CN112179854B - 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 - Google Patents

基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 Download PDF

Info

Publication number
CN112179854B
CN112179854B CN202011059935.9A CN202011059935A CN112179854B CN 112179854 B CN112179854 B CN 112179854B CN 202011059935 A CN202011059935 A CN 202011059935A CN 112179854 B CN112179854 B CN 112179854B
Authority
CN
China
Prior art keywords
fui
remote sensing
image
lake
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
CN202011059935.9A
Other languages
English (en)
Other versions
CN112179854A (zh
Inventor
张玉超
景园媛
施坤
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.)
Nanjing Institute of Geography and Limnology of CAS
Original Assignee
Nanjing Institute of Geography and Limnology of CAS
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 Nanjing Institute of Geography and Limnology of CAS filed Critical Nanjing Institute of Geography and Limnology of CAS
Priority to CN202011059935.9A priority Critical patent/CN112179854B/zh
Publication of CN112179854A publication Critical patent/CN112179854A/zh
Application granted granted Critical
Publication of CN112179854B publication Critical patent/CN112179854B/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
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • 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)
  • Spectroscopy & Molecular Physics (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

本发明涉及基于P‑FUI水色指数的富营养化湖泊蓝藻水华遥感监测方法，基于不同卫星数据，通过筛选其波段，构建假彩色影像，构建Pseudo‑FUI（P‑FUI）水色指数，解析湖泊蓝藻水华P‑FUI的色度分布特征及其差异性，揭示了不同数据下蓝藻水华的P‑FUI阈值范围，并基于该指数提出了富营养化湖泊蓝藻水华遥感监测标准，为富营养化湖泊蓝藻水华卫星遥感监测的准确性和一致性，提供重要的理论与技术支撑。

