检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

我国绿潮灾害时间序列特征的模拟与预测

海洋预报 2023年第2期40卷 56-66页

作者：刘旭姜珊王峥梁颖祺何恩业国家海洋环境预报中心北京100081 北京林业大学经济管理学院北京100083 自然资源部海洋灾害预报技术重点实验室国家海洋环境预报中心北京100081

基于2010—2019年黄海绿潮卫星遥感影像资料,构建绿潮覆盖面积时间序列分析方法。将每年5月8日—8月7日成像条件较好的遥感监测数据预处理为周平均时间序列,将2010—2018年设定为模型训练集,2019年设定为模型验证集。基于Box-Jenkins法... 详细信息

基于2010—2019年黄海绿潮卫星遥感影像资料,构建绿潮覆盖面积时间序列分析方法。将每年5月8日—8月7日成像条件较好的遥感监测数据预处理为周平均时间序列,将2010—2018年设定为模型训练集,2019年设定为模型验证集。基于Box-Jenkins法构建了差分整合自回归移动平均模型ARIMA(2,0,2)、加法季节性模型SARIMA(1,0,0)×(0,1,0)_(12)和乘法季节性模型SARIMA(1,0,0)×(0,1,1)_(12),3个模型都通过模型白噪声检验和参数显著性检验,具有较好的模拟效果和可预测性。SARIMA(1,0,0)×(0,1,1)_(12)的赤池信息准则值最小,2019年平均绝对误差为95.56 km^(2),均方根误差为156.74 km^(2),与ARIMA(2,0,2)相比,MAE提高12%,RMSE下降1.2%,SARIMA(1,0,0)×(0,1,0)12的预测精度最低,MAE和RMSE分别为115.12 km^(2)和192.16 km^(2)。

关键词：绿潮差分整合自回归移动平均模型时间序列法遥感监测

在线全文

学校读者我要写书评

暂无评论

基于机器学习的绿潮和赤潮提取算法研究

基于机器学习的绿潮和赤潮提取算法研究

作者：李敬虎鲁东大学

学位级别：硕士

绿潮和赤潮是由海水中藻类暴发性增殖导致的海洋灾害,其暴发期间会产生有毒物质造成海洋生物死亡,对沿海地区的水产养殖业、旅游业,以及海洋生态环境造成严重破坏,积极开展绿潮和赤潮监测工作具有重要现实意义。迄今为止,借助卫星遥感... 详细信息

绿潮和赤潮是由海水中藻类暴发性增殖导致的海洋灾害,其暴发期间会产生有毒物质造成海洋生物死亡,对沿海地区的水产养殖业、旅游业,以及海洋生态环境造成严重破坏,积极开展绿潮和赤潮监测工作具有重要现实意义。迄今为止,借助卫星遥感的绿潮和赤潮监测算法主要为指数阈值分割方法,即利用指数公式对卫星遥感数据的不同波段进行组合运算,设定分割阈值以提取目标像元信息。指数阈值分割方法凭借计算简单、处理速度快的优点,在绿潮和赤潮的识别提取、生物量计算等领域得到了广泛应用,但是由于分割阈值需要人工选择使其无法应用于大规模的绿潮和赤潮连续监测任务。另外受限于卫星遥感的固定时空分辨率,无法为绿潮和赤潮监测提供更加精准和实时的技术支持。为了解决以上问题,本研究以手持设备和低空无人机获取的高分辨率绿潮和赤潮RGB（Red Green Blue）影像作为数据源,分别提出基于机器学习算法的绿潮和赤潮识别模型,实现了复杂环境下绿潮和赤潮信息的自动化提取,有效避免了数据中建筑物、云雾、海浪和太阳耀光等干扰对结果的影响。主要研究内容和结论如下:（1）本研究提出一种基于Alex Net模型与支持向量机（Support Vector Machine,SVM）的绿潮提取方法。通过简单线性迭代聚类（Simple Linear Iterative Clustering,SLIC）进行超像素分割,融合了Alex Net模型SVM两种算法,共同进行绿潮提取。以手持设备和低空无人机采集的高分辨率绿潮RGB影像作为数据样本,首先使用SLIC算法在原始高分辨率影像上生成局部多尺度斑块,解决了原始图像因为尺寸过大无法用于模型训练测试的问题;然后使用Alex Net模型将多尺度斑块分为绿藻斑块、背景斑块和混合斑块三种类型,并使用SVM算法对混合斑块中绿藻进行像素级别的提取,进一步提高识别精度。为准确地评估此方法的性能,本论文在绿潮数据集BG-Algae DB上进行实验,实验结果显示此方法的总体精度为95.23%,F1 score为0.9612,Kappa为0.9436,优于三种常用指数阈值分割法（Ex R、RGBVI、NGBDI）。选取PSPNet、Deep Lab V3+和U-Net三种语义分割网络进行绿潮提取对比实验,结果表明本研究所提出的方法在处理小面积绿潮上具有较大优势,可以实现高分辨率影像中绿潮自动化、高精度的提取,可为精细化、近实时性的绿潮监测工作提供参考。（2）本研究提出一种基于改进UNet++模型的赤潮提取方法。以手持设备和低空无人机采集的高分辨率赤潮RGB影像作为监测数据,在原始UNet++网络基础上,修改主干网络为VGG-16模型;同时引入空间dropout策略将dropout扩展到整个UNet++网络,降低各个通道之间的依赖关系,加快模型的收敛速度。为可靠地评估本研究赤潮提取方法的性能,在赤潮数据集Redtide-DB上进行实验。实验结果显示,本研究提出的赤潮提取模型的总体精度为94.63%,F1评分为0.9552,Kappa为0.9496。与K近邻、支持向量机和随机森林算法,以及PSPNet,Seg Net和U-Net模型相比,本研究提出的赤潮提取模型在精度上有较大优势。在模型泛化能力测试中,本研究提出的赤潮提取模型对不同拍摄设备和拍摄环境的赤潮影像表现出一定泛化能力,其总体精度为97.41%,F1评分为0.9659,Kappa为0.9382。本研究提出的赤潮提取模型有效解决了卫星遥感中赤潮识别精度低、实时性差的问题,可以实现高分辨率影像中赤潮自动化、高精度的提取,为精细化的赤潮监测和研究工作提供参考。

