CN113092383A - 一种近海岸海洋赤潮识别方法 - Google Patents
一种近海岸海洋赤潮识别方法 Download PDFInfo
- Publication number
- CN113092383A CN113092383A CN202110368585.2A CN202110368585A CN113092383A CN 113092383 A CN113092383 A CN 113092383A CN 202110368585 A CN202110368585 A CN 202110368585A CN 113092383 A CN113092383 A CN 113092383A
- Authority
- CN
- China
- Prior art keywords
- red tide
- pixel point
- water body
- remote sensing
- sea area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 75
- 238000002310 reflectometry Methods 0.000 claims abstract description 34
- 230000003595 spectral effect Effects 0.000 claims abstract description 22
- 238000012937 correction Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 239000003086 colorant Substances 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 abstract description 3
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 17
- 229930002868 chlorophyll a Natural products 0.000 description 13
- 238000012544 monitoring process Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 5
- 238000006467 substitution reaction Methods 0.000 description 5
- 229930002875 chlorophyll Natural products 0.000 description 4
- 235000019804 chlorophyll Nutrition 0.000 description 4
- 241000195493 Cryptophyta Species 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
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
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/55—Specular reflectivity
-
- 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
- G01N2021/1765—Method using an image detector and processing of image signal
-
- 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
本发明涉及一种近海岸海洋赤潮识别方法,S1、获取同一片海域水体的卫星遥感影像和实测高光谱数据;S2、得到位于海域内的每个像素点在预设波段内的各波长反射率;S3、根据实测高光谱数据确定出三个波长;S4、获取每个像素点对应S3中的三个波长的反射率;S5、构建赤潮识别指数计算公式,并计算卫星遥感影像上海域水体内每个像素点的赤潮识别指数;S6、当某个像素点的海洋赤潮识别指数在预设范围内时则该像素点的水体为赤潮水体;反之则该像素点的水体为非赤潮水体;S7、按照S6中的方法对每个像素点进行赤潮判断。该方法综合考虑了赤潮水体的光谱特征,并通过计算赤潮识别指数和阈值分割可以简便、高效、准确的提取赤潮。
Description
技术领域
本发明涉及卫星遥感影像处理领域,特别涉及一种近海岸海洋赤潮识别方法。
背景技术
赤潮是在特殊环境条件下产生的水体变色的有害生态现象,通常由海洋里的浮游植物、原生动物、细菌暴发性增殖或高度聚集而引起。赤潮发生时,海洋生物的大量死亡给海洋水产养殖业、滨海旅游业等造成巨大经济损失,同时对海洋生态环境造成极大破坏。传统的监测方法如船舶监测和浮标监测无法观察赤潮在空间上的发生情况,且成本非常高,经济效益低下。而遥感卫星能够从更宏观地角度监测赤潮时空变化过程,已经成为目前赤潮空间监测的最佳选择。因此,研究先进的赤潮遥感监测方法对于有效监测赤潮灾害,保护海洋生态环境具有重要的意义。
