CN115561199A - 一种基于卫星遥感影像的水华监测方法 - Google Patents
一种基于卫星遥感影像的水华监测方法 Download PDFInfo
- Publication number
- CN115561199A CN115561199A CN202211175053.8A CN202211175053A CN115561199A CN 115561199 A CN115561199 A CN 115561199A CN 202211175053 A CN202211175053 A CN 202211175053A CN 115561199 A CN115561199 A CN 115561199A
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing image
- image
- water body
- water
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 241000192710 Microcystis aeruginosa Species 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 93
- 230000008030 elimination Effects 0.000 claims abstract description 13
- 238000003379 elimination reaction Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 22
- 229930002868 chlorophyll a Natural products 0.000 claims description 21
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 21
- 229910052760 oxygen Inorganic materials 0.000 claims description 20
- 239000001301 oxygen Substances 0.000 claims description 20
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 16
- 239000000126 substance Substances 0.000 claims description 13
- 241000196324 Embryophyta Species 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 8
- 229910052757 nitrogen Inorganic materials 0.000 claims description 8
- 229910052698 phosphorus Inorganic materials 0.000 claims description 8
- 239000011574 phosphorus Substances 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000002310 reflectometry Methods 0.000 claims description 3
- 244000025254 Cannabis sativa Species 0.000 claims description 2
- 239000005422 algal bloom Substances 0.000 claims 3
- 238000000605 extraction Methods 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 241000195493 Cryptophyta Species 0.000 description 9
- 241001113556 Elodea Species 0.000 description 7
- 239000010865 sewage Substances 0.000 description 3
- 238000003911 water pollution Methods 0.000 description 3
- 238000012851 eutrophication Methods 0.000 description 2
- 230000000243 photosynthetic effect Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 239000013505 freshwater Substances 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000011499 joint compound Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- 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
