CN111651707A - 一种基于光学浅水区卫星遥感影像的潮位反演方法 - Google Patents
一种基于光学浅水区卫星遥感影像的潮位反演方法 Download PDFInfo
- Publication number
- CN111651707A CN111651707A CN202010464989.7A CN202010464989A CN111651707A CN 111651707 A CN111651707 A CN 111651707A CN 202010464989 A CN202010464989 A CN 202010464989A CN 111651707 A CN111651707 A CN 111651707A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- satellite
- sensing image
- water
- tide
- 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.)
- Granted
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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于光学浅水区卫星遥感影像的潮位反演方法,包括:(1)收集或测量水深数据;(2)收集相应的卫星多光谱遥感影像;(3)卫星遥感影像进行图像预处理;(4)构建潮位反演模型并求解;(5)潮位反演精度验证。本发明的方法无需验潮站数据而直接利用遥感影像自身进行潮位的估算,操作简便且效率高,能够为光学浅水区卫星多光谱卫星遥感影像在水体辐射校正、相对辐射定标和变化检测等方面的应用提供便捷的潮位估算方法,在珊瑚礁和海岸带的遥感应用中具有重要的意义。
Description
技术领域
本发明属于遥感探测技术领域,特别涉及一种基于光学浅水区卫星遥感影像的潮位反演方法。
背景技术
潮汐对海洋资源的开发利用、海洋防灾减灾建设以及海洋军事活动等方面均具有重要的意义。当利用卫星遥感影像对研究区域进行水深、水底反射率等参数的反演,以及海岸线提取时,由于潮汐是影响水体辐射、水深的重要因素,潮位改正显得尤为必要。目前,通常依据研究区域周围验潮站在遥感影像采集时刻的瞬时潮位来进行潮位改正;或利用已有的潮位数据进行推算得到卫星过境时刻的潮位高度。对于位于远海、潮汐数据不易获得且潮差差异不大的研究区域,则不做潮位改正处理。
潮位观测指测量某固定点的水位随时间的变化,实际上就是测量该点的水的深度变化。验潮站是指在选定的地点,设置自记验潮仪或水尺来记录水位的变化,进而了解海区的潮汐变化规律的观测站。验潮站分为长期验潮站与短期验潮站、临时验潮站和海上定点验潮站,长期验潮站是测区水位控制的基础,它主要用于计算平均海面和深度基准面,计算平均海面要求有两年以上连续观测的水位资料;短期验潮站用于补充长期验潮站的不足,它与长期验潮站共同推算确定区域的深度基准面,一般要求连续30天的水位观测。临时验潮站在水深测量期间设置,要求最少与长期验潮站或短期验潮站同步观测三天,以便联测平均海面或深度基准面,测深期间用于观测瞬时水位,进行水位改正。海上定点验潮,最少在大潮期间与长期或短期站同步观测三次24h,用以推算平均海面、深度基准面和预报瞬时水位。由此可见,验潮观测耗时长、步骤复杂。而遥感影像多数覆盖全球,数据量大,对特定地点仅在特过境时间进行观测,处理遥感影像时需要的潮位数据通常无需达到验潮站数据的精密程度。因此,验潮观测对遥感影像处理的需求而言,耗时耗力;建立满足遥感影像处理的全球连续验潮观测更是难度大、成本高,不现实也不划算。
近二十年来,我国许多研究人员用不同的方法对中国近海的潮波做了大量的理论研究和数值计算工作,并且以较高的分辨率获得了相当精确的主要分潮调和常数。如天津海事局海测大队开发出了天文潮加余水位订正法;龚政等人分别用基于潮流场数值模拟的方法和基于短期实测潮位资料的方法进行了潮位推算;国内部分学者(王骥、刘克修、钱成春、暴景阳等)则致力于利用卫星测高资料和海洋动力学方法结合研究海洋潮汐数值预报模式。但潮位推算通常建立在国家长期验潮站网以及精密的潮波数值模型基础上,要求测区附近必须有长期验潮站。且对于无法设立验潮站的远海或危险区域,更是难以进行潮位观测或推算。因此,潮位推算亦不适合遥感影像中的潮位校正。
发明内容
本发明是针对上述现有技术领域存在的缺失,提供了一种基于光学浅水区卫星多光谱遥感影像的潮位反演方法,可以应用于光学浅水区卫星多光谱卫星遥感影像在水体辐射校正、相对辐射定标和变化检测等方面的潮位估算。
为了达到上述目的,本发明提供如下技术方案:
一种基于光学浅水区卫星遥感影像的潮位反演方法,包括如下步骤:
(1)收集或测量水深数据;
(2)收集相应的卫星多光谱遥感影像;
(3)卫星遥感影像进行图像预处理;
(4)构建潮位反演模型并求解;
