一一举例说明。
基于前述实施例建立的水体浊度反演模型,本申请还提供一种水体浊度检测方法。本申请提供的水体浊度检测方法的一种实现流程图如图3所示可以包括:
步骤S31:获取被监测地理区域的全色影像和多光谱影像。全色影像和多光谱影像可以均为高分辨率遥感影像,例如,高分系列卫星中的高分一号卫星或高分二号卫星采集的遥感影像,该遥感影像的分辨率在0.8米~16米。可以从中国资源卫星应用中心下载获得高分系列的卫星的遥感影像。
步骤S32:对全色影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后的第一影像;对多光谱影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后的第二影像。
也就说,本申请实施例中,全色影像和多光谱影像均进行正射校正、几何校正、辐射定标和瑞利散射校正。即,第一影像和第二影像均为经过瑞利散射校正后的影像。以全色影像为例,具体校正方式可以为:
对全色影像进行正射校正,得到正射校正后的影像。可以利用全色影像的元数据中包含的信息对该全色影像进行正射校正。具体正射校正的技术已经很成熟,这里不再详述。
对正射校正后的影像进行几何校正,得到几何校正后的影像。可以利用ENVI软件中的Geometric Correction模块,以被监测地理区域的经过几何精校正的哨兵2A卫星拍摄的影像为基准,对正射校正后的影像进行几何校正。其中,可以利用欧空局提供的插件Sen2Cor对哨兵2A卫星拍摄的被监测地理区域的影像进行几何精校正。
对几何校正后的影像进行辐射定标,得到辐射定标后的影像。可以采用中国资源卫星应用中心发布的国产陆地观测卫星绝对辐射定标系数进行辐射定标,将几何校正后的影像的DN值转换成辐亮度数据,具体转换公式可以为:
Lλ=Gain×DN+Offset (4)
Lλ是辐射定标后的辐亮度,Gain是指偏移系数,Offset是指增益系数,Gain和Offset这两个系数可以从中国资源卫星应用中心网站中获取。
对辐射定标后的影像进行瑞利散射校正,得到第一影像。可以利用大气辐射传输模型(如,6s(即,second simulation of a satellite signal in the solar spectrum)模型)对辐射定标后的影像进行瑞利散射校正,同时计算得到瑞利散射校正后的反射率Rrc(λ);
Rrc(λ)可以通过下式(5)进行计算:
其中,Rt(λ)是指大气层顶表观反射率(the Top of Atmosphere apparentreflectance,TOA);Rr(λ)是瑞利分子散射的反射率;Lλ是辐射定标后的辐亮度;F0(λ)是大气顶层太阳平均光谱辐射;θ0是太阳天顶角。
F0(λ)可以在中国资源卫星应用中心网站中获取;θ0可以在遥感影像的头文件中获得;Rr(λ)是6S模型计算瑞利散射校正时的输出结果。
步骤S33:将第一影像和第二影像进行融合,得到融合影像。可以采用Gram-Schmidt Pan Sharpening(GS)方法对经过大气校正处理的多光谱和全色数据进行融合。具体融合的技术已经很成熟,这里不再详述。由于第一影像和第二影像都是经过瑞利散射校正后的影像,也就是说,第一影像和第二影像中像素点的反射率都是经过瑞利散射校正后的反射率,因此,融合影像中像素点的反射率也为经过瑞利散射校正后的反射率。
步骤S34:对融合影像进行水体提取,得到水体区域。可以使用NDWI水体指数法对融合影像进行水体提取,剔除提取的水体中河流岸边明显的混合像元,以及对较为细小的河流进行补全,得到最终的水体区域。
步骤S35:获取水体区域中各个像素点的遥感反射率。
步骤S36:将第一像素点的遥感反射率输入前述构建得到的水体浊度反演模型,得到第一像素点对应的水体的浊度。
第一像素点为水体区域内的任意一个像素点。
一般情况下,通过遥感影像进行水体浊度检测需要精准的大气校正,但因为高分卫星精准的大气校正非常难以实现,所以目前还没有一种能够根据遥感影像进行精准的浊度检测的方法。
而本申请提供的水体浊度检测方法,对全色影像和多光谱影像的大气校正选择了瑞利散射校正(这种校正无法去掉气溶胶这种物质的影像,是一种不完全大气校正方法),通过前述构建的水体浊度反演模型,实现了中国大部分内陆水体的较为精准的浊度检测。
与方法实施例相对应,本申请还提供一种水体浊度反演模型建立装置。本申请提供的水体浊度反演模型建立装置的一种结构示意图如图4所示,可以包括:第一建立模块41和转换模块42;其中,
第一建立模块41用于根据实测样本集建立基于实测遥感反射率的浊度反演模型;所述实测样本集中的样本为:从多个不同区域的水体中进行采样得到的采样点的实测遥感反射率和实测浊度,所述实测遥感反射率为蓝波段、绿波段和红波段的遥感反射率;
转换模块42用于根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为基于经过瑞利散射校正后的遥感反射率的浊度反演模型。
本申请提供的水体浊度反演模型建立装置,先根据实测样本集建立基于实测遥感反射率的浊度反演模型,然后根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为最终的水体浊度反演模型,即基于经过瑞利散射校正后的遥感反射率的浊度反演模型。由于该水体浊度反演模型考虑了多个不同区域的水体,因此普适性更强。
在一可选的实施例中,本申请提供的水体浊度反演模型建立装置还可以包括:第二建立模块,可以用于:
获取模拟样本集,所述模拟样本集中的样本为:根据所述实测遥感反射率和若干组不同的大气参数模拟得到的,实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率;每一组大气参数中均包括:气溶胶参数和太阳/卫星观测角度;
