CN112381033A - 海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 - Google Patents
海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 Download PDFInfo
- Publication number
- CN112381033A CN112381033A CN202011336003.4A CN202011336003A CN112381033A CN 112381033 A CN112381033 A CN 112381033A CN 202011336003 A CN202011336003 A CN 202011336003A CN 112381033 A CN112381033 A CN 112381033A
- Authority
- CN
- China
- Prior art keywords
- intertidal zone
- wind turbine
- remote sensing
- dem
- erosion
- 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.)
- Pending
Links
- 230000003628 erosive effect Effects 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000008021 deposition Effects 0.000 title claims abstract description 62
- 238000011158 quantitative evaluation Methods 0.000 title claims abstract description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 114
- 239000004576 sand Substances 0.000 claims abstract description 52
- 238000010276 construction Methods 0.000 claims abstract description 41
- 238000009991 scouring Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000011439 discrete element method Methods 0.000 claims description 22
- 238000012216 screening Methods 0.000 claims description 22
- 230000015572 biosynthetic process Effects 0.000 claims description 20
- 238000003786 synthesis reaction Methods 0.000 claims description 20
- 238000003384 imaging method Methods 0.000 claims description 19
- 238000012937 correction Methods 0.000 claims description 17
- 238000012163 sequencing technique Methods 0.000 claims description 14
- 239000006185 dispersion Substances 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 9
- 238000012876 topography Methods 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000012952 Resampling Methods 0.000 claims description 4
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000011010 flushing procedure Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 3
- 238000004062 sedimentation Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 19
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 239000010410 layer Substances 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013467 fragmentation Methods 0.000 description 2
- 238000006062 fragmentation reaction Methods 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
-
- 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
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar, Positioning & Navigation (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Astronomy & Astrophysics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Graphics (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其通过改进遥感水边线法，构建了反映潮间带表面微地形细节特征的高精度DEM；进一步原创提出假想沙体表面判别法，模拟潮间带风机点位处无风机状态下的假想沙体滩面高程；然后从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算出风机点位的潮间带冲淤速率，评估风机建设引起的潮间带冲淤强度等级。该方法为利用卫星遥感技术监测和评估潮间带风电场建设引起的潮间带地形变化提供了可行方案，同时也为基于DEM数据分析近海小目标对象引起的潮间带地形变化分析提供了技术支撑。