目前有论文公开了一种基于植被指数的航空高光谱赤潮检测方法,其中根据两类地物差异的显著性度量以确定出组合波段,但该方法中需要计算所有组合波段下的植被指数,才能确定出最佳组合波段,其中在计算时选取组合波段个数较少时易出现赤潮检测精度较低的情况,但组合波段个数较多时则出现计算复杂的问题,因此上述方法并不适用。
发明内容
本发明所要解决的技术问题是针对现有技术的现状,提供一种简单方便且识别准确度高的近海岸海洋赤潮识别方法。
本发明解决上述技术问题所采用的技术方案为:一种近海岸海洋赤潮识别方法,其特征在于:包括以下步骤:
S1、获取同一片海域内水体的卫星遥感影像和实测高光谱数据;
S2、对卫星遥感影像进行预处理,得到卫星遥感影像中位于海域内的每个像素点在预设波段内的各波长反射率;
S3、将S1中的实测高光谱数据绘制成光谱反射率曲线,并判断出光谱反射率曲线中明显突变的三个波长,然后,结合卫星遥感影像中波段设置的先验知识确定出第一波长λ1、第二波长λ2和第三波长λ3,λ2<λ1<λ3;
S4、在S2中获取卫星遥感影像中位于海域内每个像素点的第一波长λ1的反射率Rrs(λ1)、第二波长λ2的反射率Rrs(λ2)和第三波长λ3的反射率Rrs(λ3);
S5、构建赤潮识别指数RTI计算公式,并根据以下公式计算卫星遥感影像中位于海域内的每个像素点的赤潮识别指数RTI:
RTI=[Rrs(λ1)-1-Rrs(λ2)-1]/[Rrs(λ3)-1-Rrs(λ1)-1];
S6、在卫星遥感影像中位于海域内任意选择一个像素点,判断该像素点的赤潮识别指数RTI是否在预设范围内,如是,则该像素点的水体为赤潮水体;如否,则该像素点的水体为非赤潮水体;
S7、按照S6中的方法对卫星遥感影像中位于海域内的每个像素点的赤潮识别指数RTI进行判断。
所述S2中预处理依次包括辐射校正、裁剪、大气校正和几何校正。
所述S1中实测高光谱数据为多个赤潮水体的实测高光谱数据;其中,实测高光谱数据获取的方法为:先人工对海域的水体进行判定,并在海域中选出多个判定为赤潮水体的区域,之后对选出的区域进行高光谱测量,获得多个赤潮水体的实测高光谱数据。
为了更加直观的了解赤潮发生区域,所述S7后还包括步骤S8:将S7中计算得到的赤潮识别指数RTI按照从小到大的顺序进行排序,并在卫星遥感影像上将位于海域内每个像素点依次按照赤潮识别指数RTI的排序用不同颜色进行标注。
与现有技术相比,本发明的优点在于:通过建立赤潮识别指数计算公式,并根据分析赤潮的情况以确定出最能体现赤潮特征的波长,从而根据卫星遥感影像上每个像素点的赤潮识别指数,该方法综合考虑了赤潮水体的光谱特征,并通过计算卫星遥感影像上每个像素点的赤潮识别指数,从而通过阈值分割可以简便、高效、准确的提取赤潮。
附图说明
图1为本发明实施例中近海岸海洋赤潮识别方法的流程图;
图2为本发明实施例中赤潮水体、浑浊水体和清洁水体的光谱反射率曲线图。
具体实施方式
以下结合附图实施例对本发明作进一步详细描述。
如图1所示,一种近海岸海洋赤潮识别方法包括以下步骤:
S1、获取同一片海域内水体的卫星遥感影像和实测高光谱数据;
本实施例中,卫星遥感影像为Sentinel-3OLCI卫星遥感影像数据,实测高光谱数据为ASD FieldSpec HandHeld2手持式地面光谱仪测量得到的高光谱数据;
S2、对卫星遥感影像进行预处理,得到卫星遥感影像中位于海域内的每个像素点在预设波段内的各波长反射率;
其中,S2中预处理依次包括辐射校正、裁剪、大气校正和几何校正的处理;另外,预设波段为遥感领域常用的波段,本实施例中,预设波段为:400~900nm;
S3、将S1中的实测高光谱数据绘制成光谱反射率曲线,并判断出光谱反射率曲线中三个明显突变的波峰或波谷所对应的波长,然后,结合卫星遥感影像中波段设置的先验知识确定出第一波长λ1、第二波长λ2和第三波长λ3,λ2<λ1<λ3;
为了能提高赤潮识别的准确率,本实施例中,实测高光谱数据为多个赤潮水体的实测高光谱数据;其中,实测高光谱数据获取的方法为:先人工对海域的水体进行判定,并在海域中选出多个判定为赤潮水体的区域,之后对选出的区域进行高光谱测量,获得多个赤潮水体的实测高光谱数据;
其中,通过人工对光谱反射率曲线中进行判断,获取多条赤潮水体的光谱反射率曲线上的三个最明显突变的波峰或波谷,由于每条光谱反射率曲线上的最明显突变的波峰或波谷对应的波长不可能完全一致,因此在人工判断时只能通过先预估出光谱发射率曲线中明显突变的点所对应的波长范围(即:敏感波段);另外,卫星遥感影像中波段设置的先验知识指的是现有遥感影像中波段设置的经验值,现有遥感影像中根据不同波段的特性从而将每个波段赋予不同的用途;本实施例中,通过先对实测高光谱数据获取用于海域内最能体现赤潮特征的敏感波段,并结合现有卫星遥感影像的波段设置先验知识进行修正,从而提高通过卫星遥感影像识别赤潮现象的准确率;
S4、在S2中获取卫星遥感影像中位于海域内每个像素点的第一波长λ1的反射率Rrs(λ1)、第二波长λ2的反射率Rrs(λ2)和第三波长λ3的反射率Rrs(λ3);
