基于点扩散函数模拟的藻华面积尺度转换方法技术

本发明专利技术公开基于点扩散函数模拟的藻华面积尺度转换方法，获取两种不同空间分辨率的卫星遥感数据使用点扩散函数模拟分辨率较高的遥感数据在不同空间尺度下的遥感反射率；利用模拟的点扩散函数，推得分辨率与分辨率较低遥感数据相同时的模拟反射率；以模拟反射率与分辨率较低遥感数据遥感反射率相关度最高为目标，获取点扩散函数参数的最优解；利用确定参数的点扩散函数模拟得到不同空间分辨率的两个遥感数据的遥感反射率，基于模拟的遥感反射率提取藻华面积后分析不同空间分辨率的模拟数据的藻华面积随空间分辨率变化的关系，建立面积转换公式。本发明专利技术方法可补充完善湖泊环境遥感及水华预测预警的方法体系，提高富营养化湖泊藻华多源数据协同监测。湖泊藻华多源数据协同监测。湖泊藻华多源数据协同监测。

【技术实现步骤摘要】
基于点扩散函数模拟的藻华面积尺度转换方法


[0001]本专利技术属于卫星遥感及水环境分析
，具体涉及基于点扩散函数模拟的藻华面积尺度转换方法。

技术介绍

[0002]湖泊富营养化和有害藻类水华是全世界普遍面临的水域生态环境问题，湖泊富营养化引起的蓝藻水华频繁暴发是目前中国淡水湖泊面临的主要挑战。在各种环境因子(外因)的耦合驱动下，蓝藻由于其独特的生理生态特性(内因)，产生巨大的生物量而在浮游植物群落中占绝对优势。在合适的水文气象条件下大量藻颗粒集聚于水表而形成蓝藻水华。研究表明，蓝藻水华具有较强的时空多变性，短时间内藻华的面积变化较大。
[0003]卫星遥感具有范围广、快速、实时的优势；然而，监测卫星具有不同的时间(小时、天、数天)和空间分辨率(1km、750m、500m、30m、10m、1m
…
)，混合像元效应明显。另外，针对这些卫星，发展了不同的藻华提取方法(单一阈值、NDVI、EVI、FAI等)，尺度效应明显；不同的操作人员，使用不同的方法，获得的藻华积差别较大。有必要开发一种来源于遥感机理的藻华面积尺度转换方法，以弥补不同空间分辨率数据的藻华监测结果不一致的问题。传统的线性插值方法，并不符合大气
‑
水体辐射传输过程中，来自周围像元信号的规律。

