共查询到20条相似文献，搜索用时 966 毫秒
1.
针对湿地环境复杂、类型多样且难以从景观尺度进行识别的特点，为解决遥感影像“同物异谱、异物同谱”的难点，探讨湿地遥感信息提取方法，可为湿地管理保护提供基础数据。以江苏省为研究区，高分一号影像为数据源，结合不同地物的环境特征和空间特征，采用CART决策树法进行地物分类，并提取湿地信息；选取影像纯净像元为训练样本，根据样本数据特征，制定分类规则。集成高分影像的光谱特征、植被指数、水体指数、土壤调整植被指数、纹
理信息、主成分分析波段和辅助地形数据，构建CART决策树模型，实现地物分类，最终采用混淆矩阵和分类精度指标进行评价，并与最大似然分类方法进行对比。结果表明，分类总体精度达到86.77%，Kappa系数为0.85，精度较最大似然分类提高了将近16%，Kappa系数提高了近0.2；遥感解译成果统计表明，2016年江苏省湿地总面积为14 053.12 km2；其中，水域面积12 585.59 km2，沼泽574.18 km2，滩涂893.35 km2，分别占湿地总面积的89.56%、4.09%、6.35%。研究发现，CART决策树分类精度高于最大似然监督分类，具有较强的实用性和优越性，对大面积湿地信息提取具有借鉴意义。 相似文献
2.
为了解长江口的水质状况,现场测量叶绿素a浓度,结合高光谱遥感影像,运用波段比值模型、一阶微分模型和水体叶绿素a提取指数(Water Chlorophyll-a Index,WCI)对整个研究区域叶绿素a浓度进行反演推算,并进行空间分布评价;利用实测数据和遥感影像的关系建立反演模型,并结合相关系数、均方根误差和平均相对误差,分析和评价反演效果。结果显示,波段比值模型和叶绿素a浓度的相关性达到0.9099,均方根误差为1.7922,平均相对误差为9.09%;一阶微分模型的相关性为0.9483,均方根误差为2.2073,平均相对误差为15.31%;WCI模型的相关性高达0.9778,均方根误差为1.4405,平均相对误差为6.20%。利用WCI模型对整个研究区域的叶绿素a浓度进行模拟,可见研究区域的中间部分叶绿素a含量较低,从中间到两边逐渐增大,南部出现最大值,造成此差异的原因可能是因为北靠近居民生活区,南邻上海青草沙水库,并且附近存在植被。研究表明,WCI模型的反演效果优于波段比值模型和一阶微分模型,是一种计算简单、精度较高的方法,可以有效地提取水体叶绿素a的浓度,未来可广泛应用于水体环境质量监测。 相似文献
3.
《水生态学杂志》2021,(3)
为了解长江口的水质状况,现场测量叶绿素a浓度,结合高光谱遥感影像,运用波段比值模型、一阶微分模型和水体叶绿素a提取指数(Water Chlorophyll-a Index, WCI)对整个研究区域叶绿素a浓度进行反演推算,并进行空间分布评价;利用实测数据和遥感影像的关系建立反演模型,并结合相关系数、均方根误差和平均相对误差分析和评价反演效果。结果显示,波段比值模型和叶绿素a浓度的相关性达到0.91,均方根误差为1.79,平均相对误差为9.09%;一阶微分模型的相关性为0.95,均方根误差为2.21,平均相对误差为15.31%;WCI模型的相关性高达0.98,均方根误差为1.44,平均相对误差为6.20%。利用WCI模型对整个研究区域的叶绿素a浓度进行模拟,可见研究区域的中间部分叶绿素a含量较低,从中间到两边逐渐增大,南部出现最大值,造成此差异的原因可能是因为北接居民生活区,南邻上海青草沙水库,并且附近存在植被。研究表明,WCI模型的反演效果优于波段比值模型和一阶微分模型,是一种计算简单、精度较高的方法,可以有效地提取水体叶绿素a的浓度,未来可广泛应用于水体环境质量监测。 相似文献
4.
