基于高分辨率光学卫星数据的绿潮生物量估算方法

本发明涉及卫星遥感绿潮监测，特别是涉及一种基于国产高分辨率光学卫星数据的绿潮生物量估算方法。

背景技术：

0、技术背景

1、绿潮是海洋环境监测的重要对象之一，不仅影响海洋生态系统，还会破坏沿岸生态环境，造成严重的社会影响和经济损失。对绿潮进行连续有效地监测，对绿潮灾害的预防和治理具有重要意义。在这一过程中，卫星遥感技术因其较高的时效性、多光谱、大尺度、获取成本低等优点，成为绿潮灾害监测、防治和定量估算的主要手段。

2、卫星光学遥感为绿潮的时空动态监测提供了较好的技术支撑，如美国的中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer，modis)、欧洲空间局哨兵2号卫星多光谱成像仪(multi spectral instrument,msi)、中国高分一号卫星(gf-1)宽幅数据(wide field of view,wfv)等。中国近海绿潮的主要原因种是石莼属与浒苔属大型绿藻，即浒苔(ulva prolifera)，藻体呈暗绿色或淡绿色，在光合作用下，产生氧气形成气囊，使得浒苔藻体可长时间漂浮在海水表面上。浒苔具有与绿色植被相似的“红边”光谱特征，使得利用光学遥感影像探测绿潮成为可能。凭借此特征，可利用植被指数来获取海表绿潮信息，例如归一化植被指数(normalized difference vegetation index,ndvi)、差异植被指数(difference vegetation index,dvi)、归一化藻类指数(normalized differencealgae index,ndai)、漂浮藻类指数(floating algae index，fai)和大型漂浮藻类虚拟基线高度法(virtual baseline floating macroalgae height,vb-fah)等。本发明利用dvi作为中间参数，进行绿潮生物量的估算。dvi通过波段间的线性差值计算，对于复杂大气、耀光反射等具有一定抗干扰能力，能较好地用于含藻像元的解混。此外，dvi的计算只需用到近红外和红光波段，非常适用于缺乏短波红外波段的gf1/wfv数据。

3、利用不同卫星数据开展绿潮监测，主要提供绿潮的覆盖范围和覆盖面积。但由于不同卫星光学载荷空间分辨率、波段设置、信噪比等差异，不同遥感资料反演的绿潮覆盖面积具有内在的尺度效应，不同光学卫星数据的绿潮监测结果因此存在较大差异。绿潮生物量是解决上述差异，更为准确刻画绿潮时空分布格局与演变趋势的重要参数，通过绿潮生物量实验获取的数据，构建绿潮单位面积生物量(biomass per area，bpa)与光学遥感参数(如fai、dvi、vb-fah等)间的统计模型，实现基于光学卫星数据的绿潮生物量估算。

技术实现思路

1、本发明要解决的技术问题是：针对绿潮面积参数所包含的尺度效应，绿潮覆盖面积无法展现绿潮厚度变化的问题，基于绿潮生物量变化模拟与观测验证数据，实现基于gf1/wfv数据的绿潮生物量估算，对绿潮监测具有重要意义。

2、为了解决以上技术问题，本发明提出的技术方案是：基于高分辨率光学卫星数据的绿潮生物量估算方法，包括以下步骤：

3、步骤1、数据预处理

4、对光学遥感影像进行预处理，包括辐射定标和大气校正，获取高分辨率光学卫星反射率影像；

5、步骤2、陆地掩膜

6、根据研究区内陆地的矢量文件，对步骤1预处理后的高分辨率光学卫星反射率影像进行掩膜，获取研究区的反射率影像；

7、步骤3、云像元识别

8、计算研究区的高分辨率光学卫星反射率影像的云指数ci，使用预设阈值ε1，对ci指数影像进行阈值分割，云指数ci≥ε1的像元为云像元，云指数ci＜ε1的像元为海面像元；

9、步骤4、藻类像元提取

10、使用差异植被指数dvi与缩放藻类指数sai相结合的双阈值分割方法进行藻类像元提取，具体步骤如下：

11、4.1、对于高分辨率光学卫星反射率影像，利用步骤2中研究区的近红外波段图像和红光波段图像计算差异植被指数影像，即dvi指数影像；

12、4.2、设置滑动窗口w逐像素地遍历dvi指数影像，进行dvi指数影像的中值滤波得到背景影像g，将dvi指数影像减去背景影像g，得到缩放差异植被指数影像，即saidvi指数影像，缩放差异植被指数影像的像元值为saidvi值；

