CN110836870B - 基于gee的大区域湖泊透明度快速制图方法 - Google Patents
基于gee的大区域湖泊透明度快速制图方法 Download PDFInfo
- Publication number
- CN110836870B CN110836870B CN201911178199.6A CN201911178199A CN110836870B CN 110836870 B CN110836870 B CN 110836870B CN 201911178199 A CN201911178199 A CN 201911178199A CN 110836870 B CN110836870 B CN 110836870B
- Authority
- CN
- China
- Prior art keywords
- transparency
- data
- remote sensing
- gee
- reflectivity
- 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
- 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
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- 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
Abstract
本发明涉及基于GEE的大区域湖泊透明度快速制图方法,采集不同湖区湖泊的透明度实测数据;从GEE计算云平台获取透明度实测数据对应的遥感数据,包括遥感反射率及备注信息数据,并从中筛选出有效匹配数据;基于透明度实测数据和有效匹配数据,建立透明度遥感模型,并应用于GEE全球遥感产品实现不同时空尺度的透明度快速制图。本发明结合遥感大数据和GEE计算机云平台,通过分析同步的现场透明度观测和陆地遥感反射率,构建了适用于陆地遥感反射率的大区域透明度反演模型。可以实现大区域、不同时间尺度湖泊透明度的快速制图。为大区域湖泊水质评价和综合对比提供数据支撑。
Description
技术领域
本发明涉及卫星遥感技术及其应用领域,具体涉及基于GEE的大区域湖泊透明度快速制图方法。
背景技术
透明度(Secchi DiskDepth,SDD)是湖泊监测的一个重要指标,能综合反映湖泊水质情况。湖泊透明度的降低不利于光穿透水柱,不利于湖泊浮游植物和水生植被的生长,容易造成湖泊生态环境恶化。此外,在剧烈人为活动影响下,湖泊富营养化情形日益加重,浮游植物呈暴发式增多;浮游植物不仅自身会降低湖泊水体透明度,其分解产生的强吸光物质—有色溶解有机物(CDOM)也会造成湖泊透明度降低,因此透明度也是评价湖泊富营养化情况的一个重要指标。经过近几十年科学技术的发展,湖泊透明度已从传统的现场点位观测发展为全湖甚至区域的时间序列监测。但受限于大区域空间差异和计算机处理能力,国家、洲际或全球湖泊透明度遥感同步卫星遥感监测算法暂未报道。
发明内容
本发明的目的在于提供一种基于GEE的大区域湖泊透明度快速制图方法,以快速实现大区域、不同时间尺度透明度的监测。
为实现上述技术目的,本发明从大区域现场透明度实测数据和GEE计算机云平台出发,分析遥感大数据,提取与现场透明度采样数据时间对应的遥感数据不同波段的反射率值。然后,分析同步的遥感反射率值,剔除受云、山体阴影、陆地和气溶胶等影响较大的数据,分析同步观测的透明度和遥感反射率,挑选适用于反映透明度变化的遥感波段或波段组合。最后,基于湖泊水体透明度的变化机理,构建其遥感反演模型,并对所构建的模型进行验证。
具体技术方案如下:
一种基于GEE的大区域湖泊透明度快速制图方法,包括如下步骤:
(1)采集不同湖区湖泊的透明度实测数据;
(2)从GEE计算云平台获取透明度实测数据对应的遥感数据,包括遥感反射率及备注信息数据,从中筛选出有效匹配数据;
(3)基于透明度实测数据和有效匹配数据,建立透明度遥感模型,包括:
a)随机选择实测透明度和匹配的MODIS遥感反射率为模型构建数据集,分析各波段遥感反射率与透明度实测数据的线性相关性,选出线性相关好的绿光和红光波段;
b)测试绿光和红光波段不同组合形式与实测透明度的相关性,筛选模型,并用模型构建数据集参数化,构建透明度遥感反演模型;
(4)将模型应用于GEE存储的全球反射率实现大区域不同时空尺度透明度快速制图。
作为本发明的进一步改进,所述步骤(1)中,基于30cm直径的黑白Secchi盘测量获取透明度实测数据。
作为本发明的进一步改进,所述步骤(2)中,遥感数据直接选用GEE存储的MODIS陆地反射率数据。
进一步的,遥感数据采集方式为:以±3h为时间窗口、3像元为空间窗口,在GEE计算云平台编程获取每个透明度实测数据对应的遥感反射率及备注信息数据。
进一步的,所述步骤(2)中,备注信息数据包括质量评估数据,基于质量评估数据筛选有效匹配数据。质量评估信息以二进制表示,包含所提取像元的云覆盖、是否山体阴影、是否陆地和气溶胶状况信息,基于质量评估信息筛选出与透明度实测数据匹配的非云覆盖、非山体阴影、非陆地和气溶胶影响小的遥感反射率数据,获取有效匹配数据。
