-
公开(公告)号:CN117744031B
公开(公告)日:2024-08-13
申请号:CN202311760855.X
申请日:2023-12-19
Applicant: 广东海洋大学 , 国家卫星海洋应用中心
IPC: G06F18/27 , G01N21/17 , G01N21/55 , G06F18/213 , G06F18/22
Abstract: 本发明涉及一种在水色遥感技术领域,且公开了一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法,包括以下步骤:S1:选取波段,获取MODIS遥感产品中的遥感反射率产品,选取412nm、555nm、678nm三个波段的遥感反射率数据,并且进行预处理。本发明不仅能够减小了机器学习对于海表面叶绿素a浓度、海表面温度数据、海表面高度数据的依赖,减小了运行机器学习的计算资源消耗,而且能够有效提高反演精度,还能够有效的降低了反演次表层叶绿素a最大值的计算资源消耗和反演难度。
-
公开(公告)号:CN117744031A
公开(公告)日:2024-03-22
申请号:CN202311760855.X
申请日:2023-12-19
Applicant: 广东海洋大学 , 国家卫星海洋应用中心
IPC: G06F18/27 , G01N21/17 , G01N21/55 , G06F18/213 , G06F18/22
Abstract: 本发明涉及一种在水色遥感技术领域,且公开了一种基于遥感反射率的大洋水体次表层叶绿素a浓度最大值深度反演方法,包括以下步骤:S1:选取波段,获取MODIS遥感产品中的遥感反射率产品,选取412nm、555nm、678nm三个波段的遥感反射率数据,并且进行预处理。本发明不仅能够减小了机器学习对于海表面叶绿素a浓度、海表面温度数据、海表面高度数据的依赖,减小了运行机器学习的计算资源消耗,而且能够有效提高反演精度,还能够有效的降低了反演次表层叶绿素a最大值的计算资源消耗和反演难度。
-
公开(公告)号:CN112699204B
公开(公告)日:2021-08-27
申请号:CN202110051483.8
申请日:2021-01-14
Applicant: 国家卫星海洋应用中心
Abstract: 本发明提供了一种空间匹配窗口的确定方法和装置,包括:从预设数据库中获取目标对象在指定时间段内的每个时间点上,针对预设范围的每个观测点的估计值;针对每个时间点,以预设的指定观测点为中心向指定方向延伸至第一范围,基于第一范围内每个观测点的估计值确定估计平均值;基于上述估计平均值和估计值,确定空间代表性相对误差序列;如果空间代表性相对误差序列满足预设条件,基于第一范围确定空间匹配窗口的取值范围;如果不满足预设条件,扩大第一范围,继续使用扩大后的第一范围,确定目标对象的空间代表性相对误差序列,直到确定出空间匹配窗口的取值范围。该方式操作简单,且能够准确确定出任何海域的空间匹配窗口的取值范围。
-
公开(公告)号:CN112733801A
公开(公告)日:2021-04-30
申请号:CN202110092709.9
申请日:2021-01-22
Applicant: 国家卫星海洋应用中心
IPC: G06K9/00 , G06F16/587 , G06F16/58
Abstract: 本发明提供了一种海洋内波发生频率的计算方法、装置和电子设备,该方法包括:获取目标海域在目标时间段内的卫星遥感数据和海面粗糙度数据,以及,该卫星遥感数据对应的遥感卫星在该目标时间段内覆盖该目标海域的工作天数;根据该卫星遥感数据确定海洋内波发生频率的初始值;根据该海面粗糙度数据和该工作天数对该初始值进行校正得到发生频率的校正值。本发明实施例对于通过卫星遥感数据确定的海洋内波发生频率,根据遥感卫星的工作天数和海面粗糙度数据共同对其进行校正,可以缓解当海面粗糙度在某一范围内时,因会在遥感图像上形成部分除了海洋内波以外的条带,导致海洋内波发生次数统计不准确的问题,从而提高了计算海洋内波发生频率的准确度。
-
公开(公告)号:CN111678883B
公开(公告)日:2021-02-19
申请号:CN202010553833.6
申请日:2020-06-17
Applicant: 国家卫星海洋应用中心
IPC: G01N21/3563 , G01N21/359 , G01N21/47
Abstract: 本发明的实施例提供了一种海上浒苔和马尾藻鉴别方法,涉及藻类识别技术领域。所述方法包括:获取HY‑1C卫星的CZI的L1B数据;根据所述L1B数据,计算出NDVI、GFAI和DGFAI;根据所述NDVI、所述GFAI和所述DGFAI,判断海上大型漂浮藻类的类型。该方法根据HY‑1C卫星的CZI的L1B数据,自动识别藻类的类型,无需短波红外波段数据的信息,无需目视解译的主观判断,识别准确率高,识别效率高。
-
