CN114923867A - 基于fy-3d mersi-ii数据的赤潮监测方法及装置 - Google Patents

基于fy-3d mersi-ii数据的赤潮监测方法及装置 Download PDF

Info

Publication number
CN114923867A
CN114923867A CN202210844966.8A CN202210844966A CN114923867A CN 114923867 A CN114923867 A CN 114923867A CN 202210844966 A CN202210844966 A CN 202210844966A CN 114923867 A CN114923867 A CN 114923867A
Authority
CN
China
Prior art keywords
data
red tide
chlorophyll
mersi
concentration
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
CN202210844966.8A
Other languages
English (en)
Other versions
CN114923867B (zh
Inventor
李洪平
周磊
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.)
Ocean University of China
Original Assignee
Ocean University of China
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 Ocean University of China filed Critical Ocean University of China
Priority to CN202210844966.8A priority Critical patent/CN114923867B/zh
Publication of CN114923867A publication Critical patent/CN114923867A/zh
Application granted granted Critical
Publication of CN114923867B publication Critical patent/CN114923867B/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
    • 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
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G01N21/53—Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • 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
    • 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)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Library & Information Science (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Processing (AREA)

Abstract

本发明属于环境监测技术领域，具体涉及基于FY‑3D MERSI‑II数据的赤潮监测方法及装置，本发明通过卫星地面分发系统获取实验区的光学遥感数据，并针对光学遥感数据进行数据预处理，根据现场采集的叶绿素a浓度和赤潮信息数据建立对应叶绿素a浓度反演模型和赤潮提取指数，进行实验海区叶绿素a浓度的反演和赤潮信息提取，并基于生产的叶绿素a浓度和对应的赤潮提取指数综合研判赤潮，形成叶绿素a浓度和赤潮监测结果图以及对应的专题产品，最终产品可以为海洋水质监测和赤潮生态灾害预警提供长期稳定的数据支撑和保障。

