海洋一号C(HY-1C)卫星是中国首颗海洋水色业务卫星,其搭载的海岸带成像仪(Coastal Zone Imager, CZI)具有大幅宽、短重访周期的优势,可实现海洋和海岸带的大面积观测。作为光学传感器,CZI受云影响严重,准确识别云是CZI数据处理的关键,但...海洋一号C(HY-1C)卫星是中国首颗海洋水色业务卫星,其搭载的海岸带成像仪(Coastal Zone Imager, CZI)具有大幅宽、短重访周期的优势,可实现海洋和海岸带的大面积观测。作为光学传感器,CZI受云影响严重,准确识别云是CZI数据处理的关键,但是CZI缺少红外和短波红外等对云敏感的波段,云检测难度大。针对该问题,本文提出一种融合多尺度卷积和侧窗滤波的轻量化云检测方法,该方法通过多尺度卷积获取云的不同尺度特征,通过侧窗滤波突出边缘特征,减少椒盐噪声的影响,提升云边缘检测的精度。实验结果表明,本文所提出的方法可有效进行云检测,在云边缘提取方面表现较好,F1-score达92.77%,Kappa系数达0.89,与现有云检测方法相比优势明显,且模型训练速度快、参数量少,可为HY-1C CZI遥感影像处理提供有力支撑。展开更多
海洋一号C星(HY-1C)和海洋一号D星(HY-1D)搭载的海岸带成像仪(coastal zone imager,CZI)广泛应用于海洋、海岛和海岸带监测,同时也是内陆水体动态监测的重要数据源.该文选择水体范围变化剧烈、旱洪灾害频发的鄱阳湖为研究区,以瑞利校正...海洋一号C星(HY-1C)和海洋一号D星(HY-1D)搭载的海岸带成像仪(coastal zone imager,CZI)广泛应用于海洋、海岛和海岸带监测,同时也是内陆水体动态监测的重要数据源.该文选择水体范围变化剧烈、旱洪灾害频发的鄱阳湖为研究区,以瑞利校正后的CZI反射率数据为基础,利用归一化水体指数(normalized difference water index,NDWI)与归一化植被指数(normalized difference vegetation index,NDVI)联合的水体范围提取方法,相对精度达到96%,并获取了2019年3月至2020年8月鄱阳湖湖泊淹没面积.在此基础上,结合同步的水文站水位测量数据,建立了适用于鄱阳湖的水面积-水位定量关系模型(R=0.97).分析结果显示,鄱阳湖9月中旬至1月,水体面积最小,水位最低;2月至6月,水体面积逐渐增大,水位逐渐抬升;7月和8月,水体面积和水位达到年内峰值.洪涝风险区主要集中在鄱阳湖的东南部和西部.该研究对星地联合的洪涝风险分析有一定的借鉴意义.展开更多
Besides ozone, oxygen and water vapour should be considered for their absorptive effects on "HY--1A" CZI data processing. First ,gaseous transmittances under various conditions are computed and analyzed for the band...Besides ozone, oxygen and water vapour should be considered for their absorptive effects on "HY--1A" CZI data processing. First ,gaseous transmittances under various conditions are computed and analyzed for the band settings of this sensor. Second, transmittances under six standard atmospheres are approximated as functions of zenith angle, the water vapour transmittance is approximated as a function of water vapour content and zenith angle, and the ozone transmittance is approximated as a function of ozone content and zenith angle. Finally, taking Rayleigh scattering as an example, the influence of ignoring gaseous absorption when calculating TOA reflectance is analyzed, and the effect of applying the presented transmittance approximations to gaseous absorption correction for Rayleigh scattering in "HY--1A" CZI data processing is evaluated.展开更多
