海面太阳耀斑区的溢油光学遥感CNN检测方法研究

海面发生大面积溢油事故时,由于太阳耀斑区的存在,海面的油膜在遥感影像上会发生明暗的变化。这对溢油的检测会产生严重的干扰。如何在海面太阳耀斑区准确地检测出溢油是目前溢油检测的难题。针对这一问题,本文利用Landsat7 ETM+多光谱影像数据,开展了基于卷积神经网络(CNN)的海面太阳耀斑区溢油检测方法研究。通过设置对照实验,对比支持向量机、最大似然、随机森林等分类方法,我们发现在相同实验条件下CNN模型的分类精度为95%~99%, Kappa系数为0.92~1,均高于其他三种分类方法,表明了CNN模型在海面太阳耀斑区溢油的检测具有更高的精度与一致性。

基于改进非线性劈窗算法的VIIRS中红外海面耀斑区反射率计算

传感器入瞳处接收到的中红外波段(3~5μm)能量包含反射的太阳能量与地物自身的发射能量。通常该波段反射的太阳能量很弱,但在海面太阳耀斑区等特定情况下,被中红外通道探测到的反射太阳能量是比较可观的,且其对大气影响的敏感性较低,同时,对于搭载有在轨定标系统的卫星传感器,使用黑体定标后的中红外波段的在轨辐射性能相当稳定的。因此,考虑将中红外波段的海面耀斑区反射率作为用于反射太阳波段交叉定标的基准。基于这个想法,构建了改进的、适用于VIIRS(visible infrared imaging radiometer)中红外波段的非线性劈窗模型来计算南印度洋海面耀斑区中红外反射率。首先统计得到VIIRS M12和M13波段海面反射率的限定关系,然后使用非线性劈窗算法模拟计算海面反射率,模拟模型的不确定度为0.83%。在此基础上使用VIIRS的M12波段(中心波长为3.697μm)太阳耀斑区数据计算选取的样本区的海面反射率。然后使用两种方法对反射率精度进行验证,精度分别为0.29%和0.23%,假设M12和M13波段海面反射率相等的反射率计算结果精度分别为2.48%和1.03%。该计算模型大大提高了精度,说明该模型用于VIIRS M12中红外波段计算海洋耀斑区反射率是有效可行的,其精度能够满足中红外波段海面反射率作为波段间定标基准的需求。