Description

基于FY-3D MERSI-II数据的赤潮监测方法及装置
技术领域
本发明属于环境监测技术领域，涉及海洋叶绿素a浓度反演和赤潮监测，具体涉及基于FY-3D MERSI-II数据的赤潮监测方法及装置。
背景技术
海洋叶绿素是海水中浮游植物含量的表征，通过叶绿素浓度的研究能够了解海水中浮游植物的生长情况，能够用来评价水体的富营养程度、水质和预测赤潮。相对于传统水质参数的现场观测，采用遥感手段通过获取海面光学（上行的离水辐亮度）经大气校正和定量反演得到叶绿素a等水体要素信息，进而实现对近海水体大范围动态监测，为近海初级生产力、赤潮生态灾害监测等提供了一种有效工具。
发明内容
本发明的目的在于解决传统现场观测手段无法实现近海二类水体大面积、高时间分辨率获取叶绿素a浓度和赤潮频发区快速监测响应的问题，提出了一种基于FY-3DMERSI-II数据的赤潮监测方法及装置，具体为基于FY-3D多光谱遥感数据进行二类水体的海表叶绿素a浓度反演和赤潮爆发区高频次监测方法，利用FY-3D MERSI-II遥感数据反演叶绿素浓度信息，为海洋初级生产力的遥感估算奠定了基础，同时有助于了解海洋碳循环，对渔业资源管理等具有重要意义；该方法还可以结合叶绿素a浓度进行赤潮的识别，能够对赤潮海洋生态灾害及时响应和处置。
本发明的技术方案是：
基于FY-3D MERSI-II数据的赤潮监测方法，其特征在于，包括以下步骤：
（1）通过卫星地面分发系统获取实验区光学遥感数据，选择覆盖海域为晴朗无云的数据；
（2）针对光学遥感数据进行数据预处理，预处理包括大气校正、几何校正、海陆掩膜和云检测，其中，MERSI-II大气校正利用辐射传输模型进行计算，从卫星影像获取的总遥感反射率中去除瑞利散射和气溶胶散射，几何校正通过经纬度数据集构建地理查找表，基于地理查找表进行几何校正，海陆掩膜利用官方发布的区域陆地矢量文件进行剔除，保留海洋区域数据，云检测通过构建的云掩膜指数进行剔除；
（3）根据现场采集的叶绿素a浓度和赤潮信息数据建立叶绿素a浓度反演模型和赤潮提取指数，结合现场实测数据，分析对叶绿素a浓度敏感的波段并结合MERSI-II数据的光谱响应函数构建叶绿素a浓度反演模型，结合赤潮藻类的特征，构建赤潮信息提取指数MRI；
（4）根据步骤（3）的叶绿素a浓度反演模型反演叶绿素a浓度，同时利用对应的赤潮信息提取指数MRI进行赤潮信息提取，选取叶绿素a浓度大于1.3 mg/m3的阈值和MRI大于4阈值共同作用提取赤潮；
（5）将提取的叶绿素a浓度和赤潮信息快速批量专题制图。
进一步的，所述步骤（1）中，采用FY-3D MERSI-II L1B数据，选择图像中海域云覆盖率<30%的遥感数据。
进一步的，所述步骤（2）中，卫星接收到的大气瑞利散射为：
Figure 506789DEST_PATH_IMAGE001
，
其中，
Figure 748414DEST_PATH_IMAGE002
为卫星接收到的瑞利散射，
Figure 85855DEST_PATH_IMAGE003
是MERSI-II L1B数据对应的第i波段，
Figure 100002_DEST_PATH_IMAGE004
为瑞利光学厚度，
Figure 729325DEST_PATH_IMAGE005
为臭氧的透射率，
Figure 126809DEST_PATH_IMAGE006
为单次散射反照率（非水汽和氧 气吸收带的波段近似为1），
Figure 855730DEST_PATH_IMAGE007
是太阳以三种不同的通道散射到卫星的概率因子，
Figure 100002_DEST_PATH_IMAGE008
为太 阳天顶角，
Figure 934545DEST_PATH_IMAGE009
为太阳天顶角余弦，
Figure 100002_DEST_PATH_IMAGE010
为卫星天顶角，
Figure 432522DEST_PATH_IMAGE011
为卫星天顶角余弦；
计算瑞利散射校正反射率
Figure 100002_DEST_PATH_IMAGE012
：
Figure 266486DEST_PATH_IMAGE013
其中，
Figure 100002_DEST_PATH_IMAGE014
为观测方向的大气漫透射率，
Figure 217125DEST_PATH_IMAGE015
为气溶胶散射反射率，
Figure 100002_DEST_PATH_IMAGE016
是瑞利散射反射率，
Figure 99630DEST_PATH_IMAGE017
是卫星观测总的反射率，
Figure 514431DEST_PATH_IMAGE018
是离水反射率。
进一步的，所述步骤（2）中，基于GDAL库中GEOLOC校正算法进行几何校正，通过FY-3D MERSI-II数据对应的地理定位文件中经纬度数据集进行构建地理查找表，然后实现1KMMERSI-II数据的几何校正。