Description
技术领域
本发明涉及海洋工程监测技术领域，尤其涉及一种海上风机引起的潮间带冲淤状况卫星遥感定量评估方法。
背景技术
随着世界经济的快速发展，大量矿石燃料的使用加剧了全球变暖，影响着世界能源安全。风能作为一种清洁能源，得到广泛关注。海上风机主要分布在沿海岸带10公里、水深在5米到50米的潮间带浅滩或浅海区域。海上风机建设不可避免地会影响到浅海的潮流运动和泥沙输运状态，对潮间带地形的冲淤产生影响，从而可能影响到潮间带沙体的稳定和潮间带生境变化。目前对海上风机建设引起的潮间带动态变化分析主要采用的是海洋数值模型模拟方法，该类方法根据假设的不同动力情境，给出初始状况和极限状况下风机引起的潮间带冲淤状态，但是无法给出潮间带冲淤实际状态。
基于遥感水边线法的潮间带DEM分析，可为监测海上风机建设、运行期间的潮间带冲淤状况提供重要技术支撑。常规的遥感水边线法从多源遥感影像中提取瞬时水边线，通过给水边线赋潮高，然后插值构建潮间带DEM。利用该技术，有学者构建了近岸潮间带沙体DEM并进行了精度分析。但是常规的遥感水边线法应用于潮间带DEM构建、特别是要用于分析海上风机等小目标对象引起的潮滩冲淤分析时，存在以下技术难题：1)多源遥感数据的大量涌现，使得提取的瞬时水边线密集分布在潮间带区域。由于潮间带滩涂动态变化大，导致密集分布的水边线存在相互交叉现象，尤其在低潮区域；2)密集分布的水边线之间可能存在潮高趋势错乱现象，影响到生成的DEM在表达地形起伏趋势错误，同时生成的DEM破碎化现象严重海上风机可能位于潮间带滩涂的潮沟中，现有方法构建的DEM不能够有效反映潮滩滩面上的潮沟分布与变化。
发明内容
针对以上问题，本发明提出一种海上风机引起的潮间带冲淤状况卫星遥感定量评估方法。
为实现本发明的目的，提供一种海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，包括如下步骤：
S10，收集覆盖潮间带风电区域的卫星遥感影像数据，在卫星遥感影像数据中提取瞬时水边线，并计算影像成像时刻潮位控制站点的潮位值；
S20，通过瞬时水边线筛选与排序、影像序列合成、水陆分界线提取、水边线离散与潮位插值、潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM；
S30，模拟潮间带风机点位处无风机状态下的假想沙体滩面高程；
S40，从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，评估风机建设引起的潮间带冲淤状况。
在一个实施例中，所述卫星遥感影像数据包括多源多时相遥感影像；
所述收集覆盖潮间带风电区域的卫星遥感影像数据，在卫星遥感影像数据中提取瞬时水边线，并计算影像成像时刻潮位控制站点的潮位值包括：
步骤S11：收集覆盖潮间带风电区域的多源多时相遥感影像，进行辐射定标和大气校正，通过地面控制点完成几何精校正；
步骤S12：选择设定的水体指数对影像进行水体信息增强处理，利用阈值法完成水陆分离，对分离后的水体二值影像进行边缘检测和栅格-矢量转换处理，得到矢量格式的瞬时水边线；
步骤S13：按潮间带风电区域范围确定潮位控制站点，收集潮位资料，计算潮汐调和参数；以潮汐调和参数、站点位置信息作为输入，结合潮汐调和分析模型计算各站点在遥感影像成像时刻的潮位高度。
在一个实施例中，所述通过瞬时水边线筛选与排序、影像序列合成、水陆分界线提取、水边线离散与潮位插值完成潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM包括：
步骤S21：对瞬时水边线依次按照平面位置关系和潮位高低关系进行排序筛选，删除存在错误关系的瞬时水边线，筛选出平面位置聚集、潮高分别在相应设定范围内的瞬时水边线组，计算其对应的影像组的改进的归一化差值水体指数MNDWI，以像元为基础进行MNDWI影像序列合成。其中，MNDWI的计算公式如下：
式中，Rg为绿波段反射率；Rswir为短波红外波段反射率；
步骤S22：对合成图像进行阈值分割和边缘检测处理，提取合成的水陆分界线。步骤S23：对筛选保留的瞬时水边线和合成的水陆分界线进行离散，利用反距离加权平方插值完成对离散点的潮位赋值，利用TIN方法构建初始潮滩DEM；
步骤S24：挑选覆盖潮间带风电区域的平均大潮低潮期影像，根据步骤S12提取潮沟两侧边界线，将其形成面图层，按照边界宽度提取潮沟中线；将潮沟边界线和中线按照步骤S23进行离散、潮位赋值，构建潮沟DEM；
步骤S25：将潮沟DEM与初始潮滩DEM进行镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM。
在一个实施例中，所述模拟潮间带风机点位处无风机状态下的假想沙体滩面高程包括：
步骤S31：从S11经过几何精校正的高分辨率卫星遥感影像上提取出潮间带风机的点位；以风机点位中心为基准，设计n组地形平滑窗口模板，窗口模板的尺寸为R1×R1、R2×R2、...、Rn×Rn，R1为窗口模板的最小尺寸，Rn窗口模板的最大尺寸，R1和Rn单位为米；
步骤S32、假定在没有建设风机的情况下，风机点位位置处存在一个假想沙体表面，其高程H可以由其周围一定空间范围的平均滩面高程来代表，具体计算方法如下：
1)根据n组窗口模板的尺寸大小，对步骤S25中生成的潮间带DEM进行空间重采样处理，得到n幅重采样后的DEM；
2)根据风机点位位置，从n幅重采样后的DEM中分别提取得到n个风机点位中心的高程Hi′，i＝1,2,…,n,；
3)对得到的n个风机点位中心的高程求平均，得到该风机点位的平均高程，该高程可视为潮间带风机点位处无风机状态下的假想沙体滩面高程，计算公式如下：
在一个实施例中，窗口模板的最小尺寸为：R1＝(1.5～2.0)×Dsp，窗口模板的最大尺寸为：Rn＝(4.0～5.0)×Dsp；其中Dsp表示潮间带风机基桩的最大冲刷坑大小。
在一个实施例中，步骤S31中，地形平滑窗口模板的组数n参考窗口模板的最小尺寸R1和最大尺寸Rn和尺寸增加值Δs来确定，取Δs＝(1.0～1.5)S，S为所采用的卫星遥感影像的空间分辨率；地形平滑窗口模板的组数n的计算公式为：
作为本发明所述的一种海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，所述步骤S32中，假想沙体表面高程计算需要对n组窗口模板内的平均高程求平均，来减小单一窗口模板下可能存在滩面高程较大起伏现象而导致假想沙体表面高程出现大的振荡。
