CN116258896B - 一种基于空天地一体化的赤潮准实时监测方法 - Google Patents
一种基于空天地一体化的赤潮准实时监测方法 Download PDFInfo
- Publication number
- CN116258896B CN116258896B CN202310051054.XA CN202310051054A CN116258896B CN 116258896 B CN116258896 B CN 116258896B CN 202310051054 A CN202310051054 A CN 202310051054A CN 116258896 B CN116258896 B CN 116258896B
- Authority
- CN
- China
- Prior art keywords
- data
- monitoring
- red tide
- remote sensing
- real
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 41
- 230000010354 integration Effects 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000012706 support-vector machine Methods 0.000 claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 11
- 238000012549 training Methods 0.000 claims abstract description 10
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 229930002875 chlorophyll Natural products 0.000 claims description 16
- 235000019804 chlorophyll Nutrition 0.000 claims description 16
- 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 16
- 238000012937 correction Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 4
- 238000002329 infrared spectrum Methods 0.000 claims description 4
- 229910052760 oxygen Inorganic materials 0.000 claims description 4
- 239000001301 oxygen Substances 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000007797 corrosion Effects 0.000 claims description 2
- 238000005260 corrosion Methods 0.000 claims description 2
- 239000013535 sea water Substances 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000003053 toxin Substances 0.000 description 3
- 231100000765 toxin Toxicity 0.000 description 3
- 108700012359 toxins Proteins 0.000 description 3
- 241000251468 Actinopterygii Species 0.000 description 2
- 230000010339 dilation Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241000195493 Cryptophyta Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002845 discoloration Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000009364 mariculture Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Multimedia (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供了一种基于空天地一体化的赤潮准实时监测方法，包括：获取多源遥感数据和监测数据；对多源遥感数据进行预处理，得到待监测区域数据；分别依据水色层面、海温层面和光谱层面对海水区域数据进行处理，并根据监测数据对处理后的数据进行插值拟合，构建特征数据；将特征数据输入至支持向量机模型中进行训练，并将支持向量机模型的输出结果进行形态学处理，经过对模型多次迭代优化，得到训练好的支持向量机模型；将实测数据输入至训练好的支持向量机模型中，得到赤潮监测结果。本发明综合多源遥感、固定站点、水文气象等数据，从空天地三方面对赤潮发生前期、中期、后期做到全面监测。
