CN115508287B - 湖库蓝藻水华提取方法和装置 - Google Patents
湖库蓝藻水华提取方法和装置 Download PDFInfo
- Publication number
- CN115508287B CN115508287B CN202211336932.4A CN202211336932A CN115508287B CN 115508287 B CN115508287 B CN 115508287B CN 202211336932 A CN202211336932 A CN 202211336932A CN 115508287 B CN115508287 B CN 115508287B
- Authority
- CN
- China
- Prior art keywords
- bloom
- lake
- reservoir
- temperature
- pixels
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1793—Remote sensing
-
- 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
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种湖库蓝藻水华提取方法和装置,属于遥感技术领域。本发明基于湖库蓝藻水华表面温度高于正常水体表面温度的特性,利用卫星遥感的热红外波段数据反演湖库温度数据,根据湖库水体范围内所有像元的温度值统计得到箱式图,将箱式图的上边缘值作为蓝藻水华监测阈值,认为温度值大于蓝藻水华监测阈值的像元是蓝藻水华像元,得到蓝藻水华的空间分布和面积。本发明基于湖库本身的温度值计算其蓝藻水华监测阈值,针对不同区域的湖库水体可以用同一个方法开展水华定量遥感监测,具有普适性,有助于开展大范围湖库水华监测预警防控工作,有助于精准实施蓝藻水华防控措施。
Description
技术领域
本发明涉及遥感技术领域,特别是指一种湖库蓝藻水华提取方法和装置。
背景技术
随着我国的发展与现代化、工业化进程的推进,目前我国的内陆湖库(湖泊、水库)的污染问题越来越严重,富营养化问题日益凸显。蓝藻水华作为严重富营养化最明显的一个表征,在我国内陆湖库中普遍存在,蓝藻水华致使湖库水体变臭,影响湖库生态景观。此外,蓝藻水华产生的藻毒素通过食物链进入到生物和人体当中,还会威胁人类健康。
现有的基于遥感手段的蓝藻水华监测方法包括目视解译法、单波段法、多波段法、反演水质参数方法、基于水色特征方法等。这些不同算法涉及不同的水华监测阈值,然而由于不同湖库的水体特性不同,会导致水华监测阈值受不同湖库的影响,不同湖库的水华监测阈值存在差别,使得目前的蓝藻水华监测方法普适性较差,不利于进一步开展湖库蓝藻水华预警防控工作。
发明内容
为解决上述技术问题,本发明提供一种湖库蓝藻水华提取方法和装置,针对不同区域的湖库水体可以用同一个方法开展水华定量遥感监测,具有普适性,有助于开展大范围湖库水华监测预警防控工作,有助于精准实施蓝藻水华防控措施。
本发明提供技术方案如下:
一种湖库蓝藻水华提取方法,所述方法包括:
S1:获取覆盖待研究湖库区域的包括热红外波段数据的遥感影像,并对所述热红外波段数据进行预处理;
S2:对预处理后的热红外波段数据进行温度反演,得到温度栅格数据;
S3:根据所述温度栅格数据得到所有像元的温度值;
S4:根据所有像元的温度值选取湖库范围内的像元的温度值;
S5:根据湖库范围内的像元的温度值生成箱式图,并计算所述箱式图的上边缘值;
S6:将所述上边缘值作为待研究湖库区域的蓝藻水华监测阈值,将温度值大于所述蓝藻水华监测阈值的湖库范围内的像元作为蓝藻水华像元;
S7:对蓝藻水华像元进行统计,得到蓝藻水华的空间分布,并计算蓝藻水华的面积。
进一步的,所述预处理包括辐射定标、影像裁剪和大气校正。
进一步的,所述S2包括:
通过劈窗算法或单通道算法对预处理后的热红外波段数据进行温度反演,得到温度栅格数据。
进一步的,所述S3包括:
利用ARCGIS软件将所述温度栅格数据转换成点数据,得到所有像元的温度值。
进一步的,所述S4包括:
S41:对所述遥感影像进行水陆分离,得到湖库范围;或者基于待研究湖库区域的矢量边界对所述遥感影像进行裁剪,得到湖库范围;
