CN115824972A - 一种内陆水体半解析透明度反演方法和系统 - Google Patents

一种内陆水体半解析透明度反演方法和系统 Download PDF

Info

Publication number
CN115824972A
CN115824972A CN202211509873.6A CN202211509873A CN115824972A CN 115824972 A CN115824972 A CN 115824972A CN 202211509873 A CN202211509873 A CN 202211509873A CN 115824972 A CN115824972 A CN 115824972A
Authority
CN
China
Prior art keywords
water body
band
visible light
water
reflectivity
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
CN202211509873.6A
Other languages
English (en)
Other versions
CN115824972B (zh
Inventor
王胜蕾
邱瑞婷
李俊生
张方方
张兵
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.)
Aerospace Information Research Institute of CAS
Original Assignee
Aerospace Information Research Institute of CAS
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 Aerospace Information Research Institute of CAS filed Critical Aerospace Information Research Institute of CAS
Priority to CN202211509873.6A priority Critical patent/CN115824972B/zh
Publication of CN115824972A publication Critical patent/CN115824972A/zh
Application granted granted Critical
Publication of CN115824972B publication Critical patent/CN115824972B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明提出一种内陆水体半解析透明度反演方法和系统。其中，方法包括：包括以下步骤：采集Sentinel‑2地表反射率图像；基于离水反射率校正方法，对图像反射率进行校正；通过离水反射率校正后的图像，对水体进行浑浊与清洁水体分类；根据水体分类，计算水体吸收与后向散射系数；计算水体的漫衰减系数；利用透明度半解析模型与水体漫衰减系数计算水体透明度。本发明的方案，基于透明度半解析模型对水体进行浑浊与清洁水体分类，定量化提取Sentinel‑2图像的透明度，能够发挥高空间分辨率以及高时间分辨率卫星遥感环境监测的优势，实现了内陆水体水质的大范围长期动态监测。

Description

一种内陆水体半解析透明度反演方法和系统
技术领域
本发明属于遥感图像水质参数提取领域，尤其涉及一种内陆水体半解析透明度反演方法和系统。
背景技术
水体透明度是评估富营养化程度和综合水质的重要水质指标之一。随着遥感技术的不断成熟，国内外学者已开发许多水体透明度遥感算法，主要包括两种：经验算法、半解析算法。内陆水体组分多样、光学特性差异大，建立在已有数据经验关系基础上的经验模型通常具有明显的区域和时间局限性，难以大范围推广应用。而半解析算法具有明确的机理模型支撑，可以在一定程度上克服建模数据在区域和时间上的局限性。Lee等在2015年提出了基于辐射传输理论的新的半解析模型来检索ZSD。在该模型中，ZSD可以表示为遥感反射率(Rrs)和漫射衰减系数Kd的函数。该算法在海洋、沿海和内陆水域有广泛应用，整体上表现出良好的适用性；需要注意的是，由于半解析模型中的参数确定更多考虑的是海洋及近岸水体，在内陆水体中的应用通常需要对模型进行进一步的标定。针对光学特性复杂的内陆水体，QAAv6模型会将部分清洁水体识别为浑浊水体。因此，区分浑浊与清洁水体的阈值存在一定的不合理性，从而导致在反演内陆水体透明度时会出现部分高值低估、低值高估的现象。
发明内容
为解决上述技术问题，本发明提出一种内陆水体半解析透明度反演方法的技术方案，以解决上述技术问题。
本发明第一方面公开了一种内陆水体半解析透明度反演方法，尤其是基于哨兵2数据，所述方法包括：
步骤S1、采集Sentinel-2地表反射率水体区域的可见光波段、近红外波段和短波红外波段的图像；
步骤S2、基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率；
步骤S3、应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率；
步骤S4、应用可见光波段的离水反射率，面向内陆水体调整清洁水体和浑浊水体的划分阈值，将水体类型划分为清洁水体和浑浊水体；
步骤S5、根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数；
步骤S6、根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数；
步骤S7、应用所述可见光波段的漫衰减系数，计算水体透明度。
根据本发明第一方面的方法，在所述步骤S1中，所述可见光波段的图像包括：443nm的图像、490nm的图像、560nm的图像和665nm的图像；
