CN112763425A - 一种河口浑浊带识别方法和识别系统 - Google Patents

一种河口浑浊带识别方法和识别系统 Download PDF

Info

Publication number
CN112763425A
CN112763425A CN202011466246.XA CN202011466246A CN112763425A CN 112763425 A CN112763425 A CN 112763425A CN 202011466246 A CN202011466246 A CN 202011466246A CN 112763425 A CN112763425 A CN 112763425A
Authority
CN
China
Prior art keywords
estuary
turbid
reflectivity
remote sensing
sensing image
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
Application number
CN202011466246.XA
Other languages
English (en)
Other versions
CN112763425B (zh
Inventor
王重洋
李丹
郑琼
姜浩
陈金月
彭咏石
王力
刘杨晓月
陈水森
周霞
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.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
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 Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN202011466246.XA priority Critical patent/CN112763425B/zh
Publication of CN112763425A publication Critical patent/CN112763425A/zh
Application granted granted Critical
Publication of CN112763425B publication Critical patent/CN112763425B/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
    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Remote Sensing (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提供一种河口浑浊带识别方法和识别系统。其中，所述河口浑浊带识别方法包括以下步骤：通过卫星获取河口的遥感影像；对遥感影像进行预处理；根据预处理后的所述遥感影像计算河口的总悬浮物含量；根据预处理后的所述遥感影像计算河口的叶绿素含量；根据所述河口的总悬浮物含量和河口的叶绿素含量计算河口浑浊带系数；将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围。本发明的河口浑浊带识别方法可以提高识别所述河口最大浑浊带范围的准确性，且能准确地获取到不同河口及所述河口处于不同季节的最大浑浊带范围。

