CN114140697B - 海表流场遥感探测方法及装置 - Google Patents
海表流场遥感探测方法及装置 Download PDFInfo
- Publication number
- CN114140697B CN114140697B CN202111028957.3A CN202111028957A CN114140697B CN 114140697 B CN114140697 B CN 114140697B CN 202111028957 A CN202111028957 A CN 202111028957A CN 114140697 B CN114140697 B CN 114140697B
- Authority
- CN
- China
- Prior art keywords
- image
- remote sensing
- data
- image data
- flow field
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本发明实施例涉及海洋监测技术领域,公开了一种海表流场遥感探测方法,包括:获取遥感影像数据;对遥感影像数据中的三个可见光波段进行波段计算以得到相应的影像示踪特征;根据影像示踪特征确定对应的示踪物信息;根据示踪物信息对影像模板窗口和影像匹配窗口进行数据匹配以得到对应的数据匹配结果;根据数据匹配结果确定相应的海表流场图。本发明实施例中的海表流场遥感探测方法通过对遥感图像的数据处理进而计算得到对应流场的流速和流向,实现对海洋流场动态变化监测的目的;在本发明实施例中通过采用波段计算的方式计算得到相应的示踪物信息,通过示踪物信息来实现对海表流场的表征,进而达到更好的海洋流场监测的目的。
Description
技术领域
本发明涉及海流监测技术领域,具体涉及一种海表流场遥感探测方法及装置。
背景技术
海流是因海水受到热辐射、蒸发、降水、冷缩等而成密度不同的水团,在风应力、科氏力、引潮力、浮力等作用下而发生相对稳定流动。在海流输运过程中,它会重新分配热量、溶解盐、沉积物、浮游生物、营养物和海洋污染物。强劲的洋流会破坏海洋哺乳动物、鸟类和鱼类的窝穴,并迫使它们迁徙,以寻找食物、繁殖地和产卵区。此外,海流也会直接或者间接影响许多社会经济活动,例如海上航运,海洋污染以及安全等问题。因此,了解海流信息对于海洋管理具有重要的意义。
目前,现场观测海流的方法可以分为欧拉观测和拉格朗日观测。欧拉观测是将海流探测器(如声学多普勒海流剖面仪,电磁海流计)固定在某一特定位置进行长时间序列的观测。拉格朗日观测是通过跟踪放入海水中的浮子(漂流瓶或浮标)随海水流动,测量海流的流速和流向。这两种方法都能够较准确地监测海流,但由于观测仪器成本高、投放数量有限、设备维护成本高等特点,致使观测数据少、空间覆盖范围有限,难以进行大范围、长时间序列的观测,因而很难获取实时大面积的海流观测信息。
卫星遥感技术具有高时间分辨率、高空间分辨率的观测特点,被越来越多的应用到海表流场的观测。目前进行海流观测的卫星传感器包括卫星高度计(Geosat、TOPEX/Poseidon、ENVISAT)、合成孔径雷达(Synthetic Aperture Radar,SAR)、高频雷达、极轨海洋卫星传感器和静止海洋卫星传感器,这些传感器可以实现对不同尺度的海洋流场进行观测。卫星高度计通过对全球海表高度进行测量,使用地转平衡方程来计算流场。但该方法由于其空间和时间分辨率低(10km量级的空间分辨率),仅用于大中尺度动力过程的研究。合成孔径雷达的观测具有较高的空间分辨率,但重复观测的周期长,难以对特定区域进行高频观测。高频雷达利用电磁波与海洋表面发生的布拉格发生的后向散射共振原理实现海表流场观测,但高频雷达作为近岸观测系统,只能对周围200千米的流场进行准确观测,且基站观测少、覆盖范围小,难以对大面积的流场进行长时间观测。极轨卫星利用观测得到的时间序列影像(AVHRR,CZCS,MODIS等影像)可以计算得到在特定时间间隔的平均流场,但由于极轨卫星在中低纬度地区每天只能观测一到两次,无法对日内变化的海流进行估算,因此很难满足对快速变化的海洋流场进行实时监测需求。基于此,设计一种易于进行海流监测的方案成为本领域技术人员亟待解决的技术问题。
发明内容
针对所述缺陷,本发明实施例公开了一种海表流场遥感探测方法,其能够通过对遥感图像的数据处理进而计算得到对应流场的流速和流向,实现对海洋流场动态变化监测的目的。
本发明实施例第一部分阐述了利用国产卫星数据探测海表流场的遥感探测方法,包括:
获取国产风云4的卫星影像数据,数据采用目视解译判断影像中云覆盖的情况,筛选处至少两景卫星影像数据;
对影像数据进行预处理,包括裁剪掉畸变较大的影像数据,影像数据的陆地掩膜,云和耀斑的检测和剔除;
对上述处理过的卫星影像数据中的三个可见光波段进行波段组合计算得到相应的影像示踪特征,采用波段比值和波段归一化形式进行组合,获得影像特征确定示踪物信息;
将所述处理的两景卫星影像数据,对其中的一景构建影像模板窗口,另一景影像中构建搜索窗口根据影像窗口中的示踪物信息对影像模板窗口和影像搜索窗口采用最大互相关系数方法进行数据匹配,获得影像匹配窗口,影像采用从左往右,从上到下的顺序进行匹配,以得到整幅影像数据的匹配结果;
根据上面影像数据的匹配结果,可以采用数学公式计算海表流场的流速和流向。
作为一种可选的实施方式,在本发明的方法实施中,所述获取的卫星影像数据,至少两景,操作为:
获取至少两景国产卫星影像数据;