关键词：机器学习绿潮赤潮无人机图像处理

秦皇岛绿潮暴发区微观繁殖体的时空分布特征及影响因素

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

海洋科学进展 2022年第1期40卷 110-121页

作者：马晓君李艳韩红宾宋伟王宗灵自然资源部第一海洋研究所山东青岛266061 自然资源部海洋生态环境科学与技术重点实验室山东青岛266061 青岛海洋科学与技术试点国家实验室海洋生态与环境科学功能实验室山东青岛266237

2015年至今,秦皇岛近岸海域连年发生绿潮灾害,造成严重社会影响和经济损失。微观繁殖体作为绿潮藻的种源,在绿潮的发生过程中起着十分重要的作用。为此,于2020年5月至9月对秦皇岛绿潮暴发较为严重的金梦海湾海域(119°32′54″~119°33... 详细信息

2015年至今,秦皇岛近岸海域连年发生绿潮灾害,造成严重社会影响和经济损失。微观繁殖体作为绿潮藻的种源,在绿潮的发生过程中起着十分重要的作用。为此,于2020年5月至9月对秦皇岛绿潮暴发较为严重的金梦海湾海域(119°32′54″~119°33′00″E,39°52′45″~39°53′30″N)进行采样调查,分析了绿潮暴发区水体和沉积物中微观繁殖体的时空特征、种类组成及主要影响因素。结果表明:秦皇岛绿潮暴发区和邻近海域水体,以及沉积物中绿藻微观繁殖体丰度均在6月较高,在7月和8月较低;绿潮影响区微观繁殖体丰度高于非影响区;0~5 cm表层沉积物的微观繁殖体丰度远高于5 cm及以深的沉积物;水体与沉积物中的微观繁殖体分布特征与海域海藻生物量和环境因子密切相关,两者丰度与绿潮发生区悬浮海藻和海藻场定生海藻的生物量呈显著的正相关关系;微观繁殖体丰度与温度、盐度呈负相关关系,与可溶性无机氮呈正相关关系。该研究将为进一步阐明秦皇岛绿潮发生的关键过程及防灾减灾提供支撑。

关键词：绿潮微观繁殖体环境因子时空分布秦皇岛

在线全文

学校读者我要写书评

暂无评论

基于无人机的海滨景区绿潮监测

海洋与湖沼 2018年第5期49卷 1061-1067页

作者：徐福祥高志强尚伟涛宁吉才姜晓鹏宋德彬中国科学院烟台海岸带研究所烟台264003 中国科学院大学北京100049 山东工商学院公共管理学院烟台264005

基于无人机航拍数据,利用四种颜色指数,结合无人机RGB影像对海阳市海滨景区绿潮进行特征统计和监测识别,验证不同空间位置绿潮的适宜监测指数。结果表明:海滨景区G波段高于其他波段的特征使其可以利用颜色指数进行监测;对于不同位置的... 详细信息