Description

基于P-FUI水色指数的富营养化湖泊蓝藻水华遥感监测方法
技术领域
本发明涉及遥感技术领域，尤其涉及富营养化湖泊蓝藻水华遥感监测方法。
背景技术
所谓“水华”没有一个国际公认的定义，现有文献中关于水华的定义综合后主要有以下观点：(1)藻细胞细胞密度为0.5×106--1.5×107cells/L(卢大远等,2000)；(2)水体藻类大量生长繁殖或聚集并达到一定浓度(郑建军等,2006)；(3)某些藻类发生性的繁殖，引起明显的水色变化，并在水面形成或薄或厚的绿色或其他颜色的藻类漂浮物(曹巧丽等,2008；鲁韦坤等,2017)。
卫星遥感具有快速、大范围、周期性的特点，已经成为湖泊蓝藻水华及富营养化监测和预测预警不可或缺的技术手段(潘德炉和马荣华,2008)。以NDVI、EVI等指数为代表的遥感指数法，是现在应用较为广泛的蓝藻水华的遥感监测方法。基于蓝藻水华在真(假)彩色图呈现黄绿色或者浅绿色，通常采用对比遥感影像的真(假)彩色图来判断遥感指数法判断准确性。但是遥感指数因波段选择以及结构差异，造成了蓝藻水华容易与水生植被、高浑浊水体和云混淆，影响到遥感监测藻华的准确性。
发明内容
本发明的目的在于提供基于P-FUI水色指数的富营养化湖泊蓝藻水华遥感监测方法，基于卫星数据，通过筛选其波段，构建了Pseudo-FUI(P-FUI)水色指数，提供一种新型富营养化湖泊蓝藻水华遥感监测方法。
为实现上述技术目的，本发明采用如下技术方案：
一种基于P-FUI水色指数的富营养化湖泊蓝藻水华遥感监测方法，包括：
1)依据遥感卫星数据波段设置特征，选取区分度效果最好的3个波段；
2)将筛选出的3个波段遥感反射率Rrs按照中心波长由长到短的顺序，分别赋值给色度系统的RGB三原色，形成假彩色图像；
3)基于假彩色图像中的三原色RGB计算对应的CIE色度系统的色度坐标(x,y)和色度角α，从而确定蓝藻水华对应的水色指数值，即P-FUI水色指数；
4)基于P-FUI水色指数数值、亮度范围及色度角范围确定蓝藻水华遥感监测方式。
作为本发明的进一步改进，所述步骤1)中，对获取的遥感卫星影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；使用FLAASH对其做大气精确校正，获取每个像元的Rrs信息；基于处理后的影像选取波段。
作为本发明的进一步改进，所述区分度效果最好的3个波段的选取方式为：依据遥感卫星数据波段设置特征，分析不同的波段组合形成的假彩色图，选取最终藻华呈现对比明显的绿色，区分于湖水的深蓝色、云的白色和高浑浊水体的混黄色的假彩色图，其对应的3个波段即为所述区分度效果最好的3个波段。
作为本发明的进一步改进，对各传感器选取的参考波段分别为：Landsat-8：2200–865–483nm；Sentinel-2：2190–865–490nm；Sentinel-3：1020–865–620nm；GF-1：676–557–506nm；MODIS：2130–859–645nm。
作为本发明的进一步改进，所述步骤4)中，蓝藻水华遥感监测方式步骤如下：
4a)根据目视结果在原始影像上选取代表性样本点ROI；
4b)计算高强度及低强度藻华ROI的P-FUI水色指数，确定各自亮度、色度角及P-FUI的分布范围；
4c)计算全湖P-FUI水色指数，对照目视解译的结果及4b)中确定的分布范围确定高强度藻华和低强度藻华的结果。
作为本发明的进一步改进，所述在步骤4a)中，代表性样本点ROI的选取标准为：颜色鲜亮、饱和度高为高强度藻华；颜色偏向于水体，饱和度低，且亮度偏暗为低强度藻华。
作为本发明的进一步改进，所述方法还包括基于遥感数据计算全湖P-FUI水色指数，步骤如下：
a)获取遥感影像，进行影像预处理；
b)基于遥感影像获取Rrs数据，逐像元计算色度坐标(x,y)及色度角α；
c)逐像元获取每个像元的P-FUI；
根据前述流程，获取全湖的P-FUI的空间分布情况。