S5、构建赤潮识别指数RTI计算公式,并根据以下公式计算卫星遥感影像中位于海域内的每个像素点的赤潮识别指数RTI:
RTI=[Rrs(λ1)-1-Rrs(λ2)-1]/[Rrs(λ3)-1-Rrs(λ1)-1];
S6、在卫星遥感影像中位于海域内任意选择一个像素点,判断该像素点的赤潮识别指数RTI是否在预设范围内,如是,则该像素点的水体为赤潮水体;如否,则该像素点的水体为非赤潮水体;上述预设范围是根据对历年这一片海域内的赤潮事件记录确定的,本实施例中,预设范围为0.2~1;
S7、按照S6中的方法对卫星遥感影像中位于海域内的每个像素点的赤潮识别指数RTI进行判断。
为了更加直观的了解赤潮发生区域,S7后还包括步骤S8:将S7中计算得到的赤潮识别指数RTI按照从小到大的顺序进行排序,并在卫星遥感影像上将位于海域内每个像素点依次按照赤潮识别指数RTI的排序用不同颜色进行标注。赤潮识别指数RTI越大,颜色越深,从而能更加直观的观察到赤潮发生的区域。
水色遥感的目的就是为了反演水质的组分,一般水中有悬浮物,叶绿素(提取赤潮的关键),还有一些有机物氮磷等(不是研究的关键)。因此如何提取水体中的叶绿素量是识别赤潮的关键。现有的水体叶绿素a浓度遥感估算方法有三波段模型以及四波段模型,其中,四波段模型比三波段的优势在于:能最大化的消除悬浮颗粒的吸收系数对反演结果的影响,更好的应用于高浑浊水体中;现有的四波段模型计算公式为:
[Rrs(λr)-1-Rrs(λ2)-1]/[Rrs(λ3)-1-Rrs(λ4)-1];
本发明中根据对海域水体拍摄的卫星遥感影像中获取的光谱反射率曲线进行分析,根据现有的反射光谱知识可很清楚的知道,光谱反射率曲线中波峰和波谷对应的波长则对应为水体中叶绿素a最敏感的波段,由于当地的海域的光谱反射率曲线只存在影响力较大的三个波段,并未出现比较突出的第四个波段,因此上述四波段模型并不能适用于该海域的遥感影像判定,效果不佳;本发明中赤潮识别指数RTI计算公式是在现有的水体叶绿素a浓度遥感估算的四波段模型优化而成的,本质是一种增强型三波段模型,既有效消除了悬浮物的影响,同时用到的波段较少,计算简单;实验时用λ1替换λ4,当然,同时也用λ2替换λ4,但经过实验后发现用λ2替换λ4的识别精确度明显没有用λ1替换λ4好,因此本实施例中选用λ1替换λ4。
本发明中第一波长λ1、第二波长λ2和第三波长λ3确定的理论依据为:
在海岸带、河口河流和内陆水域等二类水体,反射光谱由三个组成部分决定:浮游植物色素(主要是叶绿素a),无机悬浮沉积物和黄色物质,纯净水体在可见光波段反射率随着波长增大而减小,在近红外波段,由于水体吸收系数大,水面反射率非常小,赤潮现象是由于藻类植物爆发增长而出现,其空间分布特征与海表面叶绿素a异常聚集呈显著相关性。
在二类水体中,叶绿素a的反射峰位于675nm附近和700nm-760nm附近,反射峰的出现是含叶绿素a水体最显著的光谱特征,其存在与否被认为是判定水体是否含有藻类叶绿素a的依据。因此这些波段可以作为叶绿素定量标志。利用光谱曲线可以提供的藻类叶绿素a和其他物质分布信息,便于直观分析赤潮水体的光谱特征。
因此本发明中利用实测光谱数据绘制赤潮水体、浑浊水体和清洁水体的光谱反射率曲线,并采样到Sentinel-3OLCI数据各个波段上,由图2可以发现,赤潮水体的反射率值在各个波段整体处于较高的值,高于浑浊水体高于清洁水体。三种水体都在560nm波段处的反射率达到最高,在波长大于560nm时,三种水体反射率都随着波长的增加呈指数递减达到最小值。其中,赤潮水体与其他水体的光谱特征的差别差异主要集中在可见光-近红外波段,特别是在650nm-760nm光谱形状明显不同;对于赤潮水体,在675nm和760nm附近存在叶绿素a吸收峰,此处的反射率与叶绿素a浓度呈现较高的负相关,在700nm处由于叶绿素荧光的作用呈现较平缓的上升趋势。因此选择这些波段组合的遥感反射率比值可以突出赤潮水体的特点,有利于区分赤潮水体和非赤潮水体。
如图1中所示,多个赤潮水体光谱反射率曲线的三个明显突变的波峰或波谷分别对应为560nm附近、675nm和760nm附近,这三个明显突变的地方为叶绿素a的敏感波段,并根据OLCI拍摄的卫星遥感影像波段设置及用途如下表1所示,其中表1为现有遥感影像领域常用的波段划分及用途;560nm附近设置有波长510nm、560nm和620nm,675nm附近设置有波长665nm和673.75nm,760nm附近设置有波长753.75nm和761.25nm,根据用途进行分析确定出第一波长、第二波长和第三波长,本实施例中,第一波长λ1为665nm,第二波长λ2为560nm,第三波长λ3为754nm,这三个波长是在对海域水体分析获取的波长范围并结合先验知识做了修正而获得。
在实际使用时,例如如果之前有对东海海域进行分析获取得到的三个波段时,则下次对东海海域进行赤潮分析时,则直接使用之前的三个波段;海域不同时则重新进行分析获取;本发明中实测高光谱数据用于赤潮水体的光谱特征分析,从而得到最能体现赤潮水体特征的波长,以得到最能表示赤潮情况的赤潮识别指数RTI计算公式,并通过卫星遥感影像作为范围区域赤潮面积提取的数据源,计算出卫星遥感影像上每个像素点的赤潮识别指数RTI,最后通过阈值分割识别出赤潮,另外将历年赤潮事件记录作为赤潮提取精度验证的依据。
