本文關(guān)鍵詞：基于多源數(shù)據(jù)的黃海綠潮遙感監(jiān)測(cè)研究　出處：《中國(guó)科學(xué)院煙臺(tái)海岸帶研究所》2017年碩士論文　論文類型：學(xué)位論文

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

【摘要】：近些年來(lái),黃海海域每年都會(huì)暴發(fā)不同規(guī)模的綠潮(大型藻類——滸苔)災(zāi)害,對(duì)當(dāng)?shù)仞B(yǎng)殖業(yè)、旅游業(yè)、交通運(yùn)輸業(yè)、海洋生態(tài)環(huán)境等造成了嚴(yán)重的危害。針對(duì)綠潮暴發(fā)持續(xù)時(shí)間長(zhǎng)、規(guī)模大、位置不固定的特點(diǎn),利用遙感手段進(jìn)行監(jiān)測(cè)顯得尤為重要,但目前監(jiān)測(cè)所用的衛(wèi)星遙感數(shù)據(jù),或空間分辨率過(guò)低,監(jiān)測(cè)精度得不到保障,或時(shí)間分辨率過(guò)低,監(jiān)測(cè)的時(shí)間序列跨度過(guò)大。因此,為了彌補(bǔ)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(wú)人機(jī)和船測(cè)數(shù)據(jù),結(jié)合遙感和GIS技術(shù)對(duì)2014至2016年黃海綠潮進(jìn)行了監(jiān)測(cè),并在此基礎(chǔ)上進(jìn)行了相關(guān)研究。本文的主要研究?jī)?nèi)容為:(1)通過(guò)對(duì)同一影像分別采用不同的大氣校正方法進(jìn)行校正,并對(duì)多個(gè)變化量的進(jìn)行統(tǒng)計(jì)與分析,確定當(dāng)使用NDVI指數(shù)提取綠潮時(shí),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(shí)空分布特征;對(duì)不同數(shù)據(jù)源的監(jiān)測(cè)結(jié)果進(jìn)行對(duì)比。(3)以2016年的黃海海表溫度和綠潮監(jiān)測(cè)結(jié)果為例,分析兩者之間的相關(guān)性;根據(jù)本文的研究結(jié)果,從遙感角度研究綠潮災(zāi)害的防控策略。研究結(jié)果表明:(1)當(dāng)采用NDVI閾值法提取綠潮信息時(shí),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(yīng)性仍待進(jìn)一步考證。(2)宏觀上看,2014至2016年黃海綠潮的時(shí)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(zhǎng)并持續(xù)向北推移,六月份開(kāi)始暴發(fā),7月份綠潮開(kāi)始消亡,至八月份綠潮災(zāi)害基本結(jié)束;通過(guò)對(duì)多種數(shù)據(jù)源的監(jiān)測(cè)結(jié)果進(jìn)行對(duì)比,空間分辨率帶來(lái)的混合像元效應(yīng)是產(chǎn)生監(jiān)測(cè)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(guān)性;為了防控綠潮災(zāi)害,首先從長(zhǎng)遠(yuǎn)來(lái)看,要從源頭降低海水富營(yíng)養(yǎng)化程度,對(duì)于近期暴發(fā)的綠潮,可采取前置打撈,及時(shí)預(yù)警的策略,降低綠潮帶來(lái)的危害。綜上分析,本研究利用多源數(shù)據(jù)對(duì)黃海綠潮進(jìn)行動(dòng)態(tài)監(jiān)測(cè),并比較了監(jiān)測(cè)結(jié)果,提升了監(jiān)測(cè)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(shí)空分布特征、監(jiān)測(cè)結(jié)果對(duì)比、溫度因子與綠潮暴發(fā)的相關(guān)性、防控策略等方面對(duì)黃海綠潮展開(kāi)研究,一定程度上豐富了對(duì)綠潮的認(rèn)識(shí),對(duì)防治綠潮、減少損失具有重要的現(xiàn)實(shí)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(xué)位授予單位】：中國(guó)科學(xué)院煙臺(tái)海岸帶研究所
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：X87;X55

【相似文獻(xiàn)】

相關(guān)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(shù)與應(yīng)用;2009年02期

2 王嘉楠;葉勤;林怡;;不同大氣校正方法對(duì)中小湖泊藍(lán)藻遙感動(dòng)態(tài)監(jiān)測(cè)的影響[J];遙感技術(shù)與應(yīng)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(lán)算法的HJ-1CCD數(shù)據(jù)快速大氣校正模型[J];光譜學(xué)與光譜分析;2014年03期

4 程乾,黃敬峰,王人潮,顧俊強(qiáng);MODIS通道1和通道2大氣訂正的一種快速實(shí)用方法[J];浙江大學(xué)學(xué)報(bào)(理學(xué)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(duì)比研究[J];遙感技術(shù)與應(yīng)用;2011年04期

6 楊蘇明;王潤(rùn)生;劉圣偉;;成像光譜礦物識(shí)別中的大氣校正效果分析[J];國(guó)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(jiàn)光、近紅外遙感數(shù)據(jù)的大氣校正[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)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(xué)遙感大氣校正方法[J];測(cè)繪學(xué)報(bào);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(xué);2012年04期

10 楊磊;潘志強(qiáng);傅俏燕;韓啟金;孫珂;張學(xué)文;王愛(ài)春;;資源三號(hào)衛(wèi)星多光譜數(shù)據(jù)的大氣校正研究[J];光譜學(xué)與光譜分析;2013年07期

相關(guān)會(huì)議論文 前10條

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

2 張紅梅;;我國(guó)海區(qū)MODIS影像大氣校正方法[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)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(zhǎng)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(zhǎng)三角科技論壇（測(cè)繪分論壇）暨'2006江蘇省測(cè)繪學(xué)術(shù)年會(huì)論文集[C];2006年

5 宋平;劉元波;葉春;彭建;趙東波;;大氣校正對(duì)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(huì)摘要集[C];2010年

6 徐萌;郁凡;李亞春;;6S模式對(duì)EOS/MODIS數(shù)據(jù)進(jìn)行大氣校正的方法[A];農(nóng)業(yè)生態(tài)與衛(wèi)星遙感應(yīng)用技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2006年

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

8 詹萬(wàn)志;荀尚培;范偉;;大氣校正對(duì)幾種MODIS植被指數(shù)影響分析[A];中國(guó)氣象學(xué)會(huì)2006年年會(huì)“衛(wèi)星遙感技術(shù)進(jìn)展及應(yīng)用”分會(huì)場(chǎng)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(guó)遙感大會(huì)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(huì)摘要集[C];2010年

相關(guān)博士學(xué)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(guó)科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

相關(guān)碩士學(xué)位論文 前10條

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

2 周宇;基于同步實(shí)測(cè)水體光譜的MODIS圖像二類水體大氣校正[D];南京師范大學(xué);2013年

3 張?chǎng)?新型星載觀測(cè)數(shù)據(jù)的云檢測(cè)與大氣校正研究[D];南京信息工程大學(xué);2016年

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

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

7 鄭翔宇;基于多源數(shù)據(jù)的黃海綠潮遙感監(jiān)測(cè)研究[D];中國(guó)科學(xué)院煙臺(tái)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(xué);2011年

9 魏志恒;基于氣溶膠光學(xué)厚度參數(shù)化模型大氣校正方法的研究與應(yīng)用[D];中國(guó)地質(zhì)大學(xué)（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(zhǎng)安大學(xué);2012年

，

本文編號(hào)：1368074