CN112308901B - 一种modis影像云下海表面绿潮覆盖面积的估测方法 - Google Patents
一种modis影像云下海表面绿潮覆盖面积的估测方法 Download PDFInfo
- Publication number
- CN112308901B CN112308901B CN202011169326.9A CN202011169326A CN112308901B CN 112308901 B CN112308901 B CN 112308901B CN 202011169326 A CN202011169326 A CN 202011169326A CN 112308901 B CN112308901 B CN 112308901B
- Authority
- CN
- China
- Prior art keywords
- cloud
- green tide
- area
- image
- pixel
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种MODIS影像云下海表面绿潮覆盖面积的估测方法,包括以下步骤:对遥感影像数据进行预处理,得到研究海域的水体遥感反射率图像和DVI影像图;提取绿潮信息和周围有绿潮覆盖的云信息;利用矩形框确定周围有绿潮分布的云像元,假设其为中心像元,外围含绿潮的相同矩形框为其相邻像元,计算中心像元内的云覆盖面积和各相邻像元内的绿潮覆盖面积;计算相邻像元内的绿潮覆盖比例的均值,将其作为中心像元值,中心像元内的云覆盖面积与中心像元值的乘积即为该云下海表面绿潮的覆盖面积。本发明所公开的方法能够较好地估测MODIS影像云下海表面绿潮覆盖面积,降低了光学影像上云对绿潮面积估测的影响,可为绿潮的定量分析研究提供技术支持。
Description
技术领域
本发明涉及海洋监测技术领域,特别涉及一种MODIS影像云下海表面绿潮覆盖面积的估测方法。
背景技术
近年来,由漂浮大型藻类快速繁殖和聚集而引起的绿潮、金潮灾害,在在全球海洋中显著增加,成为一个全球性的海洋生态问题。自2007年以来,每年夏季黄海均会世界上最大的跨区域的绿潮灾害,造成了严重的生态环境和社会经济影响,引起了学者和大众的广泛关注。在诸多的研究中,卫星数据因其多视角、多尺度、大范围的优势发挥了重要作用。通过遥感数据,绿潮的起源及早期发展过程逐步清晰:南黄海绿潮是典型的跨区域生态灾害,起源于苏北浅滩紫菜养殖区,紫菜筏架回收过程中,附着在筏架上的绿藻被刮落;刮落绿藻入海后,在合适的温度、光照、营养盐环境下,迅速繁殖;并在风场和流场的驱动下,由南向北漂移至山东半岛;漂移过程中大规模暴发,至7、8月份开始衰退。
GOGI、MODIS、HJ-1A/1B、GF-1等光学影像是监测绿潮的主要卫星遥感图像。然而,受东亚夏季风的影响,绿潮发生期(即6月初至8月初)正处于黄海多雨季节,无云影像较少。光学影像容易受到云的影响,对于HJ-1A/1B、GF-1、Sentinel-2等高分辨率的少云影像,云覆盖区域的绿潮信息通过小窗口线性拉伸后,利用ENVI软件能够检测到;但对于MODIS影像,由于分辨率较低,少云影像上,云覆盖区域的绿潮信息容易漏检,导致绿潮面积估测的不准确,从而影响绿潮的定量分析结果。微波比可见光和红外辐射具有更大的波长,因此微波遥感图像受天气的影响较小。但微波遥感数据中的噪声信号对浒苔解译影响明显,利用微波遥感监测绿潮的方法尚处于起步阶段。
因此,目前关于绿潮面积和生物量的研究大多是先将云腌膜,再进行分析,没有考虑云下是否有漂浮大型藻类覆盖,这会增加估算的绿潮生物量与实际生物量之间的差异。
发明内容
为解决上述技术问题,本发明提供了一种MODIS影像云下海表面绿潮覆盖面积的估测方法,以达到降低光学影像上云对绿潮面积估测的影响,为绿潮的定量分析研究提供技术支持的目的。
为达到上述目的,本发明的技术方案如下:
一种MODIS影像云下海表面绿潮覆盖面积的估测方法,包括以下步骤:
(1)对遥感影像数据进行预处理,得到研究海域的水体遥感反射率图像;
(2)采用DVI算法对水体遥感反射率图像进行处理,得到研究海域的DVI影像图;
(3)基于DVI影像图,利用动态阈值与假彩色图像的目视判读相结合的方法进行绿潮信息提取,检测绿潮像元数量;
(4)基于MODIS影像红光波段的亮度动态阈值法,同时结合绿潮分布情况和假彩色影像的目视判读,提取周围有绿潮分布的云信息,检测周围有绿潮分布的云像元数量;
(5)利用矩形框确定周围有绿潮分布的云像元,假设其为中心像元,外围含绿潮的相同矩形框为其相邻像元,计算中心像元内的云覆盖面积和各相邻像元内的绿潮覆盖面积;
(6)计算相邻像元内的绿潮覆盖比例的均值,将其作为中心像元值,中心像元内的云覆盖面积与中心像元值的乘积即为该云下海表面绿潮的覆盖面积。
上述方案中,步骤(1)中,对遥感影像数据的预处理包括辐射定标和大气校正。
上述方案中,步骤(2)中,DVI算法公式如下:
DVI=RNIR-RRED (1)