在所述步骤S2中，所述基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率的方法包括：
Figure BDA0003968848910000021
其中，Rrs(λ)为离水反射率，R(λ)为图像的地表反射率，RNIR为近红外波段图像的地表反射率，RSWIR短波红外波段图像的地表反射率，min(·)为最小值函数。
根据本发明第一方面的方法，在所述步骤S3中，所述应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率的方法包括：
rrs(λ)＝Rrs(λ)(0.52+1.7Rrs(λ))
其中，rrs(λ)为可见光波段的水下遥感反射率。
根据本发明第一方面的方法，在所述步骤S4中，所述应用可见光波段的离水反射率，面向内陆水体调整清洁水体和浑浊水体的划分阈值，将水体类型划分为清洁水体和浑浊水体的方法包括：
当Rrs(665)<0.005sr-1时，水体类型划分为清洁水体；
当Rrs(665)≥0.005sr-1时，水体类型划分为浑浊水体；
其中Rrs(665)为665nm图像的离水反射率。
根据本发明第一方面的方法，在所述步骤S5中，所述根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数的方法包括：
Figure BDA0003968848910000031
α(λ)＝(1-u(λ))(bw(λ)+bbp(λ))/u(λ)
Figure BDA0003968848910000032
Figure BDA0003968848910000033
当所述水体类型为清洁水体时，以560nm作为参考波段，即λ0＝560，且，
Figure BDA0003968848910000034
Figure BDA0003968848910000035
Figure BDA0003968848910000036
当所述水体类型为浑浊水体时，以665nm作为参考波段，即λ0＝665，且，
Figure BDA0003968848910000041
Figure BDA0003968848910000042
其中，bbp(λ)为可见光波段的颗粒物后向散射系数，bbp(λ0)为参考波段的颗粒物后向散射系数，α(λ)为可见光波段的水体吸收系数，g0＝0.089，g1＝0.1245，rrs(443)为443nm图像的水下遥感反射率，rrs(560)为560nm图像的水下遥感反射率，u(λ)、χ、η、bbp(λ0)、bbp(λ)均为由遥感反射率数据Rrs(λ)计算得到的中间变量；αw(λ0)、αw(λ)、bbw(λ0)、bbw(λ)分别为λ0、λ波段的常数。
根据本发明第一方面的方法，在所述步骤S6中，所述根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数的方法包括：
Figure BDA0003968848910000043
其中，Kd(λ)为漫衰减系数，bb(λ)为后向散射系数，m0、m1、m2、m3和γ均为常量，θs为太阳天顶角。
根据本发明第一方面的方法，在所述步骤S7中，所述应用所述可见光波段的漫衰减系数，计算水体透明度的方法包括：
Figure BDA0003968848910000044
其中，ZSD为水体透明度，Min(Kd(443,490,560,665))为443nm、490nm、560nm和665nm波段的漫衰减系数的最小值，Rtr rs为所述漫衰减系数的最小值对应波段的离水反射率。
根据本发明第一方面的方法，。
本发明第二方面公开了一种内陆水体半解析透明度反演系统，所述系统包括：
第一处理模块，被配置为，输入Sentinel-2地表反射率水体区域的可见光波段、近红外波段和短波红外波段的图像；
第二处理模块，被配置为，基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率；
第三处理模块，被配置为，应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率；
第四处理模块，被配置为，应用可见光波段的离水反射率，将水体类型划分为清洁水体和浑浊水体；
第五处理模块，被配置为，根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数；
第六处理模块，被配置为，根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数；
第七处理模块，被配置为，应用所述可见光波段的漫衰减系数，计算水体透明度。
根据本发明第二方面的系统，第一处理模块，被配置为，所述可见光波段的图像包括：443nm的图像、490nm的图像、560nm的图像和665nm的图像；
根据本发明第二方面的系统，第二处理模块，被配置为，所述基于离水反射率校正，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率包括：
Figure BDA0003968848910000061
其中，Rrs(λ)为离水反射率，R(λ)为图像的地表反射率，RNIR为近红外波段图像的地表反射率，RSWIR短波红外波段图像的地表反射率，min(·)为最小值函数。
根据本发明第二方面的系统，第三处理模块，被配置为，所述应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率包括：
rrs(λ)＝Rrs(λ)(0.52+1.7Rrs(λ))
其中，rrs(λ)为可见光波段的水下遥感反射率。
根据本发明第二方面的系统，第四处理模块，被配置为，所述应用可见光波段的离水反射率，面向内陆水体调整清洁水体和浑浊水体的划分阈值，将水体类型划分为清洁水体和浑浊水体包括：
当Rrs(665)<0.005sr-1时，水体类型划分为清洁水体；
当Rrs(665)≥0.005sr-1时，水体类型划分为浑浊水体；
