CN116012707A - 一种渔光互补光伏养殖模式的遥感识别方法 - Google Patents
一种渔光互补光伏养殖模式的遥感识别方法 Download PDFInfo
- Publication number
- CN116012707A CN116012707A CN202211687866.5A CN202211687866A CN116012707A CN 116012707 A CN116012707 A CN 116012707A CN 202211687866 A CN202211687866 A CN 202211687866A CN 116012707 A CN116012707 A CN 116012707A
- Authority
- CN
- China
- Prior art keywords
- index
- pixel
- photovoltaic power
- pixels
- normalized
- 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
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种渔光互补光伏养殖模式的遥感识别方法,包括获取目标区域的遥感影像并对其预处理,计算预处理后影像的光谱特征指数及纹理特征,并基于归一化植被指数、短波红外波段纹理均值、归一化水体指数和归一化红边指数对应排除植被、建筑和自然水体,基于差值指数和光伏电站特征指数获取水上光伏电站像元识别结果,确定水上光伏电站轮廓边界及其最小外接多边形;通过最小外接多边形等距扩张确定养殖水体多边形,基于最小外接多边形内的光伏电站像元数量相对于其总像元数的第一占比指数和养殖水体多边形内的养殖水体像元数相对于其总像元数的第二占比指数之间的关系识别渔光互补光伏养殖模式。本发明能够高效精准识别渔光互补光伏养殖模式。
Description
技术领域
本发明涉及地物遥感识别领域,尤其涉及一种渔光互补光伏养殖模式的遥感识别方法。
背景
“渔光互补”是一种非常生态低碳的新型环保养殖模式。其是将养殖与光伏发电相结合,在鱼塘上面安装光伏组件,光伏组件下面的水域里可以进行水产养殖,形成“上可发电,下可养渔”的新型养殖模式。渔民可以依托鱼塘资源,在鱼塘上方搭建起光伏电站,这样不仅有养鱼的收益,还有光伏发电的收益,一举两得。“渔光互补”光伏养殖模式的有效监测是农业管理部门制定调控政策的重要途径,相对于传统调查统计方法,遥感技术具有及时高效、大范围监测和低成本的优势,是获取光伏养殖模式区域分布和动态变化的重要手段。
现有技术不乏对陆地光伏电站的识别研究,也有针对养殖鱼塘遥感识别的技术方案。在陆地光伏电站的识别方面,需要通过光谱和纹理多特征图像或其他技术手段将水面信息排除。例如,王卫等通过融合光谱和纹理多特征图像,并联合多尺度分割图像,构建多尺度多特征图像,对粤北地区不同本底环境的光伏电站进行识别;周树芳等提出一种融合逐像素置信度模块的两分支深度学习网络,用于识别新疆陆地光伏电站;申请号为202210094492.X的中国专利提出的光伏板遥感自动识别方法,以陆地光伏电站青海省龙羊峡太阳能光伏电站为研究区,将水面信息与光伏电板信息进行区分。
在养殖鱼塘的识别方面,则需要通过光谱、空间形态和纹理特征等对水面信息进行提取。例如,王芳等以高分一号为数据源,把不同养殖模式对象的光谱、空间形态和纹理特征及其关联关系作为事务数据对粤东柘林湾养殖核心区内4种海水养殖模式(池塘养殖、网箱养殖、滩涂插养、浮筏吊养)水面信息进行提取;马艳娟等采用波段运算构建指数的方法对ASTER影像中的近海水产养殖区域进行提取;刘志军等、徐珊等分别采用基于面向对象的方法实现了对网箱养殖、普通池塘、高密度养虾池3种海水养殖模式的分类提取;李缨等利用OLI影像数据,提出了一种综合遥感影像光谱与纹理信息的养殖水体与自然水体的区分方法。
但是,现有技术没有对水上光伏电站进行单独研究,更没有针对“渔光互补”的新型环保养殖模式进行遥感识别的技术方案。显而易见地,陆地光伏电站的识别技术和养殖鱼塘的识别技术均无法直接应用于对“渔光互补”的养殖模式进行遥感识别。
