基于高/多光谱遥感技术的海表油膜识别方法研究

基于高/多光谱遥感技术的海表油膜识别方法研究

论文摘要

海上溢油事故会导致大量原油泄漏到海洋环境中并严重威胁海洋生态环境。通过遥感手段监测由泄漏的原油形成的海表油膜能够为事故处理和灾害预警提供准确的信息。机载高光谱遥感技术能够快速和准确地对海表不同厚度的油膜进行识别,但是机载高光谱遥感技术的监测范围小且花费高,所以机载高光谱遥感技术通常用于紧急状态下的溢油事故监测。星载多光谱遥感技术能够大范围地监测海表情况且数据获取方便、花费小,但是星载多光谱遥感技术无法区分不同厚度的油膜且其识别能力受天气影响,所以星载多光谱遥感技术通常用于日常的长时间、大范围的溢油事故监测。由此可见,机载高光谱遥感技术和星载多光谱遥感技术对于油膜识别这一工作具有明显的互补性。因此,为了有效地应对溢油事故,本文基于高光谱和多光谱遥感技术对海表油膜识别方法进行研究。传统基于高光谱和多光谱遥感技术的油膜识别方法存在一定的缺陷:传统高光谱油膜识别方法只适用于识别厚油膜而不能识别出大范围存在于海水表面的甚薄油膜;传统基于光谱分析的高光谱油膜识别方法耗时太长,无法快速、便捷地识别不同厚度的油膜;传统多光谱油膜识别方法在海水环境不均一条件下会将海水误识别为油膜,进而造成油膜识别精度的下降。针对这些问题,本文进行了如下研究:1)通过评价机载高光谱影像中海水成份和烃类物质光谱特征指数区分不同厚度油膜的能力建立多指数的油膜识别模型由于厚油膜含有烃类物质(油膜的主要组成成分)较多且透光性弱,所以传统通过烃类物质光谱特征识别油膜的方法能够有效地识别厚油膜。但是由于薄油膜含有的烃类物质很少且其透光性强,导致其光谱包含的烃类物质光谱特征微弱。因此,传统方法无法准确地识别高光谱影像中的薄油膜。针对这一问题,本研究提出了一套光谱指数油膜识别能力评价体系用于研究海水成份和烃类物质光谱指数对不同厚度油膜的识别能力。在此基础上,本研究选取对不同厚度油膜具有特异性或互补性识别能力的光谱指数构建油膜识别模型,并通过墨西哥湾溢油事故AVIRIS高光谱影像对本文的假设和方法进行验证。结果表明烃类物质光谱指数对厚油膜的识别能力较强,海水成份光谱指数对薄油膜的识别能力较强,而且海水成份和烃类物质光谱指数对油膜的识别能力具有互补性。通过结合对油膜识别能力互补的光谱指数能够准确地对海表不同厚度的油膜进行准确地识别。本研究揭示了海水成份与烃类物质光谱指数对不同厚度油膜的识别能力,突破了现有基于高光谱影像单一特征油膜识别方法的局限,为精细化油膜识别提供了可行方案。本研究已发表于Remote Sensing期刊上。2)通过对机载高光谱影像中的海水和油膜进行DNA编码并提取光谱基因信息对高光谱影像中不同厚度油膜进行匹配识别传统基于机载高光谱影像光谱分析的油膜识别方法需要大量的时间才能区分不同厚度的油膜,而且高光谱影像中存在的大量的冗余信息并没有参与到油膜识别过程中。为了解决这一问题,本研究采用DNA编码方法对油膜和海水光谱进行特征化编码处理,然后通过本研究提出的基因提取策略自动提取海水和油膜光谱DNA链中的光谱基因信息,进而通过光谱基因对高光谱影像中的海水和不同厚度的油膜进行区分和识别。本研究通过AVIRIS高光谱影像对提出的基于DNA编码和光谱基因提取的油膜识别方法进行检验,实验结果表明该油膜识别方法能够快速、准确地提取出高光谱影像中不同厚度的油膜,而且该方法还能够适用于不同时间、不同海域拍摄的高光谱影像。本研究克服了传统基于光谱分析的识别方法复杂、耗时的缺点,为快速、准确的高光谱油膜识别提供了可行方案。本研究的相关研究成果中的一份已发表于Remote Sensing期刊上,另一份已经总结成文。3)通过对不同海水环境敏感性互补的光谱指数对海水不均一环境中的油膜进行识别由于星载多光谱遥感影像覆盖的海域范围大,影像中的海水环境往往受到光照条件、外来物质注入、海洋生物等因素的影响而呈现出不均一的现象。这种不均一的环境使得传统油膜识别方法会将海水误识别为油膜而导致油膜识别精度严重下降。针对这一问题,本研究对不同光谱指数对不同海水环境的敏感性进行研究,评价了它们对不均一海水的识别能力。在此基础上,本研究提出了一种通过对不均一海水环境敏感互补的光谱特征来提取多光谱影像中油膜的方法。不同海域、不同来源的Landsat 8、MODIS影像被用于检验了本研究提出的假设和油膜识别方法。实验结果表明不同光谱指数对不同海水环境的敏感性不同,本研究提出的通过对不同海水环境敏感性互补的光谱指数进行油膜识别的方法能够有效地消除由海水环境不均一而导致的假目标,且该方法能够适用于Landsat 8和MODIS影像。本研究突破了现有多光谱油膜识别方法将海水视为均质环境的局限,为消除大范围油膜识别过程中由海水造成的假目标提供了可行方案。本研究的部分成果已经在2018年International Workshop on Big Geospatial Data and Data Science(BGDDS)会议中做了报告并收录在论文集中。

