基于机器学习的漂浮大型藻类遥感研究

论文摘要

漂浮大型藻类暴发指水体中大型藻类的暴发性增殖和高度聚集现象,在我国属于常见的海洋灾害,对当地的海洋生态系统有很大的影响。因此,及时获得准确的漂浮大型藻类暴发信息,包括其分布范围、漂移路径和暴发周期,对当地政府掌握整体受灾情况,以及对后续防控工作的制定和开展至关重要,有助于我国海洋事业的健康发展。迄今为止,人们所开发的大型藻类提取算法大多可以归结为基于指数的阈值分割法,即通过卫星数据的波段组合运算,将计算结果用设定的阈值进行大型藻类像元的划分。然而,这类算法存在一定的不足,阈值的设定一定程度上依赖于使用者的经验,而且单一的阈值无法适应卫星数据中观测条件的变化,如影像中不同程度的云、气溶胶和太阳耀斑污染等情况,导致算法精度可能依赖相关的掩膜产品甚至是人工目视解译。为了克服这一问题,本文基于机器学习算法中的多层感知机（Multi-Layer Perceptron,MLP）,利用GOCI（Geostationary Ocean Color Imager）卫星的瑞利校正反射率(Rayleigh-corrected reflectance,Rrc)数据建立了适用于东中国海的漂浮大型藻类图像识别模型,有望实现对我国大型藻类暴发事件的全自动长期实时监测。同时,也分析了海洋气象因素对大型藻类的潜在影响,并针对多光谱数据的局限性提出了高光谱数据的重建算法。主要研究结果如下:（1）通过分析GOCI数据中大型藻类与其他类别像元的Rrc光谱特征,提出了半自动方案提取了大量优质的样本数据,在此基础上以Rrc的光谱特征和空间差异作为输入建立了MLP模型。精度评估结果表明MLP模型能在不同观测条件下有效地检测出东中国海的漂浮大型藻类,整体识别精度达90%左右,且与传统的指数算法相比具有更高的稳定性,有望用于长期自动监测东中国海的大型藻类暴发事件。（2）针对GOCI数据提出了漂浮大型藻类覆盖与分布面积的遥感估测算法,结合MLP模型生成了2011至2018年3至8月东中国海大型藻类暴发过程的空间分布和面积统计产品数据,讨论分析了其时空变化的规律。结果显示,东海漂浮大型藻类暴发一般在3–4月,并于5月份入侵南黄海,同期苏北浅滩北部海域有明显的大型藻类聚集现象,6–7月份东海大型藻类逐渐消散,而山东半岛近海仍由大型藻类占据,进入8月份后逐渐消亡;各年间大型藻类暴发程度均有不同,其中2015年整体受灾较为严重,2016和2017年分别出现了较强的浒苔和马尾藻暴发现象;海表风场和漂浮大型藻类的漂移路径有较强的关系,特别是在夏季,而海表温度对大型藻类覆盖面积的变化并无显著影响。（3）利用全球范围内采集的高光谱实测遥感反射率(Remote sensing reflectance,Rrs)数据开展了可见光范围内高光谱数据重建研究,使用非线性多元回归方法,成功建立了10种包含不同输入波段的重建模型。通过验证发现,在可见光范围内仅靠8个波段的数据即可重建出高精度的高光谱数据,整体重建误差基本保持在4%以下,且该方法适用于不同水体采集的Rrs数据。卫星高光谱大型藻类数据将有助于提高大型藻类的识别精度并推动藻种遥感区分研究。

论文目录

文章来源

类型: 硕士论文

作者: 李兆鑫

导师: 丘仲锋,孙德勇,王胜强

关键词: 漂浮大型藻,遥感图像识别,机器学习,高光谱数据重建

来源: 南京信息工程大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 生物学,工业通用技术及设备,自动化技术,自动化技术

单位: 南京信息工程大学

分类号: TP181;TP79;Q948.8

DOI: 10.27248/d.cnki.gnjqc.2019.000120

总页数: 81

文件大小: 8041K

下载量: 127

相关论文文献

• [1].虾病防治二三例[J]. 农业知识 2020(08)
• [2].用灰关联法分析环境因子对辛安泉泉溪大型藻类的影响(英文)[J]. 植物研究 2013(01)
• [3].山西省辛安泉泉域三种泉溪大型藻类植物附生藻类的研究(英文)[J]. 水生生物学报 2012(02)
• [4].增殖大型藻类 保护蓝色国土[J]. 中国水产 2008(05)
• [5].海洋大型藻类基质碳复合材料制备及电化学性能研究[J]. 科学技术创新 2018(25)
• [6].大连金州调研大李家海区大型藻类养殖病害情况[J]. 科学养鱼 2015(01)
• [7].大型藻类发酵燃料乙醇的研究进展[J]. 中国酿造 2017(08)
• [8].山西辛安泉泉域大型藻类植物分布特点的研究[J]. 山西大学学报(自然科学版) 2012(04)
• [9].池塘养殖刺参大型藻类生态防控技术[J]. 海洋与渔业 2017(10)
• [10].崂山湾三个人工鱼礁区底栖大型藻类群落的季节性差异[J]. 渔业现代化 2012(03)
• [11].大型藻类应用于循环水养殖的研究进展[J]. 粮食科技与经济 2018(10)
• [12].采用物理方法处理青苔[J]. 齐鲁渔业 2008(12)
• [13].蓝藻的防治措施[J]. 现代农村科技 2011(02)
• [14].大型海藻可作为新功能性活性肽资源[J]. 中国食品 2011(19)
• [15].刺参池塘养殖存在的主要问题及有效对策[J]. 水产养殖 2020(05)
• [16].浅议北方海水池塘养殖海参在透明度生产上的调控技术[J]. 农业与技术 2013(05)
• [17].黄海典型漂浮大型藻类光谱特征分析[J]. 海洋与湖沼 2018(05)
• [18].海参池塘养殖中秋季及越冬前管理的重点[J]. 科学养鱼 2014(10)
• [19].海水养殖污染与生态修复对策[J]. 海洋开发与管理 2019(11)
• [20].海参养殖池塘中几种大型藻类的危害及其防治措施[J]. 水产养殖 2014(05)
• [21].日本对大型海藻发酵制取乙醇的研究[J]. 现代渔业信息 2009(09)
• [22].“致富早班车”广播节目介绍[J]. 农民科技培训 2012(07)
• [23].大连市金州新区水产品生态养殖及育苗技术推广工作顺利开展[J]. 科学养鱼 2014(10)
• [24].藻类中谷胱甘肽的含量测定研究[J]. 科技创新导报 2010(18)
• [25].青岛发布绿潮Ⅳ级警报[J]. 现代渔业信息 2009(07)
• [26].为候鸟的旅途决议[J]. 人与生物圈 2014(04)
• [27].雷州半岛东南海域污损浮标的大型藻类[J]. 生态环境学报 2017(04)
• [28].昌黎海湾扇贝养殖区龙须菜养殖技术[J]. 河北渔业 2015(06)
• [29].湛江市对虾种苗繁育生产现状及发展方向探讨[J]. 海洋与渔业 2008(10)
• [30].海南清澜港不同栖息位置红树林软体动物的食物来源[J]. 湿地科学 2015(02)

标签：漂浮大型藻论文;  遥感图像识别论文;  机器学习论文;  高光谱数据重建论文;