进一步的，所述步骤（2）中，选取FY-3D MERSI-II数据中3个对云、地表比较敏感的 波段进行云检测，将0.65 μm与0.94 μm云与各种地物波谱特征形成明显反差，将两者归一 化处理，选择I-cloud指数
Figure 456979DEST_PATH_IMAGE019
判断某个像素是否是云，其中，B0.65为0.65 μ m中心波长对应的波段，B0.94为0.94 μm中心波长对应的波段。
进一步的，所述步骤（3）中，利用改进三波段算法提取赤潮，通过现场实测的光谱数据结合FY-3D MERSI -II的光谱特性，选择中心波长555 nm、443 nm、490 nm组合进行赤潮提取，其中MRI如下式：
Figure 100002_DEST_PATH_IMAGE020
，其中，MRI为赤潮信息提取指数，B555为中心波长555 nm对应 的波段，B443为中心波长443 nm对应的波段，B490为中心波长490 nm对应的波段。
进一步的，所述步骤（5）中，将步骤（4）提取的叶绿素a浓度和赤潮提取图增加信息后形成专题图。
本发明还包括一种基于FY-3D MERSI-II数据的赤潮监测方法的装置，所述装置包括：
遥感数据获取模块，用于获取遥感数据；
遥感数据预处理模块，用于进行大气校正、几何校正、云检测及海陆掩膜处理；
叶绿素a浓度反演模块，用于预处理后的FY-3D MERSI-II数据进行叶绿素a浓度反演；
赤潮信息提取模块，用于赤潮信息提取；
专题信息制图模块，用于赤潮专题制图，提供数据发布应用。
本发明通过卫星地面分发系统获取实验区的光学遥感数据并进行预处理，根据现场采集的叶绿素a浓度和赤潮信息数据建立对应叶绿素a浓度反演模型和赤潮提取指数进行实验海区叶绿素a浓度的反演和赤潮信息提取，基于生产的叶绿素a浓度和对应的赤潮提取指数综合研判赤潮，形成叶绿素a浓度和赤潮监测结果图以及对应的专题产品，最终产品可以为海洋水质监测和赤潮生态灾害预警提供长期稳定的数据支撑和保障。
本发明的有益效果：
（1）本发明采用国产FY-3D MERSI-II数据的近海二类水体叶绿素a浓度反演和赤潮监测，可以实现每天研究区1-2次叶绿素a浓度和赤潮识别结果，对于和人类活动密切相关的海洋环境监测具有重要的意义。
（2）本发明克服传统现场观测手段无法实现近海二类水体大面积、高时间分辨率获取叶绿素a浓度和赤潮频发区快速监测响应的问题，提供一种利用高时空分辨率遥感数据进行中国东海海表叶绿素a浓度反演和赤潮快速监测流程，并提供一种基于FY-3DMERSI-II数据的赤潮监测装置，能够及时对赤潮海洋生态灾害作出响应和处置。
（3）本发明的算法基于Python语言开发已经实现工程化应用，形成了对应的批处理软件，基于FY-3D卫星接收的频次可以实现单一区域每天1-2次的专题制图，实现高效的海洋环境监测和生态灾害预警应用。
附图说明
图1为本发明实施例提供的基于FY-3D MERSI-II数据的赤潮监测方法的处理流程图；
图2为本发明实施例提供的基于FY-3D MERSI-II数据的赤潮监测装置的结构示意图；
图3为基于FY-3D MERSI-II数据的叶绿素a浓度反演流程图；
图4为FY-3D MERSI-II几何校正处理流程图；
图5为基于FY-3D MERSI-II进行赤潮监测流程图。
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，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。
为了进一步理解本发明，将结合附图和实施例对本发明作进一步的说明。
实施例1
如图1所示，本发明提供了基于FY-3D MERSI-II数据的东海叶绿素a浓度反演和赤潮监测方法，该方法的处理流程包括：
S1. 通过卫星地面分发系统获取实验区的光学遥感数据，选择覆盖海域为晴朗无云的数据，采用FY-3D MERSI-II L1B数据，选择图像中海域云覆盖率<30%的遥感数据。
S2. 针对光学遥感数据预处理算法进行数据预处理，MERSI-II大气校正利用辐射传输模型进行计算，从卫星影像获取的总遥感反射率中去除瑞利散射和气溶胶散射；几何校正通过经纬度数据集构建地理查找表，基于地理查找表进行几何校正；海陆掩膜利用官方发布的区域陆地矢量文件进行剔除；云检测通过构建云掩膜指数进行剔除；
MERSI-II大气校正中瑞利散射在卫星海洋遥感观测时占传感器接收的总辐射的较大，在蓝光波段占80%~90%，卫星接收到的大气瑞利散射为：
Figure 894913DEST_PATH_IMAGE021
其中，
Figure 315531DEST_PATH_IMAGE002
是卫星接收到的瑞利散射，
Figure 788100DEST_PATH_IMAGE022
是MERSI-II L1B数据对应的第i波段，
Figure 963867DEST_PATH_IMAGE004
