基于光谱曲线特性和波谱角分类的赤潮监测方法

《基于光谱曲线特性和波谱角分类的赤潮监测方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、遥感信息■感应用基于光谱曲线特性和波谱角分类的赤潮监测方法吴文瑾(武汉大学遥感信息工程学院，武汉430072)摘要：遥感技术已经成为赤潮监测的重要手段之一，目前，国内外已有多项应用遥感技术对赤潮成功监测的实例。现有的监测方法主要依据海水水色图、叶绿素浓度图和海洋表面温度图，但这些专题图在反应赤潮发生情况时都不可避免地存在一些局限性。而基于光谱曲线特性和波谱角分类的赤潮监测方法不但可以对各种不同赤潮监测均有很好的可靠性，同时还具有可以识别赤潮优势种等诸多优点。该文章对这种监测方法的原理和过程进行了详细的阐述，并使用实际数据进行了实验分析。关键词：MODIS；赤潮；光谱识别；波谱角分类中图分类

2、号：TP751文献标识码：A文章编号：1000—3177(2009)104—0050—05余种)，部分赤潮会引起海水颜色改变，但是也有一1引言些赤潮不会引起水色上的变化L1。因此，利用海水赤潮是指在一定的环境条件下，海洋中的浮游水色图进行赤潮监测将会遗漏那些未引起水色变化微藻、原生动物或细菌在短时间内突发性连锁暴增的赤潮。其次，藻类引起的赤潮在发生时通常会伴和聚集，导致海洋生态系统严重破坏或引起水色变随海水叶绿素浓度的升高，但是对于原生动物引起化的灾害性海洋生态异常现象。赤潮频发正在成为的赤潮，则不会有此种变化发生，也就是说，使用叶我国沿海经济发展的一个重要的制约因素口。长绿素浓度图进行赤

3、潮监测将会遗漏动物性赤潮。最期以来，人们一直在寻找有效的赤潮预报方法。常后，赤潮的发生通常会引起海洋表面温度的上升，但规的海面调查必须先在海洋中布置大量的测量点，洋流等许多其他因素同样会引起这种现象，所以，海由于海洋面积广阔、环境复杂，传统测量方法受到一洋表面温度并不十分适于作为赤潮探测的依据。然定人力、物力和海况等条件的限制，既费时又费力，而，鉴于赤潮发生区域与正常海水在光谱特性曲线且测量范围有限。并且人工逐点采样法只能获得在上的明显差异，使用中、高光谱分辨率遥感卫星影时间、空间上分布都很离散的少量数据。这种在时像，配合光谱识别和波谱角分类技术进行专题图制空分布上很离散的采样数据对比精度

4、很差，得到的作，将会从理论上解决各种不同赤潮的识别与监测有关海洋环境的静态和动态数据同步性与实际相差问题，并减少误判与漏判的可能性。甚远。因此，遥感技术以其覆盖面大、重复性高等特3赤潮光谱监测方法的流程点，被越来越广泛地应用到赤潮的研究中，并已成为了赤潮监测中一个非常重要的手段。赤潮光谱监测的主要步骤为：端元提取一赤潮光谱识别一波谱角分类。2赤潮监测方法现状分析3．1端元提取目前，赤潮遥感监测主要使用由卫星遥感影像在进行波谱角分类之前，首先要获得各类别的制作而成的海水水色图、叶绿素浓度图和海洋表面光谱信息，因此，我们需要得到可以代表各类别的像温度图，但上述这些专题图在反映赤潮发生情况方素点

5、，这些像素点即称之为端元。遥感影像，尤其是面不可避免地存在一些局限性。首先，赤潮可以被中、高光谱分辨率遥感影像，因其空间分辨率有限，多种浮游植物或浮游动物所引发(目前已知有300所得影像上的一个像素内通常具有多种地物的信收稿日期：2009-02～l6修订日期：2009-05-04基金项目：2008国家大学生创新实验项目(081048636)。作者简介：吴文瑾，女，武汉大学遥感信息工程学院本科生，系统分析师，软件设计师E—mail：butterflyffly@126．eom50臼匠匾遥感信息息，即为混迭像元，这些混迭像元的光谱曲线显然是具有明显的可区分特性(如图1)，其主要表现为：一不足以代

6、表(1)在500~800nm区类地物的光谱特征的，所以，我们需要nm间内，赤潮水体均呈在足够纯净的像素点中选取我们想要的端元，这就现出双峰特性，其第二反射峰为区分正常海水与赤需要寻找纯净像元。潮水体的显著标志。寻找纯净像元通常需要两个过程～，最小噪音比(2)赤潮的第二反射峰基本处于680nm变换(MNF，MinimumNoiseFraction)和纯净像元710nm之间，第二反射峰的波长和高度依照引起赤指数(PPI，PixelPurityIndex)计算。潮物种的不同而不同，可以作为赤潮优势物种识别3．1．1最小噪音比变换的依据。MNF是对高光谱遥感图像进行降维的有效方(3)相同藻类的光谱

7、曲线特征基本相同，不同的法，它可以判定图像数据内在的维数(即波段数)，分只是光谱向量的模；不同藻类的光谱曲线是有差异阶引离数据中的噪声，减少随后处理中的计算量。的，表现在广义光谱向量的方向上；这也是应用光谱它相当于两次重叠的主成份变换，比主成分分析更角度分析法进行赤潮物种识别的理论基础。好地达到降低图像的维度、隔离噪音、消除波段间的[1“扣¨]一相关性、压缩数据量的目的。第次变换(基于估计的噪声协方差矩阵)用于分离和重新