具体实施方式

以下描述和附图充分地示出本文的具体实施方案，以使本领域的技术人员能够实践它们。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本文的实施方案的范围包括权利要求书的整个范围，以及权利要求书的所有可获得的等同物。本文中，术语“第一”、“第二”等仅被用来将一个元素与另一个元素区分开来，而不要求或者暗示这些元素之间存在任何实际的关系或者顺序。实际上第一元素也能够被称为第二元素，反之亦然。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的结构、装置或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种结构、装置或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的结构、装置或者设备中还存在另外的相同要素。本文中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中的术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本文和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。在本文的描述中，除非另有规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

本文中，除非另有说明，术语“多个”表示两个或两个以上。

本文中，字符“/”表示前后对象是一种“或”的关系。例如，A/B表示：A或B。

本文中，术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，A和/或B，表示：A或B，或，A和B这三种关系。

图1示出了本发明的绿潮灾害的遥感监测评估方法的一个可选实施例。

在该可选实施例中，所述方法包括以下步骤：

步骤(a)，对卫星数据进行预处理，包括大气校正、数据投影转换、多幅数据拼接，获得绿潮发生期数据。其中，对数据进行大气校正，用于提高判识的准确性。对数据进行投影转换，并且可以选择只投影指定区域。多幅数据拼接，实现多时次的数据进行投影拼接，这样可以更好的对关注区域进行判识。

其中，大气校正的具体步骤如下：

首先，读入多通道扫描成像辐射计的L1级数据，之后对原始反射率数据进行大气订正，最后输出彩色合成图。在大气订正过程中，利用像元的地理经纬度信息(lat,lon)对标准大气分子散射光学厚度进行高度修正，获得像元的气溶胶光学厚度(τ)。光学厚度与太阳天顶角(μ_s)、卫星天顶角(μ_v)共同计算得到大气透过率(T(μ_s)，T(μ_v))和大气吸收率(T_g)，光学厚度计算得到大气反照率(S)，光学厚度与像元的观测几何太阳天顶角(μ_s)、卫星天顶角(μ_v)、相对方位角(Δφ)共同计算出大气瑞利散射反射率(ρ_ray)。然后，利用上述三个量修正大气散射对像元的影响，得到地面反射率(ρ_ac)。修正后的反射率数据合成为彩色图像输出。

步骤(b)，针对大气校正后的绿潮发生期数据，计算非掩膜区域的植被指数，基于目视解译套索选定感兴趣区域，分区域设定植被指数阈值，得到初步的绿潮信息二值化结果，大于阈值的值为绿潮设为1，无绿潮设为0，获得绿潮判识结果。

其中，植被指数计算步骤具体如下：

归一化植被指数使用可见光红色通道(0.6-0.7μm)和近红外光谱通道(0.7-1.1μm)的组合来计算的，计算公式为：

NDVI＝(NIR-red)/(NIR+red)

式中，red和NIR分别为经过大气校正的红光和近红外通道的反射率值。

上述阈值选择的原则是基于植被增强后遥感影像，对图像进行目视解译并通过人工交互的方法获取最优阈值。

步骤(c)，根据初步的绿潮信息二值化结果，生成绿潮包络线，计算绿潮覆盖面积、覆盖范围和分布面积；

绿潮覆盖面积的计算步骤具体为：

统计研究区NDVI＞T的像元个数N，计算绿潮覆盖面积S：

S＝N×r²

T为阈值，r为卫星传感器的空间分辨率。

包络线所包含的区域即为覆盖范围；分布面积即覆盖范围所占用的面积。

本发明实施例采用混合像元二分模型进行绿潮覆盖度的估算，计算过程如下：

F_C＝(I-I_water)/(I_veg-I_water)

I为任一像元的NDVI值，I_water为无浒苔覆盖区域的NDVI值，即纯海水像元的NDVI值(NDVI_min)；I_veg则代表完全被浒苔所覆盖的像元的NDVI值，即纯植被像元的NDVI值(NDVI_max)。I_veg与I_water会随着时间而变化。为了使用理想的调整方法，I_veg与I_water的值不是具体的经验值，而是根据图像计算出来。将图像按NDVI阈值将图像像元分为有绿潮分布像元和海水像元两个集合，确定一个置信度，做出图像中每个像元集合(集合中像元的I_veg与I_water都是相同或相近的)的NDVI概率分布，计算置信区间内的最大值与最小值NDVI_max与NDVI_min。

F_C＝(I-I_water)/(I_veg-I_water)相当于：

F_C＝(NDVI-NDVI_min)/(NDVI_max-NDVI_min)

NDVI_min就是I_water，为像元全是海水时的NDVI值，因为像元全是海水，所以此时NDVI值最小。

NDVI_max就是I_veg，为像元全是浒苔时的NDVI值，因为像元全是植被，所以此时NDVI值最大。

像元的绿潮覆盖度F_C，即可由当前像元的NDVI值与全是海水的NDVI值之差(NDVI-NDVI_min)，与全是植被(浒苔)与全是海水的NDVI之差(NDVI_max-NDVI_min)的比值求得。

步骤(d)，将绿潮包络线导出，导入，进行多时次过程分析。

其中，步骤(d)进行多时次过程分析的步骤具体为：

步骤(d1)，基于绿潮的判识结果选择手动圈选或者自动计算外包络线；

步骤(d2)，导出外包络线为支持的文件格式，如XML文件、文本文件或者shp文件；

步骤(d3)，导入多个时次的绿潮判识结果的外包络线的文件；

步骤(d4)，可视化显示多时次的绿潮外包络线，进行绿潮的多时次绿潮漂移的过程分析；

步骤(d5)，导出多时次绿潮漂移过程分析的专题报告。

可选地，MODIS绿潮判识与绿潮覆盖度生成，数据源为AQUA/MODIS、TERRA/MODIS的L1轨道数据或投影数据，通过计算植被指数和分区阈值分割，生成MODIS数据的绿潮信息，绿潮信息即为绿潮提取结果(即二值化的结果)及绿潮覆盖度结果(即Fc的值)。

可选地，FY3D绿潮判识与绿潮覆盖度生成，数据源为FY3D/MERSI的L1轨道数据或投影数据，通过计算植被指数和分区阈值分割，生成FY3D数据的绿潮信息。

可选地，HY1C绿潮判识与绿潮覆盖度生成，数据源为HY1C/COCTS、HY1C/CZI的L1轨道数据或投影数据，通过计算植被指数和分区阈值分割，生成HY1C数据的绿潮信息。

可选地，H8绿潮判识与绿潮覆盖度生成，数据源为H8/AHI的L1轨道数据或投影数据，通过计算植被指数和分区阈值分割，生成H8数据的绿潮信息。

可选地，绿潮判识融合信息生成，获取各类卫星数据的绿潮判识结果，进行等经纬度投影，通过时间和空间匹配进行绿潮判识结果的融合。

可选地，绿潮监测期结果对比，基于不同卫星平台得到的绿潮判识信息和绿潮覆盖度信息进行对比分析，提供绿潮监测期的对比分析结果。

本发明实施例采用了国内外多颗遥感卫星对绿潮进行动态监测，可以及时预警，采取防控策略，有效地防治绿潮，降低灾害带来的损失；自动判识过程通过植被指数算法，结合多阈值的设置，完成绿潮的提取工作，并自动生成相应的分析报告。

本发明并不局限于上面已经描述并在附图中示出的结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。