- G01N21/84—Systems specially adapted for particular applications
Abstract
本发明公开一种基于卫星遥感影像的水华监测方法，具体包括以下步骤：S1：对原始卫星遥感影像进行预处理，得到包含完整水体范围的遥感影像，即第一遥感图像；S2：基于第一遥感图像，进行云量剔除，得到第二遥感图像；S3：基于第二遥感图像，对其中的干扰物进行剔除，得到第三遥感图像；S4：在第三遥感图像上，提取不同波段，进行水体NDVI和水质参数计算；S5：结合水体NDVI和水质参数，实现水华遥感监测；当水体的NDVI在区间[‑1，0]时，认定为正常水体；当水体的NDVI在区间[0，1]时，认定为水华。本发明可以实现多流域、多周期的水华遥感监测，为环保部门提供了高效率的决策支持。
Description
技术领域
本发明涉及生态环境技术领域，涉及基于一种基于卫星遥感影像的水华监测方法。
背景技术
水体质量是建设生态文明的重要指标之一，自人类起源以来，便有了水体治理的先例，湖泊、河流水华治理长期以来成为全世界广泛关注的难题。
近年来，三峡库区、太湖、巢湖、滇池等相继出现水华现象(水华现象是淡水水体中藻类大量繁殖或是水体富营养化而形成的自然生态现象)，饮用水将受到威胁，因此水华治理刻不容缓。
现阶段，在水华问题遥感监测只能依靠人力持有仪器进行实地监测，需要耗费大量人力，存在重复工作的可能，监测频率较差。
发明内容
针对现有技术中水华监测仪器监测的频次及精度较低的问题，本发明提出一种基于卫星遥感影像的水华监测方法，通过卫星遥感影像实时对湖泊、河流水体污染的情况进行遥感监测，实现高效率、多流域、多周期、时效性强的水华遥感监测。
为了实现上述目的，本发明提供以下技术方案：
一种基于卫星遥感影像的水华监测方法，具体包括以下步骤：
S1：对原始卫星遥感影像进行预处理，得到包含完整水体范围的遥感影像，即第一遥感图像；
S2：基于第一遥感图像，进行云量剔除，得到第二遥感图像；
S3：基于第二遥感图像，对其中的干扰物进行剔除，得到第三遥感图像；
S4：在第三遥感图像上，提取不同波段，进行水体NDVI和水质参数计算；
S5：结合水体NDVI和水质参数，实现水华遥感监测；当水体的NDVI在区间[-1，0]时，认定为正常水体；当水体的NDVI在区间[0，1]时，认定为水华。
优选地，所述S1包括以下步骤：
S1-1：对原始卫星遥感影像原始影像进行辐射定标得到辐射定标后的影像，即将原始卫星遥感影像的DN值转换为大气外层表面反射率P，计算公式如下：
P＝DN*gain+offset (1)
公式(1)中，gain表示增益，offset表示偏移值；
S1-2：对辐射定标后的影像进行大气校正得到大气校正后的影像，计算公式如下：
E＝E0·e-T(0，H) (2)
公式(2)中，地面目标的辐射能量为E0，通过高度为H的大气后，传感器收集到的电磁波能量为E；
S1-3：对大气校正后的影像进行正射校正得到正射校正后的影像，即基于大气校正后的影像和像片范围内的数字高程模型(DEM)数据，通过RPC正射校正模块，消除传感器误差引起的点位移、消除因地面起伏引起的投影差，得到地物真实的几何关系，并将影像重采样为正射影像。
优选地，所述S1还包括：
S1-4：如果水体范围涉及到多景影像，则需要对S1-3中正射校正后的影像进行镶嵌处理，即将多张包含水体的正射校正后的影像合并为一张，得到包含完整水体范围的遥感影像，即第一遥感图像。
优选地，所述S2中，云量剔除的方法为：
通过栅格函数的Graphical Raster Function Editor方法，利用QA60波段标记实现去云处理，消除气候因素形成云层遮盖，实现云量剔除。
优选地，所述S3包括以下步骤：
S3-1：基于第二遥感图像，创建掩膜矢量文件，并生成只有0或者1二值栅格文件区分水体与陆地，水体阈值设置为0，陆地阈值设置为1；根据创建的掩膜矢量文件，对第二遥感图像进行图像裁剪，提取得到水体影像，实现陆地干扰剔除，得到去除陆地干扰后的数据；
S3-2：对S3-1中去除陆地干扰后的数据，利用水体表面水草纹理特征，包括披针形叶、十字对生、成叶的叶面通常为绿色、叶背绿中泛红、幼叶则为红色，将具有水草特征的栅格进行标注形成矢量，裁剪具有水草特征的栅格，实现水草干扰剔除，得到去除水草干扰的数据；
S3-3：对S3-2中去除水草干扰的数据，利用水体表面耀斑纹理特征，包括水体局部小区域突然增亮的部分，将具有耀斑特征的栅格进行标注形成矢量，裁剪具有耀斑特征的栅格，实现耀斑干扰剔除，得到第三遥感图像。
优选地，所述S4中，提取不同波段包括以下步骤：
S4-1：提取第三遥感图像中红光波段和近红外波段，定义为第一波段组合，用于归一化植被指数计算；
S4-2：提取第三遥感图像中红光波段和红边波段，定义为第二波段组合，用于水质参数中的叶绿素a反演(Ychla)、总磷反演(YIP)、总氮反演(YIN)、氨氮反演(YNH3-H)、化学需氧量反演(YCOD)、溶解氧反演(YDO)；
S4-3：提取第三遥感图像中红光波段，定义为第三波段组合，用于悬浮物 (TYSS)反演、透明度(YSD)反演。
优选地，所述S4-1中，归一化植被指数(NDVI)的计算公式为：
NDVI＝(近红外波段-红光波段)/(近红外波段+红光波段)，单位(mg/L)。
优选地，所述S4-2中，
