CN114511790A - 基于光学卫星数据的海洋溢油事件监测实现方法及装置 - Google Patents

基于光学卫星数据的海洋溢油事件监测实现方法及装置 Download PDF

Info

Publication number
CN114511790A
CN114511790A CN202210129713.2A CN202210129713A CN114511790A CN 114511790 A CN114511790 A CN 114511790A CN 202210129713 A CN202210129713 A CN 202210129713A CN 114511790 A CN114511790 A CN 114511790A
Authority
CN
China
Prior art keywords
image data
target
satellite image
data
oil
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
CN202210129713.2A
Other languages
English (en)
Other versions
CN114511790B (zh
Inventor
王剑
林鹏
司朝盛
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.)
Guangdong Sea Star Ocean Sci And Tech Co ltd
Original Assignee
Guangdong Sea Star Ocean Sci And Tech Co ltd
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 Guangdong Sea Star Ocean Sci And Tech Co ltd filed Critical Guangdong Sea Star Ocean Sci And Tech Co ltd
Priority to CN202210129713.2A priority Critical patent/CN114511790B/zh
Publication of CN114511790A publication Critical patent/CN114511790A/zh
Application granted granted Critical
Publication of CN114511790B publication Critical patent/CN114511790B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/20—Controlling water pollution; Waste water treatment
    • Y02A20/204—Keeping clear the surface of open water from oil spills

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了基于光学卫星数据的海洋溢油事件监测实现方法及装置，包括：从海洋卫星中心数据网站下载海洋航段过境的目标国产卫星影像数据；依照光学影像海面溢油判别准则，对目标卫星影像数据进行RGB合成得到真彩色卫星影像数据；根据合成卫星影像数据对应的区域参数识别目标海洋航段是否存在溢油事件，若是，则将目标卫星影像数据确定为样例数据；根据多个目标海洋航段确定出的所有样本数据用于待监测海洋航段是否存在溢油事件的识别参考依据。本发明利用国产海洋光学卫星数据利用水面和油面的光学特征结合支持向量机方法实现对清洁水体、乳化油区域及油膜区域提取，不仅拓展了国产海洋光学数据的应用功能，还提高了溢油的监测效率和监测精度。