基于无人机航拍数据,利用四种颜色指数,结合无人机RGB影像对海阳市海滨景区绿潮进行特征统计和监测识别,验证不同空间位置绿潮的适宜监测指数。结果表明:海滨景区G波段高于其他波段的特征使其可以利用颜色指数进行监测;对于不同位置的绿潮灾害,NGBDI指数较适用于海滨景区漂浮绿潮的监测,而GLI指数则更适用于海滨景区海滩绿潮的监测。

关键词：绿潮海滨景区无人机颜色指数

应用甾醇类生物标志物追踪绿潮后期漂浮绿藻沉降区的方法

在线全文

学校读者我要写书评

暂无评论

海洋与湖沼 2018年第5期49卷 1094-1102页

作者：耿慧霞于仁成颜天张清春孔凡洲周名江中国科学院海洋生态与环境科学重点实验室青岛266071 青岛海洋科学与技术国家实验室海洋生态与环境科学功能实验室青岛266071 中国科学院海洋大科学研究中心青岛266071 中国科学院大学北京100049

黄海大规模绿潮的连年暴发造成了巨大的经济损失,但目前对其生态效应的认识仍非常有限。这主要是由于对绿潮后期漂浮绿藻的沉降区域缺乏了解,在很大程度上限制了对黄海绿潮生态效应的认识。本研究尝试以28-异褐藻甾醇作为绿潮藻类生物... 详细信息

黄海大规模绿潮的连年暴发造成了巨大的经济损失,但目前对其生态效应的认识仍非常有限。这主要是由于对绿潮后期漂浮绿藻的沉降区域缺乏了解,在很大程度上限制了对黄海绿潮生态效应的认识。本研究尝试以28-异褐藻甾醇作为绿潮藻类生物标志物,建立追踪绿藻沉降区的方法,并对其有效性和可行性进行分析和验证。研究结果表明,黄海绿潮原因种浒苔(Ulva prolifera)中主要甾醇成分为28-异褐藻甾醇,含量为50—100μg/g。在20°C和黑暗条件下,浒苔在1—2个月之内能够完全腐烂分解,腐烂分解的浒苔生物量与沉积物中保存的28-异褐藻甾醇含量呈显著正相关,沉积物中高含量的28-异褐藻甾醇能够在20°C和黑暗条件下稳定保存至少1个月,之后含量明显降低。现场调查也发现,在受绿潮影响的青岛近岸海域表层沉积物中能够检测到高含量的28-异褐藻甾醇,且其含量在绿潮消退1个月后有明显下降。因此,28-异褐藻甾醇可以作为黄海绿潮藻类的生物标志物,通过对绿潮消退后1—2月内海域表层沉积物中28-异褐藻甾醇的分析,有望揭示漂浮绿藻的沉降区域。相关结果为进一步研究黄海绿潮的生态效应奠定基础。

关键词：黄海绿潮甾醇标志物

基于无人机机载光谱仪的绿潮面积监测技术研究

在线全文

学校读者我要写书评

暂无评论

基于无人机机载光谱仪的绿潮面积监测技术研究

作者：石凤星燕山大学

学位级别：硕士

自2008年以来,绿潮暴发给我国沿海地区的生态环境和经济发展带来了负面影响。由于绿潮暴发迅速、持续时间长、覆盖范围大,传统的船舶航次调查无法进行全面实时的监测,遥感卫星分辨率较低,难以在绿潮暴发初期进行有效监测,无人机搭载普... 详细信息