S42:将所述湖库范围外的像元的温度值舍弃,得到湖库范围内的像元的温度值。
进一步的,所述S5包括:
利用excel统计表,根据湖库范围内的像元的温度值生成箱式图,并计算所述箱式图的上边缘值。
进一步的,所述S6还包括:
建立蓝藻水华二值图,并在蓝藻水华二值图中将蓝藻水华像元设置为1,将非蓝藻水华像元设置为0。
进一步的,所述S7包括:
S71:对蓝藻水华像元进行统计,所有蓝藻水华像元组成蓝藻水华的空间分布;
S72:通过如下公式计算蓝藻水华的面积A;
A=pixel*s*s
其中,pixel为所述蓝藻水华像元的数量,s为所述遥感影像的空间分辨率。
一种湖库蓝藻水华提取装置,所述装置包括:
影像获取模块,用于获取覆盖待研究湖库区域的包括热红外波段数据的遥感影像,并对所述热红外波段数据进行预处理;
温度反演模块,用于对预处理后的热红外波段数据进行温度反演,得到温度栅格数据;
温度数据获取模块,用于根据所述温度栅格数据得到所有像元的温度值;
筛选模块,用于根据所有像元的温度值选取湖库范围内的像元的温度值;
箱式图统计模块,用于根据湖库范围内的像元的温度值生成箱式图,并计算所述箱式图的上边缘值;
蓝藻水华像元确定模块,用于将所述上边缘值作为待研究湖库区域的蓝藻水华监测阈值,将温度值大于所述蓝藻水华监测阈值的湖库范围内的像元作为蓝藻水华像元;
统计模块,用于对蓝藻水华像元进行统计,得到蓝藻水华的空间分布,并计算蓝藻水华的面积。
进一步的,所述预处理包括辐射定标、影像裁剪和大气校正。
进一步的,所述温度反演模块用于:
通过劈窗算法或单通道算法对预处理后的热红外波段数据进行温度反演,得到温度栅格数据。
进一步的,所述温度数据获取模块用于:
利用ARCGIS软件将所述温度栅格数据转换成点数据,得到所有像元的温度值。
进一步的,所述筛选模块用于:
对所述遥感影像进行水陆分离,得到湖库范围;或者基于待研究湖库区域的矢量边界对所述遥感影像进行裁剪,得到湖库范围;将所述湖库范围外的像元的温度值舍弃,得到湖库范围内的像元的温度值。
进一步的,所述箱式图统计模块用于:
利用excel统计表,根据湖库范围内的像元的温度值生成箱式图,并计算所述箱式图的上边缘值。
进一步的,所述蓝藻水华像元确定模块还用于:
建立蓝藻水华二值图,并在蓝藻水华二值图中将蓝藻水华像元设置为1,将非蓝藻水华像元设置为0。
进一步的,所述统计模块用于:
对蓝藻水华像元进行统计,所有蓝藻水华像元组成蓝藻水华的空间分布;通过如下公式计算蓝藻水华的面积A;
A=pixel*s*s
其中,pixel为所述蓝藻水华像元的数量,s为所述遥感影像的空间分辨率。
本发明具有以下有益效果:
本发明基于湖库蓝藻水华表面温度高于正常水体表面温度的特性,利用卫星遥感的热红外波段数据反演湖库温度数据,根据湖库水体范围内所有像元的温度值统计得到箱式图,将箱式图的上边缘值作为蓝藻水华监测阈值,认为温度值大于蓝藻水华监测阈值的像元是蓝藻水华像元,得到蓝藻水华的空间分布和面积。本发明基于湖库本身的温度值计算其蓝藻水华监测阈值,针对不同区域的湖库水体可以用同一个方法开展水华定量遥感监测,具有普适性,有助于开展大范围湖库水华监测预警防控工作,有助于精准实施蓝藻水华防控措施。
附图说明
图1为本发明的湖库蓝藻水华提取方法的流程图;
图2为箱式图的示意图;
图3为蓝藻水华空间分布示意图;
图4为本发明的湖库蓝藻水华提取装置的示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明实施例提供一种湖库蓝藻水华提取方法,如图1-3所示,该方法包括:
S1:获取覆盖待研究湖库区域的包括热红外波段数据的遥感影像,并对热红外波段数据进行预处理。
本发明基于湖库蓝藻水华表面温度高于正常水体表面温度的特性,利用卫星遥感的湖库温度数据对湖库进行蓝藻水华提取,因为需要用到温度数据,因此获取的遥感影像需要包含热红外波段数据。获取包含热红外波段数据的遥感影像后,即可基于热红外波段数据进行辐射定标、影像裁剪和大气校正等预处理。
S2:对预处理后的热红外波段数据进行温度反演,得到温度栅格数据。
示例性的,可以通过劈窗算法或单通道算法对预处理后的热红外波段数据进行温度反演,得到温度栅格数据。
S3:根据温度栅格数据得到所有像元的温度值。
