CN115908864A - 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 - Google Patents
一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 Download PDFInfo
- Publication number
- CN115908864A CN115908864A CN202211408613.XA CN202211408613A CN115908864A CN 115908864 A CN115908864 A CN 115908864A CN 202211408613 A CN202211408613 A CN 202211408613A CN 115908864 A CN115908864 A CN 115908864A
- Authority
- CN
- China
- Prior art keywords
- color
- mod
- water color
- water
- remote sensing
- 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
Images
Landscapes
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及一种基于MODIS影像的海水色度角提取方法及水色状况遥感分类方法,包括:下载MODIS卫星传感器可见光波段的遥感反射率数据;根据遥感反射率数据计算X、Y、Z三原色刺激值;根据X、Y、Z三原色刺激值计算色度坐标x和y;根据色度坐标x和y计算色度角αmod;根据色度角αmod进行偏差校正,得到准确的色度角α;根据校正后的色度角α,对海洋水色状况进行阈值划分;根据阈值划分结果对海洋水色状况进行分类;根据海洋水色状况分类结果,绘制遥感分类专题图。本发明通过对MODIS影像提取的海水色度角αmod进行偏差校正,得到准确的色度角α,进而对色度角α进行阈值划分并绘制水色状况遥感分类专题图,使得公众能够对海洋水色状况有快速、准确、直观的判断。
Description
技术领域
本发明属于海洋生态环境卫星遥感探测技术领域,具体地说,涉及一种基于MODIS(Moderate-resolution Imaging Spectroradiometer,中分辨率成像光谱仪)影像的海水色度角提取计算方法,本发明也涉及相应的海洋水色状况遥感分类方法。
背景技术
对地球与人类而言,海洋的重要性不言而喻。
海洋水色的清浊是公众临海亲海最直观的视觉感受,在一定程度上可反映出海洋生态环境质量的优劣。水色作为水文学的基本要素,对其现场观测最早可追溯到一百多年前。早期,尽管人们不知道导致海水颜色变化的物理原因和化学原因,但大多数人本能地知道海水颜色与其中所含物质和生物体有直接关系,能直观地感受到水质的好坏。
发明内容
而海洋生态环境的优劣关系到人们的方方面面,如人体健康、滨海旅游、水产养殖、甚至船舶航行,都与海洋生态环境的优劣有莫大关系。当青岛海域发生大面积浒苔绿潮时,人们不但不能游泳,而且水产养殖业受到了巨大影响,海洋环境管理部门需要投入大量的人力物力进行海洋生态环境监测工作。海洋水色是太阳光线与水体中的光活性物质在可见光范围内作用的直接结果,与海水水质有着密切的关系。因此,水色作为海洋生态环境监测的基础性指标之一,进行海洋水色状况卫星遥感监测,对于海洋生态环境监测而言具有重要意义。
海洋水色观测的快速发展始自上世纪七十年代末,从美国航空航天局(NASA)发射了世界上第一颗携带海洋水色传感器海岸带水色扫描仪CZCS的Nimbus-7号卫星开始,海洋水色遥感观测研究就拉开了序幕,之后多个国家相继发射了Seastar/SeaWiFS、Envisat/MERIS、Aqua&Terra/MODIS、SNPP&JPSS1/VIIRS、COMS/GOCI、HY-1/COCTS、FY-3/MERSI、Sentinel-3/OLCI等系列海洋水色观测卫星。通过卫星遥感技术解译水体反射的光谱信息,可实现多种海洋生态环境要素的大范围、高频率监测,已成为不可或缺的监测手段。与海洋水色有关的水体成分主要有浮游藻类叶绿素a、悬浮物、有色溶解有机物等,通常被称为水色三要素,也是海洋水色遥感探测的基本参数,其他比较重要的水色要素还包括透明度、净初级生产力、颗粒物有机碳及溶解性有机碳等,这些关联参数等也一直是海洋水色遥感研究的重点。
