CN115389383A - 一种高精度的近岸海域悬浮泥沙浓度的反演方法 - Google Patents
一种高精度的近岸海域悬浮泥沙浓度的反演方法 Download PDFInfo
- Publication number
- CN115389383A CN115389383A CN202210923242.2A CN202210923242A CN115389383A CN 115389383 A CN115389383 A CN 115389383A CN 202210923242 A CN202210923242 A CN 202210923242A CN 115389383 A CN115389383 A CN 115389383A
- Authority
- CN
- China
- Prior art keywords
- area
- suspended sediment
- remote sensing
- concentration
- data
- 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
Links
- 239000013049 sediment Substances 0.000 title claims abstract description 113
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000003595 spectral effect Effects 0.000 claims abstract description 14
- 238000012937 correction Methods 0.000 claims description 48
- 230000006870 function Effects 0.000 claims description 19
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 17
- 238000011160 research Methods 0.000 claims description 13
- 239000012528 membrane Substances 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000002310 reflectometry Methods 0.000 claims description 10
- 238000001228 spectrum Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 239000013535 sea water Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000000179 transient infrared spectroscopy Methods 0.000 claims description 5
- 239000010410 layer Substances 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 239000002344 surface layer Substances 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 21
- 238000007726 management method Methods 0.000 abstract description 2
- 239000000523 sample Substances 0.000 description 8
- 238000012886 linear function Methods 0.000 description 7
- 101150096101 OLI1 gene Proteins 0.000 description 5
- 101100324965 Saccharomyces paradoxus ATP9 gene Proteins 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 101150029019 ATP6 gene Proteins 0.000 description 4
- 101100026598 Arabidopsis thaliana NOP2A gene Proteins 0.000 description 4
- 101100057317 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) OLI1 gene Proteins 0.000 description 4
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 101100271429 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ATP6 gene Proteins 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000003707 image sharpening Methods 0.000 description 1