其中Rrs(665)为665nm图像的离水反射率。
根据本发明第二方面的系统，第五处理模块，被配置为，所述根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数包括：
Figure BDA0003968848910000062
α(λ)＝(1-u(λ))(bw(λ)+bbp(λ))/u(λ)
Figure BDA0003968848910000063
Figure BDA0003968848910000064
当所述水体类型为清洁水体时，以560nm作为参考波段，即λ0＝560，且，
Figure BDA0003968848910000071
Figure BDA0003968848910000072
Figure BDA0003968848910000073
当所述水体类型为浑浊水体时，以665nm作为参考波段，即λ0＝665，且，
Figure BDA0003968848910000074
Figure BDA0003968848910000075
其中，bbp(λ)为可见光波段的颗粒物后向散射系数，bbp(λ0)为参考波段的颗粒物后向散射系数，α(λ)为可见光波段的水体吸收系数，g0＝0.089，g1＝0.1245，rrs(443)为443nm图像的水下遥感反射率，rrs(560)为560nm图像的水下遥感反射率，u(λ)、χ、η、bbp(λ0)、bbp(λ)均为由遥感反射率数据Rrs(λ)计算得到的中间变量；αw(λ0)、αw(λ)、bbw(λ0)、bbw(λ)分别为λ0、λ波段的常数。
根据本发明第二方面的系统，第六处理模块，被配置为，所述根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数包括：
Figure BDA0003968848910000076
其中，Kd(λ)为漫衰减系数，bb(λ)为后向散射系数，m0、m1、m2、m3和γ均为常量，θs为太阳天顶角。
根据本发明第二方面的系统，第七处理模块，被配置为，所述应用所述可见光波段的漫衰减系数，计算水体透明度包括：
Figure BDA0003968848910000081
其中，ZSD为水体透明度，Min(Kd(443,490,560,665))为443nm、490nm、560nm和665nm波段的漫衰减系数的最小值，Rtr rs为所述漫衰减系数的最小值对应波段的离水反射率。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种内陆水体半解析透明度反演方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种内陆水体半解析透明度反演方法中的步骤。
本发明提出的方案能够，基于Sentinel-2反射率遥感图像，利用实测光谱数据对透明度半解析模型中的水体分类阈值进行重新标定，从而建立了内陆水体透明度提取方法，使遥感图像上的水体透明度能够定量化表示；实现了利用高时空分辨率遥感数据采用半解析模型对内陆水体水质进行宏观监测，发挥了卫星遥感环境监测的优势，克服了针对大范围小型内陆水体难以进行长时序监测的困难。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为根据本发明实施例的一种内陆水体半解析透明度反演方法的流程图；
图2为根据本发明实施例的一种内陆水体半解析透明度反演系统的结构图；
图3为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只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。
本发明第一方面公开了一种内陆水体半解析透明度反演方法。图1为根据本发明实施例的一种内陆水体半解析透明度反演方法的流程图，在一些实施例中，尤其是基于哨兵2数据，如图1所示，所述方法包括：
步骤S1、采集Sentinel-2地表反射率水体区域的可见光波段、近红外波段和短波红外波段的图像；
步骤S2、基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率；
步骤S3、应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率；
步骤S4、应用可见光波段的离水反射率，面向内陆水体调整清洁水体和浑浊水体的划分阈值，将水体类型划分为清洁水体和浑浊水体；在一些实施例中，具体应用红光波段的离水反射率；
步骤S5、根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数；
步骤S6、根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数；
步骤S7、应用所述可见光波段的漫衰减系数，计算水体透明度。
在步骤S1，采集Sentinel-2地表反射率水体区域的可见光波段、近红外波段和短波红外波段的图像。
在一些实施例中，在所述步骤S1中，所述可见光波段的图像包括：443nm、490nm、560nm和665nm的图像。
具体地，输入Sentinel-2地表反射率水体区域的443nm、490nm、560nm、665nm、705nm、740nm、783nm、842nm、865nm、945nm、1375nm、1610nm和2190nm的图像。
在步骤S2，基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率。
在一些实施例中，在所述步骤S2中，所述基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率的方法包括：
Figure BDA0003968848910000101
其中，Rrs(λ)为离水反射率，R(λ)为图像的地表反射率，RNIR为近红外波段图像的地表反射率，RSWIR短波红外波段图像的地表反射率，min(·)为最小值函数。