然而,作为海洋水色最直观表现的海水色度角遥感探测却起步较晚。2010年,Wernand等在实验室中配制了Forel-Ule比色计中的21种颜色溶液,测量了溶液的透射光谱,并得到21种水体颜色的色度坐标。3年后,Novoa等进一步修正了Forel-Ule比色计中21种水体颜色的色度坐标,计算了每个颜色对应的色度角α值,建立了Forel-Ule lndex(FUI)水色指数与色度查找表,同年,Wernand等提出了基于欧洲航天局(ESA)的MERIS(MediumResolution Imaging Spectrometer中分辨率成像光谱仪)图像的水体色度角与FUI水色指数提取算法。近十年里,研究者进一步证实了色度角与FUI水色指数可以通过多种不同波段设置的卫星传感器以较高的精度获取,因这些传感器不依赖于区域性的水体特征,所以更进一步显示了色度角与FUI水色指数遥感提取及应用的优势,在内陆和海洋水体水质状况评价中逐渐得越来越多的应用。
MODIS是搭载在TERRA和AQUA卫星上的重要传感器,这两颗卫星分别于1999年12月、2002年5月发射成功,目前已累积获取二十余年的观测数据,是海洋水色遥感的重要数据源,对海洋水色状况的长时序研究具有极为重要的应用价值。MODIS共设有10个可见光波段,由于已有文献资料中均采用部分波段进行水色指数的遥感提取分析,提取效果可能受到一定影响。此外,以往研究将色度角划为21个区间分别对应福莱尔比色表(Forel-UleScale)中的21个颜色级别(从深蓝到棕褐),但利用色度角对海洋水色状况优劣的直观感受进行遥感分类的方法尚未见报道。申请号为CN104361602A,名称为“一种基于MODIS图像的水体颜色检测方法及装置”的中国专利揭示了一种水体颜色的检测方法,该检测方法包括:获取反映水体颜色的具有红绿蓝波段组合的MODIS图像;将所得MODIS图像的每个象元的红绿蓝值转换成色度学中的三刺激值;基于各象元的三刺激值,计算每个象元在色度图坐标系中的色度坐标;通过坐标转换,计算每个象元的色度坐标在预定坐标系中的新坐标,其中预定坐标系的X轴与色度图坐标系的Y轴平行,正向方向一致,预定坐标系的Y轴与色度图坐标系的X轴平行,正向方向一致;计算各象元的新坐标相对于预定坐标系的X轴的夹角;根据预定的夹角与颜色主波长的对应关系,确定各夹角的颜色主波长;根据预定的夹角与水色级别的对应关系,确定各夹角的水色级别;最后,根据所确定的颜色主波长与水色级别,确定MODIS图像所反映的水体颜色。该发明实现了通过遥感手段对水体颜色进行宏观大范围长时间的遥感检测,然而该发明并没有给出对海水色度更加精确的测量的手段,也没有把水色与人的直观感觉联系起来。
针对现有技术的不足,本发明提出一种基于MODIS影像的海水色度角提取方法,该方法包括下列步骤:步骤S1,下载MODIS卫星传感器可见光波段的遥感反射率数据,步骤S2,根据步骤1中获取的遥感反射率数据,计算X、Y、Z三原色刺激值,计算X、Y、Z三原色刺激值是常规技术,本发明采用MODIS遥感影像10个可见光波段,对卫星数据而言足够细致,进而通过加和方式计算X、Y、Z,在一定程度上减小了误差影响,步骤S3,根据从步骤S2中计算所得的X、Y、Z三原色刺激值,计算色度坐标x和y,步骤S4,根据从步骤S3中计算所得色度坐标x和y,计算色度角amod,以及步骤S5,对计算所得的色度角αmod进行偏差校正。
本发明通过对根据卫星传感器MODIS影像数据计算所得色度角αmod进行偏差校正,可以获取准确反映海洋水色的色度角a,从而大大提高了对海洋水色观测的准确性。
进一步地,所述X、Y、Z三原色刺激值通过下列公式计算:
进一步地,所述色度坐标x和y的计算公式为:x=X/(X+Y+Z)y=Y/(X+Y+Z)。
进一步地,所述色度角αmod由下列公式计算得出:
αmod=[(arctan 2(x-0.3333,y-0.3333)·180]/π+180。
进一步地,所述对计算所得的色度角αmod进行偏差校正是指从amod减去一个偏差值Δ。
进一步地,所述偏差值Δ由下列公式计算:
Δ=-65.058(αmod/100)^5+586.735(αmod/100)^4-2023.350(αmod/100)^3+3311.682(αmod/1oo)^2-2558.388(αmod/100)+749.589
进一步地,所述公式:
Δ=-65.058(amod/100)^5+586.735(amod/100)^4-2023.350(αmod/100)^3+3311.682(αmod/100)^2-2558.388(αmod/100)+749.589的拟合决定系数R2=0.81。
进一步地,所述公式:
Δ=-65.058(αmod/100)^5+586.735(αmod/100)^4-2023.350(αmod/100)^3+3311.682(αmod/100)^2-2558.388(αmod/100)+749.589由825条实测连续光谱数据进行处理并拟合而得。
