基于机载激光测深信息的近岸海域悬沙浓度高精度反演

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    41906166
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    23.0万
  • 负责人：
    赵兴磊
  • 依托单位：
    山东农业大学
  • 学科分类：
    D0608.海洋物理与观测探测技术
  • 结题年份：
    2022
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2022-12-31

项目摘要

Retrieval of suspended sediment concentration (SSC) in estuarine and coastal waters by using airborne LiDAR bathymetry (ALB) has various advantages, such as having high spatial and temporal resolution and a large area. However, this method has low accuracy and poor adaptability due to the complex environment and different performances of single-/dual-wavelength ALB systems. This project aims to achieve the highly accurate and simple SSC retrieval by using the waveform and 3D point-cloud data of single- or dual-wavelength ALB. First, water-land classification based on the features in the time and frequency domains of multichannel green laser waveforms and the soft classification algorithm is studied and proposed. A high-accuracy water-land classification method that is suitable for single-/dual-wavelength ALB is then realized. Second, SSC retrieval based on the improved waveform decomposition is studied and proposed by using the waveform data to achieve high-accuracy retrieval. SSC retrieval based on the height biases of green bottom points is studied and proposed by using the 3D point-cloud data, and simple SSC retrieval that is suitable for single-/dual-wavelength ALB is then realized. The accuracy and adaptability of SSC retrieval based on ALB are improved. This project provides theoretical and methodological support in solving problems on SSC acquisition in estuarine and coastal waters.
机载激光测深(Airborne LiDAR Bathymetry, ALB)反演近岸海域悬沙浓度(Suspended Sediment Concentration, SSC)具有高时空分辨率和大面积优点，但受复杂环境、单频和双频ALB性能差异影响，SSC反演精度较低、普适性差。为此，本项目开展普适于单频和双频ALB的近岸海域SSC高精度和简便反演方法研究。首先，研究并提出基于绿激光多通道波形时域、频域特征综合选取和软分类算法的ALB水陆回波分类方法，实现普适于单频和双频ALB的水陆回波高精度分类；然后借助水体回波波形数据，研究并提出基于改进的波形分解法的SSC反演方法，实现SSC高精度反演；借助水体回波三维点云数据，研究并提出基于水底点高度偏差的SSC反演方法，实现普适于单频和双频ALB的SSC简便反演。研究将提高基于ALB的SSC反演精度及普适性，为解决SSC获取难题提供理论和方法支持。

结项摘要

海水悬沙浓度（Suspended Sediment Concentration, SSC）是河口海岸带侵蚀和沉积过程分析预测、生态系统保护以及海岸工程建设等所需的重要海洋环境参数。传统现场测量和卫星遥感反演方法难以满足SSC高精度、高空间分辨率获取需求。为此，本项目从机载激光测深（Airborne LiDAR bathymetry, ALB）全波形和测量偏差两方面入手，开展了基于机载激光测深信息的近岸海域SSC高精度和简便反演研究。.主要研究内容和取得重要结果如下：.（1）开展了ALB全波形去噪和海陆波形分类研究。提出了基于离散傅里叶变换和低通滤波的绿激光全波形背景噪声去噪法和随机噪声自适应小波阈值去噪法，解决了绿激光测深全波形去噪“过平滑”和“欠平滑”问题，提高了全波形信号保真度。提出双频ALB红外激光全波形双层聚类法和单频ALB绿激光多通道投票的海陆波形分类方法，实验区域内获得了优于99%的总体精度，实现了单/双频ALB高精度海陆波形分类。.（2）开展了基于ALB绿激光波形分解的SSC反演研究。提出了附加波形参数边界约束的改进的波形分解法，将海水后向散射回波振幅提取精度提高了约1.4倍。提出了基于改进的波形分解法的SSC反演方法，实验区域内反演SSC均方误差为2.28 mg/L，实现了适用于单/双频ALB的SSC高精度、高空间分辨率反演。.（3）研究并提出了基于单/双频ALB海底点高度测量偏差的SSC反演方法，为单/双频ALB反演SSC提供了一种简便方法。.项目研究取得了如下成果：.（1）形成了一套完整的、普适于单频和双频ALB的近岸海域SSC高精度和简便反演理论与方法体系，包括ALB激光全波形去噪、单/双频ALB海陆波形分类、绿激光全波形分解、基于ALB绿激光波形分解的SSC反演以及基于ALB绿激光海底点高度偏差的SSC反演。.（2）在本项目资助下，截止2022年底，项目负责人以第一作者或通讯作者在IEEE GRSL、IEEE JSTARS等国内外核心刊物上共发表第一标注本项目的期刊论文8篇，其中SCI论文7篇，核心1篇。.（3）研制软件5套，登记软件著作权3项。.（4）培养硕士研究生8名，其中2名获得研究生国家奖学金。.（5）形成了完整的课题研究报告。