进一步的，所述步骤1)中，遥感影像的预处理包括：对获取的影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；使用FLAASH对其做大气精确校正，获取每个像元的Rrs信息。
蓝藻水华、水生植被、高浑浊水体和云在真(假)彩色图上，呈现出完全不同的颜色，例如，遥感影像的短波红外、近红外与可见光波段相合成的假彩色图上，蓝藻水华呈现对比强烈的绿色，明显区分于水生植被、高浑浊水体和云。因此本发明设计了直接基于遥感影像颜色差异进行蓝藻水华监测的方法，更佳准确且方便。
本发明的方法基于Landsat-8、Sentinel-3和GF-1等卫星数据，通过筛选其波段，构建假彩色影像，结合传统的Forel-Ule指数(Forel-Ule index，FUI)构建了Pseudo-FUI(P-FUI)水色指数，解析了湖泊蓝藻水华P-FUI的色度分布特征及其差异性，揭示了不同数据下蓝藻水华的P-FUI阈值范围，并基于该指数提出了富营养化湖泊蓝藻水华遥感监测标准，为富营养化湖泊蓝藻水华卫星遥感监测的准确性和一致性，提供重要的理论与技术支撑。
应当理解，前述构思以及在下面更加详细地描述的额外构思的所有组合只要在这样的构思不相互矛盾的情况下都可以被视为本公开的发明主题的一部分。另外，所要求保护的主题的所有组合都被视为本公开的发明主题的一部分。
结合附图从下面的描述中可以更加全面地理解本发明教导的前述和其他方面、实施例和特征。本发明的其他附加方面例如示例性实施方式的特征和/或有益效果将在下面的描述中显见，或通过根据本发明教导的具体实施方式的实践中得知。
附图说明
附图不意在按比例绘制。在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示，为了清晰起见，在每个图中，并非每个组成部分均被标记，现在，将通过实施例并参考附图来描述本发明的各个方面的实施例，其中：
图1是不同卫星数据源假彩色图。
图2是基于P-FUI水色指数的太湖藻华遥感监测技术路线图。
图3是不同数据源高浓度藻华P-FUI分布图。
图4是基于P-FUI水色指数的蓝藻水华遥感监测结果对比。
前述图示1-4中，作为英文形式表达的各坐标、标识或其他表示，均为本领域所公知的，并不在本例中再做赘述。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定意在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是应为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
本实施例以太湖梅梁湾为例，对本发明的方法作进一步描述。
本发明提供基于P-FUI水色指数的富营养化湖泊蓝藻水华遥感监测方法，上述目的是这样实现的：筛选波段；
计算CIE三刺激值X、Y、Z；
确定P-FUI水色指数数值；
构建基于P-FUI水色指数的蓝藻水华遥感监测标准。
作为示例性的描述，下面结合附图所示，对前述方法的实施进行具体说明。
步骤1、筛选波段；
获取Landsat-8、Sentinel-2、Sentinel-3、GF-1和MODIS遥感影像，对获取的影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；使用FLAASH对其做大气精确校正，获取每个像元的Rrs信息。
基于Landsat-8、Sentinel-2、Sentinel-3、GF-1和MODIS等卫星数据所有波段，尝试不同的波段组合方式，选取最终藻华呈现对比明显的绿色，区分于湖水的深蓝色、云的白色和高浑浊水体的混黄色的假彩色图，即为筛选出的区分度效果最好的3个波段，作为计算水色指数的红绿蓝基本波段，基于形成的假彩色差异作为蓝藻水华判断依据。
选取的参考波段分别为：Landsat-8是2200–865–483nm，Sentinel-2是2190–865–490nm，Sentinel-3是1020–865–620nm，GF-1是676–557–506nm，MODIS是2130–859–645nm；
步骤2、计算CIE三刺激值X、Y、Z；