Description

基于光学卫星数据的海洋溢油事件监测实现方法及装置
技术领域
本发明涉及智能化监测技术领域，尤其涉及一种基于光学卫星数据的海洋溢油事件监测实现方法及装置。
背景技术
海洋石油的来源主要包括天然和人为两种来源，其中，人为来源的海洋石油在石油开采、石油加工与运输等过程产生可能出现石油泄露的情况，且石油泄露后会在风、浪、涌、流等动力作用下发生扩散、漂移、乳化、蒸发以及光氧化和生物沉降等一系列复杂的物理化学变化，这会给海洋环境、海洋生物、人类经济活动带来了极大的危害。目前，对海洋溢油事件的监测主要是人工利用船舰进行巡检，但是由于海洋面积辽阔，通过人工巡检的方式对海洋溢油事件进行监测需要花费大量的人力和物力，不利于提高海洋溢油事件的监测效率。
为了提高对海洋溢油事件的监测效率，海洋溢油事件也可以被多种传感器探测到，例如微波雷达、多光谱/高光谱传感器、热红外传感器、激光荧光传感器等，不同类型的传感器所获取到的数据具有不同的探测机理与响应特征。例如：微波雷达遥感对海洋溢油事件的探测主要是利用油膜覆盖海面会改变海水表面张力，从而改变海面粗糙度，其合成孔径雷达SAR获取的影像数据中，油膜覆盖区域的后向散射系数相比背景水体的后向散射系数小，利用二者的差异可以实现对海面油膜的探测。
实践发现，对于因平台和轮船碰撞造成的大面积溢油事件，利用卫星影像能够对溢油情况实现很好的监测，但对于海上航道上非碰撞事故造成的其它小面积溢油事件进行光学监测的研究较少，其监测难点主要在于：一方面是小面积溢油事件要求具有较高空间分辨率的卫星数据才能观测发现，另一方面是高空间分辨率的卫星数据在波段设置上与中等分辨率的卫星数据相比，波段数少、波幅宽，其时间分辨率低。可见，提供一种面向航道溢油等小面积溢油事件的易实现且监测结果精度高的监测实现方法显得尤为重要。
发明内容
本发明提供了一种基于光学卫星数据的海洋溢油事件监测实现方法及装置，能够提高溢油监测效率及监测精度。
本发明第一方面公开了一种基于光学卫星数据的海洋溢油事件监测实现方法，所述方法包括：
从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据；
按照预先设定的光学影像海面溢油判别准则，对所述目标卫星影像数据进行RGB真彩色合成，得到合成卫星影像数据；
根据所述合成卫星影像数据对应的区域参数识别所述目标海洋航段是否存在溢油事件，得到识别结果；
当所述识别结果用于表示所述目标海洋航段存在所述溢油事件时，将所述目标卫星影像数据确定为样例数据；
其中，针对多个所述目标海洋航段确定出的所有所述样本数据用于作为待监测海洋航段是否存在溢油事件的识别参考依据。
作为一种可选的实施方式，在本发明第一方面中，所述目标卫星影像数据包括第一级别的卫星影像数据及第二级别的卫星影像数据；
其中，所述方法还包括：
对所述目标卫星影像数据执行质量控制操作剔除所述目标卫星影像数据中的扭曲变形数据，以更新所述目标卫星影像数据；
通过IDL编程从更新后的所述目标卫星影像数据包括的所述第一级别的卫星影像数据中读取经纬度坐标及空间几何数据，并将读取到的所述经纬度坐标及所述空间几何数据与更新后的所述目标卫星影像数据包括的所述第二级别的卫星影像数据中的四个瑞利反射率波段数据合并存放至同一个数据集中，并将所述数据集保存输出为tiff数据。
作为一种可选的实施方式，在本发明第一方面中，所述对所述目标卫星影像数据执行质量控制操作剔除所述目标卫星影像数据中的扭曲变形数据，以更新所述目标卫星影像数据，包括：
从所述目标卫星影像数据中剔除卫星天顶角的角度值大于等于第一预设角度阈值的第一卫星影像数据，并通过预先公布的全球0.01°地形矢量文件从所述目标卫星影像数据中剔除区域类型为陆地类型的第二卫星影像数据，以及，以近红外波段为判断依据从所述目标卫星影像数据中剔除包括目标状态云特征的第三卫星影像数据，以更新所述目标卫星影像数据。
作为一种可选的实施方式，在本发明第一方面中，，所述根据所述合成卫星影像数据对应的区域参数识别所述目标海洋航段是否存在溢油事件，得到识别结果，包括：
根据从所述目标卫星影像数据中获取到的空间几何数据计算目标夹角的空间分布情况，所述目标夹角为水面反射太阳光的方向与油面反射太阳光方向的夹角；
根据所述目标夹角的空间分布情况，确定所述目标卫星影像数据中不同位置区域的区域参数，并根据所述目标卫星影像数据中不同位置区域的区域参数识别所述目标海洋航段是否存溢油区域；
当识别出所述目标海洋航段存在所述溢油区域时，生成用于表示所述目标海洋航段存在所述溢油事件的识别结果；
其中，所述区域参数包括对应位置区域的亮度值和/或在不同波段下的波段反射率。
作为一种可选的实施方式，在本发明第一方面中，所述将所述目标卫星影像数据确定为样例数据之后，所述方法还包括：
根据所述目标卫星影像数据，从所述目标海洋航段中确定出溢油区域；
根据确定出的所述溢油区域，对所述目标卫星影像数据除所述溢油区域对应的影像区域之外的其它影像区域执行裁剪操作，得到所述溢油区域对应的卫星影像数据；
存储所述溢油区域对应的卫星影像数据。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
针对所述溢油区域对应的卫星影像数据的每个波段，从所述溢油区域对应的卫星影像数据中分别提取在该波段下第一类别对应的波段反射率、第二类别对应的波段反射率以及第三类别对应的波段反射率，其中，所述第一类别对应的波段反射率为所述清洁水体区域的波段反射率，所述第二类别对应的波段反射率为所述油膜覆盖区域的波段反射率以及所述第三类别对应的波段反射率为所述乳化油覆盖区域的波段反射率；所有所述波段包括近红外波段、红外波段以及蓝波段；
对于所述第一类别、所述第二类别以及所述第三类别中的每个类别，根据该类别在每个所述波段对应的波段反射率以及计算出的该类别对应的波段反射率差值对该类别对应的区域进行修正，其中，该类别对应的波段反射率差值为该类别在所述近红外波段对应的波段反射率与该类别在蓝波段对应的波段反射率的差值或差值的绝对值。
作为一种可选的实施方式，在本发明第一方面中，所述方法还包括：
针对确定出的所有所述样本数据，提取每个所述样本数据中的每个所述类别的区域所对应的波段数据；
通过提取到的所有所述样本数据中的每个所述类别的区域所对应的波段数据对预先确定出的分类算法模型进行训练，得到训练后的分类算法模型；
对于任一待监测海洋航道，将从所述待监测海洋航道对应的卫星影像数据中提取出的目标数据输入至所述训练后的分类算法模型，得到所述训练后的分类算法模型的输出结果；
根据所述训练后的分类算法模型的输出结果确定所述待监测海洋航道的溢油监测结果，以及当所述溢油监测结果表示所述待监测海洋航道存在溢油时，根据所述溢油监测结果提取所述待监测海洋航道对应的油膜区域参数和/或乳化油区域参数；
其中，所述待监测海洋航道对应的油膜区域参数包括所述待监测海洋航道的油膜区域面积和/或油膜区域位置；所述待监测海洋航道对应的乳化油区域参数包括所述待监测海洋航道的乳化油区域面积和/或乳化油区域位置。
本发明第二方面公开了一种基于光学卫星数据的海洋溢油事件监测实现装置，所述装置包括：
下载模块，用于从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据；
合成模块，用于按照预先设定的光学影像海面溢油判别准则，对所述目标卫星影像数据进行RGB真彩色合成，得到合成卫星影像数据；
第一识别模块，用于根据所述合成卫星影像数据对应的区域参数识别所述目标海洋航段是否存在溢油事件，得到识别结果；
样本确定模块，用于当所述识别结果用于表示所述目标海洋航段存在所述溢油事件时，将所述目标卫星影像数据确定为样例数据；
其中，针对多个所述目标海洋航段确定出的所有所述样本数据用于作为待监测海洋航段是否存在溢油事件的识别参考依据。