海洋一号C(HY-1C)卫星搭载的海岸带成像仪CZI(Coastal Zone Imager)广泛应用于中国近海生态灾害监测。本研究以16 m分辨率的高分六号WFV(Wide Field of View)影像提取的绿潮覆盖面积作为参考值,从绿潮漏检率和覆盖面积定量评估了CZI影...海洋一号C(HY-1C)卫星搭载的海岸带成像仪CZI(Coastal Zone Imager)广泛应用于中国近海生态灾害监测。本研究以16 m分辨率的高分六号WFV(Wide Field of View)影像提取的绿潮覆盖面积作为参考值,从绿潮漏检率和覆盖面积定量评估了CZI影像的绿潮监测能力,并与250 m分辨率的MODIS提取结果进行了对比分析。结果表明,CZI影像的绿潮平均漏检率只有MODIS影像的1/5左右,绿潮覆盖面积比MODIS影像小50%以上。MODIS和CZI影像的绿潮覆盖面积呈线性相关,将MODIS影像的绿潮覆盖面积转换为CZI结果;该结果显示,2019年、2021年度绿潮最大覆盖面积为2000 km^(2)左右,是2020年同期的6倍左右。在绿潮监测方面,相比于MODIS,CZI影像的绿潮漏检率较低且覆盖面积更接近真实参考值。本研究建立了CZI与目前较常用的MODIS绿潮覆盖面积的转换关系,可弥补CZI观测频次的缺陷,进而实现绿潮高频次观测。展开更多
基于HY-1C卫星海岸带成像仪CZI(Coastal Zone Imager)影像提取卤虫条带,对利用自主遥感数据开展生物资源监测与指导捕捞利用具有重要意义。本文以艾比湖为例,分析了HY-1C卫星CZI影像与Landsat-8卫星OLI数据的卤虫—水体端元光谱特征及差...基于HY-1C卫星海岸带成像仪CZI(Coastal Zone Imager)影像提取卤虫条带,对利用自主遥感数据开展生物资源监测与指导捕捞利用具有重要意义。本文以艾比湖为例,分析了HY-1C卫星CZI影像与Landsat-8卫星OLI数据的卤虫—水体端元光谱特征及差异;结合滑动窗口裁剪和光谱匹配因子SBAF(Spectral Band Adjustment Factors)模拟构建了有效样本量为837的卤虫—水体数据集;使用深度为5层的U型全卷积神经网络U-Net(U-Shaped Fully Convolutional Neural Network)算法提取卤虫条带并进行了评估与应用。与支持向量机法、最大似然分类法、归一化水体指数法相比,U-Net算法效率高、鲁棒性更好,卤虫条带的提取精确率和F1分数分别为92.02%和90.55%,比其他方法高出约11%—23%,即使面对复杂水体背景干扰,提取错误率也仅有3.3%;由2019年—2021年10景CZI影像的提取结果可知,研究期间卤虫条带的最大最小面积之比约为5.8,变化剧烈且与水体面积存在一定关联,但决定卤虫条带分布与面积的更多影响要素仍需进一步研究。未来,将建立多源、多分类、大样本量的遥感数据集,发展泛化能力更强的提取算法,实现长时序、大范围的盐湖卤虫条带时空规律分析。展开更多
搭载在中国首颗海洋水色业务卫星HY-1C上的海岸带成像仪CZI(Coast Zone Imager)于2019年6月开始业务化运行,其获取的大量海岸带、陆地和海洋数据对于海洋灾害与环境监测研究具有重要意义。CZI对地观测受云干扰,影响数据的后续应用。现...搭载在中国首颗海洋水色业务卫星HY-1C上的海岸带成像仪CZI(Coast Zone Imager)于2019年6月开始业务化运行,其获取的大量海岸带、陆地和海洋数据对于海洋灾害与环境监测研究具有重要意义。CZI对地观测受云干扰,影响数据的后续应用。现有的云检测算法大都基于RGB图像或者包含热红外的多光谱展开,对于HY-1C CZI这类RGB-近红外4个波段遥感图像研究较少。为此,本文提出了一种针对HY-1C CZI遥感图像的非监督遥感图像云检测方法。该方法包含训练样本选择、特征提取、支持向量机SVM(Support Vector Machine)分类和后处理这4个过程。在训练样本选择中,结合暗通道反射率、归一化植被指数和白度指数,提出了一种训练样本自动提取算法。该算法使用白度指数作为遥感图像细节信息提取数据源,并通过逐步细化过程精确提取样本。针对特征提取,选取图像的空—谱特征信息,包含反射率、光谱指数、纹理和结构特征,使云与非云区域的差异最大化。基于自动提取的训练样本及其特征描述,采用SVM对CZI遥感数据进行初分类,并在此基础上进行导向滤波、孔洞填充和几何判断后处理,以获取云检测结果。该算法的优势在于:(1)无需人工标注即可自动获取训练样本;(2)能够充分利用近红外波段信息。本文将该算法运用于植被、土壤、湿地和冰雪场景这4种典型场景中,并与目前流行的非监督云检测算法对比分析。相较于其他云检测算法,定性分析结果表明本文云检测结果与人工标注的云分布真实图具有较好的一致性;定量结果表明本文提出的算法在各个场景上都具有最低的错误率。通过以上对比分析,表明本文提出的云检测算法在不同的场景下识别结果都更加准确,证明了本文算法对于HY-1C CZI陆地遥感图像云检测的有效性。展开更多