Description

一种河口浑浊带识别方法和识别系统
技术领域
本发明涉及河口环境的分析识别技术领域，具体涉及一种河口浑浊带识别方法和识别系统。
背景技术
河口最大浑浊带是河口近岸泥沙含量显著高于上下游，并在一定范围内有规律迁移的浑浊水体，是河流入海泥沙输移过程中的特有现象。当前多数研究主要以泥沙含量阈值来标识河口最大浑浊带的范围，方法存在较大的主观性和局限性，导致河口最大浑浊带的范围识别结果存在较大的误差。
准确地识别出河口最大浑浊带，对河口航道的建设、维护以及河口的航道运输都有着重要的指导作用。
发明内容
本发明的目的在于克服现有技术中的缺点与不足，提供一种河口浑浊带识别方法和识别系统。
本发明的一个实施例提供一种河口浑浊带识别方法，包括以下步骤：
通过卫星获取河口的遥感影像；
对遥感影像进行预处理；
根据预处理后的所述遥感影像计算河口的总悬浮物含量；
根据预处理后的所述遥感影像计算河口的叶绿素含量；
根据所述河口的总悬浮物含量和河口的叶绿素含量通过以下方式计算河口浑浊带系数；
TMZI＝[Log(TSS)-Log(Chla)]/[Log(TSS)+Log(Chla)]；
其中，TMZI表示河口浑浊带系数，TSS表示河口的总悬浮物含量，Chla表示河口的叶绿素含量；
将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围。
相对于现有技术，本发明的河口浑浊带识别方法根据所述河口的总悬浮物含量和叶绿素含量计算出河口浑浊带系数，再根据所述河口浑浊带系数确定河口最大浑浊带范围，提高了识别所述河口最大浑浊带范围的准确性，并且由于河口的叶绿素含量与河口的总悬浮物含量存在一定关联，且两者都与河口的地理环境和季节气候有关，因此本发明能准确地获取到不同河口及所述河口处于不同季节的最大浑浊带范围，从而更准确地了解最大浑浊带在河口区域的分布情况、面积大小、距离港口码头的远近及其对航道运输的影响。
进一步，所述将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围后，还包括以下步骤：
显示所述遥感影像，并在所述遥感影像中标示所述河口最大浑浊带范围。直观地将所述河口最大浑浊带的范围展示给用户。
进一步，所述对遥感影像进行预处理包括以下步骤：
对遥感影像进行辐射定标，获取辐射亮度；
对辐射定标后的遥感影像进行大气校正，获取地表反射率。
进一步，所述对遥感影像进行辐射定标，获取辐射亮度，包括以下步骤：
获取卫星的载荷观测值、定标斜率和定标截距；
将卫星的载荷观测值通过以下方式转出成辐射亮度；L＝Gain*DN+Bias；其中，L为辐射亮度，DN为卫星的载荷观测值，Gain为定标斜率，Bias为定标截距。
进一步，所述对辐射定标后的遥感影像进行大气校正，获取地表反射率，包括以下步骤：
获取所述辐射亮度，通过以下方式将所述辐射亮度转换为地表反射率；
ρs＝Y/(1+Xc*Y)；
Y＝Xa*L-Xb；
其中，ρs是地表反射率，L是辐射亮度；Xa、Xb、Xc由大气校正模型计算得到的用于将所述辐射亮度转换为地表反射率的转换参数。
进一步，所述根据预处理后的所述遥感影像计算河口的总悬浮物含量，包括以下步骤：
从所述地表反射率提取红光波段反射率和近红外波段反射率，根据所述红光波段反射率和近红外波段反射率通过以下方式计算河口的总悬浮物含量；
若R1≥M，
Figure BDA0002834307930000021
若R1＜M，
Figure BDA0002834307930000022
其中，R1为红光波段反射率，R2为近红外波段反射率，M为预设的红外光波段反射率阈值，a、b和c为预设的总悬浮物含量计算的参量。
进一步，所述根据预处理后的所述遥感影像计算河口的叶绿素含量，包括以下步骤：
从所述地表反射率提取蓝光波段反射率、绿光波段反射率和红光波段反射率，根据所述蓝光波段反射率、绿光波段反射率和红光波段反射率通过以下方式计算河口的叶绿素含量；
Figure BDA0002834307930000031
其中，B为蓝光波段反射率，G为绿光波段反射率，R1为红光波段反射率；x和y为预设的叶绿素含量计算的参量；e为自然常数。