Description
技术领域
本发明涉及环境监测技术领域，特别是涉及一种基于空天地一体化的赤潮准实时监测方法。
背景技术
赤潮(又称红潮)，是在特定的环境条件下，海水中某些浮游植物、原生动物或细菌爆发性增殖或高度聚集而引起水体变色的一种有害生态现象。赤潮产生的原因主要有人类的生产生活、海水养殖、海水富营养化、海水温度异常等。赤潮爆发时会消耗水中的溶解氧，分泌物会阻塞鱼类呼吸系统，导致鱼类窒息死亡，破坏渔业，严重影响生态平衡；同时，一些藻类会分泌毒素，经食物链传播，会被人体摄入，毒素累积到一定量时会对生命健康造成严重威胁。
目前，赤潮的监测方法主要有固定监测站位法(如浮标监测、声呐监测)、监测船走航监测、无人机监测、卫星遥感监测。传统的固定监测站位法获取监测数据较准确，但受限于监测范围，无法做到大面积监测；监测船走船监测成本较高，并且实时性较差；无人机可以实现局部区域的监测，但受限于能源问题，难以做到广域的监测；卫星遥感监测可以做到大范围监测，且成本低，但受限于卫星的重防周期、幅宽、轨道类型等的影响。
现有方法较少能够做到准实时的监测。目前多数赤潮监测方法多是通过单一方法监测，较少综合利用多源数据来实现赤潮的大范围、实时、全周期的监测。
发明内容
为了克服现有技术的不足，本发明的目的是提供一种基于空天地一体化的赤潮准实时监测方法。
为实现上述目的，本发明提供了如下方案：
一种基于空天地一体化的赤潮准实时监测方法，包括：
获取多源遥感数据和监测数据；
对多源遥感数据进行预处理，得到待监测区域数据；
分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测站点、监测船数据对处理后的数据进行插值拟合，得到特征数据；
将所述特征数据输入至支持向量机模型中进行训练，并将所述支持向量机模型的输出结果进行形态学处理，经过对模型的迭代优化，以得到训练好的支持向量机模型；
将实测数据输入至所述训练好的支持向量机模型中，得到赤潮实时监测结果。
优选地，所述多源遥感数据包括MERSI、MODIS、GOCI、Himawari-8、高分系列、商业遥感和无人机遥感数据；所述监测数据包括固定监测站及监测船监测到的第一温度数据、溶解氧数据、盐度数据和第一叶绿素数据。
优选地，所述多源遥感数据的获取步骤包括：
根据相关要求及规定，在待监测区设立卫星地面站；
基于所述卫星地面站，在卫星过境期间实时接收部分遥感数据。
优选地，对多源遥感数据进行预处理，得到待监测区域数据，包括：
利用辐射传输模型对遥感数据进行大气校正，并通过建立地理查找表进行几何校正，得到校正后的数据；
对所述校正后的数据进行掩模处理，以提取所述待监测区域数据。
优选地，分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测站点、监测船数据对处理后的数据进行插值拟合，得到特征数据，包括：
计算所述待监测区域数据的颜色矩；
根据所述待监测区域热红外谱段数据进行温度反演，得到第二温度数据；
对所述待监测区域数据进行方差分析，得到特征波段，通过构建植被指数，得到第二叶绿素数据，并根据所述特征波段和所述第二叶绿素数据确定光谱特征数据；
根据所述固定监测站及监测船的位置，将所述第一叶绿素数据和所述第二叶绿素数据进行插值拟合，并将所述第一温度数据和所述第二温度数据进行插值拟合，得到拟合结果；
根据所述颜色矩、所述拟合结果、所述光谱特征数据构建所述特征数据。
优选地，在将所述特征数据输入至支持向量机模型中进行训练之前，还包括：
对所述特征数据进行归一化处理，得到归一化后的所述训练数据。
优选地，所述形态学处理的方式包括图像的腐蚀、膨胀和二值化操作。
优选地，所述赤潮实时监测结果包括赤潮的分布面积、移动速度、移动方向以及赤潮的覆盖面积。
优选地，还包括：
根据所述赤潮实时监测结果构建风险预警等级；所述风险预警等级的公式为：其中，I为所述风险预警等级，L为赤潮距关注点的最近距离；S为所述分布面积，其中e1＝3，e2＝2，e3＝1，分别表示分布在10km内，10～30km和30～80km范围的赤潮的所述覆盖面积，v为所述移动速度，j为所述移动方向，当赤潮关注点移动时j＝1，其他移动方向j＝0；
根据所述风险预警等级的数值进行分级综合预警。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种基于空天地一体化的赤潮准实时监测方法，包括：获取多源遥感数据和其他监测数据；对多源遥感数据进行预处理，得到待监测区域数据；分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测站点、监测船数据对处理后的数据进行插值拟合，构建特征数据；将所述特征数据输入至支持向量机模型中进行训练，并将所述支持向量机模型的输出结果进行形态学处理，经过对模型的迭代优化，以得到训练好的支持向量机模型；将实测数据输入至所述训练好的支持向量机模型中，得到赤潮实时监测结果。本发明综合遥感、固定站点、水文气象等数据，从空天地三方面对赤潮发生前期、中期、后期做到全面监测。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的方法流程图；
