主被动遥感融合的浅海水深探测方法、设备及存储介质技术

本发明专利技术提出一种主被动遥感融合的浅海水深探测方法、设备及存储介质。该方法针对目标浅海区域，收集多期多光谱遥感影像(被动遥感)和激光卫星测深数据(主动遥感)，充分利用每期影像的有效光谱信息；通过逐像元的中值统计分析，克服多光谱遥感影像复杂光路以及云层、耀光、波浪和船只等不稳定因素的影响，获得像元尺度的水深指数清晰影像；结合激光卫星测深数据构建二次函数水深反演模型，完成目标区域的逐像元水深探测。本发明专利技术构建的浅海水深探测方法利用主动遥感数据和被动遥感数据，消除了复杂光路以及水面不稳定因素的影响，实现了无控条件下的目标区域浅海水深的高效探测。条件下的目标区域浅海水深的高效探测。条件下的目标区域浅海水深的高效探测。

【技术实现步骤摘要】
主被动遥感融合的浅海水深探测方法、设备及存储介质


[0001]本专利技术涉及遥感技术应用和浅海水深监测领域，涉及一种浅海水深探测方法、设备及存储介质，尤其涉及一种主被动遥感融合的浅海水深探测方法、设备及存储介质。

技术介绍

[0002]浅海水深测量是海洋资源开发和管理的重要组成部分，对于保障海洋生态环境的稳定和促进海洋经济的可持续发展具有重要作用。水深变化是影响海洋环境和生态系统的重要因素之一，而全球气候变化、海平面上升、人类活动等都可能导致浅海水深发生变化，从而对海洋环境和生态系统造成威胁和挑战。由于浅海水深测量需要投入大量的人力、物力和财力，传统的测量方法效率低下且成本高昂，因此需要开发一种主被动遥感融合的浅海水深探测方法，以实现对浅海水深的快速、准确和全面监测。这样的方法将会在海洋资源开发和保护方面起到至关重要的作用。
[0003]随着遥感技术的出现和发展，通过遥感手段反演浅海水深具有高时空分辨率、自动化程度高、非接触性、可持续性等优势，遥感技术已经被广泛应用与水深反演，从而生产水深遥感产品。光学卫星水深测量方法通常适用于0
‑
20米的水深范围，其方法大致可分为两类：传统的多光谱经验模型和半解析模型。传统经验模型主要包括基本的线性模型和比值转换模型，虽然这些方法已经被广泛应用，但也依赖于实际测量数据的支持。半解析模型主要基于辐射传输理论，并且可以推断出水深而无需实际测量数据，然而，它们需要极高的成像条件和成像质量。这些方法都使用单个或非常少量的光学图像，这意味着光学图像的质量代表了该方法的局限性，获取高质量的图像已成为一项困难的任务。因此迫切需要一种主被动遥感融合的浅海水深探测方法。
[0004]本专利技术针对浅海水深测量的需求，基于多期多光谱遥感影像，充分利用每期的多光谱遥感影像信息结合激光卫星测深数据，提出了一种主被动遥感融合的浅海水深探测方法。

