CN110686654A - Landsat卫星传感器水域遥感信息的计算方法 - Google Patents
Landsat卫星传感器水域遥感信息的计算方法 Download PDFInfo
- Publication number
- CN110686654A CN110686654A CN201911008951.2A CN201911008951A CN110686654A CN 110686654 A CN110686654 A CN 110686654A CN 201911008951 A CN201911008951 A CN 201911008951A CN 110686654 A CN110686654 A CN 110686654A
- Authority
- CN
- China
- Prior art keywords
- water area
- data
- landsat
- water
- wave bands
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- 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
- G01N2021/1793—Remote sensing
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种Landsat卫星传感器水域遥感信息的计算方法,包含如下步骤:步骤100,接收Landsat卫星遥感数据;步骤101,数据预处理;步骤102,选择Landsat卫星TM、ETM传感器的第1、2、3、4、5、7波段的数据或Landsat卫星MSS传感器的第4、5、6、7波段的数据。本发明是遥感数据通过多条件判断得到水域信息的方法,提高了水域信息提取精度。本发明的水域信息计算方法方法更适合利用的Landsat卫星传感器进行水域信息的计算。比起实测,使用本发明方法更快捷、自动化、减少人工。因其时间序列长,保留了地球的过去的珍贵的历史数据,对计算水域信息极为重要。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种基于Landsat卫星传感器遥感数据的水域信息计算方法。
背景技术
水域是人类生存不可或缺的物质条件,随着快速城市化,水域数量和形态在空间上发生持续变化,水域的保护受到严峻的考验。遥感技术具有宏观、动态、同步、快速等优势,它可获得大范围的水域时空分布特征。一般水域密布、河网纵横,要获取可实用化的水域信息,传统的现场调查方法,由于监测费用昂贵,往往费时费力,且受环境影响,无法动态和快速获取数据。因此,遥感技术是获取水域信息的有效方法。
水域是陆地的主要地貌类型之一。水域水体的反射波谱主要受水的浑浊度、微生物的含量、叶绿素的含量和水深等因素的影响。水体的反射率(除镜面反射方向外),在各个波段内都较低,一般在3%左右,在近红外部分更为突出,清水的反射率一般在可见光部分为4%-5%,在0.6μm处下降至2%-3%,到0.75μm以后的近红外波段,水成了全吸收体。浑浊水的反射波谱曲线随着浮游植物的增加而增高。由于水体具有比热大、热惯性大,对红外线几乎是全吸收、自身辐射率高等特点,红外波段上水体几乎呈现均一的黑色(HanZhen等,1999年;赵冬至等,2001年)。在水域遥感信息提取方面,Lu等(2011年)采用HJ-1A/B卫星数据,结合水体指数法进行水体提取;Yao等(2015年)基于ZY-3卫星数据,提出了一种水体提取方法;Xing等(2018年)采用Sentinel-1卫星数据对洞庭湖水面面积进行了变化监测;Rao等(2018年)基于MODIS卫星数据并采用随机森林模型,对长江流域进行水体信息提取。国内外学者提出的水域信息提取算法主要是利用归一化植被指数方法。该方法的计算公式如下:
其中RNIR为近红外波段图像辐射亮度值,RR为红外波段图像辐射亮度值。
这种方法没有考虑到水域中浮游植物,以及水域周围土壤和建筑物阴影对水域信息提取的影响,在这两种情况下,水域会误判为陆域。
因此,业内存在一种技术需求:发明一种更为有效的水域遥感信息的计算方法。
发明内容
本发明的目的是提供一种Landsat卫星传感器水域遥感信息的计算方法,使其适合Landsat卫星传感器,以解决背景技术中的问题。
本发明是通过以下技术方案实现的:
Landsat卫星传感器水域遥感信息的计算方法,包含如下步骤:
步骤100,接收Landsat卫星遥感数据;
步骤101,数据预处理;
步骤102,选择Landsat卫星TM、ETM传感器的第1、2、3、4、5、7波段的数据或Landsat卫星MSS传感器的第4、5、6、7波段的数据;
步骤103,计算水域信息,满足公式(1)条件者为水体