氨氮(YNH3-H)＝0.0012*(叶绿素a)2+0.0017*(叶绿素a)+0.3669，单位(mg/L)；
化学需氧量(YCOD)＝0.0197*(叶绿素a)2+0.1654*(叶绿素a)+1.6757，单位(mg/L)；
优选地，所述S4-3中，
悬浮物(TYSS)＝8146.03*(红光波段)2-738.37*(红光波段)+ 53.011，单位(mg/L)；
透明度(YSD)＝0.0126*红光波段+9.295，单位(mg/L)。
综上所述，由于采用了上述技术方案，与现有技术相比，本发明至少具有以下有益效果：
本发明可以实现多流域、多周期的水华遥感监测，为环保部门提供了高效率的决策支持。同时利用卫星遥感影像较快的更新频次，支持持续监测水体变化情况。三是区别于仪器监测及人工实地排查，通过卫星遥感监测，节省了人力，避免了大量重复工作，极大提高了工作效率，满足高准确度水华问题遥感监测的需求。
附图说明：
图1为根据本发明示例性实施例的一种基于卫星遥感影像的水华监测方法流程示意图。
具体实施方式
下面结合实施例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
如图1所示，本发明提供一种基于卫星遥感影像的水华监测方法，具体包括以下步骤：
S1：对原始卫星遥感影像进行预处理，得到包含完整水体范围的遥感影像，即第一遥感图像。
S1-1：对原始卫星遥感影像原始影像进行辐射定标得到辐射定标后的影像，即将原始卫星遥感影像的DN(Digital Number，遥感影像像元亮度值)值转换为大气外层表面反射率P(toa)，计算公式如下：
P(toa)＝DN*gain+offset (1)
公式(1)中，gain表示增益，offset表示偏移值。
S1-2：对辐射定标后的影像进行大气校正得到大气校正后的影像，即消除由大气散射引起的辐射误差。此处以基于模型的大气校正为例：
E＝E0·e-T(0，H) (2)
公式(2)中，地面目标的辐射能量为E0，通过高度为H的大气后，传感器收集到的电磁波能量为E。
S1-3：对大气校正后的影像进行正射校正得到正射校正后的影像，即对由地形、相机几何特性以及与传感器相关的误差所造成的明显的几何畸变进行处理。此处以RPC正射校正为例：
基于大气校正后的影像和像片范围内的数字高程模型(DEM)数据，通过RPC 正射校正模块，读取影像的x方向和y方向的分辨率以及像素数量，采用双线性插值方式，适用于两个变量的插值函数的线性插值扩展，并参考数字高程模型(DEM)数据进行正射校正，消除传感器误差引起的点位移、消除因地面起伏引起的投影差，得到地物真实的几何关系，并将影像重采样为正射影像。
S1-4：如果水体范围涉及到多景影像，则需要对正射校正后的影像进行镶嵌处理，得到包含完整水体范围的遥感影像，即第一遥感图像。此处以无缝镶嵌为例：
通过无缝镶嵌模块，加载多景需要进行镶嵌处理的影像、对统计区域直方图进行匹配、取消使用接边线、自动在影像生成接边线、不使用羽化处理、使用接边线羽化，从而完成影像镶嵌处理。
S2：基于第一遥感图像，进行云量剔除，得到第二遥感图像。
本实施例中，为消除气候因素形成的云层遮盖，可通过栅格函数的 GraphicalRaster Function Editor方法，利用QA60波段标记实现去云处理，消除气候因素形成云层遮盖，实现云量剔除。
S3：基于第二遥感图像，对陆地、水草、耀斑等干扰剔除，得到第三遥感图像。
S3-1：基于第二遥感图像，创建掩膜矢量文件，并生成只有0或者1二值栅格文件区分水体与陆地，水体阈值设置为0，陆地阈值设置为1；根据创建的掩膜矢量文件，对第二遥感图像进行图像裁剪，提取得到水体影像，实现陆地干扰剔除，得到去除陆地干扰后的数据；
S3-2：对S3-1中去除陆地干扰后的数据，利用水体表面水草纹理特征，水草纹理特征包括披针形叶、十字对生、成叶的叶面通常为绿色、叶背绿中泛红、幼叶则为红色，将具有水草特征的栅格进行标注形成矢量，裁剪具有水草特征的栅格，实现水草干扰剔除，得到去除水草干扰的数据；
S3-3：对S3-2中去除水草干扰的数据，利用水体表面耀斑纹理特征，耀斑纹理特征包括水体局部小区域突然增亮的部分，将具有耀斑特征的栅格进行标注形成矢量，裁剪具有耀斑特征的栅格，实现耀斑干扰剔除，得到第三遥感图像。
S4：在第三遥感图像上，通过波段运算进行水体NDVI和水质参数计算，完成对水华遥感监测。
本实施例中，第三遥感图像上具有多种不同波段的通道，而不同通道的组合可以为水华遥感监测提供参数支持，包括归一化植被指数计算(NDVI)、水质参数，水质参数包括总氮(YTN)反演、总磷(YIP)反演、叶绿素a(YChla)反演、氨氮(YNH3-H)反演、化学需氧量(YCOD)反演、溶解氧(YDD)反演、悬浮物(YTSS) 反演、透明度(YSD)反演等。
S4-1：提取第三遥感图像中红光波段和近红外波段(波段值可通过软件自动获取)，定义为第一波段组合，用于归一化植被指数(NDVI)，
NDVI＝(近红外波段-红光波段)/(近红外波段+红光波段)，单位(mg/L)。
S4-2：提取第三遥感图像中红光波段和红边波段，定义为第二波段组合，用于水质参数中的叶绿素a反演(Ychla)、总磷反演(YIP)、总氮反演(YIN)、氨氮反演(YNH3-H)、化学需氧量反演(YCOD)、溶解氧反演(YDO)。