论文目录

  • 作者简介
  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景
  •   1.2 油膜识别遥感技术概述
  •     1.2.1 油膜的危害、来源及风化过程
  •     1.2.2 现有主要的油膜识别手段
  •   1.3 高光谱和多光谱油膜识别方法国内外研究现状
  •     1.3.1 高光谱遥感油膜识别研究现状
  •     1.3.2 多光谱遥感油膜识别研究现状
  •   1.4 主要研究内容和章节安排
  • 第二章 基于高光谱和多光谱遥感技术的油膜识别原理
  •   2.1 高光谱和多光谱遥感技术的原理
  •   2.2 高光谱影像及其油膜识别原理
  •     2.2.1 高光谱遥感影像
  •     2.2.2 高光谱遥感影像油膜识别原理
  •     2.2.3 常用于油膜识别的高光谱影像
  •   2.3 多光谱影像及其油膜识别原理
  •     2.3.1 多光谱遥感影像
  •     2.3.2 多光谱遥感影像油膜识别原理
  •     2.3.3 常用于油膜识别的多光谱影像
  •   2.4 高光谱与多光谱遥感技术的优势与不足
  •   2.5 本章小结
  • 第三章 基于海水成份和烃类物质光谱指数的油膜识别方法
  •   3.1 海水成份和烃类物质识别指数
  •   3.2 海水成份和烃类物质光谱指数的油膜识别能力评价
  •     3.2.1 研究区概况
  •     3.2.2 油膜识别能力评价过程
  •     3.2.3 油膜识别能力评价结果
  •   3.3 海水成份和烃类物质光谱指数的油膜识别模型
  •     3.3.1 模型流程
  •     3.3.2 模型条件
  •   3.4 实验结果与分析
  •     3.4.1 实验数据
  •     3.4.2 实验结果
  •     3.4.3 实验结果分析
  •   3.5 海水成份和烃类物质光谱指数的油膜识别适用性
  •     3.5.1 海水成份和烃类物质光谱指数的适用性
  •     3.5.2 结合海水成份和烃类物质光谱指数油膜识别方法的适用性
  •   3.6 本章小结
  • 第四章 基于DNA编码和基因信息提取的油膜识别方法
  •   4.1 高光谱遥感影像DNA编码
  •     4.1.1 DNA及其生物学意义
  •     4.1.2 光谱DNA编码过程
  •   4.2 光谱基因提取策略
  •     4.2.1 光谱DNA链运算规则
  •     4.2.2 LIS和 LID光谱基因提取策略
  •   4.3 基于DNA编码和光谱基因提取的油膜识别方法
  •   4.4 实验结果与评价
  •     4.4.1 实验数据
  •     4.4.2 实验结果
  •     4.4.3 实验结果分析
  •   4.5 光谱基因提取策略的优越性及模型的适用性
  •     4.5.1 LIS和 LID光谱基因提取策略的优越性
  •     4.5.2 GEDE方法的适用性
  •   4.6 本章小结
  • 第五章 基于星载多光谱影像中海水环境不均一条件下的油膜识别方法
  •   5.1 基于多光谱影像的油膜识别指数
  •   5.2 传统多光谱油膜识别指数的适用性
  •     5.2.1 传统多光谱油膜识别指数在海水均一条件下的适用性
  •     5.2.2 传统多光谱油膜识别指数在海水不均一条件下的适用性
  •   5.3 海水不均一条件下的油膜识别方法
  •     5.3.1 针对海水不均一条件下油膜识别方法的原理
  •     5.3.2 对海水敏感性不同的光谱指数
  •     5.3.3 结合对海水敏感性不同的光谱指数识别海表油膜
  •   5.4 实验结果与分析
  •     5.4.1 实验结果
  •     5.4.2 结果分析
  •   5.5 光谱指数对海水的敏感性和油膜识别方法适用性
  •     5.5.1 光谱指数对海水的敏感性
  •     5.5.2 基于对海水敏感性互补的光谱指数油膜识别方法的适用性
  •   5.6 本章小结
  • 第六章 总结与展望
  •   6.1 本文主要工作总结
  •   6.2 未来工作的展望
  • 致谢
  • 参考文献
  • 文章来源

    类型: 博士论文

    作者: 赵冬

    导师: 程新文

    关键词: 机载高光谱遥感,星载多光谱遥感,油膜识别,光谱指数,编码,光谱基因

    来源: 中国地质大学

    年度: 2019

    分类: 基础科学,工程科技Ⅰ辑

    专业: 海洋学,环境科学与资源利用,环境科学与资源利用

    单位: 中国地质大学

    分类号: X55;X87

    DOI: 10.27492/d.cnki.gzdzu.2019.000145

    总页数: 147

    文件大小: 7215K

    下载量: 156

    相关论文文献

    • [1].基于云计算的网络资源缺失信息识别方法[J]. 电子元器件与信息技术 2019(11)
    • [2].武汉市主城区现状用地自主识别方法探索[J]. 中国土地 2020(02)
    • [3].基于场景-部件的人体行为识别方法[J]. 测控技术 2020(02)
    • [4].基于人眼识别的人脸朝向识别方法[J]. 信息记录材料 2020(01)
    • [5].产品虚假评论文本识别方法研究述评[J]. 数据分析与知识发现 2019(09)
    • [6].网络谣言识别方法及展望[J]. 网络空间安全 2016(Z2)
    • [7].物联网智能终端设备识别方法[J]. 电信科学 2017(02)
    • [8].一种分布式人脸识别方法及性能优化[J]. 光学精密工程 2017(03)
    • [9].振动目标产生的瑞雷波的识别方法研究[J]. 沈阳理工大学学报 2017(02)
    • [10].松辽盆地二氧化碳气层录井识别方法[J]. 石化技术 2017(10)
    • [11].用于机动目标跟踪的分段机动识别方法[J]. 电波科学学报 2015(01)
    • [12].“特殊的平行四边形”易错点剖析[J]. 初中生世界 2017(15)
    • [13].基于深度学习的人脸识别方法研究进展[J]. 现代计算机 2020(01)
    • [14].基于典型相关分析特征融合的行人再识别方法[J]. 光电子·激光 2020(05)
    • [15].4G网络深度覆盖“283”识别方法研究[J]. 数字通信世界 2019(03)
    • [16].颠覆性技术识别方法研究与应用分析[J]. 军事医学 2018(01)
    • [17].一种大象流两级识别方法[J]. 电信科学 2017(03)
    • [18].多角度人脸检测与识别方法研究[J]. 电子设计工程 2017(11)
    • [19].卫星图像传输跟踪优化识别方法仿真研究[J]. 计算机仿真 2017(09)
    • [20].基于主题模型和情感分析的垃圾评论识别方法研究[J]. 计算机科学 2017(10)
    • [21].同形异义词机器辅助识别方法研究[J]. 数字图书馆论坛 2015(05)
    • [22].4G网络深度覆盖精确需求识别方法研究[J]. 电信工程技术与标准化 2015(09)
    • [23].基于深度流形表示学习的工业过程多故障识别方法[J]. 计算机与数字工程 2020(10)
    • [24].试分析基于区域生长的道路和桥梁识别方法的研究[J]. 科技创业家 2014(01)
    • [25].基于统计的人脸识别方法综述[J]. 安阳工学院学报 2012(04)
    • [26].基于情景分析的项目风险识别方法研究[J]. 理论观察 2012(05)
    • [27].基于深度学习的视频行为识别方法综述[J]. 电信科学 2019(12)
    • [28].基于深度学习的场景识别方法综述[J]. 计算机工程与应用 2020(05)
    • [29].基于特征的矢量图形符号渐进识别方法[J]. 软件导刊 2020(05)
    • [30].天然气管道泄漏的声-压耦合识别方法[J]. 应用声学 2020(03)

    标签:;  ;  ;  ;  ;  ;  

    基于高/多光谱遥感技术的海表油膜识别方法研究
    下载Doc文档

    猜你喜欢