[发明专利]一种基于高光谱遥感影像的近海养殖筏提取指数的提取方法

说明书

本发明涉及一种基于高光谱遥感影像的近海养殖筏提取指数的提取方法，包括步骤：对高光谱数据进行预处理，预处理包括正射校正、辐射定标、大气校正和影像裁剪；分析地物光谱特征，构建高光谱遥感影像的近海养殖筏提取指数，根据高光谱遥感影像的近海养殖筏提取指数的阈值来区分养殖筏、背景水体、植被和其他地物；计算养殖筏提取结果的面积信息，过滤面积小于设定值的误分像素。本发明的有益效果是：简化现有养殖筏提取的流程与难度，分析高光谱影像上养殖筏的光谱信息，通过增大其与其他地物的光谱差距，构建一种基于高光谱数据的近海水产养殖筏提取指数，增大养殖筏与其他地物的差异根据养殖筏指数结果使用阈值分割提取养殖筏。

技术领域

本发明属于遥感影像的分类提取技术领域，尤其涉及一种基于高光谱遥感影像的近海养殖筏提取指数。

背景技术

根据2016年全球水产养殖产量统计，中国的水产养殖产量占世界总产量的一半以上，是世界上最大的水产养殖国家，而筏式养殖是海水养殖中最重要的方式之一。但是近些年来为追求经济利益，沿海水产养殖产业迅速扩大导致沿海环境遭受巨大压力，养殖过程中营养物质和抗生素的过度供应导致富营养化、水污染、赤潮等环境问题。因此，对沿海养殖渔业进行遥感监测，系统而深入地研究浮筏养殖用海面积及分布，了解养殖区的空间分布及发展，为渔业管理部门合理规划养殖用海提供辅助决策信息，对于海岸带的科学管理和可持续发展至关重要。

近年来随着对近海养殖区观测资料的日益稳定和丰富，对养殖区的养殖范围和养殖密度，甚至于对养殖类型进行识别和提取等日益成为海洋遥感研究中的热点问题。目前传统浮筏养殖的识别和提取常用的方法大致可分为三类：人工目视解译，面向对象分类，机器学习分类等。人工目视解译工作量大，成本高，操作繁琐；面向对象分类需要同时利用光谱信息和形状信息且对数据的分辨率要求高，普适性低，不易实现；机器学习分类的方法需对特定研究区的养殖筏选取大量样本进行训练，实现难度大，缺乏可迁移性。

研究常用的数据源为中高分辨率的多光谱遥感数据，其中最普遍的为Landsat数据，除了中分辨率卫星遥感影像，SPOT、IKONOS以及我国近年发射的高分系列卫星等高分辨率影像也是该研究方向重要的数据来源。但是近海养殖浮筏与背景水体光谱曲线极为接近，仅在可见光的红黄光波段存在明显的差异。目前研究常用的多光谱数据波段数量很少，依靠宽波段信息较难区分养殖筏与背景水体。高光谱数据光谱分辨率高，能够区分地物的细微差异特征，可以充分体现出养殖筏与背景海水的光谱差异。

发明内容

本发明的目的是克服现有技术中的不足，提供一种基于高光谱遥感影像的近海养殖筏提取指数的提取方法。

这种基于高光谱遥感影像的近海养殖筏提取指数的提取方法，包括以下步骤：

步骤1、对高光谱数据进行预处理，预处理包括正射校正、辐射定标、大气校正和影像裁剪；

步骤2、分析地物光谱特征，构建高光谱遥感影像的近海养殖筏提取指数，根据高光谱遥感影像的近海养殖筏提取指数的阈值来区分养殖筏、背景水体、植被和其他地物；

步骤2.1、分析高光谱遥感影像中养殖筏、背景水体、植被、其他地物的均值光谱曲线，得到高光谱遥感影像的高光谱信息；根据高光谱信息构建养殖筏指数ARI，通过等光谱间波段的差值运算得到背景地物信息；其中养殖筏指数ARI为：

ARI＝(ρ₅₉₃-ρ₉₅₅)+(ρ₁₀₄₀-ρ₁₂₄₀) (1)