基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法技术

本发明专利技术的实施例提供了一种基于HY‑1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，涉及藻类识别技术领域。所述方法包括：获取HY‑1C卫星的CZI的L1B数据；根据所述L1B数据，计算出NDVI、GFAI和DGFAI；根据所述NDVI、所述GFAI和所述DGFAI，判断海上大型漂浮藻类的类型。该方法根据HY‑1C卫星的CZI的L1B数据，自动识别藻类的类型，无需短波红外波段数据的信息，无需目视解译的主观判断，识别准确率高，识别效率高。

【技术实现步骤摘要】
基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法
本专利技术涉及藻类识别
，具体而言，涉及一种基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法。
技术介绍
海上大型藻类的卫星遥感主要以海上大型藻类“有”与“无”的识别为主。使用较广泛的判别方法主要有：(1)归一化植被指数(英文简称：“NDVI”)判别法。该方法应用较广，是利用卫星近红外和红光波段的反射率计算NDVI，设定阈值，将NDVI大于阈值的海洋目标判定为海上大型漂浮藻类；(2)漂浮藻类指数法(英文名：FloatingAlgaeIndex，简称：“FAI”)。该方法利用红光、近红外和短波红外波段反射率，计算近红外波段反射率相对于红光与短波红外反射率基线的高度，该高度定义为FAI，根据FAI的值判定观测地物是否为海上漂浮藻类。该方法的优点是具对海洋环境和观测条件不敏感。(3)最大叶绿素指数法(英文名：MaximumChlorophyllIndex)，该方法是针对MERIS提出的一种判别墨西哥湾等海区的大型海藻的方法，是计算遥感数据波长为70本文档来自技高网...

【技术保护点】
1.一种基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，其特征在于，所述方法包括：/n获取HY-1C卫星的CZI的L1B数据；/n根据所述L1B数据，计算出NDVI、GFAI和DGFAI；/n根据所述NDVI、所述GFAI和所述DGFAI，判断海上大型漂浮藻类的类型。/n

【技术特征摘要】
1.一种基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，其特征在于，所述方法包括：
获取HY-1C卫星的CZI的L1B数据；
根据所述L1B数据，计算出NDVI、GFAI和DGFAI；
根据所述NDVI、所述GFAI和所述DGFAI，判断海上大型漂浮藻类的类型。


2.根据权利要求1所述的基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，其特征在于，所述L1B数据包括辐亮度和太阳天顶角，所述根据所述L1B数据，计算出NDVI、GFAI和DGFAI的步骤包括：
根据所述辐亮度和所述太阳天顶角，计算出波段的反射率；
根据所述反射率，计算出所述NDVI。


3.根据权利要求1所述的基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，其特征在于，所述根据所述L1B数据，计算出NDVI、GFAI和DGFAI的步骤包括：
从所述L1B数据中获取波段经过大气瑞利散射校正后的反射比Rrc；
根据所述反射比Rrc，计算出所述GFAI；
根据所述GFAI，计算出所述DGFAI。


4.根据权利要求1所述的基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，其特征在于，所述根据所述NDVI、所述GFAI和所述DGFAI，判断海上大型漂浮藻类的类型的步骤包括：
判断是否NDVI≥NDVIA，其中，NDVIA为第一阈值；
当NDVI≥NDVIA时，判定漂浮物为藻类。


5.根据权利要求4所述的基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，其特征在于，所述判定漂浮物为藻类的步骤之后，包括：
判断是否DGFAI<0且GFAI<0.003Sr-1；
当DGFAI<0且GFAI<0.003Sr-1时，判定藻类为马尾藻。


6.根据权利要求5所述的基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法，其特征在于，所述判断是否DGFAI<0且GFAI<0.003Sr-1的步...

【专利技术属性】
技术研发人员：林明森，叶小敏，宋庆君，丁静，刘金普，
申请(专利权)人：国家卫星海洋应用中心，
类型：发明
国别省市：北京;11