With a spatial resolution of 50 m,a revisit time of three days,and a swath of 950 km,the coastal zone imager(CZI)offers great potential in monitoring coastal zone dynamics.Accurate atmo-spheric correction(AC)is needed...With a spatial resolution of 50 m,a revisit time of three days,and a swath of 950 km,the coastal zone imager(CZI)offers great potential in monitoring coastal zone dynamics.Accurate atmo-spheric correction(AC)is needed to exploit the potential of quantitative ocean color inversion.However,due to the band setting of CZI,the AC over coastal waters in the western Pacific region with complex optical properties cannot be realized easily.This research introduces a novel neural network(NN)AC algorithm for CZI data over coastal waters.Total 100,000 match-ups of HY-1 C CZI-observed reflectance at the top-of-atmosphere and Operational Land Imager(OLI)-retrieved high-quality remote sensing reflectance(Rrs)at the CZI bands are built to train the NN model.These reflectance data are obtained from the standard AC algorithm in the SeaDAS.Results indicate that the distributions of the CZI retrieved Rrs were consistent with the quasi-synchronous OLI data,but the spatial information from the CZI is more detailed.Then,the accuracy of the CZI data for AC is evaluated using the multi-source in-situ data.Results further show that the NN-AC can successfully retrieve Rrs for CZI and the coefficients of determination in the blue,green,red,and near-infrared bands were 0.70,0.77,0.76,and 0.67,respectively.The NN algorithm does not depend on shortwave-infrared bands and runs very fast once properly trained.展开更多
红夜光藻是我国主要的赤潮优势种,在渤海、黄海、东海和南海均有发生。近年来,红夜光藻赤潮发生频率明显上升,监测需求迫切。但红夜光藻赤潮发生具有分布范围广、变化速度快、多呈条带状分布的特点,其探测对卫星影像空间分辨率、覆盖范...红夜光藻是我国主要的赤潮优势种,在渤海、黄海、东海和南海均有发生。近年来,红夜光藻赤潮发生频率明显上升,监测需求迫切。但红夜光藻赤潮发生具有分布范围广、变化速度快、多呈条带状分布的特点,其探测对卫星影像空间分辨率、覆盖范围和重访周期要求高。虽然水色卫星在赤潮监测中发挥了重要作用,但其空间分辨率低,无法准确探测条带状分布的红夜光藻赤潮。海洋一号C、D(HY-1C/D)卫星搭载的海岸带成像仪(Coastal Zone Imager,CZI)以其高空间分辨率、大幅宽和短重访周期的优势,被越来越多地用于赤潮监测。现有的红夜光藻赤潮HY-1C/D CZI探测模型大多基于深度学习方法,需要大量赤潮样本,但赤潮样本获取困难,影响模型的精度。因此,本文以2022年3月发生在广东省汕尾市红海湾的红夜光藻赤潮为例,分析了红夜光藻赤潮光谱特征,基于红夜光藻赤潮在红光和近红外波段的高反射特性和浑浊水体在绿光波段的高反射特性,构建了一个面向HY-1C/D CZI的红夜光藻赤潮探测方法。实验结果表明,该方法可以有效地探测赤潮,并避免浑浊水体的干扰,精确率和F1-Score达到89.72%和0.90。而且,该方法具有较好的适用性,可适用于不同海洋环境、不同宽波段卫星传感器的红夜光藻赤潮探测。展开更多
文摘海洋一号C(HY-1C)卫星是中国首颗海洋水色业务卫星,其搭载的海岸带成像仪(Coastal Zone Imager, CZI)具有大幅宽、短重访周期的优势,可实现海洋和海岸带的大面积观测。作为光学传感器,CZI受云影响严重,准确识别云是CZI数据处理的关键,但是CZI缺少红外和短波红外等对云敏感的波段,云检测难度大。针对该问题,本文提出一种融合多尺度卷积和侧窗滤波的轻量化云检测方法,该方法通过多尺度卷积获取云的不同尺度特征,通过侧窗滤波突出边缘特征,减少椒盐噪声的影响,提升云边缘检测的精度。实验结果表明,本文所提出的方法可有效进行云检测,在云边缘提取方面表现较好,F1-score达92.77%,Kappa系数达0.89,与现有云检测方法相比优势明显,且模型训练速度快、参数量少,可为HY-1C CZI遥感影像处理提供有力支撑。