其中,DVI代表影像上各个像元的差值植被指数值,RNIR和RRED分别代表影像上各个像元在近红外和红光波段的反射率。
上述方案中,步骤(5)中,云覆盖面积Area_Cloud计算公式如下:
Area_Cloud=PS×n_Cloud (2)
其中,PS代表卫星影像一个像元对应的地面面积的大小,单位为km2,n_Cloud代表检测到的云像元个数。
上述方案中,步骤(5)中,绿潮覆盖面积Area_GT计算公式如下:
Area_GT=PS×N (3)
其中,PS代表卫星影像一个像元对应的地面面积的大小,单位为km2,N代表检测到的绿潮像元个数。
上述方案中,步骤(6)中,相邻像元内的绿潮覆盖比例,即绿潮覆盖面积与对应的矩形框面积的比值。
通过上述技术方案,本发明提供的MODIS影像云下海表面绿潮覆盖面积的估测方法是基于低通滤波原理提出的,低通滤波是遥感上常用于图像平滑的滤波器,原理是使用3×3的变换核,每个变换核中的元素包含相同的权重,使用外围的均值来代替中心像元值。本方法能够较好地估测MODIS影像云下海表面绿潮覆盖面积,降低了光学影像上云对绿潮面积估测的影响,可为绿潮的定量分析研究提供技术支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为2015年7月1日观测到的南黄海海域的绿潮及云的覆盖区域;
图2为云四周均被绿藻完全包围的情况下,中心像元与相邻像元之间的关系示意图;
图3a为云的两侧有绿藻分布的情况下,中心像元与相邻像元之间的关系示意图;
图3b为云的一侧有绿藻分布的情况下,中心像元与相邻像元之间的关系示意图;
图3c为云的周围绿藻呈零散分布的情况下,中心像元与相邻像元之间的关系示意图;
图3d为云右侧无绿藻,但与之相接的A云、B云、C云周围有绿藻分布的情况下,中心像元与相邻像元之间的关系示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种MODIS影像云下海表面绿潮覆盖面积的估测方法,具体实施例如下:
(1)对遥感影像数据进行辐射定标和大气校正,得到研究海域的水体遥感反射率图像;
(2)采用DVI算法对水体遥感反射率图像进行处理,得到研究海域的DVI影像图;DVI算法公式如下:
DVI=RNIR-RRED (1)
其中,DVI代表影像上各个像元的差值植被指数值,RNIR和RRED分别代表影像上各个像元在近红外和红光波段的反射率。
(3)基于DVI影像图,利用动态阈值与假彩色图像的目视判读相结合的方法进行绿潮信息提取,检测绿潮像元数量N;
(4)基于MODIS影像红光波段的亮度动态阈值法,同时结合绿潮分布情况和假彩色影像的目视判读,提取周围有绿潮分布的云信息,检测周围有绿潮分布的云像元数量n_Cloud;
(5)如图1所示,为2015年7月1日观测到的南黄海海域的绿潮及云的覆盖区域。利用矩形框确定周围有绿潮分布的云像元,假设其为中心像元,外围含绿潮的相同矩形框为其相邻的8个像元(GT1~GT8)。计算中心像元内的云覆盖面积Area_Cloud和各相邻像元内的绿潮覆盖面积Area_GT;
云覆盖面积Area_Cloud计算公式如下:
Area_Cloud=PS×n_Cloud (2)
其中,PS代表卫星影像一个像元对应的地面面积的大小,单位为km2,n_Cloud代表检测到的云像元个数。
绿潮覆盖面积Area_GT计算公式如下:
Area_GT=PS×N (3)
其中,PS代表卫星影像一个像元对应的地面面积的大小,单位为km2,N代表检测到的绿潮像元个数。
(6)如图2所示,计算8个像元内的绿潮覆盖比例,即绿潮覆盖面积与对应的矩形框面积的比值,作为GT1~GT8的像元值。然后计算GT1~GT8像元值的均值,将其作为中心像元值,中心像元内的云覆盖面积与中心像元值的乘积即为该云下海表面绿潮的覆盖面积Area_Cloud_GT。
实际上,云四周均被绿潮完全包围的情况较少,实际应用中,如若完全按照上述过程估测,会导致Area_Cloud_GT的低估。根据多年来云的分布和云周围的绿潮分布,将实际应用情况分为五种:
Case1:云四周完全被绿潮包围,则按照步骤(5)所示过程估测Area_Cloud_GT;
Case2:云的左右方向(前后或者对角线方向)有绿潮分布,则中心像元值为的GT4和GT5(或GT2和GT7,或GT3和GT6,或GT1和GT8)的平均值,如图3a所示。
Case3:云的周围,只有一侧有绿潮,则中心像元值为图2中的GT2(或GT7或GT4或GT5)的像元值,如图3b所示。
Case4:云的周围绿潮呈零散分布,则视具体情况判断参与计算的GT矩形的个数,如图3c所示。云四周GT4~GT7有绿潮,则以这四个的像元值的均值,作为中心像元值。
Case5:云的一边没有绿潮,而另一侧相接的云周围有绿潮,那么该小块云下的海面可能也会有绿潮,如图3d所示。D云右侧无绿潮,但与之相接的A云、B云、C云周围有绿潮,则先根据上述四种情况分别计算A云、B云和C云的中心像元值,取三者的平均值,作为D云的中心像元值。
