一种基于遥感影像获取海草床碳汇量的方法、装置及设备制造方法及图纸

一种基于遥感影像获取海草床碳汇量的方法、装置及设备，涉及海洋图像处理技术领域，该方法包括如下操作：步骤一：获取遥感影像数据集和叶绿素a浓度数据，融合处理后，获得海草床数据集；步骤二：分割处理所述海草床数据集，获得海草床标记数据集；步骤三：分类提取所述海草床标记数据集，获得海草面积；步骤四：基于所述海草面积和海草释氧量，获得海草床碳汇量。以遥感影像数据为主体，增加叶绿素a浓度数据作为辅助条件，相对于传统方法，提高了获取数据的准确度，在保证了计算结果准确的基础上，节约了人工成本、缩短了计算周期，可大力推广使用。使用。使用。

【技术实现步骤摘要】
一种基于遥感影像获取海草床碳汇量的方法、装置及设备


[0001]本专利技术涉及海洋图像处理
，具体为一种基于遥感影像获取海草床碳汇量的方法、装置及设备。

技术介绍

[0002]海洋在固碳方面扮演着重要的角色，促进海洋碳汇发展，是实现碳中和目标的重要路径，而科学准确地核算海洋碳汇，对推动海洋碳汇发展有着重要意义。
[0003]海草床作为海洋碳汇中的重要组成部分，具有很强的碳汇能力，甚至超过了许多陆地生态系统。同时，人类活动的破坏会对海草的固碳能力产生负面影响，会影响其根茎中存储的碳水化合物和淀粉的储量。
[0004]海草通常生长在沿海环境中，易受人为活动的影响，例如污水处理、海水养殖、螺旋桨活动、富营养化等，这些人为活动会威胁着它们的生态系统，并可能导致其消失。
[0005]因此，海草床生态系统需要得到保护，而首要工作就是对现有海草床碳储量摸查，从而推动海洋碳汇发展，实现碳中和。
[0006]由于传统的碳汇量核算方法，需要人工进行，存在效率低、成本高、实时性差等缺点；同时受海域天气及地理情况等复杂因素，该现有方法具有较大的应用局限性；另外，人工勘测也会对海草床生态环境产生一定破坏性。
[0007]遥感技术的出现，能够为科学研究提供了大量遥感影像，将遥感技术应用在海洋领域，可为海草床研究提供便利。