以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案,其并不必然属于本专利申请的现有技术,也不必然会给出技术教导;在没有明确的证据表明上述内容在本专利申请的申请日之前已经公开的情况下,上述背景技术不应当用于评价本申请的新颖性和创造性。
发明内容
本发明的目的是提供一种渔光互补光伏养殖模式的遥感识别方法,能够高效精准识别养殖水体上方设有光伏电站的渔光互补光伏养殖模式。
为达到上述目的,本发明采用的技术方案如下:
一种渔光互补光伏养殖模式的遥感识别方法,用于对养殖水体上方设有光伏电站的渔光互补光伏养殖模式进行遥感识别,包括以下步骤:
获取目标区域的遥感影像,所述遥感影像包括蓝光、绿光、红光、近红外、短波红外波段的影像;
对获取的目标区域的遥感影像进行预处理,所述预处理包括对遥感影像进行做波段合成、大气校正、几何校正、裁剪和镶嵌;
计算预处理后的影像的光谱特征指数及纹理特征,所述光谱特征指数包括归一化植被指数、归一化水体指数、归一化红边指数、差值指数和光伏电站特征指数,所述纹理特征包括短波红外波段纹理均值;
提取水上光伏电站与常规养殖水体,所述常规养殖水体为未设有水上光伏电站的养殖水体,包括基于所述归一化植被指数识别像元是否为植被像元,基于所述短波红外波段纹理均值识别像元是否为建筑像元,基于所述归一化水体指数和归一化红边指数识别像元是否为自然水体像元,所述自然水体包括河流和湖泊,基于所述差值指数和光伏电站特征指数识别水上光伏电站像元与常规养殖水体像元;
针对所述水上光伏电站像元与常规养殖水体像元的识别结果做分类后处理,所述分类后处理包括Majority分析、聚类处理和过滤处理中的一种或多种,将水上光伏电站像元栅格转矢量,并确定水上光伏电站轮廓边界及其最小外接多边形;
基于空间邻域关系,对所述最小外接多边形进行多边形等距扩张确定养殖水体多边形,并计算所述最小外接多边形内的光伏电站像元数量相对于其总像元数的第一占比指数,以及所述养殖水体多边形内的养殖水体像元数相对于其总像元数的第二占比指数,并且基于所述第一占比指数和第二占比指数计算结果识别渔光互补光伏养殖模式。
进一步地,承前所述的任一技术方案或多个技术方案的组合,若所述第一占比指数大于等于第一占比指数阈值,且所述第二占比指数大于等于第二占比指数阈值且小于等于第三占比指数阈值,则判断所述养殖水体多边形对应于渔光互补光伏养殖模式,否则为非渔光互补光伏养殖模式;
所述第一占比指数的计算公式为:
其中,KP1为第一占比指数,N1为水上光伏电站轮廓边界的最小外接多边形内的像元总数,NP1为水上光伏电站轮廓边界的最小外接多边形内的光伏电站像元个数;
所述第二占比指数的计算公式为:
其中,KP2为第一占比指数,N0为养殖水体多边形内的像元总数,NP1为养殖水体多边形内的光伏电站像元个数。
进一步地,承前所述的任一技术方案或多个技术方案的组合,所述第一占比指数阈值为85%,和/或,所述第二占比指数阈值为45%,和/或,所述第三占比指数阈值为55%。
进一步地,承前所述的任一技术方案或多个技术方案的组合,所述归一化植被指数被配置为排除植被像元,若所述归一化植被指数小于预设的归一化植被指数阈值,则判断像元不是植被像元,否则判断像元为植被像元;所述归一化植被指数的计算公式为:
其中,NDVI为归一化植被指数,ρnir为近红外波段像元反射率值,ρred为红光波段像元反射率值;
和/或,
所述短波红外波段纹理均值被配置为排除建筑像元,若像元对应的所述短波红外波段纹理均值小于预设的短波红外波段纹理均值阈值,则判断像元不是建筑像元,否则判断像元为建筑像元;所述短波红外波段纹理均值的计算公式为:
其中,Meanswir为短波红外波段纹理均值,P(i,j)表示影像的灰度联合矩阵中第i行j列的元素,u表示P(i,j)的均值,N为像元个数。
进一步地,承前所述的任一技术方案或多个技术方案的组合,所述归一化水体指数和所述归一化红边指数被配置为排除自然水体像元,若所述归一化水体指数小于预设的归一化水体指数阈值且所述归一化红边指数小于预设的归一化红边指数阈值,则判断像元不是自然水体像元,否则判断像元是自然水体像元;
所述归一化水体指数的计算公式为:
其中,NDWI为归一化水体指数,ρgreen为绿光波段像元反射率值,ρnir为近红外波段像元反射率值;
所述归一化红边指数的计算公式为:
其中,NDGRE为归一化红边指数,ρgreen为绿光波段像元反射率值,ρre1为红边波段像元反射率值。
