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

在C#中获取端口号与系统信息的高效实践

在C#中获取端口号与系统信息的高效实践

《在C#中获取端口号与系统信息的高效实践》在现代软件开发中,尤其是系统管理、运维、监控和性能优化等场景中,了解计算机硬件和网络的状态至关重要,C#作为一种广泛应用的编程语言,提供了丰富的API来帮助开... 目录引言1. 获取端口号信息1.1 获取活动的 TCP 和 UDP 连接说明：应用场景：2. 获取硬
阅读更多...
SpringBoot使用Apache Tika检测敏感信息

SpringBoot使用Apache Tika检测敏感信息

《SpringBoot使用ApacheTika检测敏感信息》ApacheTika是一个功能强大的内容分析工具,它能够从多种文件格式中提取文本、元数据以及其他结构化信息,下面我们来看看如何使用Ap... 目录Tika 主要特性1. 多格式支持2. 自动文件类型检测3. 文本和元数据提取4. 支持 OCR（光学
阅读更多...
C#实现获取电脑中的端口号和硬件信息

C#实现获取电脑中的端口号和硬件信息

《C#实现获取电脑中的端口号和硬件信息》这篇文章主要为大家详细介绍了C#实现获取电脑中的端口号和硬件信息的相关方法,文中的示例代码讲解详细,有需要的小伙伴可以参考一下... 我们经常在使用一个串口软件的时候，发现软件中的端口号并不是普通的COM1，而是带有硬件信息的。那么如果我们使用C#编写软件时候，如
阅读更多...
通过C#获取PDF中指定文本或所有文本的字体信息

通过C#获取PDF中指定文本或所有文本的字体信息

《通过C#获取PDF中指定文本或所有文本的字体信息》在设计和出版行业中,字体的选择和使用对最终作品的质量有着重要影响,然而,有时我们可能会遇到包含未知字体的PDF文件,这使得我们无法准确地复制或修改文... 目录引言C# 获取PDF中指定文本的字体信息C# 获取PDF文档中用到的所有字体信息引言在设计和出
阅读更多...
C#读取本地网络配置信息全攻略分享

C#读取本地网络配置信息全攻略分享

《C#读取本地网络配置信息全攻略分享》在当今数字化时代,网络已深度融入我们生活与工作的方方面面,对于软件开发而言,掌握本地计算机的网络配置信息显得尤为关键,而在C#编程的世界里,我们又该如何巧妙地读取... 目录一、引言二、C# 读取本地网络配置信息的基础准备2.1 引入关键命名空间2.2 理解核心类与方法
阅读更多...
使用Python检查CPU型号并弹出警告信息

使用Python检查CPU型号并弹出警告信息

《使用Python检查CPU型号并弹出警告信息》本教程将指导你如何编写一个Python程序,该程序能够在启动时检查计算机的CPU型号,如果检测到CPU型号包含“I3”,则会弹出一个警告窗口,感兴趣的小... 目录教程目标方法一所需库步骤一：安装所需库步骤二：编写python程序步骤三：运行程序注意事项方法二
阅读更多...
PostgreSQL如何查询表结构和索引信息

PostgreSQL如何查询表结构和索引信息

《PostgreSQL如何查询表结构和索引信息》文章介绍了在PostgreSQL中查询表结构和索引信息的几种方法,包括使用`d`元命令、系统数据字典查询以及使用可视化工具DBeaver... 目录前言使用\d元命令查看表字段信息和索引信息通过系统数据字典查询表结构通过系统数据字典查询索引信息查询所有的表名可
阅读更多...
业务中14个需要进行A/B测试的时刻[信息图]

业务中14个需要进行A/B测试的时刻[信息图]

在本指南中，我们将全面了解有关 A/B测试 的所有内容。 我们将介绍不同类型的A/B测试，如何有效地规划和启动测试，如何评估测试是否成功，您应该关注哪些指标，多年来我们发现的常见错误等等。 什么是A/B测试？ A/B测试（有时称为“分割测试”）是一种实验类型，其中您创建两种或多种内容变体——如登录页面、电子邮件或广告——并将它们显示给不同的受众群体，以查看哪一种效果最好。 本质上，A/B测
阅读更多...
【北交大信息所AI-Max2】使用方法

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡，拥有登录权限的账号密码，一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 （如果是1集群把75改成66） 交互式开发 执行器选Terminal 密码随便设一个（需记住） 工作空间：私有数据、全部文件 加速器选GeForce_RTX_2080_Ti
阅读更多...
hdu6053 TrickGCD 莫比乌斯反演

hdu6053 TrickGCD 莫比乌斯反演

TrickGCD Time Limit: 5000/2500 MS (Java/Others)    Memory Limit: 262144/262144 K (Java/Others) Problem Description You are given an array  A  , and Zhu wants to know there are how many d
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2