本发明的一个实施例还提供一种河口浑浊带识别系统，包括：
遥感影像获取模块，通过卫星获取河口的遥感影像；
预处理模块，用于对遥感影像进行预处理；
总悬浮物含量计算模块，用于根据预处理后的所述遥感影像计算河口的总悬浮物含量；
叶绿素含量计算模块，用于根据预处理后的所述遥感影像计算河口的叶绿素含量；
河口浑浊带系数计算模块，用于根据所述河口的总悬浮物含量和河口的叶绿素含量通过以下方式计算河口浑浊带系数；
TMZI＝[Log(TSS)-Log(Chla)]/[Log(TSS)+Log(Chla)]；
其中，TMZI表示河口浑浊带系数，TSS表示河口的总悬浮物含量，Chla表示河口的叶绿素含量；
河口最大浑浊带范围标定模块，将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围。
相对于现有技术，本发明的河口浑浊带识别系统可以根据所述河口的总悬浮物含量和叶绿素含量计算出河口浑浊带系数，再根据所述河口浑浊带系数获取河口最大浑浊带范围，提高了识别所述河口最大浑浊带范围的准确性，并且由于河口的叶绿素含量与河口的总悬浮物含量存在一定关联，且两者都与河口的地理环境和季节气候有关，因此本发明能准确地获取到不同河口及所述河口处于不同季节的最大浑浊带范围，从而更准确地了解最大浑浊带在河口区域的分布情况、面积大小、距离港口码头的远近及其对航道运输的影响。
进一步，所述预处理模块包括辐射定标子模块和大气校正子模块；
所述辐射定标子模块用于对遥感影像进行辐射定标，获取辐射亮度；
所述大气校正子模块用于对辐射定标后的遥感影像进行大气校正，获取地表反射率。
本发明的一个实施例还提供一种计算机设备，其特征在于：包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述河口浑浊带识别方法的步骤。
为了能更清晰的理解本发明，以下将结合附图说明阐述本发明的具体实施方式。
附图说明
图1为本发明一个实施例的河口浑浊带识别方法的流程图。
图2为本发明一个实施例的河口浑浊带识别方法的遥感影像预处理流程图。
图3为本发明一个实施例的河口浑浊带识别方法的步骤S2的流程图。
图4为本发明一个实施例的河口浑浊带识别方法的珠江口的遥感影像图。
图5为本发明一个实施例的河口浑浊带识别方法的珠江口总悬浮物含量和叶绿素含量示意图。
图6为本发明一个实施例的河口浑浊带识别方法的珠江口的最大浑浊带示意图。
图7为本发明一个实施例的河口浑浊带识别系统的模块连接图。
100、遥感影像获取模块；200、预处理模块；300、总悬浮物含量计算模块；400、叶绿素含量计算模块；500、河口浑浊带系数计算模块；600、河口最大浑浊带范围标定模块。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其是本发明一个实施例的河口浑浊带识别方法的流程图，该河口浑浊带识别方法可以提高识别的河口最大浑浊带范围的准确性，其包括以下步骤：
S1、通过卫星获取河口的遥感影像；
所述河口可以是任意河口区域，如珠江口、韩江口等。
所述遥感影像是指记录各种地物电磁波大小的胶片或照片，包括航空像片和卫星相片。
S2、对遥感影像进行预处理；
在一个实施例中，对遥感影像进行预处理如图2所示，包括以下步骤：
S21、对遥感影像进行辐射定标，获取辐射亮度；
辐射定标是指用户需要计算地物的光谱反射率或光谱辐射亮度时，或者需要对不同时间、不同传感器获取的图像进行比较时，都必须将图像的亮度灰度值转换为绝对的辐射亮度的过程。
辐射亮度表示面辐射源上某点在一定方向上的辐射强弱的物理量，指面辐射源在单位时间内通过垂直面元法线方向n上单位面积、单位立体角上辐射出的能量，即辐射源在单位投影面积上、单位立体角内的辐射通量。
S22、对辐射定标后的遥感影像进行大气校正，获取地表反射率。
大气校正是指传感器最终测得的地面目标的总辐射亮度并不是地表真实反射率的反映，其中包含了由大气吸收，尤其是散射作用造成的辐射量误差。大气校正就是消除这些由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程。
地表反射率是指地面反射辐射量与入射辐射量之比，表征地面对太阳辐射的吸收和反射能力。反射率越大，地面吸收太阳辐射越少；反射率越小，地面吸收太阳辐射越多。
S3、根据预处理后的所述遥感影像计算河口的总悬浮物含量；
河口的总悬浮物含量是指悬浮在河口的水中的固体物质，包括不溶于水中的无机物、有机物及泥砂、黏土、微生物等。悬浮物是造成水浑浊的主要原因之一，因此河口的总悬浮物含量是判断河口的最大浑浊带的重要因素。
所述步骤S3包括以下步骤：从所述地表反射率提取红光波段反射率和近红外波段反射率，根据所述红光波段反射率和近红外波段反射率计算河口的总悬浮物含量。
S4、根据预处理后的所述遥感影像计算河口的叶绿素含量；
通过计算河口的叶绿素含量，可以得到河口的浮游植物的分布情况，而河口的浮游植物是造成水浑浊的主要原因之一，因此通过计算河口的叶绿素含量有助于判断河口的最大浑浊带的范围。
所述步骤S4包括以下步骤：从所述地表反射率提取蓝光波段反射率、绿光波段反射率和红光波段反射率，根据所述蓝光波段反射率、绿光波段反射率和红光波段反射率计算河口的叶绿素含量。
S5、根据所述河口的总悬浮物含量和河口的叶绿素含量通过以下方式计算河口浑浊带系数；
TMZI＝[Log(TSS)-Log(Chla)]/[Log(TSS)+Log(Chla)]；
其中，TMZI表示河口浑浊带系数，TSS表示河口的总悬浮物含量，Chla表示河口的叶绿素含量；
S6、将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围。
所述浑浊带阈值是对所述河口进行多次抽检和实验获得的标准参数值。优选地，所述浑浊带阈值取值为0.2。
其中，所述步骤S3和S4不存在执行先后的顺序限制，本领域技术人员可以根据计算的便捷性而先执行所述步骤S4，再执行所述步骤S3，亦或同时执行所述步骤S3和S4。
在本实施例中，先对河口的遥感影像进行预处理，从而获取地表反射率这一重要参数，再根据所述地表反射率分别计算出河口的总悬浮物含量和叶绿素含量，根据所述河口的总悬浮物含量和叶绿素含量这两个和水质关联极大的参数计算出河口浑浊带系数，再通过所述河口浑浊带系数和浑浊带阈值的比对确定出河口最大浑浊带范围。
相对于现有技术，本发明的河口浑浊带识别方法提高了识别所述河口最大浑浊带范围的准确性，并且由于河口的叶绿素含量与河口的总悬浮物含量存在一定关联，且两者都与河口的地理环境和季节气候有关，因此本发明能准确地获取到不同河口及所述河口处于不同季节的最大浑浊带范围，有利于指导河口航道的建设、维护以及河口的运输航道规划。
在一个实施例中，所述步骤S6之后还包括步骤S7；
S7、显示所述遥感影像，并在所述遥感影像中标示所述河口最大浑浊带范围。
通过在所述遥感影像中直接表示出所述河口最大浑浊带的范围，直观地将所述河口最大浑浊带的范围展示出来，更方便用户根据所述遥感影像中的河口最大浑浊带范围进行河口的河口的维护和河口附近的航道的管理。
在一个实施例中，所述步骤S21包括以下步骤：
获取卫星的载荷观测值、定标斜率和定标截距；
将卫星的载荷观测值通过以下方式转出成辐射亮度；，
L＝Gain*DN+Bias；其中，L为辐射亮度，DN为卫星的载荷观测值，Gain为定标斜率，Bias为定标截距。
所述卫星的载荷观测值、定标斜率和定标截距是计算辐射亮度的重要参数；其中所述卫星的载荷观测值是指卫星上用于获取所述遥感影像的设备，如多光谱扫描仪；所述定标斜率用于对所述辐射亮度起增益作用，所述定标截距对所述辐射亮度起偏移修正作用。
所述辐射亮度表示从物体表面反射回卫星的能量的强弱即具体能量值。
其中，所述步骤S22包括以下步骤：
获取所述辐射亮度，通过以下方式将所述辐射亮度转换为地表反射率；
ρs＝Y/(1+Xc*Y)；
Y＝Xa*L-Xb；
其中，ρs是地表反射率，L是辐射亮度；Xa、Xb、Xc由大气校正模型计算得到的用于将所述辐射亮度转换为地表反射率的转换参数。
可以准确地计算出所述河口的地表反射率，方便计算河口的总悬浮物含量和叶绿素含量。
