來源:賽斯拜克 發表時間:2023-08-14 瀏覽量:442 作者:awei
隨著科技的不斷發展,高光譜成像技術正在逐漸滲透到各個領域,其中也包括海洋科學。高光譜成像技術,作為一種新型的遙感技術,具有圖譜合一的特點,為海洋環境監測提供了新的可能性。
隨著科技的不斷發展,高光譜成像技術正在逐漸滲透到各個領域,其中也包括海洋科學。高光譜成像技術,作為一種新型的遙感技術,具有圖譜合一的特點,為海洋環境監測提供了新的可能性。
一、高光譜成像技術的基本概念
高光譜成像技術,簡稱HSI,是結合了傳統圖像和光譜信息的一種新型成像技術。它不僅能獲取目標的形狀、大小等信息,還能獲取每個目標的光譜信息,進而進行物質的識別和定量分析。
二、高光譜成像技術在海洋環境監測中的研究
1 海洋水色反演
1.1 水色要素反演
葉綠素、懸浮物和透明度是評價海水水質的幾項主要指標,葉綠素 a 是浮游植物中普遍含有的色素,在藍光和紅光波段存在吸收峰,并且激發熒光,水體吸收光譜和熒光光譜隨著葉綠素 a 濃度的變化而變化;水體懸浮物由有機和無機顆粒物組成,其含量可直接影響水體透明度、渾濁度以及水色,研究發現,在近岸海域,懸浮物濃度與長波段的遙感反射率或比值呈現良好的相關性;水體透明度與水體各組分含量及其吸收、散射特性直接相關,反映了水體的渾濁程度,研究表明,可見光的全波段漫射衰減系數和透明度具有較好的相關性,可通過反演來估計水體透明度?;谏鲜鲈?,即可利用遙感反射率數據開展水色要素的濃度反演。受限于數據源,目前的海洋水色反演多基于多光譜遙感影像展開,隨著我國環境一號衛星 A 星(HJ-1A)的發射,眾多學者進行了高光譜水色反演研究,他們基于 HJ-1A 超光譜成像儀(HSI)高光譜數據分別提取了懸浮物(見圖 1)和葉綠素 a 濃度的混合光譜分解模型并開展實驗,結果表明模型預測值與實測值的相關系數分別為 0.82、0.89,驗證了模型的適用性;此外,面向 2018 年發射升空的 GF-5 衛星高光譜傳感器,專家學者還開展了渾濁水體葉綠素 a 濃度的反演算法研究,根據 GF-5 衛星數據波段設置,將實測光譜數據轉換為模擬 GF-5 光譜數據開展了相關實驗。
圖 1 基于 HJ-1A HSI 的混合光譜分解模型懸浮物反演結果
1.2 淺海水深探測
水深是海洋環境的重要參數,是海洋資源開發和海洋環境保護的基礎保障。然而在部分海岸帶淺海和島礁周邊海域,船只無法到達,傳統水深測量無法作業,在此情形下,基于水體的光學特征發展的水深遙感探測成為選擇。高光譜遙感波譜信息豐富,是近些年來水深遙感反演研究的熱點和前沿,形成了光譜微分統計、查找表、神經網絡和半分析等模型,經實驗驗證其平均相對誤差低于20%。其中,HOPE模型(Hyperspectral Optimization Process Exemplar)是目前影響最大且應用最為廣泛的一種高光譜遙感水深反演模型,該模型由 Lee 1999 年提出,是一種聯合反演淺海水深和固有光學性質的半分析模型,充分考慮了水體組分的吸收和散射因素,物理機制比較完備。其最大優勢是無需實測水深,可直接進行水深反演,因而受到了國內外眾多學者的青睞,并開展了大量的應用研究,研究結果精度普遍較高,0~25m水深段平均相對誤差在15%左右。
2海洋災害監測
2.1 赤潮
赤潮是海洋中一些微藻、原生動物或細菌在一定環境條件下爆發性增殖,引起水體變色的一種生態異?,F象,是我國主要的海洋生態災害之一,對海洋生態系統、水產養殖業和濱海旅游業等構成較大影響。赤潮發生時,浮游生物的聚集會導致水體葉綠素濃度的升高,引起水體光譜特性的變化,進而產生有別于正常水體的光譜特征,如赤潮發生海域水體往往在熒光波段(685 附近)具有較高的遙感反射率。通過對高光譜影像光譜特征差異的分析,可以實現對赤潮的檢測和監測。目前常用的高光譜赤潮檢測方法有基于赤潮水體反射率的分析函數算法、基于光譜特征和小波的識別算法、基于現場赤潮海水和正常海水的波譜數據的 SVM 算法等,專家學者提出了基于高光譜圖像解混的海洋藻類監測算法,實驗驗證算法能有效克服高光譜圖像分辨率不足造成的面積估算不準問題,實現亞像素水平的面積估計;也提出了基于子空間劃分和耀斑抑制的赤潮高光譜高精度快速檢測方法,并實驗驗證了方法的可行性。