利用高分一号、高分二号和北京二号等多源国产高分卫星遥感影像,采用面向对象分类方法,结合目视解译,提取了2015-2018年秦皇岛近海浮筏养殖信息,分析了浮筏养殖分布范围与分布面积的年际变化特征。结果表明:秦皇岛近海浮筏养殖主要分布在昌黎县近海海域,每年面积百分比在93%以上;而北戴河区和山海关区则是零星分布,且不是持续分布。近几年秦皇岛近海浮筏养殖总面积呈上下波动的变化趋势,以2016年数值最大,其次为2018年,2015年和2017年相对较小。随着北戴河及相邻地区近岸海域环境综合整治工作的推进,2018年北戴河附近海域已无浮筏养殖分布。 相似文献
5.
遥感在海岸线修测中的应用技术探讨 总被引：1，自引：0，他引：1
阐析海岸线修测的技术要点，探讨利用遥感影像自动提取海岸线的技术方法。分析了目前海岸线自动提取方法的可行性和局限性，提出利用地表覆盖类型非监督分类方法的图像处理方法可以简单快速地获取海岸线及其成图需要依托的两侧地图要素，并以常用的Landsat-ETM遥感影像为数据源，对福建九龙江口海岸线进行修测实践，分析修测精度和误差要素。 相似文献
6.
正近年来,随着海上渔业生产规模的不断扩大,渔业生产养殖污染导致的水体富营养化问题逐渐凸显。《广东省海洋生态红线》(以下简称"红线")明确海洋生态保护目标的同时,对海洋空间精细化管理提出了更高要求。本文以2015-2017年间获取的多源遥感影像为基础,采用监督分类的方法,对养殖区进行图斑提取,获得广东省海洋红线区渔业生产活动的主要类型和分布特征,并对这些渔业生产活动是否符合海洋生态红线进行了讨论,为广东省生态红线区养殖用海监测 相似文献
7.
为了更好地提高水产养殖信息化与可视化管理水平,加强对水产养殖区域的动态监测,以国产高分一号遥感影像为数据源进行全国范围内养殖水域的提取,并结合WebGIS技术建立了一个集生产、经营、管理于一体的全国性、综合性水产养殖信息管理平台。该平台主要面向水产养殖从业人员及渔业行政管理部门,综合使用OpenLayers、JavaScript、Geoserver以及PostgreSQL数据库进行系统设计与开发,采用目前主流的B/S(浏览器/服务器)的3层分布式框架结构,主要实现了水体资源管理、养殖生产管理以及市场信息管理等功能。该系统在一定程度上满足了水产养殖从业人员及渔业行政管理部门对养殖过程进行动态与可视化管理、准确掌握水产养殖数据的需要,提高了水产养殖的信息化水平,并可扩展到对大范围的水产养殖区域进行实时动态监测。 相似文献
8.
养殖环境中模糊、气泡遮挡等现象影响养殖鱼特征提取，使养殖鱼群检测精度不佳，为解决上述问题，提出融合通道非降维双重注意力机制ECBAM与改进YOLOv5的养殖鱼群检测模型ESB-YOLO(ECBAM-SPPF-BiFPN-YOLO)。使用ECBAM注意力机制获取更多细节特征；为缓解加入ECBAM导致的检测时间增加、速度变慢，使用SPPF替换SPP,减少模型计算量，降低模型检测时间，提高检测速度；为提高YOLOv5特征融合效果，使用BiFPN进行特征权重融合，提高有效特征在特征融合的比重，减少特征丢失。为了验证改进模块对YOLOv5的影响，设计了消融试验。试验结果显示：ESB-YOLO相比YOLOv5在保持检测速度的条件下平均精度提升了2.40%;设计模型对比试验，验证了ESB-YOLO的优越性，相比FERNet、SWIPENet及SK-YOLOv5等先进水下目标检测模型，ESB-YOLO在平均精度上分别具有3.10%、3.90%与0.70%的优势。研究表明，本研究所提的模型对养殖鱼群目标检测效果更佳，可以满足养殖鱼群检测要求。 相似文献
9.