第二识别模块，根据获取样例数据分析得到油面和水面的光学特征，然后使用支持向量机方法实现对清洁水体、乳化油区域及油膜区域提取。
作为一种可选的实施方式，在本发明第二方面中，所述目标卫星影像数据包括第一级别的卫星影像数据及第二级别的卫星影像数据；
其中，所述装置还包括：
更新模块，用于对所述目标卫星影像数据执行质量控制操作剔除所述目标卫星影像数据中的扭曲变形数据，以更新所述目标卫星影像数据；
数据处理模块，用于通过IDL编程从更新后的所述目标卫星影像数据包括的所述第一级别的卫星影像数据中读取经纬度坐标及空间几何数据，并将读取到的所述经纬度坐标及所述空间几何数据与更新后的所述目标卫星影像数据包括的所述第二级别的卫星影像数据中的四个瑞利反射率波段数据合并存放至同一个数据集中，并将所述数据集保存输出为tiff数据。
作为一种可选的实施方式，在本发明第二方面中，所述更新模块对所述目标卫星影像数据执行质量控制操作剔除所述目标卫星影像数据中的扭曲变形数据，以更新所述目标卫星影像数据的具体方式为：
从所述目标卫星影像数据中剔除卫星天顶角的角度值大于等于第一预设角度阈值的第一卫星影像数据，并通过预先公布的全球0.01°地形矢量文件从所述目标卫星影像数据中剔除区域类型为陆地类型的第二卫星影像数据，以及，以近红外波段为判断依据从所述目标卫星影像数据中剔除包括目标状态云特征的第三卫星影像数据，以更新所述目标卫星影像数据。
作为一种可选的实施方式，在本发明第二方面中，所述识别模块根据所述合成卫星影像数据对应的区域参数识别所述目标海洋航段是否存在溢油事件，得到识别结果的具体方式为：
根据从所述目标卫星影像数据中获取到的空间几何数据计算目标夹角的空间分布情况，所述目标夹角为水面反射太阳光的方向与油面反射太阳光方向的夹角；
根据所述目标夹角的空间分布情况，确定所述目标卫星影像数据中不同位置区域的区域参数，并根据所述目标卫星影像数据中不同位置区域的区域参数识别所述目标海洋航段是否存溢油区域；
当识别出所述目标海洋航段存在所述溢油区域时，生成用于表示所述目标海洋航段存在所述溢油事件的识别结果；
其中，所述区域参数包括对应位置区域的亮度值和/或在不同波段下的波段反射率。
作为一种可选的实施方式，在本发明第二方面中，所述样本确定模块，还用于在将所述目标卫星影像数据确定为样例数据之后，根据所述目标卫星影像数据，从所述目标海洋航段中确定出溢油区域；
其中，所述装置还包括：
裁剪模块，用于根据确定出的所述溢油区域，对所述目标卫星影像数据除所述溢油区域对应的影像区域之外的其它影像区域执行裁剪操作，得到所述溢油区域对应的卫星影像数据；
存储模块，用于存储所述溢油区域对应的卫星影像数据。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
第一提取模块，用于针对所述溢油区域对应的卫星影像数据的每个波段，从所述溢油区域对应的卫星影像数据中分别提取在该波段下第一类别对应的波段反射率、第二类别对应的波段反射率以及第三类别对应的波段反射率，其中，所述第一类别对应的波段反射率为所述清洁水体区域的波段反射率，所述第二类别对应的波段反射率为所述油膜覆盖区域的波段反射率以及所述第三类别对应的波段反射率为所述乳化油覆盖区域的波段反射率；所有所述波段包括近红外波段、红外波段以及蓝波段；
调整模块，用于对于所述第一类别、所述第二类别以及所述第三类别中的每个类别，根据该类别在每个所述波段对应的波段反射率以及计算出的该类别对应的波段反射率差值对该类别对应的区域进行修正，其中，该类别对应的波段反射率差值为该类别在所述近红外波段对应的波段反射率与该类别在蓝波段对应的波段反射率的差值或差值的绝对值。
作为一种可选的实施方式，在本发明第二方面中，所述装置还包括：
第二提取模块，还用于针对确定出的所有所述样本数据，提取每个所述样本数据中的每个所述类别的区域所对应的波段数据；
训练模块，用于通过提取到的所有所述样本数据中的每个所述类别的区域所对应的波段数据对预先确定出的分类算法模型进行训练，得到训练后的分类算法模型；
分类模块，用于根据所述训练后的分类算法模型的输出结果确定所述待监测海洋航道的溢油监测结果，以及当所述溢油监测结果表示所述待监测海洋航道存在溢油时，根据所述溢油监测结果提取所述待监测海洋航道对应的油膜区域参数和/或乳化油区域参数和/或清水区域参数；
其中，所述待监测海洋航道对应的油膜区域参数包括所述待监测海洋航道的油膜区域面积和/或油膜区域位置；所述待监测海洋航道对应的乳化油区域参数包括所述待监测海洋航道的乳化油区域面积和/或乳化油区域位置。
本发明第三方面公开了另一种基于光学卫星数据的海洋溢油事件监测实现装置，所述装置包括：
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，执行本发明第一方面公开的基于光学卫星数据的海洋溢油事件监测实现方法中的部分或全部步骤。
本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于光学卫星数据的海洋溢油事件监测实现方法中的部分或全部步骤。
与现有技术相比，本发明具有以下有益效果：
本发明实施例中，从海洋卫星中心数据站下载目标海洋航段对应的目标卫星影像数据；按照光学影像海面溢油判别准则，对目标卫星影像数据进行RGB真彩色合成得到合成卫星影像数据；根据合成卫星影像数据对应的区域参数识别目标海洋航段是否存在溢油事件，若是，则将目标卫星影像数据确定为样例数据；针对多个目标海洋航段确定出的所有样本数据用于作为待监测海洋航段是否存在溢油事件的识别参考依据。可见，本发明利用海洋光学卫星数据进行数据挖掘，不仅拓展了海洋光学卫星数据的功能，还能够为实现清洁水体、乳化油区域及油膜区域的提取提供参考依据，有利于提高溢油监测效率及监测精度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种基于光学卫星数据的海洋溢油事件监测实现方法的流程示意图；
图2是本发明实施例公开的另一种基于光学卫星数据的海洋溢油事件监测实现方法的流程示意图；
图3是本发明实施例公开的一种基于光学卫星数据的海洋溢油事件监测实现装置的结构示意图；
图4是本发明实施例公开的另一种基于光学卫星数据的海洋溢油事件监测实现装置的结构示意图；
图5是本发明实施例公开的又一种基于光学卫星数据的海洋溢油事件监测实现装置的结构示意图；
图6是本发明实施例公开的一种水面反射太阳光的方向与油面反射太阳光方向的夹角空间分布示意图；
图7是本发明实施例公开的一种目标海洋航段的卫星影像数据对应的波段光谱图；
图8是本发明实施例公开的一种影像分类结果示意图；
图9是本发明实施例公开的CZI影像溢油区RGB合成图像图示；
图10是本发明实施例公开的基于光学卫星数据的海洋溢油事件监测实现方法的具体流程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，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单元的过程、方法、装置、产品、端口或端没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品、端口或端固有的其他步骤或单元。
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发明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。
本发明公开了一种基于光学卫星数据的海洋溢油事件监测实现方法及装置，能够利用海洋光学卫星数据进行数据挖掘，不仅拓展了海洋光学卫星数据的功能，还能够为实现清洁水体、乳化油区域及油膜区域的提取提供参考依据，有利于提高溢油监测效率及监测精度。以下分别进行详细说明。