- 239000006101 laboratory sample Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/0606—Investigating concentration of particle suspensions by collecting particles on a support
- G01N15/0618—Investigating concentration of particle suspensions by collecting particles on a support of the filter type
- G01N15/0631—Separation of liquids, e.g. by absorption, wicking
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
- G01N15/075—Investigating concentration of particle suspensions by optical means
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Biochemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Multimedia (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高精度的近岸海域悬浮泥沙浓度的反演方法，本发明利用Landsat8影像和ENVI5.2软件通过科学适宜的方法读取出Landsat8遥感影像中各波段的光谱数据，建立不同波段及其组合下的港口近岸海域悬浮泥沙的反演方程，通过比较精确性的方式，选取出最适合当地的近岸海域悬浮泥沙反演关系式，并为下一步绘制出近岸海域悬浮泥沙浓度场提供数据支持，进而为海岸线规划布置提供一定的数据支持，及时掌握泥沙浓度场的情况，加强对海岸带资源规划，海岸线污染的治理，加大对海岸线施工的管理，以及河流入海的泥沙携带量的预测，方便今后开展有关于近海经济规划和污染综合治理的工作。
Description
技术领域
本发明涉及海域悬浮泥沙浓度测算领域，具体为一种高精度的近岸海域悬浮泥沙浓度的反演方法。
背景技术
因受古黄河入海口和海州湾潮汐影响，很多城市近岸海域水体泥沙含量较高；我国大部分近岸水体属于II类水体，水体中的悬浮泥沙是最重要的水色参数之一。研究沿岸及近海水域水体含沙量时空分布，是分析河口海岸冲淤变化的重要参数，对沿海城市沿岸的水工建筑的建设和维护有着非常重要的意义，但是现有近岸海域悬浮泥沙浓度的反演方法精度低，准确性差，得出的结论误差大，不能及时掌握泥沙浓度场的情况，为此提供了一种高精度的近岸海域悬浮泥沙浓度的反演方法。
发明内容
本发明的目的是针对现有技术的缺陷，提供一种高精度的近岸海域悬浮泥沙浓度的反演方法，以解决上述背景技术提出的问题。
为实现上述目的，本发明提供如下技术方案：一种高精度的近岸海域悬浮泥沙浓度的反演方法，具体步骤如下：
S1：区域选择：选取沿海城市近岸海域为研究区域；
S2：遥感数据获取：获取某个时间点的Landsat8/OLI-TIRS数据为基础数据；
S3：遥感数据的预处理：对研究区遥感数据进行数据的大气校正、辐射校正和影像裁剪的数据预处理；
S4：研究区域光谱处理：分析泥沙分布的分类特征，选取不同的分类方法，并融入分类特征，完成对近岸海域泥沙遥感图像的分类并对已有的泥沙浓度场遥感数据进行分析；读取出对应海域悬浮泥沙的光谱数值，并进行数据的分类汇总；
S5：建立沿海城市近岸海域悬浮泥沙浓度与遥感影像不同波段及其组合的反演模型，并通过相关性、科学性和合理性筛选出最佳的反演函数关系；
S6：应用遥感数据和实测浓度之间的关系，获得该沿海城市近岸海域悬浮泥沙浓度的反演模型，并验证其科学性；
S7：分析该沿海城市近岸海域悬浮泥沙浓度场，推测该海域悬浮泥沙时空分布影响原因。
作为本发明的一种优选技术方案，所述S2中的遥感数据获取是 Landsat 8遥感影像数据，通过软件的读取和处理并且提取波段信息，选择影像数据时要选择云量少和遮盖率低的数据。
作为本发明的一种优选技术方案，所述S3中遥感数据的预处理输出格式为GeoTIFF；
所述辐射校正使用ENVI5.2(The Environment for Visualizing Images)加载Landsat 8影像数据，在Toolbox中找到辐射校正选择辐射校准，双击此工具选择要矫正的影像数据进行辐射校正；
所述大气校正在ENVI5.2的基础工具箱中找到并打开 Radiometric Correction接着点击打开大气校正模块的选项然后找到大气校正(FLAASH AtmosphericCorrection)，点击这个选项打开对话框，在对话框中选择要进行辐射定标的实验数据，修改对话框中的参数后开始大气校正；
所述影像裁剪的步骤如下：
首先打开影像数据，然后点击File选择另存为，进入选择选项，选择其中的空间子集Spatial Subset选项，打开功能区中的裁剪地区选项，同时打开该沿海城市近岸海域卫星图放大重合区域，选择Use view Extent直接裁剪，得到接近该沿海城市近岸海域的影像；
接着选用手动绘制裁剪区：在Layer Manager的选项框中选中文件，单击右边按键，选择该沿海城市近岸海域附近区域，点击打开感兴趣区域设置面板，手动绘制该沿海城市近岸海域图像，
最后，根据该沿海城市近岸海域的卫星图在影像上裁剪出该沿海城市近岸海域的范围，便于接下来的光谱波段的分析提取和计算。
作为本发明的一种优选技术方案，所述S4中研究区域光谱处理中遥感影像光谱提取：利用实测光谱遥感反射率根据遥感卫星的传感器灵敏度探测的不同范围等效计算出各波段范围的遥感反射率值。