是瑞利光学厚度，
Figure 889097DEST_PATH_IMAGE005
是臭氧的透射率，
Figure 113405DEST_PATH_IMAGE006
是单次散射反照率（非水汽和氧 气吸收带的波段近似为1），
Figure 174902DEST_PATH_IMAGE007
是太阳以三种不同的通道散射到卫星的概率因子，
Figure 459253DEST_PATH_IMAGE008
为太 阳天顶角，
Figure 871780DEST_PATH_IMAGE023
为太阳天顶角余弦，
Figure 962095DEST_PATH_IMAGE010
为卫星天顶角，
Figure DEST_PATH_IMAGE024
为卫星天顶角余弦；
计算瑞利散射校正反射率
Figure 143678DEST_PATH_IMAGE012
：
Figure 333351DEST_PATH_IMAGE025
其中
Figure 233174DEST_PATH_IMAGE014
是观测方向的大气漫透射率，
Figure 861601DEST_PATH_IMAGE015
为气溶胶散射反射率，
Figure 163270DEST_PATH_IMAGE016
是瑞利散射反射率，
Figure 523844DEST_PATH_IMAGE017
是卫星观测总的反射率，
Figure 910963DEST_PATH_IMAGE018
是离水反射率。
利用MERSI-II 412 nm波段作为暗像元，即假设
Figure 280764DEST_PATH_IMAGE026
，
Figure 171360DEST_PATH_IMAGE027
为412 nm的气溶胶散射反射率、
Figure DEST_PATH_IMAGE028
为中心波长412 nm的瑞利散射校正 反射率；计算865 nm气溶胶散射反射率
Figure 30732DEST_PATH_IMAGE029
：
Figure 639567DEST_PATH_IMAGE030
式中，
Figure 813060DEST_PATH_IMAGE031
为预估的NIR波段气溶胶发射比，即
Figure 823741DEST_PATH_IMAGE032
；为了避免应用在近海清洁水体时过校正，对于
Figure 854014DEST_PATH_IMAGE033
的像元，则
Figure 950146DEST_PATH_IMAGE034
；
最后提取
Figure 661750DEST_PATH_IMAGE035
；其中，
Figure 589255DEST_PATH_IMAGE036
是离水反射 率，
Figure 728112DEST_PATH_IMAGE037
是观测方向的大气漫透射率；
最终按照公式求出
Figure 311540DEST_PATH_IMAGE038
作为叶绿素a浓度反演和赤潮提取的基础数据。
如图4所示，基于国产FY-3D MERSI-II数据的几何校正是基于GDAL(GeospatialData Abstraction Library)库中的GEOLOC校正算法，通过FY-3D MERSI-II数据对应的地理定位文件中经纬度数据集构建地理查找表(GLT)进行几何校正，生成对应的几何校正影像。地理位置查找表文件是一个二维图像文件，文件中所包含两个波段：地理校正影像的行和列，文件对应的灰度值表示原始影像每个像素对应的地理位置坐标信息，用有符号整型储存，它的符号说明输出像元是对应于真实的输入像元，是由邻近像元生成的填实像元。输入longitude波段和latitude波段，输出GLT文件的投影信息Geographic Lat/Lon，然后利用GLT信息实现原始L1B级MERSI-II数据的几何校正，实现1KM MERSI-II数据的几何校正，将结果数据保持为TIFF文件。
选取FY-3D/MERSI-II数据中3个对云、地表比较敏感的波段进行云检测。针对云及 下垫面地物在可见光、红外波段的发射和辐射特性差异，综合考虑可见光、红外波段光谱特 性进行阈值检测，在可见光0.65 μm波段处晴空数据一般具有较低的反射率，其值为0~0.3； 而云的发射率则高于30%，因此可见光0.65 μm波段是进行云检测的首选波段，同时云在近 红外波段0.94 μm处的波谱特征与大气中的含水量有关，可反映大气中的水汽特征，所以将 0.65 μm与0.94 μm云与各种地物波谱特征形成明显反差，将两者归一化处理一方面可以突 出云的信息，另一方面可以部分消除太阳高度角、卫星扫描角及大气程辐射的影响。选择
Figure 561256DEST_PATH_IMAGE019
I-cloud指数选择最后判断某个像素是否是云；其中，B0.65为0.65 μm中 心波长对应的波段，B0.94为0.94 μm中心波长对应的波段。