采用目视解译的方法对上述卫星影像中的云覆盖数据进行判别,筛选出云覆盖面积小于预设面积的卫星影像数据进行下载;下载得到的遥感影像数据至少有两景作为一种可选的实施方式,在本发明的方法实施实施例中,在所述获取卫星影像数据之后,接下来的操作为:
对卫星影像数据中具有较大畸变的数据进行裁剪操作,通过设定天顶角的阈值,对较大天顶角的数据进行检测,然后对其进行裁剪操作。
作为一种可选的实施方式,在本发明的方法实施例中,在进行上述数据处理后,接下来的操作为:
对卫星影像数据进行陆地掩膜处理,利用公布地形矢量数据对影像进行掩膜处理,去除影像中的陆地部分数据,只保留影像中的水域部分数据。
作为一种可选的实施方式,在本发明的方法实施中,在进行上述数据处理后,接下来的操作为:
对上述卫星影像数据进行耀斑和云检测处理,对检测处理后的数据采用二值掩膜的方法掩膜掉耀光和云影响的数据。
作为一种可选的实施方式,在本发明的方法实施中,在进行上述数据处理后,接下来的操作为:
根据蓝波段和红波段的遥感反射率数据进行第一次图像检测,所述第一次图像检测包括块状厚云以及耀斑检测;
对所述卫星影像数据采用IHS变换进行第二次图像检测,所述第二次图像检测包括薄云检测。
作为一种可选的实施方式,在本发明的方法实施中,在进行上述数据处理后,接下来的操作为:
使用三个可见光波段影像数据,采用波段比值和波段归一化组合得到的数值进行示踪特性的提取,得到的结果作为影像示踪识别的依据。作为一种可选的实施方式,在本发明的方法实施中,在进行上述数据处理后,接下来的操作为:
根据所述示踪物信息对卫星影像中的模板窗口数据和影像搜索窗口数据采用最大互相关系数进行匹配,最大互相关系数对应的搜索窗口即为影像数据的匹配窗口,影像匹配的顺序为由左往右,由上往下的顺序进行。
作为一种可选的实施方式,在本发明的方法实施中,在进行上述数据处理后,接下来的操作为:
根据影像的匹配结果,利用第一幅影像中的模板窗口和第二幅影像的匹配窗口中心位置,计算流场中像元的位移,同时根据影像间隔时间,计算得到流场的流速和流向,根据所述流场数据对卫星图像进行更新得到相应的海表流场图。此外,对流场中的异常数据进行检测,剔除异常点数据。
和/或,所述遥感影像数据为FY-4A L2级影像数据。
本发明实施例中第二部分公开一种海表流场遥感探测装置,包括:
数据获取模块:用于获取卫星影像数据,所述卫星影像数据至少两景;
影像预处理模块:用于对卫星影像数据进行畸变数据裁剪,陆地掩膜,耀斑和云掩膜处理;
示踪物确定模块:用于对卫星影像数据中的三个可见光波段数据进行波段比值和波段归一化组合计算获得影像的示踪特征
根据影像示踪特征确定影像中的示踪物信息;
数据匹配模块:用于在其中一幅卫星影像数据中构建影像模板窗口,另一幅影像数据中构建搜索窗口,根据影像示踪物信息对影像模板窗口和影像搜索窗口进行数据匹配,以得到对应的影像数据的匹配窗口,影像采用自左往右,自上往下的顺序进行匹配,得到整幅影像的匹配结果;
结果确定模块:用于根据影像数据匹配结果,进行计算,得到相应的海表流场结果。
本发明实施例第三部分公开一种电子设备,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行本发明实施例第一部分公开的海表流场遥感探测方法。本发明实施例第四部分公开一种计算机可读存储介质,其存储计算机程序,其中,所述计算机程序使得计算机执行本发明实施例第一方面公开的海表流场遥感探测方法。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中的海表流场遥感探测方法通过对卫星图像的数据,采用波段计算的方式计算得到相应的示踪物信息,通过示踪物信息来实现对流场的示踪,通过图像处理进而计算得对应流场的流速和流向,实现对海洋流场动态变化监测的目的
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图做简单介绍。在下面描述的附图中仅仅是本发明实施例中的一些重要过程实施例,对本领域普通技术人员来讲,在不付出创造性劳动前提下,也可以根据这些附图获得其他结果图。
图1是本发明实施例公开的海表流场遥感探测方法流程示意图;图2是本发明实施例公开的图像预处理流程示意图;
图3是本发明实施例公开的海表流场图更新的流程示意图;
图4是本发明实施例公开的MCC算法的示意图;
图5是本发明实施例公开的卫星图像处理具体流程示意图;
图6是本发明实施例公开的基于卫星遥感反演的海表流场结果图;
图7是本发明实施例提供的一种海表流场遥感探测装置的结构示意图;
图8是本发明实施例提供的一种电子设备的结构示意图。
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。在描述的实施例仅是本发明中的一部分实施例过程,而不是全部的实施例过程。基于本发明中的实施例方法,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结果图,都属于本发明保护的范围。
需要说明的是,本发明的说明书和实施例要求书中的术语“第一”、“第二”、“第三”、“第四”等是用于区别不同的对象,而不是用于描述特定顺序。本发明实施例的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,示例性地,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