其中RNIR为TM4、ETM4和MSS6波段图像辐射亮度值,RR为TM3、ETM3和MSS5波段图像辐射亮度值。
步骤104,计算是否是含浮游植物的水体,同时满足公式(2)、公式(3)和公式(4)条件者为含浮游植物的水体;
4(RG-RSWIR1)-(0.25RNIR+2.75RSWIR2)<0 (4)
其中RNIR为TM4、ETM4和MSS6波段图像辐射亮度值,RR为TM3、ETM3和MSS5波段图像辐射亮度值,RG为TM2、ETM2和MSS4波段图像辐射亮度值,RB为TM1和ETM1波段图像辐射亮度值,RSWIR1为TM5、ETM5和MSS7波段图像辐射亮度值,RSWIR2为TM7和ETM7波段图像辐射亮度值。
进一步,公式(2)是筛选误判为陆域的水体,公式(3)是去除水中的悬浮植物对水域信息提取的影响的水体,公式(4)是去除水域周围土壤和建筑物阴影对水域信息提取影响的水体。
进一步,步骤101数据预处理的具体方法包括:数据的辐射校正、大气校正和几何校正。
进一步,步骤102,选择Landsat卫星TM、ETM传感器的第1、2、3、4、5、7波段的数据或Landsat卫星MSS传感器的第4、5、6、7波段数据的选择依据是水体、植被以及土壤和建筑物阴影的反射光谱特征。
Landsat卫星是美国发射的地球资源卫星,已发射八颗,是世界上目前应用最广泛和应用时间最长的一颗卫星(1972年至今)。因其时间序列长,保留了地球的过去的珍贵的历史数据,对计算水域遥感信息极为重要。该卫星上具有多个传感器,其中MSS(多光谱扫描仪)是Landsat-1、2、3的传感器,TM(专题绘图仪)是Landsat-4、5、6的传感器,ETM(增强型专题绘图仪)是Landsat-7的传感器,OLI(陆地成像仪)和TIRS(热红外传感器)是Landsat-8的传感器。本发明利用Landsat卫星上的传感器传输的信息作为遥感的理想信息源。
本发明的优点是:
1)本发明是遥感数据通过多条件判断得到水域信息的方法,提高了水域信息提取精度。
2)本发明的水域信息计算方法方法更适合利用的Landsat卫星传感器进行水域信息的计算。
3)比起实测,使用本发明方法更快捷、自动化、减少人工。
4)本发明所使用的Landsat卫星是美国发射的地球资源卫星,已发射八颗,是世界上目前应用最广泛和应用时间最长的一颗卫星(1972年至今)。因其时间序列长,保留了地球的过去的珍贵的历史数据,对计算水域信息极为重要。
附图说明
图1为本发明的方法流程示意图。
图2为太湖原始遥感影像数据示意图。
图3预处理后的研究区影像示意图。
图4满足公式(1)提取的水域信息示意图。
图5满足公式(2)和公式(3)提取的水域信息示意图。
图6满足公式(4)提取的水域信息示意图。
具体实施方式
下面结合附图对本发明的实施例作详细说明:本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,为本发明的方法流程示意图,Landsat卫星传感器水域遥感信息的计算方法,包含如下步骤:
步骤100,接收Landsat卫星遥感数据;
步骤101,数据预处理;
步骤102,选择Landsat卫星TM、ETM传感器的第1、2、3、4、5、7波段的数据或Landsat卫星MSS传感器的第4、5、6、7波段的数据;
步骤103,计算水域信息,满足公式(1)条件者为水体
其中RNIR为TM4、ETM4和MSS6波段图像辐射亮度值,RR为TM3、ETM3和MSS5波段图像辐射亮度值。
步骤104,计算是否是含浮游植物的水体,同时满足公式(2)、公式(3)和公式(4)条件者为含浮游植物的水体;
4(RG-RSWIR1)-(0.25RNIR+2.75RSWIR2)<0 (4)
其中RNIR为TM4、ETM4和MSS6波段图像辐射亮度值,RR为TM3、ETM3和MSS5波段图像辐射亮度值,RG为TM2、ETM2和MSS4波段图像辐射亮度值,RB为TM1和ETM1波段图像辐射亮度值,RSWIR1为TM5、ETM5和MSS7波段图像辐射亮度值,RSWIR2为TM7和ETM7波段图像辐射亮度值。
公式(2)是筛选误判为陆域的水体,公式(3)是去除水中的悬浮植物对水域信息提取的影响的水体,公式(4)是去除水域周围土壤和建筑物阴影对水域信息提取影响的水体。
步骤101数据预处理的具体方法包括:数据的辐射校正、大气校正和几何校正。
步骤102,选择Landsat卫星TM、ETM传感器的第1、2、3、4、5、7波段的数据或Landsat卫星MSS传感器的第4、5、6、7波段数据的选择依据是水体、植被以及土壤和建筑物阴影的反射光谱特征。
如图2-6所示,为了验证本发明方法的准确性,申请人选取太湖北部水域进行验证,比较了采用本发明方法计算得到的水域信息与归一化植被指数方法得到的水域信息示意图。图5可看出,这一步消除了陆域的大部分误分区域,增强了水体与建筑物、阴影区和植被的区别,同时能够较好地区分城区中的亮色地物。
