申请/专利权人：山东科技大学

申请日：2023-12-04

公开（公告）日：2024-03-19

公开（公告）号：CN117346744B

主分类号：G01C13/00

分类号：G01C13/00;G01C5/00;G06V20/13;G06V20/10;G06V10/762;G06V10/776

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明属于卫星海洋遥感技术领域，具体公开一种基于涨退潮时星载主被动遥感信息的测量水深反演方法。用于海岸带浅水区域的水深获取。具体步骤为：首先基于长时间序列多光谱影像确定海岸带的裸露潮滩区域的范围，利用测高卫星获取裸露潮滩高程数据，并作为约束信息结合大潮高潮时的多光谱遥感影像数据构建星载主被动融合水深反演模型，最后将大潮低潮时的多光谱数据代入构建的水深反演模型以获取更深水区域的水深反演结果。本发明实现了海岸带浅水区域的水深获取，对于海岸带Ⅱ类水体的水深反演及无实测水深数据区域的水深获取均具有重要的技术支撑。

主权项：1.一种基于涨退潮时星载主被动遥感信息的测量水深反演方法，其特征在于，包括以下步骤：S1、基于长时间序列多光谱影像提取海岸带的最低水线及最高水线之间的裸露潮滩区域，所述最低水线是指大潮最低水位，所述最高水线是指大潮最高水位；S1.1、利用GEE平台结合平台中公开获取的Sentinel-2多光谱遥感卫星影像数据集，选择一个落潮时间范围及一个涨潮时间范围分别提取海岸带的最低水线和最高水线，并去除多云像素，利用.median中值函数获取中位数影像并合成无云影像；S1.2、利用自动提取水体指数并使用最大类间方差法选取所述无云影像中水体像素的最佳阈值提取水体，所述自动提取水体指数表示为： （1）；其中，GREEN代表多光谱影像中的绿光波段，NIR代表多光谱影像中的近红外波段，SWIR1、SWIR2代表多光谱影像中的短红外线波段，GREEN、NIR、SWIR1和SWIR2分别代表Sentinel-2影像波段中的3、8、11、12波段；S1.3、删除小于所选尺寸的水体像素以移除二值水陆图像中所有的内陆水体，并对二值水陆分离图像矢量化以获取陆地区域的多边形轮廓，从而提取海岸线；S1.4、重复步骤S1.1～S1.3以提取所选区域的涨潮及落潮时间的海岸线，获取海岸带的裸露潮滩区域；S2、利用测高卫星获取裸露潮滩高程数据；S3、以裸露潮滩高程数据作为约束信息，并结合大潮高潮时的多光谱影像数据构建星载主被动融合水深反演模型；S3.1、获取大潮高潮时的Sentinel-2多光谱影像数据，并进行大气校正和辐射校正，利用归一化水体指数进行水陆分离，所述归一化水体指数表示为： （3）；S3.2、将步骤S2获取的裸露潮滩高程数据和经步骤S3.1预处理后的Sentinel-2多光谱影像数据代入波段比值模型进行训练构建星载主被动融合水深反演模型，所述波段比值模型表示为：（4），其中，z代表水深值，Lλ1代表Sentinel-2多光谱影像中绿光波段的反射率，和Lλ2代表Sentinel-2多光谱影像中蓝光波段的反射率；m0和m1为经训练后得到的波段比值模型系数；S3.3、利用机载激光雷达测深数据进行星载主被动融合水深反演模型验证；S4、将大潮低潮时的多光谱数据代入所述星载主被动融合水深反演模型，获得更深水区域的水深反演结果；S4.1、利用步骤S3.1对大潮低潮时的Sentinel-2多光谱影像进行预处理，对预处理后的大潮低潮时的Sentinel-2多光谱影像提取浅水区域并剔除深水区域，所述浅水区域的水深小于10m；S4.2、将经步骤S3.2计算得到的m0和m1代入经步骤S4.1处理后的Sentinel-2多光谱影像中，利用波段比值模型反演得到更深水区域的水深反演结果。

全文数据：

权利要求：

百度查询： 山东科技大学 基于涨退潮时星载主被动遥感信息的测量水深反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD