本文關鍵詞：基于多源數(shù)據(jù)的黃海綠潮遙感監(jiān)測研究　出處：《中國科學院煙臺海岸帶研究所》2017年碩士論文　論文類型：學位論文

  更多相關文章： 黃海綠潮 多源數(shù)據(jù) 大氣校正 時空分布特征 黃海海表溫度 防控策略

【摘要】：近些年來,黃海海域每年都會暴發(fā)不同規(guī)模的綠潮(大型藻類——滸苔)災害,對當?shù)仞B(yǎng)殖業(yè)、旅游業(yè)、交通運輸業(yè)、海洋生態(tài)環(huán)境等造成了嚴重的危害。針對綠潮暴發(fā)持續(xù)時間長、規(guī)模大、位置不固定的特點,利用遙感手段進行監(jiān)測顯得尤為重要,但目前監(jiān)測所用的衛(wèi)星遙感數(shù)據(jù),或空間分辨率過低,監(jiān)測精度得不到保障,或時間分辨率過低,監(jiān)測的時間序列跨度過大。因此,為了彌補這類不足,本文以南黃海地區(qū)為研究區(qū),綜合使用多種衛(wèi)星遙感數(shù)據(jù)(GF-1 WFV、HJ-1A/1B CCD、CBERS-04 WFI、Landsat-7 ETM+、Landsta-8 OLI、MODIS SST-8day)以及無人機和船測數(shù)據(jù),結合遙感和GIS技術對2014至2016年黃海綠潮進行了監(jiān)測,并在此基礎上進行了相關研究。本文的主要研究內(nèi)容為:(1)通過對同一影像分別采用不同的大氣校正方法進行校正,并對多個變化量的進行統(tǒng)計與分析,確定當使用NDVI指數(shù)提取綠潮時,效果最好的大氣校正方法。(2)分析2014年至2016年黃海綠潮的時空分布特征;對不同數(shù)據(jù)源的監(jiān)測結果進行對比。(3)以2016年的黃海海表溫度和綠潮監(jiān)測結果為例,分析兩者之間的相關性;根據(jù)本文的研究結果,從遙感角度研究綠潮災害的防控策略。研究結果表明:(1)當采用NDVI閾值法提取綠潮信息時,COST大氣校正后的影像綠潮提取效果最好,FLAASH、6S大氣校正依次次之,但COST大氣校正在其它綠潮提取算法中的適應性仍待進一步考證。(2)宏觀上看,2014至2016年黃海綠潮的時空分布特征基本一致,四月底至五月初綠潮初生于江蘇輻射沙脊群,五月份不斷生長并持續(xù)向北推移,六月份開始暴發(fā),7月份綠潮開始消亡,至八月份綠潮災害基本結束;通過對多種數(shù)據(jù)源的監(jiān)測結果進行對比,空間分辨率帶來的混合像元效應是產(chǎn)生監(jiān)測誤差的主要原因。(3)黃海海表溫度與綠潮的暴發(fā)具有很大的相關性;為了防控綠潮災害,首先從長遠來看,要從源頭降低海水富營養(yǎng)化程度,對于近期暴發(fā)的綠潮,可采取前置打撈,及時預警的策略,降低綠潮帶來的危害。綜上分析,本研究利用多源數(shù)據(jù)對黃海綠潮進行動態(tài)監(jiān)測,并比較了監(jiān)測結果,提升了監(jiān)測精度和置信度,具有一定的創(chuàng)新性。另外,本研究從影響綠潮提取的大氣校正因素、時空分布特征、監(jiān)測結果對比、溫度因子與綠潮暴發(fā)的相關性、防控策略等方面對黃海綠潮展開研究,一定程度上豐富了對綠潮的認識,對防治綠潮、減少損失具有重要的現(xiàn)實意義。
[Abstract]:In recent years, Huang Hai sea area each year will break out different scale green tide (macroalgae-margin) disaster, to the local aquaculture, tourism, transportation. The marine ecological environment has caused serious harm. It is very important to use remote sensing to monitor the green tide outbreak because of its long duration large scale and irregular position. But at present, the satellite remote sensing data used in monitoring is too low spatial resolution, the monitoring accuracy is not guaranteed, or the time resolution is too low, monitoring time series span is too large. Therefore, in order to make up for this kind of deficiency. In this paper, the southern Huang Hai area is used as the research area, and various satellite remote sensing data are used synthetically, such as GF-1 WFVV HJ-1A / 1B CCDERS-04 WFI. Landsat-7 ETM Landsta-8 OLI MODIS SST-8day) and UAV and ship survey data. The green tide of Huang Hai from 2014 to 2016 was monitored by remote sensing and GIS technology. In this paper, the main content of this study is: 1) through the same image using different atmospheric correction methods, and the statistical analysis of a number of variables. When using NDVI index to extract the green tide, the most effective atmospheric correction method. 2) to analyze the spatial and temporal distribution characteristics of Huang Hai green tide from 2014 to 2016. The correlation between Huang Hai sea surface temperature and green tide in 2016 was analyzed by comparing the monitoring results of different data sources. According to the results of this paper, the prevention and control strategy of green tide disaster is studied from the view of remote sensing. The results show that the NDVI threshold method is used to extract the green tide information. After COST atmospheric correction, the effect of green tide extraction was the best, followed by FLAASHN 6S atmospheric correction. However, the adaptability of COST atmospheric correction in other green tide extraction algorithms still needs further research. (2) from 2014 to 2016, the spatial and temporal distribution of Huang Hai green tide is basically the same. From the end of April to the beginning of May, the green tide first occurred in the radiative sand ridge of Jiangsu Province, and it continued to grow and move northward in May. The green tide began to break out in June and the green tide began to die out in July, and the green tide disaster basically ended in June. By comparing the monitoring results of various data sources, the mixed pixel effect caused by spatial resolution is the main cause of monitoring error.) Huang Hai sea surface temperature has a great correlation with the outbreak of green tide. In order to prevent and control the green tide disaster, first of all, from the source to reduce the level of eutrophication of sea water, for the recent outbreak of green tide, can take forward salvage, timely early warning strategy. To reduce the harm caused by green tide. In summary analysis, this study uses multi-source data to dynamically monitor Huang Hai green tide, and compares the monitoring results, which improves the monitoring accuracy and confidence, and has certain innovation. This study studied Huang Hai green tide from the following aspects: atmospheric correction factors, temporal and spatial distribution characteristics, monitoring results, correlation between temperature factor and green tide outbreak, prevention and control strategy, etc. To some extent, it enriches the understanding of green tide, and has important practical significance for preventing green tide and reducing losses.
【學位授予單位】：中國科學院煙臺海岸帶研究所
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：X87;X55