根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系。
在一可选的实施例中,本申请提供的水体浊度反演模型建立装置还可以包括:模拟模块,用于生成模拟样本,具体可以用于:
将第j组大气参数,以及第p个样本中波段Bi的实测遥感反射率输入大气辐射传输模型,得到第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数:Ra(Bi)、t0(Bi)、t(Bi);其中,Ra(Bi)是气溶胶散射和气溶胶-瑞利相互作用产生的对遥感反射率的影响,t(Bi)是采样点处的水体到卫星的总直接透射率,t0(Bi)是太阳到采样点处的水体的总漫射透射率;
将所述第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数输入所述大气辐射传输模型,得到第p个样本中波段Bi在所述第j组大气参数的影响下,与所述波段Bi对应的经过瑞利散射校正后的遥感反射率。
在一可选的实施例中,第二建立模块根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系时,具体可以用于:
对应模拟样本集中的第s个样本,获取由所述第s个样本对应的实测遥感反射率得到的第一计算因子Rrs(B2)/Rrs(B1)×Rrs(B3),以及由所述第s个样本得到的第二计算因子Rrc(B2)/Rrc(B1)×Rrc(B3),其中,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率,Rrc(B1)表示蓝波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B2)表示绿波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B3)表示红波段对应的经过瑞利散射校正后的遥感反射率;
根据模拟样本集中的所有样本对应的所述第一计算因子和所述第二计算因子,建立所述第一计算因子和所述第二计算因子的线性映射关系。
在一可选的实施例中,第一建立模块具体可以用于:
利用所述实测样本集,基于最小二乘法进行统计回归模型的构建,得到所述基于实测遥感反射率的浊度反演模型:
y=a×(Rrs(B2)/Rrs(B1)×Rrs(B3))2+b×(Rrs(B2)/Rrs(B1)×Rrs(B3))+c;
其中,y表示浊度,a、b、c均为常数,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率。
与方法实施例相对应,本申请还提供一种水体浊度检测装置,本申请提供的水体浊度检测装置的一种结构示意图如图5所示,可以包括:
第一获取模块51,校正模块52,融合模块53,提取模块54,第二获取模块55和检测模块56;其中,
第一获取模块51用于获取被监测地理区域的全色影像和多光谱影像;
校正模块52用于对所述全色影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后第一影像;对所述多光谱影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后的第二影像;
融合模块53用于将所述第一影像和所述第二影像进行融合,得到融合影像;
提取模块54用于对所述融合影像进行水体提取,得到水体区域;
第二获取模块55用于获取所述水体区域中各个像素点的遥感反射率;
检测模块56用于将第一像素点的遥感反射率输入如权利要求1-5任意一项所述的水体浊度反演模型,得到所述第一像素点对应的水体的浊度。
本申请提供的水体浊度检测装置,对全色影像和多光谱影像的大气校正选择了瑞利散射校正这种不完全大气校正方法,通过前述构建的水体浊度反演模型,实现了中国大部分内陆水体的较为精准的浊度检测。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
应当理解,本申请实施例中,从权、各个实施例、特征可以互相组合结合,都能实现解决前述技术问题。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
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发明。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发明的精神或范围的情况下,在其它实施例中实现。因此,本发明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)
1.一种水体浊度反演模型建立方法,其特征在于,包括:
根据实测样本集建立基于实测遥感反射率的浊度反演模型;所述实测样本集中的样本为:从多个不同区域的水体中进行采样得到的采样点的实测遥感反射率和实测浊度,所述实测遥感反射率为蓝波段、绿波段和红波段的遥感反射率;
根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为基于经过瑞利散射校正后的遥感反射率的浊度反演模型;
其中,所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系的建立过程包括:
获取模拟样本集,所述模拟样本集中的样本为:根据所述实测遥感反射率和若干组不同的大气参数模拟得到的,实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率;每一组大气参数中均包括:气溶胶参数和太阳/卫星观测角度;