请参阅图1,图1是本发明实施例公开的海表流场遥感探测方法的流程示意图。其中,本发明实施例所描述的方法的执行主体为由软件或/和硬件组成的执行主体,该执行主体可以通过有线或/和无线方式接收相关信息,并可以发送一定的指令。当然,其还可以具有一定的处理功能和存储功能。该执行主体可以控制多个设备,例如远程的物理服务器或云服务器以及相关软件,也可以是对某处安置的设备进行相关操作的本地主机或服务器以及相关软件等。在一些场景中,还可以控制多个存储设备,存储设备可以与设备放置于同一地方或不同地方。如图1和图5所示,基于遥感的海表流场探测方法包括以下步骤:
S101:获取卫星影像数据,所述卫星影像数据至少两景;遥感影像数据也即是相应的卫星遥感数据;
在本步骤中主要是为了获取基础的卫星影像数据;处理步骤包括:从中国气象数据网站(http://satellite.nsmc.org.cn/PortalSite/Data)下载一天中的FY-4A L2级影像数据;在进行卫星数据图幅获取时,可以依据实际情况获取对应的卫星数据。当为了获取一个小时内的海表流场变化时,可以每隔一个小时获取一幅影像数据,然后通过对两幅影像进行匹配处理获得对应时间段的海表流场结果;当为了获取一天的海表流场变化时,可以在每天固定时间点来获取当天以及前一天的卫星影像数据,然后对两者图像进行匹配处理得到对应的海表流场结果。具体实施时,不单单可以采用两幅图像进行数据处理,还可以采用多幅图像进行数据处理,以此得到一段时间内的海表流场趋势变化。
作为一种可选的实施方式,在本发明实施例的第一部分中,,对获取的初始卫星影像数据,对所述卫星数据进行初步云识别,采用目视解译方法选择影像中云覆盖面积不超过影像面积1/3的卫星数据作为后续处理的卫星数据,获得满足上述要求的两景不同时间段的影像数据。
在本发明实施例中可以有多种方式进行云识别,一种是可以采用目视解译方法来进行云层覆盖判断,还有一种可以通过构建神经网络模型来实现对云层覆盖图像的识别。采用神经网络识别可以实现更好的自动化数据处理,采用目视解译方法方便得到更准确的数据。在本发明实施例中采用目视解译方法来进行云覆盖判断,具体表现在数据下载时查看影像数据缩略图,使用目视解译方法粗略判断出影像中云覆盖情况(目视判断云面积大约不超过影像面积的1/3),筛选出云量少的数据进行下载。本发明实施例中提及的目视解译方法,通常有如下几种方法:
1.直接判读法:直接判读法指通过遥感影像的解译标志,能够直接确定某一地物或现象的存在和属性的一种直观解译方法。直接判读法所运用的解译标志是解译者曾经见过的并了解它的含义,因此能较快地鉴别某一地物或现象的存在和属性。一般具有明显形态、色调特征的地物和现象,多运用这种方法进行解译。如灰岩的岩溶地貌,侵入体的综合影像特征,片麻岩的线状纹理,以及断层的线性影像特征等,均可被用来进行直接判读所属地质体的典型影像特征。
2.对比法:对比法是遥感解译普遍采用的方法之一。当地物不具备典型的解译标志,不能用直接判读的方法解译时,可将解译对象与已知地物进行影像对比,分析两者的异同点,从而达到鉴别未知地物的目的。在遥感地质调查中,将工作区出露的地层与本区相邻区已知影像地层单位进行影像对比,是解译区域岩性、地层行之有效的方法。有时还可以对比同一地物在不同成像时间的遥感影像,近而通过分析同一地物的影像差异,从中了解和掌握地物的变化特点和发展趋势,即通常称之为动态分析。
3.逻辑推理法:逻辑推理法是借助各种地物或自然现象之间的内在联系所表现的现象,间接判断某一地物或自然现象的存在和属性的方法。解译者应用这种方法进行解译时,需要根据已知的规律性和专业领域的理论来开展工作,从而通过逻辑推理和综合分析来确定或推断其内容。例如,当泉水、湖泊、落水洞等呈串珠状排列时,可能与断层相关;河流、湖岸、海岸突然转折成直线延伸则与构造有关等。当利用众多的表面现象来判断某一未知对象时,要特别注意这些现象中哪些是可靠的间接解译标志,哪些是不可靠的,有时甚至会出现矛盾现象,这时就应分析哪些解译标志反映了目标地物的真实情况,哪些反映的是假象,从而确定目标地物的存在和属性。
4.信息复合法:信息复合法是利用专题图或地形图与遥感图像复合,根据专题图或地形图提供的多种辅助信息,来识别遥感图像上目标地物的方法。例如TM图像,覆盖的区域大,图像上土壤特征表现不明显,为了提高土壤类型解译精度,可以使用信息复合法。关系,因此可以利用植被类型图来增加辅助信息。。选择解译方法时要根据具体情况灵活选用。在实际解译时,上述方法并非单一选用,而是各种方法常常相互交错、有主有次、综合应用。遥感图像是地物综合信息的表现,而地物往往会因其内在成分、外部环境及时间的改变使其影像特征也不尽相同。强调多种解译方法的综合选用,尽可能利用多种手段、多种遥感图影像与其他资料进行解译,是克服遥感单一方法局限性的有效途径。
S102:对所述卫星影像畸变较大部分数据,通过对获取影像时传感器的观测天顶角进行阈值判断,检测出大于75°的天顶角数据,对该数据进行掩膜,然后进行裁剪操作,获得合适观测角度的影像数据。作为一种可选的实施方式,在本发明实施例第一部分中还公开了如下步骤:
S1021:对所述卫星影像数据利用公布的全球0.01°地形矢量数据对影像进行水陆掩膜处理,地形高度为正的数据为陆地部分,地形高度为负的数据为水域部分。对陆地部分的数据进行掩膜处理,只保留影像中的水域部分数据。
S1022:对所述卫星影像数据进行耀斑和云检测处理处理,检测处理后的图像进行二值掩膜以得到去除耀光和云的遥感影像数据。
作为一种可选的实施方式,在本发明实施例第一部分中,图2是本发明实施例公开的图像预处理流程示意图,如图2所示,对所述卫星影像数据进行图像耀斑和云检测处理,包括:
S1021a:根据预设遥感反射率对蓝波段的遥感影像数据进行第一图像检测,所述第一图像检测包括块状厚云以及耀斑检测;
S1021b:对所述卫星影像数据采用I HS变换进行第二次图像检测,所述第二次图像检测为薄云检测;
S1021c:对第一次图像检测和第二次图像检测得到的云和耀斑数据进行掩膜处理。
利用影像蓝波段和红波段的遥感反射率数据进行第一次图像检测,对蓝波段图像采用最大类间方差法,最大熵法,最小误差阈值法,矩量保持法计算得到图像阈值,采用阈值矩阵中的最大值与红波段图像采用最大类间方差法计算得到的阈值一起对图像进行阈值分割检测,可以实现对块状厚云以及耀斑检测;对所述卫星影像数据采用IHS变换进行图像第二次检测,对变换得到的图像亮度、色调采用最大熵法计算图像阈值,饱和度采用最大类间方差法计算图像阈值,三者共同作用可以进行薄云检测。采用二值化掩膜处理在影像中剔除检测的耀斑和云部分,得到无云和耀斑影响的影像数据。通过上述数据处理方式,减少后续数据处理量,提升整体处理速度,并且提升整体数据监测结果的准确性。
S103:对所述遥感影像数据中的三个可见光波段进行波段计算以得到相应的影像示踪特征,所述波段计算包括单波段、波段比值、波段差值和波段归一化中的一种或者多种;对所述卫星影像数据中,影像组合波段特征的示踪特性提取。对经过上述处理的三个可见光波段(460nm,510nm,640nm,分别对应B1,B2,B3)采用单波段,波段比值,波段差值以及波段归一化组合。在众多组合形式中,波段比值(B2/B1)和波段归一化组合[(B2-B3)/(B2+B3)]计算的波段数值做为影像识别的依据其表现最好,该波段组合与叶绿素a浓度,悬浮物浓度的遥感反演波段组合形式也比较吻合,能够较好表现出示踪特性。此外,单一使用某一个波段进行识别并不能够很好的实现对数据的监测。
S104:在所述卫星影像数据中的一景中构建影像模板窗口,在另一景中构建影像搜索窗口,根据所述示踪物信息对所述影像搜索窗口和所述影像模板窗口进行互相关系数法进行数据匹配以得到对应数据匹配结果。具体实施步骤如下:
在第一幅影像中设定10*10像素的模板窗口,并确定模板的中心位置为(x0,y0),在第二幅影像中,以第一幅图像的中心位置为搜索区域中心,设定100*100像素搜索区域。具体数据匹配计算的时候采用目前常用于遥感影像匹配的最大自相关系数(MCC)方法根据第一幅影像中模板窗口数值在第二幅影像的搜索区域内进行搜索,采用从左至右,从上到下的方法,找出与模板窗口大小相同且相关性最好的搜索窗口(图4是MCC算法原理图),该方法计算海流是依据在特定时间间隔内,所选定区域局部特征变化小,采用上面特定影像的波段特征规则进行判定和匹配。其匹配判定采用两个窗口内数据的互相关系数R:
f(x,y)为第一幅图像的示踪物在模板窗口(x,y)处像元灰度值;g(x+Δx,y+Δy)为第二幅图像示踪物在搜索窗口(x+Δx,y+Δy)处灰度值,(Δx,Δy)分别为搜索窗口在x方向和y方向上的位移变量;为示踪物在模板窗口内的像元平均灰度值,为示踪物在搜索窗口内的像元平均灰度值,最大值互相关系数R(Δx,Δy)对应的搜索窗口即为匹配窗口S105:根据所述影像匹配结果计算相应海表流场中的流速和流向。
图3是本发明实施例公开的海表流场图更新的流程示意图,如图3所示,其具体操作步骤如下:
S1051:确定两卫星影像数据的时间差值,计算两幅影像的观测时间间隔T(T=T2-T1);
S1052:根据所述数据匹配结果确定影像模板窗口和匹配窗口的中心位置坐标,所述中心位置坐标分别为[x0,y0],[x1,y1];
S1053:在两幅影像中从左到右,从上到下进行依次进行匹配计算。计算得到在特定时间间隔内,流场内的观测量。所述流场数据包括流场位移、流场速度和流场方向;流场计算公式包括位移计算公式、速度计算公式和方向计算公式。位移公式为S=sqrt((x1-x0)2+(y1-y0)2);速度公式为V=sqrt((Vx)2+(Vy)2);方向公式为θ=arctan(Vy/Vx);
S1054:根据所述流场数据对遥感图像进行更新以得到相应的海表流场图。根据前面计算得到的流场流速和流向观测量,对异常数据点进行检测,剔除影像数据中的异常点数据。在相同坐标系下,将计算得到的海表流场结果更新到卫星影像数据集中,对数据集进行保存(如图6所示)。
通过比对观测以确定相应的异常点数据,具体的异常点有如下几种情况:与周围相比速度相比,速度过小或者是与总体趋势反向的点;当检测到上述异常点的时候对其进行去除操作,使得最终得到的结果图像更为的准确。
根据步骤S105计算得到对应的海表流场结构图示,为实时监测与预报短时间尺度的海流变化过程,需要采用高时空分辨率的海洋卫星数据对海表流场进行估算。我国自主研发的静止轨道气象卫星风云-4可以实现对中国海域每半个小时获取一幅影像,利用该卫星影像已成功实现对遥感反射率、叶绿素a浓度等变量的监测。在本发明实施例中,探索使用国产卫星FY-4的卫星数据实现对南海研究区海表流场的监测。利用FY-4传感器获取的序列影像数据,首先进行基本的图像处理(例如影像大气校正,几何校正,云去除等处理),然后对两幅相邻天数的影像数据采用最大互相关算法(MCC,maximum cross coefficient),根据两幅影像中示踪物的匹配,可以计算示踪物的移动位移,从而计算对应流场的流速和流向,实现对南海流场动态日变化监测。在本发明实施例中,除了可以得到实施的海表流场图之外,还可以根据得到的历史海表流场实现对海表流场的流动方向、速度的预测。