在一个实施例中，所述步骤S3包括以下步骤：
从所述地表反射率提取红光波段反射率和近红外波段反射率，根据所述红光波段反射率和近红外波段反射率通过以下方式计算河口的总悬浮物含量；
若R1≥M，
Figure BDA0002834307930000071
若R1＜M，
Figure BDA0002834307930000072
其中，R1为红光波段反射率，R2为近红外波段反射率，M为预设的红外光波段反射率阈值，a、b和c为预设的总悬浮物含量计算的参量。
优选地，M取值为0.031，a取值为-0.2821，b取值为0.8506，c取值为0.8295。以上数据为多次实验测试取得的最佳参数数值。
在本实施例中，可以计算出准确的河口的总悬浮物含量。
在一个实施例中，所述步骤S4包括以下步骤：
从所述地表反射率提取蓝光波段反射率、绿光波段反射率和红光波段反射率，根据所述蓝光波段反射率、绿光波段反射率和红光波段反射率通过以下方式计算河口的叶绿素含量；
Figure BDA0002834307930000073
其中，B为蓝光波段反射率，G为绿光波段反射率，R1为红光波段反射率；x和y为预设的叶绿素含量计算的参量；e为自然常数。
优选地，x取值为0.008907，y取值为2.308593。以上数据为多次实验测试取得的最佳参数数值。
在本实施例中，可以计算出准确的河口的叶绿素含量。
下面以珠江口为例对本发明进一步说明。
如图4，通过卫星获取广东省的珠江口的遥感影像，此时珠江口处于枯水期；
对珠江口的遥感影像进行预处理，包括以下步骤：
对其进行辐射定标，获取辐射亮度；
具体地，获取卫星的载荷观测值、定标斜率和定标截距；
将卫星的载荷观测值通过以下方式转出成珠江口的辐射亮度：L＝Gain*DN+Bias；其中，L为辐射亮度，DN为卫星的载荷观测值，Gain为定标斜率，Bias为定标截距。
对辐射定标后的珠江口的遥感影像进行大气校正，获取包含蓝光波段反射率、绿光波段反射率、红光波段反射率和近红外波段反射率的地表反射率；
具体地获取珠江口的辐射亮度，通过以下方式将所述辐射亮度转换为地表反射率：
ρs＝Y/(1+Xc*Y)；
Y＝Xa*L-Xb；
其中，ρs是地表反射率，L是辐射亮度；Xa、Xb、Xc由大气校正模型计算得到的用于将所述辐射亮度转换为地表反射率的转换参数。
如图5，从所述地表反射率提取蓝光波段反射率、绿光波段反射率、红光波段反射率和近红外波段反射率并分别计算出珠江口的总悬浮物含量和珠江口的叶绿素含量；
根据所述红光波段反射率和近红外波段反射率计算珠江口的总悬浮物含量：
具体地，从所述地表反射率提取红光波段反射率和近红外波段反射率，根据所述红光波段反射率和近红外波段反射率通过以下方式计算珠江口的总悬浮物含量：
若R1≥M，
Figure BDA0002834307930000081
若R1＜M，
Figure BDA0002834307930000082
其中，R1为红光波段反射率，R2为近红外波段反射率，M取值为0.031，a、b和c为预设的总悬浮物含量计算的参量，其中a取值为-0.2821，b取值为0.8506，c取值为0.8295。
根据所述蓝光波段反射率、绿光波段反射率和红光波段反射率计算珠江口的叶绿素含量；
具体地，从所述地表反射率提取蓝光波段反射率、绿光波段反射率和红光波段反射率，根据所述蓝光波段反射率、绿光波段反射率和红光波段反射率通过以下方式计算珠江口的叶绿素含量：
Figure BDA0002834307930000091
其中，B为蓝光波段反射率，G为绿光波段反射率，R1为红光波段反射率；x和y为预设的叶绿素含量计算的参量，x取值为0.008907，y取值为2.308593；e为自然常数。。
根据珠江口的总悬浮物含量和珠江口的叶绿素含量计算出珠江口的河口浑浊带系数；
TMZI＝[Log(TSS)-Log(Chla)]/[Log(TSS)+Log(Chla)]；
其中，TMZI表示珠江口的河口浑浊带系数，TSS表示珠江口的总悬浮物含量，Chla表示珠江口的叶绿素含量；