根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系。
2.根据权利要求1所述的方法,其特征在于,根据所述实测遥感反射率和若干组不同的大气参数,模拟得到实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率的过程包括:
将第j组大气参数,以及第p个样本中波段Bi的实测遥感反射率输入大气辐射传输模型,得到第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数:Ra(Bi)、t0(Bi)、t(Bi);其中,Ra(Bi)是气溶胶散射和气溶胶-瑞利相互作用产生的对遥感反射率的影响,t(Bi)是采样点处的水体到卫星的总直接透射率,t0(Bi)是太阳到采样点处的水体的总漫射透射率;
将所述第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数输入所述大气辐射传输模型,得到第p个样本中波段Bi在所述第j组大气参数的影响下,与所述波段Bi对应的经过瑞利散射校正后的遥感反射率。
3.根据权利要求2所述的方法,其特征在于,所述根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,包括:
对应模拟样本集中的第s个样本,获取由所述第s个样本对应的实测遥感反射率得到的第一计算因子Rrs(B2)/Rrs(B1)×Rrs(B3),以及由所述第s个样本得到的第二计算因子Rrc(B2)/Rrc(B1)×Rrc(B3),其中,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率,Rrc(B1)表示蓝波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B2)表示绿波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B3)表示红波段对应的经过瑞利散射校正后的遥感反射率;
根据模拟样本集中的所有样本对应的所述第一计算因子和所述第二计算因子,建立第一计算因子和第二计算因子的线性映射关系。
4.根据权利要求1-3任意一项所述的方法,其特征在于,所述根据实测样本集建立基于实测遥感反射率的浊度反演模型,包括:
利用所述实测样本集,基于最小二乘法进行统计回归模型的构建,得到所述基于实测遥感反射率的浊度反演模型:
y=a×(Rrs(B2)/Rrs(B1)×Rrs(B3))2+b×(Rrs(B2)/Rrs(B1)×Rrs(B3))+c;
其中,y表示浊度,a、b、c均为常数,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率。
5.一种水体浊度检测方法,其特征在于,包括:
获取被监测地理区域的全色影像和多光谱影像;
对所述全色影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后第一影像;对所述多光谱影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后的第二影像;
将所述第一影像和所述第二影像进行融合,得到融合影像;
对所述融合影像进行水体提取,得到水体区域;
获取所述水体区域中各个像素点的遥感反射率;
将第一像素点的遥感反射率输入如权利要求1-4任意一项所述的水体浊度反演模型建立方法建立的水体浊度反演模型,得到所述第一像素点对应的水体的浊度。
6.一种水体浊度反演模型建立装置,其特征在于,包括:
第一建立模块,用于根据实测样本集建立基于实测遥感反射率的浊度反演模型;所述实测样本集中的样本为:从多个不同区域的水体中进行采样得到的采样点的实测遥感反射率和实测浊度,所述实测遥感反射率为蓝波段、绿波段和红波段的遥感反射率;
转换模块,用于根据预先建立的实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系,将所述基于实测遥感反射率的浊度反演模型转换为基于经过瑞利散射校正后的遥感反射率的浊度反演模型;其中,
第二建立模块,用于:获取模拟样本集,所述模拟样本集中的样本为:根据所述实测遥感反射率和若干组不同的大气参数模拟得到的,实测样本集中各样本的每个波段的实测遥感反射率在每一组大气参数的影响下,经过瑞利散射校正后的遥感反射率;每一组大气参数中均包括:气溶胶参数和太阳/卫星观测角度;
根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系。
7.根据权利要求6所述的装置,其特征在于,还包括:模拟模块,用于生成模拟样本,具体用于:
将第j组大气参数,以及第p个样本中波段Bi的实测遥感反射率输入大气辐射传输模型,得到第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数:Ra(Bi)、t0(Bi)、t(Bi);其中,Ra(Bi)是气溶胶散射和气溶胶-瑞利相互作用产生的对遥感反射率的影响,t(Bi)是采样点处的水体到卫星的总直接透射率,t0(Bi)是太阳到采样点处的水体的总漫射透射率;
将所述第p个样本中波段Bi的实测遥感反射率在所述第j组大气参数的影响下对应的一组模拟参数输入所述大气辐射传输模型,得到第p个样本中波段Bi在所述第j组大气参数的影响下,与所述波段Bi对应的经过瑞利散射校正后的遥感反射率。
