多源海洋遥感叶绿素数据融合

发布时间：2021-11-19 13:56

　　叶绿素α（chlorophyll-α）是一个关键的水色要素,掌握叶绿素α的含量及变化情况对保护水体及维护生态环境质量具有重要意义。针对国内外相关科研机构生产的海洋叶绿素α融合产品存在精度低、覆盖率低、时间跨度短等问题,收集整理了1998—2017年的MODIS-Aqua、MODIS-Terra、MERIS、SeaWIFS、VIIRS共5个传感器的叶绿素α浓度数据,构建了小波变换与Kalman滤波技术相结合的多源遥感数据融合算法,完成了全球叶绿素α数据的融合,开展了融合产品的均值、方差和信息量的分析,并进行了融合产品与实测数据、欧空局（European Space Agency,ESA）的GSM（Garver-Siegel-Maritorena）产品的对比分析。结果显示,本文的融合产品与实测数据相关性达到60%;与实测值和欧空局的GSM产品对比分析中,融合产品的数据可利用率为60%,而欧空局的GSM产品的数据可利用率为30%左右,融合产品与实测值的相关性为0.792 2,而GSM与实测值的相关性为0.349 4,均低于本文的融合产品。 

【文章来源】：遥感信息. 2020,35(03)北大核心CSCD

【文章页数】：6 页

【部分图文】：

多年融合产品均值对比

2）方差分析。通过分析全球叶绿素α融合产品方差（图2），可知融合产品的方差曲线拟合性很好，曲线变化趋势一致，说明融合产品质量稳定，没有缺失数据存在，其中方差最小的是第1组数据，说明该组数据稳定性最好。3）信息量分析。信息量反映的是图像本身所含信息的丰富程度。对融合产品信息量进行分析（图3),3组数据中信息量的曲线变化趋势一致，说明在全年或者长时间的数据中，信息量的变化是一致的，在特定的时间信息量会增大，而在其他时间就会减少。信息量最大的是第3组数据，其次是第2组数据，最后是第1组数据。

3）信息量分析。信息量反映的是图像本身所含信息的丰富程度。对融合产品信息量进行分析（图3),3组数据中信息量的曲线变化趋势一致，说明在全年或者长时间的数据中，信息量的变化是一致的，在特定的时间信息量会增大，而在其他时间就会减少。信息量最大的是第3组数据，其次是第2组数据，最后是第1组数据。3.2 全球叶绿素α浓度融合产品的验证

【参考文献】：
期刊论文
[1]基于二进小波变换的遥感图像融合方法[J]. 古丽米热·米吉提,吐尔洪江·阿布都克力木.  新疆师范大学学报(自然科学版). 2017(04)
[2]多源遥感数据融合研究综述[J]. 张灵凯,于良.  城市地理. 2017(02)
[3]基于客观分析的多源卫星叶绿素a浓度产品融合方法研究[J]. 施英妮,张亭禄,石立坚,胡晓华,南明星.  海洋学报. 2016(03)
[4]结合小波变换和HIS变换的遥感图像融合方法[J]. 刘炜.  软件导刊. 2015(09)
[5]多卫星传感器南海叶绿素a浓度遥感数据融合[J]. 李新星,张亭禄,田林,王晓菲,刘金刚.  遥感学报. 2015(04)
[6]基于小波变换的遥感图像融合方法研究[J]. 辛亚楠,邓磊.  激光与光电子学进展. 2013(02)
[7]基于自适应加权平均的水色遥感数据融合[J]. 陈芸芝,汪小钦,吴波,孙丽雅.  遥感技术与应用. 2012(03)
[8]小波理论在遥感图像融合中应用[J]. 王胜利,余学祥,杨然.  北京测绘. 2008(03)

硕士论文
[1]不同融合方法及空间分辨率对遥感影像融合质量影响的研究[D]. 黄青霞.昆明理工大学 2013
[2]海水透明度的卫星遥感反演及其多传感器融合方法[D]. 田林.中国海洋大学 2013
[3]遥感图像融合技术及应用方法研究[D]. 李微微.燕山大学 2012
[4]多源遥感图像像素级融合方法研究[D]. 刘丽.湖南大学 2005



本文编号：3505184