我国黄、东海浒苔和马尾藻的遥感鉴别及绿潮发生过程研究

发布时间：2018-01-13 11:29

本文关键词：我国黄、东海浒苔和马尾藻的遥感鉴别及绿潮发生过程研究　出处：《华东师范大学》2014年博士论文　论文类型：学位论文

【摘要】：2007—2013年间,浒苔绿潮已连续七年在黄海海域大规模暴发,已成为该海域主要海洋生态灾害之一。近几年来,黄、东海海域漂浮马尾藻发生规模增加,马尾藻出现在原浒苔绿潮的海域,与漂浮浒苔发生混生现象,影响绿潮的遥感监测。本文开展海水、浒苔和马尾藻的现场及实验室光谱测量及分析,掌握其光谱特征差异,进行高光谱和多光谱卫星影像上浒苔和马尾藻鉴别方法研究,对2007—2013年间长时间序列的绿潮时空特征进行分析归纳,并将绿潮每年发生过程分为四个不同阶段,研究不同阶段绿潮的环境特征和识别方法。主要工作及结论如下：(1)海水、浒苔和马尾藻现场及实验室光谱测量显示,海水、浒苔和马尾藻的光谱特征差异明显；可见光波段,海水反射率一般低于浒苔和马尾藻,浒苔光谱在510-580nm波段间,形成一个反射峰波段,马尾藻反射峰在580nm-650nm波段间,浒苔和马尾藻的光谱特征在510-650nm波段间存在差异；近红外波段,浒苔和马尾藻反射率都很高,海水反射率一般很低,海水、浒苔和马尾藻光谱近红外波段差异最大。随大型藻体悬浮深度的增加,水面光谱量值减小,红光至近红外波段光谱量值降低最明显。(2)利用两景HSI高光谱卫星影像,进行大气校正等预处理过程,分析高光谱影像上浒苔和马尾藻的光谱特征差异,可以利用大型藻体特有的、连续的反射光谱结合遥感监督分类实现藻体鉴别和信息提取。(3)针对多光谱卫星影像浒苔和马尾藻的鉴别,本文采用两个步骤,第一步将海水和大型藻体(浒苔和马尾藻)分开,第二步鉴别出浒苔和马尾藻。对于第二步骤,新建了多光谱卫星影像浒苔和马尾藻的鉴别算法,即绿光藻体指数其公式为方法在HJIA/1B和Landsat 8卫星影像鉴别浒苔和马尾藻实证研究中取得了较好的效果,特别在浒苔和马尾藻混生现象中能有效鉴别出这两类藻体。(4)收集与绿潮相关的大量HJIA/IB和MODIS卫星影像资料,开展绿潮卫星遥感信息提取,对2007—2013年间长时间序列的绿潮时空特征进行了研究。结果显示,2007—2013年间,绿潮基本在每年的5-9月间出现,每年持续时段有所差异；绿潮每年都经历一次完整的发生、发展和消亡过程；绿潮的覆盖面积与分布面积年内和年际变化幅度大；绿潮基本分布于江苏盐城市至山东乳山市海域；绿潮每年至少有一次完整的源于江苏盐城向山东半岛南岸的漂移路径；2007年、2008年、2010年、2011年和2013年绿潮漂移路径偏西。(5)将每年绿潮的发生发展过程分为四个阶段,即初生期、暴发期、维持期和消亡期；比较了2008—2013年间不同阶段绿潮的12项环境要素特征。(6)依据绿潮的海洋环境监测资料,选取208个训练样本和88个测试样本,基于环境要素采用判别分析方法和支持向量机方法对不同阶段绿潮进行识别研究。结果显示,判别分析和支持向量机方法对基于环境要素的不同阶段绿潮识别率都很高,都可以作为可选择的识别方法；与判别分析方法比较,支持向量机方法在基于环境要素的不同阶段绿潮识别中优势更明显,回代检验训练样本的判别准确率由92.8%提高到99.5%,直接检验测试样本的判别准确率由92.0%提高到96.6%。通过本文的研究,我们取得了一些有意义的结论,为中高分辨率多光谱卫星影像鉴别浒苔和马尾藻提供了一种适用的技术方法,加深了对中国绿潮灾害发生规律性认识,为下一步绿潮预警预报研究奠定了基础。
[Abstract]:In the period of 2007 - 2013 , the sea water , Enteromorpha prolifera and Sargassum thunbergii have been widely used in the sea area for seven years , which has become one of the main marine ecological disasters in the sea area . In recent years , the spectral characteristics of sea water , Enteromorpha prolifera and Sargassum thunbergii have been greatly reduced . ( 3 ) For the identification of Enteromorpha prolifera and Sargassum thunbergii , two steps are adopted in this paper . The first step is to separate the sea water and the large algae bodies ( Enteromorpha and Sargassum ) , and to identify the Enteromorpha and Sargassum thunbergii in the second step . ( 6 ) Based on the marine environment monitoring data of green tide , 208 training samples and 88 test samples were selected , and the identification of green tide in different stages was studied based on the environmental factors . The results showed that the discriminant analysis and support vector machine method could be used as the alternative identification method .

【学位授予单位】：华东师范大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：X55;X87

【相似文献】