(5)潮位反演精度验证。
优选地,步骤(1)中,利用现场测量、航海图或机载LiDAR测深,收集或测量需要进行潮位反演的区域的水深数据。
优选地,步骤(2)中,所述卫星多光谱遥感影像是指Landsat TM、Landsat ETM、Landsat OLI、Sentinel-2、ZY-3、WorldView-3和EO-1Hyperion/ALI中的一种或一种以上的卫星多光谱或高光谱遥感影像。
优选地,步骤(2)中,所述卫星多光谱遥感影像为至少包含红、绿和蓝波段的卫星多光谱或高光谱遥感影像。
优选地,步骤(3)中,所述图像预处理包括对卫星遥感影像进行辐射定标、大气校正以及次表层遥感反射率的计算。
优选地,步骤(4)所述半解析水体辐射传输模型为:
ρsh(λ),光学浅水区次表层遥感反射率;
ρdp(λ),相邻光学深水区次表层遥感反射率,取研究对象附近光学深水区的数据的平均值来近似表示;
Kd(λ),水体辐射漫衰减系数;
ρb(λ),水底反照率;
H,多光谱遥感影像成像时刻研究对象的水深。
优选地,对半解析水体辐射传输模型进行求解时,将各参数代入半解析水体辐射传输模型,然后利用最小二乘法推算卫星多光谱遥感影像成像时刻相对于水深数据参考基准面的潮位。
优选地,步骤(5)中,以某一幅卫星影像的潮位作为基准,通过比较图像成像时刻的实测潮位差和反演得到的潮位差来实现精度验证。
优选地,采用验潮站实测潮位数据和反演得到的潮位的均方根误差、平均绝对误差和平均相对误差进行精度验证。
本发明由于采用了上述技术方案,具有以下有益效果:
本发明利用卫星遥感图像反演获得较精确的浅水区潮位数据,无需验潮站数据而直接利用遥感影像自身进行潮位的估算,操作简便且效率高,能够为光学浅水区卫星多光谱卫星遥感影像在水体辐射校正、相对辐射定标和变化检测等方面的应用提供便捷的潮位估算方法,在珊瑚礁和海岸带的遥感应用中具有重要的意义。
附图说明
图1是基于光学浅水区卫星影像的潮位反演流程图;
图2是卫星遥感影像的具体所在位置图;
图3是莫洛凯岛考纳卡凯港口潮位反演误差统计图;
图4a是莫洛凯岛Landsat ETM+卫星多光谱遥感影像;
图4b是莫洛凯岛Landsat OLI卫星多光谱遥感影像;
图4c是莫洛凯岛Sentinel-2卫星多光谱遥感影像。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下举出优选实施例,对本发明进一步详细说明。然而,需要说明的是,说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解,即便没有这些特定的细节也可以实现本发明的这些方面。这些实例及其说明并不限制本发明的权利要求,任何在本发明的启示下得出的与本发明相同或想近似的方法,均在保护范围之内。
实施例1
如图所示,以美国夏威夷州莫洛凯岛为例,本实施例提供一种基于光学浅水区卫星遥感影像的潮位反演方法,包括如下步骤:
(1)收集实测水深数据:从网站获取基于机载LiDAR的水深探测数据:http://www.soest.hawaii.edu/coasts/data/oahu/index.html;
(2)分别收集该岛的Landsat ETM+、Landsat OLI、Sentinel-2多光谱遥感影像;
(3)对步骤(2)的影像进行预处理:
(3-1)辐射定标,采用式(1)将从遥感影像上获取的DN值转化为辐亮度值Lλ:
Lλ=Gain·DN+Offset (1)
Gain、Offset为辐射校正系数;
(3-2)大气校正,将辐亮度Lλ转化为大气底层地表反射率ρBOA:
采用6S传输模型,将太阳与卫星的几何参数、大气模式、气溶胶模式等参数输入6S传输模型的大气校正代码,经过6S传输模型计算得到三个将辐亮度值转换为地表反射率的转换系数xa、xb、xc,再通过Lλ计算得到ρBOA,
y=Lλ·xa-xb (2)
然后,将大气底层反射率ρBOA进一步转化为遥感反射率Rrs:
Edir,太阳辐照度,由6S传输模型直接获取;
Edif,大气漫射辐照度,可由6S传输模型直接获取;
rsky,水气界面反射率,可通过式(5)菲涅尔反射方程计算得到:
θi、θv分别是观测天顶角和相应的折射角;
然后,再通过式(6)将Rrs转换为次表层遥感反射率ρ:
在大气校正过程中,在确定气溶胶光学厚度时,首先选择相邻光学深水区中的辐亮度值最小的清洁水体作为本研究中的暗物体,然后,将气溶胶光学厚度以0.001为步长,从0.0增长到2.0,并运行每个气溶胶光学厚度所对应的6S模式代码,通过选择与近红外波段地表反射率ρBOA最接近0所对应的气溶胶光学厚度,来确定最佳的气溶胶光学厚度;
(4)构建潮位反演模型并求解:本发明拟采用如下半解析水体辐射传输模型进行潮位反演:
ρsh(λ),光学浅水区次表层遥感反射率,在式(1)-式(6)中代入浅水区(研究对象)的相关数据来获得;
ρdp(λ),相邻光学深水区次表层遥感反射率,在式(1)-式(6)中代入研究对象附近光学深水区的数据后,取其平均值来近似表示;
