一种内陆湖库水体的藻华识别方法技术

本发明专利技术提供了一种内陆湖库水体的藻华识别方法，用于水藻监测，包括以下步骤：对预先获取的遥感反射率数据进行预处理，得到预处理结果；构建改进型浮游藻类指数公式，并与卫星遥感数据处理软件对所述预处理结果相配合计算得到改进型浮游藻类指数；将所述改进型浮游藻类指数的数值图像输入至EVNI中，以0为阈值，提取藻类覆盖范围，并计算，得到浮游藻类面积；其中所述改进型浮游藻类指数为浮游藻类指数FAI与水体指数EXPWI的差值。本发明专利技术能增加数据的标准差，扩大数据的取值范围，增加信息量。增强蓝藻信息，增大蓝藻密度较小的区域被识别出来的概率。的概率。的概率。

【技术实现步骤摘要】
一种内陆湖库水体的藻华识别方法


[0001]本专利技术属于遥感
，尤其涉及一种内陆湖库水体的藻华识别方法。

技术介绍

[0002]污染物排放的增加，湖泊富营养化愈加严重，以蓝藻水华暴发为表征的水体富营养化问题成为内陆湖泊面临的主要环境问题之一，影响着人们日程的生产生活。引起人们对控制水体中蓝藻爆发问题的研究。
[0003]遥感技术具有大范围、周期性和快速实时特点，已经成为目前大型湖泊水体水质监测最有效的措施之一。蓝藻水华暴发时绿色的藻类生物体聚集于水体表面，易受潮流、风向的影响，呈条带延伸，在遥感影像上通常呈絮状纹理结构，与周围的湖水面有显著不同。同时，水体中的叶绿素含量显著升高，使得水体反射光谱在蓝波段和红波段的吸收峰较为明显，而在近红外波段具有类似植被光谱曲线特征的“陡坡效应”。水体反射波谱特性发生变化，蓝藻水华覆盖区域光谱特征与无藻水面有较大差异。蓝藻的这种光谱特性可以由卫星探测器准确无误地记录下来。因此，可以利用卫星遥感数据监测蓝藻水华空间分布信息。
[0004]基于此，本领域技术人员如何提高遥感技术对蓝藻监测的技术效果，以更好的保护环境成为本领域技术人员亟需解决的技术问题。

