CN111272662B - 一种基于遥感光谱的城市黑臭水体识别方法 - Google Patents

一种基于遥感光谱的城市黑臭水体识别方法 Download PDF

Info

Publication number
CN111272662B
CN111272662B CN201911126429.4A CN201911126429A CN111272662B CN 111272662 B CN111272662 B CN 111272662B CN 201911126429 A CN201911126429 A CN 201911126429A CN 111272662 B CN111272662 B CN 111272662B
Authority
CN
China
Prior art keywords
alpha
water body
remote sensing
black
odorous water
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
Application number
CN201911126429.4A
Other languages
English (en)
Other versions
CN111272662A (zh
Inventor
杨凡
霍国友
王钊
黄希源
孙蕾
李运宝
方洁旋
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.)
Shenzhen Shenshui Water Resources Consulting Co ltd
Original Assignee
Shenzhen Shenshui Water Resources Consulting Co ltd
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 Shenzhen Shenshui Water Resources Consulting Co ltd filed Critical Shenzhen Shenshui Water Resources Consulting Co ltd
Priority to CN201911126429.4A priority Critical patent/CN111272662B/zh
Publication of CN111272662A publication Critical patent/CN111272662A/zh
Application granted granted Critical
Publication of CN111272662B publication Critical patent/CN111272662B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明公开了一种基于遥感光谱的城市黑臭水体识别方法，包括以下步骤，步骤S1：获取水面待识别点的遥感光谱数据；步骤S2：数据预处理；步骤S3：提取图像黑臭水体判别特征，黑臭水体判别特征包括提取遥感反射率与波长的关系图中绿波段(Green)和红波段(Red)处的角，且绿波段(Green)处的角为α1，红波段(Red)处的角为α2；步骤S4：预设角α1和α2的区间，对黑臭水体进行判别。本发明提供了一种对城市黑臭水体识别的新方法，以遥感反射率与波长关系图中绿波段与红波段处角α1和α2的大小为特征，通过公式计算得出α1和α2角度的大小，并根据设定的α1和α2的判别区间以此对黑臭水体进行识别，该方法通过遥感技术实现了黑臭水体的识别，具有推广价值。