Kd(λ),水体辐射漫衰减系数,可进一步转化为式(8);
ρb(λ),水底反照率,可进一步转化为式(9);
H,遥感影像成像时刻研究对象的水深,可进一步转化为式(10);
Kd(λ)=M(λ)·[Kd(490)-Kw(490)]+Kw(λ) (8)
ρb(λ)=B·ρN(λ) (9)
H=H'+Tide (10)
利用最小二乘法来实现对遥感影像成像时刻相对于水深数据参考基准面的潮位的反演:
(5)精度评估:通过与验潮站的观测潮位和反演得到的潮位的均方根误差、平均绝对误差和平均相对误差进行精度验证,本实施例的误差统计见图3。
本实施例各公式的参数说明见表1。
表1
表2纯水辐射漫衰减系数和经验值查找表
λ/nm | K<sub>w</sub>(λ)/m<sup>-1</sup> | M(λ)/无量纲 |
490 | 0.0224 | 1.0000 |
560 | 0.0723 | 0.5457 |
665 | 0.4208 | 0.7205 |
本发明未详尽描述的技术内容均为公知技术。
Claims (9)
1.一种基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,包括如下步骤:
(1)收集或测量水深数据;
(2)收集相应的卫星多光谱遥感影像;
(3)卫星遥感影像进行图像预处理;
(4)构建潮位反演模型并求解,所述潮位反演模型为半解析水体辐射传输模型;
(5)潮位反演精度验证。
2.根据权利要求1所述的基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,步骤(1)中,利用现场测量、航海图或机载LiDAR测深,收集或测量需要进行潮位反演的区域的水深数据。
3.根据权利要求1所述的基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,步骤(2)中,所述卫星多光谱遥感影像是指Landsat TM、Landsat ETM、Landsat OLI、Sentinel-2、ZY-3、WorldView-3和EO-1Hyperion/ALI中的一种或一种以上的卫星多光谱或高光谱遥感影像。
4.根据权利要求3所述的基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,步骤(2)中,所述卫星多光谱遥感影像为至少包含红、绿和蓝波段的卫星多光谱或高光谱遥感影像。
5.根据权利要求1所述的基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,步骤(3)中,所述图像预处理包括对卫星遥感影像进行辐射定标、大气校正以及次表层遥感反射率的计算。
7.根据权利要求6所述的基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,对半解析水体辐射传输模型进行求解时,将各参数代入半解析水体辐射传输模型,然后利用最小二乘法推算卫星多光谱遥感影像成像时刻相对于水深数据参考基准面的潮位。
8.根据权利要求1所述的基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,步骤(5)中,以某一幅卫星影像的潮位作为基准,通过比较图像成像时刻的实测潮位差和反演得到的潮位差来实现精度验证。
9.根据权利要求8所述的基于光学浅水区卫星遥感影像的潮位反演方法,其特征在于,采用验潮站实测潮位数据和反演得到的潮位的均方根误差、平均绝对误差和平均相对误差进行精度验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010464989.7A CN111651707B (zh) | 2020-05-28 | 2020-05-28 | 一种基于光学浅水区卫星遥感影像的潮位反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010464989.7A CN111651707B (zh) | 2020-05-28 | 2020-05-28 | 一种基于光学浅水区卫星遥感影像的潮位反演方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111651707A true CN111651707A (zh) | 2020-09-11 |
CN111651707B CN111651707B (zh) | 2023-04-25 |
Family
ID=72346914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010464989.7A Active CN111651707B (zh) | 2020-05-28 | 2020-05-28 | 一种基于光学浅水区卫星遥感影像的潮位反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111651707B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326470A (zh) * | 2021-04-11 | 2021-08-31 | 桂林理工大学 | 遥感水深反演潮高改正方法 |