将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为珠江口的河口最大浑浊带范围。
如图6，显示所述遥感影像，并在所述遥感影像中标示所述河口最大浑浊带范围。
通过本发明的河口浑浊带识别方法可以快速地识别出河口最大浑浊带范围，方便用户针对所述河口最大浑浊带范围进行河口的维护和河口附近航道的管理。有利于用户规避所述河口最大浑浊带而设计航道路线，防止船舶航行时进入到到最大河口的最大浑浊，降低船舶底部在河口附近航行时受到的磨损，从而提高船舶航行的安全性。
请参阅图7，本发明还提供一种河口浑浊带识别系统，包括：
遥感影像获取模块100，通过卫星获取河口的遥感影像；
预处理模块200，用于对遥感影像进行预处理；
总悬浮物含量计算模块300，用于根据预处理后的所述遥感影像计算河口的总悬浮物含量；
叶绿素含量计算模块400，用于根据预处理后的所述遥感影像计算河口的叶绿素含量；
河口浑浊带系数计算模块500，用于根据所述河口的总悬浮物含量和河口的叶绿素含量通过以下方式计算河口浑浊带系数；
TMZI＝[Log(TSS)-Log(Chla)]/[Log(TSS)+Log(Chla)]；
其中，TMZI表示河口浑浊带系数，TSS表示河口的总悬浮物含量，Chla表示河口的叶绿素含量；
河口最大浑浊带范围标定模块600，将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围。
其中，所述预处理模块200包括辐射定标子模块和大气校正子模块；
所述辐射定标子模块用于对遥感影像进行辐射定标，获取辐射亮度；
所述大气校正子模块用于对辐射定标后的遥感影像进行大气校正，获取地表反射率。
在本实施例中，通过预处理模块200对河口的遥感影像进行预处理，从而获取地表反射率这一重要参数，分别利用总悬浮物含量计算模块300和叶绿素含量计算模块400计算出河口的总悬浮物含量和叶绿素含量，通过河口浑浊带系数计算模块500计算出河口浑浊带系数，利用河口最大浑浊带范围标定模块600获取河口最大浑浊带范围。
相对于现有技术，本发明的河口浑浊带识别系统提高了获取的所述河口最大浑浊带范围的准确性，并且由于河口的叶绿素含量与河口的总悬浮物含量存在一定关联，且两者都与河口的地理环境和季节气候有关，因此本发明能准确地获取到不同河口及所述河口处于不同季节的最大浑浊带范围，从而更准确地了解最大浑浊带在河口区域的分布情况、面积大小、距离港口码头的远近及其对航道运输的影响。
本发明的一个实施例还提供一种计算机设备，其特征在于：包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述河口浑浊带识别方法的步骤。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种河口浑浊带识别方法，其特征在于，包括以下步骤：
通过卫星获取河口的遥感影像；
对遥感影像进行预处理；
根据预处理后的所述遥感影像计算河口的总悬浮物含量；
根据预处理后的所述遥感影像计算河口的叶绿素含量；
根据所述河口的总悬浮物含量和河口的叶绿素含量通过以下方式计算河口浑浊带系数：
TMZI＝[Log(TSS)-Log(Chla)]/[Log(TSS)+Log(Chla)]；
其中，TMZI表示河口浑浊带系数，TSS表示河口的总悬浮物含量，Chla表示河口的叶绿素含量；
将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围。
2.根据权利要求1所述的河口浑浊带识别方法，其特征在于，所述将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围后，还包括以下步骤：
显示所述遥感影像，并在所述遥感影像中标示所述河口最大浑浊带范围。
3.根据权利要求1所述的河口浑浊带识别方法，其特征在于，所述对遥感影像进行预处理包括以下步骤：
对遥感影像进行辐射定标，获取辐射亮度；
对辐射定标后的遥感影像进行大气校正，获取包含蓝光波段反射率、绿光波段反射率、红光波段反射率和近红外波段反射率的地表反射率。
