基于PIE-Engine的太湖水域蓝藻信息反演

2023-12-18 23:59
文章标签 信息 反演 engine pie 水域 蓝藻 太湖

本文主要是介绍基于PIE-Engine的太湖水域蓝藻信息反演，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

在这里插入图片描述
1 引言

太湖是我国第三大淡水湖，地跨江浙两省，水域面积达2338km2，平均水深2m左右。上世纪80年代以来，太湖水体营养化愈加严重，频繁爆发蓝藻水华现象即为一种非常典型的二类水体（Case 2 Waters，光学性质变化受浮游植物及其附属物、外生的粒子和外生有色可溶有机物等其他物质影响的水体）。悬浮物（Suspended Solids，悬浮在水中的固体物质，包括不溶于水的无机物、有机物及泥砂、黏土、微生物等）作为造成水体浑浊的主要影响因素，是衡量水体污染程度的重要指标。利用遥感技术准确获取区域面状水域悬浮物浓度信息，是遥感水质参数监测的一项重要任务。传统的利用遥感手段监测水质的方法大多基于时序遥感影像及地表水质监测数据构建地物信息模型来完成，但受限于本地设备存储、运算能力的限制，当前的监测尺度已逐渐无法满足日益提升的大尺度、长时序遥感应用研究需求，且需要消耗大量人力物力和时间。

当前我们身处大数据时代，云端计算技术蓬勃发展，航天宏图依托行业多年技术积累独立自主研发了安全可控的开放式云计算平台：PIE-Engine（Pixel Information Expert Engine，像素专家引擎），致力于加速我国遥感云计算平台发展进程，实现了遥感数据按需获取、运算以及专题信息聚焦服务，以满足对地观测数据获取能力飞速增长带来的信息高效化处理和服务需求。

2 反演太湖水域2013-2020年蓝藻密度 与浑浊度

 基于PIE-Engine获取2013-2020年覆盖太湖水域的Landsat 8 Surface Reflectance遥感影像数据，Landsat 8 SR数据集是OLI/TIRS传感器数据经过大气校正的表面反射率数据，分辨率为30米，重放周期为16天。影像包含5个可见光波段、1个近红外（NIR）波段和2个短波红外（SWIR）波段，经过正射校正后的表面反射率，以及两个经过正射校正后的亮度温度热红外（TIR）波段。

相关研究指出，Landsat 8数据的近红外波段和红光波段分别与蓝藻密度和浑浊度具有较高的相关系数，但相关程度都不高，主要原因有：① 水华与水草区域对水质反演的影响；② 水表面光滑度和微波随时间和空间的干扰；③ 陆地光谱对近岸边水体的干扰；④ 水体中较高浓度悬浮物的高反射干扰。在去除影响区域和异常数据，并利用普通水体与不同波段的组合构建相关性模型后发现，蓝藻密度与B5/B4以及浑浊度与(B4-B3)/(B4+B3)的波段组合具有最高的相关系数。相关性模型如下：
在这里插入图片描述
其中，B3、B4、B5分别为绿光、红光以及近红外波段的反射率。

3 太湖水域2013-2020年蓝藻密度与浑浊度动态变化

 3.1蓝藻密度![在这里插入图片描述](https://img-blog.csdnimg.cn/20201216165328811.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjA5NDEy,size_16,color_FFFFFF,t_70#pic_center)![在这里插入图片描述](https://img-blog.csdnimg.cn/20201216164945135.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQwNjA5NDEy,size_16,color_FFFFFF,t_70#pic_center)

PIE-Engine界面
示例代码：

  1. //输入太湖边界矢量

  2. var taihu = pie.FeatureCollection(’/PersonalGDB/Vector/TaiHuShuiYu.geojson’)

  3.            .first()  

  4.            .geometry();

  5. Map.centerObject(taihu, 8);

  6. //加载Landsat 8 SR

  7. var Imgcol = pie.ImageCollection(“LC08/01/T1_SR”)

  8.         .filterDate("2013-01-01", "2021-01-01")  

  9.         .filterBounds(taihu)  

  10.         .filter(pie.Filter.lte('cloudCover', 5));

  11. //print(Imgcol.size());

