自定义算法

【自定义计算】选项卡包括【公式编辑器】、【数据网格化】、【数据筛分】和【专题图制作】四个模块。选项卡如图2-50所示:

2-50自定义算法选项卡

 

2.5.1    公式编辑器

单击【公式编辑器】按钮,弹出产品制作计算器对话框。单击【从数据库添加】或者【从图像列表添加】和【移除】对需要参与计算的遥感数据进行选择。产品参数以‘ABCD’等符号对应于不同的遥感产品(图2-51)。

点选遥感产品、运算符和数字进行组合,构建用户自定义的计算表达式,单击【计算】按钮后可输入用户感兴趣的区域进行计算。计算的结果将以新的网格图层形式加载至三维地球体(图2-52)。由于参与计算的遥感数据可能存在不同的空间分辨率,系统默认重采样到参与计算数据的最低分辨率,用户亦可自行选择采样到最高分辨率进行计算。

2‑51计算器对话框和示例计算。A是1998年11月份AVHRR传感器25km分辨率的月平均SST数据,B是1998年11月份AVHRR传感器25km分辨率的月平均SST数据,用B-A计算两个年份11月份全球平均海面温度差。

 

2-52太平洋区域1998年11月份与1997年11月份平均海面温度差图。可以看到太平洋赤道附近1998年11月份比1997年11月份要低7℃左右,西北太平洋与西南太平洋要高5℃左右。通过计算可以发现由厄尔尼诺年到拉尼娜年赤道东太平洋区域海面温度出现显著变化。

 

2.5.2    数据网格化

【数据网格化】模块包括【遥感数据网格化】和【实测数据网格化】子模块。

遥感数据网格化:对整幅图像进行分辨率的修改。单击按钮后,弹出计算对话框(图2-53),选择已加载的遥感数据,设置网格分辨率后点击【确定】开始数据网格化。当前分辨率为系统根据原始数据直接读取。系统自动将网格化结果显示在三维球体上,如图2-54 (b)所示。

2-53 遥感数据网格化分辨率设置。将分辨率为0.25°(25km)的SST原始数据网格化为0.0417°(4km)分辨率的数据。

2‑54 遥感数据网格化,(a) AVHRR传感器0.25°分辨率(25km)的SST数据;(b)网格化后0.0417°分辨率(4km)的SST数据。该功能可用于实现遥感产品空间分辨率上的一致性,便于进行后续分析。

 

实测数据网格化:单击【实测数据网格化】按钮,弹出计算对话框(图2-55),选择已加载的实测数据,设置需要网格化的参数和网格分辨率,点击【确定】进行数据网格化。网格化的方法请见附录4系统计算说明。系统自动将网格化结果显示在三维球体上(图2-56)。若对海-气CO2通量(FLX)参数进行网格化,网格化的结果可进一步进行区域面积积分通量的碳收支评估。

2-55 实测数据网格化设置。将航次实测的温度数据网格化为0.3°分辨率网格数据

 

2‑56实测数据网格化结果

 

2.5.3    数据筛分

【数据筛分】模块包括【数据筛选】、【兴趣区提取】和【数据分类】子模块。

数据筛选:主要对目标图像的数据,按自定义条件进行筛选。单击按钮后,弹出计算对话框(图 2‑57),选择已加载的遥感数据,设置筛选条件的符号、数值和条件间逻辑关系(单条件亦可)后,点击【确定】开始数据筛选。系统自动将数据筛选结果显示在三维球体上(图2-58)。

2‑57数据筛选。将SMAP数据集2017年8月份月平均盐度数据中大于5且小于等于31的数据筛选出来。

 

2-58数据筛选结果。(a)2017年2月;(b)2017年5月;(c)2017年8月;(d)2017年11月,色标表示盐度大于5且小于等于31的区域。通过对盐度数据进行筛选,可以间接地展现长江冲淡水在不同月份的扩散情况。

兴趣区提取:按照自定义条件,提取目标图层中符合条件的区域。与前一个功能不同,提取的区域仅为单值图像。目标图层可以针对单幅图像单要素进行条件限制,也可以针对不同图像多要素进行兴趣区的选择。单击按钮后,弹出计算对话框(图 2‑59),右侧【+】【-】可增减条件数量,选择已加载的遥感数据,设置筛选条件的符号、数值和条件间逻辑关系后点击【确定】,进行兴趣区提取。系统自动将兴趣区提取结果显示在三维球体上(图 2-60)。

2‑59兴趣区提取。将ESACCI数据集2005年11月8日叶绿素浓度数据中大于1 mg/m3的兴趣区提取出来。

 

2‑60 (a) 2015.11.08 (c) 2015.11.09 (e) 2015.11.10 (f) 2015.11.12 南海西部4km分辨率叶绿素浓度图像,来源于ESACCI数据集,红色方框表示藻华爆发的区域;(b) 2015.11.08 (d) 2015.11.09 (f) 2015.11.10 (h) 2015.11.12兴趣区提取结果,红色代表叶绿素浓度大于1mg/m3的区域。利用兴趣区提取可以观察到藻华从爆发到消亡形态上的变化过程,结合矩形统计可以计算藻华爆发的面积。

数据分类:针对一幅或多幅图像按自定义分类标准对遥感数据进行分类。

单击按钮后,弹出计算对话框(图 2-61),右侧【+】【-】可增减分类标准数量,选择已加载的遥感数据,依次填写间隔值,设置标准间逻辑关系后,点击【确定】,系统自动将分类结果显示在三维球体上(图 2-62)。

2‑61数据分类区间设置。该案例根据Hirata et al. (2008)研究,利用叶绿素浓度数据来区分全球各区域占主导的浮游植物类别:叶绿素浓度0~0.25 mg/m3是微微型浮游植物(直径0.2~2 µm)占主导的水体;叶绿素浓度0.25~1.3 mg/m3是微型浮游植物(直径2~20 µm)占主导的水体;叶绿素浓度大于1.3 mg/m3是小型浮游植物(直径大于20µm)占主导的水体。参考文献:“T. Hirata., J. Aiken., N. Hardman-Mountford., T.J. Smyth., & R.G. Barlow. (2008). An absorption model to determine phytoplankton size classes from satellite ocean colour. Remote Sensing of Environment, 112(2008),3153-3159.”

 

2-62 2004年3月全球主要浮游植物类别分类结果图。原始数据源于ESACCI 4km分辨率的月平均叶绿素浓度数据,其中红色代表小型浮游植物占主导的水体,绿色代表微型浮游植物占主导的水体,蓝色代表超微型浮游植物占主导的水体。 

2.5.4    专题图制作

单击【自定义专题图】按钮,弹出遥感产品查询框,选择需要出图的单幅产品,进入专题图设置对话框(图2-63)。

2‑63 自定义专题图设置

 

用户可以设置专题图的【地图标题】、【底图模板】、【空间范围】和【经纬网格】等参数。单击【完成】按钮,进入专题图预览视图。单击【导出】选择保存路径(文件夹)即可对专题图进行保存。导出专题图如图2-64所示。该功能只能用于在线数据库数据;用户本机的数据无法使用此功能。

2‑64 2016年11月份平均叶绿素浓度图像,数据来源于ESACCI数据集 4km分辨率的2016年11月份月平均叶绿素浓度数据。