温度栅格数据包含栅格的地理位置数据和栅格的温度值,本发明进行后续箱式图统计时,只需要统计各个栅格的温度值即可,无需栅格的地理位置数据,因此本发明将温度栅格数据中的温度值单独取出来,得到对应像元的温度值。示例性的,可以利用ARCGIS软件将温度栅格数据转换成点数据,得到所有像元的温度值。
S4:根据所有像元的温度值选取湖库范围内的像元的温度值。
遥感影像中陆地区域的温度值会对蓝藻水华提取结果产生不利影响,因此本发明只选取湖库范围内的像元的温度值。
示例性的,可以对遥感影像进行水陆分离,得到湖库范围;或者基于待研究湖库区域的矢量边界对遥感影像进行裁剪,得到湖库范围。然后将湖库范围之外的区域掩膜掉,将湖库范围外的像元的温度值舍弃,只保留湖库范围内的像元,筛选出湖库范围内的所有像元的温度值。
S5:根据湖库范围内的像元的温度值生成箱式图,并计算箱式图的上边缘值。
箱式图如图2所示,其通常被用作观察数据整体的分布情况,是通过数据中的五个统计量:上边缘、上四分位数(75/%分位数)、中位数、下四分位数(25/%分位数)与下边缘来描述数据的一种统计图。通过计算这些统计量,生成一个箱式图,可以直观地显示出数据的异常值,分布的离散程度以及数据的对称性,箱式图包含了大部分的正常数据,但是如果是位于箱式图上边缘和下边缘之外的,就是异常数据。
本发明不限制生成箱式图的具体方式,在其中一个示例中,可以利用excel统计表将湖库边界内所有象元对应的温度数据开展统计表分析,在Excel中生成箱式图,并计算其上边缘值。
湖库中,正常水体的温度值是湖库水体的正常值,如暴发蓝藻水华,则蓝藻水华区域的温度值相对湖库水体正常值偏高,为异常值。本发明对湖库所有像元的温度值进行箱式图统计,得到箱式图的上边缘值,将其作为蓝藻水华监测阈值,认为大于蓝藻水华监测阈值的温度为异常值,将其认为是蓝藻水华。
本发明基于湖库的所有像元的温度计算该湖库的蓝藻水华监测阈值,由于该蓝藻水华监测阈值是通过该湖库的所有像元温度值计算得到的,因此其可以很好地适应该湖库的蓝藻水华提取。对于不同的湖库,本发明均可以计算该湖库的出其蓝藻水华监测阈值,可见本发明针对不同区域的湖库水体可以用同一个方法开展水华遥感监测,具有普适性,有助于开展大范围湖库水华监测预警防控工作。
S6:将上边缘值作为待研究湖库区域的蓝藻水华监测阈值,将温度值大于蓝藻水华监测阈值的湖库范围内的像元作为蓝藻水华像元。
进一步的,还可以建立蓝藻水华二值图,并在蓝藻水华二值图中将蓝藻水华像元设置为1,将非蓝藻水华像元设置为0。
S7:对蓝藻水华像元进行统计,得到蓝藻水华的空间分布,并计算蓝藻水华的面积。
其中,所有蓝藻水华像元组成的区域即为蓝藻水华的空间分布,如图3所示,图3中颜色发白的区域即为蓝藻水华的空间分布。
计算蓝藻水华的面积A时,需要用到遥感影像的空间分别率,A=pixel*s*s,pixel为蓝藻水华像元的数量,s为遥感影像的空间分辨率。
假设遥感影像空间分辨率为8m,蓝藻水华像元的数量为100,则每个蓝藻水华像元对应的实际面积为8*8=64m,蓝藻水华面积A为8m*8m*100=6400m2。
本发明基于湖库蓝藻水华表面温度高于正常水体表面温度的特性,利用卫星遥感的热红外波段数据反演湖库温度数据,根据湖库水体范围内所有像元的温度值统计得到箱式图,将箱式图的上边缘值作为蓝藻水华监测阈值,认为温度值大于蓝藻水华监测阈值的像元是蓝藻水华像元,得到蓝藻水华的空间分布和面积。本发明基于湖库本身的温度值计算其蓝藻水华监测阈值,针对不同区域的湖库水体可以用同一个方法开展水华定量遥感监测,具有普适性,有助于开展大范围湖库水华监测预警防控工作,有助于精准实施蓝藻水华防控措施。
本发明实施例还提供一种湖库蓝藻水华提取装置,如图4所示,该装置包括:
影像获取模块1,用于获取覆盖待研究湖库区域的包括热红外波段数据的遥感影像,并对热红外波段数据进行预处理。
温度反演模块2,用于对预处理后的热红外波段数据进行温度反演,得到温度栅格数据。
温度数据获取模块3,用于根据温度栅格数据得到所有像元的温度值。
筛选模块4,用于根据所有像元的温度值选取湖库范围内的像元的温度值。
箱式图统计模块5,用于根据湖库范围内的像元的温度值生成箱式图,并计算箱式图的上边缘值。
蓝藻水华像元确定模块6,用于将上边缘值作为待研究湖库区域的蓝藻水华监测阈值,将温度值大于蓝藻水华监测阈值的湖库范围内的像元作为蓝藻水华像元。
统计模块7,用于对蓝藻水华像元进行统计,得到蓝藻水华的空间分布,并计算蓝藻水华的面积。