  12. //设置图层显示属性

  13. var visalg = {min: 200, max: 50000,

  14.           palette: ['040274','040281','0502a3','0502b8','0502ce','0502e6',  

  15.                     '0602ff','235cb1','307ef3','269db1','30c8e2','32d3ef',  

  16.                     '3be285','3ff38f','86e26f','3ae237','b5e22e','d6e21f',  

  17.                     'fff705','ffd611','ffb613','ff8b13','ff6e08','ff500d',  

  18.                     'ff0000','de0101','c21301','a71001','911003']};

  19. var count = Imgcol.size().getInfo();

  20. var dates = [];

  21. var alg_images = [];

  22. for(var index = 0; index < count; index ++){

  23. var image = Imgcol.getAt(index).select(["B4", "B5"]).clip(taihu);  

  24. var date =image.get("date").getInfo();  

  25. var b4 = image.select("B4");  

  26. var b5 = image.select("B5");  

  27. //计算蓝藻密度  

  28. var alg = ((((b5.divide(b4)).power(2)).multiply(1352)).subtract  

  29.             ((b5.divide(b4)).multiply(159.08))).add(192.87);  

  30. //print("太湖水域蓝藻密度", date, alg);  

  31. Map.addLayer(alg, visalg, date, true);  

  32. var alg_mean = alg.reduceRegion(pie.Reducer.mean(), taihu, 1);  

  33. //print("太湖水域蓝藻密度平均值", date, alg_mean);  

  34. var alg_max = alg.reduceRegion(pie.Reducer.max(), taihu, 1);  

  35. //print("太湖水域蓝藻密度最大值", date, alg_max);  

  36. var alg_min = alg.reduceRegion(pie.Reducer.min(), taihu, 1);  

  37. //print("太湖水域蓝藻密度最小值", date, alg_min);  

  38. dates.push(date);  

  39. alg_images.push(alg_mean);

  40. };

  41. // 设置图表属性

  42. var line_a = {title: ‘太湖水域蓝藻密度动态变化’,

  43.           legend: ['蓝藻密度'],  

  44.           xAxisName: "日期",  

  45.           yAxisName: "蓝藻密度（万/L）",  

  46.           chartType: "line",  

  47.           yMin: 0,  

  48.           yMax: 2500,  

  49.           smooth: true};

  50. // 显示折线图

  51. ChartImage(alg_images, dates, line_a);

  52. //动画显示

  53. Map.playLayersAnimation(dates, 0.5, 100);

  54. // 图例

  55. var data = {title: “蓝藻密度”,

  56.         colors: ['#040274','#040281','#0502a3','#0502b8','#0502ce','#0502e6',

  57.                  '#0602ff','#235cb1','#307ef3','#269db1','#30c8e2','#32d3ef',

  58.                  '#3be285','#3ff38f','#86e26f','#3ae237','#b5e22e','#d6e21f',

  59.                  '#fff705','#ffd611','#ffb613','#ff8b13','#ff6e08','#ff500d',

  60.                  '#ff0000','#de0101','#c21301','#a71001','#911003'],  

  61.         labels: ["200（万个/L）", "2000（万个/L）"],  

  62.         step: 30};

  63. var style = {

  64. top: "85%",  

  65. left: "40%",  

  66. width: "350px",  

  67. height: "70px"

  68. };

  69. var legend = ui.Legend(data, style);

  70. Map.addUI(legend);

3.2 浑浊度
在这里插入图片描述
太湖水域2013-2020年浑浊度动态变化
在这里插入图片描述
PIE-Engine界面

示例代码：
1.//输入太湖边界矢量

2.var taihu = pie.FeatureCollection(’/PersonalGDB/Vector/TaiHuShuiYu.geojson’)

  1.           .first()  

  2.           .geometry();

5.Map.centerObject(taihu, 8);

6.//加载Landsat 8 SR

7.var Imgcol = pie.ImageCollection(“LC08/01/T1_SR”)

  1.        .filterDate("2013-01-01", "2021-01-01")  

  2.        .filterBounds(taihu)  

  3.        .filter(pie.Filter.lte('cloudCover', 5));

11.//print(Imgcol.size());

12.//设置水域预览颜色组合

13.var vistbd = {min: 100, max: 800,

  1.          palette: ['040274','040281','0502a3','0502b8','0502ce','0502e6',  

  2.                    '0602ff','235cb1','307ef3','269db1','30c8e2','32d3ef',  

  3.                    '3be285','3ff38f','86e26f','3ae237','b5e22e','d6e21f',  

  4.                    'fff705','ffd611','ffb613','ff8b13','ff6e08','ff500d',  

  5.                    'ff0000','de0101','c21301','a71001','911003']};