在步骤S3，应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率。
在一些实施例中，在所述步骤S3中，所述应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率的方法包括：
rrs(λ)＝Rrs(λ)(0.52+1.7Rrs(λ))
其中，rrs(λ)为可见光波段的水下遥感反射率。
在步骤S4，应用可见光波段的离水反射率，将水体类型划分为清洁水体和浑浊水体。
在一些实施例中，在所述步骤S4中，所述应用可见光波段的离水反射率，面向内陆水体调整清洁水体和浑浊水体的划分阈值，将水体类型划分为清洁水体和浑浊水体的方法包括：
当Rrs(665)<0.005sr-1时，水体类型划分为清洁水体；
当Rrs(665)≥0.005sr-1时，水体类型划分为浑浊水体；
其中Rrs(665)为665nm图像的离水反射率。
在步骤S5，根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数。
在一些实施例中，在所述步骤S5中，所述根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数的方法包括：
Figure BDA0003968848910000111
α(λ)＝(1-u(λ))(bw(λ)+bbp(λ))/u(λ)
Figure BDA0003968848910000112
Figure BDA0003968848910000113
当所述水体类型为清洁水体时，以560nm作为参考波段，即λ0＝560，且，
Figure BDA0003968848910000114
Figure BDA0003968848910000115
Figure BDA0003968848910000121
当所述水体类型为浑浊水体时，以665nm作为参考波段，即λ0＝665，且，
Figure BDA0003968848910000122
Figure BDA0003968848910000123
其中，bbp(λ)为可见光波段的颗粒物后向散射系数，bbp(λ0)为参考波段的颗粒物后向散射系数，α(λ)为可见光波段的水体吸收系数，g0＝0.089，g1＝0.1245，rrs(443)为443nm图像的水下遥感反射率，rrs(560)为560nm图像的水下遥感反射率，u(λ)、χ、η、bbp(λ0)、bbp(λ)均为由遥感反射率数据Rrs(λ)计算得到的中间变量；αw(λ0)、αw(λ)、bbw(λ0)、bbw(λ)分别为λ0、λ波段的常数。
在步骤S6，根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数。
在一些实施例中，在所述步骤S6中，所述根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数的方法包括：
Figure BDA0003968848910000124
其中，Kd(λ)为漫衰减系数，bb(λ)为后向散射系数，m0、m1、m2、m3和γ均为常量，θs为太阳天顶角。
在步骤S7，应用所述可见光波段的漫衰减系数，计算水体透明度。
在一些实施例中，在所述步骤S7中，所述应用所述可见光波段的漫衰减系数，计算水体透明度的方法包括：
Figure BDA0003968848910000131
其中，ZSD为水体透明度，Min(Kd(443,490,560,665))为443nm、490nm、560nm和665nm波段的漫衰减系数的最小值，Rtr rs为所述漫衰减系数的最小值对应波段的离水反射率。
综上，本发明提出的方案能够基于Sentinel-2反射率遥感图像，利用实测光谱数据对透明度半解析模型中的水体分类阈值进行重新标定，从而建立了内陆水体透明度提取方法，使遥感图像上的水体透明度能够定量化表示；实现了利用高时空分辨率遥感数据采用半解析模型对内陆水体水质进行宏观监测，发挥了卫星遥感环境监测的优势，克服了针对大范围小型内陆水体难以进行长时序监测的困难。
本发明第二方面公开了一种内陆水体半解析透明度反演系统。图2为根据本发明实施例的一种内陆水体半解析透明度反演系统的结构图；如图2所示，所述系统100包括：
第一处理模块，被配置为，输入Sentinel-2地表反射率水体区域的可见光波段、近红外波段和短波红外波段的图像；
第二处理模块，被配置为，基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率；
第三处理模块，被配置为，应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率；
第四处理模块，被配置为，应用可见光波段的离水反射率，将水体类型划分为清洁水体和浑浊水体；
第五处理模块，被配置为，根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数；
第六处理模块，被配置为，根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数；
第七处理模块，被配置为，应用所述可见光波段的漫衰减系数，计算水体透明度。
根据本发明第二方面的系统，第一处理模块101，被配置为，所述可见光波段的图像包括：443nm的图像、490nm的图像、560nm的图像和665nm的图像；
根据本发明第二方面的系统，第二处理模块102，被配置为，所述基于离水反射率校正，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率包括：
Figure BDA0003968848910000141
其中，Rrs(λ)为离水反射率，R(λ)为图像的地表反射率，RNIR为近红外波段图像的地表反射率，RSWIR短波红外波段图像的地表反射率，min(·)为最小值函数。
