海洋高光谱数据在浅海海底探测及赤潮藻类信息提取中的应用

发布时间：2020-04-03 12:59

【摘要】： 高光谱遥感是海洋遥感领域近年来发展起来的技术。随着高光谱遥感手段的广泛应用,高光谱数据信息提取方法的研究有着十分重要的意义。本文基于微分和人工神经网络两种信息提取方法,针对浅海海底类型及水深、赤潮藻类分类和反演问题分别做了定性和定量研究。 本文在研究浅海海底类型及水深问题时,利用半分析海洋辐射传递模型模拟出沙子和海草两种海底类型光学浅水的遥感反射比。首先,对得到的模拟数据做四阶微分,根据530nm和510nm两个点四阶微分值之间直线的斜率值,找出两种海底类型的不同特征,然后利用实测数据去验证。其次,将模拟数据集按照一定比例(80%和20%)分为人工神经网络训练集和测试集,建立反演海底类型和水深的人工神经网络模型。人工神经网络的输入层有31个,对应着400nm-700nm之间31个波段的遥感反射比,输出层有2个,对应着海底类型和水深。建立的模型需要用实测数据去验证。最后,基于模拟数据集建立了定量反演浅海海底类型的人工神经网络模型,输入层同样有31个,对应着400nm-700nm之间31个波段的遥感反射比,输出层有2个,对应着沙子和海草两种海底类型的百分含量。 本文在研究藻类信息提取时,首先对五种典型藻类的吸收系数进行四阶微分处理,根据670nm和650nm两个点四阶微分值之间直线的斜率值,找出了一种区分五种藻类的方法。其次,建立了反演米氏凯伦藻相对百分含量的方法,利用实测的不含米氏凯伦藻海域的浮游植物吸收系数数据,与不同条件下典型的米氏凯伦藻的吸收系数按照一定的百分含量加权相加,得到模拟数据集,建立了反演米氏凯伦藻百分含量的人工神经网络系统。将反演出的米氏凯伦藻中叶绿素a浓度与实测米氏凯伦藻的浓度做相关分析,研究表明,两者之间的线性相关性较高,这将为米氏凯伦藻浓度的定量反演提供一种新的方法。
【图文】：

长范围为 400nm～700nm，间隔 10nm；忽略了拉曼散射以及有色可溶有的影响。.2 海底底质类型海底底质类型在地质学上的分类非常复杂，不同的海底类型反射率是在海洋遥感界，海底辐照度反射率ρ被定义为水柱底部向上的辐照度与照度的比值。如图 2.1、图 2.2 和所示为Holyer[32]和Maritorena等[25]提海底底质的反射率光谱。由图中可以看到，泥沙和植物类的反射率差别很泥沙与不同植物类之间的反射率数值上有差别，但是形状相似。据此，，型分为两类：泥沙类和植物类。我们在 2006 年 6 月份选取沙子和海草作为两类海底类型的代表，利用了海底类型的模拟实验，实验内容将在（2.3.3）节具体介绍，图 2.3拟海底类型实验得到的不同海底底质的反射率光谱。本论文中将采用此。

不同藻类的反射率光谱（Maritorenaetal.，1994）
【学位授予单位】：中国海洋大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：P714

【相似文献】

相关期刊论文 前10条

1 吕良军;梁童;;基于PCA和BP的水体Chl-a含量高光谱反演方法[J];人民黄河;2011年08期

2 尹业彪;李霞;赵钊;董道瑞;;沙质土壤含水率高光谱预测模型建立及分析[J];遥感技术与应用;2011年03期

3 何中海;何彬彬;;基于权重光谱角制图的高光谱矿物填图方法[J];光谱学与光谱分析;2011年08期

4 杨燕杰;赵英俊;;航空成像光谱的蚀变信息提取技术[J];科技导报;2011年23期

5 张俊;沈亚婷;王学军;;基于高光谱吸收特征参数以及光谱吸收指数的藻类叶绿素a反演分离模型研究[J];农业环境科学学报;2011年08期

6 彭青青;杨辽;王杰;沈金祥;;基于异常探测的高光谱端元提取方法研究[J];遥感技术与应用;2011年04期

7 杨仁忠;陈敏浩;石璐;;基于CUDA的干涉型高光谱实时光谱复原处理技术[J];遥感技术与应用;2011年04期

8 李熙;陈学泓;陈晓玲;田礼乔;陈锋锐;;小波包分解支持下的高光谱混合像元盲分解[J];光子学报;2011年06期

9 贾德伟;钟仕全;李雪;彭波;;环境一号卫星高光谱数据水体信息提取方法[J];测绘科学;2011年04期

10 王大成;张东彦;赵晋陵;李存军;朱大洲;黄文江;李宇飞;杨小冬;;基于红边位置提取验证成像与非成像高光谱数据的一致性[J];光谱学与光谱分析;2011年09期