在一个实施例中，从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，评估风机建设引起的潮间带冲淤状况包括：
步骤S41：根据风机点位位置，提取步骤S25中生成的潮间带DEM高程H1，作为潮间带风机点位的实际高程；根据潮间带风机运行期间Δt潮间带风机点位的实际高程H1与步骤S32得到的假想沙体滩面高程H之差，计算得到风机点位的潮间带冲淤速率TCR，公式为：
步骤S42：设定年冲淤深度DY标准，将潮间带冲淤强度等级设为强侵蚀、弱侵蚀、冲淤平衡、弱淤积和强淤积5个等级；根据潮间带冲淤速率TCR所处的强度区间，判定风机建设引起的潮间带冲淤强度等级；
步骤S43：计算所有潮间带风机的潮间带冲淤速率TCR，判定风机建设引起的潮间带冲淤强度等级。
在一个实施例中，步骤S43还包括：
根据潮间带DEM的平均误差MAE、均方根误差RMSE以及潮间带高差HD，确定年冲淤深度DY值，其计算公式为：
其中，Min()表示求最小值。
在一个实施例中，潮间带冲淤强度等级的判别标准如下：
1)强侵蚀等级对应的TCR区间为(-∞,-1.5×DY厘米/年]；
2)弱侵蚀等级对应的TCR区间为(-1.5×DY厘米/年,-0.5×DY厘米/年]；
3)冲淤平衡等级对应的TCR区间为(-0.5×DY厘米/年,0.5×DY厘米/年]；
4)弱淤积等级对应的TCR区间为(0.5×DY厘米/年,1.5×DY厘米/年]；
5)强淤积等级对应的TCR区间为(1.5×DY厘米/年,+∞)；
其中符号(表示开区间，符号]表示闭区间。
上述海上风机引起的潮间带冲淤状况卫星遥感定量评估方法具有如下技术效果：
(1)对常规的遥感水边线法进行改进，通过水边线时空排序与筛选、影像序列合成、潮沟镶嵌处理，获得了表达滩面起伏微地形特征的高精度潮间带DEM。与常规的遥感水边线法构建的潮沟DEM相比，本改进方法得到的DEM不仅能够更好地表达潮间带地形的整体起伏趋势，极大地改善地形破碎化状况；而且对滩面潮沟位置、平面形态和深度等具有很好的体现，能够表达滩面起伏微地形特征。现实状况下，潮间带风机引起潮滩滩面的变化，使得风机可能位于潮沟的边缘或者潮沟内部，因此能够精确描绘潮沟特性的DEM才可有效实现潮间带风机等小目标对象引起的潮间带冲淤状况分析；
(2)本发明原创提出的假想沙体表面判别法，结合改进的遥感水边线法构建的能够反映滩面起伏微地形特征的高精度潮间带DEM，使利用卫星遥感技术监测海上风机引起的潮间带冲淤成为可能，也为利用卫星遥感技术评估潮间带冲淤强度的空间分布提供了重要技术支撑；
(3)本假想沙体表面判别法仅基于潮间带DEM数据即可完成潮间带风机引起的潮间带地形冲淤变化分析与监测，同样适用于其他方法构建的潮间带DEM数据，方法本身具有通用性。
附图说明
图1是一个实施例的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法流程图；
图2是另一个实施例的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法流程图；
图3是一个实施例的关于水边线筛选的潮位排序图；
图4是一个实施例的MNDWI影像序列合成与合成水陆边界线提取过程图；
图5为一个实施例的潮沟镶嵌过程图；
图6为一个实施例的假想沙体表面判别法原理图；
图7为一个实施例的蒋家沙风电场的49个潮间带风机的空间分布图；
图8为一个实施例的海上风机引起的潮间带冲淤速率(TCR)图；
图9为一个实施例中模拟的海上风机引起的潮间带冲淤强度空间分布图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请针对现有方法构建的DEM不能够有效反映潮滩滩面上的潮沟分布与变化的相关问题进行了研究，提出了改进的遥感水边线法，首先通过水边线时空排序，筛选出具有正确潮位关系、空间分离的水边线；然后对筛选过程中沙体出露范围相近影像，按像元进行MNDWI序列合成，在保持地形平均变化信息的同时减少水边线交叉影响，获得合成后水陆边界线，二者共同构建出初始的潮间带DEM；进一步利用平均大潮低潮期的潮沟边界线和中线，生成潮沟DEM；通过潮沟镶嵌处理，获得了表达滩面起伏微地形特征的潮间带DEM。而利用潮间带DEM分析海上风机引起的潮间带冲淤，目前鲜见有相关研究。类似的分析是采用水动力数值模拟分析来模拟风机建设引起的潮间带地形变化评估，多用于海域使用论证中评估风机建设的环境影响。本发明提出了假想沙体表面判别法，通过模拟潮间带风机点位处无风机状态下的假想沙体滩面高程，并与高精度潮间带DEM上风机点位处的高程进行对比，来定量估算出风机点位的潮间带冲淤速率，评估风机建设引起的潮间带冲淤强度等级。因此本发明方法可用于监测和评估潮间带风电场建设引起的潮间带地形实际变化状态，为潮间带风电场建设后评估提供参考依据。
参考图1所示，图1为一个实施例的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法流程图，包括如下步骤：
S10，收集覆盖潮间带风电区域的卫星遥感影像数据，在卫星遥感影像数据中提取瞬时水边线，并计算影像成像时刻潮位控制站点的潮位值。
具体地，上述步骤可以收集覆盖潮间带风电区域的高分辨率卫星遥感影像数据，完成影像的大气校正、几何精校正处理；提取影像上的瞬时水边线，计算影像成像时刻潮位控制站点的潮位值。
S20，通过瞬时水边线筛选与排序、影像序列合成、水陆分界线提取、水边线离散与潮位插值、潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM。
上述步骤提出改进的遥感水边线法，通过水边线筛选与排序、影像序列合成与水陆分界线提取、水边线离散与潮位插值完成潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM。
S30，模拟潮间带风机点位处无风机状态下的假想沙体滩面高程。
上述步骤提出假想沙体表面判别法，模拟潮间带风机点位处无风机状态下的假想沙体滩面高程。
S40，从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，评估风机建设引起的潮间带冲淤状况。
上述海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，收集覆盖潮间带风电区域的卫星遥感影像数据，在卫星遥感影像数据中提取瞬时水边线，并计算影像成像时刻潮位控制站点的潮位值，通过瞬时水边线筛选与排序、影像序列合成、水陆分界线提取、水边线离散与潮位插值、潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM，模拟潮间带风机点位处无风机状态下的假想沙体滩面高程，从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，以评估风机建设引起的潮间带冲淤状况，其能够有效反映潮滩滩面上的潮沟分布与变化，具有较高的准确性。
