亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于無人機與衛(wèi)星圖像的大型綠藻孔石莼(Ulva pertusa)遙感估算研究

        2022-06-10 08:40:30孟苗苗鄭向陽邢前國劉海龍
        熱帶海洋學報 2022年3期
        關鍵詞:綠藻反射率波段

        孟苗苗, 鄭向陽, 邢前國, 劉海龍

        1. 中國科學院海岸帶環(huán)境過程與生態(tài)修復重點實驗室(煙臺海岸帶研究所), 山東 煙臺 264003;

        2. 中國科學院海洋大科學研究中心, 山東 青島 266071;

        3. 中國科學院大學, 北京 100049

        近二十年來, 由大型藻類暴發(fā)而導致的海洋災害在世界范圍內呈增長趨勢(Morand et al, 2005; Ye et al, 2011; Smetacek et al, 2013), 不僅危害海洋生態(tài)環(huán)境(Valiela et al, 1997), 還影響海上交通、沿海地區(qū)的觀光旅游等活動(邢前國 等, 2011)。在中國,大型藻類災害受到重視始自2008 年夏季, 時值奧運會帆船比賽前, 青島沿岸暴發(fā)了以漂浮大型綠藻滸苔(U. prolifera)為主的綠潮災害。國外, 類似的海洋大型藻類災害也在增加, 如法國 Brittany 的綠藻(Schreyers et al, 2021)、墨西哥灣與大西洋的漂浮馬尾藻帶(Wang et al, 2019; Gower et al, 2019)。

        在我國近海與海岸帶地區(qū), 黃海夏季由紫菜養(yǎng)殖導致的大規(guī)模漂浮滸苔(Liu et al, 2009; Xing et al,2019)以及冬春季黃海、東海的漂浮馬尾藻銅藻(Xing et al, 2017; Qi et al, 2017)因規(guī)模較大受到了較多關注; 以底棲為主的大型藻也常在本地局部地區(qū)形成災害或環(huán)境污染(Xing et al, 2016a; Han et al,2019), 由于在沿海分布廣泛, 其生態(tài)環(huán)境效應與資源管理問題不容忽視。

        孔石莼(U. pertusa)是一種潮間帶與淺海常見的綠色大型藻, 其出現(xiàn)與水體的高度富營養(yǎng)化密切相關??资辉跍\海以底棲為主, 能在非附著的條件下生長, 附著氣泡較多時亦可在水面呈漂浮狀??资簧L迅速, 生物量大, 常因暴發(fā)、過度聚集而形成生態(tài)災害或污染??资灰灿兄娴纳鷳B(tài)功能與資源價值, 在生長過程中可吸收大量營養(yǎng)鹽凈化水體、吸收二氧化碳, 也可作為食材、動物飼料, 或者深加工作為藥物、保健品等原材料(劉巖 等,2010)。

        使用衛(wèi)星影像能夠大范圍、同步監(jiān)測綠藻在海面上的分布狀態(tài), 為綠潮的防控提供先決條件。微波影像可以根據(jù)粗糙度信息識別出漂浮在海面的綠藻(蔣興偉 等, 2009; Shen et al, 2014), 而熱紅外影像可以根據(jù)不同的熱發(fā)射率將綠藻從海水中識別出來(Xing et al, 2015)。監(jiān)測綠藻最常用的是光學影像, 因為綠藻與陸上植被具有相似的光譜特性, 可見光波段反射率低, 紅光波段和藍光波段出現(xiàn)吸收谷, 近紅外波段出現(xiàn)反射峰(樊彥國 等, 2015), 具有典型的“紅邊效應”(安德玉 等, 2018)。早期識別綠藻的遙感算法有差值植被指數(shù)(difference vegetation index, DVI)、 比值植被指數(shù)(ratio vegetation index, RVI) 、 歸一化植被指數(shù)(normalized difference vegetation index,NDVI)(Cui et al, 2012; Xing et al, 2018), 其中NDVI 在光學影像綠藻提取中應用最為廣泛(Li et al, 2018b)。由于植被指數(shù)具有一定局限性, 又有學者提出適用于綠藻提取的指數(shù), 例如漂浮藻類指數(shù)(floating algae index, FAI)(Hu, 2009; Wang et al,2016)和虛擬基線漂浮藻類指數(shù)(virtual-baseline floating macroalgae height,VB-FAH)(Xing et al,2016a), 這些指數(shù)對太陽光、氣溶膠變化等的影響敏感性較低, 更適用于海面綠藻的提取。