进一步地,承前所述的任一技术方案或多个技术方案的组合,所述差值指数和光伏电站特征指数被配置为区分水上光伏电站像元与养殖水体像元,若所述差值指数大于第一差值指数阈值且小于第二差值指数阈值,并且所述光伏电站特征指数大于光伏电站特征指数阈值,则判断像元为光伏电站像元,否则判断像元为养殖水体像元;
所述差值指数的计算公式为:
DVI=ρblue-ρgreen
其中,DVI为差值指数,ρblue为蓝光波段像元反射率值,ρgreen为绿光波段像元反射率值;
所述光伏电站特征指数的计算公式为:
PSI=(ρblue+ρswir)-(ρred+ρnir)
其中,PSI为光伏电站特征指数,ρblue为蓝光波段像元反射率值,ρswir为短波红外波段像元反射率值,ρnir为近红外波段像元反射率值。
进一步地,承前所述的任一技术方案或多个技术方案的组合,所述归一化植被指数阈值为0.05;和/或,所述短波红外波段纹理均值阈值为20。
进一步地,承前所述的任一技术方案或多个技术方案的组合,所述归一化水体指数阈值为0;和/或,
所述归一化红边指数阈值为0.1。
进一步地,承前所述的任一技术方案或多个技术方案的组合,所述第一差值指数阈值为-150;和/或,
所述第二差值指数阈值为200;和/或,
所述光伏电站特征指数阈值为400。
进一步地,承前所述的任一技术方案或多个技术方案的组合,确定所述水上光伏电站轮廓边界的最小外接多边形为一矩形;
获取目标区域的遥感影像的时期为3月份。
本发明提供的技术方案带来的有益效果如下:
a.本发明充分利用了水上光伏电站在蓝光波段、绿光波段、短波红外波段反射率独特差异,构建了光伏电站特征指数、差值指数,实现有效区分水上光伏电站与常规养殖水体;
b.本发明基于水上光伏电站与其四周养殖水体的空间像元占比关系,具体通过计算水上光伏电站轮廓边界的最小外接多边形内的光伏电站像元数量相对于其总像元数的第一占比指数,以及水上光伏电站四周养殖水体多边形内的养殖水体像元数相对于其总像元数的第二占比指数,并且基于第一占比指数和第二占比指数的范围确定渔光互补光伏养殖模式,实现了渔光互补光伏养殖模式的高效精准识别,弥补了当前算法的空白。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例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,下面描述中的附图仅仅是本申请中记载的一些实施例,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为本发明的一个示例性实施例提供的一种渔光互补光伏养殖模式的遥感识别方法的流程图;
图2为本发明的一个示例性实施例提供的渔光互补光伏养殖模式的示意图;
图3为本发明的一个示例性实施例提供的遥感监测的水上光伏电站的示意图;
图4为本发明的一个示例性实施例提供的遥感监测的渔光互补光伏养殖模式与常规养殖池塘的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
本发明提出一种基于光谱特征、纹理特征和空间关联特征的渔光互补光伏养殖模式的遥感识别方法,用于对养殖水体上方设有光伏电站的渔光互补光伏养殖模式进行遥感识别,首先排除建筑、植被和自然河流等,然后基于光谱及纹理识别水上光伏电站及常规养殖水体,并根据光伏电站与养殖池塘水体的空间关系,确定渔光互补光伏养殖模式。
在本发明的一个实施例中,参见图1,提供了一种渔光互补光伏养殖模式的遥感识别方法,包括以下步骤:
获取目标区域的遥感影像,所述遥感影像包括蓝光、绿光、红光、近红外、短波红外波段的影像,影像时期为3月份,该时期池塘水体丰盈,边界清晰,植被信息较少。参见图2,在本实施例中,以浙江省宁海县光伏养殖为目标区域,以经大气校正后的Level-2A级哨兵2号影像为数据源,影像时间为2022年3月11日。
对获取的目标区域的遥感影像进行预处理,所述预处理包括对遥感影像进行做波段合成,合成波段包括蓝光波段(Blue)、绿光波段(Green)、红光波段(Red)、红边波段(RE1)、近红外波段(NIR)和短波红外波段(SWIR);并对波段合成后的影像进行大气校正、几何校正、裁剪和镶嵌多种预处理。