在一个实施例中，所述卫星遥感影像数据包括多源多时相遥感影像；
所述收集覆盖潮间带风电区域的卫星遥感影像数据，在卫星遥感影像数据中提取瞬时水边线，并计算影像成像时刻潮位控制站点的潮位值包括：
步骤S11：收集覆盖潮间带风电区域的多源多时相遥感影像，进行辐射定标和大气校正，通过地面控制点完成几何精校正；
步骤S12：选择设定的水体指数对影像进行水体信息增强处理，利用阈值法完成水陆分离，对分离后的水体二值影像进行边缘检测和栅格-矢量转换处理，得到矢量格式的瞬时水边线；上述设定的水体指数对影像为合适的水体指数对影像；
步骤S13：按潮间带风电区域范围确定潮位控制站点，收集潮位资料，计算潮汐调和参数；以潮汐调和参数、站点位置信息作为输入，结合潮汐调和分析模型计算各站点在遥感影像成像时刻的潮位高度。
在一个实施例中，所述通过瞬时水边线筛选与排序、影像序列合成、水陆分界线提取、水边线离散与潮位插值完成潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM包括：
步骤S21：对瞬时水边线依次按照平面位置关系和潮位高低关系进行排序筛选，删除存在错误关系的瞬时水边线，筛选出平面位置聚集、潮高分别在相应设定范围内的瞬时水边线组；计算其对应的影像组的改进归一化差值水体指数MNDWI，以像元为基础进行MNDWI影像序列合成。其中，MNDWI的计算公式如下：
式中，Rg为绿波段反射率；Rswir为短波红外波段反射率；其中筛选出平面位置聚集、潮高分别在相应设定范围内的瞬时水边线组，是指筛选出平面位置聚集、潮高相近的瞬时水边线组。
步骤S22：对合成图像进行阈值分割和边缘检测处理，提取合成的水陆分界线。
步骤S23：对筛选保留的瞬时水边线和合成的水陆分界线进行离散，利用反距离加权平方插值完成对离散点的潮位赋值，利用TIN方法构建初始潮滩DEM；
步骤S24：挑选覆盖潮间带风电区域的平均大潮低潮期影像，根据步骤S12提取潮沟两侧边界线，将其形成面图层，按照边界宽度提取潮沟中线；将潮沟边界线和中线按照步骤S23进行离散、潮位赋值，构建潮沟DEM；
步骤S25：将潮沟DEM与初始潮滩DEM进行镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM。
在一个实施例中，所述模拟潮间带风机点位处无风机状态下的假想沙体滩面高程包括：
步骤S31：从S11经过几何精校正的高分辨率卫星遥感影像上提取出潮间带风机的点位；以风机点位中心为基准，设计n组地形平滑窗口模板，窗口模板的尺寸为R1×R1、R2×R2、...、Rn×Rn，R1为窗口模板的最小尺寸，Rn窗口模板的最大尺寸，R1和Rn单位为米；
步骤S32、假定在没有建设风机的情况下，风机点位位置处存在一个假想沙体表面，其高程H可以由其周围一定空间范围的平均滩面高程来代表，具体计算方法如下：
1)根据n组窗口模板的尺寸大小，对步骤S25中生成的潮间带DEM进行空间重采样处理，得到n幅重采样后的DEM；
2)根据风机点位位置，从n幅重采样后的DEM中分别提取得到n个风机点位中心的高程H′i，i＝1,2,…,n,；
3)对得到的n个风机点位中心的高程求平均，得到该风机点位的平均高程，该高程可视为潮间带风机点位处无风机状态下的假想沙体滩面高程，计算公式如下：
具体地，窗口模板的最小尺寸为：R1＝(1.5～2.0)×Dsp，窗口模板的最大尺寸为：Rn＝(4.0～5.0)×Dsp；其中Dsp表示潮间带风机基桩的最大冲刷坑大小。
具体地，步骤S31中，地形平滑窗口模板的组数n参考窗口模板的最小尺寸R1和最大尺寸Rn和尺寸增加值Δs来确定，取Δs＝(1.0～1.5)S，S为所采用的卫星遥感影像的空间分辨率；地形平滑窗口模板的组数n的计算公式为：
具体地，步骤S32中，假想沙体表面高程不能仅由单一窗口模板内的平均高程来代表，必须要对n组窗口模板内的平均高程求平均，来减小单一窗口模板下可能存在滩面高程较大起伏现象而导致假想沙体表面高程出现大的振荡。
在一个实施例中，所述从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算出风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，以评估风机建设引起的潮间带冲淤状况包括：
步骤S41：根据风机点位位置，提取步骤S25中生成的潮间带DEM高程H1，作为潮间带风机点位的实际高程；根据潮间带风机运行期间Δt潮间带风机点位的实际高程H1与步骤S32得到的假想沙体滩面高程H之差，计算得到风机点位的潮间带冲淤速率TCR，公式为：
步骤S42：设定年冲淤深度DY标准，将潮间带冲淤强度等级设为强侵蚀、弱侵蚀、冲淤平衡、弱淤积和强淤积5个等级；根据潮间带冲淤速率TCR所处的强度区间，判定风机建设引起的潮间带冲淤强度等级；
步骤S43：计算所有潮间带风机的潮间带冲淤速率TCR，判定风机建设引起的潮间带冲淤强度等级。
具体地，步骤S43还包括：
根据潮间带DEM的平均误差MAE、均方根误差RMSE以及潮间带高差HD，确定年冲淤深度DY值，其计算公式为：
其中，Min()表示求最小值。
本实施例中，为防止出现过多的小数位数，建议对DY取值进行四舍五入至整十厘米。
据此，在一个实施例中，潮间带冲淤强度等级的判别标准如下：
1)强侵蚀等级对应的TCR区间为(-∞,-1.5×DY厘米/年]；
2)弱侵蚀等级对应的TCR区间为(-1.5×DY厘米/年,-0.5×DY厘米/年]；
3)冲淤平衡等级对应的TCR区间为(-0.5×DY厘米/年,0.5×DY厘米/年]；
4)弱淤积等级对应的TCR区间为(0.5×DY厘米/年,1.5×DY厘米/年]；
5)强淤积等级对应的TCR区间为(1.5×DY厘米/年,+∞)；
其中符号(表示开区间，符号]表示闭区间。
在一个实施例中，选择位于某沿海省(如江苏省)中部岸外辐射沙脊群核心区域的蒋家沙潮间带风电场作为研究区域，开展海上风机建设引起的潮间带冲淤状况定量估算研究。收集了覆盖研究区的Sentinel2 MSI卫星遥感影像(空间分辨率：10米)和Landsat8OLI卫星遥感影像(空间分辨率：15米)作为数据源，时间跨度为2017年10月～2019年6月。潮位资料来自于以江苏省为示例的大丰港、弶港和洋口港三个潮位控制站点，站点分别位于研究区的北、西、南三个方向(站点分布见图6)，潮位插值处理方法采用反距离平方加权法。采用Envi5.3作为遥感图像处理工具、ArcGIS10.2作为矢量数据处理工具和潮间带DEM构建工具。