本发明基于湖库蓝藻水华表面温度高于正常水体表面温度的特性,利用卫星遥感的热红外波段数据反演湖库温度数据,根据湖库水体范围内所有像元的温度值统计得到箱式图,将箱式图的上边缘值作为蓝藻水华监测阈值,认为温度值大于蓝藻水华监测阈值的像元是蓝藻水华像元,得到蓝藻水华的空间分布和面积。本发明基于湖库本身的温度值计算其蓝藻水华监测阈值,针对不同区域的湖库水体可以用同一个方法开展水华定量遥感监测,具有普适性,有助于开展大范围湖库水华监测预警防控工作,有助于精准实施蓝藻水华防控措施。
前述的预处理可以包括辐射定标、影像裁剪和大气校正等。
作为本发明实施例的一种改进,温度反演模块进一步可以用于:
通过劈窗算法或单通道算法对预处理后的热红外波段数据进行温度反演,得到温度栅格数据。
示例性的,温度数据获取模块进一步可以用于:
利用ARCGIS软件将温度栅格数据转换成点数据,得到所有像元的温度值。
作为本发明实施例的另一种改进,筛选模块进一步可以用于:
对遥感影像进行水陆分离,得到湖库范围;或者基于待研究湖库区域的矢量边界对遥感影像进行裁剪,得到湖库范围;将湖库范围外的像元的温度值舍弃,得到湖库范围内的像元的温度值。
示例性的,箱式图统计模块进一步可以用于:
利用excel统计表,根据湖库范围内的像元的温度值生成箱式图,并计算箱式图的上边缘值。
前述的蓝藻水华像元确定模块还可以用于:
建立蓝藻水华二值图,并在蓝藻水华二值图中将蓝藻水华像元设置为1,将非蓝藻水华像元设置为0。
作为本发明实施例的再一种改进,统计模块进一步可以用于:
对蓝藻水华像元进行统计,所有蓝藻水华像元组成蓝藻水华的空间分布;通过如下公式计算蓝藻水华的面积A;
A=pixel*s*s
其中,pixel为蓝藻水华像元的数量,s为遥感影像的空间分辨率。
本发明实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例1中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种湖库蓝藻水华提取方法,其特征在于,所述方法包括:
S1:获取覆盖待研究湖库区域的包括热红外波段数据的遥感影像,并对所述热红外波段数据进行预处理;
S2:对预处理后的热红外波段数据进行温度反演,得到温度栅格数据;
S3:根据所述温度栅格数据得到所有像元的温度值;
S4:根据所有像元的温度值选取湖库范围内的像元的温度值;
S5:根据湖库范围内的像元的温度值生成箱式图,并计算所述箱式图的上边缘值;
S6:将所述上边缘值作为待研究湖库区域的蓝藻水华监测阈值,将温度值大于所述蓝藻水华监测阈值的湖库范围内的像元作为蓝藻水华像元;
S7:对蓝藻水华像元进行统计,得到蓝藻水华的空间分布,并计算蓝藻水华的面积。
2.根据权利要求1所述的湖库蓝藻水华提取方法,其特征在于,所述预处理包括辐射定标、影像裁剪和大气校正。
3.根据权利要求1所述的湖库蓝藻水华提取方法,其特征在于,所述S2包括:
通过劈窗算法或单通道算法对预处理后的热红外波段数据进行温度反演,得到温度栅格数据。
4.根据权利要求1所述的湖库蓝藻水华提取方法,其特征在于,所述S3包括:
利用ARCGIS软件将所述温度栅格数据转换成点数据,得到所有像元的温度值。
5.根据权利要求1所述的湖库蓝藻水华提取方法,其特征在于,所述S4包括:
S41:对所述遥感影像进行水陆分离,得到湖库范围;或者基于待研究湖库区域的矢量边界对所述遥感影像进行裁剪,得到湖库范围;
S42:将所述湖库范围外的像元的温度值舍弃,得到湖库范围内的像元的温度值。
6.根据权利要求1所述的湖库蓝藻水华提取方法,其特征在于,所述S5包括:
利用excel统计表,根据湖库范围内的像元的温度值生成箱式图,并计算所述箱式图的上边缘值。
7.根据权利要求1所述的湖库蓝藻水华提取方法,其特征在于,所述S6还包括:
建立蓝藻水华二值图,并在蓝藻水华二值图中将蓝藻水华像元设置为1,将非蓝藻水华像元设置为0。
8.根据权利要求1所述的湖库蓝藻水华提取方法,其特征在于,所述S7包括:
S71:对蓝藻水华像元进行统计,所有蓝藻水华像元组成蓝藻水华的空间分布;
S72:通过如下公式计算蓝藻水华的面积A;
A=pixel*s*s
其中,pixel为所述蓝藻水华像元的数量,s为所述遥感影像的空间分辨率。