本发明的目的是构建一个基于国产静止地球轨道FY-4卫星序列数据的日海表流场计算方法,该发明的亮点包是首次基于国产静止轨道卫星FY-4计算日海表流场的速度和方向,利用国产卫星影像进行数据挖掘,延展了国产卫星数据应用;并且可以实现动态的海洋流场检测的目的,使得整体检测效率更高。
本发明实施例中的海表流场遥感探测方法通过对遥感图像的数据处理进而计算得到对应流场的流速和流向,实现对海洋流场动态变化监测的目的;在本发明实施例中通过采用波段计算的方式计算得到相应的示踪物信息,通过示踪物信息来实现对海表流场的表征,进而达到更好的海洋流场监测的目的。
实施例部分二
请参阅图7,图7是本发明实施例公开的海表流场遥感探测装置的结构示意图。如图7所示,该海表流场遥感探测装置可以包括:
数据获取模块21:用于获取卫星影像数据,所述卫星影像数据至少两景;
影像预处理模块22:用于对卫星影像数据,进行畸变数据裁剪,陆地掩膜,耀斑和云掩膜处理;
示踪物确定模块23:用于对所述卫星影像数据中的三个可见光波段进行波段计算以得到相应的影像示踪特征,所述波段计算包括波段比值、波段归一化中二者结合;根据影像的波段特征确定示踪物信息;
数据匹配模块24:用于将卫星影像数据的一景中构建影像模板窗口,在另一景数据中构建影像搜索窗口,根据所述示踪物信息对影像模板窗口和匹配窗口进行采用互相关系数进行数据判定,利用窗口数据的最大互相关系数得到匹配窗口,从左往右,从上往下获取所有的影像匹配结果。
结果确定模块25:用于根据影像数据匹配结果计算研究区海表流场中的流速和流向。
本发明实施例中的海表流场遥感探测方法通过对卫星图像的数据,采用波段计算的方式计算得到相应的示踪物信息,通过示踪物信息来实现对流场的示踪,通过图像处理进而计算得对应流场的流速和流向,实现对海洋流场动态变化监测的目标
实施例三
请参阅图8,图8是本发明实施例公开的一种电子设备的结构示意图。电子设备可以是计算机以及服务器等,当然,在一定情况下,还可以是手机、平板电脑以及监控终端等智能设备,以及具有处理功能的图像采集装置。如图8所示,该电子设备可以包括:
存储有可执行程序代码的存储器510;
与存储器510耦合的处理器520;
其中,处理器520调用存储器510中存储的可执行程序代码,执行实施例部分一中的海表流场遥感探测方法中的部分或全部步骤。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行实施例一中的海表流场遥感探测方法中的部分或全部步骤。
本发明实施例还公开一种计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例部分一中的海表流场遥感探测方法中的部分或全部步骤。
本发明实施例还公开一种应用发布平台,其中,应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行实施例一中的海表流场遥感探测方法中的部分或全部步骤。
在本发明的各种实施例中,应理解,所述各过程的序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物单元,即可位于一个地方,或者也可以分布到多个网络单元上。可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元若以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例所述方法的部分或全部步骤。
在本发明所提供的实施例中,应理解,“与A对应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。
本领域普通技术人员可以理解所述实施例的各种方法中的部分或全部步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的海表流场遥感探测方法、装置、电子设备及存储介质进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种海表流场遥感探测方法,其特征在于,包括:
获取遥感影像数据,所述遥感影像数据的数量至少为两个;所述遥感影像数据为FY-4AL2级影像数据;且该影像数据为静止轨道卫星数据,数据每半小时获取一景;
对所述遥感影像数据进行裁剪操作,所述裁剪操作包括裁剪掉天顶角大于预设值的遥感影像数据;所述预设值为65度到85度中任意一数值;
对所述遥感影像数据进行图像检测处理,所述图像检测处理包括耀斑检测和云检测;所述对所述遥感影像数据进行图像检测处理,包括:
根据预设遥感反射率对蓝波段的遥感影像数据进行第一图像检测,所述第一图像检测包括块状厚云以及耀光检测;
对所述遥感影像数据进行色彩变换以得到遥感色彩图像,所述色彩变换为IHS变换;
根据预设色彩阈值对所述遥感色彩图像进行第二图像检测,所述第二图像检测包括薄云检测;对所述遥感色彩图像中的变换得到的图像亮度和色调采用最大熵法计算图像阈值,对图像饱和度采用最大类间方差法计算图像阈值;
对所述图像检测处理后的图像进行二值掩膜以得到去除耀光和云的遥感影像数据;
对所述遥感影像数据中的三个可见光波段进行波段计算以得到相应的影像示踪特征,所述波段计算包括波段比值和波段归一化;其中,波段比值为B2/B1,波段归一化组合为[(B2-B3)/(B2+B3)];且B1为460nm波段,B2为510nm波段,B3为640nm波段;
根据所述影像示踪特征确定对应的示踪物信息;
将所述遥感影像数据中的一个作为影像模板窗口,将所述遥感影像数据中的另一个作为影像匹配窗口,根据所述示踪物信息对所述影像模板窗口和所述影像匹配窗口进行数据匹配以得到对应的数据匹配结果;