上述基于卫星遥感影像数据分析海上风机建设引起的潮间带冲淤状况的定量估算方法，参考图2所示，具体包括以下步骤：
S1：收集覆盖潮间带风电区域的高分辨率卫星遥感影像数据，完成影像的大气校正、几何精校正处理；提取影像上的瞬时水边线，计算影像成像时刻潮位控制站点的潮位值。具体操作如下：
S11：收集来自Landsat8 OLI和Sentinel2 MSI的33景覆盖潮间带风电区域的多时相遥感影像，对各影像进行辐射定标和大气校正，通过地面控制点完成几何精校正，校正精度优于一个像元；
S12：利用改进后的归一化差值水体指数MNDWI对各影像进行水体信息增强处理，对生成的MNDWI图层进行直方图统计，突出水陆边界信息；设置水陆分界阈值，提取图层中的水体部分，形成水陆二值影像；利用Sobel算子进行边缘检测，得到栅格格式的水边线，通过ArcGIS矢量化工具进行栅格-矢量化转化，获得矢量格式的瞬时水边线；
S13：利用国家海洋信息中心全球潮汐预报服务平台收集大丰港、弶港和洋口港三个站点自2018年6月至2019年1月逐小时潮位数据，通过T-Tide潮汐预测软件计算各站点的潮汐调和参数，运用参数结果、站点位置信息计算各站点在影像成像时刻的潮位高度；
S2：提出改进的遥感水边线法，通过水边线筛选与排序、影像序列合成与水陆分界线提取、潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度DEM。具体操作如下：
S21：将提取的33景影像的瞬时水边线按照轮廓范围空间可区分性进行排序，删除存在错误关系的水边线；对其中平面位置范围相近、线段相交的水边线设置水边线组，形成以沙体出露平面大小为基础的水边线所属影像或影像组的空间排序序列。根据三个潮位控制站点的潮位变化情况进行线性拟合获取趋势线，通过趋势线的拟合决定系数R2和斜率来判断潮位变化趋势关系。
经过计算，以洋口港站点的潮位高低顺序为基础，对全部影像进行排序，可取得最佳效果，如图3所示，三个站点的拟合决定系数R2分别为0.93、0.74和0.32，潮位斜率分别为-0.11、-0.06、-0.13。对比空间与潮高为基础下的潮位排序序列结果，滩面高程变化关系吻合，可作为后续影像合成的基础。
S22：提取合成影像上的水陆边界线，以下显示了利用MNDWI对影像成像时间在2018年1月～10月、沙体潮位范围在-1.42m～-1.57m(洋口港站)的5景影像进行归一化处理后，以像元为基础形成叠置序列，计算序列的平均值形成合成图层，并提取合成的水陆分界线的过程。
参考图4所示，该图为本实施例的MNDWI影像序列合成与合成水陆边界线提取过程图，其中，(a)是由遥感影像提取的MNDWI图，(b)是生成的MNDWI影像序列平均值合成图，(c)是由MNDWI影像序列合成图经过阈值分割处理后得到的二值图像，(d)是由二值影像提取的水陆边界线图。首先计算特定潮高区间的水边线组对应的影像组的改进的归一化差值水体指数MNDWI，结果如图4(a)所示，计算公式如下：
式中，Rg为绿波段反射率，在Landsat8 OLI和Sentinel2 MSI中同为B3波段；Rswir为短波红外波段反射率，在Landsat8 OLI和Sentinel2 MSI中分别对应B6波段和B11波段。
然后以像元为基础进行MNDWI影像序列合成，具体可选择计算序列的平均值来完成新图像的合成，结合合成影像的MNDWI均值分布直方图和目视解译方法，选定0.42为水陆二值化的分割阈值，图4(c)显示了阈值分割后的二值化图像。利用Sobel边缘检测算子对二值化图像进行边缘提取，得到栅格格式的水陆分界线。在ArcGIS中利用栅格-矢量化工具对栅格格式的水陆分界线进行处理，得到矢量格式的合成水陆分界线，如图4(d)所示。
S23：对筛选保留的水边线和合成的水陆分界线进行离散，离散间隔选择100m。利用反距离加权平方插值完成对离散点的潮位赋值，插值时，将使用的33景遥感影像按照合成与否分为原始影像类和合成影像类，原始影像类对应的水边线的潮位插值基础为各潮位站点的影像成像时刻潮位，从合成影像类提取的水陆分界线的潮位插值基础为合成组内各影像成像时刻潮位的平均值。对具有潮高值的离散点利用TIN方法构建初始潮滩DEM。
S24：选取2018年2月23日Sentinel 2卫星在研究区域所获影像(成像时刻为GMT+810:37:11)作为基础影像进行潮沟两侧边界线提取，潮沟宽度从0至575.92m。利用边界线形成面图层，根据边线间距提取潮沟中线，结果如图5(a)所示。图5中，(a)是潮沟边界线提取结果图，(b)是由潮沟边界线和中线生成的潮沟DEM图，(c)是潮间带初始DEM嵌入潮沟DEM后得到的最终的潮间带DEM图。
将潮沟边界线和中线按照步骤S23进行离散、潮位赋值，潮沟边界线与中线的潮位赋值同样以前述三个潮位站点作为基础，其中两侧边界线的高度赋值直接以影像的成像时刻潮位作为基准；潮沟中线由于并非直接提取于影像，无法选择明确的时间节点作为其潮位时刻，因此假定所提潮沟的中部区域在全年任意低的潮位下均被海水淹没，选择排序基准洋口港在2018年最低潮位时刻3个潮位控制站点的潮位作为其潮位插值基准。然后对具有潮高值的离散点构建潮沟DEM，结果如图5(b)所示。
S25：利用ArcGIS中Mosaic to raster工具，以像元为基础将潮沟DEM镶嵌至初始潮滩DEM中，如图5(c)所示，得到反映潮间带表面微地形细节特征的高精度DEM。
S3：提出假想沙体表面判别法(原理如图6(a)所示)，模拟潮间带风机点位处无风机状态下的假想沙体滩面高程(原理如图6(b)所示)。图6中，(a)是风机引起的潮滩冲淤深度计算原理图，(b)是假想沙体表面高程计算原理图。具体操作如下：
S31：从步骤S11经过几何精校正的高分辨率卫星遥感影像(Sentinel2 MSI影像，成像日期：2018年3月10日)上提取出蒋家沙风电场潮间带风机的点位，共计涉及49个潮间带风机，其分布如图7所示。
参考研究区南侧华能如东300MW风电场的水动力数值模拟结果，得到的潮间带风机基桩的最大可能冲刷坑的半径在12.64米至17.90米之间，取两者的平均值并取整，得到研究区的最大可能冲刷坑大小Dsp＝30米。据此，计算得到窗口模板的最小尺寸R1为1.5Dsp＝45米，窗口模板的最大尺寸Rn为4Dsp＝120米。
参考采用的卫星遥感影像的空间分辨率S，Sentinel2 MSI卫星遥感影像为10米，Landsat8 OLI卫星遥感影像为15米，取两者的大值，得到S＝15米。因此，取不同地形平滑窗口模板之间的尺寸增加值Δs为1倍的S，即Δs＝15米。按照组数n的计算公式：