自2008年以来,绿潮暴发给我国沿海地区的生态环境和经济发展带来了负面影响。由于绿潮暴发迅速、持续时间长、覆盖范围大,传统的船舶航次调查无法进行全面实时的监测,遥感卫星分辨率较低,难以在绿潮暴发初期进行有效监测,无人机搭载普通相机获取的地物信息少,监测精度低,所以利用无人机机载光谱仪对绿潮进行监测是十分必要的,对绿潮灾害的防控和治理具有重要意义。本文开展了基于无人机机载光谱仪的绿潮面积监测技术研究,主要研究内容如下。首先,介绍绿潮监测的国内外研究现状,分析不同监测方法的优缺点,提出解决问题的方法。其次,对绿潮识别分割理论进行研究,采用植被指数结合阈值分割和监督分类的方法对图像中的绿潮藻进行识别与分割。再次,开展基于无人机机载多光谱仪的绿潮面积监测技术研究,介绍研究区域的概况,开展多光谱图像反射率校正实验,研究无人机飞行高度和航拍面积的对应关系,拼接多光谱图像,然后利用归一化绿波段差值植被指数结合最大类间方差法对多光谱图像中的绿潮藻进行识别分割,并验证该方法的监测精度。最后,开展基于无人机机载高光谱仪的绿潮面积监测技术研究,利用反射率校正板对高光谱图像进行反射率校正,测量分析绿潮暴发区域典型地物的高光谱曲线,利用不同的植被指数和不同的监督分类器分别对高光谱图像中的绿潮藻进行识别与分割,对实验结果进行对比分析,确定最优的监测方法,最终实现对绿潮面积的实时、精准监测。

关键词：绿潮多光谱高光谱无人机植被指数监督分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于船载无人机的绿潮漂移速度估算与分析

海洋学报 2021年第4期43卷 96-105页

作者：姜晓鹏高志强吴晓青王跃启宁吉才中国科学院海岸带环境过程与生态修复重点实验室山东烟台264003 中国科学院大学北京100049 中国科学院烟台海岸带研究所山东省海岸带环境过程重点实验室山东烟台264003

无人机遥感具有应用灵活、不受云层干扰以及时空分辨率高的显著优势。为探索无人机在海洋灾害监测中的应用,本文以科考船为起降平台,首次基于无人机获取的双时相绿潮正射影像,开展了黄海绿潮漂移速度的估算研究。同时对比了卫星影像提... 详细信息

无人机遥感具有应用灵活、不受云层干扰以及时空分辨率高的显著优势。为探索无人机在海洋灾害监测中的应用,本文以科考船为起降平台,首次基于无人机获取的双时相绿潮正射影像,开展了黄海绿潮漂移速度的估算研究。同时对比了卫星影像提取的速度结果,并探讨了风与潮流对海上绿潮漂移的驱动。研究发现:(1)可见光波段的漂浮藻类指数能高精度地提取无人机可见光影像中的绿潮(kappa系数=0.95);(2)无人机遥感估算3个站位的绿潮漂移速率为0.26~0.44 m/s,漂移方向在1天之内变化明显;(3)绿潮短时间内的漂移受到风与潮流的共同影响,漂移方向与M_(2)分潮的潮流方向基本一致,位于风向右侧1°~62°。基于船载的无人机航测,能高精度地估算绿潮漂移速度,为精细化的绿潮灾害预警与防控提供技术支撑。

关键词：无人机遥感黄海绿潮漂移速度漂浮藻类指数

在线全文

学校读者我要写书评

暂无评论

基于多源遥感的岸线及绿潮监测

基于多源遥感的岸线及绿潮监测

作者：徐书文上海海洋大学

学位级别：硕士

海洋是当今全球最为重要的资源,贯彻落实加快推进海洋强国建设是我国新时代背景下的使命任务,但是发展海洋经济所带来的一系列海洋生态环境问题同样不容忽视,比如海洋资源的过度开发、海洋生态灾害的频发及海洋生态系统的破坏。促进海... 详细信息