技术实现思路

[0008]本专利技术的目的是提出一种基于遥感影像获取海草床碳汇量的方法、装置及设备。
[0009]本专利技术技术方案如下：本专利技术提供一种基于遥感影像获取海草床碳汇量的方法，包括如下操作：步骤一：获取遥感影像数据集和叶绿素a浓度数据，融合处理后，获得海草床数据集；步骤二：分割处理所述海草床数据集，获得海草床标记数据集；步骤三：分类提取所述海草床标记数据集，获得海草面积；步骤四：基于所述海草面积和海草释氧量，获得海草床碳汇量。
[0010]如上所述的方法，所述步骤一的操作具体为：获取遥感影像数据集和叶绿素a浓度数据，预处理所述遥感影像数据集，然后和所述叶绿素a浓度数据经裁剪成相同像素大小后，基于地理坐标形成关联，获得所述海草床数据集。
[0011]其中，所述预处理为：获取所述遥感影像数据集的真实反射率数据，接着消除大气散射、吸收、反射引起的误差，然后获取地理坐标定位。
[0012]如上所述的方法，所述步骤二的分割处理操作具体为：使用第一海草床数据集训练神经网络，得到训练的神经网络，然后利用所述训练的神经网络分割处理步骤一中所述
的海草床数据集，获得所述海草床标记数据集。
[0013]其中，所述利用训练的神经网络分割处理海草床数据集之后，还包括将所述海草床标记数据集依次经二维Gabor滤波器和局部线性嵌入算法进行特征提取处理。
[0014]如上所述的方法，所述海草床碳汇量Q
all
可以通过以下公式计算得到，为氧气密度，s
i
为海草面积，为海草叶片平均宽度，h
i
为海草平均高度，N为海草种类总数；，O为所述海草释氧量。
[0015]其中，所述海草面积s
i
可以通过以下公式计算得到：，q
ia
为转移概率，P
a
为判读点数比，S为海草床面积，m为实测点数总数。
[0016]本专利技术提供一种基于遥感影像获取海草床碳汇量的装置，包括：海草床数据集生成模块，用于处理遥感影像数据集和叶绿素a浓度数据，获得海草床数据集；海草床标记数据集生成模块，用于处理所述海草床数据集，获得海草床标记数据集；海草面积生成模块，用于处理所述海草床标记数据集，获得海草面积；海草床碳汇量生成模块，用于处理所述海草面积和海草释氧量，获得海草床碳汇量。
[0017]本专利技术提供一种基于遥感影像获取海草床碳汇量的设备，包括处理器和存储器，其中，所述处理器执行所述存储器中保存的计算机程序时实现上述的一种基于遥感影像获取海草床碳汇量的方法。
[0018]本专利技术提供一种计算机可读存储介质，用于存储计算机程序，其中，所述计算机程序被处理器执行时实现上述的一种基于遥感影像获取海草床碳汇量的方法。
[0019]本专利技术的有益效果在于：本专利技术提供的一种基于遥感影像获取海草床碳汇量的方法，基于遥感影像数据集和叶绿素a浓度数据，融合即分割处理后，获得海草床标记数据集，接着基于海草床标记数据集获取海草面积，然后结合海草耗氧量获得海草床碳汇量，以遥感影像数据为主体，增加叶绿素a浓度数据作为辅助条件，相对于传统方法，提高了获取数据的精确度，在保证了计算结果准确的基础上，节约了人工成本、缩短了计算周期，可大力推广使用；本专利技术提供的一种基于遥感影像获取海草床碳汇量的方法，利用二维Gabor滤波器和局部线性嵌入算法特征提取海草床标记数据集，使获得的海草床标记数据集具有更好的可识别性，提升了海草碳汇量和海草床碳汇量结果的准确性。
附图说明
[0020]通过阅读下文优选实施方式的详细描述，本申请的方案和优点对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。
[0021]在附图中：图1为实施例中方法的流程示意图；
图2为实施例中装置的结构示意图；图3为实施例中设备的结构示意图。
具体实施方式
[0022]下面将结合附图更详细地描述本公开的示例性实施方式。
[0023]本实施例提供了一种基于遥感影像获取海草床碳汇量的方法，参见图1，包括以下步骤：步骤一：获取遥感影像数据集和叶绿素a浓度数据，融合处理后，获得海草床数据集；步骤二：分割处理所述海草床数据集，获得海草床标记数据集；步骤三：分类提取所述海草床标记数据集，获得海草面积；步骤四：基于所述海草面积和海草释氧量，获得海草床碳汇量。
[0024]1 获取遥感影像数据集和叶绿素a浓度数据。从遥感数据网站获取遥感影像数据集和叶绿素a浓度数据。其中，遥感影像数据集具体为Modis多光谱遥感影像数据集，相对应的如相同区域、相同比例尺、相同时间等的叶绿素a浓度数据为L2级海水表面叶绿素a浓度数据。
[0025]2 获取海草床数据集。基于上述获取的遥感影像数据集和叶绿素a浓度数据，将两者进行融合处理，可以得到海草床数据集。具体为，获取遥感影像数据集和叶绿素a浓度数据后，先预处理遥感影像数据集，然后和叶绿素a浓度数据经掩模裁剪后，获得海草床数据集。
[0026]2.1 预处理遥感影像数据集。在预处理遥感影像数据集的操作中，首先获取所述遥感影像数据集的真实反射率数据，接着消除大气散射、吸收、反射引起的误差，然后获取地理坐标定位。
[0027]具体为，首先对Modis多光谱遥感数据集进行辐射标定，获取真实反射率数据；接着，进行大气校正，以消除大气散射、吸收、反射引起的误差；然后，进行几何校正，对辐射标定和大气校正后的遥感影像数据集进行地理坐标定位，可获取数据集中准确的地理坐标信息。
[0028]上述操作可以采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遥感影像获取海草床碳汇量的方法，其特征在于，包括如下操作：步骤一：获取遥感影像数据集和叶绿素a浓度数据，融合处理后，获得海草床数据集；步骤二：分割处理所述海草床数据集，获得海草床标记数据集；步骤三：分类提取所述海草床标记数据集，获得海草面积；步骤四：基于所述海草面积和海草释氧量，获得海草床碳汇量。2.根据权利要求1所述的方法，其特征在于，所述步骤一的操作具体为：获取遥感影像数据集和叶绿素a浓度数据，预处理所述遥感影像数据集，然后和所述叶绿素a浓度数据经裁剪成相同像素大小后，基于地理坐标形成关联，获得所述海草床数据集。3.根据权利要求2所述的方法，其特征在于，所述预处理为：获取所述遥感影像数据集的真实反射率数据，接着消除大气散射、吸收、反射引起的误差，然后获取地理坐标定位。4.根据权利要求1所述的方法，其特征在于，所述步骤二的分割处理操作具体为：使用第一海草床数据集训练神经网络，得到训练的神经网络，然后利用所述训练的神经网络分割处理步骤一中所述的海草床数据集，获得所述海草床标记数据集。5.根据权利要求4所述的方法，其特征在于，所述利用训练的神经网络分割处理海草床数据集之后，还包括将所述海草床标记数据集依次经二维Gabor滤波器和局部线性嵌入算法进行特征提取处理。6.根据权利要求1所述的方法，其特征在于，所述...

【专利技术属性】
技术研发人员：秦华伟，刘兆伟，张明亮，卢喜郎，辛荣玉，张娟，李志林，马元庆，刘爱英，邢红艳，
申请(专利权)人：烟台大学，
类型：发明
国别省市：