可得地形平滑窗口模板的组数n＝(120–45)/15+1＝6组。
综上，以风机点位中心为基准，取地形平滑窗口模板数量n为6，窗口尺寸大小在45米至120米之间，6组窗口模板的尺寸组合分别取45米×45米、60米×60米、75米×75米、90米×90米、105米×105米、120米×120米。
S32：假定在没有建设风机的情况下，风机点位位置处存在一个假想沙体表面，其高程H可取步骤S31所设计的6组窗口模板对应的平均滩面高程的平均值来代表。具体计算方法如下：
1)根据步骤S31中确定的6组窗口模板的尺寸大小，对步骤S25中生成的潮间带DEM进行空间重采样处理，得到6幅重采样后的DEM；
2)根据风机点位位置，从6幅重采样后的DEM中分别提取得到6个风机点位中心的高程Hi′(i＝1,2,…,6)；
3)对得到的6个风机点位中心的高程求平均，按照计算公式：
计算得到该风机点位的平均高程H。公式中n＝6，为窗口模板的组数。该高程可视为潮间带风机点位处无风机状态下的假想沙体滩面高程。
S4：从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算出风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，评估风机建设引起的潮间带冲淤状况。具体操作如下：
S41：根据风机点位位置，提取步骤S25中生成的潮间带DEM高程H1作为潮间带风机点位的实际高程；根据潮间带风机运行期间Δt潮间带风机点位的实际高程H1与步骤S32得到的假想沙体滩面高程H之差，利用公式：
计算得到所有风机点位的潮间带冲淤速率TCR，结果如图8所示。
S42：设定年冲淤深度DY标准，综合生成的潮间带DEM的平均误差MAE(43厘米)、均方根误差RMSE(54厘米)、潮间带地形高差HD(437厘米)。根据DY计算公式：
并按对DY取值进行四舍五入至整十厘米的建议，最终取DY＝40厘米。据此，潮间带冲淤强度等级判别标准如下：
(1)强侵蚀等级对应的TCR区间为(-∞,-60厘米/年]；
(2)弱侵蚀等级对应的TCR区间为(-60厘米/年,-20厘米/年]；
(3)冲淤平衡等级对应的TCR区间为(-20厘米/年,20厘米/年]；
(4)弱淤积等级对应的TCR区间为(20厘米/年,60厘米/年]；
(5)强淤积等级对应的TCR区间为(-60厘米/年,+∞)。
步骤S43：根据步骤S41计算得到的所有风机点位的潮间带冲淤速率TCR，利用步骤S42建立的潮间带冲淤强度等级判别标准，判定所有潮间带风机建设引起的潮间带冲淤强度等级，在ArcGIS中做潮间带风机引起的冲淤状况空间分布图，如图9所示。
该结果可用于定量评估潮间带风电场建设引起的潮间带地形实际变化，为潮间带风电场建设后评估提供参考依据。
本实施例具有如下技术效果：
(1)对常规的遥感水边线法进行改进，通过水边线时空排序与筛选、影像序列合成、潮沟镶嵌处理，获得了表达滩面起伏微地形特征的高精度潮间带DEM。与常规的遥感水边线法构建的潮沟DEM相比，本改进方法得到的DEM不仅能够更好地表达潮间带地形的整体起伏趋势，极大地改善地形破碎化状况；而且对滩面潮沟位置、平面形态和深度等具有很好的体现，能够表达滩面起伏微地形特征。现实状况下，潮间带风机引起潮滩滩面的变化，使得风机可能位于潮沟的边缘或者潮沟内部，因此能够精确描绘潮沟特性的DEM才可有效实现潮间带风机等小目标对象引起的潮间带冲淤状况分析；
(2)提出的假想沙体表面判别法，结合改进的遥感水边线法构建的能够反映滩面起伏微地形特征的高精度潮间带DEM，使利用卫星遥感技术监测潮间带风机引起的潮间带冲淤成为可能，也为利用卫星遥感技术评估潮间带冲淤强度的空间分布提供了重要技术支撑；
(3)本假想沙体表面判别法仅基于潮间带DEM数据即可完成潮间带风机引起的潮间带地形冲淤变化分析与监测，同样适用于其他方法构建的潮间带DEM数据，方法本身具有通用性。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本申请实施例的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块，而是可选地还包括没有列出的步骤或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，包括如下步骤：
S10，收集覆盖潮间带风电区域的卫星遥感影像数据，在卫星遥感影像数据中提取瞬时水边线，并计算影像成像时刻潮位控制站点的潮位值；
S20，通过瞬时水边线筛选与排序、影像序列合成、水陆分界线提取、水边线离散与潮位插值、潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM；
S30，模拟潮间带风机点位处无风机状态下的假想沙体滩面高程；
S40，从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，评估风机建设引起的潮间带冲淤状况。
2.根据权利要求1所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，所述卫星遥感影像数据包括多源多时相遥感影像；
所述收集覆盖潮间带风电区域的卫星遥感影像数据，在卫星遥感影像数据中提取瞬时水边线，并计算影像成像时刻潮位控制站点的潮位值包括：
步骤S11：收集覆盖潮间带风电区域的多源多时相遥感影像，进行辐射定标和大气校正，通过地面控制点完成几何精校正；
步骤S12：选择设定的水体指数对影像进行水体信息增强处理，利用阈值法完成水陆分离，对分离后的水体二值影像进行边缘检测和栅格-矢量转换处理，得到矢量格式的瞬时水边线；
步骤S13：按潮间带风电区域范围确定潮位控制站点，收集潮位资料，计算潮汐调和参数；以潮汐调和参数、站点位置信息作为输入，结合潮汐调和分析模型计算各站点在遥感影像成像时刻的潮位高度。
3.根据权利要求1所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，所述通过瞬时水边线筛选与排序、影像序列合成、水陆分界线提取、水边线离散与潮位插值完成潮间带DEM构建和潮沟DEM镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM包括：
步骤S21：对瞬时水边线依次按照平面位置关系和潮位高低关系进行排序筛选，删除存在错误关系的瞬时水边线，筛选出平面位置聚集、潮高分别在相应设定范围内的瞬时水边线组，计算其对应的影像组的改进归一化差值水体指数MNDWI，以像元为基础进行MNDWI影像序列合成；其中，MNDWI的计算公式如下：