Description

一种基于遥感光谱的城市黑臭水体识别方法
技术领域
本发明属于遥感图像处理技术领域，具体涉及一种基于遥感光谱的城市黑臭水体识别方法。
背景技术
黑臭水体是一种失去生态功能的水体，主要是由水体过度污染形成的。黑臭河水的特点是气味和颜色异常，水生生物存活减少，河流生态系统结构和功能严重恶化。随着城市化进程的加快，黑臭水体在国际上，尤其是在中国，受到越来越广泛的关注。
目前，我国黑臭水体识别主要通过以人为主观判断为基础的问卷调查的形式，以及以水质检测数据为基础的评价指标形式。这些方法虽然能够准确判断水体是否黑臭，但需要消耗大量的人力物力财力，同时很难做到及时发现、随时监督。
近年来，我国发射了一系列国产高分辨率卫星，其应用非常广泛，对黑臭水体的识别就是其中的一种。这种方法获取数据快、效率高，减少了消耗，同时也能做到快速发现、及时监督，很好的解决了使用传统方法识别黑臭水体时存在的问题。
发明内容
本发明的目的在于提供一种基于遥感光谱的城市黑臭水体识别方法，以解决上述背景技术中所提出的问题。
为实现上述目的，本发明提供以下技术方案：一种基于遥感光谱的城市黑臭水体识别方法，其结构要点在于：包括以下步骤：
步骤S1：获取水面待识别点的遥感光谱数据，所述的遥感光谱数据包括实测光谱数据和卫星多光谱数据；
步骤S2：数据预处理，所述的数据预处理包括实测光谱数据预处理和卫星多光谱数据预处理；
步骤S3：提取图像黑臭水体判别特征，所述的黑臭水体判别特征包括提取遥感反射率与波长的关系图中绿波段(Green)和红波段(Red)处的角，且绿波段(Green)处的角为α1，红波段(Red)处的角为α2；
步骤S4：预设角α1和α2的区间，对黑臭水体进行判别。
作为优选的，实测光谱数据预处理的步骤如下：
步骤A1：计算水面遥感反射率
Figure GDA0003572356210000021
其中，Rrs(λ)为实测光谱遥感反射率，Lu(λ)为水体上行辐亮度，rsky为水气界面的天空光反射率，Lsky(λ)为天空光下行辐亮度，Lp(λ)为参考班的辐亮度，ρp(λ)为参考板反射率；
步骤A2：归一化处理；
步骤A3：拟合为卫星多光谱遥感反射率Req(λ)
Figure GDA0003572356210000022
其中，Req(λ)为拟合卫星多光谱遥感反射率，Rrs(λ)为实测光谱遥感发射率，fSRF(λ)为卫星波段光谱响应函数，F0(λ)为大气层外太阳辐照度。
作为优选的，卫星多光谱数据预处理的步骤如下：
步骤B1：通过辐射定标，将记录的原始DN值转换为辐射亮度值；
步骤B2：通过大气校正，将辐射亮度值转化为地表反射率，即卫星多光谱遥感反射率。
作为优选的，α1的计算公式为：
Figure GDA0003572356210000023
所述的α2的计算公式为：
Figure GDA0003572356210000031
其中，蓝波段(Blue)处的坐标为(x1,y1)，绿波段(Green)处角α1的顶点坐标为(x2,y2)，红波段(Red)处角α2的顶点坐标为(x3,y3)，近红外波段(NIR)处的坐标为(x4,y4)。将坐标标准化处理，得到新的坐标：(x1 *,y1 *)，(x2 *,y2 *)，(x3 *,y3 *)，(x4 *,y4 *)。
作为优选的，对黑臭水体进行判别包括以下标准：
当α1＞90°或α1＜50°或α2＜165°时，判别水体为黑臭水体；
当α1≤90°且α1≥50°且α2≥165°时，判别水体为非黑臭水体。
与现有技术相比，本发明提供了一种对城市黑臭水体识别的新方法，以遥感反射率与波长关系图中绿波段与红波段处角α1和α2的大小为特征，通过公式计算得出α1和α2角度的大小，并根据设定的α1和α2的判别区间以此对黑臭水体进行识别，该方法通过遥感技术实现了黑臭水体的识别，具有推广价值。
附图说明
图1为本发明遥感反射率与波长的关系图。
具体实施方式
下面结合附图对本发明做进一步的解释说明，但不限制本发明的保护范围。
在本发明的描述中，需要说明的是，术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
请参阅图1，本发明提供一种技术方案，一种基于遥感光谱的城市黑臭水体识别方法，包括以下步骤：
步骤S1：获取水面待识别点的遥感光谱数据，所述的遥感光谱数据包括实测光谱数据和卫星多光谱数据；
步骤S2：数据预处理，所述的数据预处理包括实测光谱数据预处理和卫星多光谱数据预处理；
步骤S3：提取图像黑臭水体判别特征，所述的黑臭水体判别特征包括提取卫星多光谱遥感反射率与波长的关系图中绿波段(Green)和红波段(Red)处的角，且绿波段(Green)处的角为α1，红波段(Red)处的角为α2；
步骤S4：预设角α1和α2的区间，对黑臭水体进行判别。
其中，在本实施例中，所述的实测光谱数据预处理的步骤如下：
步骤A1：计算实测光谱遥感反射率
Figure GDA0003572356210000041
其中，Rrs(λ)为实测光谱遥感反射率，Lu(λ)为水体上行辐亮度，rsky为水气界面的天空光反射率，Lsky(λ)为天空光下行辐亮度，Lp(λ)为参考板的辐亮度，ρp(λ)为参考板反射率；
步骤A2：归一化处理；
步骤A3：拟合为卫星多光谱遥感反射率Req(λ)
Figure GDA0003572356210000042
其中，Req(λ)为拟合卫星多光谱遥感反射率，Rrs(λ)为实测光谱遥感发射率，fSRF(λ)为卫星波段光谱响应函数，F0(λ)为大气层外太阳辐照度。
其中，在本实施例中，所述的卫星多光谱数据预处理的步骤如下：
步骤B1：通过辐射定标，将记录的原始DN值转换为辐射亮度值；
步骤B2：通过大气校正，将辐射亮度值转化为地表反射率，即卫星多光谱遥感反射率。
其中，在本实施例中，所述的α1的计算公式为：
Figure GDA0003572356210000051
所述的α2的计算公式为：
Figure GDA0003572356210000052
其中，蓝波段(Blue)处的坐标为(x1,y1)，绿波段(Green)处角α1的顶点坐标为(x2,y2)，红波段(Red)处角α2的顶点坐标为(x3,y3)，近红外波段(NIR)处的坐标为(x4,y4)。将坐标标准化处理，得到新的坐标：(x1 *,y1 *)，(x2 *,y2 *)，(x3 *,y3 *)，(x4 *,y4 *)。
其中，在本实施例中，所述的对黑臭水体进行判别包括以下标准：
当α1＞90°或α1＜50°或α2＜165°时，判别水体为黑臭水体；
当α1≤90°且α1≥50°且α2≥165°时，判别水体为非黑臭水体。
设定α1和α2的判别区间不仅限于此，其大小可根据实际情况进行调整。
本发明提供了一种对城市黑臭水体识别的新方法，以遥感反射率与波长关系图中绿波段与红波段处角α1和α2的大小为特征，通过公式计算得出α1和α2角度的大小，并根据设定的α1和α2的判别区间以此对黑臭水体进行识别，该方法通过遥感技术实现了黑臭水体的识别，具有推广价值。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (1)