申请人采用近年来在我国近海海域采集的825条实测连续光谱数据进行处理并拟合得到了偏差值Δ的计算公式,所述825条实测连续光谱数据样本有效代表了我国近岸海域的水体特征,加之拟合公式的决定系数达0.81,精确度足够高,可以用于MODIS影像计算所得色度角αmod的偏差校正,进而得到观测海域准确的色度角α值。
通过对大量实测连续光谱数据进行处理与拟合分析,得出对MODIS影像提取所得色度角αmod进行校正的偏差计算公式,从而得以对色度角αmod进行有效校正,最终得到准确的色度角a。
本发明还提供一种海洋水色状况遥感分类方法,该方法包括下列步骤:步骤A,提取计算得到准确的色度角a,提取计算方法如前文所述,步骤B,根据所述准确色度角a对海洋水色状况进行阈值划分,步骤C,根据所述步骤B阈值划分结果,对海洋水色状况进行分类,步骤D,根据所述步骤C对海洋水色状况进行分类的结果,绘制海洋水色状况遥感分类专题图。
进一步地,本发明对海洋水色进行如下表分类。
水色状况类别 | 色度角α | 水色状况说明 | 主要表观水色 |
一类水色 | 35°≤α≤137.03° | 水色好 | 深蓝色、蓝色 |
二类水色 | 137.03°<α≤186.67° | 水色较好 | 蓝绿色、浅绿色 |
三类水色 | 186.67°<α≤207.82° | 水色一般 | 绿色、黄绿色 |
四类水色 | 207.82°<α≤224.87° | 水色较差 | 浅黄色、黄色 |
五类水色 | 224.87°<α≤252° | 水色差 | 黄棕色、棕褐色 |
表2基于色度角的海洋水色状况分类阈值标准
通过对经过偏差校正后得到的准确色度角α进行阈值划分,使得公众能够根据水色状况类别清楚判断海洋水色状况的好坏,让公众对海洋水色状况或海洋生态环境质量的优劣有最直观的视觉感受。
附图说明
图1,本发明基于MODIS影像的海水色度角提取及水色状况遥感分类方法步骤框图,因为两个发明是基于一个发明构思,因此把框图画在了一起。
图2,本发明色度角偏差值Δ的拟合曲线及公式,其中Δ为卫星影像提取色度角amod与实测连续光谱计算色度角α(准确值)的差值,Hue Angle amod/100calculated fromMODIS(°)为根据MODIS影像计算所得色度角αmod/100,可见Δ值分布是有规律的,拟合曲线也足够精确,能够满足本发明方法的计算要求。
图3,海洋水色状况遥感分类专题图,图中表现的是2020年渤海水色状况遥感分类专题图,从该专题图中可以清楚看出渤海海域的水色分布状况。
具体实施方式
本发明提供了一种方法,用于对海水色度角进行提取,该方法包括:步骤S1,首先下载MODIS卫星传感器可见光波段的遥感反射率数据,步骤S2,根据步骤1中获取的遥感反射率数据,计算X、Y、Z三原色刺激值,计算公式为
步骤S3,根据从步骤S2中计算所得的X、Y、Z三原色刺激值,计算色度坐标x和y,计算公式为:x=X/(X+Y+Z) y=Y/(X+Y+Z),步骤S4,根据从步骤S3中计算所得色度坐标x和y,通过公式:αmod=[(arctan2(x-0.3333,y-0.3333)·180]/π+180计算色度角αmod,以及步骤S5,对基于卫星影像计算的色度角αmod进行偏差校正。具体校正方法是这样的:通过对从我国近海海域采集的825条实测连续光谱数据进行处理并拟合得到了色度角偏差值Δ的计算公式:Δ=-65.058(αmod/100)^5+586.735(αmod/100^4-2023.350(mod/100)^3+3311.682(αmod/100)^2-2558.388(αmod/100)+749.589根据此公式计算得Δ值后,从计算所得色度角αmod减去Δ值得准确的海水色度角α,得到准确的海水色度角α后,对α值进行阈值划分,划分标准为:35°≤α≤137.03°,一类水色,水色好,呈深蓝色或蓝色;137.03°<a≤186.67°,二类水色,水色较好,呈蓝绿色或浅绿色;186.67°<α≤207.82°,三类水色,水色一般,呈绿色或黄绿色;207.82°<α≤224.87°,四类水色,水色较差,呈浅黄色或黄色;以及224.87°<α≤252°,五类水色,水色差,呈黄棕色或棕褐色。
海洋水色的清浊是公众临海亲海最直观的视觉感受,在一定程度上可反映出海洋生态环境质量的优劣,根据本发明色度角提取方法所得的色度角及其阈值分类范围,公众可以直接判断所临海域水色状况的优劣,而且跟海上现场用肉眼观测所得结果相当协调一致。本发明也对海水水体的监查观测提供了一种有效的方法,具有经济上和科学上的意义。
实施例1