根据所述数据匹配结果确定相应的海表流场结果。
2.如权利要求1所述的海表流场遥感探测方法,其特征在于,所述获取遥感影像数据,所述遥感影像数据的数量至少为两个,包括:
获取初始遥感数据;
对所述初始遥感数据进行云层识别,将云层面积小于预设面积的初始遥感数据作为遥感影像数据;所述遥感影像数据的数量至少为两个。
4.如权利要求1所述的海表流场遥感探测方法,其特征在于,所述根据所述数据匹配结果确定相应的海表流场结果,包括:
根据所述数据匹配结果确定影像模板窗口和影像匹配窗口的中心位置坐标,所述中心位置坐标分别为[x0,y0],[x1,y1];
确定两遥感影像数据的时间差值;
根据所述中心位置坐标、时间差值以及流场计算公式以得到对应的流场数据,所述流场数据包括流场位移、流场速度和流场方向;所述流场计算公式包括位移计算公式、速度计算公式和方向计算公式;所述位移计算公式为S=sqrt((x1-x0)2+(y1-y0)2);所述速度计算公式为V=sqrt((Vx)2+(Vy)2);所述方向计算公式为θ=arctan(Vy/Vx);
根据所述流场数据对遥感图像进行更新以得到相应的海表流场结果;
在所述根据所述中心位置坐标、时间差值以及流场计算公式以得到对应的流场数据之后,还包括:
对所述流场数据进行异常点检测,并去除检测到的异常点数据。
5.一种海表流场遥感探测装置,其特征在于,包括:
获取模块:用于获取遥感影像数据,所述遥感影像数据的数量至少为两个;所述遥感影像数据为FY-4A L2级影像数据;且该影像数据为静止轨道卫星数据,数据每半小时获取一景;
裁剪模块:用于对所述遥感影像数据进行裁剪操作,所述裁剪操作包括裁剪掉天顶角大于预设值的遥感影像数据;所述预设值为65度到85度中任意一数值;
图像检测模块:用于对所述遥感影像数据进行图像检测处理,所述图像检测处理包括耀斑检测和云检测;所述对所述遥感影像数据进行图像检测处理,包括:
第一图像检测模块:用于根据预设遥感反射率对蓝波段的遥感影像数据进行第一图像检测,所述第一图像检测包括块状厚云以及耀光检测;
色彩转换模块:用于对所述遥感影像数据进行色彩变换以得到遥感色彩图像,所述色彩变换为IHS变换;
第二图像检测模块:用于根据预设色彩阈值对所述遥感色彩图像进行第二图像检测,所述第二图像检测包括薄云检测;对所述遥感色彩图像中的变换得到的图像亮度和色调采用最大熵法计算图像阈值,对图像饱和度采用最大类间方差法计算图像阈值;
去除模块:用于对所述图像检测处理后的图像进行二值掩膜以得到去除耀光和云的遥感影像数据;
波段计算模块:用于对所述遥感影像数据中的三个可见光波段进行波段计算以得到相应的影像示踪特征,所述波段计算包括波段比值和波段归一化;其中,波段比值为B2/B1,波段归一化组合为[(B2-B3)/(B2+B3)];且B1为460nm波段,B2为510nm波段,B3为640nm波段;
示踪物确定模块:用于根据所述影像示踪特征确定对应的示踪物信息;
数据匹配模块:用于将所述遥感影像数据中的一个作为影像模板窗口,将所述遥感影像数据中的另一个作为影像匹配窗口,根据所述示踪物信息对所述影像模板窗口和所述影像匹配窗口进行数据匹配以得到对应的数据匹配结果;
结果确定模块:用于根据所述数据匹配结果确定相应的海表流场结果。
6.一种电子设备,其特征在于,包括:存储有可执行程序代码的存储器;与所述存储器耦合的处理器;所述处理器调用所述存储器中存储的所述可执行程序代码,用于执行权利要求1至4任一项所述的海表流场遥感探测方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储计算机程序,其中,所述计算机程序使得计算机执行权利要求1至4任一项所述的海表流场遥感探测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028957.3A CN114140697B (zh) | 2021-09-02 | 2021-09-02 | 海表流场遥感探测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111028957.3A CN114140697B (zh) | 2021-09-02 | 2021-09-02 | 海表流场遥感探测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114140697A CN114140697A (zh) | 2022-03-04 |
CN114140697B true CN114140697B (zh) | 2022-11-08 |
Family
ID=80394549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111028957.3A Active CN114140697B (zh) | 2021-09-02 | 2021-09-02 | 海表流场遥感探测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114140697B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115204058B (zh) * | 2022-08-02 | 2023-04-21 | 南方海洋科学与工程广东省实验室(珠海) | 基于bp神经网络的地波雷达流场计算方法及装置 |