实施例一
请参阅图1，图1是本发明实施例公开的一种基于光学卫星数据的海洋溢油事件监测实现方法的流程示意图。其中，图1所描述的方法可以应用于监测实现装置，该监测实现装置用于实现对海洋航段是否存在溢油事件的监测，比如为监测海洋航段是否存在溢油事件提供数据参考依据的等。如图1所示，该方法可以包括以下步骤：
101、从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据。
其中，从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据，可以包括：
在确定出待监测的目标海洋航段之后，从海洋卫星中心数据站存储的与目标海洋航段相匹配的所有卫星数据中，筛选含云参数满足预设参数条件的卫星影像数据，并下载含云参数满足所述预设参数条件的卫星影像数据，作为目标海洋航段对应的目标卫星影像数据。
其中，含云参数包括含云位置和/或含云面积。举例来说，含云参数满足预设参数条件的卫星影像数据可以具体为含云面积不超过影响面积的二分之一。
进一步的，在筛选含云参数满足预设参数条件的卫星影像数据之前，还可以通过缩略图的方式展示与目标海洋航段相匹配的所有卫星数据。其中，下载的目标海洋航段对应的目标卫星影像数据可以具体是从中国海洋卫星中心数据网站下载的中国海运航线南海段的HY-1C CZI的L1B和L2A级卫星影像数据。
可见，本发明实施例还能够在下载目标卫星影像数据时排除含云量较高的影像数据，以减少其对溢油事件监测所带来的不必要的干扰。
102、按照预先设定的光学影像海面溢油判别准则，对目标卫星影像数据进行RGB真彩色合成，得到合成卫星影像数据。
其中，图像上油膜部分的影像数据较暗，乳化油部分的影像数据较明亮，在对目标卫星影像数据进行RGB真彩色合成之后可以直接根据相应的区域参数在合成卫星影像数据上判断是否存在溢油事件，有利于后续溢油时间的判断效率及判断精准性。
103、根据合成卫星影像数据对应的区域参数识别目标海洋航段是否存在溢油事件，得到识别结果。
其中，合成卫星影像数据对应的区域参数可以包括亮度值和/或波段反射率。
104、当上述识别结果用于表示目标海洋航段存在溢油事件时，将目标卫星影像数据确定为样例数据。
其中，针对多个目标海洋航段确定出的所有样本数据用于作为待监测海洋航段是否存在溢油事件的识别参考依据。
可见，本发明实施例所描述的方法能够利用海洋光学卫星数据进行数据挖掘，不仅拓展了海洋光学卫星数据的功能，还能够为实现清洁水体、乳化油区域及油膜区域的提取提供参考依据，有利于提高溢油监测效率及监测精度。
在一个可选的实施例中，上述目标卫星影像数据还可以包括第一级别(L1A)的卫星影像数据及第二级别(L1B)的卫星影像数据。其中，该方法还可以包括以下操作：
对目标卫星影像数据执行质量控制操作剔除目标卫星影像数据中的扭曲变形数据，以更新目标卫星影像数据；
通过IDL编程从更新后的目标卫星影像数据包括的第一级别的卫星影像数据中读取经纬度坐标及空间几何数据，并将读取到的经纬度坐标及空间几何数据(太阳天顶角、太阳方位角、卫星天顶角、卫星方位角)与更新后的目标卫星影像数据包括的第二级别的卫星影像数据中的四个瑞利反射率波段数据(其中心波长分别为460nm，560nm，650nm，825nm)合并存放至同一个数据集中，并将数据集保存输出为tiff数据。
具体的，上述确定出的样例数据可以进一步包括数据集中的内容。
可见，该可选的实施例中，作为样例数据的卫星影像数据包括第一级别(L1A)的卫星影像数据以及第二级别(L1B)的卫星影像数据，提高了卫星影像数据的内容全面性与可靠性。此外，还能够在识别出目标样本航段存在溢油事件之后通过质量控制操作剔除卫星影像数据中扭曲变形数据，这样有利于减少作为样例数据的卫星影像数据中的干扰信息，提高了确定出的样例数据的准确性与可靠性。此外，还能够从更新后的卫星影像数据提取经纬度坐标及空间几何数据等关键信息，有利于提高关键信息的提取效率，还能够减少扭曲变形数据对关键信息的干扰，提高关键信息的提取精准性，进一步的，还能够将识别出的关键信息与第二级别的卫星影像数据中四个瑞利反射率波段数据合并存放至同一个数据集，有利于提高数据集中内容的全面性及精准性，能够为溢油事件识别提供更加全面、精准的参考依据。
在该可选的实施例中，进一步可选的，对目标卫星影像数据执行质量控制操作剔除目标卫星影像数据中的扭曲变形数据，以更新目标卫星影像数据，可以包括：
从目标卫星影像数据中剔除卫星天顶角的角度值大于等于第一预设角度阈值的第一卫星影像数据，并通过预先公布的全球0.01°地形矢量文件从目标卫星影像数据中剔除区域类型为陆地类型的第二卫星影像数据，以及，以近红外波段为判断依据从目标卫星影像数据中剔除包括目标状态云特征的第三卫星影像数据，以更新目标卫星影像数据。
其中，目标状态云特征可以为云团边缘部分的碎云和细小云。
可见，该可选的实施例还能够在剔除卫星影像数据中的扭曲变形数据时考虑卫星天顶胶、陆地区域及目标状态云等相关信息，能够提高剔除扭曲变形数据的全面性，进而有利于提高更新后的卫星影像数据的精准性。根据影像中溢油位置做判断，对影响做裁剪，保留存在溢油的影像数据，如图9所示。
在又一个可选的实施例中，根据合成卫星影像数据对应的区域参数识别目标海洋航段是否存在溢油事件，得到识别结果，包括：
根据从目标卫星影像数据中获取到的空间几何数据计算目标夹角的空间分布情况，目标夹角为水面反射太阳光的方向与油面反射太阳光方向的夹角；这里采用水面和油面进行定义，由于水面和油面两者折射率不同，其反射之后的方向也不相同；最终造成两者在角度上存在差异。
根据目标夹角的空间分布情况，确定目标卫星影像数据中不同位置区域的区域参数，并根据所述目标卫星影像数据中不同位置区域的区域参数识别所述目标海洋航段是否存溢油区域；
当识别出目标海洋航段存在溢油区域时，生成用于表示目标海洋航段存在所述溢油事件的识别结果。
其中，区域参数包括对应位置区域的亮度值和/或在不同波段下的波段反射率。
在该可选的实施例中，针对水面或者油面的菲涅尔反射，油渗漏造成的海面薄油膜在不同的角度观测条件下，会表现出比背景水体亮或暗的特征。在该可选的实施例中采用水面反射太阳光的方向与油面反射太阳光方向的夹角(θm)来表征溢油海面耀光反射差异评估，其计算公式为：
Cos(θm)＝Cos(θ0)Cos(θ)-Sin(θ0)Sin(θ)Cos(φ)；
其中，θ0为太阳天顶角，θ为卫星天顶角，φ为卫星与太阳之间的相对方位角。采用Cox-Munk太阳耀斑亮度理论，结合风场数据，计算得到耀斑辐亮度的临界角为14-15°。在θm小于14°时，油面的耀斑反射信号强，油膜对入射光的吸收影响弱，溢油水面表现出比水体亮的特征；在14°-15°之间，清洁海面与溢油海面的反射率差异不大，油膜不宜鉴别；在大于15°时，溢油的油面菲涅尔反射率小于清洁海水的水面菲涅尔反射率，油膜对入射光的吸收影响强，油膜表现出比水体暗的特征，乳化油的光后向散射强，表现出比水体亮的特征。使用前面获取的卫星影像数据中的空间几何数据(太阳天顶角，太阳方位角，卫星天顶角，卫星方位角)计算θm，其中，计算得到θm的空间分布情况可以如图6所示。如图6所示，由于其角度数值都大于15°，符合第三种情况，溢油海面耀光反射率贡献可以忽略，卫星光学数据中的信号贡献主要来自溢油和背景海水，其油膜表现出比水体暗的特征，乳化油表现出比水体亮的特征，进而可以对海洋航段的油膜覆盖区域、乳化油覆盖区域进行分类、识别。
实施例二
请参阅图2，图2是本发明实施例公开的另一种基于光学卫星数据的海洋溢油事件监测实现方法的流程示意图。其中，图2所描述的方法可以应用于监测实现装置，该监测实现装置用于实现对海洋航段是否存在溢油事件的监测，比如为监测海洋航段是否存在溢油事件提供数据参考依据。如图2和图10所示，该方法可以包括以下步骤：