图2为本发明实施例提供的算法流程示意图；
图3为本发明实施例提供的卫星地面站传输数据示意图；
图4为本发明实施例提供的光谱反射率对比示意图；
图5为本发明实施例提供的识别结果示意图。
具体实施方式
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。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
本发明的目的是提供一种基于空天地一体化的赤潮准实时监测方法，综合遥感、固定站点、水文气象等数据，从空天地三方面对赤潮发生前期、中期、后期做到全面监测。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的方法流程图，如图1所示，本发明提供了一种基于空天地一体化的赤潮准实时监测方法，包括：
步骤100：获取多源遥感数据和监测数据；
步骤200：对多源遥感数据进行预处理，得到待监测区域数据；
步骤300：分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测数据对处理后的数据进行插值拟合，得到特征数据；
步骤400：将所述特征数据输入至支持向量机模型中进行训练，并将所述支持向量机模型的输出结果进行形态学处理，经过对模型的迭代优化，以得到训练好的支持向量机模型；
步骤500：将实测数据输入至所述训练好的支持向量机模型中，得到赤潮实时监测结果。
优选地，所述多源遥感数据包括MERSI、MODIS、GOCI、Himawari-8、高分系列、商业遥感和无人机遥感数据；所述监测数据包括固定监测站及监测船监测到的第一温度数据、溶解氧数据、盐度数据和第一叶绿素数据。
优选地，所述多源遥感数据的获取步骤包括：
根据相关要求及规定，在待监测区设立卫星地面站；
基于所述卫星地面站，在卫星过境期间实时接收部分遥感数据。
图2为本发明实施例提供的算法流程示意图，如图2所示，本实施例中首先进行多源数据获取。获取多源遥感数据和固定站点、监测船数据。针对多源遥感数据，获取MERSI、MODIS、GOCI、Himawari-8、高分系列、商业遥感，无人机遥感数据，其中，如图3所示，针对部分商业卫星遥感数据，经各方授权许可，通过在设立卫星地面站，可在卫星过境期间实时接收卫星遥感数据，尽可能减少数据滞后性的影响；针对固定站点、监测船数据，通过海洋大数据门户网站获取响应区域的监测数据。
优选地，对多源遥感数据进行预处理，得到待监测区域数据，包括：
利用辐射传输模型对遥感数据进行大气校正，并通过建立地理查找表进行几何校正，得到校正后的数据；
对所述校正后的数据进行掩模处理，以提取所述待监测区域数据。
优选地，分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测站点、监测船数据对处理后的数据进行插值拟合，得到特征数据，包括：
计算所述待监测区域数据的颜色矩；
根据所述待监测区域热红外谱段数据进行文档反演，得到第二温度数据；
对所述待监测区域数据进行方差分析，得到特征波段，通过构建植被指数，得到第二叶绿素数据；
根据所述固定监测站及监测船的位置，将所述第一叶绿素数据和所述第二叶绿素数据进行插值拟合，并将所述第一温度数据和所述第二温度数据进行插值拟合，得到拟合结果；
根据所述颜色矩数据、海温数据、所述光谱特征(包括特征波段及叶绿素含量)以及所述拟合数据构建所述特征数据。
本实施例中的步骤2为多源数据处理。针对多源遥感数据做如下处理：
1)预处理，利用辐射传输模型对遥感数据进行大气校正，通过建立地理查找表进行几何校正，此外对数据进行掩模处理，提取海水区域；
2)水色层面。计算影像的颜色矩，分别为一阶矩(Mean,μi)、二阶矩(Variance,σi)和三阶矩(Skewness,si)
其中，N为图像中的像素个数，Pi,j为彩色图像第j个像素的第i个颜色分量
3)海温层面。通过卫星遥感的热红外谱段，反演海表温度：
其中，以landsat8数据为例，T0为地表温度，k1＝774.89，k2＝1321.08，D(t为黑体辐射亮度。
4)光谱层面。如图4所示，本实施例对之前发生赤潮时的多遥感影像进行方差分析，选取特征波段，本发明选择440nm、443nm、490nm、531nm、547nm、555nm、675nm波段，利用归一化植被指数与叶绿素含量做相关性分析。
5)监测站点数据的插值拟合。根据监测站点的位置，将监测站点获取的数据与卫星影像反演的数据做插值拟合处理。
优选地，在将所述训练数据输入至支持向量机模型中进行训练之前，还包括：
对所述特征数据进行归一化处理，得到归一化后的所述特征数据。
优选地，所述形态学处理的方式包括图像的腐蚀、膨胀和二值化操作。
优选地，所述赤潮实时监测结果包括赤潮的分布面积、移动速度、移动方向以及各个范围内的覆盖面积。
优选地，还包括：
根据所述赤潮实时监测结果构建风险预警等级；所述风险预警等级的公式为：其中，I为所述风险预警等级，L为赤潮距关注点的最近距离；S为所述分布面积，其中e1＝3，e2＝2，e3＝1，分别表示分布在10km内，10～30km和30～80km范围的赤潮的所述覆盖面积，v为所述移动速度，j为所述移动方向，当赤潮关注点移动时j＝1，其他移动方向j＝0；