【相似文獻】

相關期刊論文 前10條

1 蔣賽;汪西莉;趙玉芹;;渭河定量遙感水質(zhì)反演中的大氣校正作用研究[J];遙感技術與應用;2009年02期

2 王嘉楠;葉勤;林怡;;不同大氣校正方法對中小湖泊藍藻遙感動態(tài)監(jiān)測的影響[J];遙感技術與應用;2013年01期

3 王中挺;王紅梅;厲青;趙少華;李莘莘;陳良富;;基于深藍算法的HJ-1CCD數(shù)據(jù)快速大氣校正模型[J];光譜學與光譜分析;2014年03期

4 程乾,黃敬峰,王人潮,顧俊強;MODIS通道1和通道2大氣訂正的一種快速實用方法[J];浙江大學學報(理學版);2004年05期

5 王正海;段建軍;耿欣;;基于波譜匹配的Hyperion數(shù)據(jù)大氣校正方法對比研究[J];遙感技術與應用;2011年04期

6 楊蘇明;王潤生;劉圣偉;;成像光譜礦物識別中的大氣校正效果分析[J];國土資源遙感;2007年04期

7 阿布都瓦斯提·吾拉木,秦其明,朱黎江;基于6S模型的可見光、近紅外遙感數(shù)據(jù)的大氣校正[J];北京大學學報(自然科學版);2004年04期

8 程偉;王黎明;田慶久;;一種基于陰影像元的光學遙感大氣校正方法[J];測繪學報;2008年04期

9 趙凱;趙之重;徐劍波;宋立生;崔江鋒;;黃河源區(qū)遙感數(shù)據(jù)的大氣校正及其效果分析[J];地理與地理信息科學;2012年04期

10 楊磊;潘志強;傅俏燕;韓啟金;孫珂;張學文;王愛春;;資源三號衛(wèi)星多光譜數(shù)據(jù)的大氣校正研究[J];光譜學與光譜分析;2013年07期