S3. 根据现场采集的叶绿素a浓度和赤潮信息数据建立对应叶绿素a浓度反演模型和赤潮提取指数，通过多个时相和卫星准同步的现场观测数据，结合现场采样点的实测光谱数据、叶绿素a浓度、赤潮爆发区域藻类密度，分析对叶绿素a浓度敏感的波段并结合MERSI-II数据的光谱响应函数构建叶绿素a浓度反演模型，结合赤潮藻类的特征，构建出适用于MERSI-II数据的近海区域赤潮提取指数。
利用黄东海的叶绿素4波段算法进行叶绿素a浓度反演。
Figure 546529DEST_PATH_IMAGE039
其中：
Figure 918605DEST_PATH_IMAGE040
，c1= 0.342，c2 = 2.511，c3 = 0.277，c4 = - 1.012；
Figure 989329DEST_PATH_IMAGE041
为叶绿素a浓度；
Figure 42736DEST_PATH_IMAGE042
为叶绿素反演中间量；
Figure 882516DEST_PATH_IMAGE043
为443 nm对应的遥感反 射率；
Figure DEST_PATH_IMAGE044
为412 nm对应的遥感反射率；
Figure 425493DEST_PATH_IMAGE045
为555 nm对应的遥感反射率；
Figure 717934DEST_PATH_IMAGE046
为490 nm对应的遥感反射率。
构建适用于特定海区的赤潮指数（Redtide Index）是目前光学遥感数据提取赤潮比较有效的手段，通过对浙江省海洋灾害公报2011-2020年的数据分析发现东海原甲藻赤潮是东海潮爆发的优势藻，通过现场实测的光谱数据结合FY-3D MERSI -II的光谱特性，创新性的选择555 nm、443 nm、490 nm组合进行赤潮提取，可以消除二类水体高悬浮泥沙的影响，对于赤潮水域555 nm处的遥感反射率将会明显增大，而490 nm和443 nm处附近的遥感反射率将会降低，导致MRI值异常增大，通过多次试验尝试选取MRI >4提取的区域作为疑似赤潮发生区域，结合统计分析功能，实现区域分布面积和覆盖面积统计。其中MRI如下式：
Figure 575031DEST_PATH_IMAGE047
，其中，B555为中心波长555 nm对应的波段，B443为中心波长 443 nm对应的波段，B490为中心波长490 nm对应的波段。
S4. 基于FY-3D MERSI-II数据的叶绿素a浓度反演流程如图3所示，基于S2中大气校正、几何校正、云检测后的数据，结合现场实测数据或者同类卫星产品的数据，基于S3构建的叶绿素a模型进行实验海区叶绿素a浓度的反演，并利用现场实测数据进行精度评价。
S5. 基于FY-3D MERSI-II数据的赤潮提取流程如图5所示，基于S2中大气校正、几何校正、云检测后的数据，并进行海陆掩膜，同时结合辅助的历史赤潮爆发区域赤潮爆发的MRI值，确定MRI 提取阈值，然后利用叶绿素a浓度反演结果结合赤潮指数进行赤潮信息提取，基于S4生产的叶绿素a浓度和对应的赤潮提取指数综合研判赤潮，形成赤潮结果图。结合叶绿素a浓度和MRI指数的东海赤潮提取，利用上述步骤中反演得出的叶绿素a浓度和获取的MRI图像，综合选取叶绿素a浓度大于1.3 mg/m3的阈值和MRI>4阈值共同作用提取赤潮。
S6. 叶绿素a浓度和赤潮信息快速批量专题制图，将S5提取的叶绿素a浓度和赤潮提取图增加图例、图名、制图单位等信息后形成专题图。
从数据预处理到叶绿素a浓度产品和赤潮监测产品生产的一键式专题制图，针对业务化运行的需求，基于C++/Python混合编程方法实现大气校正、几何校正、云检测、海陆掩膜等预处理功能后，基于预处理后的FY-3D MERSI-II数据实现近海二类水体叶绿素a浓度反演和赤潮高效监测。
实施例2
本发明提供了基于FY-3D MERSI-II数据的赤潮监测装置，如图2所示，该装置包括：
遥感数据获取模块S201，用于获取海域云覆盖率<30%的遥感数据；
遥感数据预处理模块S202，用于进行FY-3D/MERSI-II数据大气校正、几何校正、云检测、海陆掩膜处理；
叶绿素a浓度反演模块S203，用于预处理之后的FY-3D/MERSI-II数据利用叶绿素a浓度反演算法生产叶绿素a浓度产品；
赤潮信息提取模块S204，基于叶绿素a浓度反演模块生产的叶绿素a浓度产品，并结合赤潮提取算法阈值判断生产赤潮信息产品；
专题信息制图模块S205，基于叶绿素a浓度反演产品和赤潮信息提取产品进行专题产品制图，提供数据发布应用。
上述说明仅为本发明的优选实施例，并非是对本发明的限制，尽管参照前述实施例对本发明进行了详细的说明，对于本领域技术人员来说，其依然可以对前述各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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改型等，均应包含在本发明的保护范围之内。