根据所述风险预警等级的数值进行分级综合预警。
具体的，本实施例中的步骤3为：结果分析。本实施例对上述步骤2的数据结果进行分析，如图5所示，具体为：
1)基于历史赤潮发生时数据对上述海温数据(插值拟合后的.GIF格式单波段图像)、水色数据(.GIF格式三波段图像)、光谱数据(插值拟合后的.GIF格式八波段图像)、监测站点数据(插值拟合后的.GIF格式四波段图像)进行归一化处理，其结果作为SVM的输入，同时对SVM的输出进行形态学处理，包括图像的腐蚀、膨胀、二值化操作作为最终的识别结果。通过迭代优化，选取一套用于识别赤潮的SVM参数，做为后续赤潮识别的参数。
2)赤潮发生时，结合洋流、风速、风向等气象数据，推测赤潮的漂移方向、速度。
3)通过上述分析，建立风险预警等级。
I在0～0.6范围内，为蓝色预警；
在0.6～1.1范围内，为黄色预警；
在1.1～1.8范围内，为橙色预警；
I数值大于1.8，则为红色预警。
其中，I表示风险综合预警指数，L为赤潮距关注点的最近距离，单位为km,S为赤潮的分布面积，单位为km2，其中e_1＝3,e_2＝2,e_3＝1,分别表示分布在10km内，10～30km和30～80km范围的赤潮面积，v为赤潮移动速度，向关注点移动时j＝1,其他移动方向j＝0。数值越大表示预警级别越高。
本发明的有益效果如下：
(1)本发明能够实现大范围、准实时监测。监测站点、监测船对赤潮监测范围较小并且监测船成本高、无法做到实时监测，传统卫星遥感手段大多是通过单一来源的卫星数据进行监测，但是由于卫星的重防周期、幅宽、轨道类型等的影响，单一卫星数据对目标区域覆盖周期较长，难以做到实时监测。本发明创造综合利用多源卫星遥感数据，包括中低分辨率大幅宽数据、高分辨低幅宽数据，实现大范围监测，同时缩短监测周期，并且成本低，监测效率高；同时，通过设立地面站可以在部分卫星过境实时接收卫星拍摄的影像数据，弥补传统遥感监测方法中数据滞后性的问题，可实现快速处理，得到赤潮监测结果；
(2)本发明能够实现全周期监测。传统的赤潮监测方法多是针对赤潮爆发期进行监测识别，提取赤潮发生区域的位置、面积，较少能够做到赤潮全生命周期的监测。本发明创造利用多源数据，对赤潮重点关注区域持续观测，在赤潮发生前提供日常监测；赤潮发生时，利用本方法识别出赤潮区域，可做到赤潮发生区域的每日监测，提供赤潮发生的位置(经纬度坐标)、面积，同时，结合洋流、风速、风向等气象水文数据预测赤潮漂移方向、漂移速度，并且，通过以目标点为中心建立风险预警等级，动态监测赤潮发展情况；赤潮发生后，除日常监测外，对赤潮发生时的数据在分析，对本方法中部分参数优化。
(3)本发明能够实现全方位监测。目前多数赤潮监测方法多是通过单一方法监测，较少综合利用多源数据来实现赤潮的全面的监测，本发明创造综合遥感、固定站点、水文气象等数据，从空天地三方面对赤潮发生前期、中期、后期做到全面监测。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (7)
1.一种基于空天地一体化的赤潮准实时监测方法，其特征在于，包括：
获取多源遥感数据和监测数据；
对多源遥感数据进行预处理，得到待监测区域数据；
分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测数据对处理后的数据进行插值拟合，得到特征数据；
将所述特征数据输入至支持向量机模型中进行训练，并将所述支持向量机模型的输出结果进行形态学处理，经过对模型的迭代优化，以得到训练好的支持向量机模型；
将实测数据输入至所述训练好的支持向量机模型中，得到赤潮监测结果；
所述多源遥感数据包括MERSI、MODIS、GOCI、Himawari-8、高分系列、商业遥感和无人机遥感数据；所述监测数据包括固定监测站及监测船监测到的第一温度数据、溶解氧数据、盐度数据和第一叶绿素数据；
分别依据水色层面、海温层面和光谱层面对所述待监测区域数据进行处理，并根据所述监测数据对处理后的数据进行插值拟合，得到特征数据，包括：
计算所述待监测区域数据的颜色矩；
根据所述待监测区域热红外谱段数据进行温度反演，得到第二温度数据；
对所述待监测区域数据进行方差分析，得到特征波段，通过构建植被指数，得到第二叶绿素数据，并根据所述特征波段和所述第二叶绿素数据确定光谱特征数据；
根据所述固定监测站及监测船的位置，将所述第一叶绿素数据和所述第二叶绿素数据进行插值拟合，并将所述第一温度数据和所述第二温度数据进行插值拟合，得到拟合结果；
根据所述颜色矩、所述拟合结果、所述光谱特征数据构建所述特征数据。
2.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，所述多源遥感数据的获取步骤包括：
在待监测区设立卫星地面站；
基于所述卫星地面站，在卫星过境期间实时接收遥感数据。
3.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，对多源遥感数据进行预处理，得到待监测区域数据，包括：
利用辐射传输模型对遥感数据进行大气校正，并通过建立地理查找表进行几何校正，得到校正后的数据；
对所述校正后的数据进行掩模处理，以提取所述待监测区域数据。
4.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，在将所述特征数据输入至支持向量机模型中进行训练之前，还包括：
