本申请提供了一种基于高光谱遥感图像的水华识别方法及装置，获取高光谱遥感水域图像，计算所述高光谱遥感水域图像中每个像元的叶绿素a光谱指数值和藻蓝蛋白基线值，将叶绿素a光谱指数值大于预设的第一阈值的像元识别为目标区域，将所述目标区域中藻蓝蛋白基线值大于预设的第二阈值的像元识别为水华区域，因为水体的叶绿素a光谱指数明显小于水华和水草，而水草的藻蓝蛋白基线值明显小于水华，可见，本实施例中，依据水华光谱的特性，实现识别水华区域的目的。
【技术实现步骤摘要】
本申请涉及遥感图像处理领域，尤其涉及一种基于高光谱遥感图像的水华识别方 法及装置。
技术介绍
水华一般是指当浮游植物的生物量明显高于水体中的平均值时，在水体表面大量 聚集，形成肉眼可见的藻类聚积体的现象，水华的暴发说明此时水环境已经遭受到严重富 营养化污染。水草主要包含了能够长期生活在水中的挺水、沉水和漂叶植物，作为初级生产 力，水草是生物多样化的重要组成部分，对内陆水体环境有改善作用。因此，水华与水草的 监测对于内陆水体水环境的监管具有重要意义。 目前，利用遥感手段对水华水草进行宏观大范围长时间的遥感监测成为了一种需 求，如何从遥感图像中识别出水华区域，成为目前亟待解决的问题。
技术实现思路
本申请提供了一种基于高光谱遥感图像的水华识别方法及装置，目的在于解决如 何从遥感图像中识别出水华区域的问题。 为了实现上述目的，本申请提供了以下技术方案： 一种基于高光谱遥感图像的水华识别方法，包括： 获取高光谱遥感水域图像； 计算所述高光谱遥感水域图像中每个像元的叶绿素 a光谱指数值和藻蓝蛋白基 线值，其中，所述叶绿素 a光谱指数通过所述高光谱遥感水域图像中的第一波长值和第二 波长值计算得到，叶绿素 a光谱在所述第一波长值处具有反射谷，在所述第二波长值处具 有发射峰；所述藻蓝蛋白基线通过所述高光谱遥感水域图像中的第三波长值、第四波长值 和第五波长值计算得到，藻蓝蛋白在所述第三波长值处和所述第五波长值具有反射峰，在 所述第四波长值处具有反射谷； 将叶绿素 a光谱指数值大于预设的第一阈值的像元识别为目标区域，所述目标区 域包括水华和/或水草区域； 将所述目标区域中藻蓝蛋白基线值大于预设的第二阈值的像元识别为水华区域。 可选地，还包括： 如果所述高光谱遥感水域图像中不包括原始波长值，则使用所述高光谱遥感水域 图像中最接近所述原始波长值的波长值代替所述原始波长值，所述原始波长值为所述第一 波长值、所述第二波长值、所述第三波长值、所述第四波长值及所述第五波长值中的任意一 个。 可选地，所述计算所述高光谱遥感水域图像中每个像元的叶绿素 a光谱指数值包 括： 使用所述高光谱遥感水域图像中的第64波段和第58波段，计算所述高光谱遥感 水域图像中每个像元的叶绿素 a光谱指数值，其中，所述第64波段的中心波长值为713nm， 所述第58波段的中心波长值为679nm。 可选地，所述计算所述高光谱遥感水域图像中每个像元的叶绿素 a光谱指数值包 括：计算所述高光谱遥感水域图像中每 个像元的叶绿素 a光谱指数值，其中，P为反射率。 可选地，所述计算所述高光谱遥感水域图像中每个像元的藻蓝蛋白基线值包括： 使用所述高光谱遥感水域图像中的第37波段、第49波段和第54波段，计算所述 高光谱遥感水域图像中每个像元的藻蓝蛋白基线值，其中，所述第37波段的中心波长值为 559nm、所述第49波段的中心波长值为627nm、所述第54波段的中心波长值为656nm。 可选地，所述计算所述高光谱遥感水域图像中每个像元的藻蓝蛋白基线值包括： 利用 PBL = P (A3) - P (A4) + ((A4-A3) ΛΑ5-Α3)) * ( P (A5) - P (A3))计算所述高光 谱遥感水域图像中每个像元的藻蓝蛋白基线值，其中，P为反射率，A3为所述第三波长值， Α4为所述第四波长值，Α5为所述第五波长值。 可选地，所述第一阈值与所述第二阈值中任意一个的确定方法包括： 统计用户在所述高光谱遥感水域图像中选定的目标区域的参考值之间的区别，所 述目标区域包括水体区域、水华区域和水草区域，所述参考值包括叶绿素 a光谱指数值或 藻蓝蛋白基线值； 依据所述区别，确定第一阈值或第二阈值。 