式中，Rg为绿波段反射率；Rswir为短波红外波段反射率；
步骤S22：对合成图像进行阈值分割和边缘检测处理，提取合成的水陆分界线；
步骤S23：对筛选保留的瞬时水边线和合成的水陆分界线进行离散，利用反距离加权平方插值完成对离散点的潮位赋值，利用TIN方法构建初始潮滩DEM；
步骤S24：挑选覆盖潮间带风电区域的平均大潮低潮期影像，根据步骤S12提取潮沟两侧边界线，将其形成面图层，按照边界宽度提取潮沟中线；将潮沟边界线和中线按照步骤S23进行离散、潮位赋值，构建潮沟DEM；
步骤S25：将潮沟DEM与初始潮滩DEM进行镶嵌处理，得到反映潮间带表面微地形细节特征的高精度潮间带DEM。
4.根据权利要求1所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，所述模拟潮间带风机点位处无风机状态下的假想沙体滩面高程包括：
步骤S31：从S11经过几何精校正的高分辨率卫星遥感影像上提取出潮间带风机的点位；以风机点位中心为基准，设计n组地形平滑窗口模板，窗口模板的尺寸为R1×R1、R2×R2、...、Rn×Rn，R1为窗口模板的最小尺寸，Rn窗口模板的最大尺寸，R1和Rn单位为米；
步骤S32、假定在没有建设风机的情况下，风机点位位置处存在一个假想沙体表面，其高程H可以由其周围一定空间范围的平均滩面高程来代表，具体计算方法如下：
1)根据n组窗口模板的尺寸大小，对步骤S25中生成的潮间带DEM进行空间重采样处理，得到n幅重采样后的DEM；
2)根据风机点位位置，从n幅重采样后的DEM中分别提取得到n个风机点位中心的高程Hi′，i＝1,2,…,n,；
3)对得到的n个风机点位中心的高程求平均，得到该风机点位的平均高程，该高程可视为潮间带风机点位处无风机状态下的假想沙体滩面高程，计算公式如下：
5.根据权利要求4所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，窗口模板的最小尺寸为：R1＝(1.5～2.0)×Dsp，窗口模板的最大尺寸为：
Rn＝(4.0～5.0)×Dsp；其中Dsp表示潮间带风机基桩的最大冲刷坑大小。
6.根据权利要求4所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，步骤S31中，地形平滑窗口模板的组数n参考窗口模板的最小尺寸R1和最大尺寸Rn和尺寸增加值Δs来确定，取Δs＝(1.0～1.5)S，S为所采用的卫星遥感影像的空间分辨率；地形平滑窗口模板的组数n的计算公式为：
7.根据权利要求1所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，从高精度潮间带DEM上提取风机点位处的高程，计算其与风机点位处的假想沙体滩面高程之间的高程差，定量估算风机点位的潮间带冲淤速率，确定潮间带冲淤强度等级，评估风机建设引起的潮间带冲淤状况包括：
步骤S41：根据风机点位位置，提取步骤S25中生成的潮间带DEM高程H1，作为潮间带风机点位的实际高程；根据潮间带风机运行期间Δt潮间带风机点位的实际高程H1与步骤S32得到的假想沙体滩面高程H之差，计算得到风机点位的潮间带冲淤速率TCR，公式为：
步骤S42：设定年冲淤深度DY标准，将潮间带冲淤强度等级设为强侵蚀、弱侵蚀、冲淤平衡、弱淤积和强淤积5个等级；根据潮间带冲淤速率TCR所处的强度区间，判定风机建设引起的潮间带冲淤强度等级；
步骤S43：计算所有潮间带风机的潮间带冲淤速率TCR，判定风机建设引起的潮间带冲淤强度等级。
8.根据权利要求7所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，步骤S43还包括：
根据潮间带DEM的平均误差MAE、均方根误差RMSE以及潮间带高差HD，确定年冲淤深度DY值，其计算公式为：
其中，Min()表示求最小值。
9.根据权利要求7所述的海上风机引起的潮间带冲淤状况卫星遥感定量评估方法，其特征在于，潮间带冲淤强度等级的判别标准如下：
1)强侵蚀等级对应的TCR区间为(-∞,-1.5×DY厘米/年]；
2)弱侵蚀等级对应的TCR区间为(-1.5×DY厘米/年,-0.5×DY厘米/年]；
3)冲淤平衡等级对应的TCR区间为(-0.5×DY厘米/年,0.5×DY厘米/年]；
4)弱淤积等级对应的TCR区间为(0.5×DY厘米/年,1.5×DY厘米/年]；
5)强淤积等级对应的TCR区间为(1.5×DY厘米/年,+∞)；
其中符号(表示开区间，符号]表示闭区间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011336003.4A CN112381033A (zh) | 2020-11-25 | 2020-11-25 | 海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011336003.4A CN112381033A (zh) | 2020-11-25 | 2020-11-25 | 海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112381033A true CN112381033A (zh) | 2021-02-19 |
Family
ID=74588114
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011336003.4A Pending CN112381033A (zh) | 2020-11-25 | 2020-11-25 | 海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112381033A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113628068A (zh) * | 2021-07-14 | 2021-11-09 | 浙江华东测绘与工程安全技术有限公司 | 一种海上风机基础冲刷现状分析方法 |
| CN115100537A (zh) * | 2022-06-27 | 2022-09-23 | 中国科学院地理科学与资源研究所 | 一种基于遥感影像的潮汐能资源评估方法 |
| CN116612245A (zh) * | 2023-02-01 | 2023-08-18 | 自然资源部第三海洋研究所 | 基于视频图像的海滩地形地貌构建方法、系统、存储介质 |
-
2020