CN115979350A (zh) * | 2023-03-20 | 2023-04-18 | 北京航天华腾科技有限公司 | 一种海洋监测设备数据采集系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105445730A (zh) * | 2015-11-27 | 2016-03-30 | 南京信息工程大学 | 一种基于角度分集的海洋流场反演星载sar系统及其方法 |
CN107748360A (zh) * | 2017-09-05 | 2018-03-02 | 浙江海洋大学 | 海表风场反演方法及装置 |
CN109376600A (zh) * | 2018-09-20 | 2019-02-22 | 中国农业大学 | 多光谱遥感影像综合特征云检测方法及装置 |
CN111259511A (zh) * | 2018-11-30 | 2020-06-09 | 国家卫星海洋应用中心 | 一种海表流场的处理方法及装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4825183B2 (ja) * | 2007-09-21 | 2011-11-30 | 財団法人電力中央研究所 | 表層流速推定方法、装置並びにプログラム |
KR20080040656A (ko) * | 2008-04-08 | 2008-05-08 | 강용균 | 원격탐사자료 이용한 실시간 해류예측 방법 |
CN105844000A (zh) * | 2016-03-18 | 2016-08-10 | 江苏铨铨信息科技有限公司 | 一种mcc 表面海流反演方法 |
CN110175556B (zh) * | 2019-05-24 | 2022-12-06 | 西安电子科技大学 | 基于Sobel算子的遥感图像云检测方法 |
CN111444616B (zh) * | 2020-03-27 | 2021-04-06 | 三亚中科遥感研究所 | 海表叶绿素传输轨迹模拟方法 |
CN112001374B (zh) * | 2020-10-28 | 2021-03-05 | 航天宏图信息技术股份有限公司 | 一种高光谱影像的云检测方法和装置 |
CN112504979B (zh) * | 2020-11-12 | 2024-09-03 | 内蒙古工业大学 | 一种基于高光谱遥感的水体叶绿素浓度反演方法及装置 |
CN113075167A (zh) * | 2021-03-29 | 2021-07-06 | 中国科学院空天信息创新研究院 | 一种水面耀斑的识别方法及装置 |
CN113176211B (zh) * | 2021-04-27 | 2023-03-14 | 中国科学院南海海洋研究所 | 一种基于hsv颜色空间模型变换的日间云检测方法 |
-
2021
- 2021-09-02 CN CN202111028957.3A patent/CN114140697B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105445730A (zh) * | 2015-11-27 | 2016-03-30 | 南京信息工程大学 | 一种基于角度分集的海洋流场反演星载sar系统及其方法 |
CN107748360A (zh) * | 2017-09-05 | 2018-03-02 | 浙江海洋大学 | 海表风场反演方法及装置 |
CN109376600A (zh) * | 2018-09-20 | 2019-02-22 | 中国农业大学 | 多光谱遥感影像综合特征云检测方法及装置 |
CN111259511A (zh) * | 2018-11-30 | 2020-06-09 | 国家卫星海洋应用中心 | 一种海表流场的处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114140697A (zh) | 2022-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Batur et al. | Assessment of surface water quality by using satellite images fusion based on PCA method in the Lake Gala, Turkey | |
Shen et al. | Near-real-time non-obstructed flood inundation mapping using synthetic aperture radar | |
Lecours et al. | A review of marine geomorphometry, the quantitative study of the seafloor | |
Tseng et al. | Reconstruction of time-varying tidal flat topography using optical remote sensing imageries | |
Valavanis et al. | Modelling of essential fish habitat based on remote sensing, spatial analysis and GIS | |