10.
HJ-1A卫星CCD1数据具有免费、高空间分辨率等优点,但是由于受大气的影响,电磁波在传输过程中发生失真。为了提高CCD1数据的提取精度,就必须对其进行大气校正。本文利用6S模型对2013年9月30日的HJ-1A卫星CCD1数据进行了大气校正,并从归一化植被指数(NDVI)的变化、与中分辨率成像光谱仪(MODIS)地表反射率数据对比2个方面对校正结果进行精度验证。结果表明:NDVI的标准差校正前为0.179866,校正后为0.247689,大气校正能够有效地降低大气对遥感图像造成的影响,图像的层次更加丰富;在滇池的建筑物、水体、植被3种地物中分别选取1个像元,获得CCD1数据和MODIS数据分别在这3个像元上的反射率值。3种地物的地表反射率在2种数据中都具有较好的一致性,在4个波段的误差均在15%左右。对于水体,波段3和波段4的误差较小(10%),建议在进行滇池水质参数反演时尽量选用3、4波段。利用经过大气校正后的CCD1数据计算NDVI并结合密度分割的方法对滇池蓝藻信息进行了提取,提取的结果与滇池蓝藻实测数据具有较好的相关性,相关系数达到0.7703,说明利用HJ-1A卫星CCD1数据可以快速、动态地监测滇池蓝藻暴发。 相似文献
11.
H.S. EGNA 《Fisheries Management and Ecology》1994,1(3):165-178
Abstract Water quality in tropical fish ponds is generally evaluated without the assistance of remote sensing because of cost, cloud cover, and other constraints, but certain parameters such as suspended solid concentrations, colour, chlorophyll and temperature can effectively be monitored by aerial photography and satellite imagery. This paper reviews applications of remote sensing to tropical inland fisheries and aquaculture and includes applications from related disciplines. A brief assessment of new platforms and sensors is also presented. Remote sensing images may help to inform researchers and planners about water quality trends that are occurring over a broad area in which fisheries and aquaculture activities occur. However, the operational use of remote sensing in aquaculture remains largely experimental. 相似文献
12.
目前神经网络研究文献成果较多，虽然在水质精准预测方面起到了一定的参考，但由于文献缺少科学分类，使用率不高，导致学者难以找到研究切入点。针对这一问题，本文将神经网络方法在养殖区水质精准预测方面的文献按照海水和淡水两大领域进行分类，主要对每个领域所应用的预测模型从正反馈架构、循环架构和混合架构三个方向对海水时空序列文献进行分类研究和综述，发现混合架构模型的预测性能优于正反馈模型和循环架构模型，有利于提升不同深度水质预测模型的精度。另外，本文对基于神经网络方法的三维水质预测模型进行了初步探讨，发现学者的研究成果更多地集中在水表层和水中层的不同位置水质参数的变化方面，而神经网络方法对水表层水质预测精度比水中层和水深层水质预测精度高。 相似文献
13.
- Intertidal habitat maps are needed at both fine and coarse scales to monitor change and inform conservation and management, but current methods of field survey and expert interpretation of aerial imagery can be time‐consuming and subjective. Object‐based image analysis (OBIA) of remote sensing data is increasingly employed for producing habitat or land cover maps. Users create automated workflows to segment imagery, creating ecologically meaningful objects, which are then classified based on their spectral or geometric properties, relationships to other objects and contextual data.
- This study evaluates the change‐detection capability of OBIA in the intertidal environment by developing and comparing two OBIA methods for quantifying change in extent and distribution of habitats from freely available multi‐temporal aerial imagery and LiDAR data. Despite considerable variability in the data, pre‐ and post‐classification change detection methods had sufficient accuracy (mean overall accuracy from 70.5 to 82.6%) to monitor deviation from a background level of natural environmental fluctuation.