9.一种湖库蓝藻水华提取装置,其特征在于,所述装置包括:
影像获取模块,用于获取覆盖待研究湖库区域的包括热红外波段数据的遥感影像,并对所述热红外波段数据进行预处理;
温度反演模块,用于对预处理后的热红外波段数据进行温度反演,得到温度栅格数据;
温度数据获取模块,用于根据所述温度栅格数据得到所有像元的温度值;
筛选模块,用于根据所有像元的温度值选取湖库范围内的像元的温度值;
箱式图统计模块,用于根据湖库范围内的像元的温度值生成箱式图,并计算所述箱式图的上边缘值;
蓝藻水华像元确定模块,用于将所述上边缘值作为待研究湖库区域的蓝藻水华监测阈值,将温度值大于所述蓝藻水华监测阈值的湖库范围内的像元作为蓝藻水华像元;
统计模块,用于对蓝藻水华像元进行统计,得到蓝藻水华的空间分布,并计算蓝藻水华的面积。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211336932.4A CN115508287B (zh) | 2022-10-28 | 2022-10-28 | 湖库蓝藻水华提取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211336932.4A CN115508287B (zh) | 2022-10-28 | 2022-10-28 | 湖库蓝藻水华提取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115508287A CN115508287A (zh) | 2022-12-23 |
CN115508287B true CN115508287B (zh) | 2023-03-24 |
Family
ID=84512432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211336932.4A Active CN115508287B (zh) | 2022-10-28 | 2022-10-28 | 湖库蓝藻水华提取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115508287B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135531A (zh) * | 2010-12-24 | 2011-07-27 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊72小时蓝藻水华预测方法 |
CN104484670A (zh) * | 2014-10-24 | 2015-04-01 | 西安电子科技大学 | 基于伪彩色和支持向量机的遥感图像云检测方法 |
CN106875636A (zh) * | 2017-04-05 | 2017-06-20 | 南京理工大学 | 基于无人机的蓝藻监测预警方法及系统 |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
CN112179854A (zh) * | 2020-09-30 | 2021-01-05 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
CN112232234A (zh) * | 2020-10-20 | 2021-01-15 | 生态环境部卫星环境应用中心 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
CN114563378A (zh) * | 2022-03-03 | 2022-05-31 | 生态环境部卫星环境应用中心 | 湖库蓝藻水华空间分布定量描述方法、装置、介质和设备 |
-
2022
- 2022-10-28 CN CN202211336932.4A patent/CN115508287B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102135531A (zh) * | 2010-12-24 | 2011-07-27 | 中国科学院南京地理与湖泊研究所 | 大型浅水湖泊72小时蓝藻水华预测方法 |