计算预处理后的影像的光谱特征指数及纹理特征,所述光谱特征指数包括归一化植被指数(NDVI)、归一化水体指数(NDWI)、归一化红边指数(NDGRE)、差值指数(DVI)和光伏电站特征指数(PSI),所述纹理特征包括短波红外波段纹理均值(Mean)。
其中,所述归一化植被指数用以排除植被,所述归一化植被指数定义为近红外波段与红波段两者反射率之差与之和比值,其的计算公式为:
其中,NDVI为归一化植被指数,ρnir为近红外波段像元反射率值,ρred为红光波段像元反射率值。
所述归一化水体指数和所述归一化红边指数用以排除自然水体如河流、湖泊,所述自然水体包括河流和湖泊,其中,所述归一化水体指数定义为绿光波段与近红外波段的反射率之差与两者之和的比值,其计算公式为:
其中,NDWI为归一化水体指数,ρgreen为绿光波段像元反射率值,ρnir为近红外波段像元反射率值。
所述归一化红边指数的计算公式为:
其中,NDGRE为归一化红边指数,ρgreen为绿光波段像元反射率值,ρre1为红边波段像元反射率值。
依据水上光伏电站在蓝光波段反射率高于绿光波段,而常规养殖水体(如普通养殖的水体)反射率与此相反的特征,构建差值指数,在本发明中,常规养殖水体为未设有水上光伏电站的养殖水体,所述差值指数的计算公式为:
DVI=ρblue-ρgreen
其中,DVI为差值指数,ρblue为蓝光波段像元反射率值,ρgreen为绿光波段像元反射率值。
依据水上光伏电站在蓝光波段、短波红外波段反射率出现峰值,明显高于常规养殖水体的特征,构建光伏电站特征指数,所述光伏电站特征指数的计算公式为:
PSI=(ρblue+ρswir)-(ρred+ρnir)
其中,PSI为光伏电站特征指数,ρblue为蓝光波段像元反射率值,ρswir为短波红外波段像元反射率值,ρnir为近红外波段像元反射率值。
所述短波红外波段纹理均值用以提出建筑信息,其计算窗口大小为3×3,其计算公式为:
其中,Meanswir为短波红外波段纹理均值,P(i,j)表示影像的灰度联合矩阵中第i行j列的元素,u表示P(i,j)的均值,N为像元个数。
进一步地,基于所述光谱特征指数及纹理特征提取水上光伏电站与常规养殖水体,包括,基于所述归一化植被指数识别像元是否为植被像元,若所述归一化植被指数小于预设的归一化植被指数阈值,则判断像元不是植被像元,否则判断像元为植被像元;优选地,所述归一化植被指数阈值为0.05。即,若NDVI<0.05,则为非植物像元,对该像元进行下一步识别;否则将该像元标识为植物像元,将其排除。
进一步地,基于所述短波红外波段纹理均值识别非植被像元的其他像元是否为建筑像元,所述短波红外波段纹理均值被配置为排除建筑像元,若像元对应的所述短波红外波段纹理均值小于预设的短波红外波段纹理均值阈值,则判断像元不是建筑像元,否则判断像元为建筑像元;优选地,所述短波红外波段纹理均值阈值为20。即,若Meanswir<20,则为非建筑像元,对该像元进行下一步识别;否则将该像元标识为非建筑像元,将其排除。
进一步地,基于所述归一化水体指数和归一化红边指数识别非植被、建筑像元的其他像元是否为自然水体像元,若所述归一化水体指数小于预设的归一化水体指数阈值且所述归一化红边指数小于预设的归一化红边指数阈值,则判断像元不是自然水体像元,否则判断像元是自然水体像元;优选地,所述归一化水体指数阈值为0;所述归一化红边指数阈值为0.1。即,若NDWI<0且NDGRE<0.1,则为非自然水体,对该像元进行下一步识别;否则将该像元标识为自然水体,将其排除。
需要说明的是,按以上识别顺序依次排除植被像元、建筑像元、自然水体像元,然后进行后续的识别水上光伏电站像元与常规养殖水体像元步骤,该顺序对应的识别效率最优。本发明本不限定只能按照此顺序进行识别,其他合理的识别顺序也落入本申请的保护范围,例如,还可以先排除建筑、再排除植被和自然水体;或者先排除自然水体,在排除植被和建筑同样可行。