8.根据权利要求7所述的装置,其特征在于,所述第二建立模块根据所述模拟样本集,以及各个波段的实测遥感反射率建立所述实测遥感反射率与经过瑞利散射校正后的遥感反射率的映射关系时,具体用于:
对应模拟样本集中的第s个样本,获取由所述第s个样本对应的实测遥感反射率得到的第一计算因子Rrs(B2)/Rrs(B1)×Rrs(B3),以及由所述第s个样本得到的第二计算因子Rrc(B2)/Rrc(B1)×Rrc(B3),其中,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率,Rrc(B1)表示蓝波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B2)表示绿波段对应的经过瑞利散射校正后的遥感反射率,Rrc(B3)表示红波段对应的经过瑞利散射校正后的遥感反射率;
根据模拟样本集中的所有样本对应的所述第一计算因子和所述第二计算因子,建立所述第一计算因子和所述第二计算因子的线性映射关系。
9.根据权利要求6-8任意一项所述的装置,其特征在于,所述第一建立模块具体用于:
利用所述实测样本集,基于最小二乘法进行统计回归模型的构建,得到所述基于实测遥感反射率的浊度反演模型:
y=a×(Rrs(B2)/Rrs(B1)×Rrs(B3))2+b×(Rrs(B2)/Rrs(B1)×Rrs(B3))+c;
其中,y表示浊度,a、b、c均为常数,B1、B2、B3分别表示蓝波段、绿波段和红波段,Rrs(B1)表示蓝波段的实测遥感反射率,Rrs(B2)表示绿波段的实测遥感反射率,Rrs(B3)表示红波段的实测遥感反射率。
10.一种水体浊度检测装置,其特征在于,包括:
第一获取模块,用于获取被监测地理区域的全色影像和多光谱影像;
校正模块,用于对所述全色影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后第一影像;对所述多光谱影像依次进行正射校正、几何校正、辐射定标和瑞利散射校正,得到校正后的第二影像;
融合模块,用于将所述第一影像和所述第二影像进行融合,得到融合影像;
提取模块,用于对所述融合影像进行水体提取,得到水体区域;
第二获取模块,用于获取所述水体区域中各个像素点的遥感反射率;
检测模块,用于将第一像素点的遥感反射率输入如权利要求1-4任意一项所述的水体浊度反演模型建立方法建立的水体浊度反演模型,得到所述第一像素点对应的水体的浊度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910020255.7A CN109635249B (zh) | 2019-01-09 | 2019-01-09 | 水体浊度反演模型建立方法、检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910020255.7A CN109635249B (zh) | 2019-01-09 | 2019-01-09 | 水体浊度反演模型建立方法、检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109635249A CN109635249A (zh) | 2019-04-16 |
CN109635249B true CN109635249B (zh) | 2020-06-30 |
Family
ID=66061579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910020255.7A Active CN109635249B (zh) | 2019-01-09 | 2019-01-09 | 水体浊度反演模型建立方法、检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109635249B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111198186B (zh) * | 2020-01-16 | 2021-08-31 | 中南大学 | 基于图像识别与光学透射融合的浊度检测方法 |
CN111504915B (zh) * | 2020-04-27 | 2023-07-04 | 中国科学技术大学先进技术研究院 | 反演水体叶绿素浓度的方法、装置、设备及存储介质 |
CN111879709B (zh) * | 2020-07-15 | 2023-05-30 | 中国科学院空天信息创新研究院 | 湖泊水体光谱反射率检验方法及装置 |
CN112697752B (zh) * | 2020-12-09 | 2022-11-18 | 中国科学院东北地理与农业生态研究所 | 估算全球内陆水体透明度的方法 |
CN116879237B (zh) * | 2023-09-04 | 2023-12-12 | 自然资源部第二海洋研究所 | 一种近海浑浊水体的大气校正方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010151354A1 (en) * | 2009-06-26 | 2010-12-29 | Exxonmobil Upstream Research Company | Constructing resistivity models from stochastic inversion |
CN102721644A (zh) * | 2012-06-21 | 2012-10-10 | 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 |