1.一种基于遥感光谱的城市黑臭水体识别方法，其特征在于，包括以下步骤：
步骤S1：获取水面待识别点的遥感光谱数据，所述的遥感光谱数据包括实测光谱数据和卫星多光谱数据；
步骤S2：数据预处理，所述的数据预处理包括实测光谱数据预处理和卫星多光谱数据预处理；
步骤S3：提取图像黑臭水体判别特征，所述的黑臭水体判别特征包括提取卫星多光谱遥感反射率与波长的关系图中绿波段(Green)和红波段(Red)处的角，且绿波段(Green)处的角为α1，红波段(Red)处的角为α2；
步骤S4：预设角α1和α2的区间，对黑臭水体进行判别；
其中，所述步骤S2中所述的实测光谱数据预处理的步骤如下：
步骤A1：计算实测光谱遥感反射率
Figure FDA0003591240080000011
其中，Rrs(λ)为实测光谱遥感反射率，Lu(λ)为水体上行辐亮度，rsky为水气界面的天空光反射率，Lsky(λ)为天空光下行辐亮度，Lp(λ)为参考板的辐亮度，ρp(λ)为参考板反射率；
步骤A2：归一化处理；
步骤A3：拟合为卫星多光谱遥感反射率Req(λ)
Figure FDA0003591240080000012
其中，Req(λ)为拟合卫星多光谱遥感反射率，Rrs(λ)为实测光谱遥感反射率，fSRF(λ)为卫星波段光谱响应函数，F0(λ)为大气层外太阳辐照度；
所述步骤S2中所述的卫星多光谱数据预处理的步骤如下：
步骤B1：通过辐射定标，将记录的原始DN值转换为辐射亮度值；
步骤B2：通过大气校正，将辐射亮度值转化为地表反射率，即卫星多光谱遥感反射率；
所述步骤S3中所述的α1的计算公式为：
Figure FDA0003591240080000021
所述的α2的计算公式为：
Figure FDA0003591240080000022
其中，蓝波段(Blue)处的坐标为(x1,y1)，绿波段(Green)处角α1的顶点坐标为(x2,y2)，红波段(Red)处角α2的顶点坐标为(x3,y3)，近红外波段(NIR)处的坐标为(x4,y4)，将坐标标准化处理，得到新的坐标：(x1 *,y1 *)，(x2 *,y2 *)，(x3 *,y3 *)，(x4 *,y4 *)，其中，x1、x2、x3、x4为波长λ，y1、y2、y3、y4为卫星多光谱遥感反射率Req(λ)，x1 *、x2 *、x3 *、x4 *分别为上述x1、x2、x3、x4坐标标准化处理后对应的值，y1 *、y2 *、y3 *、y4 *分别为上述y1、y2、y3、y4坐标标准化处理后对应的值；
所述步骤S4中所述的对黑臭水体进行判别包括以下标准：
当α1＞90°或α1＜50°或α2＜165°时，判别水体为黑臭水体；
当α1≤90°且α1≥50°且α2≥165°时，判别水体为非黑臭水体。
CN201911126429.4A 2019-11-18 2019-11-18 一种基于遥感光谱的城市黑臭水体识别方法 Active CN111272662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911126429.4A CN111272662B (zh) 2019-11-18 2019-11-18 一种基于遥感光谱的城市黑臭水体识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911126429.4A CN111272662B (zh) 2019-11-18 2019-11-18 一种基于遥感光谱的城市黑臭水体识别方法

Publications (2)

Publication Number Publication Date
CN111272662A CN111272662A (zh) 2020-06-12
CN111272662B true CN111272662B (zh) 2022-07-26

Family

ID=71002905

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911126429.4A Active CN111272662B (zh) 2019-11-18 2019-11-18 一种基于遥感光谱的城市黑臭水体识别方法