通过常规方法计算X、Y、Z、x、y,其中xi、yi、zi值就取表1中数据,但是Rrs(λi)从MODIS影像分别取值0.00346、0.00317、0.00320、0.00316、0.00307、0.00084、0.00075、0.00083,取值影像质量良好且无云遮盖,分别带入前面计算公式计算得x=0.2583,y=0.3243,将x和y值带入色度角计算双变量反正切函数公式:αmod=[(arctan2(x-0.3333,y-0.3333)·180]/π+180计算得αmod值为83.74°,通过偏差公式Δ=-65.058(αmod/100)^5+586.735(amod/100)^4-2023.350(αmod/100)^3+3311.682(αmod/100)^2-2558.388(αmod/100)+749.589计算得偏差Δ为3.06°,从83.74°减去Δ值3.06°得80.68°,落入海水水色分类一类水色类别,说明水色好,具体为深蓝色或蓝色。
实施例2
通过常规方法计算X、Y、Z、x、y,其中xi、yi、zi值仍然取表1中数据,但是Rrs(λi)从MODIS影像分别取值0.00310、0.00324、0.00346、0.00367、0.00342、0.00329、0.00321、0.00159、o.00153、0.00156,计算结果为x=0.2813,y=0.3322,带入色度角计算双变量反正切函数公式:
αmod=[(arctan 2(x-0.3333,y-0.3333)·180]/π+180,计算得amod值为91.51°,通过偏差公式Δ=-65.058(αmod/100)^5+586.735(αmod/100)^4-2023.350(αmod/100)^3+3311.682(αmod/100)^2-2558.388(αmod/100)+749.589计算得偏差Δ值为0.82°,从91.51°减去0.82°,得色度角准确值90.69°落入海水水色分类一类水色类别,说明水色好,具体为深蓝色或蓝色。
实施例3、4、5、6、7与实施例1和2类似,不再赘述,结果列于下表,其中Rrs(λi)数值组分别为(0.00137、0.00157、0.00176、0.00201、0.00232、0.00241、0.00245、0.00091、0.00082、0.00102),(0.00168、0.00209、0.00284、0.00362、0.00528、0.00603、0.00638、0.00299、0.00230、0.00252),(0.00847、0.01078、0.01318、0.01551、0.02042、0.02273、0.02374、0.01899、0.01668、0.01621),(0.01107、0.01492、0.01833、0.02123、0.02858、0.03239、0.03420、0.02729、0.02353、0.02244),(0.01220、0.01536、0.01800、0.02046、0.02747、0.03167、0.03382、0.03891、0.03515、0.03398),由于数值较多,不再列于表中,其中,肉眼观测结果是发明人亲自到海上现场观测所得。
(x、y) | <![CDATA[α<sub>mod</sub>]]> | 偏差值Δ | 准确a | 水色分类 | 肉眼观察 | |
实施例1 | (0.2583、0.3243) | 83.74° | 3.06° | 80.68° | 一 | 深蓝色 |
实施例2 | (0.28130.3322) | 91.51° | 0.82° | 90.69° | 一 | 深蓝色 |
实施例3 | (0.3077 0.3803) | 157.37° | 9.95° | 147.42° | 二 | 蓝绿色 |
实施例4 | (0.3623 0.4256) | 197.44° | -0.76° | 198.20° | 三 | 绿色 |
实施例5 | (0.3781 0.4016) | 211.10° | -2.96° | 214.06° | 四 | 浅黄色 |
实施例6 | (0.3845 0.4041) | 212.51° | -3.06° | 215.57° | 四 | 浅黄色 |
实施例7 | (0.4105 0.3948) | 228.10° | -2.35° | 230.45° | 五 | 黄棕色 |
由上表可以看出,肉眼观察结果与遥感分类结果相当地一致,由于现代大型计算机的应用,加之无处不在的互联网服务,使得无论是科研工作者,还是想到海边度假旅游的公众,以及国家的环保部门,都可以通过本发明获取相关海域的海洋水色状况信息,大大方便了国家相关部门和广大人民群众,使得本发明具有科学意义和社会意义,有推广价值。