201、从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据。
202、按照预先设定的光学影像海面溢油判别准则，对目标卫星影像数据进行RGB真彩色合成，得到合成卫星影像数据。
203、根据合成卫星影像数据对应的区域参数识别目标海洋航段是否存在溢油事件，得到识别结果。
204、当上述识别结果用于表示目标海洋航段存在溢油事件时，将目标卫星影像数据确定为样例数据。
其中，针对步骤201-204的详细描述可以参照实施例一中针对步骤101-104的相关描述，本发明实施例不再赘述。
205、根据目标卫星影像数据，从目标海洋航段中确定出溢油区域。
206、根据确定出的溢油区域，对目标卫星影像数据除溢油区域对应的影像区域之外的其它影像区域执行裁剪操作，得到溢油区域对应的卫星影像数据。
207、存储溢油区域对应的卫星影像数据。
可见，本发明实施例所描述的方法能够利用海洋光学卫星数据进行数据挖掘，不仅拓展了海洋光学卫星数据的功能，还能够为实现清洁水体、乳化油区域及油膜区域的提取提供参考依据，有利于提高溢油监测效率及监测精度。此外，还能够在确定出样例数据之后，根据卫星影像数据中的溢油位置对卫星影像数据进行裁剪，保留存在溢油情况的卫星影像数据，有利于实现对卫星影像数据的针对性存储，提高了卫星影像数据的针对性与精准性。
在一个可选的实施例中，该方法还可以包括以下操作：
针对溢油区域对应的卫星影像数据的每个波段，从溢油区域对应的卫星影像数据中分别提取在该波段下第一类别对应的波段反射率、第二类别对应的波段反射率以及第三类别对应的波段反射率，其中，第一类别对应的波段反射率为清洁水体区域的波段反射率，第二类别对应的波段反射率为油膜覆盖区域的波段反射率以及第三类别对应的波段反射率为乳化油覆盖区域的波段反射率；所有波段包括近红外波段、红外波段以及蓝波段；
对于第一类别、第二类别以及第三类别中的每个类别，根据该类别在每个波段对应的波段反射率以及计算出的该类别对应的波段反射率差值对该类别对应的区域进行修正，其中，该类别对应的波段反射率差值为该类别在近红外波段对应的波段反射率与该类别在蓝波段对应的波段反射率的差值或差值的绝对值。从影像上提取背景水体，油膜以及乳化油三种目标物的波段反射率，每种目标物按照空间区域(图像的北部区域，中间区域，南部区域)分别划分为3小类，分别为背景水体1，背景水体2，背景水体3，油膜1，油膜2，油膜3，乳化油1，乳化油2，乳化油3，并在每小类中按照空间均匀的选择5种兴趣区作为代表，并求取每小类的波段遥感反射率均值；五种兴趣区在空间上均匀分布，其作为代表数据，其目标物内部的差异也可以表现出来，建立的算法适用性也更好。三小类设置就是目标物内部的差异也可以表现出来，建立的算法适用性也更好。
举例来说，不同波段下不同类别对应的波段反射率(也即瑞利反射率)的光谱图可以如图7所示。
可见，该可选的实施例在识别出不同类别的区域之后，还能够通过不同波段下的波段反射率实现对不同类别的区域的修正，有利于提高识别出的不同类别的区域的准确性，进而有利于提高样例数据的准确性。
在又一个可选的实施例中，该方法还可以包括：
针对确定出的所有样本数据，提取每个样本数据中的每个类别的区域所对应的波段数据；
通过提取到的所有样本数据中的每个类别的区域所对应的波段数据对预先确定出的分类算法模型进行训练，得到训练后的分类算法模型；
对于任一待监测海洋航道，将从待监测海洋航道对应的卫星影像数据中提取出的目标数据输入至训练后的分类算法模型，得到训练后的分类算法模型的输出结果；在本发明实施例中分类算法模型为模式识别中的支持向量机算法；其基本思想是基于训练集在样本空间中找到一个划分超平面，将不同类别的样本分开。划分超平面采用线性方程表示：
WTx+b＝0 (2)
其中W为超平面的法向量，决定超平面方向，b为位移量，决定超平面与原点之间的距离，其超平面可以使用法向量和位移确定。样本中任意点x到到超平面的距离可以表示为：
Figure BDA0003501965260000151
在超平面将样本正确分类时，对于(xi,yi)包含在数据集D中，若yi＝+Δ，则有WTx+b>0；若yi＝-Δ，则有WTx+b<0.令
WTx+b≥0，yi＝+Δ
WTx+b≤0，yi＝-Δ (4)
距离超平面最近的训练样本点使4式成立，它们称为支持向量，两个异类支持向量到超平面的距离之和为
Figure BDA0003501965260000152
在划分超平面时，找到最大间隔，即找到满足约束的参数w和b，使得γ最大，即
Figure BDA0003501965260000161
要求：yi(WTx+b)≥Δ，i，2，…,m；
在向量机算法的求解中，先利用训练样本计算出w和b，然后将其进行运用，做数据分类。
根据训练后的分类算法模型的输出结果确定待监测海洋航道的溢油监测结果，以及当溢油监测结果表示待监测海洋航道存在溢油时，根据溢油监测结果提取待监测海洋航道对应的油膜区域参数和/或乳化油区域参数；
其中，待监测海洋航道对应的油膜区域参数包括待监测海洋航道的油膜区域面积和/或油膜区域位置；待监测海洋航道对应的乳化油区域参数包括待监测海洋航道的乳化油区域面积和/或乳化油区域位置。
其中，训练后的分类算法模型具体可以是智能分类算法-支持向量机算法，在实际应用时，选择径向基函数作为核函数，利用支持向量机分割算法实现对影像信息的提取。举例来说，训练后的分类算法模型的输出结果(也即影像分类结果)可以如图8所示，其包括了油膜区域分布情况、乳化油区域分布情况及背景水体区域分布情况。
可见，该可选的实施例还能够通过大量数据对预先确定出的分类算法模型进行训练，进而通过训练后的分类算法模型对待监测的海洋航道实现监测，有利于提高监测效率及监测精准性。
在本发明实施例中使用选定的三种目标物，在影像上构建样本区作为真实地物验证样本，采用混淆矩阵对分类后影像数据进行验证，其验证后总体分类精度为99％，kappa系数为0.7791,其分类结果精度较好。根据地学中地物空间连续分布定律，对分类后图像采用主要分析，对小图斑进行剔除。对乳化油，油膜的面积分别进行统计，获取得到乳化油的像元数为2105个，面积为5.2625km2，油膜像元数为14914个，面积为37.285km2。本发明实施例采用的方法具有较好精度，能够自动化实现对油事件中的乳化油，油膜位置进行提取，并获取其面积，该结果可以为生态环境保护提供较高精度的基础数据。
实施例三
请参阅图3，图3是本发明实施例公开的一种基于光学卫星数据的海洋溢油事件监测实现装置的结构示意图。其中，图3所描述的装置用于实现对海洋航段是否存在溢油事件的监测，比如为监测海洋航段是否存在溢油事件提供数据参考依据。如图3所示，该装置可以包括：
下载模块301，用于从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据；
合成模块302，用于按照预先设定的光学影像海面溢油判别准则，对目标卫星影像数据进行RGB真彩色合成，得到合成卫星影像数据；
识别模块303，用于根据合成卫星影像数据对应的区域参数识别目标海洋航段是否存在溢油事件，得到识别结果；
样本确定模块304，用于当识别结果用于表示目标海洋航段存在溢油事件时，将目标卫星影像数据确定为样例数据。
其中，针对多个目标海洋航段确定出的所有样本数据用于作为待监测海洋航段是否存在溢油事件的识别参考依据。
可见，实施图3所描述的装置能够利用海洋光学卫星数据进行数据挖掘，不仅拓展了海洋光学卫星数据的功能，还能够为实现清洁水体、乳化油区域及油膜区域的提取提供参考依据，有利于提高溢油监测效率及监测精度。