海洋是当今全球最为重要的资源,贯彻落实加快推进海洋强国建设是我国新时代背景下的使命任务,但是发展海洋经济所带来的一系列海洋生态环境问题同样不容忽视,比如海洋资源的过度开发、海洋生态灾害的频发及海洋生态系统的破坏。促进海洋经济的可持续、稳健发展,必须在开发利用与保护之间找到合适的平衡点。如何动态、快速、准确地对海洋生态环境进行实时监测是保护海洋的关键,而遥感技术正是环境保护最重要的、也是最快速的监测手段之一。本文主要选取了海岸线和黄海绿潮这两种极具生态意义且对我国沿海经济、生态环境影响颇深的监测要素作为研究目标,针对其多源遥感提取方法进行改进与调整。海岸线资源通常是珍贵而稀缺的,对任何国家都具有重大优势。因此,对海岸线进行持续的时空监测对环境保护至关重要。本文从Landsat 8 OLI＿TIRS、MODIS、HY-1C和GF-3 SAR等多源卫星遥感图像中提取海岸线,提出了一种基于局部阈值法的针对不同海岸线类型的半自动海岸线提取方法,该方法适用于大部分光学和微波遥感影像,普适性良好。本文使用均方根误差(Root mean squared error,RMSE)、标准差(Standard error,STD)以及1像素内精度(Accuracy within 1 pixel)三个指标对该算法进行精度评估。从精度评估的结果来看,RMSE和STD的误差结果均在1-2个像素内,且GF-3 SARHY-1C>MODIS>GF-3 SAR。不同遥感数据对人工、砂质和淤泥质海岸线的提取效果都与其空间分辨率正相关,但高分辨率也使得GF-3 SAR精度难以保持在1像素以内。不同海岸线类型的对比结果来看,淤泥质海岸线的提取结果远弱于人工海岸线和砂质海岸线。GF-3SAR对淤泥质海岸线的成像效果影响要明显弱于其他遥感数据,几乎不能呈现出淤泥质浅滩,只能体现出内陆的堤坝等人工岸线。HY-1C的提取效果与潮汐关系更密切,但其对淤泥质海岸线的成像效果在本文使用的所有遥感数据中是最好的。此外,光学遥感影像由于云层干扰导致一些海岸线信息可能会被遮挡,而微波遥感不受云、雨、雾等天气的影响,因此本文融合了HY-1C与GF-3 SAR遥感影像,结果表明,光学遥感与微波遥感的融合行之有效,获取的补充数据可以在有云时更好地监测海岸线。绿潮连续多年在黄海大规模暴发,已成为黄海海域主要海洋生态灾害之一,采用遥感技术监测绿潮能够有效推动绿潮防控工作,因此,本文提出了一种基于归一化植被指数(NDVI)的半自动绿潮提取方法,对基于NDVI直方图统计的阈值提取方法进行了自动化改善。本文首先基于多源遥感卫片提取了2008-2022年间的黄海绿潮,使用的遥感数据源有:GF-1、Landsat 5 TM、Landsat 8 OLI＿TIRS、HJ-1A/B、HY-1C和MODIS。对比不同遥感影像,高分辨率的遥感影像在绿潮零星分布的细节呈现方面明显优于低分辨率。本文使用精确率(Precision)、召回率(Recall)以及综合评价指标(F1-score)对绿潮的提取方法进行精度评估,各数据源的精确率较为接近,但高分辨率要优于低分辨率的遥感影像;召回率:GF-1>Landsat>HJ-1>HY-1C>MODIS;F1-score的结果为GF-1>Landsat>HJ-1>HY-1C>MODIS。综上,使用本文方法从多源遥感影像提取绿潮的效果与分辨率高度正相关,且该绿潮提取方法普适性较好,能够适用于大部分的遥感数据源。由于NDVI值通常会受水域环境的影响,因此本文将黄海水域分为三个区域(水深≤-35m的A区、水深>-35m的B区和浑水区C区),对不同环境下的绿潮提取效果进行了进一步的精度评估。不同水深下的召回率变化不大,但明显高于浑水区域(C区)和薄云覆盖的区域(C3区)。精确率在不同环境下的差异不大,最高可达99.0%。除被薄云覆盖的数据外,F1-score均在90%以上。总体来说,本文的提取方法能够适应遥感影像不同环境下的绿潮提取。本文基于多源高分辨率遥感影像追溯了黄海绿潮源地,将溯源时间提前到了5月初,其中HY-1C可将溯源时间提前至4月初。利用k均值聚类分析可将绿潮源地的中心位置分为两类:江苏沿岸的苏北浅滩和黄海的东南部。本文为对黄海绿潮进行有效的实时监测与预测,选用Gompertz和Logistic生长曲线模型拟合了绿潮的累积覆盖面积与时间(天)的关系,并得到了初始、消亡百分位点与生长曲线一阶导数的峰度系数的拟合关系式,以此对绿潮进行每年生长趋势、规模与持续时间的预测。考虑到环境因素以及本研究所提取的遥感影像数量等多方面因素,都会对生长曲线的模拟结果产生一定影响,因此在拟合时加入了不确定性估计(±,是剩余标准差)。本文预测了2022年黄海绿潮的生长曲线,并得出初始、消亡的日期分别为6月1日和

关键词：多源遥感海岸线绿潮实时监测生长曲线预测

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

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

海洋学报 2019年第4期41卷 131-144页

作者：王蕊王常颖李劲华青岛大学数据科学与软件工程学院山东青岛266071

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... 详细信息

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。

关键词： GF-1 绿潮 K-means算法 C4.5决策树算法自适应阈值