表1 OLCI的波段设置及其用途
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (4)
1.一种近海岸海洋赤潮识别方法,其特征在于:包括以下步骤:
S1、获取同一片海域内水体的卫星遥感影像和实测高光谱数据;
S2、对卫星遥感影像进行预处理,得到卫星遥感影像中位于海域内的每个像素点在预设波段内的各波长反射率;
S3、将S1中的实测高光谱数据绘制成光谱反射率曲线,并判断出光谱反射率曲线中三个明显突变的波峰或波谷所对应的波长,然后,结合卫星遥感影像中波段设置的先验知识确定出第一波长λ1、第二波长λ2和第三波长λ3,λ2<λ1<λ3;
S4、在S2中获取卫星遥感影像中位于海域内每个像素点的第一波长λ1的反射率Rrs(λ1)、第二波长λ2的反射率Rrs(λ2)和第三波长λ3的反射率Rrs(λ3);
S5、构建赤潮识别指数RTI计算公式,并根据以下公式计算卫星遥感影像中位于海域内的每个像素点的赤潮识别指数RTI:
RTI=[Rrs(λ1)-1-Rrs(λ2)-1]/[Rrs(λ3)-1-Rrs(λ1)-1];
S6、在卫星遥感影像中位于海域内任意选择一个像素点,判断该像素点的赤潮识别指数RTI是否在预设范围内,如是,则该像素点的水体为赤潮水体;如否,则该像素点的水体为非赤潮水体;
S7、按照S6中的方法对卫星遥感影像中位于海域内的每个像素点的赤潮识别指数RTI进行判断。
2.根据权利要求1所述的近海岸海洋赤潮识别方法,其特征在于:所述S2中预处理依次包括辐射校正、裁剪、大气校正和几何校正。
3.根据权利要求1所述的近海岸海洋赤潮识别方法,其特征在于:所述S1中实测高光谱数据为多个赤潮水体的实测高光谱数据;其中,实测高光谱数据获取的方法为:先人工对海域的水体进行判定,并在海域中选出多个判定为赤潮水体的区域,之后对选出的区域进行高光谱测量,获得多个赤潮水体的实测高光谱数据。
4.根据权利要求1~3任一项所述的近海岸海洋赤潮识别方法,其特征在于:所述S7后还包括步骤S8:将S7中计算得到的赤潮识别指数RTI按照从小到大的顺序进行排序,并在卫星遥感影像上将位于海域内每个像素点依次按照赤潮识别指数RTI的排序用不同颜色进行标注。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368585.2A CN113092383A (zh) | 2021-04-06 | 2021-04-06 | 一种近海岸海洋赤潮识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110368585.2A CN113092383A (zh) | 2021-04-06 | 2021-04-06 | 一种近海岸海洋赤潮识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113092383A true CN113092383A (zh) | 2021-07-09 |
Family
ID=76674399
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110368585.2A Pending CN113092383A (zh) | 2021-04-06 | 2021-04-06 | 一种近海岸海洋赤潮识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113092383A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640226A (zh) * | 2021-08-12 | 2021-11-12 | 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 |
CN114923867A (zh) * | 2022-07-19 | 2022-08-19 | 中国海洋大学 | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 |
CN115035411A (zh) * | 2022-06-17 | 2022-09-09 | 宁波大学 | 一种基于高光谱数据的互花米草指数构建与提取方法 |
CN115290572A (zh) * | 2022-10-08 | 2022-11-04 | 长春理工大学 | 一种基于主动照明的赤潮偏振监测装置及其监测方法 |
CN115326722A (zh) * | 2022-08-12 | 2022-11-11 | 宁波拾烨智能科技有限公司 | 基于高光谱遥感数据的海洋赤潮预警方法 |
CN116310543A (zh) * | 2023-03-14 | 2023-06-23 | 自然资源部第一海洋研究所 | Gf-1 wfv卫星赤潮深度学习探测模型、构建方法及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604761A (zh) * | 2013-10-29 | 2014-02-26 | 国家海洋局第一海洋研究所 | 基于aisa航空高光谱影像的赤潮检测方法 |