根据本发明第二方面的系统，第三处理模块103，被配置为，所述应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率包括：
rrs(λ)＝Rrs(λ)(0.52+1.7Rrs(λ))
其中，rrs(λ)为可见光波段的水下遥感反射率。
根据本发明第二方面的系统，第四处理模块104，被配置为，所述应用可见光波段的离水反射率，面向内陆水体调整清洁水体和浑浊水体的划分阈值，将水体类型划分为清洁水体和浑浊水体包括：
当Rrs(665)<0.005sr-1时，水体类型划分为清洁水体；
当Rrs(665)≥0.005sr-1时，水体类型划分为浑浊水体；
其中Rrs(665)为665nm图像的离水反射率。
根据本发明第二方面的系统，第五处理模块105，被配置为，所述根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数包括：
Figure BDA0003968848910000151
α(λ)＝(1-u(λ))(bw(λ)+bbp(λ))/u(λ)
Figure BDA0003968848910000152
Figure BDA0003968848910000153
当所述水体类型为清洁水体时，以560nm作为参考波段，即λ0＝560，且，
Figure BDA0003968848910000154
Figure BDA0003968848910000155
Figure BDA0003968848910000156
当所述水体类型为浑浊水体时，以665nm作为参考波段，即λ0＝665，且，
Figure BDA0003968848910000157
Figure BDA0003968848910000158
其中，bbp(λ)为可见光波段的颗粒物后向散射系数，bbp(λ0)为参考波段的颗粒物后向散射系数，α(λ)为可见光波段的水体吸收系数，g0＝0.089，g1＝0.1245，rrs(443)为443nm图像的水下遥感反射率，rrs(560)为560nm图像的水下遥感反射率，u(λ)、χ、η、bbp(λ0)、bbp(λ)均为由遥感反射率数据Rrs(λ)计算得到的中间变量；αw(λ0)、αw(λ)、bbw(λ0)、bbw(λ)分别为λ0、λ波段的常数。
根据本发明第二方面的系统，第六处理模块106，被配置为，所述根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数包括：
Figure BDA0003968848910000161
其中，Kd(λ)为漫衰减系数，bb(λ)为后向散射系数，m0、m1、m2、m3和γ均为常量，θs为太阳天顶角。
根据本发明第二方面的系统，第七处理模块107，被配置为，所述应用所述可见光波段的漫衰减系数，计算水体透明度包括：
Figure BDA0003968848910000162
其中，ZSD为水体透明度，Min(Kd(443,490,560,665))为443nm、490nm、560nm和665nm波段的漫衰减系数的最小值，Rtr rs为所述漫衰减系数的最小值对应波段的离水反射率。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本发明公开第一方面中任一项的一种内陆水体半解析透明度反演方法中的步骤。
图3为根据本发明实施例的一种电子设备的结构图，如图3所示，电子设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本公开的技术方案相关的部分的结构图，并不构成对本申请方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本发明公开第一方面中任一项的一种内陆水体半解析透明度反演方法中的步骤。
请注意，以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种内陆水体半解析透明度反演方法，其特征在于，所述方法包括：
步骤S1、采集Sentinel-2地表反射率水体区域的可见光波段、近红外波段和短波红外波段的图像；
步骤S2、基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率；
步骤S3、应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率；
步骤S4、应用可见光波段的离水反射率，将水体类型划分为清洁水体和浑浊水体；
步骤S5、根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数；
步骤S6、根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数；
步骤S7、应用所述可见光波段的漫衰减系数，计算水体透明度。
2.根据权利要求1所述的一种内陆水体半解析透明度反演方法，其特征在于，在所述步骤S1中，所述可见光波段的图像包括：443nm的图像、490nm的图像、560nm的图像和665nm的图像；
在所述步骤S2中，所述基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率的方法包括：
Figure FDA0003968848900000011
其中，Rrs(λ)为离水反射率，R(λ)为图像的地表反射率，RNIR为近红外波段图像的地表反射率，RSWIR短波红外波段图像的地表反射率，min(·)为最小值函数。
3.根据权利要求2所述的一种内陆水体半解析透明度反演方法，其特征在于，在所述步骤S3中，所述应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率的方法包括：
rrs(λ)＝Rrs(λ)(0.52+1.7Rrs(λ))
其中，rrs(λ)为可见光波段的水下遥感反射率。
4.根据权利要求2所述的一种内陆水体半解析透明度反演方法，其特征在于，在所述步骤S4中，所述应用可见光波段的离水反射率，将水体类型划分为清洁水体和浑浊水体的方法包括：