- 2020-11-25 CN CN202011336003.4A patent/CN112381033A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113628068A (zh) * | 2021-07-14 | 2021-11-09 | 浙江华东测绘与工程安全技术有限公司 | 一种海上风机基础冲刷现状分析方法 |
| CN115100537A (zh) * | 2022-06-27 | 2022-09-23 | 中国科学院地理科学与资源研究所 | 一种基于遥感影像的潮汐能资源评估方法 |
| CN115100537B (zh) * | 2022-06-27 | 2023-03-28 | 中国科学院地理科学与资源研究所 | 一种基于遥感影像的潮汐能资源评估方法 |
| CN116612245A (zh) * | 2023-02-01 | 2023-08-18 | 自然资源部第三海洋研究所 | 基于视频图像的海滩地形地貌构建方法、系统、存储介质 |
| CN116612245B (zh) * | 2023-02-01 | 2024-02-27 | 自然资源部第三海洋研究所 | 基于视频图像的海滩地形地貌构建方法、系统、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Toimil et al. | Managing coastal erosion under climate change at the regional scale | |
| Schumann et al. | The utility of spaceborne radar to render flood inundation maps based on multialgorithm ensembles | |
| CN112381033A (zh) | 海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 | |
| Bento et al. | Wave energy assessement for Northern Spain from a 33-year hindcast | |
| Islam et al. | Assessment of coastal vulnerability due to sea level change at Bhola Island, Bangladesh: using geospatial techniques | |
| Choi et al. | Quantitative estimation of intertidal sediment characteristics using remote sensing and GIS | |
| Carvalho et al. | Characterizing the Indian Ocean sea level changes and potential coastal flooding impacts under global warming | |
| CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
| CN112926468B (zh) | 一种潮滩高程自动提取方法 | |
| CN111626501B (zh) | 一种评估互花米草适生区域的方法 | |
| CN107230214A (zh) | 基于递归otsu算法的sar图像水域自动检测方法 | |
| CN115115262A (zh) | 一种洪水风险灾害评估的方法 | |
| CN111986107A (zh) | 一种基于深度学习的dsm局部缺失修复方法 | |
| CN115935732A (zh) | 一种复杂感潮河网的多源复合灾害淹没风险的模拟方法 | |
| CN117423002B (zh) | 一种基于dem的小尺度潮滩图像处理方法 | |
| Wang et al. | Analysis of the evolution and driving forces of tidal wetlands at the estuary of the Yellow River and Laizhou Bay based on remote sensing data cube | |
| Astiti et al. | Identification of shoreline changes using sentinel 2 imagery data in Canggu Coastal Area | |
| CN116612245B (zh) | 基于视频图像的海滩地形地貌构建方法、系统、存储介质 | |
| Athanasiou et al. | Global Coastal Characteristics (GCC): A global dataset of geophysical, hydrodynamic, and socioeconomic coastal indicators | |
| CN116416395A (zh) | 一种基于点云压缩数字地表模型的洪水淹没快速评估方法 | |
| Arundel et al. | The effect of resolution on terrain feature extraction | |
| Nunchhani et al. | Prioritization of Mago Basin based on erodibility through morphometric analysis using GIS technique: A PCA-based approach | |
| CN113807409B (zh) | 一种基于判别分析的海岸带分类方法 | |
| Bergsma et al. | An assesment of video-based bathymetry estimation in a macro-tidal environment | |
| Mansour et al. | Assessing the compatibility of EPR rates with one-dimensional numerical modelling in monitoring shoreline kinematics along with supplying near/long-term forecasts |
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 |