作为本发明的一种优选技术方案，所述S5中反演模型建立之前需要实测悬浮泥沙浓度数据，利用采水仪器收集水深为0.5米的海水表层实验样本，并交由实验室进行悬浮泥沙浓度测量计算，其计算公式如下：
在该公式中：SSC为悬浮泥沙浓度，单位为g/L；W后为悬浮泥沙加水样滤膜重量(过滤后)，单位为g；W前为水样滤膜重量(过滤前)，单位为g；W校为空白校正滤膜校正值，通常为负数，单位为 g；V为过滤海水水样体积，单位为L；其中：
式中：Wa为空白校正滤膜过滤后的质量，单位为g；Wb为空白校正滤膜过滤前的质量，单位为g；n为空白校正滤膜的数量。
作为本发明的一种优选技术方案，所述S6中的反演函数关系的科学性评估如下：相关系数R2：在数学定义上是回归平方和总离差平方和的比值，反应因变量的全部变异能通过回归关系被自变量解释的比例，R2越大模型反演后的关系式质量越好；
上述表达式中：yi为实测值；
为实测值的平均值；fi为模拟值； n为样本个数。
本发明的有益效果是：本发明利用Landsat 8影像和ENVI5.2软件通过科学适宜的方法读取出Landsat8遥感影像中各波段的光谱数据，建立不同波段及其组合下的港口近岸海域悬浮泥沙的反演方程，通过比较精确性的方式，选取出最适合当地的近岸海域悬浮泥沙反演关系式，并为下一步绘制出近岸海域悬浮泥沙浓度场提供数据支持，进而为海岸线规划布置提供一定的数据支持，及时掌握泥沙浓度场的情况，加强对海岸带资源规划，海岸线污染的治理，加大对海岸线施工的管理，以及河流入海的泥沙携带量的预测，方便今后开展有关于近海经济规划和污染综合治理的工作。
附图说明
图1为本发明的流程图；
图2为预处理后的Landsat OLI-TIRS遥感影像；
图3为悬浮泥沙浓度实测数据监测点卫星图；
图4为B4/B1波段组合与实测悬浮泥沙浓度拟合图像；
图5为B3/B1波段组合与实测悬浮泥沙浓度拟合图像。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述，以使本发明的优点和特征能更易被本领域人员理解，从而对本发明的保护范围做出更为清楚明确的界定。
实施例：请参阅图1，本发明提供一种技术方案：一种高精度的近岸海域悬浮泥沙浓度的反演方法，以连云港海域为例，具体步骤如下：
S1：区域选择：通过大量查阅相关资料，以江苏北部连云港近岸海域为研究区域；
S2：遥感数据获取：以2016年5月8日3时的Landsat8/OLI-TIRS 数据为基础数据；本实验的基础数据主要是由地理空间数据云的网站提供的，数据类型为Landsat OLI-TIRS遥感影像；中央经线为东经 114.989度，数据获取时间为2016年5月8日3时，该数据分辨率为OLI1/B1-OLI7/B7(30米)，OLI8/B8(15米)，OLI9/B9(30米)， OLI10/B10--OLI11/B11(100米)；
因为原始的遥感影响不能直接用于反演计算，所以遥感影像必须经过辐射定标，大气校正，波段融合与影像裁剪，并且输出格式为 Geo TIFF。影像的空间分辨率为30m，投影坐标系是UTM，Zone，50N；选取的基准面是WGS 84，数据标识为″LC81180382016138LGN00″，一共11个波段，进行悬浮泥沙浓度反演时，一般只采用波段1(OLI1/B1)、波段2(OLI2/B2)、波段3(OLI3/B3)和波段4(OLI4/B4) 进行数值的取值和探究；选择影像数据时要选择云量少的遮盖率越低数据处理的结果越准确，越接近真实情况，因此选择云量只有＜10％，影像数据标识为“LC81180382016138LGN00”的影像；
S3：遥感数据的预处理：对研究区遥感数据进行数据的大气校正、辐射校正、波段融合和影像裁剪的数据预处理；
S31.辐射校正：使用ENVI5.2(The Environment for Visualizing Images)加载Landsat 8影像数据，在Toolbox中找到辐射校正选择辐射校准，双击此工具选择要矫正的影像数据进行辐射校正。辐射校正后的结果是通过查看实验的影像数据的DN值确定的；
S32.大气校正：大气校正是为了消除太阳光的辐射以及上空的大气等其他因素对陆地上的事物产生的影响，大气校正是我们实验中想要得到陆地上的事物确切的有关反射的数据，这也是必要的过程，在 ENVI5.2的基础工具箱中找到并打开RadiometricCorrection接着点击打开大气校正模块的选项然后找到大气校正也就是FLAASHAtmospheric Correction，点击这个选项打开对话框，在对话框中选择要进行辐射定标的实验数据，修改对话框中的参数后开始大气校正，在进行大气校正时，需注意以下内容：
(1)、需要输入的数据是辐射定标结果的数据；
(2)、中心点经纬度选择自动获取；
(3)、FLAASH校正文件的输出路径也需要保存为相同位置；
(4)、反射率的输出路径保存为其他位置；
(5)、传感器类型选择Landsat-8 OLI(OperationalLand Imager)；
(6)、研究区域的地面高程等数据同样需要设置；
其中在多种光谱的参数修改的选项中K-T反演这个不用修改可以直接就选择原有的设置，选择完成后点击OK进入接下来的参数设置；接下来值得注意的是在设置大小的选项中看到Tile Size时需要按照自身情况的内存大小设置，剩余的一些参数都继续按默认设置，不需要改动，设置完成后点击运行完成大气校正，大气校正后能够看到反演的能见度和水汽柱，可以通过这些查看大气校正完成的效果。大气校正完成后会使接下来的实验数据更加科学真实，接近实际情况；