CN113763272A (zh) * | 2021-09-03 | 2021-12-07 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 |
CN113971679A (zh) * | 2021-11-08 | 2022-01-25 | 南京智慧水运科技有限公司 | 一种基于计算机视觉与图像处理的海洋潮汐测量方法 |
CN115078263A (zh) * | 2022-05-27 | 2022-09-20 | 苏州科技大学 | 顾及潮汐影响的海草遥感信息提取方法 |
CN117095048A (zh) * | 2023-08-18 | 2023-11-21 | 浙江大学海南研究院 | 一种基于图像的近岸水深反演方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100226205A1 (en) * | 2009-03-04 | 2010-09-09 | Andrej Vladimirovich Tulupov | Method for marine electrical survey of oil-and-gas deposits |
US20120020527A1 (en) * | 2010-07-21 | 2012-01-26 | Ron Abileah | Methods for mapping depth and surface current |
CN102628940A (zh) * | 2012-04-20 | 2012-08-08 | 中国科学院遥感应用研究所 | 一种遥感图像大气订正方法 |
US20130266237A1 (en) * | 2010-12-16 | 2013-10-10 | Beihang University | Wavelet coefficient quantization method using human visual model in image compression |
CN103761375A (zh) * | 2014-01-13 | 2014-04-30 | 河海大学 | 一种基于遥感水边线的潮滩dem率定方法 |
CN105445751A (zh) * | 2015-11-18 | 2016-03-30 | 国家海洋局第一海洋研究所 | 一种浅水区域水深比值遥感反演方法 |
CN105651263A (zh) * | 2015-12-23 | 2016-06-08 | 国家海洋局第海洋研究所 | 浅海水深多源遥感融合反演方法 |
CN105930304A (zh) * | 2016-04-13 | 2016-09-07 | 中测新图(北京)遥感技术有限责任公司 | 基于半分析模型的多光谱遥感水深反演方法及装置 |
CN107358161A (zh) * | 2017-06-08 | 2017-11-17 | 深圳先进技术研究院 | 一种基于遥感影像分类的海岸线提取方法及系统 |
EP3265781A1 (en) * | 2015-03-06 | 2018-01-10 | BAE Systems PLC | Method and apparatus for processing spectral images |
US20180286052A1 (en) * | 2017-03-30 | 2018-10-04 | 4DM Inc. | Object motion mapping using panchromatic and multispectral imagery from single pass electro-optical satellite imaging sensors |
CN109059796A (zh) * | 2018-07-20 | 2018-12-21 | 国家海洋局第三海洋研究所 | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 |
US20190041377A1 (en) * | 2017-02-22 | 2019-02-07 | Hohai University | Method for measuring a mudflat elevation by remotely sensed water content |
CN110274858A (zh) * | 2019-07-15 | 2019-09-24 | 南京吉泽信息科技有限公司 | 利用goci数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法 |
