基于特征优化的SAR图像水华识别方法

内陆湖泊水华现象的频繁爆发,严重影响着地表水环境安全,严重阻碍了我国的生态文明建设。充分发挥合成孔径雷达(Synthetic Aperture Radar,SAR)遥感技术全天时、全天候的优势,可实现大尺度、周期性的水华识别与监测工作,对于地表水生态环境的保护与监管具有重大的现实意义。立足于SAR遥感目标识别技术的研究与应用,文中提出了一种基于特征优化的水华识别方法。该方法基于对水华SAR图像特征的深入分析与提取,应用ReliefF特征优化算法对全部的22个水华特征进行筛选与优化,得到包含10个特征的最优特征子集,并以反向传播(Back Propagation,BP)神经网络为分类识别器完成了多组对比实验,水华识别总体精度最高达81.39%,较优化之前提升了19.38%。实验结果表明,使用最优特征集不仅可以大幅降低算法复杂度,还可以有效地提升水华总体识别精度,具有进一步推广的实用价值。

一种自动特征提取的SAR图像水华识别方法

针对SAR图像水华识别中人工提取特征效率低的问题,提出了一种自动特征提取识别方法。该方法应用改进的K-means算法提取SAR图像暗斑,利用数据增强算法扩充暗斑图像集,并基于对水华暗斑图像特征的深入分析对DenseNet网络结构进行改进,以实现对水华暗斑与非水华暗斑更有效地识别区分。以太湖数据集作为实验数据,该方法获得了87.30%的总体精度,这一结果表明自动特征提取识别方法对于SAR图像水华识别的有效性。

基于复杂网络的城市湖库藻类水华形成识别研究

在对城市湖库藻类水华形成机理深入研究的基础上,将提取的影响水华暴发的关键因子总磷(TP)、总氮(TN)、温度(T)、pH值、溶解氧(DO)、光照(I)、叶绿素a浓度(chl_a)作为网络节点,将影响因素间的关系抽象成网络的边,构建了藻类水华形成的有向网络模型.同时,计算了复杂网络的统计特征参数,构建了节点的关键度模型,并进行修正,进而构建了水华形成的复杂网络统计特征参数模型G,对其进行半定量分级,从而实现对水华暴发的有效识别,最后采用北京城市河湖水质的实验数据对模型进行了验证.结果表明,复杂网络统计特征参数G与叶绿素a浓度有显著的相关性,能够较好地表征水华形成过程.

珠海一号高光谱卫星在内陆湖泊监测中的应用

针对珠海欧比特宇航科技股份有限公司(以下简称欧比特公司)2018年4月26日发射的02组4颗高光谱卫星(OrbitaHyperSpectral,简称OHS),本文开展了珠海一号高光谱卫星数据在内陆湖泊水质监测、富营养化状态评价、水体污染监测中的应用示范研究。研究发现,在叶绿素a、悬浮物浓度等定量遥感反演方面,高光谱分辨率的珠海一号高光谱卫星数据能够捕捉到精细的光谱特征进而提取更多水体要素的信息;在水华水草识别等精细化定量提取方面,高空间分辨率的珠海一号高光谱卫星数据占有优势。