Country Status (1)

Country Link
CN (1) CN111272662B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112014331A (zh) * 2020-08-21 2020-12-01 中国第一汽车股份有限公司 一种水体污染的检测方法、装置、设备以及存储介质
CN113450425B (zh) * 2021-06-08 2023-07-28 河海大学 一种基于阴影去除的城市黑臭水体遥感制图方法
CN113780071B (zh) * 2021-07-30 2024-01-30 中南安全环境技术研究院股份有限公司 一种黑臭水体遥感识别系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488488A (zh) * 2015-12-10 2016-04-13 中国科学院遥感与数字地球研究所 城市黑臭水体遥感识别方法及装置
CN107167431A (zh) * 2017-05-26 2017-09-15 中国科学院遥感与数字地球研究所 一种基于光谱指数模型的黑臭水体识别方法及系统
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
WO2018163771A1 (ja) * 2017-03-08 2018-09-13 富士フイルム株式会社 水質検査システム及び水質検査方法
CN108645853A (zh) * 2018-05-11 2018-10-12 南京吉泽信息科技有限公司 一种黑臭水体遥感识别的比值指数方法
CN109374537A (zh) * 2018-09-30 2019-02-22 中国科学院遥感与数字地球研究所 城市黑臭水体识别方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201503912D0 (en) * 2015-03-06 2016-02-03 Bae Systems Plc Method and apparatus for processing spectral images

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105488488A (zh) * 2015-12-10 2016-04-13 中国科学院遥感与数字地球研究所 城市黑臭水体遥感识别方法及装置
WO2018163771A1 (ja) * 2017-03-08 2018-09-13 富士フイルム株式会社 水質検査システム及び水質検査方法
CN107167431A (zh) * 2017-05-26 2017-09-15 中国科学院遥感与数字地球研究所 一种基于光谱指数模型的黑臭水体识别方法及系统
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
CN108645853A (zh) * 2018-05-11 2018-10-12 南京吉泽信息科技有限公司 一种黑臭水体遥感识别的比值指数方法
CN109374537A (zh) * 2018-09-30 2019-02-22 中国科学院遥感与数字地球研究所 城市黑臭水体识别方法及装置

Also Published As

Publication number Publication date
CN111272662A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN111272662B (zh) 一种基于遥感光谱的城市黑臭水体识别方法
WO2020015326A1 (zh) 一种地表类型数据支持的遥感图像云阴影检测方法
CN108333148B (zh) 一种黑臭水体的识别方法及装置
CN109374537B (zh) 城市黑臭水体识别方法及装置
CN108596103A (zh) 基于最佳光谱指数选择的高分辨率卫星遥感影像建筑物提取方法
CN109325973B (zh) 一种城市河网区水体大气校正方法
CN114819150B (zh) 一种极地海洋冬季初级生产力遥感反演方法
CN103778418A (zh) 一种输电线路杆塔图像监测系统的山火图像识别方法
CN109214341B (zh) 一种基于Himawari8的火点监测算法
CN109635249B (zh) 水体浊度反演模型建立方法、检测方法及装置
Zhang et al. A validation study of an improved SWIR iterative atmospheric correction algorithm for MODIS-Aqua measurements in Lake Taihu, China
CN116519557B (zh) 一种气溶胶光学厚度反演方法
KR102461468B1 (ko) 다분광 영상을 이용한 원격 적조 탐지방법 및 그 시스템
CN105354859B (zh) 一种火焰可见光辐射标定方法
CN113221057A (zh) 基于多时相卫星影像的秸秆焚烧火点监测方法
CN116012726A (zh) 一种基于深度学习的黑臭水体遥感监测分级方法
CN108763782A (zh) 应用于林火热点判别的modis传感器多时相红外辐射归一方法
Murphy et al. Spatial variation of chlorophyll on estuarine mudflats determined by field-based remote sensing
CN112329790B (zh) 一种城市不透水面信息快速提取方法
CN109767465B (zh) 一种基于h8/ahi的白天雾快速提取的方法
CN109033984B (zh) 一种夜间雾快速自动检测方法
Bulgarelli et al. Seasonal impact of adjacency effects on ocean color radiometry at the AAOT validation site
CN114964514A (zh) 一种基于gk-2a的变时能量阈值火情遥感监测方法
CN114216563B (zh) 一种阈值自动生成的火灾遥感监测方法
CN115358695A (zh) 基于高光谱遥感的农村面源黑臭水体监测技术

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