共查询到18条相似文献，搜索用时 468 毫秒
1.
基于数据挖掘的GF-1 遥感影像绿潮自适应阈值分区智能检测方法研究 总被引：1，自引：0，他引：1
由于受到云雾的影响，可见光影像能够高效用于绿潮检测的数据源较为有限，特别是云覆盖较为严重的可见光影像，基本无法用于检测绿潮。即使影像数据是在薄云、薄雾、无云覆盖的情况下获取的，由于其光谱反射值存在较大差异，依然很难采用同一阈值进行绿潮检测。基于此，为了提高可见光影像的利用率，实现不同云覆盖情况下，绿潮的高精度自适应阈值的自动检测，本文以GF-1影像为数据源，首先采用K-means聚类和C4.5决策树方法实现影像云覆盖情况的自动识别；其次，选取大量不同云覆盖情况下子图像样本（每个子图像样本中均包含绿潮和海水两类），分析得出不同云覆盖情况下绿潮和海水的区分阈值y与影像光谱差x=bandnir-bandred之间所具有的线性关系；然后，利用分析得出的线性关系提出一种适用于GF-1影像的绿潮分区自适应阈值自动检测方法。最后，为验证提出方法的有效性，分别采用NDVI方法、EVI方法和本文提出的自适应阈值自动检测方法进行绿潮提取实验。实验结果表明，对于GF-1卫星遥感数据，本文提出的绿潮自适应阈值分区自动检测方法明显优于传统的NDVI和EVI检测方法，不仅提高了绿潮的监测精度，而且实现了绿潮提取的全自动化。 相似文献
2.
基于变分水平集方法的浒苔绿潮面积信息提取 总被引：1，自引：1，他引：0
绿潮面积信息提取是绿潮遥感监测中极其重要的环节,其结果将直接影响后续的统计分析和预测预警工作。目前科研人员一般基于传统阈值方法对绿潮面积信息进行提取,其提取结果具有不稳定、效率低、人为因素影响大等缺点。针对上述问题,本文基于变分水平集的对偶方法和分裂Bregman投影方法对绿潮面积信息进行了提取,并提出一种对上述两种方法提取出的绿潮面积信息结果进行量化的新方法。分别基于传统阈值方法、变分水平集的对偶方法和分裂Bregman投影方法进行了3幅影像的绿潮信息提取实验,对提取结果进行了比对分析。实验结果表明,对分辨率较高的卫星遥感数据,无论从运行效率还是从绿潮面积信息提取结果的精确性及稳定性上,基于变分水平集的对偶方法和分裂Bregman投影方法均优于基于传统阈值方法。 相似文献
3.
无人机遥感具有应用灵活、不受云层干扰以及时空分辨率高的显著优势。为探索无人机在海洋灾害监测中的应用,本文以科考船为起降平台,首次基于无人机获取的双时相绿潮正射影像,开展了黄海绿潮漂移速度的估算研究。同时对比了卫星影像提取的速度结果,并探讨了风与潮流对海上绿潮漂移的驱动。研究发现:(1)可见光波段的漂浮藻类指数能高精度地提取无人机可见光影像中的绿潮(kappa 系数=0.95);(2)无人机遥感估算3个站位的绿潮漂移速率为0.26～0.44 m/s,漂移方向在1天之内变化明显;(3)绿潮短时间内的漂移受到风与潮流的共同影响,漂移方向与M2分潮的潮流方向基本一致,位于风向右侧1°～62°。基于船载的无人机航测,能高精度地估算绿潮漂移速度,为精细化的绿潮灾害预警与防控提供技术支撑。 相似文献
4.
2009-2010年黄海绿潮起源与发生过程调查研究 总被引：8，自引：6，他引：2
绿潮是我国近海一种新型的海洋生态灾害,自2007年以来,每年5-7月在黄海海域周期性暴发与消亡,给沿海地区造成不同的环境影响和经济损失。本文基于2009-2010年黄海绿潮潜在起源区和绿潮发生过程的海上连续跟踪观测资料,对黄海浒苔绿潮的起源和发生发展过程进行了分析。结果表明,2009年和2010年黄海漂浮绿潮藻均首先发现于江苏南通小洋口外的太阳岛附近,随后,在小洋口至大丰港的近岸海域逐渐出现漂浮绿藻,并随时间逐渐向北漂移,分布面积和生物量均不断增大。不同年份间,黄海浒苔绿潮具有相似的发生发展过程,主要可以分为绿潮藻漂浮发生阶段、绿潮藻聚集阶段以及规模性绿潮形成阶段;但绿潮的发生时间、发生规模和漂移路径有所差异;2009年绿潮漂移线路为逐渐远离海岸线,而2010年绿潮藻的漂移路径基本为平行于海岸线;温度升高与绿潮暴发具有明显相关性。 相似文献
5.