当Rrs(665)<0.005sr-1时，水体类型划分为清洁水体；
当Rrs(665)≥0.005sr-1时，水体类型划分为浑浊水体；
其中Rrs(665)为665nm图像的离水反射率。
5.根据权利要求4所述的一种内陆水体半解析透明度反演方法，其特征在于，在所述步骤S5中，所述根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数的方法包括：
Figure FDA0003968848900000021
α(λ)＝(1-u(λ))(bw(λ)+bbp(λ))/u(λ)
Figure FDA0003968848900000022
Figure FDA0003968848900000023
当所述水体类型为清洁水体时，以560nm作为参考波段，即λ0＝560，且，
Figure FDA0003968848900000031
Figure FDA0003968848900000032
Figure FDA0003968848900000033
当所述水体类型为浑浊水体时，以665nm作为参考波段，即λ0＝665，且，
Figure FDA0003968848900000034
Figure FDA0003968848900000035
其中，bbp(λ)为可见光波段的颗粒物后向散射系数，bbp(λ0)为参考波段的颗粒物后向散射系数，α(λ)为可见光波段的水体吸收系数，g0＝0.089，g1＝0.1245，rrs(443)为443nm图像的水下遥感反射率，rrs(560)为560nm图像的水下遥感反射率，u(λ)、χ、η、bbp(λ0)、bbp(λ)均为由遥感反射率数据Rrs(λ)计算得到的中间变量；αw(λ0)、αw(λ)、bbw(λ0)、bbw(λ)分别为λ0、λ波段的常数。
6.根据权利要求5所述的一种内陆水体半解析透明度反演方法，其特征在于，在所述步骤S6中，所述根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数的方法包括：
Figure FDA0003968848900000036
其中，Kd(λ)为漫衰减系数，bb(λ)为后向散射系数，m0、m1、m2、m3和γ均为常量，θs为太阳天顶角。
7.根据权利要求6所述的一种内陆水体半解析透明度反演方法，其特征在于，在所述步骤S7中，所述应用所述可见光波段的漫衰减系数，计算水体透明度的方法包括：
Figure FDA0003968848900000041
其中，ZSD为水体透明度，Min(Kd(443,490,560,665))为443nm、490nm、560nm和665nm波段的漫衰减系数的最小值，Rtr rs为所述漫衰减系数的最小值对应波段的离水反射率。
8.一种内陆水体半解析透明度反演系统，其特征在于，所述系统包括：
第一处理模块，被配置为，输入Sentinel-2地表反射率水体区域的可见光波段、近红外波段和短波红外波段的图像；
第二处理模块，被配置为，基于离水反射率校正方法，应用近红外波段到短波红外波段图像的地表反射率最小值，校正可见光波段、近红外波段和短波红外波段的图像的地表反射率，得到离水反射率；
第三处理模块，被配置为，应用可见光波段的离水反射率，计算可见光波段的水下遥感反射率；
第四处理模块，被配置为，应用可见光波段的离水反射率，将水体类型划分为清洁水体和浑浊水体；
第五处理模块，被配置为，根据所述水体类型，基于可见光波段的离水反射率和参考波段的总吸收系数，计算可见光波段的水体吸收系数和后向散射系数；
第六处理模块，被配置为，根据所述可见光波段的水体吸收系数和后向散射系数，计算可见光波段的漫衰减系数；
第七处理模块，被配置为，应用所述可见光波段的漫衰减系数，计算水体透明度。
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至7中任一项所述的一种内陆水体半解析透明度反演方法中的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至7中任一项所述的一种内陆水体半解析透明度反演方法中的步骤。
CN202211509873.6A 2022-11-29 2022-11-29 一种内陆水体半解析透明度反演方法和系统 Active CN115824972B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211509873.6A CN115824972B (zh) 2022-11-29 2022-11-29 一种内陆水体半解析透明度反演方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211509873.6A CN115824972B (zh) 2022-11-29 2022-11-29 一种内陆水体半解析透明度反演方法和系统

Publications (2)

Publication Number Publication Date
CN115824972A true CN115824972A (zh) 2023-03-21
CN115824972B CN115824972B (zh) 2023-07-25

Family

ID=85532579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211509873.6A Active CN115824972B (zh) 2022-11-29 2022-11-29 一种内陆水体半解析透明度反演方法和系统

Country Status (1)

Country Link