CN106053370A (zh) * | 2016-08-02 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于hico模拟的反演近海岸水体透明度的方法 |
CN109781626A (zh) * | 2019-03-11 | 2019-05-21 | 王祥 | 一种基于光谱分析的近岸高悬沙水体绿潮遥感识别方法 |
CN110082349A (zh) * | 2019-02-01 | 2019-08-02 | 南京师范大学 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
KR102073394B1 (ko) * | 2018-11-16 | 2020-02-04 | 대한민국 | 초분광 자료를 이용한 내수 유해 남조류 정량 탐지 방법 |
-
2021
- 2021-04-06 CN CN202110368585.2A patent/CN113092383A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103604761A (zh) * | 2013-10-29 | 2014-02-26 | 国家海洋局第一海洋研究所 | 基于aisa航空高光谱影像的赤潮检测方法 |
CN106053370A (zh) * | 2016-08-02 | 2016-10-26 | 山东省科学院海洋仪器仪表研究所 | 一种基于hico模拟的反演近海岸水体透明度的方法 |
KR102073394B1 (ko) * | 2018-11-16 | 2020-02-04 | 대한민국 | 초분광 자료를 이용한 내수 유해 남조류 정량 탐지 방법 |
CN110082349A (zh) * | 2019-02-01 | 2019-08-02 | 南京师范大学 | 一种基于olci的内陆富营养化湖泊水体蓝藻生物量比例遥感估算方法 |
CN109781626A (zh) * | 2019-03-11 | 2019-05-21 | 王祥 | 一种基于光谱分析的近岸高悬沙水体绿潮遥感识别方法 |
Non-Patent Citations (3)
Title |
---|
丘仲锋;崔廷伟;何宜军;: "基于水体光谱特性的赤潮分布信息MODIS遥感提取", 光谱学与光谱分析, no. 08, pages 2233 - 2237 * |
周琳等: "浑浊Ⅱ类水体叶绿素a浓度遥感反演(Ⅰ):模型的选择", 红外与毫米波学报, vol. 30, no. 6, pages 531 - 536 * |
姜广甲等: "浑浊Ⅱ类水体叶绿素a浓度遥感反演(Ⅱ):MERIS遥感数据的应用", 红外与毫米波学报, vol. 32, no. 4, pages 372 - 378 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113640226A (zh) * | 2021-08-12 | 2021-11-12 | 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 |
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 |
CN115035411A (zh) * | 2022-06-17 | 2022-09-09 | 宁波大学 | 一种基于高光谱数据的互花米草指数构建与提取方法 |
CN115035411B (zh) * | 2022-06-17 | 2023-01-17 | 宁波大学 | 一种基于高光谱数据的互花米草指数构建与提取方法 |
CN114923867A (zh) * | 2022-07-19 | 2022-08-19 | 中国海洋大学 | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 |
CN114923867B (zh) * | 2022-07-19 | 2022-10-11 | 中国海洋大学 | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 |
CN115326722A (zh) * | 2022-08-12 | 2022-11-11 | 宁波拾烨智能科技有限公司 | 基于高光谱遥感数据的海洋赤潮预警方法 |
CN115290572A (zh) * | 2022-10-08 | 2022-11-04 | 长春理工大学 | 一种基于主动照明的赤潮偏振监测装置及其监测方法 |
CN116310543A (zh) * | 2023-03-14 | 2023-06-23 | 自然资源部第一海洋研究所 | Gf-1 wfv卫星赤潮深度学习探测模型、构建方法及设备 |