在一个可选的实施例中，目标卫星影像数据包括第一级别的卫星影像数据及第二级别的卫星影像数据。其中，如图4所示，该装置还可以包括：
更新模块305，用于对目标卫星影像数据执行质量控制操作剔除目标卫星影像数据中的扭曲变形数据，以更新目标卫星影像数据；
数据处理模块306，用于通过IDL编程从更新后的目标卫星影像数据包括的第一级别的卫星影像数据中读取经纬度坐标及空间几何数据，并将读取到的经纬度坐标及空间几何数据与更新后的目标卫星影像数据包括的第二级别的卫星影像数据中的四个瑞利反射率波段数据合并存放至同一个数据集中，并将数据集保存输出为tiff数据。
可见，实施图4所描述的装置还能够在识别出目标样本航段存在溢油事件之后通过质量控制操作剔除卫星影像数据中扭曲变形数据，这样有利于减少作为样例数据的卫星影像数据中的干扰信息，提高了确定出的样例数据的准确性与可靠性。此外，还能够从更新后的卫星影像数据提取经纬度坐标及空间几何数据等关键信息，有利于提高关键信息的提取效率，还能够减少扭曲变形数据对关键信息的干扰，提高关键信息的提取精准性，进一步的，还能够将识别出的关键信息与第二级别的卫星影像数据中四个瑞利反射率波段数据合并存放至同一个数据集，有利于提高数据集中内容的全面性及精准性，能够为溢油事件识别提供更加全面、精准的参考依据。
在另一个可选的实施例中，更新模块305对目标卫星影像数据执行质量控制操作剔除目标卫星影像数据中的扭曲变形数据，以更新目标卫星影像数据的具体方式为：
从目标卫星影像数据中剔除卫星天顶角的角度值大于等于第一预设角度阈值的第一卫星影像数据，并通过预先公布的全球0.01°地形矢量文件从目标卫星影像数据中剔除区域类型为陆地类型的第二卫星影像数据，以及，以近红外波段为判断依据从目标卫星影像数据中剔除包括目标状态云特征的第三卫星影像数据，以更新目标卫星影像数据。
可见，该可选的实施例还能够在剔除卫星影像数据中的扭曲变形数据时考虑卫星天顶胶、陆地区域及目标状态云等相关信息，能够提高剔除扭曲变形数据的全面性，进而有利于提高更新后的卫星影像数据的精准性。
在又一个可选的实施例中，识别模块303根据合成卫星影像数据对应的区域参数识别目标海洋航段是否存在溢油事件，得到识别结果的具体方式为：
根据从目标卫星影像数据中获取到的空间几何数据计算目标夹角的空间分布情况，目标夹角为水面反射太阳光的方向与油面反射太阳光方向的夹角；
根据目标夹角的空间分布情况，确定目标卫星影像数据中不同位置区域的区域参数，并根据目标卫星影像数据中不同位置区域的区域参数识别目标海洋航段是否存溢油区域；
当识别出目标海洋航段存在溢油区域时，生成用于表示目标海洋航段存在溢油事件的识别结果。
其中，区域参数包括对应位置区域的亮度值和/或在不同波段下的波段反射率。
可见，该可选的实施例还能够实现对海洋航段的油膜覆盖区域、乳化油覆盖区域进行分类、识别。
在又一个可选的实施例中，样本确定模块304，还用于在将目标卫星影像数据确定为样例数据之后，根据目标卫星影像数据，从目标海洋航段中确定出溢油区域。如图4所示，该装置还包括：
裁剪模块307，用于根据确定出的溢油区域，对目标卫星影像数据除溢油区域对应的影像区域之外的其它影像区域执行裁剪操作，得到溢油区域对应的卫星影像数据；
存储模块308，用于存储溢油区域对应的卫星影像数据。
可见，该可选的实施例还能够在确定出样例数据之后，根据卫星影像数据中的溢油位置对卫星影像数据进行裁剪，保留存在溢油情况的卫星影像数据，有利于实现对卫星影像数据的针对性存储，提高了卫星影像数据的针对性与精准性。
在又一个可选的实施例中，如图4所示，该装置还可以包括：
第一提取模块309，用于针对溢油区域对应的卫星影像数据的每个波段，从溢油区域对应的卫星影像数据中分别提取在该波段下第一类别对应的波段反射率、第二类别对应的波段反射率以及第三类别对应的波段反射率，其中，第一类别对应的波段反射率为清洁水体区域的波段反射率，第二类别对应的波段反射率为油膜覆盖区域的波段反射率以及第三类别对应的波段反射率为乳化油覆盖区域的波段反射率；所有波段包括近红外波段、红外波段以及蓝波段；
调整模块310，用于对于第一类别、第二类别以及第三类别中的每个类别，根据该类别在每个波段对应的波段反射率以及计算出的该类别对应的波段反射率差值对该类别对应的区域进行修正，其中，该类别对应的波段反射率差值为该类别在近红外波段对应的波段反射率与该类别在蓝波段对应的波段反射率的差值或差值的绝对值。
可见，该可选的实施例在识别出不同类别的区域之后，还能够通过不同波段下的波段反射率实现对不同类别的区域的修正，有利于提高识别出的不同类别的区域的准确性，进而有利于提高样例数据的准确性。
在又一个可选的实施例中，如图4所示，该装置还可以包括：
第二提取模块311，还用于针对确定出的所有样本数据，提取每个样本数据中的每个类别的区域所对应的波段数据；
训练模块312，用于通过提取到的所有样本数据中的每个类别的区域所对应的波段数据对预先确定出的分类算法模型进行训练，得到训练后的分类算法模型；
分类模块313，用于根据训练后的分类算法模型的输出结果确定待监测海洋航道的溢油监测结果，以及当溢油监测结果表示待监测海洋航道存在溢油时，根据溢油监测结果提取待监测海洋航道对应的油膜区域参数和/或乳化油区域参数和/或清水区域参数。
其中，待监测海洋航道对应的油膜区域参数包括待监测海洋航道的油膜区域面积和/或油膜区域位置；待监测海洋航道对应的乳化油区域参数包括待监测海洋航道的乳化油区域面积和/或乳化油区域位置。
可见，该可选的实施例还能够通过大量数据对预先确定出的分类算法模型进行训练，进而通过训练后的分类算法模型对待监测的海洋航道实现监测，有利于提高监测效率及监测精准性。
实施例四
请参阅图5，图5是本发明实施例公开的又一种基于光学卫星数据的海洋溢油事件监测实现装置的结构示意图。其中，如图5所示，该基于光学卫星数据的海洋溢油事件监测实现装置可以包括：
存储有可执行程序代码的存储器401；
与存储器401耦合的处理器402；
处理器402调用存储器401中存储的可执行程序代码，执行本发明实施例一或实施例二中所公开的基于光学卫星数据的海洋溢油事件监测实现方法中的部分或全部步骤。
实施例五
本发明实施例公开了一种计算机存储介质，计算机存储介质存储有计算机指令，计算机指令被调用时，用于执行本发明实施例一或实施例二中所公开的基于光学卫星数据的海洋溢油事件监测实现方法中的部分或全部步骤。
以上所描述的装置实施例仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施例的具体描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在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(RandomAccess 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(ErasableProgrammable Read Only Memory，EPROM)、一次可编程只读存储器(One-timeProgrammable 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。
最后应说明的是：本发明实施例公开的一种基于光学卫星数据的海洋溢油事件监测实现方法及装置所揭露的仅为本发明较佳实施例而已，仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解；其依然可以对前述各项实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或替换，并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。