        由于海面綠藻斑塊的大小可以從幾厘米到幾公里不等(Li et al, 2018a), 傳統(tǒng)的閾值提取方法屬于“硬分類”, 由于混合像元的影響, 在估算綠藻面積時存在一定誤差。針對混合像元分解的綠潮面積精細化提取, 有學者基于同步的高分辨率和低空間分辨率衛(wèi)星影像間分析了混合像元分解(丁一 等,2015), 還有學者通過實測綠藻光譜, 分析綠藻提取指數(shù)對綠藻表面覆蓋度的響應, 并建立混合像元綠藻覆蓋度估算模型(Qi et al, 2016; Li et al, 2018b)。

        本文針對孔石莼展開研究, 利用實測同步厘米級分辨率無人機數(shù)據(jù)提取的綠藻面積, 建立基于Landsat-8 數(shù)據(jù)計算的植被指數(shù)(NGRDI、NDVI和 VB-FAH)以及單波段反射率對綠藻亞像素覆蓋度的多個反演模型, 并對模型進行了驗證與評價。

        1 數(shù)據(jù)和方法

        1.1 數(shù)據(jù)及數(shù)據(jù)預處理

        1.1.1 衛(wèi)星與無人機數(shù)據(jù)采集與處理

        本文研究區(qū)域位于渤海灣沿岸, 渤海為陸表海,平均水深18m (Xing et al, 2016b), 研究區(qū)域現(xiàn)場照片如圖1a, 整個研究區(qū)海面分布有大量孔石莼, 孔石莼在海里淺水區(qū)呈現(xiàn)沉水非定生狀態(tài), 退潮時呈干出狀態(tài)(圖1b、c)。本文采用準同步的無人機影像和Landsat TM 衛(wèi)星影像開展研究, 無人機影像采集時間為2020 年10 月23 日11 時8 分, Landsat 衛(wèi)星過境時間為10 時49 分。

        無人機正射圖像采集使用大疆御Mavic 2 為搭載平臺, 其搭載的傳感器為1/2.3 英寸CMOS, 有R、G、B 三個波段。使用Pix4Dmapper 軟件對自帶GPS定位信息的無人機影像進行快速校正、拼接處理,對于無法拼接的無特征點圖像進行手動拼接處理,輸出滿足遙感解譯需求的影像產(chǎn)品, 拼接后的無人機影像如圖3c。對Landsat-8 OLI 數(shù)據(jù)首先進行輻射定標處理, 再使用FLAASH 大氣校正模型以獲取反射率數(shù)據(jù), 最后進行裁剪處理。為保證地理配準的精度, 將處理后的無人機影像與Landsat-8 影像進行比較, 選取 15 個控制點, 發(fā)現(xiàn)配準結果較好,RMSE 為0.51。

        1.1.2 高光譜數(shù)據(jù)采集與處理

        為了解孔石莼的光譜特征, 幫助選擇參與建模的指數(shù), 于2020 年11 月11 日測量了研究區(qū)域不同狀態(tài)下孔石莼的反射率。采用的光譜儀為 ASD HandHeld2, 波長范圍為325~1075nm, 光譜分辨率為1nm; 先測參考板的輻射亮度值, 再測海水與不同狀態(tài)下孔石莼的輻射亮度值, 每組重復測量3 次取平均值, 反射率計算公式為

        式中R( )λ代表被測物體的反射率,L( )λ代表地物輻射亮度值,LP( )λ代表參考板輻射亮度值,ρ( )λ是參考板的反射率。

        所測得的海水與孔石莼的反射光譜曲線如圖2所示。綠藻的光譜特征為在可見光波段反射率低,在近紅外波段反射率高, 與海水光譜的差異明顯。將綠藻光譜按照Landsat-8 OLI 傳感器第二到四波段的光譜響應函數(shù)進行重采樣處理, 發(fā)現(xiàn)其在藍、綠、紅、近紅外波段的反射率低于海水, 在近紅外波段反射率高于海水。

        1.2 方法

        1.2.1 無人機影像綠藻提取

        在無人機影像上選取一塊大小為417×435 像素的樣本區(qū), 使用動態(tài)閾值法對樣本區(qū)進行綠藻提取,以人工目視解譯結果為基準, 對比提取結果, 進行精度驗證。