2.2 溢油
與赤潮類似,海上溢油也是一種我國近海常見的海洋災害,近幾年發生的幾次海上溢油事件對我國近海環境造成了很大的破壞。溢油發生后會在海面形成油膜,不同厚度的油膜會在可見光影像上表現出不同的特征,尤其在近紅外波段表現出與清潔海水明顯的光譜差異,同時,油膜平滑了海表面的微尺度波,使油膜與海水在影像中的紋理表現存在差異,介于此,可利用光學影像對海上溢油進行檢測。高光譜圖譜合一的優勢,可以通過目標的光譜和紋理特征剔除顏色和外觀與油膜相似的假目標,獲取更精準的海上溢油信息,目前常用的方法有基于多尺度特征深度學習的高光譜溢油檢測、小波變換及深度學習等,另外專家學者還提出了通過分區混合端元計算海洋溢油覆蓋度的探測方法,并采用仿真數據與真實高光譜影像數據相結合進行實驗,驗證了算法的有效性。
2.3 海冰
海冰是典型海洋生態災害之一,常發生于我國渤海和黃海北部,對航道通行、海上石油開采及漁業資源開發造成較大的影響。目前的海冰遙感監測主要集中在海冰分布和海冰厚度計算上,部分技術已較為成熟,并開展了業務化應用。受限于影像的光譜分辨率,目前的海冰遙感監測主要是對海冰分布范圍的提取,而海冰厚度的研究成果較少,提取算法尚不夠成熟。但研究表明,不同類型的海冰在一定的光譜范圍內,表現出顯著的反射率差異和強烈的可分離性,海冰厚度與海冰反照率之間呈現良好的指數關系,尤其對于一年冰或冰厚小于 1m 的海冰。高光譜影像較高的光譜分辨率可以獲得近乎連續的光譜信息和豐富的海冰圖像信息,可為海冰更深一步的探測提供重要信息。
3海濱濕地遙感監測濱海濕地是重要的鳥類等陸地動物的棲息地和魚類等水生動物的繁育場所 , 地物類型復雜多樣,且大部分區域人為無法進入,現有的多光譜遙感技術在濱海濕地地物類型分布方面有較多的應用,但無法開展高精度的復雜地物類型分類和定量遙感監測,如植被生物量和蓋度等。高光譜影像的高光譜分辨率,能夠更精細地展現地物的光譜特征,在濱海濕地負責地物類型分類和定量監測中可發揮獨特的優勢。目前濱海濕地典型地物分類的方法多為基于現場調查數據的監督分類,常用方法有 SVM、神經網絡算法、最大自然分類法等,同樣,高光譜影像遙感監測也可對不同地物光譜特征波段進行遴選,建立基于高光譜植被指數的定量信息提取方法和模型,開展基于高光譜遙感影像的地物類型和植被定量信息提取。某學者基于 SVM 方法,利用珠海一號高光譜影像對黃河三角洲國家級自然保護區的水體、鹽地堿蓬、潮灘、蘆葦沼澤、互花米草、潮灘蘆葦、檉柳灌叢等 7 種典型地物進行了分類研究,總體分類精度為 86.02%,kappa 系數為 0.83,其中,水體和鹽地堿蓬的分類精度最高,分別為 98.96%和 95.94%。實驗所用影像及分類結果圖參見圖 2。
(a)實驗區 OHS 假彩色合成圖像
(b)OHS 假彩色合成影像和地物真實分布圖
(c)OHS 影像 SVM 分類結果
圖 2 基于 OHS 影像的黃河口濱海濕地地物分類
三、高光譜成像技術的挑戰和前景
雖然高光譜成像技術在海洋環境監測中具有廣泛的應用前景,但也面臨著一些挑戰,如海洋環境的復雜性和惡劣性、數據處理和分析的難度等。然而,隨著技術的不斷進步,這些問題都將得到有效的解決。
高光譜成像技術在海洋環境監測中具有巨大的潛力。它不僅可以提高我們對海洋環境的認識,還可以為海洋資源的開發和保護提供重要的技術支持。未來,隨著高光譜成像技術的不斷完善和優化,我們有理由相信,它將為海洋科學的發展開辟出新的道路。