Claims (10)

1.一种基于光学卫星数据的海洋溢油事件监测实现方法，其特征在于，所述方法包括：
从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据；
按照预先设定的光学影像海面溢油判别准则，对所述目标卫星影像数据进行RGB真彩色合成，得到合成卫星影像数据；
根据所述合成卫星影像数据对应的区域参数识别所述目标海洋航段是否存在溢油事件，得到识别结果；
当所述识别结果用于表示所述目标海洋航段存在所述溢油事件时，将所述目标卫星影像数据确定为样例数据；
其中，针对多个所述目标海洋航段确定出的所有所述样本数据用于作为待监测海洋航段是否存在溢油事件的识别参考依据；
根据获取样例数据分析得到油面和水面的光学特征，然后使用支持向量机方法实现对清洁水体、乳化油区域及油膜区域提取。
2.根据权利要求1所述的基于光学卫星数据的海洋溢油事件监测实现方法，其特征在于，所述目标卫星影像数据包括第一级别的卫星影像数据及第二级别的卫星影像数据；
其中，所述方法还包括：
对所述目标卫星影像数据执行质量控制操作剔除所述目标卫星影像数据中的扭曲变形数据，以更新所述目标卫星影像数据；
通过IDL编程从更新后的所述目标卫星影像数据包括的所述第一级别的卫星影像数据中读取经纬度坐标及空间几何数据，并将读取到的所述经纬度坐标及所述空间几何数据与更新后的所述目标卫星影像数据包括的所述第二级别的卫星影像数据中的四个瑞利反射率波段数据合并存放至同一个数据集中，并将所述数据集保存输出为tiff数据。
3.根据权利要求2所述的基于光学卫星数据的海洋溢油事件监测实现方法，其特征在于，所述对所述目标卫星影像数据执行质量控制操作剔除所述目标卫星影像数据中的扭曲变形数据，以更新所述目标卫星影像数据，包括：
从所述目标卫星影像数据中剔除卫星天顶角的角度值大于等于第一预设角度阈值的第一卫星影像数据，并通过预先公布的全球0.01°地形矢量文件从所述目标卫星影像数据中剔除区域类型为陆地类型的第二卫星影像数据，以及，以近红外波段为判断依据从所述目标卫星影像数据中剔除包括目标状态云特征的第三卫星影像数据，以更新所述目标卫星影像数据。
4.根据权利要求1-3任一项所述的基于光学卫星数据的海洋溢油事件监测实现方法，其特征在于，所述根据所述合成卫星影像数据对应的区域参数识别所述目标海洋航段是否存在溢油事件，得到识别结果，包括：
根据从所述目标卫星影像数据中获取到的空间几何数据计算目标夹角的空间分布情况，所述目标夹角为水面反射太阳光的方向与油面反射太阳光方向的夹角；
根据所述目标夹角的空间分布情况，确定所述目标卫星影像数据中不同位置区域的区域参数，并根据所述目标卫星影像数据中不同位置区域的区域参数识别所述目标海洋航段是否存溢油区域；
当识别出所述目标海洋航段存在所述溢油区域时，生成用于表示所述目标海洋航段存在所述溢油事件的识别结果；
其中，所述区域参数包括对应位置区域的亮度值和/或在不同波段下的波段反射率。
5.根据权利要求4所述的基于光学卫星数据的海洋溢油事件监测实现方法，其特征在于，所述将所述目标卫星影像数据确定为样例数据之后，所述方法还包括：
根据所述目标卫星影像数据，从所述目标海洋航段中确定出溢油区域；
根据确定出的所述溢油区域，对所述目标卫星影像数据除所述溢油区域对应的影像区域之外的其它影像区域执行裁剪操作，得到所述溢油区域对应的卫星影像数据；
存储所述溢油区域对应的卫星影像数据。
6.根据权利要求5所述的基于光学卫星数据的海洋溢油事件监测实现方法，其特征在于，所述方法还包括：
针对所述溢油区域对应的卫星影像数据的每个波段，从所述溢油区域对应的卫星影像数据中分别提取在该波段下第一类别对应的波段反射率、第二类别对应的波段反射率以及第三类别对应的波段反射率，其中，所述第一类别对应的波段反射率为所述清洁水体区域的波段反射率，所述第二类别对应的波段反射率为所述油膜覆盖区域的波段反射率以及所述第三类别对应的波段反射率为所述乳化油覆盖区域的波段反射率；所有所述波段包括近红外波段、红外波段以及蓝波段；
对于所述第一类别、所述第二类别以及所述第三类别中的每个类别，根据该类别在每个所述波段对应的波段反射率以及计算出的该类别对应的波段反射率差值对该类别对应的区域进行修正，其中，该类别对应的波段反射率差值为该类别在所述近红外波段对应的波段反射率与该类别在蓝波段对应的波段反射率的差值或差值的绝对值。
7.根据权利要求6所述的基于光学卫星数据的海洋溢油事件监测实现方法，其特征在于，所述方法还包括：
针对确定出的所有所述样本数据，提取每个所述样本数据中的每个所述类别的区域所对应的波段数据；
通过提取到的所有所述样本数据中的每个所述类别的区域所对应的波段数据对预先确定出的分类算法模型进行训练，得到训练后的分类算法模型；
对于任一待监测海洋航道，将从所述待监测海洋航道对应的卫星影像数据中提取出的目标数据输入至所述训练后的分类算法模型，得到所述训练后的分类算法模型的输出结果；
根据所述训练后的分类算法模型的输出结果确定所述待监测海洋航道的溢油监测结果，以及当所述溢油监测结果表示所述待监测海洋航道存在溢油时，根据所述溢油监测结果提取所述待监测海洋航道对应的油膜区域参数和/或乳化油区域参数和/或清水区域参数；
其中，所述待监测海洋航道对应的油膜区域参数包括所述待监测海洋航道的油膜区域面积和/或油膜区域位置；所述待监测海洋航道对应的乳化油区域参数包括所述待监测海洋航道的乳化油区域面积和/或乳化油区域位置。
8.一种基于光学卫星数据的海洋溢油事件监测实现装置，其特征在于，所述装置包括：
下载模块，用于从海洋卫星中心数据站下载某一目标海洋航段对应的目标卫星影像数据；
合成模块，用于按照预先设定的光学影像海面溢油判别准则，对所述目标卫星影像数据进行RGB真彩色合成，得到合成卫星影像数据；
第一识别模块，用于根据所述合成卫星影像数据对应的区域参数识别所述目标海洋航段是否存在溢油事件，得到识别结果；
样本确定模块，用于当所述识别结果用于表示所述目标海洋航段存在所述溢油事件时，将所述目标卫星影像数据确定为样例数据；
其中，针对多个所述目标海洋航段确定出的所有所述样本数据用于作为待监测海洋航段是否存在溢油事件的识别参考依据；
第二识别模块，根据获取样例数据分析得到油面和水面的光学特征，然后使用支持向量机方法实现对清洁水体、乳化油区域及油膜区域提取。
9.一种基于光学卫星数据的海洋溢油事件监测实现装置，其特征在于，所述装置包括：
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，执行如权利要求1-7任一项所述的基于光学卫星数据的海洋溢油事件监测实现方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行如权利要求1-7任一项所述的基于光学卫星数据的海洋溢油事件监测实现方法。
CN202210129713.2A 2022-02-11 2022-02-11 基于光学卫星数据的海洋溢油事件监测实现方法及装置 Active CN114511790B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210129713.2A CN114511790B (zh) 2022-02-11 2022-02-11 基于光学卫星数据的海洋溢油事件监测实现方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210129713.2A CN114511790B (zh) 2022-02-11 2022-02-11 基于光学卫星数据的海洋溢油事件监测实现方法及装置