相关会议论文 前10条

1 李英杰;薛勇;光洁;何兴伟;梅林露;王颖;徐慧;艾建文;;环境小卫星高光谱数据在气溶胶定量反演及沙尘监测中的应用初探[A];第十七届中国遥感大会摘要集[C];2010年

2 刘良云;赵永超;刘团结;张霞;吴传庆;白继伟;张兵;郑兰芬;童庆禧;;利用高光谱数据反演小麦作物生化参量[A];成像光谱技术与应用研讨会论文集[C];2002年

3 陈军;杨存建;许辉熙;程曦冉;;MODIS高光谱数据的初步分析和应用探讨[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年

4 姜小光;王长耀;王成;;高光谱数据的光谱信息特点及面向对象的特征参数选择——以北京顺义区为例[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

5 汪卓琦;张立福;晏磊;;高光谱植被指数VIUPD的Matlab7.0实现[A];提高全民科学素质、建设创新型国家——2006中国科协年会论文集（下册）[C];2006年

6 李夕海;何元磊;刘代志;;高光谱寻的技术初探[A];国家安全地球物理丛书（四）——地球物理环境探测和目标信息获取与处理[C];2008年

7 董广军;;PHI高光谱数据光谱重建及城市分类应用研究[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

8 董广军;纪松;朱朝杰;;基于局部线性嵌入流形学习的高光谱影像分类技术[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

9 汪卓琦;张立福;晏磊;;高光谱植被指数VIUPD的Matlab7.0实现[A];2006中国科协年会——数字成像技术及影像材料科学学术交流会论文集[C];2006年

10 张萌;赵慧洁;李娜;;高光谱数据光谱分辨率对矿物识别的影响分析[A];2006年全国光电技术学术交流会会议文集（D 光电信息处理技术专题）[C];2006年

相关重要报纸文章 前6条

1 记者 金小平;提高国土资源调查精度和深度[N];中国矿业报;2008年

2 通讯员 陈爱萍;义长灌域管理局科研项目通过专家鉴定[N];巴彦淖尔日报(汉);2010年

3 夏鹏;加强天—空—地对地观测系统研发[N];地质勘查导报;2010年

4 通讯员 王祥峰;山东省农科院“遥感”小麦生产[N];科技日报;2009年

5 赵宏英;遥感监测水质的发展趋势[N];中国水利报;2009年

6 通讯员 相栋　栾青;山西航空遥感试验飞行试飞成功[N];中国气象报;2010年

相关博士学位论文 前10条

1 张立福;通用光谱模式分解算法及植被指数的建立[D];武汉大学;2005年

2 邢东兴;基于高光谱数据的果树理化性状信息提取研究[D];西北农林科技大学;2009年

3 卞萌;基于高光谱遥感的茶叶生物化学参数提取的研究[D];武汉大学;2010年

4 崔亚琴;油蒿灌木林钻蛀性虫灾遥感监测研究[D];北京林业大学;2012年

5 张东彦;基于高光谱成像技术的作物叶绿素信息诊断机理及方法研究[D];浙江大学;2012年

6 江辉;基于多源遥感的鄱阳湖水质参数反演与分析[D];南昌大学;2011年

7 叶成名;基于高光谱遥感的青藏高原岩矿信息提取方法与应用研究[D];成都理工大学;2011年

8 王平;农作物重金属污染胁迫遥感弱信息增强与计算[D];东北师范大学;2010年

9 王凌;苹果树花期叶/冠N、P营养状况的卫星遥感反演研究[D];山东农业大学;2012年

10 肖剑伟;水表薄油膜厚度的辐射传输模型及遥感估算研究[D];南京大学;2011年

相关硕士学位论文 前10条

1 张川;基于环境减灾卫星高光谱数据的我国北方农业干旱遥感监测技术研究[D];中国地质大学（北京）;2010年

2 芦鑫;基于高光谱数据的壁画信息提取与分析[D];北京建筑工程学院;2012年

3 李肖霞;海洋高光谱数据在浅海海底探测及赤潮藻类信息提取中的应用[D];中国海洋大学;2007年

4 徐晨威;高光谱数据库中基于特征的分类方法研究[D];华中师范大学;2011年

5 耿令朋;高光谱数据在土壤有机质填图中的应用[D];中国地质大学(北京);2012年

6 刘李;基于多光谱和高光谱数据的遥感矿化蚀变信息提取研究[D];中国地质大学（北京）;2010年

7 刘东起;基于TerraScan的多源机载数据反演森林参数[D];东北林业大学;2012年

8 胡玉玲;基于HJ-1高光谱数据的矿区植被污染监测[D];山东科技大学;2011年

9 齐文文;基于高光谱数据的民勤绿洲土壤含盐量预测[D];兰州大学;2011年

10 王琳琳;古遗址的高光谱数据信息提取方法研究[D];西北大学;2012年

本文编号：2613401