- This insight into spatial and temporal patterns of natural cyclical change and their detectability by OBIA could inform use of remote sensing for regular, rapid coastal assessment, providing an alert system to direct survey resources to areas of ecologically relevant change.
14.
为更高效、大范围的获取草海水质状况,分析草海水体营养状态,本文利用实测水质数据与遥感影像的关系建立反演模型,反演草海2000-2015年水质指标,包括Chl-a、TN、TP、CODMn、SD,并用综合营养状态指数法（TLI）对草海水质情况进行评价。结果表明：（1）通过波段组合与实测数据建立水质参数反演模型能高效、大面积的获得草海水质分布情况,评价得知草海从2000 - 2005年、2010 - 2015年,整体水质均为中营养、轻度富营养状态,TLI表现为先升高,后降低;（2）草海水质季节变化明显,四个季节的综合营养状态指数为春季>夏季>冬季>秋季,主要原因是草海春、夏季节农耕及旅游活动等较频繁;（3）空间上看,草海入水口及湖周围综合营养指数比湖中心及出水口高,其原因是因为入水口靠近城市,城市污水排入湖中,湖四周农业污染源大量存在所致。 相似文献
15.
为研究絮团浓度对革胡子鲇零换水养殖效果的影响,在不额外添加有机碳源（只利用饲料中的碳）的革胡子鲇（）养殖系统中,设置了平均絮团质量浓度为561.18 mg/L和780.41 mg/L两个处理组,比较了两实验组的水质、菌群结构、鱼生长及氮利用效率。结果表明,两种浓度絮团条件下,总氨氮（total ammonia nitrogen,TAN）和亚硝酸氮（NO2--N）能分别维持1.84 mg/L和1.79 mg/L以下。两处理组间pH、溶解氧（dissolved oxygen,DO）、TAN、NO2--N、氮素利用效率及主要生长指标无显著差异（-N）浓度（822.0 mg/L）明显高于低浓度絮团组（623.33 mg/L）。高通量测序分析菌群结构结果表明,两组间门水平的菌群组成种类及优势度无显著性差异（<0.05）。两处理组中的革胡子鲇存活率分别达到（91.11±1.53）%和（94.44±2.08）%,饲料系数为（1.41±0.18）和（1.27±0.26）,特殊生长率为（2.13±0.04）%/d和（2.19±0.08）%/d,均无显著差异（>0.05）。两实验组饲料氮的利用率分别达到了72.17%和71.34%。综合以上结果认为,仅利用饲料中的碳既能维持革胡子鲇的零换水养殖且能取得较高的氮素利用效率,两种絮团浓度对革胡子鲇的生长无显著影响,高浓度絮团组中的硝化作用更明显。 相似文献
16.
应用Monte Carlo方法计算水上集鱼灯向下辐照度在一类海水中的分布 总被引：5，自引：1，他引：4
利用叶绿素浓度、海表风速数据及集鱼灯、渔船的相关特征参数(集鱼灯的配光曲线、波谱分布、辐射通量、集鱼灯在渔船上几何位置等),采用Monte Carlo方法构造了一个计算水上集鱼灯水下辐照度分布的模型。该模型利用叶绿素浓度数据、纯海水水光学特性及其与吸收、散射系数的关系计算波束衰减系数(包括吸收系数、散射系数),利用风速数据构造毛细波面,计算该波面对光路及菲涅耳反射的影响。该模型与传统计算方法相比,有如下优点:(1) 利用叶绿素浓度数据计算波束衰减系数,并考虑了波束衰减系数的波谱特征;(2) 能提供不同水层集鱼灯向下辐照度的光谱分布;(3) 能提供渔船阴影区向下辐照度的分布;(4) 考虑了毛细波面的影响,使集鱼灯水下辐照度的计算更合理;(5) 叶绿素浓度、风速数据可由遥感获取,使模型更易应用于实际计算。模型计算结果与实测值进行了比较,相对均方根误差为37.6%,但两者之间存在显著相关性(P<0.001),文中对模型结果进行了分析。 相似文献
17.