CN102955878A (zh) * | 2012-09-05 | 2013-03-06 | 环境保护部卫星环境应用中心 | 基于meris全分辨率影像数据的内陆水体光学分类方法 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
CN103616490A (zh) * | 2013-12-03 | 2014-03-05 | 中国科学院南京地理与湖泊研究所 | 一种大型浅水湖泊水华蓝藻总存量估算的方法 |
CN106126826A (zh) * | 2016-06-27 | 2016-11-16 | 中国科学院南京地理与湖泊研究所 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
KR101694282B1 (ko) * | 2015-09-17 | 2017-01-09 | 계명대학교 산학협력단 | 비선형 ransac 방법과 위성 영상 데이터를 이용한 하천 녹조 수치 예측 방법과 그에 관한 장치 |
CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6794671B2 (en) * | 2002-07-17 | 2004-09-21 | Particle Sizing Systems, Inc. | Sensors and methods for high-sensitivity optical particle counting and sizing |
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 |
CN103712955B (zh) * | 2014-01-02 | 2016-06-01 | 李云梅 | 一种基于神经网络二次优化的二类水体大气校正方法 |
CN104596448B (zh) * | 2015-02-11 | 2017-05-24 | 中国科学院南京地理与湖泊研究所 | 基于藻类指数频次法的富营养水体水生植被遥感提取方法 |
CN105004846B (zh) * | 2015-07-02 | 2016-08-31 | 南京信息工程大学 | 一种监测高浑浊海水浊度的卫星遥感方法 |
CN107589075B (zh) * | 2017-09-07 | 2020-12-29 | 中国科学院南京地理与湖泊研究所 | 一种浅水湖泊固有光学参数的olci遥感监测方法 |
-
2019
- 2019-01-09 CN CN201910020255.7A patent/CN109635249B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010151354A1 (en) * | 2009-06-26 | 2010-12-29 | Exxonmobil Upstream Research Company | Constructing resistivity models from stochastic inversion |
CN102721644A (zh) * | 2012-06-21 | 2012-10-10 | 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 |
CN102955878A (zh) * | 2012-09-05 | 2013-03-06 | 环境保护部卫星环境应用中心 | 基于meris全分辨率影像数据的内陆水体光学分类方法 |
CN103018736A (zh) * | 2012-12-03 | 2013-04-03 | 北京航空航天大学 | 一种基于大气参数遥感反演的星载遥感器辐射定标方法 |
CN103616490A (zh) * | 2013-12-03 | 2014-03-05 | 中国科学院南京地理与湖泊研究所 | 一种大型浅水湖泊水华蓝藻总存量估算的方法 |
KR101694282B1 (ko) * | 2015-09-17 | 2017-01-09 | 계명대학교 산학협력단 | 비선형 ransac 방법과 위성 영상 데이터를 이용한 하천 녹조 수치 예측 방법과 그에 관한 장치 |
CN106126826A (zh) * | 2016-06-27 | 2016-11-16 | 中国科学院南京地理与湖泊研究所 | 一种基于viirs传感器的浑浊湖泊水体悬浮物浓度估算方法 |
CN108333148A (zh) * | 2018-01-11 | 2018-07-27 | 中国科学院遥感与数字地球研究所 | 一种黑臭水体的识别方法及装置 |
Non-Patent Citations (5)
Title |
---|
Generalized ocean color inversion model for retrieving marine inherent optical properties;Werdell P. J. 等;《Applied optics》;20130322;第52卷(第10期);第2019-2037页 * |
Practical applications of inverting spectral turbidity data to provide aerosol size distributions;Walters P. T. 等;《Applied Optics》;19800715;第19卷(第14期);第2353-2365页 * |
基于HJ-CCD的漫湾坝区河流悬浮物浓度遥感反演;邢晓达 等;《遥感技术与应用》;20160831(第04期);第682-690页 * |