项目成果

期刊论文数量（8）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Adaptive Wavelet Threshold Denoising for Bathymetric Laser Full-Waveforms With Weak Bottom Returns
弱水底回波测深激光全波形的自适应小波阈值去噪
  • DOI：
    10.1109/lgrs.2022.3141057
  • 发表时间：
    2022
  • 期刊：
    IEEE Geoscience and Remote Sensing Letters
  • 影响因子：
    4.8
  • 作者：
    Xinglei Zhao;Hui Xia;Jianhu Zhao;Fengnian Zhou
  • 通讯作者：
    Fengnian Zhou
Retrieval of Suspended Sediment Concentration from Bathymetric Bias of Airborne LiDAR.
从机载激光雷达测深偏差中反演悬浮泥沙浓度
  • DOI：
    10.3390/s222410005
  • 发表时间：
    2022-12-19
  • 期刊：
    Sensors (Basel, Switzerland)
  • 影响因子：
    --
  • 作者：
    Zhao X;Gao J;Xia H;Zhou F
  • 通讯作者：
    Zhou F
Feature Selection and Mislabeled Waveform Correction for Water-Land Discrimination Using Airborne Infrared Laser
机载红外激光水陆识别的特征选择和错误标记波形校正
  • DOI：
    10.3390/rs13183628
  • 发表时间：
    2021-09-01
  • 期刊：
    REMOTE SENSING
  • 影响因子：
    5
  • 作者：
    Liang, Gang;Zhao, Xinglei;Zhou, Fengnian
  • 通讯作者：
    Zhou, Fengnian
Background noise reduction for airborne bathymetric full waveforms by creating trend models using Optech CZMIL in the Yellow Sea of China
使用 Optech CZMIL 在中国黄海创建趋势模型，降低机载测深全波形的背景噪声
  • DOI：
    10.1364/ao.402973
  • 发表时间：
    2020
  • 期刊：
    Applied Optics
  • 影响因子：
    1.9
  • 作者：
    Xinglei Zhao;Gang Liang;Ying Liang;Jianhu Zhao;Fengnian Zhou
  • 通讯作者：
    Fengnian Zhou
Improved waveform decomposition with bound constraints for green waveforms of airborne LiDAR bathymetry
机载 LiDAR 测深绿色波形的改进波形分解与约束
  • DOI：
    10.1117/1.jrs.14.027502
  • 发表时间：
    2020-04
  • 期刊：
    Journal of Applied Remote Sensing
  • 影响因子：
    1.7
  • 作者：
    Xinglei Zhao;Jianhu Zhao;Xiaoyang Wang;Fengnian Zhou
  • 通讯作者：
    Fengnian Zhou

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

一种改进的机载激光测深深度偏差模型
  • DOI：
    --
  • 发表时间：
    2019
  • 期刊：
    武汉大学学报信息科学版
  • 影响因子：
    --
  • 作者：
    赵建虎;吴敬文;赵兴磊;周丰年
  • 通讯作者：
    周丰年

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码