基于Radarsat-2目标极化分解H-α特征空间的海洋悬浮物浓度监测研究

doi:10.11978/j.issn.1009-5470.2013.04.016

热带海洋学报 ›› 2013, Vol. 32 ›› Issue (4): 107-112.doi: 10.11978/j.issn.1009-5470.2013.04.016cstr: 32234.14.j.issn.1009-5470.2013.04.016

• 海洋环境保护 • 上一篇

基于Radarsat-2目标极化分解H-α特征空间的海洋悬浮物浓度监测研究

曹仕^{1, 2}, 刘湘南¹, 刘美玲¹, 吴伶¹, 周博天¹

1. 中国地质大学(北京)信息工程学院, 北京 100083; 2. 湖南省地质环境监测总站, 湖南长沙 410000

收稿日期:2011-01-11 修回日期:2011-04-22 出版日期:2013-10-20 发布日期:2013-10-30
通讯作者: 刘湘南。E-mail: liuxncugb@163.com
作者简介:曹仕(1985—), 男, 湖南省岳阳市人, 硕士, 主要研究方向为遥感地学建模。E-mail: caoshi224@163.com.
基金资助:
国家自然科学基金项目(U0933005)

Monitoring marine suspended particulate matter concentration using full polarimetric SAR data of Radarsat-2

CAO Shi^{1, 2}, LIU Xiang-nan¹, LIU Mei-ling¹, WU Ling¹, ZHOU Bo-tian¹

1. School of Information Engineering, China University of Geosciences, Beijing 100083, China; 2. Geological Environmental Monitoring Institute of Hunan Province, Changsha 410000, China

Received:2011-01-11 Revised:2011-04-22 Online:2013-10-20 Published:2013-10-30

摘要/Abstract

摘要： 海洋悬浮物浓度遥感监测对海洋环境监测与治理具有重要意义。以Radarsat-2全极化SAR(synthetic aperture radar)数据与珠江口东岸香港海域悬浮物实测数据为基础, 利用微波散射机制与Cloude-Pottier理论探索平均散射角α和散射熵H等特征参数与海洋悬浮物浓度之间的关系, 建立基于H-α细分类空间的海洋悬浮物浓度分布监测模型。研究结果表明, 平均散射角α和散射熵H与海洋悬浮物浓度之间存在着正相关关系, 其相关系数分别为0.79和0.88。由此构建的H-α空间细分类模型可将悬浮物浓度分为4类, 分别对应20mg·L^-1以上、10—20mg·L^-1、5—10mg·L^-1以及5mg·L^-1以下的悬浮物浓度。经验证, 该模型的分类精度达到95.6%, 远高于单独利用α或H的分类效果, 可以较好应用于海洋悬浮物浓度探测领域。

关键词: Radarsat-2, 海洋悬浮物, H-α, 空间分类

Abstract: Remote sensing of marine suspended particulate matter concentration is important for monitoring and managing marine environments. Based on the theory of Cloude-Pottier decomposition and backscattered radiation mechanism, the scattering angle (α) and entropy (H), decomposed from full polarimetric SAR (synthetic aperture radar) data of Radarsat-2, were used to build a model for retrieving suspended particulate matter concentration. The results show good positive relationships between αand the concentration of marine suspended particulate matter and between Hand the concentration, with the coefficients of 0.79 and 0.88, respectively. Four categories of regions are constructed in the H-αspace, corresponding to the concentrations of suspended particulate matter of 20 mg·L^-1 and above, 10-20 mg·L^-1, 5-10 mg·L^-1, and 5 mg·L^-1 and below, respectively. The validation shows that the accuracy of the model was up to 95.6% for classifying different concentrations of marine suspended particulate matter, which would be well applied in the field of monitoring marine suspended particulate matter concentration.

Key words: Radarsat-2, marine suspended particulate matter, H-α, spatial classification

中图分类号:

P761

曹仕, 刘湘南, 刘美玲, 吴伶, 周博天. 基于Radarsat-2目标极化分解H-α特征空间的海洋悬浮物浓度监测研究[J]. 热带海洋学报, 2013, 32(4): 107-112.

CAO Shi, LIU Xiang-nan, LIU Mei-ling, WU Ling, ZHOU Bo-tian. Monitoring marine suspended particulate matter concentration using full polarimetric SAR data of Radarsat-2[J]. Journal of Tropical Oceanography, 2013, 32(4): 107-112.

