江苏近海辐射沙洲水域水深与光谱的相关性研究

doi:10.6046/gtzyyg.2007.03.21

全文: PDF(786 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

通过对实测光谱数据和水深数据的分析研究发现，泥沙浓度在水深遥感中具有重要意义。泥沙含量决定水体光谱反射率与

水深的相关性方向：泥沙含量较少的清水区，光谱反射率与水深呈负线性相关；而在泥沙含量较高的浊水区，光谱反射率与水深

数据呈正线性相关。以此为依据，对水体进行清/浊水体的光谱分别处理，可提高水深的光谱反演精度。同时，结合实测水体光谱

进行不同光谱分辨率的模拟分析，发现高光谱分辨率遥感将有助于提高水深反演精度。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	邸凯昌

关键词 ：遥感图像, 几何纠正, 快速算法, 微机

Abstract：

Sand drift is of vital importance in water-depth remote sensing, as shown by an analysis of the

reflectance spectral data and measured water depth data. The concentration of the sand drift decides the direction

of the correlation coefficient between the water depth and the reflectance spectra: the correlation coefficient is

lower than 0 in the clear area and higher than 0 in the high turbidity area. On such a basis, the water body can

be classified before depth extraction so as to improve the depth extraction precision. The high spectral remote

sensing technique can raise the extraction precision based on the simulation analysis of different spectra.

Key words： remote sensing image geometric rectification fast algorithm personal computer

收稿日期: 2007-03-05 出版日期: 2009-07-21

:
	TP 79

基金资助:

江苏省地质调查研究院委托项目“江苏海岸水下地形多尺度遥感成图关键技术研究”。

通讯作者: 杜心栋(1981-)，男，南京大学硕士研究生，主要研究方向为资源环境遥感。

引用本文:

杜心栋, 田庆久, 王晶晶, 王向成. 江苏近海辐射沙洲水域水深与光谱的相关性研究[J]. 国土资源遥感, 2007, 19(3): 89-93.
DU Xin-Dong, TIAN Qing-Jiu, WANG Jing-Jing, WANG Xiang-Cheng. THE CORRELATION BETWEEN WATER DEPTH AND
REFLECTANCE SPECTRA IN RADIAL SUBMARINE
SAND RIDGE SYSTEMS OF JIANGSU PROVINCE. REMOTE SENSING FOR LAND & RESOURCES, 2007, 19(3): 89-93.

链接本文:

https://www.gtzyyg.com/CN/10.6046/gtzyyg.2007.03.21 或 https://www.gtzyyg.com/CN/Y2007/V19/I3/89

[1]	张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[2]	李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[3]	赵晓晨, 吴皓楠, 李林宜, 孟令奎. 面向汛旱情监测的遥感影像GPU并行处理算法[J]. 自然资源遥感, 2021, 33(3): 107-113.
[4]	刘万军, 高健康, 曲海成, 姜文涛. 多尺度特征增强的遥感图像舰船目标检测[J]. 自然资源遥感, 2021, 33(3): 97-106.
[5]	王小兵. 融合提升小波阈值与多方向边缘检测的矿区遥感图像去噪[J]. 国土资源遥感, 2020, 32(4): 46-52.
[6]	刘尚旺, 崔智勇, 李道义. 基于Unet网络多任务学习的遥感图像建筑地物语义分割[J]. 国土资源遥感, 2020, 32(4): 74-83.
[7]	李宇, 肖春姣, 张洪群, 李湘眷, 陈俊. 深度卷积融合条件随机场的遥感图像语义分割[J]. 国土资源遥感, 2020, 32(3): 15-22.
[8]	蔡之灵, 翁谦, 叶少珍, 简彩仁. 基于Inception-V3模型的高分遥感影像场景分类[J]. 国土资源遥感, 2020, 32(3): 80-89.
[9]	叶发茂, 罗威, 苏燕飞, 赵旭青, 肖慧, 闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[10]	谢奇芳, 姚国清, 张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[11]	葛芸, 江顺亮, 叶发茂, 姜昌龙, 陈英, 唐祎玲. 聚合CNN特征的遥感图像检索[J]. 国土资源遥感, 2019, 31(1): 49-57.
[12]	张康, 黑保琴, 李盛阳, 邵雨阳. 基于CNN模型的遥感图像复杂场景分类[J]. 国土资源遥感, 2018, 30(4): 49-55.
[13]	杨亮, 贾益, 江万寿, 张过. 基于观测角信息的HJ-1A/B卫星光学影像几何精纠正[J]. 国土资源遥感, 2018, 30(2): 60-66.
[14]	杨萍, 李轶鲲, 胡玉玺, 杨树文. 融合相容粒理论的遥感图像检索[J]. 国土资源遥感, 2017, 29(4): 43-47.
[15]	丁海勇, 罗海滨, 郭瑞瑞. 基于非下采样轮廓变换与模糊理论的遥感图像增强[J]. 国土资源遥感, 2017, 29(3): 25-31.