S33.影像的波段融合；
打开影像数据后在工具箱中选择图像锐化接着找到 Gram-Schmidt PanSharpening选项也就是格兰-施密特潘锐化，在文件的选择框中分别选择S32中大气校正之后的多光谱数据作为低分辨率影像(Low Spatial)，同样的输入高分辨率影像(High Spa·tial)时要选择第S31中辐射校正后的全色数据作为高分辨率影像(High Spatial)，输入后完成选择。
参数的设置时，需要打开Pan Sharpening Parameters的设置面板，其中参数设置Sensor是Landsat-8 OLI，重采样方法 (Re-sampling)选择三次卷积法，输出的文件选择为ENVI，点击OK 执行完成融合，影像融合完成后影像的分辨率会从原来的30米提高到15米，分辨率越高在接下来的监督分类中数据越精准，最终的实验结果也更接近真实情况。
S34.影像裁剪；
将整个的遥感影像裁剪出实验所需要的连云港近岸海域。
S341、打开影像数据，然后点击File选择另存为，进入选择选项，选择其中的空间子集Spatial Subset选项，打开功能区中的裁剪地区选项。同时打开连云港近岸海域卫星图放大重合区域，选择 Use view Extent直接裁剪，得到接近连云港近岸海域的影像；
S342、选用手动绘制裁剪区：在Layer Manager的选项框中选中文件，单击右边按键，选择连云港近岸海域附近区域，点击打开感兴趣区域设置面板；
S343、手动绘制连云港近岸海域图像，根据连云港近岸海域的卫星图在影像上裁剪出连云港近岸海域的范围，便于接下来的光谱波段的分析提取和计算。
S4：研究区域光谱处理：分析泥沙分布的分类特征，选取不同的分类方法，并融入分类特征，完成对近岸海域泥沙遥感图像的分类并对已有的泥沙浓度场遥感数据进行分析；读取出对应海域悬浮泥沙的光谱数值，并进行数据的分类汇总；
利用2016年5月8日3时的江苏连云港近岸实测泥沙浓度数据，筛选出具有代表性的9个监测点数据(图2和3所示)，用于与之对应的ENVI5.2读取出的光谱波段数据进行反演模型的拟合，因这些悬浮泥沙浓度监测点分布于连云港近岸海域各处，从而可以使计算结果更加符合真实情况。
实测悬浮泥沙浓度数据时，利用采水仪器收集采集水深为0.5米的海水表层实验样本，并交由实验室进行悬浮泥沙浓度测量计算，其计算公式如下：
在该公式中：SSC为悬浮泥沙浓度，单位为g/L；W后为悬浮泥沙加水样滤膜重量(过滤后)，单位为g；W前为水样滤膜重量(过滤前)，单位为g；W校为空白校正滤膜校正值，通常为负数，单位为 g；V为过滤海水水样体积，单位为L；其中：
式中：Wa为空白校正滤膜过滤后的质量，单位为g；Wb为空白校正滤膜过滤前的质量，单位为g；n为空白校正滤膜的数量；各实测点的悬浮泥沙浓度如表1所示；
表1：各实测点的悬浮泥沙浓度
S5：建立连云港近岸海域悬浮泥沙浓度与遥感影像不同波段及其组合的反演模型，并通过相关性、科学性和合理性筛选出最佳的反演函数关系；
在进行悬浮泥沙浓度反演时，需要将实测遥感影像进行波段提取，本质上就是利用实测光谱遥感反射率根据遥感卫星的传感器灵敏度探测的不同范围等效计算出各波段范围的遥感反射率值；
通常来说，在利用Landsat 8的卫星数据进行悬浮泥沙浓度反演时，一般采用的光谱波段为OLI1/B1、OLI2/B2、OLI3/B3、OLI4/B4 这四个波段，这四个波段的波长范围一般为OLI1/B1、OLI2/B2、 OLI3/B3、OLI4/B4这四个波段，这四个波段的波长范围一般为 OLI1/B1(0.43-0.45μm)、OLI2/B2(0.45-0.51μm)、OLI3/B3 (0.53-0.59μm)、OLI4/B4(0.64-0.67μm)，它们分别代表着OLI1/B1 (海岸波段/Coastal)、OLI2/B2(蓝波波段/Blue)、OLI3/B3(绿波波段/Green)、OLI4/B4(红波波段/Red)；
依据悬浮泥沙浓度反演所必须依据的这四个波段，并依据各个波段的波长范围的不同，在ENVI5.2中进行每个测量点各个波段的提取并计算出等效反射率，如表2所示。
表2：各实测点的Landsat 8 OLI B1、B2、B3、B4光谱反射率等效值
为了增加实验数据的准确性、科学性和普遍性，本文还再次比较了四个不同的波段进行相互组合进行波段数值相比得出比值的拟合模型构建和多波段组合计算拟合以得到最精确的遥感反演模型，如表 3和表4；
表3：各实测点的Landsat 8 OLI光谱各波段反射率等效值比值
表4：各实测点的Landsat 8 OLI光谱各波段反射率等效值组合值
S6：应用遥感数据和实测浓度之间的关系，获得连云港近岸海域悬浮泥沙浓度的反演模型，并验证其科学性；
在使用Landsat 8进行悬浮泥沙浓度反演时，需要使用回归分析法建立相关的函数关系式，并且需要对模型的精确程度进行检验，本发明主要以相关系数R2进行模型反演后的关系式质量进行评估：相关系数R2：在数学定义上是回归平方和总离差平方和的比值，反应因变量的全部变异能通过回归关系被自变量解释的比例，R2越大模型反演后的关系式质量越好；
上述表达式中：yi为实测值；
为实测值的平均值；fi为模拟值； n为样本个数；
本发明在Landsat 8单波段悬浮泥沙浓度反演模型计算中，分别将B1，B2，B3，B4四个单项波段的遥感反射数值作为自变量x，悬浮泥沙浓度(SSC)作为应变量y，由此，可以建立遥感影像单波段反演模型；以下所有表格：函数应变量y为悬浮泥沙浓度(SSC)，单位为g/L，B1，B2，B3，B4分别代表在Landsat 8遥感影像数据中的第一、第二、第三、第四波段，x即为在ENVI5.2中读取的B1，B2，B3，B4这四个不同波段的反射值；