文摘海洋一号C星(HY-1C)和海洋一号D星(HY-1D)搭载的海岸带成像仪(coastal zone imager,CZI)广泛应用于海洋、海岛和海岸带监测,同时也是内陆水体动态监测的重要数据源.该文选择水体范围变化剧烈、旱洪灾害频发的鄱阳湖为研究区,以瑞利校正后的CZI反射率数据为基础,利用归一化水体指数(normalized difference water index,NDWI)与归一化植被指数(normalized difference vegetation index,NDVI)联合的水体范围提取方法,相对精度达到96%,并获取了2019年3月至2020年8月鄱阳湖湖泊淹没面积.在此基础上,结合同步的水文站水位测量数据,建立了适用于鄱阳湖的水面积-水位定量关系模型(R=0.97).分析结果显示,鄱阳湖9月中旬至1月,水体面积最小,水位最低;2月至6月,水体面积逐渐增大,水位逐渐抬升;7月和8月,水体面积和水位达到年内峰值.洪涝风险区主要集中在鄱阳湖的东南部和西部.该研究对星地联合的洪涝风险分析有一定的借鉴意义.
基金The National Natural Science Foundation of China under contralt No. 40606043the "863"Program under contract No.2007AA12Z145.
文摘Besides ozone, oxygen and water vapour should be considered for their absorptive effects on "HY--1A" CZI data processing. First ,gaseous transmittances under various conditions are computed and analyzed for the band settings of this sensor. Second, transmittances under six standard atmospheres are approximated as functions of zenith angle, the water vapour transmittance is approximated as a function of water vapour content and zenith angle, and the ozone transmittance is approximated as a function of ozone content and zenith angle. Finally, taking Rayleigh scattering as an example, the influence of ignoring gaseous absorption when calculating TOA reflectance is analyzed, and the effect of applying the presented transmittance approximations to gaseous absorption correction for Rayleigh scattering in "HY--1A" CZI data processing is evaluated.
文摘海洋一号C(HY-1C)卫星搭载的海岸带成像仪CZI(Coastal Zone Imager)广泛应用于中国近海生态灾害监测。本研究以16 m分辨率的高分六号WFV(Wide Field of View)影像提取的绿潮覆盖面积作为参考值,从绿潮漏检率和覆盖面积定量评估了CZI影像的绿潮监测能力,并与250 m分辨率的MODIS提取结果进行了对比分析。结果表明,CZI影像的绿潮平均漏检率只有MODIS影像的1/5左右,绿潮覆盖面积比MODIS影像小50%以上。MODIS和CZI影像的绿潮覆盖面积呈线性相关,将MODIS影像的绿潮覆盖面积转换为CZI结果;该结果显示,2019年、2021年度绿潮最大覆盖面积为2000 km^(2)左右,是2020年同期的6倍左右。在绿潮监测方面,相比于MODIS,CZI影像的绿潮漏检率较低且覆盖面积更接近真实参考值。本研究建立了CZI与目前较常用的MODIS绿潮覆盖面积的转换关系,可弥补CZI观测频次的缺陷,进而实现绿潮高频次观测。
文摘基于HY-1C卫星海岸带成像仪CZI(Coastal Zone Imager)影像提取卤虫条带,对利用自主遥感数据开展生物资源监测与指导捕捞利用具有重要意义。本文以艾比湖为例,分析了HY-1C卫星CZI影像与Landsat-8卫星OLI数据的卤虫—水体端元光谱特征及差异;结合滑动窗口裁剪和光谱匹配因子SBAF(Spectral Band Adjustment Factors)模拟构建了有效样本量为837的卤虫—水体数据集;使用深度为5层的U型全卷积神经网络U-Net(U-Shaped Fully Convolutional Neural Network)算法提取卤虫条带并进行了评估与应用。与支持向量机法、最大似然分类法、归一化水体指数法相比,U-Net算法效率高、鲁棒性更好,卤虫条带的提取精确率和F1分数分别为92.02%和90.55%,比其他方法高出约11%—23%,即使面对复杂水体背景干扰,提取错误率也仅有3.3%;由2019年—2021年10景CZI影像的提取结果可知,研究期间卤虫条带的最大最小面积之比约为5.8,变化剧烈且与水体面积存在一定关联,但决定卤虫条带分布与面积的更多影响要素仍需进一步研究。未来,将建立多源、多分类、大样本量的遥感数据集,发展泛化能力更强的提取算法,实现长时序、大范围的盐湖卤虫条带时空规律分析。