由于水上光伏电站在蓝光波段、短波红外波段反射率出现峰值,明显高于常规养殖水体。且在蓝光波段反射率高于绿光波段,而常规养殖水体反射率与此相反,这些特征是光伏电站识别的主要依据,所述常规养殖水体为未设水上光伏电站的养殖水体。因此,可基于所述差值指数和光伏电站特征指数识别水上光伏电站像元与常规养殖水体像元,获取水上光伏电站像元与常规养殖水体像元的识别结果。若所述差值指数大于第一差值指数阈值且小于第二差值指数阈值,并且所述光伏电站特征指数大于光伏电站特征指数阈值,则判断像元为光伏电站像元,否则判断像元为常规养殖水体像元;优选地,所述第一差值指数阈值为-150;所述第二差值指数阈值为200;所述光伏电站特征指数阈值为400。即,若-150<DVI<200,且NDGRE>400,则判断像元为水上光伏电站像元,参见图3;否则,判断该像元为常规养殖水体。本发明充分利用了水上光伏电站在蓝光波段、绿光波段、短波红外波段反射率独特差异,构建了光伏电站特征指数、差值指数,实现有效区分水上光伏电站与常规养殖水体。
进一步地,针对水上光伏电站像元与常规养殖水体像元的识别结果做分类后处理,所述分类后处理包括Majority分析、聚类处理和过滤处理中的一种或多种,经以上操作能够去除碎小斑点,得到相对规整的栅格结果,将水上光伏电站像元栅格转矢量,确定水上光伏电站轮廓边界A;并利用要素管理工具,确定其最小外接多边形A1。优选地,确定所述水上光伏电站轮廓边界的最小外接多边形为一矩形。
进一步地,基于空间邻域关系,对所述最小外接多边形A1进行多边形等距扩张确定养殖水体多边形A2,优选地,对所述最小外接多边形A1进行10米的多边形等距离扩张。并计算所述最小外接多边形A1内的光伏电站像元数量相对于其总像元数的第一占比指数,以及所述养殖水体多边形A2内的养殖水体像元数相对于其总像元数的第二占比指数,并且基于计算结果识别渔光互补光伏养殖模式。其中,所述第一占比指数的计算公式为:
其中,KP1为第一占比指数,N1为水上光伏电站轮廓边界的最小外接多边形内的像元总数,NP1为水上光伏电站轮廓边界的最小外接多边形内的光伏电站像元个数;
所述第二占比指数的计算公式为:
其中,KP2为第一占比指数,N0为养殖水体多边形内的像元总数,NP2为养殖水体多边形内的养殖水体像元个数。
若所述第一占比指数大于等于第一占比指数阈值,且所述第二占比指数大于等于第二占比指数阈值且小于等于第三占比指数阈值,则判断所述养殖水体多边形对应于渔光互补光伏养殖模式,否则为非渔光互补光伏养殖模式。优选地,所述第一占比指数阈值为85%,所述第二占比指数阈值为45%,所述第三占比指数阈值为55%。即,若满足KP1≥85%且45%≤KP2≤55%,则为渔光互补光伏养殖模式,否则为其他非渔光互补光伏养殖模式,参见图4。本发明基于水上光伏电站与其四周养殖水体的空间像元占比关系,即所述第一占比指数和第二占比指数的范围确定渔光互补光伏养殖模式,实现了渔光互补光伏养殖模式的高效精准识别,弥补了当前算法的空白。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种渔光互补光伏养殖模式的遥感识别方法,用于对养殖水体上方设有光伏电站的渔光互补光伏养殖模式进行遥感识别,其特征在于,包括以下步骤:
获取目标区域的遥感影像,所述遥感影像包括蓝光、绿光、红光、近红外、短波红外波段的影像;
对获取的目标区域的遥感影像进行预处理,所述预处理包括对遥感影像进行做波段合成、大气校正、几何校正、裁剪和镶嵌;
计算预处理后的影像的光谱特征指数及纹理特征,所述光谱特征指数包括归一化植被指数、归一化水体指数、归一化红边指数、差值指数和光伏电站特征指数,所述纹理特征包括短波红外波段纹理均值;
提取水上光伏电站与常规养殖水体,所述常规养殖水体为未设有水上光伏电站的养殖水体,包括基于所述归一化植被指数识别像元是否为植被像元,基于所述短波红外波段纹理均值识别像元是否为建筑像元,基于所述归一化水体指数和归一化红边指数识别像元是否为自然水体像元,所述自然水体包括河流和湖泊,基于所述差值指数和光伏电站特征指数识别水上光伏电站像元与常规养殖水体像元;
针对所述水上光伏电站像元与常规养殖水体像元的识别结果做分类后处理,所述分类后处理包括Majority分析、聚类处理和过滤处理中的一种或多种,将水上光伏电站像元栅格转矢量,并确定水上光伏电站轮廓边界及其最小外接多边形;
基于空间邻域关系,对所述最小外接多边形进行多边形等距扩张确定养殖水体多边形,并计算所述最小外接多边形内的光伏电站像元数量相对于其总像元数的第一占比指数,以及所述养殖水体多边形内的养殖水体像元数相对于其总像元数的第二占比指数,并且基于所述第一占比指数和第二占比指数计算结果识别渔光互补光伏养殖模式。