        由于無人機影像只有紅、綠、藍三個波段, 因此選取4 種典型植被指數(shù): 歸一化綠紅差異指數(shù)(normalized green-red difference index, NGRDI)、歸一化綠藍差異指數(shù)(normalized green-blue difference index,NGBDI)、紅綠比值指數(shù)(red green ratio index,RGRI)、過綠指數(shù)(excess green, ExG)做綠藻提取研究, 其計算公式如下:

        式中R、G、B分別表示紅波段、綠波段和藍波段像素值。

        1.2.2 衛(wèi)星影像綠藻覆蓋面積與植被指數(shù)關系建模

        (1) 植被指數(shù)構建

        將無人機影像上綠藻的提取結果以30m×30m的矩形為單位建立網(wǎng)格, 使之對應 Landsat-8 衛(wèi)星影像的每個像素。統(tǒng)計每個像素內綠藻覆蓋面積除以該像素的總面積(900m2), 作為每個混合像元的大型綠藻覆蓋度(portion of macroalgae, POM)。根據(jù)研究區(qū)特點選取POM接近1 的像素作為典型綠藻像素,POM 接近0 的像素作為典型海水像素, 端元所在位置如圖3a 彩色標注的像素(綠色表示典型的綠藻像素, 紅色表示典型的海水像素)。分析其光譜曲線(圖4)發(fā)現(xiàn), 在可見光波段, 海水的反射率值高于綠藻, 在近紅外波段, 海水反射率值降低, 而綠藻反射率值增高。有明顯區(qū)分特征的波段是藍、綠、紅、近紅外波段。

        建立Landsat 衛(wèi)星影像混合像元POM 與光譜值之間的線性關系:y=ax+b,y為POM,x選取7 種指數(shù)參與建模分析, 分別為藍波段、綠波段、紅波段、近紅外波段的反射率與NGRDI、NDVI、VB-FAH,其計算公式如下:

        式中R為反射率, 下標NIR、RED、GREEN 分別表示近紅外、紅、綠波段。

        (2) 模型建立與驗證

        在衛(wèi)星圖像上選取兩塊同樣大小的15×12 個像素組成的區(qū)域作為樣本區(qū)與驗證區(qū), 如圖3a, 為避免配準時的精度偏差, 以3×3 個像素為窗口, 計算每個窗口內的平均POM 與每個窗口內包含的9 個像素的平均光譜反射率,在樣本區(qū)域建立 POM 與NGRDI、NDVI、VB-FAH、藍波段反射率、綠波段反射率、紅波段反射率、近紅波段反射率的回歸模型, 選取有較好線性關系的模型公式在驗證區(qū)域進行驗證, 對反演模型擬合的POM 結果與無人機影像提取結果擬合的POM 進行對比分析, 選取最好的反演模型應用到整片無人機覆蓋區(qū)域。

        2 結果與討論

        2.1 基于無人機影像的綠藻提取結果

        在無人機影像上均勻選取一定數(shù)量的綠藻與海水樣本點, 其地表像元亮度值(digital number, DN)均值曲線如圖5a 所示。發(fā)現(xiàn)綠藻在紅波段的DN 值明顯低于海水, 因此使用動態(tài)閾值法提取綠藻時選用紅波段DN 值與4 種植被指數(shù)。為了確定基于此研究區(qū)域的無人機影像提取綠藻的最佳方法, 選取一塊樣本區(qū), 以目視解譯的結果作為綠藻提取的真實結果, 對比分析5 種指數(shù)的動態(tài)閾值法提取的結果。

        不同提取方法的提取結果如圖5b 所示, 從圖中可以看出, 使用ExG 指數(shù)提取的結果噪點最多。從表1 可以看出, 監(jiān)測精度最高的是紅波段DN 值, 提取一致性達到94%, Kappa 為0.88, F1 score 為0.92。且紅波段灰度圖(圖3d)可以反映出無人機影像單個像素的POM, 為便于之后進行更精細的提取, 使用紅波段DN 值對無人機影像進行綠藻提取, 最終提取結果如圖3e 所示。

        表1 不同綠藻提取方法精度對比Tab. 1 Comparation on accuracy of green macroalgae extraction with different methods

        2.2 衛(wèi)星影像建模結果討論

        樣本區(qū)域的建模結果表明, POM 與可見光三個波段的反射率線性關系最好, 其R2都大于0.9, 與近紅外波段的線性關系最差。3 個指數(shù)中, POM 與NDVI、VB-FAH 的線性關系較好, 與NGRDI 的關系較差(圖6)。