CN104484670A (zh) * | 2014-10-24 | 2015-04-01 | 西安电子科技大学 | 基于伪彩色和支持向量机的遥感图像云检测方法 |
CN106875636A (zh) * | 2017-04-05 | 2017-06-20 | 南京理工大学 | 基于无人机的蓝藻监测预警方法及系统 |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
CN112179854A (zh) * | 2020-09-30 | 2021-01-05 | 中国科学院南京地理与湖泊研究所 | 基于p-fui水色指数的富营养化湖泊蓝藻水华遥感监测方法 |
CN112232234A (zh) * | 2020-10-20 | 2021-01-15 | 生态环境部卫星环境应用中心 | 基于遥感的内陆湖库蓝藻水华强度评价方法和装置 |
CN114563378A (zh) * | 2022-03-03 | 2022-05-31 | 生态环境部卫星环境应用中心 | 湖库蓝藻水华空间分布定量描述方法、装置、介质和设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115508287A (zh) | 2022-12-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111104860B (zh) | 一种基于机器视觉的无人机水质色度监测方法 | |
CN108550159B (zh) | 一种基于图像三色分割的烟气浓度标识方法 | |
CN106780368A (zh) | 一种基于前景模型的水下图像增强方法 | |
CN104504722B (zh) | 一种利用灰色点校正图像颜色的方法 | |
CN110097535B (zh) | 植物叶片含氮量检测方法、装置、计算机设备和存储介质 | |
CN101561932A (zh) | 一种动态复杂背景下的实时运动目标检测方法和装置 | |
CN113313677A (zh) | 一种卷绕锂电池x光图像的质量检测方法 | |
CN109064479B (zh) | 一种基于邻近视频帧灰度动态特征的海天线检测方法 | |
CN112132196A (zh) | 一种结合深度学习和图像处理的烟盒缺陷识别方法 | |
CN108305232A (zh) | 一种单帧高动态范围图像生成方法 | |
CN113192059A (zh) | 一种红外遥感图像在轨舰船检测方法 | |
CN111985435A (zh) | 一种基于机器视觉的无人机水域监测巡航方法 | |
CN115508287B (zh) | 湖库蓝藻水华提取方法和装置 | |
CN110428374B (zh) | 一种小体积害虫自动检测方法及系统 | |
CN115687850A (zh) | 一种农田的灌溉需水量计算方法及装置 | |
CN107545557A (zh) | 粪便图像中的虫卵检测方法和装置 | |
CN110595397A (zh) | 一种基于图像识别的篦冷机工况监测方法 | |
CN111882549B (zh) | 一种灰绿色细小异纤自动检测识别方法及检测识别系统 | |
CN108428218A (zh) | 一种去除牛顿光晕的图片处理方法 | |
US20220270206A1 (en) | Devices, systems and methods for digital image analysis | |
CN107945196B (zh) | 一种用于航拍校正图像拼接的图像边沿检测方法 | |
CN114037832B (zh) | 一种卫星遥感图像中典型区域的提取方法及系统 | |
CN115358695A (zh) | 基于高光谱遥感的农村面源黑臭水体监测技术 | |
CN109345544A (zh) | 一种24色卡的色差自动分析方法 | |
David | Low illumination image enhancement algorithm using iterative recursive filter and visual gamma transformation function |
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 |