目前绿潮遥感监测手段大多基于单一遥感数据,局限性很大,为了弥补监测中空间分辨率和时间分辨率低的问题,基于多源遥感数据,结合虚拟基线高度浮藻指数VB-FAH(virtual-baseline floating macro Algae height)和人工辅助判读方法,对2015—2016年黄海发生的绿潮(大型绿藻——浒苔(Ulva prolifera))进行了动态监测,并利用两景同步影像比较了高分一号卫星WFV(GF-1 WFV)数据和资源一号04星WFI(CBERS-04 WFI)数据的监测结果,同时也对卫星影像监测和船载监测结果进行了比较。结果表明:CBERS-04 WFI数据的监测结果与GF-1 WFV数据相比产生了15.3%~37.32%的相对偏差,主要原因是空间分辨率的差异导致的混合像元效应。对卫星影像监测结果与船测数据进行叠加对比,可以发现在Ⅲ级以上的绿潮数量级中卫星影像的监测精度较高。绿潮暴发的过程持续100 d左右,4月底—5月初绿潮开始在苏北浅滩浊水区出现,随着外界因素逐渐达到适宜生长的条件,绿潮不断生长直至暴发,并随黄海表层流向北漂移,直至山东半岛南部沿岸,7月份和8月份是绿潮的消亡阶段,8月中旬绿潮基本消亡。本研究成果提高了监测精度,可为绿潮的防控提供有效的信息支持。 相似文献
6.
7.
利用高空间分辨率卫星影像准确监测浒苔绿潮对灾害早期发现、动态跟踪以及沿岸防御具有重要应用价值。目前面向高分辨率遥感影像已有多种浒苔提取方法,但不同遥感算法受到海水背景(浑浊和清澈海水)和外界观测环境(如云层、太阳耀斑、观测几何条件)等干扰,其监测效果可能受到不同程度影响。为此,以国产高分辨率GF-WFV和HJ-CCD影像为例,充分对比了归一化差值植被指数(normalized difference vegetation index,NDVI)、漂浮藻类高度虚拟基线指数(virtual baseline floating macroalgae height,VB-FAH)和绿度指数(tasseled cap greenness,TCG)在常见多种环境背景下提取浒苔的优势和不足。研究结果表明:在清澈海水、浑浊海水和弱太阳耀斑背景下,NDVI、VB-FAH和TCG三种算法均有较好的浒苔识别能力,其精度评价指标F1-score和总体分类精度(overall accuracy, OA)分别超过95.6%和95.2%。对于几何观测条件,VB-FAH和TCG算法对观测几何角度的变化不敏感并表现较高的稳定性,要优于NDVI方法。在云层覆盖和强太阳耀斑背景下,TCG算法的浒苔判识能力最好,并可有效排除云覆盖和强太阳耀斑的干扰,其精度评价指标F1-score和OA分别超过95.2%和95.0%。 相似文献
8.
以国产天绘一号01星多光谱4波段影像为数据源,针对大范围水体提取难度大的问题,提出基于归一化水体指数(NDWI)和单波段阈值法的匹配生长算法。采用NDWI水体指数法提取完整的海洋水体和内陆部分水体,将内陆部分水体与单波段阈值对应位置完整的水体做匹配,再通过连通区提取、掩膜运算获得完整的水体分割二值图。采用两景遥感影像(大连和芝罘)进行实验,并与经典水体提取算法进行对比分析。实验结果表明:该法总体精度在90%左右,Kappa系数在0.8左右,对经典提取算法有了显著改善。在大范围提取水体信息时效果较好,提取水体的同时能有效减少陆地阴影造成的干扰,在海陆边界处,陆地轮廓清晰,较好的将陆地和海洋分割开来。 相似文献
9.