CN (1) CN115824972B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5905570A (en) * 1997-09-18 1999-05-18 Department Of Water And Power City Of Los Angeles Remote electro-optical sensor system for water quality monitoring
CN103558190A (zh) * 2013-10-22 2014-02-05 李云梅 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法
CN105158172A (zh) * 2015-08-22 2015-12-16 中国城市科学研究会 一种内陆ii类水体水色参数遥感反演的分析方法
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
CN105445232A (zh) * 2015-12-01 2016-03-30 中国科学院上海技术物理研究所 一种后向散射系数线性约束的水体固有光学量反演方法
CN106053370A (zh) * 2016-08-02 2016-10-26 山东省科学院海洋仪器仪表研究所 一种基于hico模拟的反演近海岸水体透明度的方法
US20180356339A1 (en) * 2016-08-10 2018-12-13 Fuzhou University Method of calculating tavi based on a band ratio model and solar altitude angle
CN110749568A (zh) * 2019-12-19 2020-02-04 中国科学院南京地理与湖泊研究所 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法
CN112766075A (zh) * 2020-12-31 2021-05-07 中国冶金地质总局矿产资源研究院 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法
CN112989692A (zh) * 2021-02-10 2021-06-18 中国科学院南京地理与湖泊研究所 基于遥感数据的湖泊富营养化反演方法
CN113324952A (zh) * 2021-05-17 2021-08-31 中山大学 水体漫衰减系数遥感反演方法及系统
CN113406015A (zh) * 2021-05-31 2021-09-17 内蒙古师范大学 一种近岸和内陆水域水体的透明度计算方法和系统
CN114239416A (zh) * 2021-12-22 2022-03-25 中国人民解放军战略支援部队信息工程大学 基于高斯过程回归的qaa水体固有光学特性反演方法
CN114894719A (zh) * 2022-03-16 2022-08-12 自然资源部国土卫星遥感应用中心 一种基于波段遥感反射率比值的卫星水体透明度反演方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5905570A (en) * 1997-09-18 1999-05-18 Department Of Water And Power City Of Los Angeles Remote electro-optical sensor system for water quality monitoring
CN103558190A (zh) * 2013-10-22 2014-02-05 李云梅 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法
CN105158172A (zh) * 2015-08-22 2015-12-16 中国城市科学研究会 一种内陆ii类水体水色参数遥感反演的分析方法
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
CN105445232A (zh) * 2015-12-01 2016-03-30 中国科学院上海技术物理研究所 一种后向散射系数线性约束的水体固有光学量反演方法
CN106053370A (zh) * 2016-08-02 2016-10-26 山东省科学院海洋仪器仪表研究所 一种基于hico模拟的反演近海岸水体透明度的方法
US20180356339A1 (en) * 2016-08-10 2018-12-13 Fuzhou University Method of calculating tavi based on a band ratio model and solar altitude angle
CN110749568A (zh) * 2019-12-19 2020-02-04 中国科学院南京地理与湖泊研究所 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法
CN112766075A (zh) * 2020-12-31 2021-05-07 中国冶金地质总局矿产资源研究院 一种基于半监督学习策略的高光谱遥感黑臭水体分级方法
CN112989692A (zh) * 2021-02-10 2021-06-18 中国科学院南京地理与湖泊研究所 基于遥感数据的湖泊富营养化反演方法
CN113324952A (zh) * 2021-05-17 2021-08-31 中山大学 水体漫衰减系数遥感反演方法及系统
CN113406015A (zh) * 2021-05-31 2021-09-17 内蒙古师范大学 一种近岸和内陆水域水体的透明度计算方法和系统
CN114239416A (zh) * 2021-12-22 2022-03-25 中国人民解放军战略支援部队信息工程大学 基于高斯过程回归的qaa水体固有光学特性反演方法