本发明基于遥感中的低通滤波原理,提出了一种简单的MODIS影像云下海表面绿潮覆盖面积的估测方法,该方法估测的云下绿潮与同区域下高分辨率光学影像的检测的绿潮具有一定的一致性。因影像获取时间的差异,绿潮移动等因素,两者的平均相对误差随影像获取时间的间隔而有所增大。但当影像获取时间较为接近时,平均相对误差MRD仅为30.09%,说明本发明方法具有一定的可行性,在一定程度上,克服了云对绿潮面积估测的影响。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种MODIS影像云下海表面绿潮覆盖面积的估测方法,其特征在于,包括以下步骤:
(1)对遥感影像数据进行预处理,得到研究海域的水体遥感反射率图像;
(2)采用DVI算法对水体遥感反射率图像进行处理,得到研究海域的DVI影像图;
(3)基于DVI影像图,利用动态阈值与假彩色图像的目视判读相结合的方法进行绿潮信息提取,检测绿潮像元数量;
(4)基于MODIS影像红光波段的亮度动态阈值法,同时结合绿潮分布情况和假彩色影像的目视判读,提取周围有绿潮分布的云信息,检测周围有绿潮分布的云像元数量;
(5)利用矩形框确定周围有绿潮分布的云像元区域,假设其为中心像元区域,外围含绿潮的相同矩形框为其相邻像元区域,计算中心像元区域内的云覆盖面积和各相邻像元区域内的绿潮覆盖面积;
(6)计算相邻像元区域内的绿潮覆盖比例的均值,将其作为中心像元值,中心像元区域内的云覆盖面积与中心像元值的乘积即为该云下海表面绿潮的覆盖面积。
2.根据权利要求1所述的一种MODIS影像云下海表面绿潮覆盖面积的估测方法,其特征在于,步骤(1)中,对遥感影像数据的预处理包括辐射定标和大气校正。
3.根据权利要求1所述的一种MODIS影像云下海表面绿潮覆盖面积的估测方法,其特征在于,步骤(2)中,DVI算法公式如下:
DVI=RNIR-RRED (1)
其中,DVI代表影像上各个像元的差值植被指数值,RNIR和RRED分别代表影像上各个像元在近红外和红光波段的反射率。
4.根据权利要求1所述的一种MODIS影像云下海表面绿潮覆盖面积的估测方法,其特征在于,步骤(5)中,云覆盖面积Area_Cloud计算公式如下:
Area_Cloud=PS×n_Cloud (2)
其中,PS代表卫星影像一个像元对应的地面面积的大小,单位为km2,n_Cloud代表检测到的云像元个数。
5.根据权利要求1所述的一种MODIS影像云下海表面绿潮覆盖面积的估测方法,其特征在于,步骤(5)中,绿潮覆盖面积Area_GT计算公式如下:
Area_GT=PS×N (3)
其中,PS代表卫星影像一个像元对应的地面面积的大小,单位为km2,N代表检测到的绿潮像元个数。
6.根据权利要求1所述的一种MODIS影像云下海表面绿潮覆盖面积的估测方法,其特征在于,步骤(6)中,相邻像元区域内的绿潮覆盖比例,即绿潮覆盖面积与对应的矩形框面积的比值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169326.9A CN112308901B (zh) | 2020-10-28 | 2020-10-28 | 一种modis影像云下海表面绿潮覆盖面积的估测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011169326.9A CN112308901B (zh) | 2020-10-28 | 2020-10-28 | 一种modis影像云下海表面绿潮覆盖面积的估测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308901A CN112308901A (zh) | 2021-02-02 |
CN112308901B true CN112308901B (zh) | 2022-11-08 |
Family
ID=74332108
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011169326.9A Active CN112308901B (zh) | 2020-10-28 | 2020-10-28 | 一种modis影像云下海表面绿潮覆盖面积的估测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308901B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640226B (zh) * | 2021-08-12 | 2022-05-20 | 国家卫星海洋应用中心 | 绿潮空间覆盖率的反演方法、装置及电子设备 |
CN116030362B (zh) * | 2023-02-15 | 2023-06-09 | 山东省科学院海洋仪器仪表研究所 | 一种高精度海冰密集度反演方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014120887A1 (en) * | 2013-01-30 | 2014-08-07 | The Board Of Trustees Of The University Of Illinois | System and methods for identifying, evaluating and predicting land use and agricultural production |