        選用可見光三個波段所建立的模型在驗證區(qū)域進行驗證。以模型的反演結果作為估測的POM, 以無人機影像提取的結果作為真實的POM, 分析擬合結果(圖7)。從表2 可知, 使用綠波段進行反演,R2最大, 為0.92; 均方根誤差最小, 平均相對誤差也最小, 表明使用綠波段所建立的模型效果最好。

        表2 藍、綠、紅波段反演模型結果比較Tab. 2 Comparison of retrieval results for blue, green and red bands’ retrieval models

        2.3 模型適用性分析

        對Landsat 衛(wèi)星影像的陸地部分進行掩膜處理, 將綠波段反演公式應用于研究區(qū)域, 計算每個像素的POM, 衛(wèi)星影像反演的綠藻覆蓋度如圖8a 所示, 無人機影像提取結果反演的綠藻覆蓋度如圖8b 所示。

        計算得到研究區(qū)域的衛(wèi)星反演綠藻覆蓋面積為0.4883km2, 無人機影像提取的真實綠藻覆蓋面積為0.5729km2, 反演面積與真實面積的比值為0.85。反演結果雖然對部分像素綠藻覆蓋度有所低估, 但對于整體綠藻的分布有較好的反映, 可以應用于此區(qū)域綠藻覆蓋面積的估測。

        3 結論

        結合無人機低空航拍影像和Landsat-8 衛(wèi)星影像, 提出了基于NGRDI、NDVI、VB-FAH 和藍、綠、紅、近紅外波段反射率的綠藻亞像素覆蓋度估算線性模型。

        在參與新模型建模的眾多參數(shù)中, 藍、綠、紅波段反射率與綠藻亞像素覆蓋度呈現(xiàn)出更好的線性關系, 其R2分別為0.95、0.96、0.93。在驗證區(qū)域對基于此三種模型擬合的POM 結果進行驗證,其中綠波段反射率所建立的模型擬合結果最好,其R2為0.92, 均方根誤差為0.07, 平均相對誤差為10.85%。使用綠波段反射率所建立的模型應用于整個研究區(qū)域所反演的綠藻覆蓋面積與真實綠藻覆蓋面積(無人機圖像所提取的綠藻)比值為0.85。此模型可以較好地反映此研究區(qū)域的綠藻分布情況, 而對于更廣泛的海水區(qū)域, 則需要進一步研究。

        猜你喜歡
        綠藻反射率波段
        春日暖陽
        影響Mini LED板油墨層反射率的因素
        近岸水體異源遙感反射率產(chǎn)品的融合方法研究
        海洋通報(2022年4期)2022-10-10 07:40:26
        具有顏色恒常性的光譜反射率重建
        香榧綠藻的生物學特性及物種鑒定
        無綠藻的微生物學特性和菌種鑒定
        化學腐蝕硅表面結構反射率影響因素的研究*
        電子器件(2017年2期)2017-04-25 08:58:37
        全球近10年無綠藻病例報道文獻的回顧
        以成長為主題解讀《窗燈》
        M87的多波段輻射過程及其能譜擬合
        日本免费在线不卡一区二区| 亚洲国产成人久久综合一区77| 一区二区无码精油按摩| 啪啪无码人妻丰满熟妇| 91精品全国免费观看青青| 国产在线视频h| 日本午夜a级理论片在线播放| 激情人妻另类人妻伦| 亚洲av无码一区东京热| 国内精品久久久久久中文字幕 | 国产亚洲精品一品二品| 国产毛片视频一区二区| 欧洲美女熟乱av| 欧美日韩中文国产一区发布| 午夜探花在线观看| 亚洲无AV码一区二区三区| 精品日本一区二区视频| 蓝蓝的天空,白白的云| 黄片视频免费观看蜜桃| 国产精品欧美一区二区三区| 76少妇精品导航| 国产成人亚洲综合无码精品| 久久久久久人妻一区精品| 伊人久久大香线蕉av最新午夜| 日韩人妖视频一区二区| 国产成本人片无码免费2020| 亚洲日韩精品欧美一区二区三区不卡| 国产精品久久久久久久久久影院| 91精品国产九色综合久久香蕉| 精品国产午夜肉伦伦影院| 中文天堂国产最新| 亚洲国产精品尤物yw在线观看| 一区二区视频观看在线| 美女被插到高潮嗷嗷叫| 亚洲国产色一区二区三区| 男女性高爱潮免费网站| 国产高清无码在线| 国产激情免费观看视频| 亚洲国产精品情侣视频| 久久久国产乱子伦精品| 丝袜足控一区二区三区|