4.根据权利要求3所述的河口浑浊带识别方法，其特征在于，所述对遥感影像进行辐射定标，获取辐射亮度，包括以下步骤：
获取卫星的载荷观测值、定标斜率和定标截距；
将卫星的载荷观测值通过以下方式转出成辐射亮度：L＝Gain*DN+Bias；其中，L为辐射亮度，DN为卫星的载荷观测值，Gain为定标斜率，Bias为定标截距。
5.根据权利要求4所述的河口浑浊带识别方法，其特征在于，所述对辐射定标后的遥感影像进行大气校正，获取地表反射率，包括以下步骤：
获取所述辐射亮度，通过以下方式将所述辐射亮度转换为地表反射率：
ρs＝Y/(1+Xc*Y)；
Y＝Xa*L-Xb；
其中，ρs是地表反射率，L是辐射亮度；Xa、Xb、Xc由大气校正模型计算得到的用于将所述辐射亮度转换为地表反射率的转换参数。
6.根据权利要求5所述的河口浑浊带识别方法，其特征在于，所述根据预处理后的所述遥感影像计算河口的总悬浮物含量，包括以下步骤：
从所述地表反射率提取红光波段反射率和近红外波段反射率，根据所述红光波段反射率和近红外波段反射率通过以下方式计算河口的总悬浮物含量：
若R1≥M，
Figure FDA0002834307920000021
若R1＜M，
Figure FDA0002834307920000022
其中，R1为红光波段反射率，R2为近红外波段反射率，M为预设的红外光波段反射率阈值，a、b和c为预设的总悬浮物含量计算的参量。
7.根据权利要求5所述的河口浑浊带识别方法，其特征在于，所述根据预处理后的所述遥感影像计算河口的叶绿素含量，包括以下步骤：
从所述地表反射率提取蓝光波段反射率、绿光波段反射率和红光波段反射率，根据所述蓝光波段反射率、绿光波段反射率和红光波段反射率通过以下方式计算河口的叶绿素含量：
Figure FDA0002834307920000023
其中，B为蓝光波段反射率，G为绿光波段反射率，R1为红光波段反射率；x和y为预设的叶绿素含量计算的参量；e为自然常数。
8.一种河口浑浊带识别系统，其特征在于，包括：
遥感影像获取模块，通过卫星获取河口的遥感影像；
预处理模块，用于对遥感影像进行预处理；
总悬浮物含量计算模块，用于根据预处理后的所述遥感影像计算河口的总悬浮物含量；
叶绿素含量计算模块，用于根据预处理后的所述遥感影像计算河口的叶绿素含量；
河口浑浊带系数计算模块，用于根据所述河口的总悬浮物含量和河口的叶绿素含量通过以下方式计算河口浑浊带系数：
TMZI＝[Log(TSS)-Log(Chla)]/[Log(TSS)+Log(Chla)]；
其中，TMZI表示河口浑浊带系数，TSS表示河口的总悬浮物含量，Chla表示河口的叶绿素含量；
河口最大浑浊带范围标定模块，将所述河口浑浊带系数与预设的浑浊带阈值比对，将所述遥感影像中所述河口浑浊带系数大于所述浑浊带阈值的范围确定为河口最大浑浊带范围。
9.根据权利要求8所述的河口浑浊带识别系统，其特征在于：所述预处理模块包括辐射定标子模块和大气校正子模块；
所述辐射定标子模块用于对遥感影像进行辐射定标，获取辐射亮度；
所述大气校正子模块用于对辐射定标后的遥感影像进行大气校正，获取地表反射率。
10.一种计算机设备，其特征在于：包括储存器、处理器以及储存在所述储存器中并可被所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6任意一项所述的方法的步骤。
CN202011466246.XA 2020-12-14 2020-12-14 一种河口浑浊带识别方法和识别系统 Active CN112763425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011466246.XA CN112763425B (zh) 2020-12-14 2020-12-14 一种河口浑浊带识别方法和识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011466246.XA CN112763425B (zh) 2020-12-14 2020-12-14 一种河口浑浊带识别方法和识别系统