氨氮(YNH3-H)＝0.0012*(叶绿素a)2+0.0017*(叶绿素a)+0.3669，单位(mg/L)；
化学需氧量(YCOD)＝0.0197*(叶绿素a)2+0.1654*(叶绿素a)+1.6757，单位(mg/L)；
S4-3：提取第三遥感图像中红光波段，定义为第三波段组合，用于悬浮物 (TYSS)、透明度(YSD)反演。
悬浮物(TYSS)＝8146.03*(红光波段)2-738.37*(红光波段)+ 53.011，单位(mg/L)；
透明度(YSD)＝0.0126*红光波段+9.295，单位(mg/L)。
S5：如上述利用卫星遥感影像的红光波段、近红外波段及红边波段进行波段运算，并结合水体NDVI和水质参数之间的关系，实现水华问题遥感监测。
S5-1：从水污染的物理性表观污染方面分析，在地表径流、农田排水、生活污水、大坝冲沙、工业废水的作用下，水体中出现泥巴、沙、渣、屑、漂浮物，水体出现浑浊、水体表面出现泡沫，因此关联到水质参数中的透明度(YSD)、悬浮物(YTSS)。
例如将透明度(YSD)阈值区间设置为[13.7-21.5](mg/L)、悬浮物(YTSS)阈值区间设置为[1671405094.93-8173961090.67](mg/L)，若透明度(YSD)和悬浮物(YTSS)在对应阈值区间内，这表明水体水质存在问题。
S5-2：从水污染的生物性藻类污染方面分析，在化肥、化工、食品、等工业污水、生活污水和农田排水的作用下，水体中出现有机和无机氮、磷，水体发生富营养化、恶臭，因此关联到水质参数中的总氮(YTN)、总磷(YIP)。
例如将总氮(YTN)阈值区间设置为[1.52-1.68](mg/L)、总磷(YIP)阈值区间设置为[0.02-0.03](mg/L)，若总氮(YTN)和总磷(YIP)在对应阈值区间内，这表明水体水质存在问题。
S5-3：从藻类生物生长条件方面分析，在水质情况发生变化导致水体发生富营养化的情况下，藻类生物开始生长；因藻类和浮游植物依靠光合作用生长，而叶绿素a(YChla)是所有藻类的主要光合色素，因此水体中叶绿素a(YChla)含量是反映藻类光合作用潜力的一种指标，与其相关联的参数还有氨氮(YNH3-H)、化学需氧量(YCOD)。
例如将叶绿素a(YChla)阈值区间设置为[23.41-55.95](ug/L)、氨氮 (YNH3-H)阈值区间设置为[1.42-4.22](mg/L)、化学需氧量(YCOD)(mg/L)阈值区间设置为[24.2-54.1]；若叶绿素a(YChla)、氨氮(YNH3-H)、化学需氧量 (YCOD)在对应阈值区间内，这表明水体水质存在问题。
S5-4：从藻类生物生长相关参数方面分析，水的含氧量实际上是水中溶解氧(YDD)的问题,溶解氧是水质好坏的重要指标之一。正常水体中,藻类植物生长会增加溶解氧(YDD)含量，导致水体污染而发生富营养化现象，即“水华”的出现。
例如将溶解氧(YDD)阈值区间设置为[-2.35--0.82](mg/L)；若溶解氧 (YDD)在对应阈值区间内，这表明水体水质存在问题。
S5-5：从水华阈值分析，通过间水体NDVI设置阈值范围为[-1，1]，即水体区间为[-1，1]，区间[-1，0]的水体认定为正常水体、区间[0，1]的水体认定为水华。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。
Claims (9)
1.一种基于卫星遥感影像的水华监测方法，其特征在于，具体包括以下步骤：
S1：对原始卫星遥感影像进行预处理，得到包含完整水体范围的遥感影像，即第一遥感图像；
S2：基于第一遥感图像，进行云量剔除，得到第二遥感图像；
S3：基于第二遥感图像，对其中的干扰物进行剔除，得到第三遥感图像；
S4：在第三遥感图像上，提取不同波段，进行水体NDVI和水质参数计算；
S5：结合水体NDVI和水质参数，实现水华遥感监测；当水体的NDVI在区间[-1，0]时，认定为正常水体；当水体的NDVI在区间[0，1]时，认定为水华。
2.如权利要求1所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S1包括以下步骤：
S1-1：对原始卫星遥感影像原始影像进行辐射定标得到辐射定标后的影像，即将原始卫星遥感影像的DN值转换为大气外层表面反射率P，计算公式如下：
P＝DN*gain+offset (1)
公式(1)中，gain表示增益，offset表示偏移值；
S1-2：对辐射定标后的影像进行大气校正得到大气校正后的影像，计算公式如下：
E＝E0·e-T(0，H) (2)
公式(2)中，地面目标的辐射能量为E0，通过高度为H的大气后，传感器收集到的电磁波能量为E；
S1-3：对大气校正后的影像进行正射校正得到正射校正后的影像，即对由地形、相机几何特性以及与传感器相关的误差所造成的明显的几何畸变进行处理。此处以RPC正射校正为例：
基于大气校正后的影像和像片范围内的数字高程模型(DEM)数据，通过RPC正射校正模块，读取影像的x方向和y方向的分辨率以及像素数量，采用双线性插值方式，适用于两个变量的插值函数的线性插值扩展，并参考数字高程模型(DEM)数据进行正射校正，消除传感器误差引起的点位移、消除因地面起伏引起的投影差，得到地物真实的几何关系，并将影像重采样为正射影像。
3.如权利要求1所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S1还包括：