各个波段的模型分别如下列表格所示：
表格5：B1波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格6：B2波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格7：B3波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格8：B3波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
观察上述表3-4，3-5，3-6和3-7，可以看出使用B3波段数据进行反演的一次线性函数模型的相关系数最高，达到了0.45085；在B2，B3，B4这四个不同的波段反演的模型中，采用一次线性函数模型反演的函数关系式最高，分别达到了0.41374，0.45085和 0.38892；
为了得到更加精确的悬浮泥沙浓度的遥感影像波段反演结果，进一步采用两个波段相互比值的方式作为自变量，再次进行悬浮泥沙浓度的反演计算工作；
表格9：B4/B3波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格10：B4/B2波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格11：B4/B1波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格12：B3/B2波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格13：B3/B1波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格14：B2/B1波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
观察上述表格，将B1，B2，B3，B4这四个波段两两组合，进行比值求解后，得到的结果与实测悬浮泥沙浓度进行模型拟合后，函数模型的相关性的最高值比单波段时要高，整体呈现出高于单波段的表现。其中B3/B1的一次线性函数模型的相关系数最高，达到了0.61186；B1/B4的一次线性函数模型的相关系数也达到了0.61073，也好于其他波段拟合模型的结果。
为了得到更加准确科学的悬浮泥沙反演模型，再次进行了多波段组合的模型拟合方式，通过比较各种条件下的遥感波段数据组合进行悬浮泥沙浓度繁衍计算结果，以达到连云港近岸海域悬浮泥沙浓度遥感反演模型的最优解。
表格15：B4/(B3+B2)波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格16：B4/(B3+B1)波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格17：B3/(B2+B1)波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格18：(B4+B3)/B2波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格19：(B3+B2)/B1波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格20：(B4+B3)/(B2+B1)波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
表格21：B4/(B3+B2+B1)波段与悬浮泥沙浓度关系的反演模型构建及其相关系数
将B1，B2，B3，B4四个不同的波段，进行多波段组合加以运算后，与实测连云港近岸海域悬浮泥沙浓度进行相关性的反演模型的计算，构建回归方程。根据拟合计算的结果，我们发现，是一次线性函数模型的相关系数略高于其他函数模型的相关系数；但与前文数据相同的是，指数函数模型的相关性依旧很差，大量出现了相关系数为负数，无法拟合出回归方程的情况，这表明在连云港海域的悬浮泥沙的浓度与遥感波段的相关回归方程无法使用指数函数模型的形式进行计算，所以不建议使用指数函数模型进行该海域的悬浮泥沙浓度反演计算。
S7：分析连云港近岸海域悬浮泥沙浓度场，推测该海域悬浮泥沙时空分布影响原因；
通过上述的实测连云港近岸海域悬浮泥沙浓度与当地海域的 Landsat 8遥感影像图像的B1，B2，B3，B4四个波段建立不同形式的回归方程模型关系。
在此，挑选出相关系数高于0.6具有强相关性的函数模型，绘制其拟合图像和趋势线如图4和图5；综合上述悬浮泥沙浓度与遥感波段组合进行的回归拟合函数及其相关系数，得出相关系数最高的函数模型是一次线性函数模型。
表格22：相关系数高于0.8的函数模型及其相关系数基于把B3/B1为自变量的一次线性函数模型y＝0.52385x-0.40361，可以进行连云港近岸海域悬浮泥沙浓度反演；
利用Landsat 8拍摄于2020年4月24日2时36分和2021年2 月22日2时36分的遥感影像数据，我们使用ENVI5.2软件进行波段的编译计算，并以ArcMAP软件进行辅助出图。同时，也把数据来源当天的遥感影像进行了反演来保证实验的严谨性。
在针对Landsat 8的遥感影响的反演模型公式需进行相应的变化，运用研究得到的连云港近岸海域悬浮泥沙浓度反演方程，并结合获取到的连云港近岸海域的Landsat 8遥感影像，进行波段计算和函数演算，可以得到研究海域的悬浮泥沙浓度的反演图。