相關會議論文 前10條

1 王正海;曾長育;胡光道;;基于波譜匹配的Hyperion數(shù)據(jù)大氣校正方法對比研究[A];遙感定量反演算法研討會摘要集[C];2010年

2 張紅梅;;我國海區(qū)MODIS影像大氣校正方法[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

3 麻金繼;楊世植;喬延利;;基于MODIS圖像海岸帶混濁水域的大氣校正[A];光子科技創(chuàng)新與產(chǎn)業(yè)化——長三角光子科技創(chuàng)新論壇暨2006年安徽博士科技論壇論文集[C];2006年

4 王朝暉;石曉峰;;遙感圖像大氣校正方法概述[A];第三屆長三角科技論壇（測繪分論壇）暨'2006江蘇省測繪學術年會論文集[C];2006年

5 宋平;劉元波;葉春;彭建;趙東波;;大氣校正對遙感獲取的水域面積最優(yōu)閾值的影響[A];遙感定量反演算法研討會摘要集[C];2010年

6 徐萌;郁凡;李亞春;;6S模式對EOS/MODIS數(shù)據(jù)進行大氣校正的方法[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應用技術學術交流會論文摘要集[C];2006年

7 方圣輝;汪蔓;;中國海區(qū)MODIS數(shù)據(jù)大氣校正實用方法研究[A];遙感定量反演算法研討會摘要集[C];2010年

8 詹萬志;荀尚培;范偉;;大氣校正對幾種MODIS植被指數(shù)影響分析[A];中國氣象學會2006年年會“衛(wèi)星遙感技術進展及應用”分會場論文集[C];2006年

9 張紅梅;趙元凌;;基于MODIS數(shù)據(jù)輔助的HJ-1 CCD數(shù)據(jù)大氣校正方法[A];第十七屆中國遙感大會摘要集[C];2010年

10 鄭盛;趙祥;張顥;何祺勝;曹春香;陳良富;;HJ-1衛(wèi)星CCD數(shù)據(jù)的大氣校正及其效果分析[A];遙感定量反演算法研討會摘要集[C];2010年

相關博士學位論文 前1條

1 徐菲菲;基于圖像信息的內(nèi)陸水環(huán)境大氣校正方法研究[D];中國科學院研究生院(上海技術物理研究所);2015年

相關碩士學位論文 前10條

1 伍高燕;基于GOCI遙感影像的長江入�？趹腋〕辽碀舛确囱菁捌鋾r空動態(tài)分析[D];長安大學;2015年

2 周宇;基于同步實測水體光譜的MODIS圖像二類水體大氣校正[D];南京師范大學;2013年

3 張鑫;新型星載觀測數(shù)據(jù)的云檢測與大氣校正研究[D];南京信息工程大學;2016年

4 馬倩;虛擬仿真場景與大氣校正軟件的開發(fā)[D];西安電子科技大學;2016年

5 王瀠樊;Landsat-8遙感影像大氣校正[D];東北師范大學;2016年

6 劉安偉;基于高光譜影像的大氣參數(shù)反演和大氣校正[D];西安科技大學;2016年

7 鄭翔宇;基于多源數(shù)據(jù)的黃海綠潮遙感監(jiān)測研究[D];中國科學院煙臺海岸帶研究所;2017年

8 王彥飛;太湖水體高光譜影像大氣校正方法研究[D];南京師范大學;2011年

9 魏志恒;基于氣溶膠光學厚度參數(shù)化模型大氣校正方法的研究與應用[D];中國地質(zhì)大學（北京）;2010年

10 潘明紅;曹妃甸近岸海域水色遙感大氣校正與懸沙濃度反演[D];長安大學;2012年

，

本文編號：1368074