S1-4：如果水体范围涉及到多景影像，则需要对S1-3中正射校正后的影像进行镶嵌处理，即将多张包含水体的正射校正后的影像合并为一张，得到包含完整水体范围的遥感影像，即第一遥感图像。
4.如权利要求1所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S2中，云量剔除的方法为：
通过栅格函数的Graphical Raster Function Editor方法，利用QA60波段标记实现去云处理，消除气候因素形成云层遮盖，实现云量剔除。
5.如权利要求1所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S3包括以下步骤：
S3-1：基于第二遥感图像，创建掩膜矢量文件，并生成只有0或者1二值栅格文件区分水体与陆地，水体阈值设置为0，陆地阈值设置为1；根据创建的掩膜矢量文件，对第二遥感图像进行图像裁剪，提取得到水体影像，实现陆地干扰剔除，得到去除陆地干扰后的数据；
S3-2：对S3-1中去除陆地干扰后的数据，利用水体表面水草纹理特征，包括披针形叶、十字对生、成叶的叶面通常为绿色、叶背绿中泛红、幼叶则为红色，将具有水草特征的栅格进行标注形成矢量，裁剪具有水草特征的栅格，实现水草干扰剔除，得到去除水草干扰的数据；
S3-3：对S3-2中去除水草干扰的数据，利用水体表面耀斑纹理特征，包括水体局部小区域突然增亮的部分，将具有耀斑特征的栅格进行标注形成矢量，裁剪具有耀斑特征的栅格，实现耀斑干扰剔除，得到第三遥感图像。
6.如权利要求1所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S4中，提取不同波段包括以下步骤：
S4-1：提取第三遥感图像中红光波段和近红外波段，定义为第一波段组合，用于归一化植被指数计算；
S4-2：提取第三遥感图像中红光波段和红边波段，定义为第二波段组合，用于水质参数中的叶绿素a反演(Ychla)、总磷反演(YIP)、总氮反演(YIN)、氨氮反演(YNH3-H)、化学需氧量反演(YCOD)、溶解氧反演(YDO)；
S4-3：提取第三遥感图像中红光波段，定义为第三波段组合，用于悬浮物(TYSS)反演、透明度(YSD)反演。
7.如权利要求6所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S4-1中，归一化植被指数(NDVI)的计算公式为：
NDVI＝(近红外波段-红光波段)/(近红外波段+红光波段)，单位(mg/L)。
8.如权利要求6所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S4-2中，
氨氮(YNH3-H)＝0.0012*(叶绿素a)2+0.0017*(叶绿素a)+0.3669，单位(mg/L)；
化学需氧量(YCOD)＝0.0197*(叶绿素a)2+0.1654*(叶绿素a)+1.6757，单位(mg/L)；
9.如权利要求6所述的一种基于卫星遥感影像的水华监测方法，其特征在于，所述S4-3中，
悬浮物(TYSS)＝8146.03*(红光波段)2-738.37*(红光波段)+53.011，单位(mg/L)；
透明度(YSD)＝0.0126*红光波段+9.295，单位(mg/L)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211175053.8A CN115561199A (zh) | 2022-09-26 | 2022-09-26 | 一种基于卫星遥感影像的水华监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211175053.8A CN115561199A (zh) | 2022-09-26 | 2022-09-26 | 一种基于卫星遥感影像的水华监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115561199A true CN115561199A (zh) | 2023-01-03 |
Family
ID=84743544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211175053.8A Pending CN115561199A (zh) | 2022-09-26 | 2022-09-26 | 一种基于卫星遥感影像的水华监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115561199A (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473707A (zh) * | 2013-09-17 | 2013-12-25 | 山东大学 | 建立城市河网水体光谱库的方法与应用 |
| CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
| CN110398465A (zh) * | 2019-07-06 | 2019-11-01 | 中国海洋大学 | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 |