通过上述实验,证明了本方法的可行性,采用本方法计算得到的水域信息示意图(图6)比归一化植被指数方法(图4)得到的水域信息更精确,解决了水域中浮游植物,以及水域周围土壤和建筑物阴影对水域信息提取的影响。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.Landsat卫星传感器水域遥感信息的计算方法,其特征在于,包含如下步骤:
步骤100,接收Landsat卫星遥感数据;
步骤101,数据预处理;
步骤102,选择Landsat卫星TM、ETM传感器的第1、2、3、4、5、7波段的数据或Landsat卫星MSS传感器的第4、5、6、7波段的数据;
步骤103,计算水域信息,满足公式(1)条件者为水体
其中RNIR为TM4、ETM4和MSS6波段图像辐射亮度值,RR为TM3、ETM3和MSS5波段图像辐射亮度值。
步骤104,计算是否是含浮游植物的水体,同时满足公式(2)、公式(3)和公式(4)条件者为含浮游植物的水体;
4(RG-RSWIR1)-(0.25RNIR+2.75RSWIR2)<0 (4)
其中RNIR为TM4、ETM4和MSS6波段图像辐射亮度值,RR为TM3、ETM3和MSS5波段图像辐射亮度值,RG为TM2、ETM2和MSS4波段图像辐射亮度值,RB为TM1和ETM1波段图像辐射亮度值,RSWIR1为TM5、ETM5和MSS7波段图像辐射亮度值,RSWIR2为TM7和ETM7波段图像辐射亮度值。
2.根据权利要求1所述的Landsat卫星传感器水域遥感信息的计算方法,其特征在于,公式(2)是筛选误判为陆域的水体,公式(3)是去除水中的悬浮植物对水域信息提取的影响的水体,公式(4)是去除水域周围土壤和建筑物阴影对水域信息提取影响的水体。
3.根据权利要求1所述的Landsat卫星传感器水域遥感信息的计算方法,其特征在于,步骤101数据预处理的具体方法包括:数据的辐射校正、大气校正和几何校正。
4.根据权利要求1所述的Landsat卫星传感器水域遥感信息的计算方法,其特征在于,步骤102,选择Landsat卫星TM、ETM传感器的第1、2、3、4、5、7波段的数据或Landsat卫星MSS传感器的第4、5、6、7波段数据的选择依据是水体、植被以及土壤和建筑物阴影的反射光谱特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008951.2A CN110686654A (zh) | 2019-10-23 | 2019-10-23 | Landsat卫星传感器水域遥感信息的计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911008951.2A CN110686654A (zh) | 2019-10-23 | 2019-10-23 | Landsat卫星传感器水域遥感信息的计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110686654A true CN110686654A (zh) | 2020-01-14 |
Family
ID=69113795
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911008951.2A Pending CN110686654A (zh) | 2019-10-23 | 2019-10-23 | Landsat卫星传感器水域遥感信息的计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110686654A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001088505A1 (en) * | 2000-05-16 | 2001-11-22 | Jeacle Limited | Photometric analysis of natural waters |
CN106950177A (zh) * | 2016-11-16 | 2017-07-14 | 中国科学院遥感与数字地球研究所 | 一种gf‑4卫星遥感影像的水体提取方法 |
CN107036968A (zh) * | 2016-12-27 | 2017-08-11 | 西安科技大学 | 一种土壤湿度实时监测方法 |
-
2019
