發(fā)布時間：2018-03-19 10:05

  本文選題：黃海　切入點：綠潮　出處：《激光生物學報》2017年01期 　論文類型：期刊論文

【摘要】：針對MODIS數據綠潮提取存在大量混合像元導致綠潮覆蓋面積偏大這一問題,基于3 m分辨率的機載SAR高分影像,結合歸一化植被指數(NDVI),對MODIS研究區(qū)中大于NDVI閾值的像元進行混合像元分解得到綠潮的"覆蓋面積";獲取的準同步3 m機載SAR提取的綠潮面積為"真實值",然后建立二者之間的關系模型,并選取不同的樣本區(qū)域對該模型進行了驗證。實驗結果表明:NDVI等傳統(tǒng)算法所提取的綠潮覆蓋面積約為"真實值"的2.68倍;基于混合像元分解的方法所提取的綠潮面積較"真實值"偏小,約為"真值"的0.56倍;與傳統(tǒng)的NDVI等多波段比值法相比,該精細化模型方法提取的綠潮覆蓋面積更接近于"真實值",與"真實值"誤差僅為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.
【作者單位】： 中國石油大學地球科學與技術學院;
【基金】：國家自然科學基金“主被動光學遙感探測水下懸浮綠潮”(41476159);國家自然科學基金“海洋災害大數據分析的系統(tǒng)模型研究及應用”(41476101)
【分類號】：X55;X87

【相似文獻】

相關期刊論文 前10條

1 張彥,邵美珍;基于徑向基函數神經網絡的混合像元分解[J];遙感學報;2002年04期

2 唐世浩,朱啟疆,李小文,王錦地,閻廣建;高光譜與多角度數據聯合進行混合像元分解研究[J];遙感學報;2003年03期

3 趙小鋒;邱全毅;;4種混合像元分解方法在沿海丘陵城市地表組分分析中的比較研究[J];遙感技術與應用;2009年06期

4 詹錫蘭;吳波;;一種基于高斯馬爾可夫隨機場模型的混合像元分解方法[J];福州大學學報(自然科學版);2011年01期

5 呂長春,王忠武,錢少猛;混合像元分解模型綜述[J];遙感信息;2003年03期

6 崔雨勇;曾致遠;付必濤;毛典輝;;基于邊界提取的混合像元分解[J];人民長江;2008年08期

7 范渭亮;杜華強;周國模;徐小軍;崔瑞蕊;董德進;;模擬真實場景的混合像元分解[J];遙感學報;2010年06期

8 吳波;周小成;高海燕;;面向混合像元分解的光譜維小波特征提取[J];華僑大學學報(自然科學版);2008年01期

9 張子石;潘聰;陳紅順;;基于有監(jiān)督模糊C-均值算法的混合像元分解[J];遙感技術與應用;2009年06期

10 馬雪梅;陳亮;俞冰;徐鋒;;基于決策樹和混合像元分解的城市擴張分類[J];測繪通報;2006年10期

相關會議論文 前8條

1 王強;黃楠;;混合像元分解研究綜述[A];中國地理信息系統(tǒng)協(xié)會第四次會員代表大會暨第十一屆年會論文集[C];2007年

2 胡霞;雷星松;;基于時序的遙感影像混合像元分解模型的研究[A];第十七屆中國遙感大會摘要集[C];2010年

3 張良培;叢浩;;一種可選端元的混合像元分解方法[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

4 俞晨;鄒偉;余先川;;遙感圖像混合像元分解方法研究[A];第十二屆全國圖象圖形學學術會議論文集[C];2005年

5 魏一葦;黃世奇;;高光譜混合像元分解技術研究綜述[A];國家安全地球物理叢書（九）——防災減災與國家安全[C];2013年

6 魏一葦;黃世奇;劉代志;;基于獨立成分分析的高光譜混合像元分解方法[A];國家安全地球物理叢書（八）——遙感地球物理與國家安全[C];2012年

7 鄧書斌;陳秋錦;;基于MTMF的混合像元分解方法研究[A];中國遙感應用協(xié)會2010年會暨區(qū)域遙感發(fā)展與產業(yè)高層論壇論文集[C];2010年

8 鄧書斌;陳秋錦;;基于MTMF的混合像元分解方法研究[A];第十七屆中國遙感大會摘要集[C];2010年

相關博士學位論文 前4條

1 孔祥兵;基于同質區(qū)分析的高光譜影像混合像元分解[D];武漢大學;2012年

2 李二森;高光譜遙感圖像混合像元分解的理論與算法研究[D];解放軍信息工程大學;2011年

3 李華麗;高光譜遙感影像自動混合像元分解研究[D];武漢大學;2012年

4 許菡;遙感影像混合像元分解新方法及應用研究[D];首都師范大學;2013年

相關碩士學位論文 前10條

1 徐雙雙;基于混合像元分解的高光譜圖像去霧方法的研究[D];南京理工大學;2015年

2 韓威宏;基于混合像元分解的遙感產品真實性檢驗研究[D];電子科技大學;2014年

3 辛蕾;綠潮衛(wèi)星遙感監(jiān)測方法精細化研究[D];中國海洋大學;2014年

4 吳明艷;部分植被覆蓋下的土壤鹽分高光譜遙感反演[D];東南大學;2015年

5 郭陽;聯合近似稀疏和全變差正則化的高光譜影像混合像元分解[D];江西科技師范大學;2015年

6 李耀輝;風云氣象數據在農情定量監(jiān)測中的應用研究[D];鄭州大學;2016年

7 孔美美;基于混合像元分解的水體提取及變化監(jiān)測研究[D];華僑大學;2016年

8 崔媛;高光譜圖像混合像元分解技術研究[D];沈陽航空航天大學;2016年

9 羅恩湖;基于進化多目標優(yōu)化的高光譜稀疏混合像元分解技術研究[D];西安電子科技大學;2015年

10 李君;線性與非線性混合像元分解模型的比較研究[D];東北林業(yè)大學;2008年

，

本文編號：1633788