论文部分内容阅读
2007至今,我国黄东海每年春夏季都会爆发一定规模的绿潮灾害,对海洋环境、海洋渔业和海洋生态系统都造成了显著的影响。卫星遥感是大范围绿潮监测的重要手段,但目前的研究和业务监测工作大都是基于极轨卫星数据的,其重访周期一般为一天,因此不能用于绿潮逐时变化监测与研究。静止轨道海洋水色卫星 GOCI的问世为绿潮逐时变化特征研究提供了可能,但目前针对GOCI数据的绿潮遥感探测方法仍有待研究,基于GOCI数据的绿潮藻种卫星遥感识别技术也未见研究报道,海面漂浮绿潮分布的逐时变化特征的研究工作尚未开展。 本文针对以上科学问题,基于黄东海GOCI卫星遥感影像,开展了海面漂浮绿潮探测方法、绿潮藻种识别方法和绿潮分布逐时变化特征等研究,主要内容和结论如下: (1)海面漂浮绿潮GOCI遥感探测方法研究 针对 GOCI的波段设置特点,评估了主流的绿潮遥感探测算法(NDVI、RVI、EVI、FAI、NDAI、IGAG等)及其波段组合的绿潮探测能力,结果表明:NDVI算法的绿潮探测能力明显优于 RVI、EVI、KOSC、OSABI等四种算法,可作为GOCI绿潮遥感监测的首选算法;IGAG算法虽具有一定的应用潜力,但其表现缺乏稳定性。对于上述6种算法不同波段组合的对比分析表明:红光波段选择GOCI波段5或波段6对绿潮探测结果的影响可以忽略,但近红外波段选择波段7或波段8可导致明显差异。在此基础上,本文综合利用 GOCI红光和近红外各两个波段的信息,基于经典的 NDVI算法形式,发展了一种新的针对 GOCI的海面漂浮绿潮探测算法 NDVI-a。 (2) GOCI海面漂浮绿潮藻种识别算法研究 基于浒苔和马尾藻等不同绿潮藻种的 GOCI卫星数据,分析了不同藻种(浒苔和马尾藻)绿潮的光谱差异,结果表明马尾藻光谱在红光波段(GOCI波段5、6)反射率值明显大于浒苔,而浒苔光谱在近红外波段(GOCI波段7、8)的反射率稍大于马尾藻。在此基础上,利用支持向量机 SVM模型发展了一种新的绿潮藻种遥感识别方法,经独立数据检验,识别准确率为84%。 (3)黄海海面漂浮绿潮分布逐时变化特征及驱动机制研究 利用一日8景的 GOCI卫星影像,分别提取了2013年6月20日和29日黄海绿潮分布逐时变化信息,结果表明,从8:30到15:30,海面漂浮绿潮覆盖面积呈先上升后下降的趋势,在绿潮覆盖面积最大值出现在13:30,可能的原因是一日之内光照不同导致悬浮绿潮上浮或沉降;利用最大相关系数(Maximum Correlation Coefficient,MCC)方法提取了海面漂浮绿潮位置的逐时漂移信息,发现黄海绿潮的漂移具有一定的逐时变化特征。