基于MODIS数据黄海绿潮覆盖面积精细化提取
本文选题:黄海 切入点:绿潮 出处:《激光生物学报》2017年01期 论文类型:期刊论文
【摘要】:针对MODIS数据绿潮提取存在大量混合像元导致绿潮覆盖面积偏大这一问题,基于3 m分辨率的机载SAR高分影像,结合归一化植被指数(NDVI),对MODIS研究区中大于NDVI阈值的像元进行混合像元分解得到绿潮的"覆盖面积";获取的准同步3 m机载SAR提取的绿潮面积为"真实值",然后建立二者之间的关系模型,并选取不同的样本区域对该模型进行了验证。实验结果表明:NDVI等传统算法所提取的绿潮覆盖面积约为"真实值"的2.68倍;基于混合像元分解的方法所提取的绿潮面积较"真实值"偏小,约为"真值"的0.56倍;与传统的NDVI等多波段比值法相比,该精细化模型方法提取的绿潮覆盖面积更接近于"真实值",与"真实值"误差仅为6.7%。
[Abstract]:In order to solve the problem that a large number of mixed pixels lead to a large green tide coverage area in MODIS data extraction, the airborne SAR high score image based on 3 m resolution is proposed. Combined with normalized vegetation index (NDVI), the mixed pixel decomposition of pixels larger than NDVI threshold in MODIS study area is used to obtain the "coverage area" of green tide, and the area of green tide extracted by quasi-synchronous 3 m airborne SAR is "real value", and then constructed. Establish a model of the relationship between the two, The model is verified by selecting different sample areas. The experimental results show that the green cover area extracted by the traditional algorithms such as: NDVI is about 2.68 times of the "true value". The area of green tide extracted by the method based on mixed pixel decomposition is smaller than that of "true value", which is about 0.56 times that of "true value", which is compared with the traditional multi-band ratio method such as NDVI. The green cover area extracted by the refined model method is closer to the "real value", and the error between the "true value" and the "true value" is only 6.7.
【作者单位】: 中国石油大学地球科学与技术学院;
【基金】:国家自然科学基金“主被动光学遥感探测水下悬浮绿潮”(41476159);国家自然科学基金“海洋灾害大数据分析的系统模型研究及应用”(41476101)
【分类号】:X55;X87
【相似文献】
相关期刊论文 前10条
1 张彦,邵美珍;基于径向基函数神经网络的混合像元分解[J];遥感学报;2002年04期
2 唐世浩,朱启疆,李小文,王锦地,阎广建;高光谱与多角度数据联合进行混合像元分解研究[J];遥感学报;2003年03期
3 赵小锋;邱全毅;;4种混合像元分解方法在沿海丘陵城市地表组分分析中的比较研究[J];遥感技术与应用;2009年06期
4 詹锡兰;吴波;;一种基于高斯马尔可夫随机场模型的混合像元分解方法[J];福州大学学报(自然科学版);2011年01期
5 吕长春,王忠武,钱少猛;混合像元分解模型综述[J];遥感信息;2003年03期
6 崔雨勇;曾致远;付必涛;毛典辉;;基于边界提取的混合像元分解[J];人民长江;2008年08期
7 范渭亮;杜华强;周国模;徐小军;崔瑞蕊;董德进;;模拟真实场景的混合像元分解[J];遥感学报;2010年06期
8 吴波;周小成;高海燕;;面向混合像元分解的光谱维小波特征提取[J];华侨大学学报(自然科学版);2008年01期
9 张子石;潘聪;陈红顺;;基于有监督模糊C-均值算法的混合像元分解[J];遥感技术与应用;2009年06期
10 马雪梅;陈亮;俞冰;徐锋;;基于决策树和混合像元分解的城市扩张分类[J];测绘通报;2006年10期
相关会议论文 前8条
1 王强;黄楠;;混合像元分解研究综述[A];中国地理信息系统协会第四次会员代表大会暨第十一届年会论文集[C];2007年
2 胡霞;雷星松;;基于时序的遥感影像混合像元分解模型的研究[A];第十七届中国遥感大会摘要集[C];2010年
3 张良培;丛浩;;一种可选端元的混合像元分解方法[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
4 俞晨;邹伟;余先川;;遥感图像混合像元分解方法研究[A];第十二届全国图象图形学学术会议论文集[C];2005年
5 魏一苇;黄世奇;;高光谱混合像元分解技术研究综述[A];国家安全地球物理丛书(九)——防灾减灾与国家安全[C];2013年
6 魏一苇;黄世奇;刘代志;;基于独立成分分析的高光谱混合像元分解方法[A];国家安全地球物理丛书(八)——遥感地球物理与国家安全[C];2012年
7 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];中国遥感应用协会2010年会暨区域遥感发展与产业高层论坛论文集[C];2010年
8 邓书斌;陈秋锦;;基于MTMF的混合像元分解方法研究[A];第十七届中国遥感大会摘要集[C];2010年
相关博士学位论文 前4条
1 孔祥兵;基于同质区分析的高光谱影像混合像元分解[D];武汉大学;2012年
2 李二森;高光谱遥感图像混合像元分解的理论与算法研究[D];解放军信息工程大学;2011年
3 李华丽;高光谱遥感影像自动混合像元分解研究[D];武汉大学;2012年
4 许菡;遥感影像混合像元分解新方法及应用研究[D];首都师范大学;2013年
相关硕士学位论文 前10条
1 徐双双;基于混合像元分解的高光谱图像去雾方法的研究[D];南京理工大学;2015年
2 韩威宏;基于混合像元分解的遥感产品真实性检验研究[D];电子科技大学;2014年
3 辛蕾;绿潮卫星遥感监测方法精细化研究[D];中国海洋大学;2014年
4 吴明艳;部分植被覆盖下的土壤盐分高光谱遥感反演[D];东南大学;2015年
5 郭阳;联合近似稀疏和全变差正则化的高光谱影像混合像元分解[D];江西科技师范大学;2015年
6 李耀辉;风云气象数据在农情定量监测中的应用研究[D];郑州大学;2016年
7 孔美美;基于混合像元分解的水体提取及变化监测研究[D];华侨大学;2016年
8 崔媛;高光谱图像混合像元分解技术研究[D];沈阳航空航天大学;2016年
9 罗恩湖;基于进化多目标优化的高光谱稀疏混合像元分解技术研究[D];西安电子科技大学;2015年
10 李君;线性与非线性混合像元分解模型的比较研究[D];东北林业大学;2008年
,本文编号:1633788
本文链接:https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/1633788.html