13、4.3、使用预设阈值ε2，对dvi指数影像进行阈值分割，差异植被指数dvi≥ε2的像元为藻类像元，差异植被指数dvi＜ε2的像元为待判定像元；

14、4.4、对于待判定像元，对其saidvi值使用预设阈值ε3再次进行阈值分割，saidvi值≥ε3的像元为藻类像元，saidvi值＜ε3的像元为海水像元；

15、4.5、将两次阈值分割得到的藻类像元结果进行合并，得到藻类像元的最终提取结果；

16、步骤5、构建生物量估算模型

17、通过绿潮生物量变化模拟与观测验证数据衍生dvi指数值，进而建立生物量遥感估算模型，具体的步骤如下：

18、5.1、进行n次绿潮生物量变化模拟实验，将第i次绿潮生物量变化模拟实验测得的单位面积生物量bpai和对应的绿潮高光谱反射率ri，结合卫星传感器的光谱响应函数，对绿潮高光谱反射率数据进行波段等效计算，得到第i次绿潮生物量变化模拟实验对应的红光波段卫星等效反射率和近红外波段卫星等效反射率计算公式如下：

19、

20、

21、sred是卫星传感器红光波段的光谱响应函数，snir是卫星传感器近红外波段的光谱响应函数；

22、5.2、将近红外波段等效反射率减去对应红光波段等效反射率得到波段等效的dvi指数值dvii，以dvii为横坐标，单位面积生物量bpai为纵坐标，构建离散点；

23、3)、对散点进行拟合，构建绿潮生物量遥感估算模型；

24、步骤6、计算总生物量

25、将步骤4提取的藻类像元的dvi指数代入绿潮生物量遥感估算模型，得到每个藻类像元的单位面积生物量，对所有藻类像元的生物量进行累加可得到绿潮的总生物量。

26、本发明具有如下有益效果：

27、本发明利用绿潮生物量变化模拟与观测验证数据，结合卫星成像载荷的光谱响应函数，建立适用于高分辨率光学卫星数据的绿潮生物量估算模型并对绿潮生物量进行估算。实际效果表明，本发明能够降低绿潮监测的时间、人力和物力成本，保证估算精度，提高绿潮实时监测效率。

技术特征：

1.一种基于高分辨率光学卫星数据的绿潮生物量估算方法，包括以下步骤：

2.根据权利要求1所述的一种基于高分辨率光学卫星数据的绿潮生物量估算方法，其特征在于：步骤3中，云指数ci的计算公式如下：

3.根据权利要求1所述的一种基于国产高分辨率光学卫星数据的绿潮生物量估算方法，其特征在于：步骤4中的dvi指数影像通过下式计算获得：

4.根据权利要求1所述的一种基于高分辨率光学卫星数据的绿潮生物量估算方法，其特征在于：步骤4中,背景影像g通过以下公式计算获得：

5.根据权利要求4所述的一种基于国产高分辨率光学卫星数据的绿潮生物量估算方法，其特征在于：步骤4中,saidvi指数影像通过以下公式计算获得：

6.根据权利要求1所述的一种基于高分辨率光学卫星数据的绿潮生物量估算方法，其特征在于：步骤5中，绿潮生物量遥感估算模型为分段模型，总共分为两段，第一段为线性函数，单位面积生物量随着波段等效的dvi指数值线性增加；第二段为非线性函数，随着波段等效的dvi指数值的增加单位面积生物量呈指数上升。

7.根据权利要求1所述的一种基于高分辨率光学卫星数据的绿潮生物量估算方法，其特征在于：滑动窗口宽度为奇数，取值范围为51至201。

8.根据权利要求1所述的一种基于高分辨率光学卫星数据的绿潮生物量估算方法，其特征在于：所述藻类像元是指绿潮像元。

技术总结
本发明涉及基于高分辨率光学卫星数据的绿潮生物量估算方法，利用绿潮生物量变化模拟与观测验证数据，结合卫星成像载荷的光谱响应函数，建立适用于高分辨率光学卫星数据的绿潮生物量估算模型，完成基于高分辨率光学卫星数据的绿潮生物量估算。本发明所使用的高分辨率光学卫星影像需要进行辐射定标与大气校正，获得反射率影像；本发明适用于高分辨率光学卫星数据，能够准确地估算出影像中绿潮的生物量；该方法能有效降低空间分辨率差异引起的藻类面积参数估算的尺度效应差异；本发明能够有效提高绿潮的精细化监测应用水平。

技术研发人员：陆应诚,唐君,申志强,李帅,舒文祥,焦俊男,李满春
受保护的技术使用者：南京大学
技术研发日：
技术公布日：2024/5/10