3.根据权利要求2所述的渔光互补光伏养殖模式的遥感识别方法,其特征在于,所述第一占比指数阈值为85%,和/或,所述第二占比指数阈值为45%,和/或,所述第三占比指数阈值为55%。
4.根据权利要求1所述的渔光互补光伏养殖模式的遥感识别方法,其特征在于,所述归一化植被指数被配置为排除植被像元,若所述归一化植被指数小于预设的归一化植被指数阈值,则判断像元不是植被像元,否则判断像元为植被像元;所述归一化植被指数的计算公式为:
其中,NDVI为归一化植被指数,ρnir为近红外波段像元反射率值,ρred为红光波段像元反射率值;
和/或,
所述短波红外波段纹理均值被配置为排除建筑像元,若像元对应的所述短波红外波段纹理均值小于预设的短波红外波段纹理均值阈值,则判断像元不是建筑像元,否则判断像元为建筑像元;所述短波红外波段纹理均值的计算公式为:
其中,Meanswir为短波红外波段纹理均值,P(i,j)表示影像的灰度联合矩阵中第i行j列的元素,u表示P(i,j)的均值,N为像元个数。
6.根据权利要求1所述的渔光互补光伏养殖模式的遥感识别方法,其特征在于,所述差值指数和光伏电站特征指数被配置为区分水上光伏电站像元与养殖水体像元,若所述差值指数大于第一差值指数阈值且小于第二差值指数阈值,并且所述光伏电站特征指数大于光伏电站特征指数阈值,则判断像元为光伏电站像元,否则判断像元为养殖水体像元;
所述差值指数的计算公式为:
DVI=ρblue-ρgreen
其中,DVI为差值指数,ρblue为蓝光波段像元反射率值,ρgreen为绿光波段像元反射率值;
所述光伏电站特征指数的计算公式为:
PSI=(ρblue+ρswir)-(ρred+ρnir)
其中,PSI为光伏电站特征指数,ρblue为蓝光波段像元反射率值,ρswir为短波红外波段像元反射率值,ρnir为近红外波段像元反射率值。
7.根据权利要求4所述的渔光互补光伏养殖模式的遥感识别方法,其特征在于,所述归一化植被指数阈值为0.05;和/或,所述短波红外波段纹理均值阈值为20。
8.根据权利要求5所述的渔光互补光伏养殖模式的遥感识别方法,其特征在于,所述归一化水体指数阈值为0;和/或,
所述归一化红边指数阈值为0.1。
9.根据权利要求6所述的渔光互补光伏养殖模式的遥感识别方法,其特征在于,所述第一差值指数阈值为-150;和/或,
所述第二差值指数阈值为200;和/或,
所述光伏电站特征指数阈值为400。
10.根据权利要求1所述的渔光互补光伏养殖模式的遥感识别方法,其特征在于,确定所述水上光伏电站轮廓边界的最小外接多边形为一矩形;和/或,
获取目标区域的遥感影像的时期为3月份。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211687866.5A CN116012707A (zh) | 2022-12-27 | 2022-12-27 | 一种渔光互补光伏养殖模式的遥感识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211687866.5A CN116012707A (zh) | 2022-12-27 | 2022-12-27 | 一种渔光互补光伏养殖模式的遥感识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116012707A true CN116012707A (zh) | 2023-04-25 |
Family
ID=86037487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211687866.5A Pending CN116012707A (zh) | 2022-12-27 | 2022-12-27 | 一种渔光互补光伏养殖模式的遥感识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116012707A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117496450A (zh) * | 2024-01-02 | 2024-02-02 | 江西联合能源有限公司 | 一种渔光互补的监控系统及方法 |
-
2022
