基于数据挖掘的GF-1 遥感影像绿潮自适应阈值分区智能检测方法研究

由于受到云雾的影响,可见光影像能够高效用于绿潮检测的数据源较为有限,特别是云覆盖较为严重的可见光影像,基本无法用于检测绿潮。即使影像数据是在薄云、薄雾、无云覆盖的情况下获取的,由于其光谱反射值存在较大差异,依然很难采用同一阈值进行绿潮检测。基于此,为了提高可见光影像的利用率,实现不同云覆盖情况下,绿潮的高精度自适应阈值的自动检测,本文以GF-1影像为数据源,首先采用K-means聚类和C4.5决策树方法实现影像云覆盖情况的自动识别;其次,选取大量不同云覆盖情况下子图像样本（每个子图像样本中均包含绿潮和海水两类）,分析得出不同云覆盖情况下绿潮和海水的区分阈值y与影像光谱差x=band_nir-band_red之间所具有的线性关系;然后,利用分析得出的线性关系提出一种适用于GF-1影像的绿潮分区自适应阈值自动检测方法。最后,为验证提出方法的有效性,分别采用NDVI方法、EVI方法和本文提出的自适应阈值自动检测方法进行绿潮提取实验。实验结果表明,对于GF-1卫星遥感数据,本文提出的绿潮自适应阈值分区自动检测方法明显优于传统的NDVI和EVI检测方法,不仅提高了绿潮的监测精度,而且实现了绿潮提取的全自动化。     

三种海冰密集度产品的北极海冰监测能力比较分析

选取国家海洋卫星应用中心提供的海洋二号B星扫描辐射计数据采用NASA TEAM算法反演的海冰密集度产品(简称HY2数据集),中国海洋大学提供的风云三号D星微波成像仪采用DT-ASI算法得到的海冰密集度产品(简称OUC数据集),以及美国冰雪中心提供的海冰密集度产品(简称NSIDC数据集)三种数据源对北极海冰监测能力进行比较分析。通过与德国不莱梅大学发布的海冰密集度数据产品(简称BRM数据集)和MODIS数据提取的海冰信息的比较发现:在低纬度区域(≤70°N),HY2与BRM数据集最为接近;在中纬度区域(70°N—80°N),OUC与BRM数据集的数据吻合程度最高;在高纬度区域(80°N—87°N),NSIDC数据集与BRM数据集最接近。在北极东北航道区域, HY2数据集适用于通航窗口期第一和第四航段内的海冰监测; NSIDC数据集适用于东西伯利亚海域以及临近窗口期时段的海冰监测;而OUC数据集则适用于北极东北航道大部分航段的海冰监测需求。