CN116310543B (zh) * | 2023-03-14 | 2023-09-22 | 自然资源部第一海洋研究所 | Gf-1 wfv卫星赤潮深度学习探测模型、构建方法及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113092383A (zh) | 一种近海岸海洋赤潮识别方法 | |
CN109781626B (zh) | 一种基于光谱分析的近岸高悬沙水体绿潮遥感识别方法 | |
Alawadi | Detection of surface algal blooms using the newly developed algorithm surface algal bloom index (SABI) | |
CN109635765B (zh) | 一种浅海珊瑚礁遥感信息自动提取方法 | |
Hoge et al. | Satellite retrieval of the absorption coefficient of chromophoric dissolved organic matter in continental margins | |
Alam et al. | Trends in oil spill detection via hyperspectral imaging | |
CN111007013B (zh) | 面向东北冷凉区的作物轮作休耕遥感监测方法与装置 | |
Kutser et al. | Remote sensing of water quality in optically complex lakes | |
Rodríguez et al. | A comparison of spectral macroalgae taxa separability methods using an extensive spectral library | |
CN114724035A (zh) | 一种基于遥感技术的早期水华检测方法 | |
CN111274871B (zh) | 基于轻小型无人机的森林火灾林木受损程度提取方法 | |
CN113340914B (zh) | 一种基于高光谱遥感的水体富营养化状态测算方法 | |
Khalili et al. | Harmful algal blooms monitoring using SENTINEL-2 satellite images | |
CN111678883B (zh) | 海上浒苔和马尾藻鉴别方法 | |
CN107704835A (zh) | 一种利用光谱遥感图像识别海上人工设施的方法 | |
John et al. | Integration of multispectral satellite and hyperspectral field data for aquatic macrophyte studies | |
CN109709061B (zh) | 一种太阳耀光非敏感水体指数的去耀光方法 | |
Chen et al. | Automatic Extraction Method of Sargassum Based on Spectral-Texture Features of Remote Sensing Images | |
CN114998724B (zh) | 一种抗云层干扰的湖泊蓝藻水华遥感监测方法 | |
Warner et al. | Optical spectra of phytoplankton cultures for remote sensing applications: focus on harmful algal blooms | |
Astoreca et al. | Optical properties of algal blooms in an eutrophicated coastal area and its relevance to remote sensing | |
Charles et al. | Sparse coding for spectral signatures in hyperspectral images | |
Wang et al. | Study on monitoring of red tide by multi-spectral remote sensing based on HJ-CCD and MODIS | |
Smith et al. | Satellite ocean colour based Harmful Algal Bloom identification for improved risk assessment and mitigation | |
Wang et al. | Spectral Analysis Based Green Tide Identification in High-suspended Sediment Wasters in South Yellow Sea of China |
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 |