CN114894719A (zh) * 2022-03-16 2022-08-12 自然资源部国土卫星遥感应用中心 一种基于波段遥感反射率比值的卫星水体透明度反演方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
DANIEL ANDRADE MACIEL: "Water clarity in Brazilian water assessed using Sentinel-2 and machine learning methods", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 *
KUN SH: "A semi-analytical approach for remote sensing of trophic state in inland waters: Bio-optical mechanism and application", 《REMOTE SENSING OF ENVIRONMENT》 *
SHENGLEI WANG: "A dataset of remote-sensed Forel-Ule index for global inland waters during 2000-2018", 《SCIENTIFIC DATA》 *
YAO LIU: "Secchi disk depth estimation from China\'s new generation of GF-5 hyperspectral obervations using a semi-analytical scheme", 《REMOTE SENSING》 *
ZHONGPING LEE: "Secchi disk depth: a new theory and mechanistic model for underwater visibility", 《REMOTE SENSING OF ENVIRONMENT》, pages 139 - 149 *
吴婷婷;丘仲锋;何宜军;申辉;: "黄东海及珠江口附近海域水体漫衰减系数反演", 光学学报, no. 07 *
周燕: "基于GOCI数据的胶州湾水体透明度遥感反演及日变化研究", 《国土资源遥感》, pages 108 - 115 *
毛颖;丘仲锋;孙德勇;王胜强;路颖;吴晨颖;岳小媛;叶之翩;: "渤黄海水体漫衰减系数的遥感反演", 广西科学, no. 06 *

Also Published As

Publication number Publication date
CN115824972B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
Zou et al. An energy-efficient design for ECG recording and R-peak detection based on wavelet transform
KR20180090902A (ko) 개인용 uv 노출 측정 장치 및 시스템
CN110749568B (zh) 高浑浊富营养化湖泊浮游植物吸收特性modis遥感反演方法
CN114894719A (zh) 一种基于波段遥感反射率比值的卫星水体透明度反演方法
CN113406015B (zh) 一种近岸和内陆水域水体的透明度计算方法和系统
CN106296616B (zh) 一种红外图像细节增强方法和一种红外图像细节增强装置
Zhang et al. River surface target enhancement and background suppression for unseeded LSPIV
CN113916835B (zh) 基于卫星遥感数据的大气校正方法、终端设备及存储介质
CN103247035A (zh) 基于数字x光机的医学图像处理装置、方法及系统
CN113324952B (zh) 水体漫衰减系数遥感反演方法及系统
CN115824972A (zh) 一种内陆水体半解析透明度反演方法和系统
CN116760031A (zh) 基于气象数据的高时间分辨率光伏功率预测方法和装置
CN104274164A (zh) 一种基于人脸图像的血压预测方法及手机
CN115409340A (zh) 一种短周期旱涝急转指数构建方法及系统
Yao et al. A convLSTM neural network model for spatiotemporal prediction of mining area surface deformation based on SBAS-InSAR monitoring data
CN111595785B (zh) 基于气象数据的蓝藻水华的预测方法和装置
CN113221777A (zh) 一种近岸海浪等级监测方法及装置
CN107424134A (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
US20200293882A1 (en) Near-infrared spectroscopy (nir) based glucose prediction using deep learning
CN114359720B (zh) 一种基于卫星光学图像的海上目标检测方法、系统及装置
CN116223401B (zh) 一种适用于rgb三波段数据的透明度反演方法和系统
CN116952906B (zh) 水体健康状态评估方法、装置、电子设备及存储介质
CN113640226B (zh) 绿潮空间覆盖率的反演方法、装置及电子设备
CN117315470B (zh) 基于地空全谱段高光谱数据的水质参数反演系统
Yuan et al. Self-calibrated dilated convolutional neural networks for SAR image despeckling

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