Claims (10)
1.一种基于MODIS影像的海水色度角提取方法,包括下列步骤:步骤S1,下载MODIS卫星传感器可见光波段的遥感反射率数据,步骤S2,根据步骤1中下载的遥感反射率数据,计算X、Y、Z三原色刺激值,步骤S3,根据从步骤S2中计算所得的X、Y、Z三原色刺激值,计算色度坐标x和y,步骤S4,根据从步骤S3中计算所得色度坐标x和y,计算色度角αmod,其特征在于:所述基于MODIS影像的海水色度角提取方法还包括步骤S5,对通过MODIS影像直接计算所得的色度角αmod进行偏差校正。
3.根据权利要求1所述基于MODIS影像的海水色度角提取方法,其特征在于:色度坐标x和y的计算公式为:x=X/(X+Y+Z) y=Y/(X+Y+Z)。
4.根据权利要求1所述基于MODIS影像的海水色度角提取方法,其特征在于:所述色度角αmod由下列公式计算得出:αmod=[(arctan2(x-0.3333,y-0.3333)·180]/π+180。
5.根据权利要求1所述的一种基于MODIS影像的海水色度角提取方法,其特征在于:所述对计算所得色度角αmod进行偏差校正是指从计算所得色度角αmod减去一个偏差值Δ。
6.根据权利要求5所述的一种基于MODIS影像的海水色度角提取方法,其特征在于:所述偏差值Δ由下列公式计算:
Δ=-65.058(αmod/100)^5+586.735(amod/100)^4-2023.350(amod/100)^3+3311.682(αmod/100)^2-2558.388(αmod/100)+749.589
7.根据权利要求6所述的一种基于MODIS影像的海水色度角提取方法,其特征在于:所述公式
Δ=-65.058(αmod/100)^5+586.735(αmod/100)^4-2023.350(αmod/100)^3+3311.682(αmod/100)^2-2558.388(αmod/100)+749.589的拟合决定系数R2=0.81。
8.根据权利要求6所述的一种基于MODIS影像的海水色度角提取方法,其特征在于:所述公式
Δ=-65.058(αmod/100)^5+586.735(amod/1oo)^4-2023.350(amod/100)^3+3311.682(αmod/100)^2-2558.388(amod/100)+749.589由825条实测连续光谱数据进行处理并拟合而得。
9.一种水色状况遥感分类方法,其特征在于,包括下列步骤:步骤A,根据权利要求8对计算所得色度角αmod进行偏差校正得到准确色度角α,步骤B,根据所述准确色度角α对海洋水色状况进行阈值划分,步骤C,根据所述步骤B阈值划分结果,对海洋水色状况进行分类,步骤D,根据所述步骤C对海洋水色状况进行分类的结果,绘制海洋水色状况遥感分类专题图。
10.根据权利要求9所述水色状况遥感分类方法,其特征在于:对海洋水色状况的分类阈值范围如下:一类水色,35°≤α≤137.03°,水色好,呈深蓝色或蓝色;二类水色,137.03°<α≤186.67°,水色较好,呈蓝绿色和浅绿色;三类水色,186.67°<a≤207.82°,水色一般,呈绿色或黄绿色;四类水色,207.82°<α≤224.87°,水色较差,呈浅黄色或黄色;五类水色,224.87°<α≤252°,水色差,呈黄棕色或棕褐色。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211408613.XA CN115908864A (zh) | 2022-11-10 | 2022-11-10 | 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211408613.XA CN115908864A (zh) | 2022-11-10 | 2022-11-10 | 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115908864A true CN115908864A (zh) | 2023-04-04 |
Family
ID=86475524
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211408613.XA Pending CN115908864A (zh) | 2022-11-10 | 2022-11-10 | 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115908864A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152602A (zh) * | 2023-09-12 | 2023-12-01 | 广东省水利水电科学研究院 | 基于色度指数的多源卫星遥感影像水体提取方法和系统 |