基于高光谱遥感的湖泊水质污染研究;郭邵萌;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20130915(第09期);正文第1页第1.1节 * |
草型湖泊水质遥感监测技术及应用研究;曹引;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20160515(第05期);第B027-513页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109635249A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109635249B (zh) | 水体浊度反演模型建立方法、检测方法及装置 | |
Pahlevan et al. | On-orbit radiometric characterization of OLI (Landsat-8) for applications in aquatic remote sensing | |
CN112051222A (zh) | 一种基于高分卫星影像的河湖水质监测方法 | |
Pozdnyakov et al. | Operational algorithm for the retrieval of water quality in the Great Lakes | |
Song et al. | Comparison and conversion of AVHRR GIMMS and SPOT VEGETATION NDVI data in China | |
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 | |
CN112560570B (zh) | 一种协同降尺度与数据融合的高分辨率地表温度估算方法 | |
CN108876917A (zh) | 一种森林地上生物量遥感估测通用模型构建方法 | |
Kutser et al. | Mapping inland water carbon content with Landsat 8 data | |
Pan et al. | An improved spectral optimization algorithm for atmospheric correction over turbid coastal waters: A case study from the Changjiang (Yangtze) estuary and the adjacent coast | |
Liang et al. | A cross comparison of spatiotemporally enhanced springtime phenological measurements from satellites and ground in a northern US mixed forest | |
CN111368817A (zh) | 一种基于地表类型进行热效应定量评价方法及系统 | |
CN109799199B (zh) | 一种叶绿素a浓度的协同反演方法 | |
CN110836870B (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
CN115561181B (zh) | 一种基于无人机多光谱数据的水质反演方法 | |
CN111337434A (zh) | 一种矿区复垦植被生物量估算方法及系统 | |
CN113324915B (zh) | 一种支持高分辨率气溶胶光学厚度反演的城市复杂地表反射率估算方法 | |
CN113553907A (zh) | 一种基于遥感技术的森林生态环境状况评价方法 | |
CN107966210B (zh) | 基于高光谱图像的热红外融合重构方法 | |
Maciel et al. | Evaluation of ACOLITE atmospheric correction methods for Landsat-8 and Sentinel-2 in the Río de la Plata turbid coastal waters | |
Ye et al. | Atmospheric correction of Landsat-8/OLI imagery in turbid estuarine waters: A case study for the Pearl River estuary | |
Liu et al. | Estimation of surface and near-surface air temperatures in arid northwest china using landsat satellite images | |
CN115690632A (zh) | 一种内陆河流水体的水环境监测方法 | |
Matsui et al. | Improving the resolution of UAV-based remote sensing data of water quality of Lake Hachiroko, Japan by neural networks | |
CN114241331B (zh) | 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法 |
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 |