将筛选出的3个波段Rrs，按照中心波长由长到短的顺序，分别赋值给色度系统的红绿蓝三原色，形成假彩色图像，再利用CIE色度系统(CIE,1932)中的三原色RGB与三刺激值XYZ之间的转换关系计算得到R-G-B波段图像对应的颜色三刺激值X、Y、Z；
Figure BDA0002712080290000041
步骤3、确定P-FUI水色指数数值；
将X、Y、Z值进行归一化计算，得到色度坐标(x,y)，基于色度坐标(x,y)计算得到色度角α，为了消除由影像波段设置引起的色度角偏差，需要对色度角进行偏差校正，色度角α值与偏差校正的值相加，得到校正后的色度角α；基于色度坐标(x,y)和色度角α，确定对应的水色指数值；
Figure BDA0002712080290000051
a＝ARCTAN2(x-0.3333,y-0.3333) (3)
表1水色指数值对照表
FU-class X Y Z
FU1 0.189 0.161 -140.054
FU2 0.196 0.194 -135.414
FU3 0.213 0.255 -123.059
FU4 0.229 0.301 -107.207
FUS 0.242 0.331 -91.443
FU6 0.263 0.373 -60.546
FUT 0.29 0.415 -27.923
FU8 0.311 0.439 -11.913
FU9 0.337 0.463 1.634
FU10 0.363 0.48 11.445
FU11 0.388 0.49 19.243
FU12 0.394 0.488 21.424
FU13 0.397 0.486 22.644
FU14 0.404 0.482 25.429
FU15 0.41 0.478 27.926
FU16 0.418 0.472 31.411
FU17 0.427 0.466 35.226
FU18 0.44 0.458 40.552
FU19 0.453 0.448 46.222
FU20 0.462 0.44 50.339
FU21 0.473 0.429 55.587
步骤4、基于P-FUI水色指数的蓝藻水华遥感监测标准；
4a)根据目视结果在原始影像上选取代表性样本点ROI(高强度：颜色鲜亮，饱和度高；低强度：颜色偏向于水体，饱和度低，且亮度较暗)；
4b)计算高强度及低强度藻华ROI的P-FUI值，确定各自亮度、色度角、及P-FUI值的大致分布范围；
4c)对整个湖区进行P-FUI计算，对照目视解译的结果(藻华分布范围)及第二步中确定的大致范围来进一步确定高强度藻华和低强度藻华的结果；
对整个湖区进行P-FUI水色指数计算的步骤如下：
a)获取遥感影像，遥感影像的预处理包括：对获取的影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；使用FLAASH对其做大气精确校正，获取每个像元的Rrs信息。
b)基于遥感影像获取Rrs数据，逐像元计算CIE-XYZ，从而计算对应的色度坐标(x,y)及色度角α；
c)逐像元获取每个像元的P-FUI；
根据前述流程，获取全湖的P-FUI的空间分布情况。
对照假彩色图，分析Landsat-8、Sentinel-2、Sentinel-3、GF-1和MODIS等卫星数据所获取的蓝藻水华的P-FUI数值及其相关参数的特点和规律，将除了Sentinel-3OLCI之外卫星的P-FUI数值6-7设定为低强度藻华，8及其以上设定为高强度藻华；对于Sentinel-3OLCI，因为卫星波段设置差异，将P-FUI数值5-8为低强度藻华，9及其以上设定为高强度藻华。
表2基于P-FUI指数的蓝藻水华监测标准
Figure BDA0002712080290000061
采用本发明方法得到的蓝藻水华遥感监测结果与假彩色图对比如图1和图4所示，可以看出，本发明的监测结果具有较高的精度和较好的普适性。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (6)