技术实现思路

[0004]本专利技术的目的在于提供一种基于点扩散函数模拟的藻华面积尺度转换方法。
[0005]为实现上述目的，本专利技术所采用的技术方案如下：
[0006]基于点扩散函数模拟的藻华面积尺度转换方法，包括：
[0007]获取两种不同空间分辨率的卫星遥感数据，分别为分辨率较高的第一遥感数据和分辨率较低的第二遥感数据；使用点扩散函数模拟第一遥感数据在不同空间尺度下的遥感反射率；
[0008]利用模拟的点扩散函数，推得分辨率与第二遥感数据相同时第一遥感数据的遥感反射率，记为模拟反射率；以第一遥感数据模拟反射率与第二遥感数据遥感反射率相关度最高为目标，获取点扩散函数参数的最优解；
[0009]利用确定参数的点扩散函数模拟得到不同空间分辨率的第一遥感数据和第二遥感数据的遥感反射率；
[0010]利用模拟的不同空间分辨率的第一遥感数据和第二遥感数据分别提取藻华面积，建立不同空间分辨率的模拟数据的藻华面积随空间分辨率变化的关系，建立面积转换公式，利用建立的面积转换公式实现不同空间分辨率卫星遥感数据提取藻华面积的转换。
[0011]作为一种优选的实施方式，使用高斯形式的点扩散函数模拟第一遥感数据在不同空间尺度下的遥感反射率。
[0012]作为一种优选的实施方式，所述点扩散函数形式为：
[0013][0014]式中，i和j分别为遥感数据的行、列编号，σ为扩散半径，x为中心点数值，根据PSF算子的尺寸确定。
[0015]作为一种优选的实施方式，所述同步数据的筛选满足：过境时间小于1h，目标像元3*3范围内的变异系数CV<0.1，无云。
[0016]作为一种优选的实施方式，利用FAI指数提取藻华面积；对缺少短波红外波段的卫星遥感数据，使用近红外波段替代短波红外波段，利用AFAI指数提取藻华面积。
[0017]作为一种优选的实施方式，利用最大梯度法提取藻华面积。
[0018]作为一种优选的实施方式，所述利用确定参数的点扩散函数模拟得到不同空间分辨率的第一遥感数据和第二遥感数据的遥感反射率时，模拟的分辨率数值范围为[R1，R2]，其中R1为第二遥感数据的原始空间分辨率，R2为第一遥感数据的原始空间分辨率。优选的，在[R1，R2]之间等步长选取模拟的分辨率。
[0019]本专利技术方法构建的藻华面积尺度转换方法是提高富营养化湖泊藻华多源数据协同监测的重要技术，可以补充完善湖泊环境遥感及水华预测预警的方法体系，并推动其发展，具有较大的科学意义。
附图说明
[0020]附图不意在按比例绘制，在附图中，在各个图中示出的每个相同或近似相同的组成部分可以用相同的标号表示，为了清晰起见，在每个图中，并非每个组成部分均被标记，现在，将通过例子并参考附图来描述本专利技术的各个方面的实施例，其中：
[0021]图1是2020年5月3日的OLI数据和GOCI数据影像对比，左图为OLI，右图为GOCI。
[0022]图2是点扩散函数的示意图。
[0023]图3是不同σ条件下最优化求解的R2和平均相对误差。
[0024]图4是OLI和GOCI同步数据的FAI和AFAI的散点图。
[0025]图5是不同空间分辨率的OLI模拟数据的藻华面积随空间分辨率的变化，其中(a)～(c)为针对2020年5月3日OLI影像不同分辨率下模拟反射率提取的藻华面积，(g)为对应日期的折线图；(d)～(f)为针对2022年6月6日OLI影像不同分辨率下模拟反射率提取的藻华面积，(h)为对应日期的折线图。
[0026]图6是OLI和GOCI同步数据的藻华面积散点图。
[0027]前述图示1
‑
6中，作为英文形式表达的各坐标、标识或其他表示，均为本领域所公知的，并不在本例中再做赘述。
具体实施方式
[0028]为了更了解本专利技术的
技术实现思路
，特举具体实施例并配合所附图式说明如下。
[0029]在本公开中参照附图来描述本专利技术的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本专利技术的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本专利技术所公开的构思和实施例并不限于任何实施方式。另外，本专利技术公开的一
些方面可以单独使用，或者与本专利技术公开的其他方面的任何适当组合来使用。
[0030]实施例1
[0031]本实施例说明本专利技术基于点扩散函数模拟的藻华面积尺度转换方法。
[0032]本实施例基于不同空间分辨率的遥感数据进行藻华面积的尺度转换，实现方式如下：
[0033]以高空间分辨率的遥感数据OLI和中低空间分辨率的遥感数据GOCI为研究对象，使用点扩散函数，模拟不同空间尺度下的OLI遥感反射率Rrc；然后计算不同空间尺度下OLI数据的藻华识别指数FAI，利用最大梯度法，提取藻华面积；分析藻华提取的阈值和藻华面积与空间分辨率的关系。
[0034]作为示例性的描述，下面结合附图所示，对前述方法的实施进行具体说明。
[0035]1)模拟不同尺度遥感数据的点扩散函数，以中低分辨率的遥感数据为基准，采用高斯类型的点扩散函数PSF模拟高空间分辨率的遥感数据在不同空间尺度下的遥感反射率。
[0036]其中，高空间分辨率的遥感数据为Landsat8/9OLI，空间分辨率30m，简称OLI数据；中低空间分辨率卫星为GOCI，空间分辨率500m，简称GOCI数据。图1为2020年5月3日的OLI数据和GOCI数据影像对比。
[0037]点扩散函数形式为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于点扩散函数模拟的藻华面积尺度转换方法，其特征在于，包括：获取两种不同空间分辨率的卫星遥感数据，分别为分辨率较高的第一遥感数据和分辨率较低的第二遥感数据；使用点扩散函数模拟第一遥感数据在不同空间尺度下的遥感反射率；利用模拟的点扩散函数，推得分辨率与第二遥感数据相同时第一遥感数据的遥感反射率，记为模拟反射率；以第一遥感数据模拟反射率与第二遥感数据遥感反射率相关度最高为目标，获取点扩散函数参数的最优解；利用确定参数的点扩散函数模拟得到不同空间分辨率的第一遥感数据和第二遥感数据的遥感反射率；利用模拟的不同空间分辨率的第一遥感数据和第二遥感数据分别提取藻华面积，建立不同空间分辨率的模拟数据的藻华面积随空间分辨率变化的关系，建立面积转换公式，利用建立的面积转换公式实现不同空间分辨率卫星遥感数据提取藻华面积的转换。2.根据权利要求1所述的方法，其特征在于，使用高斯形式的点扩散函数模拟第一遥感数据在不同空间尺度下的遥感反射率。3.根据权利要求1或2所述的方法，...

【专利技术属性】
技术研发人员：薛坤，马荣华，
申请(专利权)人：中国科学院南京地理与湖泊研究所，
类型：发明
国别省市：