| CN110849814A (zh) * | 2019-11-20 | 2020-02-28 | 平衡机器科技(深圳)有限公司 | 一种基于多源遥感卫星的遥感影像处理方法 |
| CN112131946A (zh) * | 2020-08-21 | 2020-12-25 | 长沙银汉空间科技有限公司 | 光学遥感影像植被和水体信息自动提取方法 |
| CN112288641A (zh) * | 2020-09-16 | 2021-01-29 | 江苏省气候中心 | 一种高分卫星影像数据批量预处理方法 |
| CN113064221A (zh) * | 2021-03-17 | 2021-07-02 | 陕西省大气探测技术保障中心 | 一种无人机气象观测系统 |
| CN114494901A (zh) * | 2022-01-04 | 2022-05-13 | 南京信息工程大学 | 一种水体提取方法、系统、存储介质及计算设备 |
| CN114689545A (zh) * | 2022-03-02 | 2022-07-01 | 珠江水利委员会珠江水利科学研究院 | 一种基于dsm等高切片的植被覆盖度分层估算方法、介质 |
| CN114973010A (zh) * | 2022-05-11 | 2022-08-30 | 自然资源部第一海洋研究所 | 基于无先验数据的遥感水深反演模型迁移方法 |
-
2022
- 2022-09-26 CN CN202211175053.8A patent/CN115561199A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103473707A (zh) * | 2013-09-17 | 2013-12-25 | 山东大学 | 建立城市河网水体光谱库的方法与应用 |
| CN109581372A (zh) * | 2018-12-10 | 2019-04-05 | 北京航天泰坦科技股份有限公司 | 一种生态环境遥感监测方法 |
| CN110398465A (zh) * | 2019-07-06 | 2019-11-01 | 中国海洋大学 | 一种基于光谱遥感影像的养殖紫菜生物量测定方法 |
| CN110849814A (zh) * | 2019-11-20 | 2020-02-28 | 平衡机器科技(深圳)有限公司 | 一种基于多源遥感卫星的遥感影像处理方法 |
| CN112131946A (zh) * | 2020-08-21 | 2020-12-25 | 长沙银汉空间科技有限公司 | 光学遥感影像植被和水体信息自动提取方法 |
| CN112288641A (zh) * | 2020-09-16 | 2021-01-29 | 江苏省气候中心 | 一种高分卫星影像数据批量预处理方法 |
| CN113064221A (zh) * | 2021-03-17 | 2021-07-02 | 陕西省大气探测技术保障中心 | 一种无人机气象观测系统 |
| CN114494901A (zh) * | 2022-01-04 | 2022-05-13 | 南京信息工程大学 | 一种水体提取方法、系统、存储介质及计算设备 |
| CN114689545A (zh) * | 2022-03-02 | 2022-07-01 | 珠江水利委员会珠江水利科学研究院 | 一种基于dsm等高切片的植被覆盖度分层估算方法、介质 |
| CN114973010A (zh) * | 2022-05-11 | 2022-08-30 | 自然资源部第一海洋研究所 | 基于无先验数据的遥感水深反演模型迁移方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王玺森等: "内陆地表水体水质遥感监测研究进展", 中国农业信息, vol. 34, no. 2, pages 1 - 15 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| El-Asmar et al. | Surface area change detection of the Burullus Lagoon, North of the Nile Delta, Egypt, using water indices: A remote sensing approach | |
| CN109190538B (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 | |
| Fentie et al. | Land use and land cover dynamics and properties of soils under different land uses in the tejibara watershed, Ethiopia | |
| Le-Xiang et al. | Impacts of land use and cover change on land surface temperature in the Zhujiang Delta | |
| McCann et al. | The development of management units for site‐specific farming | |