基于高分四号卫星的黄海绿潮漂移速度提取研究 总被引：3，自引：2，他引：1
静止轨道卫星高分四号（GF-4）具有高时间分辨率（20 s）和高空间分辨率（50 m）的独特优势。为了挖掘GF-4卫星在海洋灾害监测中的应用潜力，本文基于2016年6月25日1天4景的GF-4卫星影像，利用最大相关系数法（MCC），开展了黄海绿潮漂移速度提取研究，分析了海面风场、潮汐等对绿潮漂移的影响。研究发现:（1）MCC方法可高精度自动追踪GF-4影像中绿潮的分钟级（8~9 min）位置变化，绿潮漂移速率和方向的相对偏差分别为11%和5%；当2景GF-4影像的成像时间间隔增大至小时级（如6 h）时，随着绿潮斑块形状的改变，MCC方法绿潮自动追踪的准确性下降。（2）绿潮在1天之中的漂移速率和方向可发生显著变化，当日上午9时黄海绿潮漂移速率均值为（0.36±0.13）m/s，方向以东南向为主，至15时，绿潮漂移速率显著增加至（0.69±0.12）m/s，方向变为东北偏北。（3）绿潮漂移速度与海面风速的相关系数为0.74，绿潮漂移方向为风向偏右；绿潮的向岸、离岸运动与相应时刻的涨、落潮具有较好的对应关系。GF-4卫星数据可为绿潮快速漂移的高精度监测提供数据支撑。 相似文献
10.
生态因子在黄海绿潮生消过程中的作用 总被引：2，自引：2，他引：0
2008–2017年南黄海海域连续10 a发生绿潮，影响周边沿海城市养殖、旅游和航运安全等。研究绿潮生消过程及其影响因素对于理解黄海绿潮分布特征，开展绿潮灾害的预防与治理有重要意义。本文主要采用MODIS L1B数据，通过归一化植被指数提取绿潮信息。根据逐年绿潮覆盖面积的变化特征，将绿潮生消过程分为3个阶段:触发阶段、快速发展阶段、消衰阶段，分析了海表温度、降水和光照在绿潮生消过程中的作用。结果表明:在触发阶段，温度达到15°C后，有效降水可以刺激绿潮的触发，在降水后的半个月内可以通过MODIS影像发现绿潮。在快速发展阶段，绿潮所在位置海表面温度为16～21°C，适宜绿潮的快速生长；太阳短波辐射集中在250～280 W/m2范围内；降水量是影响绿潮生长规模的一个重要因素，降水量少时绿潮覆盖面积峰值明显较小，而出现绿潮覆盖面积最大值的2016年降水量也极高。在消衰阶段，海表温度上升至22～26°C，绿潮在卫星影像中消失时，平均海表温度超过26°C，最高温度可达27.48°C，较高的海表面温度是导致绿潮消亡的主要原因之一；太阳短波辐射集中在240～260 W/m2，略低于快速发展阶段光照范围；降水量在该阶段相对充足不再影响绿潮的生长。 相似文献
11.
海岸线是海洋的重要组成部分,对于海域管理具有重要意义。本文根据岸线位置确定原理,即将多时相瞬时水边线上边界近似作为海岸线,提出了一种基于多时相水边线的海岸线自动提取方法,该方法应用区域生长与边缘检测相结合的方法提取瞬时水边线,然后采用海岸线自动判别算法进行海岸线的提取。首先计算归一化水体指数（normalized difference water index,NDWI）图像,利用区域生长算法进行海陆分割,得到海陆分割二值图;然后利用Canny边缘检测对海陆分割结果进行边缘检测,得到瞬时水边线;最后利用海岸线自动判别算法得到多时相瞬时水边线上界作为海岸线。本文以马六甲海峡部分海岸作为研究区域,应用多期Landsat 8遥感影像进行了海岸线提取和分析。为验证海岸线提取精度,对获取时间接近高潮时的一景哨兵二号影像进行目视解译得到人工解译的海岸线,与本文提取海岸线进行对比。结果显示,本文算法得到的海岸线平均偏移量和均方根误差分别为21.01 m和21.96 m,能够满足30 m分辨率遥感图像的精度要求,相比采用单景影像提取海岸线,精度有明显提高。 相似文献
12.