CN117152634A (zh) * | 2023-09-12 | 2023-12-01 | 广东省水利水电科学研究院 | 基于色度指数的多源卫星影像浮水植物识别方法和系统 |
-
2022
- 2022-11-10 CN CN202211408613.XA patent/CN115908864A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117152602A (zh) * | 2023-09-12 | 2023-12-01 | 广东省水利水电科学研究院 | 基于色度指数的多源卫星遥感影像水体提取方法和系统 |
CN117152634A (zh) * | 2023-09-12 | 2023-12-01 | 广东省水利水电科学研究院 | 基于色度指数的多源卫星影像浮水植物识别方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115908864A (zh) | 一种基于modis影像的海水色度角提取方法及水色状况遥感分类方法 | |
CN109581372B (zh) | 一种生态环境遥感监测方法 | |
CN110987955B (zh) | 一种基于决策树的城市黑臭水体分级方法 | |
CN109781626B (zh) | 一种基于光谱分析的近岸高悬沙水体绿潮遥感识别方法 | |
CN103558190B (zh) | 基于绿光波段的内陆浑浊水体多光谱数据大气校正方法 | |
CN107014763A (zh) | 叶绿素遥感反演装置及方法 | |
WO2022252242A1 (zh) | 一种基于多光谱图像的水污染区域识别方法和系统 | |
CN106315856B (zh) | 富营养化湖泊蓝藻水华和水生植被的modis卫星同步监测方法 | |
CN109300133B (zh) | 一种城市河网区水体提取方法 | |
Li et al. | Estimation of chlorophyll-a concentrations in a highly turbid eutrophic lake using a classification-based MODIS land-band algorithm | |
CN111595791A (zh) | 基于高光谱数据校正的内陆水体fui水色指数提取方法 | |
CN109799199B (zh) | 一种叶绿素a浓度的协同反演方法 | |
CN110889423A (zh) | 一种基于极限学习机的高分一号黄东海绿潮遥感探测方法 | |
CN112881293A (zh) | 一种基于高分一号卫星的内陆湖泊清洁水体叶绿素a浓度反演方法 | |
CN113109281B (zh) | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 | |
CN111553922A (zh) | 一种卫星遥感影像自动云检测方法 | |
CN113092383A (zh) | 一种近海岸海洋赤潮识别方法 | |
CN109766909A (zh) | 基于谱图融合的海岸环境微塑料老化行为解析方法 | |
Zhang et al. | A validation study of an improved SWIR iterative atmospheric correction algorithm for MODIS-Aqua measurements in Lake Taihu, China | |
CN111272662A (zh) | 一种基于遥感光谱的城市黑臭水体识别方法 | |
CN113326827A (zh) | 一种监测入海排污口水体的卫星遥感方法及系统 | |
KR20220026829A (ko) | 다분광 영상을 이용한 원격 적조 탐지방법 및 그 시스템 | |
CN114705632B (zh) | 一种利用卫星遥感反射率估算水库营养状态指数的方法 | |
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 | |
CN106290389B (zh) | 一种富营养化湖泊modis影像的藻华和非藻华条件分类方法 |
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 |