| Rakhmonov et al. | Land use and land cover change in Khorezm, Uzbekistan | |
| Glavan et al. | Finding options to improve catchment water quality—Lessons learned from historical land use situations in a Mediterranean catchment in Slovenia | |
| Tholkapiyan et al. | TRACKING THE CHLOROPHYLL CHANGES USING SENTINEL-2A/B OVER THE GULF OF MANNER, INDIA. | |
| CN115510262A (zh) | 基于干旱区湖泊退缩区的植被生态建设适宜性划分方法 | |
| CN111771709A (zh) | 海洋生态系统中海草床的修复方法 | |
| Nyamekye et al. | Evaluating the spatial and temporal variations of aquatic weeds (Biomass) on Lower Volta River using multi-sensor Landsat Images and machine learning | |
| Baral et al. | Integration of satellite sensor data with DEM for the study of snow cover distribution and depletion pattern | |
| CN115561199A (zh) | 一种基于卫星遥感影像的水华监测方法 | |
| Assefa et al. | Evaluating soil loss for identification of land risk area in the Kabe Watershed of Ethiopia | |
| Gilbert et al. | Assessment of soil erosion of Burundi using remote sensing and GIS by RUSLE model | |
| Makowski | Development and application of a new comprehensive image-based classification scheme for coastal and benthic environments along the southeast Florida continental shelf | |
| Badora et al. | Simulating the effects of agricultural adaptation practices onto the soil water content in future climate using SWAT model on upland Bystra river catchment | |
| CN112966657A (zh) | 一种大尺度水体覆盖的遥感自动分类方法 | |
| Chukwu et al. | Development of digital elevation model for Okomu National Park, Nigeria | |
| Gu et al. | Analysis of urban spatial structure based on index superposition and color distance calculation: an example based on the city of honghu | |
| CN113591033B (zh) | 基于联合概率分布的干旱区地下水生态埋深分析方法 | |
| MuraliKrishna et al. | Assessing the Relation Between Land Use/Land Cover Changes and Environmental Parameters for Chennai City, Tamil Nadu: a Remote Sensing and GIS Approach | |
| Ong et al. | Marine habitat mapping using data from the Geoscan airborne multi‐spectral scanner | |
| Slave et al. | Geographic databases used to monitor vineyards. A case study | |
| Gudmundsdottir | Detection of potential arable land with remote sensing and GIS: a case study for Kjósarhreppur |
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 |