1.一种基于P-FUI水色指数的富营养化湖泊蓝藻水华遥感监测方法，其特征在于，包括：
1)依据遥感卫星数据波段设置特征，选取区分度效果最好的3个波段；
所述区分度效果最好的3个波段的选取方式为：依据遥感卫星数据波段设置特征，分析不同的波段组合形成的假彩色图，选取最终藻华呈现对比明显的绿色，区分于湖水的深蓝色、云的白色和高浑浊水体的混黄色的假彩色图，其对应的3个波段即为所述区分度效果最好的3个波段；
对各传感器选取的参考波段分别为：Landsat-8：2200–865–483nm；Sentinel-2：2190–865–490nm；Sentinel-3：1020–865–620nm；GF-1：676–557–506nm；MODIS：2130–859–645nm；
2)将筛选出的3个波段遥感反射率Rrs按照中心波长由长到短的顺序，分别赋值给色度系统的RGB三原色，形成假彩色图像；
3)基于假彩色图像中的三原色RGB计算对应的CIE色度系统的色度坐标(x,y)和色度角α，从而确定蓝藻水华对应的水色指数值，即P-FUI水色指数，如下：
基于假彩色图像中的三原色RGB计算三刺激值X、Y、Z；
X＝2.7689R+1.7517G+1.1302B
Y＝1.0000R+4.5907G+0.0601B
Z＝0.0000R+0.0565G+5.5934B
将X、Y、Z值进行归一化计算，得到色度坐标(x,y)，基于色度坐标(x,y)计算得到色度角α：
a＝ARCTAN2(x-0.3333,y-0.3333)；
4)基于P-FUI水色指数数值、亮度范围及色度角范围确定蓝藻水华遥感监测标准。
2.根据权利要求1所述的方法，其特征在于，所述步骤1)中，对获取的遥感卫星影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；使用FLAASH对其做大气精确校正，获取每个像元的Rrs信息；基于处理后的影像选取波段。
3.根据权利要求1所述的方法，其特征在于，所述步骤4)中，蓝藻水华遥感监测方式步骤如下：
4a)根据目视结果在原始影像上选取代表性样本点ROI；
4b)计算高强度及低强度藻华ROI的P-FUI水色指数，确定各自亮度、色度角、及P-FUI的分布范围；
4c)计算全湖P-FUI水色指数，对照目视解译的结果及4b)中确定的分布范围确定高强度藻华和低强度藻华的结果。
4.根据权利要求3所述的方法，其特征在于，所述在步骤4a)中，代表性样本点ROI的选取标准为：颜色鲜亮、饱和度高为高强度藻华；颜色偏向于水体，饱和度低，且亮度偏暗为低强度藻华。
5.根据权利要求1或4所述的方法，其特征在于，还包括基于遥感数据计算全湖P-FUI水色指数，步骤如下：
a)获取遥感影像，进行影像预处理；
b)基于遥感影像获取Rrs数据，逐像元计算色度坐标(x,y)及色度角α；
c)逐像元获取每个像元的P-FUI；
根据前述流程，获取全湖的P-FUI的空间分布情况。
6.根据权利要求5所述的方法，其特征在于，所述步骤a)中，遥感影像的预处理包括：对获取的影像进行几何纠正和辐射定标计算；几何纠正采用Geographic Lat/Lon投影，结合1B数据中的经纬度信息进行校正；并在ERDAS中利用湖泊矢量边界，通过掩膜技术提取湖泊水域，除去岛屿植被的影响；使用FLAASH对其做大气精确校正，获取每个像元的Rrs信息。
CN202011059935.9A 2020-09-30 2020-09-30 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 Active CN112179854B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011059935.9A CN112179854B (zh) 2020-09-30 2020-09-30 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011059935.9A CN112179854B (zh) 2020-09-30 2020-09-30 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法