- 2019-10-23 CN CN201911008951.2A patent/CN110686654A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001088505A1 (en) * | 2000-05-16 | 2001-11-22 | Jeacle Limited | Photometric analysis of natural waters |
CN106950177A (zh) * | 2016-11-16 | 2017-07-14 | 中国科学院遥感与数字地球研究所 | 一种gf‑4卫星遥感影像的水体提取方法 |
CN107036968A (zh) * | 2016-12-27 | 2017-08-11 | 西安科技大学 | 一种土壤湿度实时监测方法 |
Non-Patent Citations (1)
Title |
---|
赵哲: "环鄱阳湖区水域及富营养化时空变化遥感分析研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107389036B (zh) | 一种结合无人机影像的大空间尺度植被覆盖度计算方法 | |
CN106650689B (zh) | 一种沿海城市时间序列土地利用信息提取方法 | |
Sriwongsitanon et al. | Influence of atmospheric correction and number of sampling points on the accuracy of water clarity assessment using remote sensing application | |
CN111122449A (zh) | 一种城市不透水面遥感提取方法及系统 | |
CN107014763A (zh) | 叶绿素遥感反演装置及方法 | |
CN108592888B (zh) | 一种居民地提取方法 | |
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 | |
CN108896188A (zh) | 一种共口径高轨遥感卫星红外通道大气校正方法 | |
CN110189043B (zh) | 一种基于高分卫星遥感数据的可利用土地资源分析系统 | |
CN107145891A (zh) | 一种基于遥感影像的水体提取方法及系统 | |
CN104778668A (zh) | 基于可见光波段光谱统计特征的光学遥感图像薄云去除方法 | |
CN115271217A (zh) | 一种基于无人机多源遥感数据的小麦产量预测方法 | |
CN116883853B (zh) | 基于迁移学习的作物时空信息遥感分类方法 | |
Guha et al. | Relationship between land surface temperature and normalized difference water index on various land surfaces: A seasonal analysis | |
Budd et al. | Remote sensing of salt marsh vegetation in the first four proposed Thematic Mapper bands | |
CN104635242B (zh) | 一种基于多源卫星遥感数据的沙尘暴监测方法 | |
CN106127133A (zh) | 一种基于红光‑近红外光谱特征空间的水体提取方法 | |
CN113534083B (zh) | 基于sar的玉米留茬方式识别方法、装置和介质 | |
CN110009584A (zh) | 基于参考光谱匹配的多光谱遥感影像大气校正系统及方法 | |
CN117825286A (zh) | 一种基于遥感影像的湖泊水体叶绿素a浓度的反演方法 | |
CN116702065B (zh) | 基于影像数据黑臭水体生态治理污染监测方法及系统 | |
CN115546658B (zh) | 一种数据集质量提升与改进cnn相结合的夜间云检测方法 | |
Fu et al. | Study on the automatic extraction of water body from TM image using decision tree algorithm | |
CN110686654A (zh) | Landsat卫星传感器水域遥感信息的计算方法 | |
Zhuang et al. | A Method for water body extraction based on the tasselled cap transformation from remote sensing images |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200114 |