通过观察反演后的连云港近岸海域的悬浮泥沙浓度场，在废黄河口向南海域悬浮泥沙浓度呈现递增趋势，原因可能是由于废黄河口的出海口处的水流携带有大量泥沙入海，并受到洋流、潮汐影响，形成了现在的泥沙分布形式。
利用反演函数模型关系式将对连云港近岸海域悬浮泥沙浓度关系的监测，为悬浮泥沙浓度的时空分布研究提供一定价值的帮助，近而使得在连云港近岸海域的悬浮泥沙整治工作中，更加方便、及时地计算出当地悬浮泥沙浓度，为水工建筑物地维护，航道的疏浚作出贡献。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (6)
1.一种高精度的近岸海域悬浮泥沙浓度的反演方法，其特征在于：具体步骤如下：
S1：区域选择：选取沿海城市近岸海域为研究区域；
S2：遥感数据获取：获取某个时间点的Landsat8/OLI-TIRS数据为基础数据；
S3：遥感数据的预处理：对研究区遥感数据进行数据的大气校正、辐射校正和影像裁剪的数据预处理；
S4：研究区域光谱处理：分析泥沙分布的分类特征，选取不同的分类方法，并融入分类特征，完成对近岸海域泥沙遥感图像的分类并对已有的泥沙浓度场遥感数据进行分析；读取出对应海域悬浮泥沙的光谱数值，并进行数据的分类汇总；
S5：建立沿海城市近岸海域悬浮泥沙浓度与遥感影像不同波段及其组合的反演模型，并通过相关性、科学性和合理性筛选出最佳的反演函数关系；
S6：应用遥感数据和实测浓度之间的关系，获得该沿海城市近岸海域悬浮泥沙浓度的反演模型，并验证其科学性；
S7：分析该沿海城市近岸海域悬浮泥沙浓度场，推测该海域悬浮泥沙时空分布影响原因。
2.根据权利要求1所述的一种高精度的近岸海域悬浮泥沙浓度的反演方法，其特征在于：所述S2中的遥感数据获取是Landsat 8遥感影像数据，通过软件的读取和处理并且提取波段信息，选择影像数据时要选择云量少和遮盖率低的数据。
3.根据权利要求1所述的一种高精度的近岸海域悬浮泥沙浓度的反演方法，其特征在于：所述S3中遥感数据的预处理输出格式为Geo TIFF；
所述辐射校正使用ENVI5.2(The Environment for Visualizing Images) 加载Landsat 8影像数据，在Toolbox中找到辐射校正选择辐射校准，双击此工具选择要矫正的影像数据进行辐射校正；
所述大气校正在ENVI5.2的基础工具箱中找到并打开Radiometric Correction接着点击打开大气校正模块的选项然后找到大气校正(FLAASH Atmospheric Correction)，点击这个选项打开对话框，在对话框中选择要进行辐射定标的实验数据，修改对话框中的参数后开始大气校正；
所述影像裁剪的步骤如下：
首先打开影像数据，然后点击File选择另存为，进入选择选项，选择其中的空间子集Spatial Subset选项，打开功能区中的裁剪地区选项，同时打开该沿海城市近岸海域卫星图放大重合区域，选择Use view Extent直接裁剪，得到接近该沿海城市近岸海域的影像；
接着选用手动绘制裁剪区：在Layer Manager的选项框中选中文件，单击右边按键，选择该沿海城市近岸海域附近区域，点击打开感兴趣区域设置面板，手动绘制该沿海城市近岸海域图像，
最后，根据该沿海城市近岸海域的卫星图在影像上裁剪出该沿海城市近岸海域的范围，便于接下来的光谱波段的分析提取和计算。
4.根据权利要求1所述的一种高精度的近岸海域悬浮泥沙浓度的反演方法，其特征在于：所述S4中研究区域光谱处理中遥感影像光谱提取：利用实测光谱遥感反射率根据遥感卫星的传感器灵敏度探测的不同范围等效计算出各波段范围的遥感反射率值。
5.根据权利要求1所述的一种高精度的近岸海域悬浮泥沙浓度的反演方法，其特征在于：所述S5中反演模型建立之前需要实测悬浮泥沙浓度数据，利用采水仪器收集水深为0.5米的海水表层实验样本，并交由实验室进行悬浮泥沙浓度测量计算，其计算公式如下：
在该公式中：SSC为悬浮泥沙浓度，单位为g/L；W后为悬浮泥沙加水样滤膜重量(过滤后)，单位为g；W前为水样滤膜重量(过滤前)，单位为g；W校为空白校正滤膜校正值，通常为负数，单位为g；V为过滤海水水样体积，单位为L；其中：
式中：Wa为空白校正滤膜过滤后的质量，单位为g；Wb为空白校正滤膜过滤前的质量，单位为g；n为空白校正滤膜的数量。
6.根据权利要求1所述的一种高精度的近岸海域悬浮泥沙浓度的反演方法，其特征在于：所述S6中的反演函数关系的科学性评估如下：相关系数R2：在数学定义上是回归平方和总离差平方和的比值，反应因变量的全部变异能通过回归关系被自变量解释的比例，R2越大模型反演后的关系式质量越好；
上述表达式中：yi为实测值；
为实测值的平均值；fi为模拟值；n为样本个数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210923242.2A CN115389383B (zh) | 2022-08-02 | 2022-08-02 | 一种高精度的近岸海域悬浮泥沙浓度的反演方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210923242.2A CN115389383B (zh) | 2022-08-02 | 2022-08-02 | 一种高精度的近岸海域悬浮泥沙浓度的反演方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115389383A true CN115389383A (zh) | 2022-11-25 |