Publications (2)

Publication Number Publication Date
CN112179854A CN112179854A (zh) 2021-01-05
CN112179854B true CN112179854B (zh) 2022-05-27

Family

ID=73947237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011059935.9A Active CN112179854B (zh) 2020-09-30 2020-09-30 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法

Country Status (1)

Country Link
CN (1) CN112179854B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112989281B (zh) * 2021-02-20 2023-09-12 中国科学院南京地理与湖泊研究所 一种基于遥感藻总量的藻华预测方法
CN113092417A (zh) * 2021-03-15 2021-07-09 中山大学 一种基于水体颜色的水体清洁程度确定方法及装置
CN113109331B (zh) * 2021-04-12 2021-10-01 生态环境部卫星环境应用中心 水体色度快速检测方法和装置
CN114998724B (zh) * 2022-05-13 2024-04-23 安徽农业大学 一种抗云层干扰的湖泊蓝藻水华遥感监测方法
CN115578646B (zh) * 2022-09-16 2023-07-07 二十一世纪空间技术应用股份有限公司 一种蓝藻水华监测方法及装置
CN115508287B (zh) * 2022-10-28 2023-03-24 生态环境部卫星环境应用中心 湖库蓝藻水华提取方法和装置
CN115760613B (zh) * 2022-11-15 2024-01-05 江苏省气候中心 一种结合卫星影像和光流法的蓝藻水华短时预测方法
CN115984711B (zh) * 2022-12-30 2023-07-21 中国科学院空天信息创新研究院 一种基于卫星遥感的非蓝藻水华监测方法和系统
CN117115077B (zh) * 2023-05-24 2024-07-05 苏州晨阳恒睿信息科技有限公司 一种湖泊蓝藻水华检测方法
CN117392363B (zh) * 2023-12-12 2024-03-29 广东省海洋发展规划研究中心 一种陆海遥感图像分区校正方法、系统、设备及介质
CN117710491A (zh) * 2023-12-19 2024-03-15 中国科学院西北生态环境资源研究院 一种多年冻土区热喀斯特湖浮游植物藻华识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106315856A (zh) * 2016-09-07 2017-01-11 中国科学院南京地理与湖泊研究所 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法
CN109447916A (zh) * 2018-10-30 2019-03-08 环境保护部华南环境科学研究所 一种基于高分辨率遥感影像的水质定量方法
CN110749568A (zh) * 2019-12-19 2020-02-04 中国科学院南京地理与湖泊研究所 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105631904B (zh) * 2015-09-21 2019-01-11 中国科学院南京地理与湖泊研究所 一种富营养化湖泊藻类总存量遥感估算方法
CN110865040A (zh) * 2019-11-29 2020-03-06 深圳航天智慧城市系统技术研究院有限公司 天空地一体化高光谱水质监测分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106315856A (zh) * 2016-09-07 2017-01-11 中国科学院南京地理与湖泊研究所 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法
CN109447916A (zh) * 2018-10-30 2019-03-08 环境保护部华南环境科学研究所 一种基于高分辨率遥感影像的水质定量方法
CN110749568A (zh) * 2019-12-19 2020-02-04 中国科学院南京地理与湖泊研究所 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Deriving inherent optical properties from classical water color measurements: Forel-Ule index and Secchi disk depth;SHENGLEI WANG, JUNSHENG LI AND BING ZHANG;《OPTICS EXPRESS》;20190301;第7642-7655页 *
Trophic state assessment of global inland waters using a MODIS-derived;Shenglei Wang,Junsheng Li and Bing Zhang;《Remote Sensing of Environment》;20180905;第444-460页 *
基于水色指数的大范围长时序湖库水质遥感监测研究;王胜蕾;《中国博士学位论文全文数据库 工程科技Ⅰ辑》;20190415;摘要第I页，第2章第22-23,28和33-34页，第3章第45页和第4章第62页 *

Also Published As

Publication number Publication date
CN112179854A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN112179854B (zh) 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法
US10210604B2 (en) Method and device for adjusting contrast
CN105404873B (zh) 一种基于ndvi时间序列坐标转换的冬小麦识别方法
CN111047539A (zh) 一种基于光谱反射率重建的织物图像颜色校准算法
CN111595791B (zh) 基于高光谱数据校正的内陆水体fui水色指数提取方法
CN117115077B (zh) 一种湖泊蓝藻水华检测方法
Aeby et al. Image analysis for determination of dye tracer concentrations in sand columns
CN105675821A (zh) 一种作物氮素营养无损诊断的图像评价指标的建立方法
US4963828A (en) Picture quality testing method and apparatus for color cathode-ray tube
CN102622739A (zh) 一种Bayer滤波阵列彩色相机图像非均匀性校正方法
US20030012430A1 (en) Process of identifying the sky in an image and an image obtained using this process
CN116148265B (zh) 一种基于合成革高质量图像获取的瑕疵分析方法及系统
CN112329790B (zh) 一种城市不透水面信息快速提取方法
CN113298086A (zh) 基于U-Net网络的赤潮多光谱检测方法
CN115984711A (zh) 一种基于卫星遥感的非蓝藻水华监测方法和系统
CN101324955A (zh) 基于颜色特征的植物根系图像分割方法
CN115908864A (zh) 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法
CN114067222B (zh) 一种城市水体遥感分类方法及装置
CN110610462B (zh) 一种将16bit数据形成伪彩色图像的方法
Rosenberg et al. Young Galactic globular clusters II. The case of Palomar 12
CN116189005A (zh) 基于Landsat影像的富营养化湖泊水生植被和藻华自动提取方法
US20220236190A1 (en) Detection method and detection pad
CN108765370A (zh) 一种基于Python语言的定量不饱和土壤中裂纹数量的方法
KR20210021499A (ko) 검출 방법 및 검출 패드
CN118247671B (zh) 一种基于大气层顶反射率的湖泊蓝藻水华遥感自动监测方法

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