Publications (2)

Publication Number Publication Date
CN114511790A true CN114511790A (zh) 2022-05-17
CN114511790B CN114511790B (zh) 2022-09-30

Family

ID=81552520

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210129713.2A Active CN114511790B (zh) 2022-02-11 2022-02-11 基于光学卫星数据的海洋溢油事件监测实现方法及装置

Country Status (1)

Country Link
CN (1) CN114511790B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951799A (zh) * 2015-06-12 2015-09-30 北京理工大学 一种sar遥感影像溢油检测识别方法
KR101732111B1 (ko) * 2016-06-30 2017-05-02 서울시립대학교 산학협력단 위성영상을 이용한 기름유출 탐지장치 및 방법
CN108776144A (zh) * 2018-06-12 2018-11-09 南京大学 一种基于基团光谱特征的海洋溢油乳化物遥感识别方法
CN109190538A (zh) * 2018-08-24 2019-01-11 华北水利水电大学 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
CN109490886A (zh) * 2018-11-28 2019-03-19 北京工业大学 一种极化合成孔径雷达遥感海面溢油区域精确提取方法
CN110414438A (zh) * 2019-07-30 2019-11-05 西南交通大学 基于空间聚类信息修正的高光谱图像识别方法
CN111563420A (zh) * 2020-04-16 2020-08-21 自然资源部第一海洋研究所 基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法
CN111879709A (zh) * 2020-07-15 2020-11-03 中国科学院空天信息创新研究院 湖泊水体光谱反射率检验方法及装置
CN112904384A (zh) * 2021-01-22 2021-06-04 上海航天测控通信研究所 基于机器学习的星载gnss-r高度要素探测装置及方法
CN113160359A (zh) * 2021-05-21 2021-07-23 宁波大学 一种基于谐波拟合参数的滨海湿地遥感制图方法
CN113406014A (zh) * 2021-05-25 2021-09-17 青岛欧森海事技术服务有限公司 一种基于多光谱成像设备的溢油监测系统及方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951799A (zh) * 2015-06-12 2015-09-30 北京理工大学 一种sar遥感影像溢油检测识别方法
KR101732111B1 (ko) * 2016-06-30 2017-05-02 서울시립대학교 산학협력단 위성영상을 이용한 기름유출 탐지장치 및 방법
CN108776144A (zh) * 2018-06-12 2018-11-09 南京大学 一种基于基团光谱特征的海洋溢油乳化物遥感识别方法
CN109190538A (zh) * 2018-08-24 2019-01-11 华北水利水电大学 一种基于遥感技术的多泥沙河流三角洲海岸带演化分析方法
CN109490886A (zh) * 2018-11-28 2019-03-19 北京工业大学 一种极化合成孔径雷达遥感海面溢油区域精确提取方法
CN110414438A (zh) * 2019-07-30 2019-11-05 西南交通大学 基于空间聚类信息修正的高光谱图像识别方法
CN111563420A (zh) * 2020-04-16 2020-08-21 自然资源部第一海洋研究所 基于卷积神经网络的海面太阳耀斑区溢油多光谱探测方法
CN111879709A (zh) * 2020-07-15 2020-11-03 中国科学院空天信息创新研究院 湖泊水体光谱反射率检验方法及装置
CN112904384A (zh) * 2021-01-22 2021-06-04 上海航天测控通信研究所 基于机器学习的星载gnss-r高度要素探测装置及方法
CN113160359A (zh) * 2021-05-21 2021-07-23 宁波大学 一种基于谐波拟合参数的滨海湿地遥感制图方法
CN113406014A (zh) * 2021-05-25 2021-09-17 青岛欧森海事技术服务有限公司 一种基于多光谱成像设备的溢油监测系统及方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HAN X等: "Spectral anomaly detection based on dictionary learning for sea surfaces", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 *
Y. ZOU等: "Application of Hy-1c Satellite Coastal Zone Imager in Island Reef Monitoring", 《IGARSS 2019 - 2019 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 *
安超: "光学遥感溢油检测机理及实例分析", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 *
李佳雨等: "基于指数构建的高分辨率城市水体提取新方法", 《遥感信息》 *
沈亚峰: "基于HY-1C星数据的海洋溢油提取方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 *
范剑超等: "基于非负矩阵分解和支持向量机的墨西哥湾溢油HJ-1星遥感图像分类", 《海洋环境科学》 *

Also Published As

Publication number Publication date
CN114511790B (zh) 2022-09-30

Similar Documents

Publication Publication Date Title
Bao et al. Monitoring of beach litter by automatic interpretation of unmanned aerial vehicle images using the segmentation threshold method
Wang et al. Sea ice concentration estimation during melt from dual-pol SAR scenes using deep convolutional neural networks: A case study
Nieto-Hidalgo et al. Two-stage convolutional neural network for ship and spill detection using SLAR images
US8422738B1 (en) Adaptive automated synthetic aperture radar vessel detection method with false alarm mitigation
Mattyus Near real-time automatic marine vessel detection on optical satellite images
KR100678395B1 (ko) 위성영상과 항공영상을 이용한 지리정보 데이터의 실시간위치보정 시스템 및 그 방법
CN109376600A (zh) 多光谱遥感影像综合特征云检测方法及装置
CN112347895A (zh) 一种基于边界优化神经网络的舰船遥感目标检测方法
Shaoqing et al. The comparative study of three methods of remote sensing image change detection
Jin et al. A salient region detection and pattern matching-based algorithm for center detection of a partially covered tropical cyclone in a SAR image
KR102469002B1 (ko) 해양오염정보 자동생성 및 표출시스템 및 그 방법
Singh et al. Review on different change vector analysis algorithms based change detection techniques
CN114821348A (zh) 一种海冰制图方法
Zhou et al. Restoration of information obscured by mountainous shadows through Landsat TM/ETM+ images without the use of DEM data: A new method
Karvonen et al. Iceberg detection in dual-polarized C-band SAR imagery by segmentation and nonparametric CFAR (SnP-CFAR)
CN115761463A (zh) 一种浅海水深反演方法、系统、设备及介质
Wakabayashi et al. Flooded rice paddy detection using sentinel-1 and planetscope data: a case study of the 2018 spring flood in West Java, Indonesia
Feng et al. Detection of urban built-up area change from Sentinel-2 images using multiband temporal texture and one-class random forest
Wang et al. Multi-source evidence data fusion approach to detect daily distribution and coverage of Ulva prolifera in the Yellow Sea, China
Kashtan et al. Deep Learning Technology for Automatic Burned Area Extraction Using Satellite High Spatial Resolution Images
CN114511790B (zh) 基于光学卫星数据的海洋溢油事件监测实现方法及装置
Sakieh et al. An integrated spectral-textural approach for environmental change monitoring and assessment: analyzing the dynamics of green covers in a highly developing region
Xu et al. Detection of coral reef bleaching based on sentinel-2 multi-temporal imagery: Simulation and case study
CN116109942A (zh) 一种可见光遥感图像舰船目标检测方法
CN114581793A (zh) 遥感图像的云识别方法、装置、电子设备及可读存储介质

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