公开(公告)号:CN111678883A
公开(公告)日:2020-09-18
申请号:CN202010553833.6
申请日:2020-06-17
Applicant: 国家卫星海洋应用中心
IPC: G01N21/3563 , G01N21/359 , G01N21/47
Abstract: 本发明的实施例提供了一种基于HY-1C卫星CZI的藻类指数的海上浒苔和马尾藻鉴别方法,涉及藻类识别技术领域。所述方法包括:获取HY-1C卫星的CZI的L1B数据;根据所述L1B数据,计算出NDVI、GFAI和DGFAI;根据所述NDVI、所述GFAI和所述DGFAI,判断海上大型漂浮藻类的类型。该方法根据HY-1C卫星的CZI的L1B数据,自动识别藻类的类型,无需短波红外波段数据的信息,无需目视解译的主观判断,识别准确率高,识别效率高。
-
公开(公告)号:CN106777698A
公开(公告)日:2017-05-31
申请号:CN201611175135.7
申请日:2016-12-19
Applicant: 国家卫星海洋应用中心
Abstract: 本发明提供了一种后向散射系数的定标系数的校正方法及装置,用于卫星主动微波遥感器的后向散射系数的定标系数的校正,涉及海洋微波遥感数据处理领域。所述方法包括:建立微波二尺度后向散射模型和几何光学模型组合的复合雷达后向散射模型;根据所述复合雷达后向散射模型、卫星观测数据以及浮标实测数据计算得到海面雷达后向散射系数,所述卫星观测数据中包括观测后向散射系数;将所述海面雷达后向散射系数与所述观测后向散射系数进行线性拟合,得到所述观测后向散射系数与所述海面雷达后向散射系数的线性拟合系数;根据所述线性拟合系数对卫星主动微波遥感器的后向散射系数的定标系数进行校正。从而使后向散射系数的定标系数变得准确。
-
公开(公告)号:CN118762292B
公开(公告)日:2024-11-08
申请号:CN202411223770.2
申请日:2024-09-03
Applicant: 国家卫星海洋应用中心
IPC: G06V20/13 , G06N3/0464 , G06V10/764 , G06V10/82 , G06V10/88
Abstract: 本发明公开一种基于光学卫星数据的海面油膜自动提取方法和装置,应用于机器学习领域,所述基于光学卫星数据的海面油膜自动提取方法,包括:对目标海域的海面图像进行预处理,得到海面图像的各个子图像;利用预先训练的油膜识别模型,结合各个子图像的成像参数,确定各个子图像成像时的传感器观测方向与太阳入射光镜面反射方向之间的夹角;根据各个子图像的像元辐亮度、瑞利散射辐亮度、太阳天顶角以及太阳入射辐照度,确定所述子图像的光谱反射率;以及,根据各个子图像成像时的传感器观测方向与太阳入射光镜面反射方向之间的夹角和光谱反射率,对子图像进行油膜识别,确定子图像中的油膜图像;根据油膜图像,确定目标海域中的油膜区域。
-
公开(公告)号:CN118534075B
公开(公告)日:2024-11-05
申请号:CN202411002867.0
申请日:2024-07-25
Applicant: 国家卫星海洋应用中心
Abstract: 本发明公开一种海洋藻华水体确定方法、装置和设备,涉及海洋科学技术领域,以解决因海洋动力过程导致的海洋藻华水体识别效率低的问题。方法包括:获取水色遥感器信息以及预设海洋区域在预设时长内的海洋卫星水色遥感数据集;对遥感反射率数据进行反演计算得到总悬浮物浓度数据;根据目标日期对应的总悬浮物浓度融合数据与总悬浮物浓度平均数据计算得到目标日期对应的总悬浮物浓度异常数据;同理计算得到目标日期对应的叶绿素a浓度异常数据;基于总悬浮物浓度异常数据与预设总悬浮物浓度异常阈值之间的第一关系以及叶绿素a浓度异常数据与预设叶绿素a浓度异常阈值之间的第二关系,确定在目标日期预设海洋区域中的藻华水体位置。
-
公开(公告)号:CN106610491B
公开(公告)日:2019-10-15
申请号:CN201611196965.8
申请日:2016-12-21
Applicant: 广州市气象台 , 国家卫星海洋应用中心
Abstract: 本发明公开了一种星载SAR后向散射系数的检验方法和装置,涉及海洋微波遥感技术领域,本发明提供的一种星载SAR后向散射系数的检验方法,包括:利用气象浮标获取风场数据;获取SAR图像资料,读取卫星观测数据;将气象浮标与SAR图像资料进行时空匹配;根据风场数据、卫星观测数据由复合雷达后向散射模型计算得到σ0模型;根据SAR图像资料得到σ0SAR;根据σ0模型对σ0SAR进行检验,得到SAR后向散射系数的观测值σ0SAR的检验结果。解决传统评估方法在应用时受到入射角、频率的限制,该检验方法能够不受雷达波入射角和频率的影响,且通过再分析数据和对比也使得检验的准确性较高,同时该检验方法还具有通用性。
-
-
-
-
-
-
-
-
-