作为本发明的进一步改进,所述步骤(3)中,选取透明度敏感波段—555nm绿光波段和645nm红光波段构建透明度遥感反演模型。
进一步的,所述步骤(3)中,通过最优波段组合和分段法构建的透明度遥感反演模型为:
[SDD]=a×xb,x>T
[SDD]=c×exp(d×x),x≤T
x=(R555+R645)/2 (1)
式中,[SDD]是湖泊像元透明度;R555和R645分别是MODIS数据在555nm和645nm波段的陆地遥感反射率(sr-1);T是中间分隔阈值;a,b,c和d是拟合参数。
进一步的,所述步骤(3)中还包括:
利用剩余的透明度实测数据和匹配的遥感反射率对构建的模型式进行精度验证。
作为本发明的进一步改进,所述方法还包括:将所构建的模型应用于GEE存储的全球日尺度MODIS遥感反射率,从而实现全国面积>20km2的湖泊的不同时空尺度透明度快速制图。
由于陆地区域气溶胶空间异质性大、部分气溶胶还表现对光的强吸收性和卫星传感器接收的水体有效遥感信号占比也只有10%左右等给大区域湖泊遥感数据的精确大气校正造成了目前还未能解决的难题,本发明结合遥感大数据和GEE计算机云平台,通过分析同步的现场透明度观测和陆地遥感反射率,构建了适用于陆地遥感反射率的大区域透明度反演模型。可以实现大区域、不同时间尺度湖泊透明度的快速制图。为大区域湖泊水质评价和综合对比提供数据支撑。
附图说明
图1是湖泊透明度遥感反演模型。
图2是湖泊透明度遥感反演精度评估。
具体实施方式
以中国不同区域大中型湖泊透明度的快速制图过程为例,并结合附图说明和实施例对本发明具体实施进一步说明:
(1)代表全国不同湖区湖泊的现场数据采集。中国幅员辽阔,不同湖泊物质组成差异大,湖泊水体遥感存在“异物同谱”现象,使得以往水色遥感研究以个别或区域内的一些湖泊为研究对象。为构建适用于全国湖泊的遥感算法,研究使用了覆盖全国不同湖区298个湖泊的2233个采样点位数据,每个湖泊采样数为3-20不等,采样时间为2008-2018年。遵从NASA发布的水体光学测量规范,现场透明度测量使用的是30cm直径的黑白Secchi盘。
(2)现场观测同步的陆地遥感反射率提取。GEE计算云平台集成了多种遥感反射率数据。针对中国区域透明度遥感反演,推荐使用MODIS遥感反射率,该数据集从2000年2月24日至今每日可覆盖全球一次,对研究湖泊透明度长时间序列变化具有独一无二的优势。根据全国湖泊透明度数据现场观测日期和时间,利用GEE后台数据库和强大的地理计算云,编程获取每个现场观测透明度对应的MODIS遥感反射率及其质量评估等备注信息。分析MODIS卫星同步观测的遥感反射率值,剔除受云、山体阴影、陆地和气溶胶等影响的数据数值。具体的步骤如下:
a)遵从NASA推荐的星地匹配原则,以±3h为时间窗口、3像元为空间窗口,在GEE平台自主编程获取每个实测数据对应的MODIS反射率及质量评估信息。
b)MODIS的质量评估信息以二进制表示,包含所提取像元的云覆盖、是否山体阴影、是否陆地和气溶胶状况等信息,根据这些信息可以筛选出与实测数据匹配的非云覆盖、非山体阴影、非陆地和气溶胶影响小等的MODIS遥感反射率,最后获取的有效匹配数为489个。
(3)透明度遥感模型的构建及评估。湖泊水体透明度是水中各种物质相互作用的结果;水体悬浮颗粒物的增多,会增加水体对光的后向散射、降低水体透明度,从而增加卫星遥感反射率;水体CDOM物质的增多,会增加水体对光的吸收、降低水体透明度,也会降低卫星遥感反射率。悬浮颗粒物强散射主要表现在长波波段,而CDOM强吸收主要表现与短波波段。根据一些区域湖泊研究,透明度常与短波绿光或长波红光波段的遥感反射率具有较好的关联性。基于这些研究基础构建了适应于中国湖泊的透明度遥感算法,具体步骤如下:
a)随机选择75%的实测透明度和匹配的MODIS遥感反射率(N=366)为模型构建数据集,通过自主编程分析MODIS各波段反射率与实测透明度的线性相关性,选出线性相关好的绿光和红光波段;
b)通过自主编程测试绿光和红光波段不同组合形式(比值、差值和加和等)与实测透明度的相关性(线性、指数和幂函数等),确定相关性最好的模型,并用模型构建数据集参数化,构建适用于反演中国湖泊透明度的遥感反演模型,如图(1)和式(2):
式中,[SDD]是湖泊像元透明度(cm);R555和R645分别是MODIS数据在555nm和645nm波段的MODIS遥感反射率(sr-1)。
c)利用剩余的25%的现场观测透明度和匹配的MODIS遥感反射率(N=123)对构建的模型式(2)进行精度验证:模型构建数据集相对误差为32.42%,模型检验数据集相对误差为32.72%,符合国际通用的遥感反演精度要求(<45%),如图(2)所示。
(4)不同时间尺度的透明度快速制图。借助于GEE地理计算云平台和在线数据访问功能,通过自主编程,将所构建的模型应用于GEE存储的全球日尺度MODIS遥感反射率,从而同步计算面积>20km2的412个中国湖泊的不同时间尺度(年平均、月平均和气候态月)的湖泊透明度,并导出最后的透明度结果用以规范化快速制图。
Claims (7)
1.一种基于GEE的大区域湖泊透明度快速制图方法,其特征在于,包括如下步骤:
(1)采集不同湖区湖泊的透明度实测数据;
(2)从GEE计算云平台获取透明度实测数据对应的遥感数据,包括遥感反射率及备注信息数据,从中筛选出有效匹配数据;所述遥感数据直接选用GEE存储的MODIS陆地反射率数据;
(3)基于透明度实测数据和有效匹配数据,建立透明度遥感模型,包括:
a)随机选择实测透明度和匹配的MODIS遥感反射率为模型构建数据集,分析不同波段遥感反射率与透明度实测数据的线性相关性,选出线性相关好的绿光和红光波段;
b)测试绿光和红光波段不同组合形式与实测透明度的相关性,筛选模型,并用模型构建数据集进行参数化,构建透明度遥感反演模型;
通过最优波段组合和分段法构建的透明度遥感反演模型为:
[SDD]=a×xb,x>T
[SDD]=c×exp(d×x),x≤T
x=(R555+R645)/2 (1)
式中,[SDD]是湖泊像元透明度;R555和R645分别是MODIS数据在555nm和645nm波段的陆地遥感反射率(sr-1);T是中间分隔阈值;a,b,c和d是拟合参数;
(4)将模型应用于GEE存储的全球反射率实现大区域不同时空尺度透明度快速制图。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)中,基于30cm直径的黑白Secchi盘测量获取透明度实测数据。
3.根据权利要求1所述的方法,其特征在于,所述步骤(2)中,遥感数据采集方式为:以±3h为时间窗口、3像元为空间窗口,在GEE计算云平台编程获取每个透明度实测数据对应的遥感反射率及备注信息数据。
4.根据权利要求1所述的方法,其特征在于,所述步骤(2)中,备注信息数据包括质量评估数据,基于质量评估数据快速筛选出有效匹配数据。
5.根据权利要求1所述的方法,其特征在于,质量评估信息以二进制表示,包含所提取像元的云覆盖、是否山体阴影、是否陆地和气溶胶状况信息,基于质量评估信息筛选出与透明度实测数据匹配的非云覆盖、非山体阴影、非陆地和气溶胶影响小的遥感反射率数据,快速筛选出有效匹配数据。
6.根据权利要求1所述的方法,其特征在于,所述步骤(3)中还包括:
利用剩余的透明度实测数据和匹配的遥感反射率对构建的模型式进行精度验证。
7.根据权利要求1所述的方法,其特征在于,所述步骤(4)中,将所构建的模型应用于GEE存储的全球日尺度MODIS遥感反射率,从而实现全国面积>20km2的湖泊的不同时空尺度透明度快速制图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911178199.6A CN110836870B (zh) | 2019-11-27 | 2019-11-27 | 基于gee的大区域湖泊透明度快速制图方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911178199.6A CN110836870B (zh) | 2019-11-27 | 2019-11-27 | 基于gee的大区域湖泊透明度快速制图方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110836870A CN110836870A (zh) | 2020-02-25 |
CN110836870B true CN110836870B (zh) | 2021-06-25 |
Family
ID=69577388
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911178199.6A Active CN110836870B (zh) | 2019-11-27 | 2019-11-27 | 基于gee的大区域湖泊透明度快速制图方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110836870B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112345499B (zh) * | 2020-10-07 | 2022-03-29 | 大连理工大学 | 基于多源遥感卫星的国际界湖透明度反演方法 |
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 |
CN112989692A (zh) * | 2021-02-10 | 2021-06-18 | 中国科学院南京地理与湖泊研究所 | 基于遥感数据的湖泊富营养化反演方法 |
CN114965300B (zh) * | 2022-05-23 | 2024-04-19 | 中国科学院东北地理与农业生态研究所 | 基于光学水体类型和bp神经网络算法构建bp-turb的湖泊浊度制图方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101116462B1 (ko) * | 2009-12-15 | 2012-02-20 | 연세대학교 산학협력단 | 원격탐사 데이터를 이용한 수질 모니터링 방법 및 이를 이용한 수질 모니터링 장치 |