Naseer et al. | Inventory of the Maldives’ coral reefs using morphometrics generated from Landsat ETM+ imagery | |
Zhao et al. | Mapping large-area tidal flats without the dependence on tidal elevations: A case study of Southern China | |
Pereira et al. | Estimation of the nearshore bathymetry from high temporal resolution Sentinel-1A C-band SAR data-A case study | |
Barrell et al. | Detecting hot and cold spots in a seagrass landscape using local indicators of spatial association | |
CN114140697B (zh) | 海表流场遥感探测方法及装置 | |
Dong et al. | Coral reef geomorphology of the Spratly Islands: A simple method based on time-series of Landsat-8 multi-band inundation maps | |
Cenci et al. | Geomatics for Integrated Coastal Zone Management: multitemporal shoreline analysis and future regional perspective for the Portuguese Central Region | |
Vickers et al. | A method for automated snow avalanche debris detection through use of synthetic aperture radar (SAR) imaging | |
Yang et al. | Mapping soil salinity using a similarity-based prediction approach: a case study in Huanghe River Delta, China | |
Shaoqing et al. | The comparative study of three methods of remote sensing image change detection | |
US10895665B2 (en) | Method for detecting hydrocarbon deposits | |
Chen et al. | Rain-contaminated region segmentation of X-band marine radar images with an ensemble of SegNets | |
Rapinel et al. | Fine-scale monitoring of long-term wetland loss using LiDAR data and historical aerial photographs: The example of the couesnon floodplain, France | |
CN118279763A (zh) | 一种海冰监测方法、系统、设备、存储介质和计算机程序产品 | |
Elhag et al. | Sedimentation mapping in shallow shoreline of arid environments using active remote sensing data | |
Zhang et al. | Satellite-derived bathymetry model in the Arctic waters based on support vector regression | |
Niraj et al. | Fate of agricultural areas of Kailali District of Nepal: A temporal land use land cover change (LUCC) analysis | |
Zhou et al. | Estimating muddy intertidal flat slopes under varied coastal morphology using sequential satellite data and spatial analysis | |
Muhamad et al. | Marine Habitat Mapping using Multibeam Echosounder Survey and Underwater Video Observations: A Case Study from Tioman Marine Park | |
Nolè et al. | Using spatial autocorrelation techniques and multi-temporal satellite data for analyzing urban sprawl |
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 |