Publications (2)

Publication Number Publication Date
CN112763425A true CN112763425A (zh) 2021-05-07
CN112763425B CN112763425B (zh) 2021-12-28

Family

ID=75693678

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011466246.XA Active CN112763425B (zh) 2020-12-14 2020-12-14 一种河口浑浊带识别方法和识别系统

Country Status (1)

Country Link
CN (1) CN112763425B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113359726A (zh) * 2021-06-04 2021-09-07 中山大学 一种最大浑浊带的预测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108507949A (zh) * 2018-02-07 2018-09-07 浙大正呈科技有限公司 一种基于高分遥感卫星的河道水质监测方法
CN109489721A (zh) * 2018-11-09 2019-03-19 朱光兴 一种水环境敏感区遥感识别系统
CN110412228A (zh) * 2019-08-01 2019-11-05 广西壮族自治区环境保护科学研究院 一种基于遥感的水环境监测服务系统
CN111982831A (zh) * 2020-07-01 2020-11-24 深圳市迈珂斯环保科技有限公司 一种基于高光谱技术的水质在线监测方法、装置和系统
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108507949A (zh) * 2018-02-07 2018-09-07 浙大正呈科技有限公司 一种基于高分遥感卫星的河道水质监测方法
CN109489721A (zh) * 2018-11-09 2019-03-19 朱光兴 一种水环境敏感区遥感识别系统
CN110412228A (zh) * 2019-08-01 2019-11-05 广西壮族自治区环境保护科学研究院 一种基于遥感的水环境监测服务系统
CN111982831A (zh) * 2020-07-01 2020-11-24 深圳市迈珂斯环保科技有限公司 一种基于高光谱技术的水质在线监测方法、装置和系统
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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113359726A (zh) * 2021-06-04 2021-09-07 中山大学 一种最大浑浊带的预测方法及系统
CN113359726B (zh) * 2021-06-04 2022-12-13 中山大学 一种最大浑浊带的预测方法及系统

Also Published As

Publication number Publication date
CN112763425B (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
Liu et al. An OLCI-based algorithm for semi-empirically partitioning absorption coefficient and estimating chlorophyll a concentration in various turbid case-2 waters
Fang et al. Retrieving leaf area index with a neural network method: Simulation and validation
Simis et al. Unattended processing of shipborne hyperspectral reflectance measurements
CN112051222A (zh) 一种基于高分卫星影像的河湖水质监测方法
CN108253943B (zh) 一种基于卫星遥感影像的赤潮浒苔一体化监测方法
CN102288956B (zh) 一种遥感卫星多光谱数据的大气订正方法
Hooker et al. Platform and environmental effects on above-water determinations of water-leaving radiances
Bell et al. Single-blind determination of methane detection limits and quantification accuracy using aircraft-based LiDAR
Piayda et al. Influence of woody tissue and leaf clumping on vertically resolved leaf area index and angular gap probability estimates
CN106295696A (zh) 一种多源遥感影像辐射归一化方法
Knaeps et al. The seaswir dataset
Pollock Model-based approach to automatically locating tree crowns in high spatial resolution images
CN111415309A (zh) 一种基于最小反射率法的高分辨率遥感影像大气校正方法
CN110398738A (zh) 一种利用遥感图像反演海面风速的方法
CN112763425B (zh) 一种河口浑浊带识别方法和识别系统
CN111241991B (zh) 一种基于遥感影像的水质分类方法
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
CN114218786B (zh) 非偏振卫星传感器在轨偏振辐射特性反演方法
Putsay A simple atmospheric correction method for the short wave satellite images
Tang et al. Imagery-derived bathymetry in Strait of Johor’s turbid waters using multispectral images
Kopelevich et al. Penetration of visible solar radiation in waters of the Barents Sea depending on cloudiness and coccolithophore blooms
Zhou et al. Cloud detection over sunglint regions with observations from the earth polychromatic imaging camera
CN116465803A (zh) 一种构建悬浮物浓度反演模型的方法及装置
Aitken et al. Prelude to CZMIL: seafloor imaging and classification results achieved with CHARTS and the Rapid Environmental Assessment (REA) Processor
KR20210018737A (ko) 에어로졸의 광학 특성 산출 장치 및 방법

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