CN106053394A (zh) * | 2016-07-20 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种利用固有光学参数反演水体透明度的方法 |
CN106053370A (zh) * | 2016-08-02 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于hico模拟的反演近海岸水体透明度的方法 |
CN106525762A (zh) * | 2016-11-07 | 2017-03-22 | 航天恒星科技有限公司 | 一种基于自适应模型的水质监测方法和水质监测装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102855662B (zh) * | 2012-07-25 | 2014-12-17 | 中国科学院对地观测与数字地球科学中心 | 海洋环境的可视化方法 |
US10290089B2 (en) * | 2014-05-22 | 2019-05-14 | The United States Of America, As Represented By The Administrator Of The U.S. Environmental Protection Agency | Cyanobacteria assessment network |
GB201503912D0 (en) * | 2015-03-06 | 2016-02-03 | Bae Systems Plc | Method and apparatus for processing spectral images |
CN107169457B (zh) * | 2017-05-17 | 2020-07-03 | 中国科学院遥感与数字地球研究所 | 一种云识别方法 |
CN109282798A (zh) * | 2018-10-31 | 2019-01-29 | 中国科学院南京地理与湖泊研究所 | 一种基于遥感影像提取湖库高浑浊区的方法 |
-
2019
- 2019-11-27 CN CN201911178199.6A patent/CN110836870B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101116462B1 (ko) * | 2009-12-15 | 2012-02-20 | 연세대학교 산학협력단 | 원격탐사 데이터를 이용한 수질 모니터링 방법 및 이를 이용한 수질 모니터링 장치 |
CN106053394A (zh) * | 2016-07-20 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种利用固有光学参数反演水体透明度的方法 |
CN106053370A (zh) * | 2016-08-02 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于hico模拟的反演近海岸水体透明度的方法 |
CN106525762A (zh) * | 2016-11-07 | 2017-03-22 | 航天恒星科技有限公司 | 一种基于自适应模型的水质监测方法和水质监测装置 |
Non-Patent Citations (5)
Title |
---|
A harmonized image processing workflow using Sentinel-2/MSI and Landsat-8/OLI for mapping water clarity in optically variable lake systems;Benjamin P. Pagea;《REMOTE SENSING OF ENVIRONMENT》;20190915;第231卷;第111284-1-12页 * |
基于GEE平台的近十年来洪湖水质遥感反演研究;周志立;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;20180630(第6期);第B027-346页 * |
基于分段映射模型的水质参数遥感反演研究;陈军;《光谱学与光谱分析》;20101031;第30卷(第10期);第2784-2788页 * |
基于水体透明度反演的太湖水生植被遥感信息提取;张寿选;《湖泊科学》;20081231;第20卷(第2期);第184-190页 * |
结合高光谱数据反演吉林石头口门水库悬浮物含量和透明度;徐京萍;《湖泊科学》;20071231;第19卷(第3期);第269-274页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110836870A (zh) | 2020-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110836870B (zh) | 基于gee的大区域湖泊透明度快速制图方法 | |