对所述特征数据进行归一化处理，得到归一化后的所述特征数据。
5.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，所述形态学处理的方式包括图像的腐蚀、膨胀和二值化操作。
6.根据权利要求1所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，所述赤潮实时监测结果包括赤潮的分布面积、移动速度、移动方向以及赤潮的覆盖面积。
7.根据权利要求6所述的基于空天地一体化的赤潮准实时监测方法，其特征在于，还包括：
根据所述赤潮实时监测结果构建风险预警等级；所述风险预警等级的公式为：其中，I为所述风险预警等级，L为赤潮距关注点的最近距离；S为所述分布面积，其中e1＝3，e2＝2，e3＝1，分别表示分布在10km内，10～30km和30～80km范围的赤潮的所述覆盖面积，v为所述移动速度，j为所述移动方向，当赤潮关注点移动时j＝1，其他移动方向j＝0；
根据所述风险预警等级的数值进行分级综合预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310051054.XA CN116258896B (zh) | 2023-02-02 | 2023-02-02 | 一种基于空天地一体化的赤潮准实时监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310051054.XA CN116258896B (zh) | 2023-02-02 | 2023-02-02 | 一种基于空天地一体化的赤潮准实时监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116258896A CN116258896A (zh) | 2023-06-13 |
| CN116258896B true CN116258896B (zh) | 2023-09-26 |
Family
ID=86683666
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310051054.XA Active CN116258896B (zh) | 2023-02-02 | 2023-02-02 | 一种基于空天地一体化的赤潮准实时监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116258896B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110116841A (ko) * | 2010-04-20 | 2011-10-26 | 목포대학교산학협력단 | 웨이블릿 변환을 이용한 적조 영상 분석 시스템 |
| KR20120136565A (ko) * | 2011-06-09 | 2012-12-20 | 목포대학교산학협력단 | 퍼지 추론을 이용한 적조 발생 예측 방법 |
| CN110108704A (zh) * | 2019-05-10 | 2019-08-09 | 合肥学院 | 一种蓝藻自动监测预警方法及其自动监测预警系统 |
| CN111160655A (zh) * | 2019-12-31 | 2020-05-15 | 厦门大学 | 一种基于决策树的近海赤潮发生及赤潮种类预测方法 |
| CN112423255A (zh) * | 2020-11-09 | 2021-02-26 | 湛江三木科技有限公司 | 一种海洋环境在线监测预警系统 |
| CN113298086A (zh) * | 2021-04-26 | 2021-08-24 | 自然资源部第一海洋研究所 | 基于U-Net网络的赤潮多光谱检测方法 |
| KR20220026829A (ko) * | 2020-08-26 | 2022-03-07 | 부산대학교 산학협력단 | 다분광 영상을 이용한 원격 적조 탐지방법 및 그 시스템 |
| CN114923867A (zh) * | 2022-07-19 | 2022-08-19 | 中国海洋大学 | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 |
-
2023
- 2023-02-02 CN CN202310051054.XA patent/CN116258896B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110116841A (ko) * | 2010-04-20 | 2011-10-26 | 목포대학교산학협력단 | 웨이블릿 변환을 이용한 적조 영상 분석 시스템 |
| KR20120136565A (ko) * | 2011-06-09 | 2012-12-20 | 목포대학교산학협력단 | 퍼지 추론을 이용한 적조 발생 예측 방법 |
| CN110108704A (zh) * | 2019-05-10 | 2019-08-09 | 合肥学院 | 一种蓝藻自动监测预警方法及其自动监测预警系统 |
