绿潮卫星遥感监测方法精细化研究

辛蕾

中国海洋大学

摘要：

在绿潮遥感业务化监测中，250m分辨率MODIS数据是主要数据源，归一化差值植被指数(NDVI)是用来进行绿潮信息提取的主要方法。然而研究发现，由于空间分辨率较低，MODIS影像中存在大量的混合像元，导致提取的绿潮覆盖面积明显偏大，影响绿潮遥感业务化监测精度。　　针对这个问题，本文的主要工作是:　　1)利用30m分辨率的HJ-1CCD的4个波段，基于波段差和比方法分别构造了5个新的算法，并进行了信息提取实验。结果发现绿光和红光波段构造的算法无法提取绿潮，其他5个波段组合算法提取的结果差异不大。而后，又进一步对5个算法的绿潮信息提取能力做了比较，结果表明:传统的NDVI算法优于其他算法，而红光与蓝光波段构建的算法最差。　　2)基于混合像元分解法，利用250m分辨率的MODIS影像中含绿潮像元线性分解后的绿潮覆盖面积与准同步的30m分辨率HJ-1 CCD影像的绿潮覆盖面积构建了绿潮覆盖面积提取精细化模型。与传统NDVI阈值法和混合像元分解法相比，该方法提取的独立检验区绿潮覆盖面积更接近于准真值，面积约为准真值的96％，对应的NDVI阈值法和混合像元分解法提取的面积分别为准真值的2.96倍和45％。另外，和NDVI阈值法相比，该方法对NDVI阈值变化不敏感，所提取的绿潮覆盖面积取值相对稳定。在本文检验对NDVI敏感性所选的样区中，以业务化监测经验，NDVI阈值选值[-0.20，-0.15]之间，结果发现，NDVI阈值法提取的绿潮覆盖面积增长了1.41倍;混合像元分解法提取的绿潮覆盖面积增长了1.11倍;精细化模型提取的绿潮覆盖面积增长了1.11倍。　　本文的创新点主要体现在:　　1)将混合像元分解方法应用于绿潮信息提取中，并且效果良好;　　2)构建了MODIS绿潮覆盖面积精细化提取模型，在一定程度上改善了利用传统方法提取MODIS数据绿潮覆盖面积偏大的问题，而且降低了对NDVI阈值的敏感性，且简单易行，能够用于绿潮的业务化监测。

关键词：绿潮现象;信息提取;遥感业务化监测;混合像元分解方法

授予单位：中国海洋大学

授予学位：硕士

学科专业：计算机技术

导师姓名：纪筱鹏;张杰

学位年度：2014

语种：中文

分类号：X834;X830.3

页数：61

在线出版日期：2016-03-30（万方平台首次上网日期，不代表论文的发表时间）