| CN115389383B CN115389383B (zh) | 2024-06-28 |
Family
ID=84118179
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210923242.2A Active CN115389383B (zh) | 2022-08-02 | 2022-08-02 | 一种高精度的近岸海域悬浮泥沙浓度的反演方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115389383B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965878A (zh) * | 2022-12-07 | 2023-04-14 | 四川大学 | 一种基于gee的青藏高原河流悬移质泥沙反演监测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101893540A (zh) * | 2010-07-09 | 2010-11-24 | 青岛海洋地质研究所 | 一种基于八邻域算法估算悬沙反演模型尺度误差的方法 |
| CN102081033A (zh) * | 2009-11-26 | 2011-06-01 | 上海海洋大学 | 基于海岸带成像仪的悬浮泥沙浓度计算方法 |
| CN105300864A (zh) * | 2015-12-07 | 2016-02-03 | 广州地理研究所 | 一种悬浮泥沙定量遥感方法 |
| KR102109917B1 (ko) * | 2018-11-16 | 2020-05-12 | 대한민국(관리부서 : 환경부 국립환경과학원장) | 초분광 원격 탐사 영상을 이용한 담수역 물-육상 경계 자동 추출 방법 |
| CN111158066A (zh) * | 2020-01-07 | 2020-05-15 | 江苏海洋大学 | 一种综合监测海水入侵砂岩含水层方法 |
| CN112051226A (zh) * | 2020-09-03 | 2020-12-08 | 山东省科学院海洋仪器仪表研究所 | 基于无人机载高光谱图像估算近海总悬浮物浓度的方法 |
-
2022
- 2022-08-02 CN CN202210923242.2A patent/CN115389383B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102081033A (zh) * | 2009-11-26 | 2011-06-01 | 上海海洋大学 | 基于海岸带成像仪的悬浮泥沙浓度计算方法 |
| CN101893540A (zh) * | 2010-07-09 | 2010-11-24 | 青岛海洋地质研究所 | 一种基于八邻域算法估算悬沙反演模型尺度误差的方法 |
| CN105300864A (zh) * | 2015-12-07 | 2016-02-03 | 广州地理研究所 | 一种悬浮泥沙定量遥感方法 |
| KR102109917B1 (ko) * | 2018-11-16 | 2020-05-12 | 대한민국(관리부서 : 환경부 국립환경과학원장) | 초분광 원격 탐사 영상을 이용한 담수역 물-육상 경계 자동 추출 방법 |
| CN111158066A (zh) * | 2020-01-07 | 2020-05-15 | 江苏海洋大学 | 一种综合监测海水入侵砂岩含水层方法 |
| CN112051226A (zh) * | 2020-09-03 | 2020-12-08 | 山东省科学院海洋仪器仪表研究所 | 基于无人机载高光谱图像估算近海总悬浮物浓度的方法 |
Non-Patent Citations (2)
| Title |
|---|
| PETER D. THORNE ET AL.: "Acoustic scattering characteristics and inversions for suspended concentration and particle size above mixed sand and mud beds", 《CONTINENTAL SHELF RESEARCH》, 31 December 2021 (2021-12-31), pages 1 - 15 * |
| 王强 等: "基于遥感反演的海阳海域悬浮泥沙时空分布特征研究", 《MARINE SCIENCES》, vol. 43, no. 3, 31 December 2019 (2019-12-31), pages 55 - 65 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115965878A (zh) * | 2022-12-07 | 2023-04-14 | 四川大学 | 一种基于gee的青藏高原河流悬移质泥沙反演监测方法 |
| CN115965878B (zh) * | 2022-12-07 | 2023-08-29 | 四川大学 | 一种基于gee的青藏高原河流悬移质泥沙反演监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115389383B (zh) | 2024-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109190538A (zh) | 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 | |