19.var count = Imgcol.size().getInfo();

20.var dates = [];

21.var tbd_images = [];

22.for(var index = 0; index < count; index ++){

  1. var image = Imgcol.getAt(index).select([“B4”, “B3”]).clip(taihu);

  2. var date = image.get(“date”).getInfo();

  3. var b3 = image.select(“B3”);

  4. var b4 = image.select(“B4”);

  5. // 计算太湖水域浑浊度

  6. var tbd = (((b4.subtract(b3)).divide(b4.add(b3)).power(2)).multiply(3117.4))

  7.       .add(((b4.subtract(b3)).divide(b4.add(b3)).power(2)).multiply(1083.6))

  8.       .add(106.17);

  9. //print(“太湖水域浑浊度”, date, tbd);

  10. Map.addLayer(tbd, vistbd, date, true);

  11. var tbd_mean = tbd.reduceRegion(pie.Reducer.mean(), taihu, 1);

  12. //print(“太湖水域浑浊度平均值”, date, tbd_mean);

  13. var tbd_max = tbd.reduceRegion(pie.Reducer.max(), taihu, 1);

  14. //print(“太湖水域浑浊度最大值”, date, tbd_max);

  15. var tbd_min = tbd.reduceRegion(pie.Reducer.min(), taihu, 1);

  16. //print(“太湖水域浑浊度最小值”, date, tbd_min);

  17. dates.push(date);

  18. tbd_images.push(tbd_mean);

41.};

42.//设置图表属性

43.var line_t = {title: ‘太湖水域浑浊度动态变化’,

  1.          legend: ['浑浊度'],  

  2.          xAxisName: "日期",  

  3.          yAxisName: "浑浊度",  

  4.          chartType: "line",  

  5.          yMin: 0,  

  6.          yMax: 400,  

  7.          smooth: true};

51.//显示折线图

52.ChartImage(tbd_images, dates, line_t);

53.//动画显示

54.Map.playLayersAnimation(dates, 0.5, 100);

55.//图例

56.var data = {title: “浑浊度”,

  1.        colors: ['#040274','#040281','#0502a3','#0502b8','#0502ce','#0502e6',

  2.                 '#0602ff','#235cb1','#307ef3','#269db1','#30c8e2','#32d3ef',

  3.                 '#3be285','#3ff38f','#86e26f','#3ae237','#b5e22e','#d6e21f',

  4.                 '#fff705','#ffd611','#ffb613','#ff8b13','#ff6e08','#ff500d',

  5.                 '#ff0000', '#de0101', '#c21301', '#a71001', '#911003'],  

  6.        labels: ["清澈", "轻度浑浊", "中度浑浊", "重度浑浊"],  

  7.        step: 30};

64.var style = {top: “85%”,

  1.         left: "40%",  

  2.         width: "350px",  

  3.         height: "70px"};

68.var legend = ui.Legend(data, style);

69.Map.addUI(legend);

这篇关于基于PIE-Engine的太湖水域蓝藻信息反演的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/510235。

相关文章

通过高德api查询所有店铺地址信息

通过高德api查询所有店铺地址信息

通过高德api查询所有店铺地址电话信息 需求：通过高德api查询所有店铺地址信息需求分析具体实现1、申请高德appkey2、下载types city 字典值3、具体代码调用 需求：通过高德api查询所有店铺地址信息 需求分析 查询现有高德api发现现有接口关键字搜索API服务地址： https://developer.amap.com/api/webservice/gui
阅读更多...
BD错误集锦4——IDEA编程连接hbase失败，put操作一直没有通过，并且无异常信息

BD错误集锦4——IDEA编程连接hbase失败，put操作一直没有通过，并且无异常信息

参考文章：https://blog.csdn.net/ZJ18712852367/article/details/81938524
阅读更多...
ORACLE 、达梦 数据库查询指定库指定表的索引信息