CN105427305A (zh) * | 2015-11-19 | 2016-03-23 | 国家海洋局北海预报中心 | 一种绿潮信息提取方法 |
CN106501454A (zh) * | 2016-10-31 | 2017-03-15 | 塔里木大学 | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 |
CN106548209A (zh) * | 2016-11-07 | 2017-03-29 | 国家海洋局第海洋研究所 | 一种基于多纹理特征的sar绿潮信息提取方法 |
CN107727077A (zh) * | 2017-10-12 | 2018-02-23 | 国家海洋局北海环境监测中心 | 一种绿潮定量观测装置和方法 |
CN110889423A (zh) * | 2018-09-11 | 2020-03-17 | 中国海洋大学 | 一种基于极限学习机的高分一号黄东海绿潮遥感探测方法 |
CN111310640A (zh) * | 2020-02-12 | 2020-06-19 | 青岛大学 | Landsat8影像绿潮自适应阈值分区智能检测方法 |
-
2020
- 2020-10-28 CN CN202011169326.9A patent/CN112308901B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014120887A1 (en) * | 2013-01-30 | 2014-08-07 | The Board Of Trustees Of The University Of Illinois | System and methods for identifying, evaluating and predicting land use and agricultural production |
CN105427305A (zh) * | 2015-11-19 | 2016-03-23 | 国家海洋局北海预报中心 | 一种绿潮信息提取方法 |
CN106501454A (zh) * | 2016-10-31 | 2017-03-15 | 塔里木大学 | 一种枣树冠层叶绿素b含量的卫星遥感监测方法 |
CN106548209A (zh) * | 2016-11-07 | 2017-03-29 | 国家海洋局第海洋研究所 | 一种基于多纹理特征的sar绿潮信息提取方法 |
CN107727077A (zh) * | 2017-10-12 | 2018-02-23 | 国家海洋局北海环境监测中心 | 一种绿潮定量观测装置和方法 |
CN110889423A (zh) * | 2018-09-11 | 2020-03-17 | 中国海洋大学 | 一种基于极限学习机的高分一号黄东海绿潮遥感探测方法 |
CN111310640A (zh) * | 2020-02-12 | 2020-06-19 | 青岛大学 | Landsat8影像绿潮自适应阈值分区智能检测方法 |
Non-Patent Citations (2)
Title |
---|
Monitoring and Tracking the Green Tide in the Yellow Sea With Satellite Imagery and Trajectory Model;Qing Xu et al.;《 IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》;20160627;第9卷(第11期);全文 * |
基于数据挖掘的GF-1遥感影像绿潮自适应阈值分区智能检测方法研究;王蕊 等;《海洋学报》;20190410;第41卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112308901A (zh) | 2021-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nijland et al. | Satellite remote sensing of canopy-forming kelp on a complex coastline: a novel procedure using the Landsat image archive | |
CN112308901B (zh) | 一种modis影像云下海表面绿潮覆盖面积的估测方法 | |
Cavanaugh et al. | Environmental controls of giant-kelp biomass in the Santa Barbara Channel, California | |