技术实现思路

[0005]有鉴于此，本专利技术的目的在于提供一种能解决上述现有技术存在的问题的技术方案。
[0006]为了实现上述目的，本专利技术提供了如下技术方案：
[0007]一种内陆湖库水体的藻华识别方法，包括以下步骤：
[0008]对预先获取的遥感反射率数据进行预处理，得到预处理结果；
[0009]构建改进型浮游藻类指数公式，并与卫星遥感数据处理软件对所述预处理结果相配合计算得到改进型浮游藻类指数；
[0010]将所述改进型浮游藻类指数的数值图像输入至EVNI中，以0为阈值，提取藻类覆盖范围，并计算，得到浮游藻类面积；
[0011]其中所述改进型浮游藻类指数为浮游藻类指数FAI与水体指数EXPWI的差值。
[0012]优选的，对预先获取的遥感反射率数据进行预处理，是通过使用气象数据和瑞利散射查找表进行处理，具体包括：
①
结合定位数据和卫星影像去除云覆盖区域的样点；
②
以FAI>
‑
0.004为依据，剔除藻华覆盖样点；
③
基于卫星影像快视图，剔除太阳耀斑覆盖的样点；
④
结合采样时间和卫星过境时间数据，使用(
±
3h)的时间窗口匹配数据集。
[0013]优选的，在构建改进型浮游藻类指数公式前还包括：
[0014]对所述预处理结果进行去除水汽吸收、臭氧吸收和瑞利散射的操作。
[0015]优选的，所述浮游藻类指数FAI的获取步骤包括：
[0016]S1.利用近红外光反射率公式，计算得到所述预处理结果瑞利校正后的反射率R
rc
；
[0017]S2.利用所述卫星遥感数据处理软件，且R
rc,2130
<0.02，去除所述预处理结果中云和陆地覆盖的影像区域，提取湖泊水体；
[0018]S3.根据浮游藻类指数FAI公式和所述卫星遥感数据处理软件计算得到所述浮游藻类指数FAI。
[0019]优选的，近红外光反射率公式的表达式为：
[0020][0021]其中，R
rc.NIR
为近红外光反射率；为传感器经过辐射定标的辐射率，F0为大气层外垂直入射的太阳辐照度，是θ0为太阳天顶角，R
r
为使用6S模型估计的瑞利散射的反射率。
[0022]优选的，所述水体指数EXPWI的表达式为：
[0023][0024]其中，R
SWIR
为短波红外波段，在TM、LISS
‑
3和MODIS影像中均对应band5；R
RED
为红光波段，在TM和LISS
‑
3影像中对应band3，在MODIS影像中对应band1。
[0025]与现有技术相比，本专利技术具有如下有益效果：
[0026]本专利技术的方法能增加数据的标准差，扩大数据的取值范围，增加信息量。增强蓝藻信息，增大蓝藻密度较小的区域被识别出来的概率。
附图说明
[0027]图1为本专利技术方法流程图。
[0028]图2为本专利技术实施例结果示意图。
具体实施方式
[0029]下面结合实施例对本专利技术提供的技术方案进行详细的说明，但是不能把它们理解为对本专利技术保护范围的限定。
[0030]实施例1
[0031]本实施例公开了一种内陆湖库水体的藻华识别方法，该方法采用浮游藻类指数FAI(Floating Algae Index，式(1))与水体指数EXPWI(EXP Water Index，式(2))的差值来增强蓝藻水域与非蓝藻水域的反差。包括以下步骤：
[0032]对预先获取的遥感反射率数据进行预处理，得到预处理结果；
[0033]构建改进型浮游藻类指数公式，并与卫星遥感数据处理软件对所述预处理结果相配合计算得到改进型浮游藻类指数；
[0034]将所述改进型浮游藻类指数的数值图像输入至EVNI中，以0为阈值，提取藻类覆盖范围，并计算，得到浮游藻类面积；
[0035]其中所述改进型浮游藻类指数为浮游藻类指数FAI与水体指数EXPWI的差值。
[0036]具体地：
[0037]对预先获取的遥感反射率数据进行预处理，是通过使用气象数据和瑞利散射查找表进行处理，具体包括：
①
结合定位数据和卫星影像去除云覆盖区域的样点；
②
以FAI>
‑
0.004为依据，剔除藻华覆盖样点；
③
基于卫星影像快视图，剔除太阳耀斑覆盖的样点；
④
结
合采样时间和卫星过境时间数据，使用(
±
3h)的时间窗口匹配数据集。
[0038]在构建改进型浮游藻类指数公式前还包括：
[0039]对所述预处理结果进行去除水汽吸收、臭氧吸收和瑞利散射的操作。
[0040]所述浮游藻类指数FAI的获取步骤包括：
[0041]S1.利用近红外光反射率公式，计算得到所述预处理结果瑞利校正后的反射率R
rc
；
[0042]S2.利用所述卫星遥感数据处理软件，且R
rc,2130
<0.02，去除所述预处理结果中云和陆地覆盖的影像区域，提取湖泊水体；
[0043]S3.根据浮游藻类指数FAI公式和所述卫星遥感数据处理软件计算得到所述浮游藻类指数FAI。
[0044]FAI＝R
rc,NIR
‑
R
rc,NIR
'
ꢀꢀꢀꢀ
式(1)；
[0045]其中R
rc,NIR
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种内陆湖库水体的藻华识别方法，其特征在于，包括以下步骤：对预先获取的遥感反射率数据进行预处理，得到预处理结果；构建改进型浮游藻类指数公式，并与卫星遥感数据处理软件对所述预处理结果相配合计算得到改进型浮游藻类指数；将所述改进型浮游藻类指数的数值图像输入至EVNI中，以0为阈值，提取藻类覆盖范围，并计算，得到浮游藻类面积；其中所述改进型浮游藻类指数为浮游藻类指数FAI与水体指数EXPWI的差值。2.根据权利要求1所述的一种内陆湖库水体的藻华识别方法，其特征在于，对预先获取的遥感反射率数据进行预处理，是通过使用气象数据和瑞利散射查找表进行处理，具体包括：
①
结合定位数据和卫星影像去除云覆盖区域的样点；
②
以FAI>
‑
0.004为依据，剔除藻华覆盖样点；
③
基于卫星影像快视图，剔除太阳耀斑覆盖的样点；
④
结合采样时间和卫星过境时间数据，使用(
±
3h)的时间窗口匹配数据集。3.根据权利要求1所述的一种内陆湖库水体的藻华识别方法，其特征在于，在构建改进型浮游藻类指数公式前还包括：对所述预处理结果进行去除水汽吸收、臭氧吸收和瑞利散射的操作。4.根据权利要求1所述的一种内陆湖库水体...

【专利技术属性】
技术研发人员：马荣华，薛坤，胡旻琪，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：