基金the National Key R&D Program of China[grant numbers 2018YFB0504900 and 2018YFB0504904]the National Natural Science Foundation of China[grant numbers 42071325 and 42176183]+1 种基金LIESMARS Special Research Fundingthe“985 Project”of Wuhan University,and Special funds of State Key Laboratory for equipment.
文摘With a spatial resolution of 50 m,a revisit time of three days,and a swath of 950 km,the coastal zone imager(CZI)offers great potential in monitoring coastal zone dynamics.Accurate atmo-spheric correction(AC)is needed to exploit the potential of quantitative ocean color inversion.However,due to the band setting of CZI,the AC over coastal waters in the western Pacific region with complex optical properties cannot be realized easily.This research introduces a novel neural network(NN)AC algorithm for CZI data over coastal waters.Total 100,000 match-ups of HY-1 C CZI-observed reflectance at the top-of-atmosphere and Operational Land Imager(OLI)-retrieved high-quality remote sensing reflectance(Rrs)at the CZI bands are built to train the NN model.These reflectance data are obtained from the standard AC algorithm in the SeaDAS.Results indicate that the distributions of the CZI retrieved Rrs were consistent with the quasi-synchronous OLI data,but the spatial information from the CZI is more detailed.Then,the accuracy of the CZI data for AC is evaluated using the multi-source in-situ data.Results further show that the NN-AC can successfully retrieve Rrs for CZI and the coefficients of determination in the blue,green,red,and near-infrared bands were 0.70,0.77,0.76,and 0.67,respectively.The NN algorithm does not depend on shortwave-infrared bands and runs very fast once properly trained.
文摘红夜光藻是我国主要的赤潮优势种,在渤海、黄海、东海和南海均有发生。近年来,红夜光藻赤潮发生频率明显上升,监测需求迫切。但红夜光藻赤潮发生具有分布范围广、变化速度快、多呈条带状分布的特点,其探测对卫星影像空间分辨率、覆盖范围和重访周期要求高。虽然水色卫星在赤潮监测中发挥了重要作用,但其空间分辨率低,无法准确探测条带状分布的红夜光藻赤潮。海洋一号C、D(HY-1C/D)卫星搭载的海岸带成像仪(Coastal Zone Imager,CZI)以其高空间分辨率、大幅宽和短重访周期的优势,被越来越多地用于赤潮监测。现有的红夜光藻赤潮HY-1C/D CZI探测模型大多基于深度学习方法,需要大量赤潮样本,但赤潮样本获取困难,影响模型的精度。因此,本文以2022年3月发生在广东省汕尾市红海湾的红夜光藻赤潮为例,分析了红夜光藻赤潮光谱特征,基于红夜光藻赤潮在红光和近红外波段的高反射特性和浑浊水体在绿光波段的高反射特性,构建了一个面向HY-1C/D CZI的红夜光藻赤潮探测方法。实验结果表明,该方法可以有效地探测赤潮,并避免浑浊水体的干扰,精确率和F1-Score达到89.72%和0.90。而且,该方法具有较好的适用性,可适用于不同海洋环境、不同宽波段卫星传感器的红夜光藻赤潮探测。