-
2020
- 2020-05-28 CN CN202010464989.7A patent/CN111651707B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100226205A1 (en) * | 2009-03-04 | 2010-09-09 | Andrej Vladimirovich Tulupov | Method for marine electrical survey of oil-and-gas deposits |
US20120020527A1 (en) * | 2010-07-21 | 2012-01-26 | Ron Abileah | Methods for mapping depth and surface current |
US20130266237A1 (en) * | 2010-12-16 | 2013-10-10 | Beihang University | Wavelet coefficient quantization method using human visual model in image compression |
CN102628940A (zh) * | 2012-04-20 | 2012-08-08 | 中国科学院遥感应用研究所 | 一种遥感图像大气订正方法 |
CN103761375A (zh) * | 2014-01-13 | 2014-04-30 | 河海大学 | 一种基于遥感水边线的潮滩dem率定方法 |
EP3265781A1 (en) * | 2015-03-06 | 2018-01-10 | BAE Systems PLC | Method and apparatus for processing spectral images |
CN105445751A (zh) * | 2015-11-18 | 2016-03-30 | 国家海洋局第一海洋研究所 | 一种浅水区域水深比值遥感反演方法 |
CN105651263A (zh) * | 2015-12-23 | 2016-06-08 | 国家海洋局第海洋研究所 | 浅海水深多源遥感融合反演方法 |
CN105930304A (zh) * | 2016-04-13 | 2016-09-07 | 中测新图(北京)遥感技术有限责任公司 | 基于半分析模型的多光谱遥感水深反演方法及装置 |
US20190041377A1 (en) * | 2017-02-22 | 2019-02-07 | Hohai University | Method for measuring a mudflat elevation by remotely sensed water content |
US20180286052A1 (en) * | 2017-03-30 | 2018-10-04 | 4DM Inc. | Object motion mapping using panchromatic and multispectral imagery from single pass electro-optical satellite imaging sensors |
CN107358161A (zh) * | 2017-06-08 | 2017-11-17 | 深圳先进技术研究院 | 一种基于遥感影像分类的海岸线提取方法及系统 |
CN109059796A (zh) * | 2018-07-20 | 2018-12-21 | 国家海洋局第三海洋研究所 | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 |
CN110274858A (zh) * | 2019-07-15 | 2019-09-24 | 南京吉泽信息科技有限公司 | 利用goci数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法 |
Non-Patent Citations (4)
Title |
---|
ZHONGPING LEE: "Hyperspectral remote sensing for shallow waters: 2.Deriving bottom depths and water properties by optimization" * |
邱耀炜;沈蔚;惠笑;张华臣;: "基于WorldView-2数据和随机森林算法的遥感水深反演" * |
郭晓雷: "基于卫星多光谱影像的浅海水深反演研究" * |
马毅;张杰;张靖宇;张震;王锦锦;: "浅海水深光学遥感研究进展" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113326470A (zh) * | 2021-04-11 | 2021-08-31 | 桂林理工大学 | 遥感水深反演潮高改正方法 |
