(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210718444.3 (22)申请日 2022.06.23 (71)申请人 宁波大学 地址 315211 浙江省宁波市江北区风 华路 818号 (72)发明人 王利花　杨子恒　孙伟伟　杨刚　 谭本华　 (74)专利代理 机构 杭州九洲专利事务所有限公 司 33101 专利代理师 张羽振 (51)Int.Cl. G06V 20/13(2022.01) G06V 10/762(2022.01) G01N 21/55(2014.01) (54)发明名称 一种基于遥感影像大数据的潮滩演变监测 新方法 (57)摘要 本发明涉及一种基于遥感影像大数据的潮 滩演变监测新方法， 包括： 获取地表反射率数据； 通过归一化植被指数NDVI均值合成提取得到年 度高潮海岸线； 采用K均值分类结合水概率的方 法， 获取年度瞬时水边线数据集， 并提取得到年 度低潮海岸线； 绘制高、 低潮潮滩出露面积变化 图； 绘制瞬时水边线在剖面上的位置变化图。 本 发明的有益效果是： 本发明通过统计概率和GIS 空间分析的引入量化了大空间范围上潮滩的动 态演变特征， 完成了对潮滩连续、 立体和全面的 监测， 实现了长时期的潮滩演变信息和短时期潮 汐和波浪引起的波动信息的有效展示。 权利要求书3页 说明书8页 附图7页 CN 115082809 A 2022.09.20 CN 115082809 A 1.一种基于 遥感影像大数据的潮滩演变监测新方法， 其特 征在于， 包括： S1、 获取光学遥感影像数据， 并对所述光学遥感影像数据进行预处理操作， 得到地表反 射率数据； S2、 对所述地表反射率数据， 通过归一化植被指数NDVI均 值合成， 提取得到年度高潮海 岸线； S3、 对所述地表反射率数据， 采用K均值分类结合水概率的方法， 获取年度瞬时水边线 数据集， 并提取 得到年度低潮海岸线； S4、 基于所述年度高潮水边线和所述年度低潮水边线， 绘制高、 低潮潮滩出露面积变化 图； S5、 选取研究剖面， 基于所述年度瞬时水边线数据集绘制瞬时水边线在剖面上的位置 变化图。 2.根据权利要求1所述的基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S2 包括： S201、 对所述地表反射率数据， 计算一年 中每一景影像的NDVI结果， 得到年度 NDVI数据 集； S202、 对所述 年度NDVI数据集中的NDVI影 像进行均值 合成， 得到年度NDVI均值影 像； S203、 对所述年度NDVI均值影像， 根据 阈值进行植被提取， 得到植被线范围， 提取公式 如下： Vege＝NDVI gt A 其中， gt表示大于， A为 植被NDVI指数的值， 其取值范围为[0,1]； S204、 对提取得到的所述植被线范围， 进行第一后处理操作， 得到该年度的高潮海岸 线。 3.根据权利要求1所述的基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S3 包括： S301、 对所述地表反射率数据， 采用K均值分类的方法提取出一年中每一景影像中的水 体， 得到年度水陆分离二 值影像数据集； S302、 依次提取所述年度水陆分离二值影像数据集中的水陆边界矢量线， 得到年度瞬 时水边线数据集； S303、 对所述 年度水陆分离二 值影像数据集进行 水概率计算， 水概 率计算公式如下： 其中， S表示像元是否为水体的一个二值变量， 当S为0时表示像元为水体， S为1时则表 示像元为陆地， T表示像元被良好观测的总次数； S304、 对每个像元根据水概 率阈值进行 水体和陆地的划分， 水体范围提取公式如下： Water＝WP ge B 其中， ge表示大于等于， B为永久性水体的水概 率经验值， 其取值范围为[0.8,1]； S305、 将水体和陆地的划分结果进行第二后处 理操作， 得到年度的低潮海岸线。 4.根据权利要求1所述的基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S5 包括：权　利　要　求　书 1/3 页 2 CN 115082809 A 2S501、 根据年度瞬时水边线数据集所反映的总体变化情况， 选择在所有瞬时水边线中 心的点作为 起点， 选择变化剧烈的方向作为研究剖面方向， 设置研究剖面； S502、 测量各瞬时水边线沿剖面方向至剖面起点的距离， 统计绘制各剖面方向上的潮 滩年内和年际演变图。 5.根据权利要求2所述的基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S1 中， 所述光学遥感影像数据为长时序光学遥感影像数据集， 所述长时序光学遥感影像数据 集由传感器影像组成， 所述传感器影像包括： Landsat  8OLI影像、 Landsat  7ETM+影像和 Landsat5TM影 像。 6.根据权利要求1所述的基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S1 中， 所述预处 理操作包括： 辐射定标、 大气校正、 正 射校正和掩膜去云。 7.根据权利要求5所述基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S201 中， 所述计算 一年中每一景影 像的NDVI结果， 包括： S2011、 对于Landsat  8OLI影像， NDVI计算公式如下： 其中， BL8_4为Landsat  8OLI影像第4波段， BL8_5为Landsat  8OLI影像第5波段， BL8_4的取 值范围为0.6 36～0.673 μm， BL8_5的取值范围为0.851～0.879 μm； S2012、 对于Landsat  7ETM+影像和Landsat  5TM影像， NDVI计算公式如下： 其中， BL7/5_3为Landsat 7ETM+影像和Landsat  5TM影像第3波段， BL7/5_4为Landsat 7ETM +和Landsat  5TM影像第4波段， BL7/5_3的取值范围为0.63～ 0.69 μm， BL7/5_4的取值范围为0.77 ～0.90 μm。 8.根据权利要求2所述的基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S202包括： S2021、 对单个 像元， 计算该像元位置的所有NDVI 值的平均值； S2022、 对所有像元重复上述操作， 得到年度NDVI均值影 像。 9.根据权利要求3所述的基于遥感影像大数据的潮滩演变监测新方法， 其特征在于， S301中， 所述采用K均值分类的方法提取 出一年中每一景影 像中的水体， 包括： S3011、 在研究区范围内随机 选取多个样本点； S3012、 指定影 像聚类的类别数目K； S3013、 随机生成K个聚类中心； S3014、 计算所有样本点到聚类 中心的欧氏距离， 根据欧氏距离的远近对样本点进行聚 类； S3015、 更新聚类中心， 迭代聚类至聚类中心不再发生改变； S3016、 导出 水体聚类， 得到水陆分离二 值影像。 10.一种基于遥感影像大数据的潮滩演变监测装置， 其特征在于， 用于执行权利要求1 至9任一所述的基于 遥感影像大数据的潮滩演变监测新方法， 包括： 预处理模块， 用于获取光学遥感影像数据， 并对所述光学遥感影像数据进行预处理操权　利　要　求　书 2/3 页 3 CN 115082809 A 3