18.
为探索遥感数据反演低盐湖盐度的能力, 以西藏错鄂湖为例, 利用 Sentinel-2 多光谱数据, 对比了可见光和近红外波段光谱反射率与水表盐度的相关性, 基于波段反射率和归一化水体指数(normalized difference water index, NDWI), 采用线性回归模型对西藏错鄂湖水表盐度进行反演研究。研究结果表明, 绿波段反射率与盐度的相关性高于其他波段, 当盐度低于 3 时, 近红外波段反射率与盐度相关性最高; 9 种变量组合的盐度反演模型中, NDWI 变量的加入能够提高模型的反演精度, 且 NDWI、近红外波段、蓝波段 3 个变量组合的线性回归模型反演盐度的精度最高, 平均绝对误差(the mean absolute error, MAE)为 0.103, 决定系数 R2 最大, 为 0.5696, 说明盐度实测值和预测值拟合结果较好。从对全湖的预测结果看, 错鄂湖的水表盐度空间分布总体呈现出岸边、河口低, 湖泊内部高且分布较为均匀的格局, 预测盐度均值约 4.14, 与实测均值 4.15 十分接近, 验证了反演方法的有效性。研究结果表明多光谱遥感数据在预测错鄂湖泊水表盐度方面具有准确度高、快速便捷的优势, 对利用多光谱遥感数据进行低盐湖泊水表盐度反演具有指导意义, 对水生生物资源保护和可持续利用具有借鉴价值。 相似文献
19.
- 1. This study describes the use of colour aerial photography and Airborne Thematic Mapper (ATM) multispectral imagery (420–1050 nm) to map gravel‐bed river habitats important to sustaining river lamprey (Lampetra fluviatilis) — an aquatic species with high conservation interest in Europe. The accuracy of the remote sensing approach was assessed by comparing the output from automated mapping of physical habitat features using image analysis and GIS and habitat maps derived from field survey.
- 2. Unsupervised classification of the aerial photography and ATM imagery mapped hydraulic habitat such as pools and riffles with overall accuracies of 57% and 65.5% respectively. Submerged sand and silt deposits, which are important to river lamprey ammocoetes could not be identified on the imagery by simple unsupervised or supervised classification. They could be mapped indirectly, however, by association between their presence and morphological attributes such as backwaters and embayments in the bank profile detectable on the imagery. Remotely determining the likely presence and location of lamprey ammocoete habitat can be useful in planning detailed electrofishing campaigns to estimate lamprey densities, to assess conservation status and any change over time, and to determine the need for restoration strategies.
- 3. The results suggest that on rivers wider than 20 m without a continuous wooded riparian fringe, and where there is good quality imagery, it is possible to automate mapping of physical habitat features important to many river species with high nature conservation interest. As a result organizations charged with monitoring and conserving river species should consider investing in airborne imagery covering river systems of high conservation value.
20.
针对养殖水质、水温及p H预测准确性低的问题,提出了一种基于粒子群优化BP神经网络的养殖水质参数预测方法。首先应用粒子群算法优化得出BP神经网络的初始权值和阈值,然后对得到的数据进行预处理,修复异常数据信息,再以当前时间的多个水质参数作为输入,下个时间点的水温、p H作为输出,建立养殖水质预测模型,最后利用采集的水质数据在BP神经网络中进行训练,并通过实验检验水质预测模型的可行性和预测性能。与支持向量回归(SVR)和传统BP神经网络相比,基于粒子群优化的BP神经网络在预测水温方面,均方根误差(RMSE)下降幅度分别为64.4%和86.7%;在预测p H方面,RMSE下降幅度分别为11.1%和78.9%。研究表明,基于粒子群优化的BP神经网络养殖水质预测模型具有灵活简便、预测精度高、易于实现的特点,同时具有很好的预测能力。 相似文献