Claims (8)

1.基于FY-3D MERSI-II数据的赤潮监测方法，其特征在于，包括以下步骤：
（1）通过卫星地面分发系统获取实验区光学遥感数据，选择覆盖海域为晴朗无云的数据；
（2）针对光学遥感数据进行数据预处理，预处理包括大气校正、几何校正、海陆掩膜和云检测，其中，MERSI-II大气校正利用辐射传输模型进行计算，从卫星影像获取的总遥感反射率中去除瑞利散射和气溶胶散射，几何校正通过经纬度数据集构建地理查找表，基于地理查找表进行几何校正，海陆掩膜利用官方发布的区域陆地矢量文件进行剔除，保留海洋区域数据，云检测通过构建的云掩膜指数进行剔除；
（3）根据现场采集的叶绿素a浓度和赤潮信息数据建立叶绿素a浓度反演模型和赤潮提取指数，结合现场实测数据，分析对叶绿素a浓度敏感的波段并结合MERSI-II数据的光谱响应函数构建叶绿素a浓度反演模型，结合赤潮藻类的特征，构建赤潮信息提取指数MRI；
（4）根据步骤（3）的叶绿素a浓度反演模型反演叶绿素a浓度，同时利用对应的赤潮信息提取指数MRI进行赤潮信息提取，选取叶绿素a浓度大于1.3 mg/m3的阈值和MRI大于4阈值共同作用提取赤潮；
（5）将提取的叶绿素a浓度和赤潮信息快速批量专题制图。
2.根据权利要求1所述的方法，其特征在于，所述步骤（1）中，采用FY-3D MERSI-II L1B数据，选择图像中海域云覆盖率<30%的遥感数据。
3.根据权利要求1所述的方法，其特征在于，所述步骤（2）中，卫星接收到的大气瑞利散 射为：
Figure 687969DEST_PATH_IMAGE001
，
其中，
Figure 605110DEST_PATH_IMAGE002
为卫星接收到的瑞利散射，
Figure 447164DEST_PATH_IMAGE003
是MERSI-II L1B数据对应的第i波段，
Figure DEST_PATH_IMAGE004
为瑞利光学厚度，
Figure 842373DEST_PATH_IMAGE005
为臭氧的透射率，
Figure 656745DEST_PATH_IMAGE006
为单次散射反照率，
Figure 479208DEST_PATH_IMAGE007
是太阳以 三种不同的通道散射到卫星的概率因子，
Figure DEST_PATH_IMAGE008
为太阳天顶角，
Figure 808558DEST_PATH_IMAGE009
为太阳天顶角余弦，
Figure DEST_PATH_IMAGE010
为卫星天顶角，
Figure 7458DEST_PATH_IMAGE011
为卫星天顶角余弦；
计算瑞利散射校正反射率
Figure DEST_PATH_IMAGE012
：
Figure 738654DEST_PATH_IMAGE013
其中，
Figure DEST_PATH_IMAGE014
为观测方向的大气漫透射率，
Figure 732018DEST_PATH_IMAGE015
为气溶胶散射反射率，
Figure DEST_PATH_IMAGE016
是瑞 利散射反射率，
Figure 486347DEST_PATH_IMAGE017
是卫星观测总的反射率，
Figure 285676DEST_PATH_IMAGE018
是离水反射率。
4.根据权利要求1所述的方法，其特征在于，所述步骤（2）中，基于GDAL库中GEOLOC校正算法进行几何校正，通过FY-3D MERSI-II数据对应的地理定位文件中经纬度数据集进行构建地理查找表，然后实现MERSI-II数据的几何校正。
5.根据权利要求1所述的方法，其特征在于，所述步骤（2）中，选取FY-3D MERSI-II数据 中3个对云、地表比较敏感的波段进行云检测，将0.65 μm与0.94 μm云与各种地物波谱特征 形成明显反差，将两者归一化处理，选择I-cloud指数
Figure 809061DEST_PATH_IMAGE019
判断某个像素是 否是云，其中，B0.65为0.65 μm中心波长对应的波段，B0.94为0.94 μm中心波长对应的波段。
6.根据权利要求1所述的方法，其特征在于，所述步骤（3）中，利用改进三波段算法提取赤潮，通过现场实测的光谱数据结合FY-3D MERSI -II的光谱特性，选择中心波长555 nm、443 nm、490 nm组合进行赤潮提取，其中MRI如下式：
Figure DEST_PATH_IMAGE020
，其中，MRI为赤潮信息提取指数，B555为中心波长555 nm对应的波 段，B443为中心波长443 nm对应的波段，B490为中心波长490 nm对应的波段。
7.根据权利要求1所述的方法，其特征在于，所述步骤（5）中，将步骤（4）提取的叶绿素a浓度和赤潮提取图增加信息后形成专题图。
8.根据权利要求1-7任一项所述方法采用的装置，其特征在于，所述装置包括：
遥感数据获取模块，用于获取遥感数据；
遥感数据预处理模块，用于进行大气校正、几何校正、云检测及海陆掩膜处理；
叶绿素a浓度反演模块，用于预处理后的FY-3D MERSI-II数据进行叶绿素a浓度反演；
赤潮信息提取模块，用于赤潮信息提取；
专题信息制图模块，用于赤潮专题制图，提供数据发布应用。
CN202210844966.8A 2022-07-19 2022-07-19 基于fy-3d mersi-ii数据的赤潮监测方法及装置 Active CN114923867B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210844966.8A CN114923867B (zh) 2022-07-19 2022-07-19 基于fy-3d mersi-ii数据的赤潮监测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210844966.8A CN114923867B (zh) 2022-07-19 2022-07-19 基于fy-3d mersi-ii数据的赤潮监测方法及装置

