The present invention relates to a remote sensing recognition method for oil spill emulsifiers based on group spectral characteristics. By using the unique spectral characteristics and distribution patterns caused by oil-water emulsifier groups (CH, OH), different types of oil-water emulsifiers can be quickly, accurately and effectively identified and classified in hyperspectral images. Compared with traditional observation methods, the present invention can provide timely and efficient guidance information without wasting a lot of manpower and material resources, and can accurately identify and classify different types of marine oil spill emulsifiers by using hyperspectral remote sensing reflectance images based on accurate radiation correction and atmospheric correction, while effectively avoiding misjudgement as cauda equina. Algae (Sargassum is similar to some oil spill emulsifiers in visual and spectral morphological characteristics, and illustrated by examples in the specification of the invention). This method can meet the needs of oil spill monitoring and improve the efficiency of oil spill pollution control.
【技术实现步骤摘要】
一种基于基团光谱特征的海洋溢油乳化物遥感识别方法
本专利技术涉及遥感海洋溢油监测
,特别是涉及一种基于基团光谱特征的不同类型海洋溢油乳化物高光谱遥感识别与分类方法。
技术介绍
据不完全估算,海洋溢油事件的47%来源于人类活动,发生在包括石油开采、加工、运输等诸多过程中,由此带来的溢油污染会严重危害海洋生态环境,引起巨大的经济损失。此外,在风、浪、流等因素的综合影响下,溢油污染还会对海水、海表大气、海底、海岸带等产生大范围、长时间的危害。如美国墨西哥湾2010年深海油井溢油事故、2010年中国大连新港溢油事件,都引起巨大的环境、经济损失。海洋溢油事故发生时,在海洋动力作用下,溢油与水混合,会形成稳定或者不稳定的(油包水相或水包油相)的油水混合物(油水乳化物)。其中,油包水相溢油乳化物是指海水以小液滴的形式分散存在于连续的原油中。水包油相溢油乳化物是连续的海水中存在分散的原油小液滴。油包水乳化物一旦形成,则更加难以清除和回收,现有表面活性剂和溢油回收设备等都无法有效的发挥作用,其对海洋环境的危害更为显著。溢油乳化物在目视特征上表现为棕色、橘黄色或黄色的“巧克力冻”、“慕斯”条带状物质,这与海洋中马尾藻极其相似。在反射光谱形态上,马尾藻不是唯一能够抬升红边反射率的海洋有机物,海洋溢油乳化物也会导致近红外波段反射率的抬升,却不是由于红边效应;溢油乳化物与马尾藻目视特征和光谱特征的相似性进一步增加了两者识别和分类的难度。高光谱遥感技术是20世纪90年代后期才趋于成熟的新型光学遥感前沿技术,高光谱遥感影像蕴含着近似连续的地物光谱信息,精细的光谱分辨率使其能够探测 ...
【技术保护点】
1.一种基于基团光谱特征的海洋溢油乳化物遥感识别方法,包括以下步骤:步骤1、数据预处理对高光谱遥感影像数据进行预处理,获得高光谱反射率数据;步骤2、光谱信息增强对高光谱反射率数据进行背景水体光谱差值计算,逐像元减去背景水体光谱,削弱背景水色的影响;对高光谱反射率数据进行归一化处理,得到归一化的反射率值;步骤3、基团特征光谱检测针对每个像元,检测其光谱曲线的波峰和波谷作为基团特征点,基团特征点数据存储为[pos,pk,value],pos为所检测基团特征点的光谱波长,pk为峰谷标识,value为归一化的反射率值,每个像元的基团特征点数据构成该像元的特征光谱数据;步骤4、计算相似匹配度阈值选取溢油乳化物的多条典型特征光谱数据作为训练样本,所述溢油乳化物的典型特征光谱数据是指确定为溢油乳化物的光谱经过上述步骤1‑3所获得的特征光谱数据,进一步利用[pos,pk,value]中的峰谷标识pk,将每条典型特征光谱数据分为波峰特征点光谱数据peak和波谷特征点光谱数据trough,利用下述公式计算两两光谱特征数据之间的相似匹配度ε:ε=|dF(peakf,peakg)‑dF(troughf,tro ...
【技术特征摘要】
1.一种基于基团光谱特征的海洋溢油乳化物遥感识别方法,包括以下步骤:步骤1、数据预处理对高光谱遥感影像数据进行预处理,获得高光谱反射率数据;步骤2、光谱信息增强对高光谱反射率数据进行背景水体光谱差值计算,逐像元减去背景水体光谱,削弱背景水色的影响;对高光谱反射率数据进行归一化处理,得到归一化的反射率值;步骤3、基团特征光谱检测针对每个像元,检测其光谱曲线的波峰和波谷作为基团特征点,基团特征点数据存储为[pos,pk,value],pos为所检测基团特征点的光谱波长,pk为峰谷标识,value为归一化的反射率值,每个像元的基团特征点数据构成该像元的特征光谱数据;步骤4、计算相似匹配度阈值选取溢油乳化物的多条典型特征光谱数据作为训练样本,所述溢油乳化物的典型特征光谱数据是指确定为溢油乳化物的光谱经过上述步骤1-3所获得的特征光谱数据,进一步利用[pos,pk,value]中的峰谷标识pk,将每条典型特征光谱数据分为波峰特征点光谱数据peak和波谷特征点光谱数据trough,利用下述公式计算两两光谱特征数据之间的相似匹配度ε:ε=|dF(peakf,peakg)-dF(troughf,troughg)|式中,dF(peakf,peakg)为两条特征光谱数据的波峰特征点光谱数据peakf和peakg之间的离散Fréchet距离,dF(troughf,troughg)为两条特征光谱数据的波谷特征点数据troughf和troughg之间的离散Fréchet距离;离散Fréchet距离的计算模型涉及到参数m、n和Q,其中,Q=max(m,n);计算dF(peakf,peakg)时,m,n分别为两条特征光谱曲线的波峰特征点数量;计算dF(troughf,troughg)时,m,n分别为两条特征光谱曲线的波谷特征点数量;计算得到的相似匹配度的最大值作为相似匹配度阈值ε0;步骤5、溢油乳化物的识别与分类计算待识别分类影像中每个像元的特征光谱数据与训练样本的平均光谱数据之间的相似匹配度,如果相似匹配度大于相似匹配度阈值,则该像元为海洋溢油乳化物,将判定为海洋溢油乳化物的像元进行合并,即得到识别结果。2.根据权利要求1所述的基于基团光谱特征的海洋溢油乳化物遥感识别方法,其特征在于:所述步骤1中,所述高光谱遥感影像数据的波段范围包含400-2...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。