ORACLE 、达梦 数据库查询指定库指定表的索引信息

在Oracle数据库中，索引是一种关键的性能优化工具，通过它可以加快数据检索速度。在本文中，我们将深入探讨如何详细查询指定表的索引信息，以及如何利用系统视图和SQL查询来获取这些信息。 索引在数据库中的重要性 索引是一种数据结构，用于加快数据库表中数据的检索速度。它类似于书籍的目录，可以帮助数据库引擎快速定位数据行，特别是在大型数据集合下，其作用尤为显著。 查询指定表的索引信息 在Orac
阅读更多...
基于协方差信息的Massive MIMO信道估计算法性能研究

基于协方差信息的Massive MIMO信道估计算法性能研究

1. 引言 随着移动互联网不断发展，人们对通信的速率和可靠性的要求越来越高[1]。目前第四代移动通信系统已经逐渐商用，研究人员开始着手研究下一代移动通信系统相关技术[2][3]。在下一代移动通信系统中要求下行速率达到10Gbps，这就要求我们使用更先进的技术和更宽的系统带宽。MIMO技术由于可以在不增加系统带宽和功率的前提下，成倍的提升系统容量和可靠性，已经广泛应用于各种无线通信系统中，但仅采用
阅读更多...
nodejs基础教程-简单blog（8）--展示用户注册信息列表

nodejs基础教程-简单blog（8）--展示用户注册信息列表

本节课展示用户注册信息列表；当点击导航栏的“用户管理”浏览器跳转路由/admin/user 显示用户列表。 先上效果图； 开始 1，在layout.html模板中导航标签中设置路径； 2，新建文件 views/admin/user_index.html，在admin.js中设置user_index的路由为/admin/user；并查询数据库所有用户的信息 返回给前台users；
阅读更多...
WinCE使用Webservice或者WCF与后台数据库SQL进行数据信息交互

WinCE使用Webservice或者WCF与后台数据库SQL进行数据信息交互

之前使用过Webservice作为后台服务，WinCE上通过调用webservice来与后台数据库进行数据交互。 速度，稳定性都非常好。而且编程模块化，封装成为Webservice的两个函数即可解决数据库的增，删，查，改四个SQL语句的执行，因此编程非常高效。 有了这样的封装，程序员在编写程序时，主要精力放在逻辑上，分析业务知识上。从而降低程序员的技术门槛，提高编程效率，节省人力成本。
阅读更多...
玩转Web之easyui(三)-----easy ui dataGird 重新指定url以获取不同数据源信息

玩转Web之easyui(三)-----easy ui dataGird 重新指定url以获取不同数据源信息

如果已经写了一个dataGird并且已经通过url绑定数据源，能不能在其他地方改变url使其从不同数据源获取信息，从而实现查询等操作？答案当然是肯定的，而且仅需要几行代码 $('#btnq').bind('click', function(){ $('#dg').datagrid({ url: '../servlet/Student_search' });//重新指定url$('#dg'
阅读更多...
IP地址解析省份区域信息

IP地址解析省份区域信息

背景 最近工作需要根据IP地址，解析通话所在省份。因此，在网上找了相关方案，作为存档记录下来。 在线接口 不做阐述。因为，一是网上可以很轻松的找到，没有必要多说。二是开发在内网中，多数不会让连接外网。三是多数花钱的方案，公司审批麻烦。 离线方案 调研了开源的ip2region，但是其不支持IPV6，因此使用mica-ip2region版。mica-ip2region，已内置了IP数据源，
阅读更多...
如何修改已经公布的SRA数据的元信息

如何修改已经公布的SRA数据的元信息

如何向NCBI的SRA上传数据介绍的是如何把本地的数据上传到SRA数据库上，这一篇介绍的是当你某天发现自己上传的数据的元信息中居然存在错误，比如说你把上传数据的单位写错了，那该如何修改呢？ 写一份邮件给sra@ncbi.nlm.nih.gov，委托他们帮忙修改，一般2个工作日内都能搞定。 一定要注意，邮件的标题里面一定要有你上传数据的编号，例如SUB#，SRP#, SRS#, SRX#, SR
阅读更多...
信息发展趋势-概念

信息发展趋势-概念

移动互联网 --移动终端开发 云计算  --服务器开发(CloudComputing)，为了处理大量的海量数据而生 物联网     --嵌入式终端开发(The Internet of things)(智能家居、可穿戴设备、智能农业) A3联盟 阿里 360 BT联盟 百度 腾讯 Hadoop底层开发用c/c++开发的 即使是.
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2