Luis et al. | Capturing coastal water clarity variability with Landsat 8 | |
Lo et al. | Field test of beach litter assessment by commercial aerial drone | |
Xu et al. | Review of coral reef ecosystem remote sensing | |
CN104616303A (zh) | 一种基于紫外图像的水面溢油检测系统和方法 | |
Alvarez-Ellacuria et al. | Decoupling spatial and temporal patterns in short-term beach shoreline response to wave climate | |
Jin et al. | A study of the environmental factors influencing the growth phases of Ulva prolifera in the southern Yellow Sea, China | |
Ojeda et al. | Spatially quantitative seafloor habitat mapping: example from the northern South Carolina inner continental shelf | |
Cao et al. | Drift path of green tide and the impact of typhoon “Chan-hom” in the Chinese Yellow Sea based on GOCI images in 2015 | |
CN112712553A (zh) | 一种浒苔抵岸量估算方法 | |
CN111160293A (zh) | 基于特征金字塔网络的小目标船只检测方法及系统 | |
Roy et al. | Spatial and temporal patterns of land loss in the Lower Mississippi River Delta from 1983 to 2016 | |
Gao et al. | Monitoring terrain elevation of intertidal wetlands by utilising the spatial-temporal fusion of multi-source satellite data: A case study in the Yangtze (Changjiang) Estuary | |
Zhang et al. | Continual expansion of Spartina alterniflora in the temperate and subtropical coastal zones of China during 1985–2020 | |
KR101050067B1 (ko) | 중해상도 인공위성 영상자료로부터 김양식장 시설을 탐지하는 방법 | |
An et al. | A simple method for estimating macroalgae area under clouds on MODIS imagery | |
Wang et al. | Long-term human expansion and the environmental impacts on the coastal zone of China | |
CN104881659A (zh) | 一种不透水层的提取方法及装置 | |
Chen et al. | Monitoring rainfall events in desert areas using the spectral response of biological soil crusts to hydration: Evidence from the Gurbantunggut Desert, China | |
CN112465186B (zh) | 一种海表漂浮浒苔消亡天数的预测方法 | |
Wang et al. | Damage area identification of underwater structures based on wavelength difference of light source | |
CN103530887B (zh) | 一种基于多特征融合的河面图像区域分割方法 | |
Prakash et al. | Development of Sargassum seaweed tracking tools |
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 |