技术实现思路

[0005]针对上述现有技术的不足，本专利技术提供了一种主被动遥感融合的浅海水深探测方法。具体内容如下：
[0006]一种主被动遥感融合的浅海水深探测方法，包括以下步骤：
[0007](1)根据目标区域筛选出多期多光谱遥感影像的地表反射率数据和激光卫星测深数据；
[0008](2)对每期多光谱遥感影像的地表反射率数据进行云掩膜和耀光校正，对激光卫星测深数据进行预处理；
[0009](3)针对每一期影像，逐像元计算水深指数；
[0010](4)逐像元统计多期影像的水深指数并进行排序，选取其中的中位数作为该像元的水深指数中值，统计目标区域全部像元的水深指数中值，合成一景水深指数中值影像,有
效利用了多期影像的每个像元，消除了复杂光路带来的影响；
[0011](5)基于水深指数中值和预处理后的激光卫星测深数据构建二次函数反演模型，通过对模型的训练和优化，得到一组最优模型系数；
[0012](6)将最优模型系数和一景水深指数中值影像输入二次函数反演模型，逐像元反演整个目标区域浅海水深，得到目标区域的浅海水深探测结果。
[0013]进一步的，步骤(1)所述地表反射率数据包括蓝波段、绿波段和近红外波段的地表反射率，所述激光卫星测深数据来自于ICESat
‑
2(Ice,Cloud,and Land Elevation Satellite
‑
2)，其轨道数据须与目标浅海区域有相交。
[0014]进一步的，步骤(2)所述预处理包括去噪和折射矫正，并将预处理后的激光卫星测深数据按9:1的比例随机分为训练数据集和验证数据集。
[0015]进一步的，步骤(3)所述水深指数的计算公式为：
[0016][0017]其中W为水深指数，n为固定系数；BlueSG、GreenSG分别是该像元对应的经过耀光处理后的蓝波段、绿波段地表反射率。
[0018]进一步的，步骤(5)所述二次函数反演模型公式为
[0019]H＝a
×
W
md2
+b
×
W
md
+c
[0020]其中H为激光卫星测深数据，W
md
为水深指数中值，a、b、c分别为该二次函数的系数；所述最优模型系数的求解方法为最小二乘法。
[0021]一种计算机设备，所述设备包括：
[0022]一个或多个处理器；
[0023]存储器，用于存储一个或多个程序；
[0024]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述主被动遥感融合的浅海水深探测方法。
[0025]一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述主被动遥感融合的浅海水深探测方法。
[0026]本专利技术针对海洋环境监测和资源管理等领域的需求，提出了一种基于多期遥感影像水深指数中值的主被动遥感融合的浅海水深探测方法。基于多期多光谱遥感影像，充分利用每期遥感影像的光谱信息，通过合成一景以水深指数中值为代表的影像，消除了复杂光路以及云、破浪、船舶等水面不稳定因素的影响，同时提高了水深反演的精度，构建了基于水深指数中值和激光卫星测深数据的二次函数模型，通过以最小二乘法为原则的模型训练，获得适合目标区域的浅海水深遥感探测模型，从而实现整个目标区域的浅海水深探测。本专利技术旨在解决传统水深测量方法的局限性和低效性，并为海洋资源的开发和保护提供可靠的技术支持，具有极大实用价值。本专利技术为浅海水深遥感探测提供了一种高效便利的方式，是遥感信息技术应用方面的一项创新，是对浅海水深遥感探测方法的一个有益补充。
附图说明
[0027]图1是本专利技术实施例的一种流程示意图。
[0028]图2是武索武索礁激光卫星测深数据的剖面散点图。
[0029]图3是武索武索礁水深指数中值影像。
[0030]图4是武索武索礁水深反演图。
[0031]图5是水深反演结果的精度评价散点图。
[0032]图6是本专利技术对比例不同影像数量反演精度的箱型图。
[0033]图7是单期影像与多期影像反演水深对比图。
具体实施方式
[0034]本专利技术通过以下技术方案实现：
[0035]一种主被动遥感融合的浅海水深探测方法，其包括以下步骤：
[0036](1)根据目标区域筛选出多期多光谱遥感影像的地表反射率数据和激光卫星测深数据；
[0037](2)对每期多光谱遥感影像的地表反射率数据进行云掩膜和耀光校正，对激光卫星测深数据进行预处理；
[0038](3)对每一期影像，逐像元计算的水深指数；
[0039](4)逐像元统计多期影像的水深指数并进行排序，选取其中的中位数作为该像元的水深指数中值，统计目标区域全部像元的水深指数中值，合成一景水深指数中值影像；
[0040](5)基于水深指数中值和预处理后的的卫星测深水深数据构建二次函数反演模型进行训练，通过最小二乘法拟合出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.主被动遥感融合的浅海水深探测方法，其特征在于，包括以下步骤：(1)根据目标区域筛选出多期多光谱遥感影像的地表反射率数据和激光卫星测深数据；(2)对每期多光谱遥感影像的地表反射率数据进行云掩膜和耀光校正，对激光卫星测深数据进行预处理；(3)针对每一期影像，逐像元计算水深指数；(4)逐像元统计多期影像的水深指数并进行排序，选取其中的中位数作为该像元的水深指数中值，统计目标区域全部像元的水深指数中值，合成一景水深指数中值影像；(5)基于水深指数中值和预处理后的激光卫星测深数据构建二次函数反演模型，通过对模型的训练和优化，得到一组最优模型系数；(6)将最优模型系数和一景水深指数中值影像输入二次函数反演模型，逐像元反演整个目标区域浅海水深，得到目标区域的浅海水深探测结果。2.根据权利要求1所述的主被动遥感融合的浅海水深探测方法，其特征在于，步骤(1)所述地表反射率数据包括蓝波段、绿波段和近红外波段的地表反射率，所述激光卫星测深数据来自于ICESat
‑
2，其轨道数据须与目标浅海区域有相交。3.根据权利要求1所述的主被动遥感融合的浅海水深探测方法，其特征在于，步骤(2)所述预处理包括去噪和折射矫正，并将预处理后的激光卫星测深数据按9:1的比例随机分为训练数据...

【专利技术属性】
技术研发人员：张华国，韩通，曹雯婷，王隽，厉冬玲，
申请(专利权)人：自然资源部第二海洋研究所，
类型：发明
国别省市：