一种基于高光谱遥感图像的水华识别装置，包括： 获取模块，用于获取高光谱遥感水域图像； 计算模块，用于计算所述高光谱遥感水域图像中每个像元的叶绿素 a光谱指数值 和藻蓝蛋白基线值，其中，所述叶绿素 a光谱指数通过所述高光谱遥感水域图像中的第一 波长值和第二波长值计算得到，叶绿素 a光谱在所述第一波长值处具有反射谷，在所述第 二波长值处具有发射峰；所述藻蓝蛋白基线通过所述高光谱遥感水域图像中的第三波长 值、第四波长值和第五波长值计算得到，藻蓝蛋白在所述第三波长值处和所述第五波长值 具有反射峰，在所述第四波长值处具有反射谷； 第一识别模块，用于将叶绿素 a光谱指数值大于预设的第一阈值的像元识别为目 标区域，所述目标区域包括水华和/或水草区域； 第二将别模块，用于将所述目标区域中藻蓝蛋白基线值大于预设的第二阈值的像 元识别为水华区域。 可选地，还包括： 替换模块，用于如果所述高光谱遥感水域图像中不包括原始波长值，则使用所述 高光谱遥感水域图像中最接近所述原始波长值的波长值代替所述原始波长值，所述原始波 长值为所述第一波长值、所述第二波长值、所述第三波长值、所述第四波长值及所述第五波 长值中的任意一个。 可选地，所述计算模块用于计算所述高光谱遥感水域图像中每个像元的叶绿素 a 光谱指数值包括： 所述计算模块具体用于，使用所述高光谱遥感水域图像中的第64波段和第58波 段，计算所述高光谱遥感水域图像中每个像元的叶绿素 a光谱指数值，其中，所述第64波段 的中心波长值为713nm，所述第58波段的中心波长值为679nm。 可选地，所述计算模块用于计算所述高光谱遥感水域图像中每个像元的叶绿素 a 光谱指数值包括： 所述计算模块具体用于，利用 计算所述高 光谱遥感水域图像中每个像元的叶绿素 a光谱指数值，其中，P为反射率。 可选地，所述计算模块用于计算所述高光谱遥感水域图像中每个像元的藻蓝蛋白 基线值包括： 所述计算模块具体用于，使用所述高光谱遥感水域图像中的第37波段、第49波段 和第54波段，计算所述高光谱遥感水域图像中每个像元的藻蓝蛋白基线值，其中，所述第 37波段的中心波长值为559nm、所述第49波段的中心波长值为627nm、所述第54波段的中 心波长值为656nm。 可选地，所述计算模块用于计算所述高光谱遥感水域图像中每个像元的藻蓝蛋白 基线值包括： 所述计算模块具体用于，利用 PBL = P (A3) - P (A4) + ((A4-A3) / (A5-A3)) * (P (A5) - P (A3)) 计算所述高光谱遥感水域图像中每个像元的藻蓝蛋白基线值，其中，P为反射率，A3为所 述第三波长值，A4为所述第四波长值，A5为所述第五波长值。 可选地，还包括：阈值确定模块，用于统计用户在所述高光谱遥感水域图像中选定的目标区域的参 考值之间的区别，所述目标区域包括水体区域、水华区域和水草区域，所述参考值包括叶绿 素 a光谱指数值或藻蓝蛋白基线值；并依据所述区别，确定第一阈值或第二阈值。 本申请所述的基于高光谱遥感图像的水华识别方法及装置，获取高光谱遥感水域 图像，计算所述高光谱遥感水域图像中每个像元的叶绿素 a光谱指数值和藻蓝蛋白基线 值，将叶绿素 a光谱指数值大于预设的第一阈值的像元识别为目标区域，将所述目标区域 中藻蓝蛋白基线值大于预设的第二阈值的像元识别为水华区域，因为水体的叶绿素 a光谱 指数明显小于水华和水草，而水草的藻蓝蛋白基线值明显小于水华，可见，本文档来自技高网...
【技术保护点】
一种基于高光谱遥感图像的水华识别方法，其特征在于，包括：获取高光谱遥感水域图像；计算所述高光谱遥感水域图像中每个像元的叶绿素a光谱指数值和藻蓝蛋白基线值，其中，所述叶绿素a光谱指数通过所述高光谱遥感水域图像中的第一波长值和第二波长值计算得到，叶绿素a光谱在所述第一波长值处具有反射谷，在所述第二波长值处具有发射峰；所述藻蓝蛋白基线通过所述高光谱遥感水域图像中的第三波长值、第四波长值和第五波长值计算得到，藻蓝蛋白在所述第三波长值处和所述第五波长值具有反射峰，在所述第四波长值处具有反射谷；将叶绿素a光谱指数值大于预设的第一阈值的像元识别为目标区域，所述目标区域包括水华和/或水草区域；将所述目标区域中藻蓝蛋白基线值大于预设的第二阈值的像元识别为水华区域。
【技术特征摘要】
【专利技术属性】
技术研发人员：张兵，李俊生，申茜，张方方，朱庆，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京;11
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。