Du et al. | Retrieval of global terrestrial solar-induced chlorophyll fluorescence from TanSat satellite | |
Zhang et al. | Remote sensing estimation of water clarity for various lakes in China | |
CN111678866B (zh) | 一种多模型集成学习的土壤含水量反演方法 | |
Li et al. | An evaluation of the use of atmospheric and BRDF correction to standardize Landsat data | |
Novoa et al. | Water quality assessment using satellite-derived chlorophyll-a within the European directives, in the southeastern Bay of Biscay | |
CN110046415A (zh) | 一种时空精细化的土壤有机质含量遥感动态反演方法 | |
CN113553907A (zh) | 一种基于遥感技术的森林生态环境状况评价方法 | |
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 | |
CN114819737B (zh) | 公路路域植被的碳储量估算方法、系统及存储介质 | |
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 | |
Zhao et al. | Evaluating the potential of H8/AHI geostationary observations for monitoring vegetation phenology over different ecosystem types in northern China | |
Ojo et al. | Geospatial analysis for irrigated land assessment, modeling and mapping | |
Zhao et al. | Retrieval of red solar-induced chlorophyll fluorescence with TROPOMI on the Sentinel-5 precursor mission | |
Cazzaniga et al. | Spectral features of ocean colour radiometric products in the presence of cyanobacteria blooms in the Baltic Sea | |
CN106504240A (zh) | 一种枣树冠层叶绿素a含量的卫星遥感监测方法 | |
Du et al. | Addressing validation challenges for TROPOMI solar-induced chlorophyll fluorescence products using tower-based measurements and an NIRv-scaled approach | |
CN113466143A (zh) | 土壤养分反演方法、装置、设备及介质 | |
Mollaee | Estimation of phytoplankton chlorophyll-a concentration in the western basin of Lake Erie using Sentinel-2 and Sentinel-3 data | |
Borbas et al. | MODIS atmospheric profile retrieval algorithm theoretical basis document | |
CN106501454A (zh) | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 | |
CN115931783A (zh) | 一种基于GEE的大尺度区域湖库叶绿素a制图方法 | |
CN115452167A (zh) | 基于不变像元的卫星遥感器交叉定标方法和装置 | |
Bracher et al. | Extension of atmospheric correction polymer to hyperspectral sensors: Application to HICO and first results for DESIS data | |
Meng et al. | Mapping properties of vegetation in a tidal salt marsh from multi-spectral satellite imagery using the SCOPE model |
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 |