基于GOCI的2017年南黄海浒苔演变遥感分析 总被引：3，自引：0，他引：3
本文应用GOCI高时间分辨率遥感影像，提取浒苔敏感波段并构建合适的评价指标，对NDVI、IGAG、KOSC绿潮主流算法探测能力进行比较，结合目视解译和阈值分割法，对2017年南黄海浒苔信息进行提取并进行演变特征分析。结果表明：NDVI算法的探测能力和稳定性显著优于其他两种，GOCI影像7、8近红外波段的选择对浒苔提取结果存在一定影响，最优为7、5波段组合；2017年浒苔总体经历了“出现-发展-暴发-衰退-消亡”五个阶段，持续时间约为68d，影像中浒苔最早出现在5月13日的盐城外海海域，最后出现在7月12日，最大覆盖面积出现在6月4日，为2363.12km2，在风、流场共同作用下，先向北移动，后在6月下旬沿山东半岛南侧转向东北，前锋位置最终停滞于青岛-烟台-威海一线并逐渐消亡。其发展规律与运移路径与往年相似，但持续时间与暴发时期最大覆盖面积显著少于往年，GOCI影像高时间分辨率的优势使浒苔灾害的逐小时动态监测成为可能。 相似文献
13.
针对目前海冰信息解译时对海冰外缘线及面积信息提取不精确、业务化应用不强问题,提出一种基于分裂Bregman算法的海冰外缘线自动提取方法,并通过遥感影像预处理、算法程序化等工作步骤,将该算法应用到业务化海冰信息解译工作中。方法:分别选取五景中、高空间分辨率的可见光卫星遥感影像,将影像上待提取海冰区域首先进行不规则图像裁剪、图像增强等预处理工作,然后基于变分水平集及快速分裂Bregman投影方法进行了海冰外缘线信息的提取,并对提取出的海冰面积进行量化,最后与传统人工提取海冰信息进行了比较。实验结果表明,基于变分水平集及其快速分裂Bregman算法提取的海冰信息,具有提取的海冰边缘精确、自动化程度高、提取结果稳定可靠等优点。 相似文献
14.
15.
本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。 相似文献
16.
17.
基于Hough变换原理的海冰厚度识别方法 总被引：1，自引：1，他引：0
作为主要海冰参数之一的海冰厚度对海冰灾害评估和极地船舶与冰区海洋工程结构设计具有重要意义。采用船侧视频图像对海冰厚度进行自动识别是提取海冰参数的重要方式。本文采用基于Hough变换的机器视觉方法对海冰翻转过程中的表面轮廓线进行识别,从而自动获取海冰厚度参数。根据海冰图像特征制定了图像边缘识别?近似线段识别?海冰轮廓线段组识别的计算流程。在线段组识别过程中,根据海冰的几何特征建立了由夹角、长度及间距参数相关联的3个识别参数所组成的判断条件。为验证方法的可靠性,将该方法用于“雪龙”号第八次北极科考的走航实测数据中,结果表明,3个识别参数均具有最优阈值。当低于最优值时提高阈值可增加有效识别率;而高于最优值时提高阈值则会导致误判率增大,采用最优阈值可使冰厚识别率达到90%以上。因此,采用基于Hough变换的冰厚识别方法可实现对海冰厚度的实时监测。 相似文献
18.
Since the atmospheric correction is a necessary preprocessing step of remote sensing image before detecting green tide, the introduced error directly affects the detection precision. Therefore, the detection method of green tide is presented from Landsat TM/ETM plus image which needs not the atmospheric correction. In order to achieve an automatic detection of green tide, a linear relationship(y =0.723 x+0.504) between detection threshold y and subtraction x(x=λ_(nir)–λ_(red)) is found from the comparing Landsat TM/ETM plus image with the field surveys.Using this relationship, green tide patches can be detected automatically from Landsat TM/ETM plus image.Considering there is brightness difference between different regions in an image, the image will be divided into a plurality of windows(sub-images) with a same size firstly, and then each window will be detected using an adaptive detection threshold determined according to the discovered linear relationship. It is found that big errors will appear in some windows, such as those covered by clouds seriously. To solve this problem, the moving step k of windows is proposed to be less than the window width n. Using this mechanism, most pixels will be detected[n/k]×[n/k] times except the boundary pixels, then every pixel will be assigned the final class(green tide or sea water) according to majority rule voting strategy. It can be seen from the experiments, the proposed detection method using multi-windows and their adaptive thresholds can detect green tide from Landsat TM/ETM plus image automatically. Meanwhile, it avoids the reliance on the accurate atmospheric correction. 相似文献