Publications (2)

Publication Number Publication Date
CN114923867A true CN114923867A (zh) 2022-08-19
CN114923867B CN114923867B (zh) 2022-10-11

Family

ID=82815598

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210844966.8A Active CN114923867B (zh) 2022-07-19 2022-07-19 基于fy-3d mersi-ii数据的赤潮监测方法及装置

Country Status (1)

Country Link
CN (1) CN114923867B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258896A (zh) * 2023-02-02 2023-06-13 山东产研卫星信息技术产业研究院有限公司 一种基于空天地一体化的赤潮准实时监测方法
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
CN116862942A (zh) * 2023-09-05 2023-10-10 青岛哈尔滨工程大学创新发展中心 一种基于云检测去云及角度校正的海温反演精度修正方法
CN117890308A (zh) * 2024-01-17 2024-04-16 中国海洋大学 大气层顶辐亮度数据反演海表叶绿素a浓度的方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080270029A1 (en) * 2007-04-30 2008-10-30 Mote Marine Laboratory Method for determining and reporting the presence of red tide at beaches
CN102914505A (zh) * 2012-09-27 2013-02-06 国家海洋局第二海洋研究所 利用modis水色遥感数据的海洋赤潮藻种判别方法
KR101446037B1 (ko) * 2013-04-11 2014-10-01 (주)동양화학 라이다를 이용한 수심별 수온 및 녹조 및 적조 발생 예찰 시스템 및 이를 이용한 예찰 방법
CN105445233A (zh) * 2015-11-09 2016-03-30 国家海洋局南海预报中心 华南沿海赤潮灾害应急监测与预警方法
CN210626458U (zh) * 2019-06-12 2020-05-26 海南省海洋与渔业科学院 一种赤潮监测预警系统
KR20200130601A (ko) * 2019-05-10 2020-11-19 주식회사 한국씨앤에스 드론을 이용한 적조 및 녹조 모니터링 시스템
JP2021071445A (ja) * 2019-11-01 2021-05-06 国立大学法人 長崎大学 赤潮検査システム及び赤潮検査方法
CN113092383A (zh) * 2021-04-06 2021-07-09 宁波市测绘和遥感技术研究院 一种近海岸海洋赤潮识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080270029A1 (en) * 2007-04-30 2008-10-30 Mote Marine Laboratory Method for determining and reporting the presence of red tide at beaches
CN102914505A (zh) * 2012-09-27 2013-02-06 国家海洋局第二海洋研究所 利用modis水色遥感数据的海洋赤潮藻种判别方法
KR101446037B1 (ko) * 2013-04-11 2014-10-01 (주)동양화학 라이다를 이용한 수심별 수온 및 녹조 및 적조 발생 예찰 시스템 및 이를 이용한 예찰 방법
CN105445233A (zh) * 2015-11-09 2016-03-30 国家海洋局南海预报中心 华南沿海赤潮灾害应急监测与预警方法
KR20200130601A (ko) * 2019-05-10 2020-11-19 주식회사 한국씨앤에스 드론을 이용한 적조 및 녹조 모니터링 시스템
CN210626458U (zh) * 2019-06-12 2020-05-26 海南省海洋与渔业科学院 一种赤潮监测预警系统
JP2021071445A (ja) * 2019-11-01 2021-05-06 国立大学法人 長崎大学 赤潮検査システム及び赤潮検査方法
CN113092383A (zh) * 2021-04-06 2021-07-09 宁波市测绘和遥感技术研究院 一种近海岸海洋赤潮识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵文化 等: ""基于风云三号MERSI的海洋赤潮监测技术研究"", 《全国卫星应用技术交流会论文集》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116258896A (zh) * 2023-02-02 2023-06-13 山东产研卫星信息技术产业研究院有限公司 一种基于空天地一体化的赤潮准实时监测方法
CN116258896B (zh) * 2023-02-02 2023-09-26 山东产研卫星信息技术产业研究院有限公司 一种基于空天地一体化的赤潮准实时监测方法
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
CN116862942A (zh) * 2023-09-05 2023-10-10 青岛哈尔滨工程大学创新发展中心 一种基于云检测去云及角度校正的海温反演精度修正方法
CN116862942B (zh) * 2023-09-05 2023-12-19 青岛哈尔滨工程大学创新发展中心 一种基于云检测去云及角度校正的海温反演精度修正方法
CN117890308A (zh) * 2024-01-17 2024-04-16 中国海洋大学 大气层顶辐亮度数据反演海表叶绿素a浓度的方法及装置