- 2022-12-27 CN CN202211687866.5A patent/CN116012707A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117496450A (zh) * | 2024-01-02 | 2024-02-02 | 江西联合能源有限公司 | 一种渔光互补的监控系统及方法 |
CN117496450B (zh) * | 2024-01-02 | 2024-03-22 | 江西联合能源有限公司 | 一种渔光互补的监控系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059758B (zh) | 一种基于语义分割的遥感影像养殖塘检测方法 | |
CN109034026B (zh) | 一种遥感影像中水陆区域的红树林提取方法及系统 | |
Van Coillie et al. | Feature selection by genetic algorithms in object-based classification of IKONOS imagery for forest mapping in Flanders, Belgium | |
CN111797712B (zh) | 基于多尺度特征融合网络的遥感影像云与云阴影检测方法 | |
CN110751075A (zh) | 一种基于实例分割的遥感影像养殖塘检测方法 | |
CN108986116B (zh) | 一种基于遥感影像的红树林提取方法及系统 | |
CN112561876B (zh) | 基于图像的池塘和水库的水质检测方法及系统 | |
Sekertekin et al. | Index-based identification of surface water resources using Sentinel-2 satellite imagery | |
CN103984945A (zh) | 一种光学遥感影像船只检测方法 | |
CN116012707A (zh) | 一种渔光互补光伏养殖模式的遥感识别方法 | |
CN115452759B (zh) | 一种基于卫星遥感数据的河湖健康指标评价方法及系统 | |
US20230306730A1 (en) | Information extraction method of offshore raft culture based on multi-temporal optical remote sensing images | |
CN108960172B (zh) | 一种识别gpr图像病害类型的方法 | |
CN113538559A (zh) | 一种基于高光谱遥感影像的近海养殖筏提取指数的提取方法 | |
CN109359533A (zh) | 一种基于多波段遥感影像的海岸线提取方法 | |
CN111862134B (zh) | 基于Sentinel-1与GEE的近岸水产养殖塘提取方法 | |
CN114863099A (zh) | 一种基于多分支非对称卷积模块和多尺度特征融合的地基云图分割网络 | |
CN113420759B (zh) | 一种基于深度学习的抗遮挡与多尺度死鱼识别系统与方法 | |
CN110097549A (zh) | 基于形态学的水陆空交界线检测方法、系统、介质和设备 | |
CN104881659A (zh) | 一种不透水层的提取方法及装置 | |
CN115063437B (zh) | 一种红树林冠层可见光图像指数特征分析方法及系统 | |
Xu et al. | Classification of coral reef benthos around Ganquan Island using WorldView-2 satellite imagery | |
CN102034233A (zh) | 一种基于contourlet变换的SAR图像波群参数检测方法 | |
CN115620133B (zh) | 一种顾及物候与水位时序特征的红树林提取方法 | |
CN113780117A (zh) | 一种快速识别并提取河口羽状流轮廓相关参数的方法 |
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 |