CN113326470B (zh) * | 2021-04-11 | 2022-08-16 | 桂林理工大学 | 遥感水深反演潮高改正方法 |
CN113763272A (zh) * | 2021-09-03 | 2021-12-07 | 中国科学院南京地理与湖泊研究所 | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 |
CN113971679A (zh) * | 2021-11-08 | 2022-01-25 | 南京智慧水运科技有限公司 | 一种基于计算机视觉与图像处理的海洋潮汐测量方法 |
CN113971679B (zh) * | 2021-11-08 | 2024-04-30 | 南京智慧水运科技有限公司 | 一种基于计算机视觉与图像处理的海洋潮汐测量方法 |
CN115078263A (zh) * | 2022-05-27 | 2022-09-20 | 苏州科技大学 | 顾及潮汐影响的海草遥感信息提取方法 |
CN117095048A (zh) * | 2023-08-18 | 2023-11-21 | 浙江大学海南研究院 | 一种基于图像的近岸水深反演方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111651707B (zh) | 2023-04-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111651707B (zh) | 一种基于光学浅水区卫星遥感影像的潮位反演方法 | |
CN109059796B (zh) | 无水深控制点区域的浅海水深多光谱卫星遥感反演方法 | |
CN109100717B (zh) | 一种多源微波遥感海面风场数据融合方法及其装置 | |
CN102288956B (zh) | 一种遥感卫星多光谱数据的大气订正方法 | |
CN111781146B (zh) | 利用高分辨率卫星光学影像的波浪参数反演方法 | |
CN110110654B (zh) | 一种针对下降型海洋内孤立波的振幅反演方法及装置 | |
CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
CN113639716A (zh) | 一种基于深度残差收缩网络的水深遥感反演方法 | |
CN114219994A (zh) | 一种基于空海协同观测的海洋光学卫星辐射定标方法 | |
CN113324952B (zh) | 水体漫衰减系数遥感反演方法及系统 | |
CN114201732A (zh) | 一种基于Sentinel-2A影像的浅海海域水深反演方法 | |
CN114297938A (zh) | 一种基于神经网络的光学浅水水底深度的反演方法 | |
CN113763272B (zh) | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 | |
CN114758218A (zh) | 一种适用于高光谱卫星影像的高浊度水下地形反演方法 | |
CN114047185A (zh) | 适用于浅海珊瑚礁水下监测的可见光成像装置及监测方法 | |
Yin et al. | Steady increase in water clarity in Jiaozhou Bay in the Yellow Sea from 2000 to 2018: Observations from MODIS | |
CN111650128B (zh) | 一种基于地表反射率库的高分辨率大气气溶胶反演方法 | |
CN116817869A (zh) | 一种利用激光雷达数据的海底光子信号确定方法 | |
CN105259145B (zh) | 一种同时遥感岛礁水下地形和地物的方法 | |
CN115060656B (zh) | 基于稀疏先验实测点的卫星遥感水深反演方法 | |
CN114252875B (zh) | 一种成像高度计数据的高精度网格化方法 | |
Liu et al. | Bathymetric ability of SPOT-5 multi-spectral image in shallow coastal water | |
CN113140000A (zh) | 基于卫星光谱的水体信息估算方法 | |
Ye et al. | Research on reef bathymetric survey of uav stereopair based on two-medium photogrammetry | |
CN114037902A (zh) | 一种条斑紫菜养殖区悬浮泥沙提取与识别的反演方法 |
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 |