Also Published As

Publication number Publication date
CN114923867B (zh) 2022-10-11

Similar Documents

Publication Publication Date Title
CN114923867B (zh) 基于fy-3d mersi-ii数据的赤潮监测方法及装置
Zhang et al. General comparison of FY-4A/AGRI with other GEO/LEO instruments and its potential and challenges in non-meteorological applications
Roelfsema et al. Spatial distribution of benthic microalgae on coral reefs determined by remote sensing
Vanhellemont Daily metre-scale mapping of water turbidity using CubeSat imagery
Karaska et al. AVIRIS measurements of chlorophyll, suspended minerals, dissolved organic carbon, and turbidity in the Neuse River, North Carolina
Osgouei et al. Evaluation and comparison of MODIS and VIIRS aerosol optical depth (AOD) products over regions in the Eastern Mediterranean and the Black Sea
Ye et al. Atmospheric correction of Landsat-8/OLI imagery in turbid estuarine waters: A case study for the Pearl River estuary
Qin et al. A geometry-dependent surface Lambertian-equivalent reflectivity product for UV–Vis retrievals–Part 1: Evaluation over land surfaces using measurements from OMI at 466 nm
CN113744249A (zh) 一种海洋生态环境损害调查方法
Wang et al. An adaptive atmospheric correction algorithm for the effective adjacency effect correction of submeter-scale spatial resolution optical satellite images: Application to a WorldView-3 panchromatic image
Visitacion et al. Detection of algal bloom in the coastal waters of boracay, philippines using Normalized Difference Vegetation Index (NDVI) and Floating Algae Index (FAI)
Abou Samra Investigating and mapping day-night urban heat island and its driving factors using Sentinel/MODIS data and Google Earth Engine. Case study: greater Cairo, Egypt
Du et al. Retrieval of lake water surface albedo from Sentinel-2 remote sensing imagery
Mikelsons et al. Global land mask for satellite ocean color remote sensing
Abdullah et al. Water quality assessment models for Dokan Lake using Landsat 8 OLI satellite images
Fernandes et al. A multi-scale approach to mapping effective leaf area index in boreal Picea mariana stands using high spatial resolution CASI imagery
Pe'eri et al. Macroalgae and eelgrass mapping in Great Bay Estuary using AISA hyperspectral imagery
Zhou et al. Enhancement of Nighttime Fire Detection and Combustion Efficiency Characterization Using Suomi-NPP and NOAA-20 VIIRS Instruments
Suwanlertcharoen et al. Detection of phytoplankton blooms in the upper gulf of Thailand using sentinel-3A OLCI imagery
Yang et al. Assessing FY-3D MERSI-Ⅱ Observations for Vegetation Dynamics Monitoring: A Performance Test of Land Surface Reflectance
Kurniawan et al. Challenges of Acquisition Bathymetry Information on PlanetScope Data and Nautical Chart: Experiment Based on IHO S-44 Total Vertical Uncertainty in Multi-Method Satellite-Derived Bathymetry
Islam et al. Land use and land cover classification of coastal districts of Bangladesh in a 10m resolution of Sentinel-2 satellite image
Wong et al. Operational derivation of water quality, water depth and sea bottom type from remote sensing satellite data
Kalpana et al. Bathymetry Mapping of Hikkaduwa Coral Reef Using Multispectral Satellite Imagery
Nelson et al. Expanding the coverage of Multi-angle Imaging SpectroRadiometer (MISR) aerosol retrievals over shallow, turbid, and eutrophic waters

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