| CN112213287A (zh) | 基于遥感卫星影像的沿海滩涂盐度反演的方法 | |
| CN111402169B (zh) | 一种海岸带潮汐影响下遥感植被指数时间序列的修复方法 | |
| CN113945527B (zh) | 基于卫星数据得到水质总磷参数反演最优模型的方法 | |
| CN103868860A (zh) | 一种基于高光谱植被指数监测湿地植被冠层氮浓度的方法 | |
| CN114201732A (zh) | 一种基于Sentinel-2A影像的浅海海域水深反演方法 | |
| Nas et al. | Mapping chlorophyll-a through in-situ measurements and Terra ASTER satellite data | |
| CN115389383B (zh) | 一种高精度的近岸海域悬浮泥沙浓度的反演方法 | |
| CN114241331B (zh) | 以UAV为地面和Sentinel-2中介的湿地芦苇地上生物量遥感建模方法 | |
| Hang et al. | Estimation of chlorophyll-a concentration in Lake Taihu from Gaofen-1 wide-field-of-view data through a machine learning trained algorithm | |
| Eom et al. | Tidal channel distribution in relation to surface sedimentary facies based on remotely sensed data | |
| Zheng et al. | A semi-analytical model to estimate Chlorophyll-a spatial-temporal patterns from Orbita Hyperspectral image in inland eutrophic waters | |
| CN110274858A (zh) | 利用goci数据递归估算浅水湖泊不同深度悬浮泥沙浓度的遥感方法 | |
| Sanderson et al. | Geostatistical scaling of canopy water content in a California salt marsh | |
| CN113763272A (zh) | 一种富营养化湖泊光合有效辐射衰减系数遥感反演方法 | |
| Conopio et al. | Estimation of chlorophyll-a concentration in Laguna de Bay using Sentinel-3 satellite data | |
| CN115358103A (zh) | 一种基于Sentinel-2数据的水环境检测方法 | |
| CN112949038B (zh) | 一种计算海洋水体不同浮游植物种群比吸收系数的方法 | |
| Focardi et al. | A combinated approach to investigate the biochemistry and hydrography of a shallow bay in the South Adriatic Sea: the Gulf of Manfredonia (Italy) | |
| Steinhardt et al. | The German procedure for the assessment of ecological status in relation to the biological quality element “Macroalgae & Angiosperms” pursuant to the European Water Framework Directive (WFD) for inner coastal waters of the Baltic Sea | |
| CN110988286B (zh) | 一种智能水资源长期探测系统 | |
| Choi et al. | Integration of spatial variables derived from remotely sensed data for the mapping of the tidal surface sediment distribution | |
| Amaro et al. | Mapping and Assessment of the Spatial and Temporal Distribution of Turbidity in Lake Buhi from SENTINEL-2 Images Using Geographically Weighted Regression and Normalized Difference Turbidity Index | |
| Dunton et al. | A seagrass monitoring program for Texas coastal waters | |
| Winn et al. | Urban crowns: crown analysis software to assist in quantifying urban tree benefits |
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 |