| CN111160655A (zh) * | 2019-12-31 | 2020-05-15 | 厦门大学 | 一种基于决策树的近海赤潮发生及赤潮种类预测方法 |
| KR20220026829A (ko) * | 2020-08-26 | 2022-03-07 | 부산대학교 산학협력단 | 다분광 영상을 이용한 원격 적조 탐지방법 및 그 시스템 |
| CN112423255A (zh) * | 2020-11-09 | 2021-02-26 | 湛江三木科技有限公司 | 一种海洋环境在线监测预警系统 |
| CN113298086A (zh) * | 2021-04-26 | 2021-08-24 | 自然资源部第一海洋研究所 | 基于U-Net网络的赤潮多光谱检测方法 |
| CN114923867A (zh) * | 2022-07-19 | 2022-08-19 | 中国海洋大学 | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 基于水体光谱特性的赤潮分布信息MODIS遥感提取;丘仲锋;崔廷伟;何宜军;;光谱学与光谱分析(08);全文 * |
| 海洋赤潮水色遥感技术研究进展;潘刚;段舜山;徐宁;;生态科学(05);全文 * |
| 肖巍巍 ; 陈磊 ; .小小无人机,"天地空"监测显神通.中国测绘.2016,(06),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116258896A (zh) | 2023-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Aubriot et al. | Assessing the origin of a massive cyanobacterial bloom in the Río de la Plata (2019): Towards an early warning system | |
| CN111024618A (zh) | 基于遥感影像的水质健康监测方法、装置及存储介质 | |
| CN105115941B (zh) | 一种提取复杂水体叶绿素浓度分布信息的遥感反演方法 | |
| CN108253943B (zh) | 一种基于卫星遥感影像的赤潮浒苔一体化监测方法 | |
| CN109814175B (zh) | 一种基于卫星的强对流监测方法及其应用 | |
| CN103743700A (zh) | 一种大型浅水湖泊蓝藻水华modis卫星高精度监测方法 | |
| CN102721644A (zh) | 一种水环境遥感数据处理方法及装置 | |
| CN114819150B (zh) | 一种极地海洋冬季初级生产力遥感反演方法 | |
| CN113744249B (zh) | 一种海洋生态环境损害调查方法 | |
| CN114923867B (zh) | 基于fy-3d mersi-ii数据的赤潮监测方法及装置 | |
| CN110987063A (zh) | 一种遥感监测河湖水文水生态要素的方法 | |
| CN115267941B (zh) | 一种高解析度真彩可见光模型生成、反演方法及其系统 | |
| CN103175523A (zh) | 基于日盲紫外光信号的引航仪 | |
| Zhang et al. | Influence of sea surface temperature on outbreak of Ulva prolifera in the Southern Yellow Sea, China | |
| CN109211798A (zh) | 一种基于遥感影像光谱特征的一年生海冰分布信息提取方法 | |
| CN116399816A (zh) | 一种基于立方星星座的天地一体化全球环保监测系统 | |
| CN105445233B (zh) | 华南沿海赤潮灾害应急监测与预警方法 | |
| CN113420497B (zh) | 浑浊湖泊总磷浓度遥感估算方法 | |
| CN116258896B (zh) | 一种基于空天地一体化的赤潮准实时监测方法 | |
| CN114037910A (zh) | 一种无人机森林火灾检测系统 | |
| Xu et al. | Classification of coral reef benthos around Ganquan Island using WorldView-2 satellite imagery | |
| CN115144835A (zh) | 一种基于神经网络的卫星反演天气雷达反射率的方法 | |
| CN111275027B (zh) | 实现高速公路雾天检测预警处理的方法 | |
| Hui et al. | Preliminary characteristics of measurements from Fengyun-4A Lightning Mapping Imager | |
| Atkin | Machine-learned peel angles for surfing wave quality monitoring |
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 |