参考文献

[1]吕恒, 李新国, 江南. 基于反射光谱和模拟MERIS数据的太湖悬浮物遥感定量模型[J]. 湖泊科学, 2005, 17(2): 104-109.
[2]祝令亚, 王世新, 周艺, 等. 应用MODIS影像估测太湖水体悬浮物浓度[J]. 水科学进展, 2007, 18(3): 444-450.
[3]张渊智, 聂跃平, 蔺启中, 等. 表面水质遥感监测研究[J]. 遥感技术与应用, 2000, 15(4): 214-219.
[4]林以安, 李炎, 唐仁友. 长江口絮凝聚沉特征与颗粒表面理化因素作用: Ⅰ悬浮体颗粒絮凝沉降特征[J]. 泥沙研究, 1997, 1: 42-48.
[5]雷坤, 杨作升, 郭志刚. 东海陆架北部泥质区悬浮体的絮凝沉积作用[J]. 海洋与湖沼, 2001, 32(3): 288-295.
[6]刘大召, 陈楚群, 刘汾汾, 等. 利用混合光谱分解估测珠江口悬浮泥沙浓度[J]. 热带海洋学报, 2009, 28(5): 43-48.
[7]YAN Z Z, TANG D L. Changes in suspended sediments associated with 2004 Indian Ocean Tsunami[J]. Adv Space Res, 2009, 43(1): 89-95.
[8]MILAN O, PAVLA P. Retrieval of suspended particulate matter concentrations in the Danube River from Landsat ETM data[J]. Sci Total Environ, 2008, 397(1): 238-243.
[9]YOUNG B S, WILFORD D G, ALEXEY V M, et al. Multi-spectral remote-sensing algorithms for particulate organic carbon (POC): The Gulf of Mexico[J]. Remote Sens Environ, 2009, 113(1): 50-61.
[10]MEISL P, THOMPSON A A, LUSCOMBE A P, et al. RADARSAT-2 mission: Overview and development status[C]// Proceedings of the 3rd European Conference on Synthetic Aperture Radar. Berlin: SPRINGER, 2000: 373-376.
[11]何桂芳, 袁国明, 李凤岐. 珠江口沿岸城市经济发展对珠江口水质的影响[J]. 海洋环境科学, 2004, 23(4): 50-52.
[12]VARSHA T, RAO Y S. Classification of polarimetric synthetic aperture radar images from SIR-C and ALOS PALSAR[C]//Recent Advances in Microwave Theory and Applications, MICROWAVE. Jaipur: IEEE, 2008: 438-440.
[13]王超, 张红, 陈曦, 等. 全极化合成孔径雷达图像处理[M]. 北京: 科学出版社, 2008: 362-368.
[14]彭鹏, 朱友志, 张平. POLSAR多视复图像的特征提取和分类方法[J]. 系统工程与电子技术, 2008, 30(8): 1395-1398.
[15]LEE J S, GRUNES M R, SCHULER D L, et al. Scattering-model-based speckle filtering of polarimetric SAR data[J]. IEEE Trans Geosci Remote Sens, 2006, 44(1): 176-187.
[16]李洪忠, 王超, 张红, 等. 基于海图信息的SAR影像海陆自动分割[J]. 遥感技术与应用, 2009, 24(6): 731-736.

基于Radarsat-2目标极化分解H-α特征空间的海洋悬浮物浓度监测研究

Monitoring marine suspended particulate matter concentration using full polarimetric SAR data of Radarsat-2

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

Metrics

本文评价

推荐阅读 0

[1]	李为华, 李九发, 张文祥. 水体悬沙浓度连续测量技术研究综述[J]. 热带海洋学报, 2022, 41(4): 20-30.
[2]	石泳昊, 贾良文, 张恒, 林怡彤. 湛江湾内湾环境容量计算与排污治理[J]. 热带海洋学报, 2021, 40(4): 134-142.
[3]	潘翠红, 夏丽华, 吴志峰, 王猛, 解学通, 王芳. 柘林湾近岸水产养殖区水域叶绿素a浓度反演[J]. 热带海洋学报, 2021, 40(1): 142-153.
[4]	庄晓珊, 桓清柳, 彭莹, 王节亮, 庞仁松, 周凯. 深圳东部近岸海域溶解氧的时空分布特征[J]. 热带海洋学报, 2018, 37(5): 98-105.
[5]	曹文熙, 孙兆华, 李彩, 邹国旺. 水质监测浮标及其传感器的防污染措施[J]. 热带海洋学报, 2018, 37(5): 7-12.
[6]	王桂芬, 徐文龙, 周雯, 许占堂, 曹文熙. 基于船载走航观测高光谱颗粒物吸收系数反演浮游植物粒级结构*[J]. 热带海洋学报, 2018, 37(5): 50-61.
[7]	陈旭阳, 刘保良. 海洋在线监测浮标在赤潮监测中的应用研究[J]. 热带海洋学报, 2018, 37(5): 20-24.
[8]	孙兆华, 曹文熙, 黄健龙, 周璇, 李晓伟, 邹国旺. 走航式海洋观测平台设计及其初步应用^*[J]. 热带海洋学报, 2018, 37(5): 13-19.
[9]	曹文熙, 孙兆华, 李彩, 邹国旺. 水质监测浮标数据采集和接收系统设计及其应用[J]. 热带海洋学报, 2018, 37(5): 1-6.
[10]	徐国锋, 崔永平, 刘莲. 应用压力-状态-响应模型评价象山港富营养化水平[J]. 热带海洋学报, 2018, 37(4): 52-60.
[11]	李晔,庞永杰,唐旭东. 一种智能水下机器人进行大范围海洋环境监测的方案与实验[J]. 热带海洋学报, 2009, 28(4): 12-16.