一种结合无人机影像的大空间尺度植被覆盖度计算方法技术

本发明专利技术公开了一种结合无人机影像的大空间尺度植被覆盖度计算方法，包括：对遥感影像大气校正和几何纠正，计算NDVI，并根据预定阈值获取有效区域；对无人机图片拼接并获取正射影像，结合几何纠正后的卫星数据配准空间位置，在无人机影像上选择典型样区，利用非监督分类解译典型样区内各地物占比；随机选取一部分样区，利用样区内各地物占比和对应卫星遥感波段反射率，结合最小二乘法求解各地物端元的反射率；利用光谱分解模型和各地物端元的反射率，求解有效影像区域内各像元的植被覆盖度；利用剩余一部分样区数据校正植被覆盖度计算结果。本发明专利技术核心在基于无人机的端元反射率获取方法和植被覆盖校正模型，可有效提高大空间尺度植被覆盖的计算精度。

A large space scale vegetation coverage calculation method combined with UAV images

The invention discloses a method combined with vegetation coverage calculation, large scale UAV images include: correction of remote sensing images of atmospheric and geometric correction, calculation of NDVI, and according to a predetermined threshold to obtain the effective area; the UAV image mosaic and acquire orthoimage, combination of geometric correction of satellite spatial data registration and choose the typical region in the UAV images, the interpretation of the typical region in the proportion of objects using unsupervised classification; randomly selected part area, the ground like area ratio and the corresponding satellite remote sensing reflectance, combined with least square method to solve the ground endmember reflectance; reflectance spectral decomposition model and the end of each pixel element, for effective image within the area of vegetation coverage; with the remaining part of a kind of vegetation coverage data correction results. The core of the invention is the method of obtaining the endmember reflectivity based on the UAV and the vegetation coverage correction model, which can effectively improve the calculation accuracy of the vegetation coverage in large space scale.

【技术实现步骤摘要】
一种结合无人机影像的大空间尺度植被覆盖度计算方法
本专利技术属于遥感技术应用领域，特别涉及一种结合无人机影像的大空间尺度植被覆盖度计算方法。
技术介绍
植被覆盖度为植被在地面的垂直投影面积与区域总面积的比值，是刻画地表植被覆盖状况的重要参数，是模拟大空间尺度范围内大气-植被-土壤系统水分循环、能量交换和生物化学循环等地表过程的重要基础性数据，在农业、林业、资源环境管理、土地利用、水文生态过程、水土流失调查、灾害风险监测、干旱监测等领域都有广泛的应用。遥感技术因其大范围的观测能力，已成为获取区域甚至全球植被覆盖度的重要手段。经过近几十年的发展，利用遥感技术的植被覆盖度估算方法已经取得了长足的进步，并形成了一批成熟的区域性、全球性产品，但在实际应用过程中，还存在以下几个问题：(1)无人机等低空遥感估算精度高，但空间范围有限随着近年来无人机等低空遥感技术的普及，其高灵活性、云下飞行、影像分辨率高和成本低等优势，使快速获取景观小尺度上的真实植被覆盖度有了可能，例如专利技术专利“一种基于无人机的景观尺度植被覆盖度的计算方法及系统”(申请号：201610913357.8)。但是，因续航能力、数据量等方面的问题，无人机只能获取景观小尺度范围内的植被覆盖度。(2)以混合像元分解方法为代表的卫星遥感植被覆盖度估算方法具备一定的理论意义和应用基础，但端元的选择存在诸多问题目前，遥感测算植被覆盖度的方法主要有回归模型法、训练模型法和混合像元分解法三类。其中，回归模型方法主要是通过多元统计建立植被覆盖度与波段反射率或者植被指数的经验关系，该方法虽然简单易行，但是仅适用于特定的区域和特定的植被类型，并且需要大量的高质量地面观测以保证精度。训练模型法是通过一些训练样本对学习模型进行训练，进而建立起计算植被覆盖度的模型，该方法的关键点和难点都在于训练样本的选择，在复杂的地表环境下，样本的准确性和代表性难以保证。混合像元分解法依据传感器收集的地面反射光谱信息是植被光谱与其它光谱的综合信息的原理，获取地表植被的贡献率，因其具备一定的物理意义、应用方便且精度较高，成为目前应用最为广泛的方法，如二分法。混合像元分解方法包括端元(代表某一类地物的纯像元)光谱获取和丰度(混合像元内各类地物贡献率)计算两个步骤。其中，端元光谱的获取是最关键步骤，也是面临问题较多的步骤。常用的提取方法有两种，一种是通过地面观测或者是已有的波谱库，通常称为“参考端元”，另一种是在遥感影像中直接选择，称为“影像端元”。参考端元虽然理论上比较精确，但由于影像上地物光谱受到大气、地形和传感器等的影响，与实测或者地物波谱库中的地物波谱曲线存在很大差别，即使经过辐射纠正等预处理，也难以很好的匹配，同时基于地面实测的光谱需要投入较多的人力及物力。影像端元虽然有经济、简单和方便的优势，且可以保证端元与影像具有相同的度量尺度，但是在获取大空间尺度所需的中分辨率影像(如TM/ETM+,环境星HJ)上，因地物的复杂性可能并不存在“纯净”的端元，因此，不论采用什么样的方法提取影像端元，获取的光谱信息均不纯粹，导致后续丰度计算出现较大误差。(3)受到植被类型的复杂性、不同生长状况和影像成像质量的影响，遥感估算的植被覆盖度存在偏差遥感估算植被覆盖度的核心理论是不同地物类型的光谱反射率差异，不同植被类型，以及植被的不同生长期条件下，均可以导致光谱反射率的变化，造成植被的光谱反射率与其它地物类型难以区分，甚至出现“同物异谱”、“同谱异物”现象，造成植被覆盖度估算值存在偏差。同时，在遥感影像成像过程中，由于受大气散射和吸收的影响，改变了传感器接收到的地表反射能量，极大地影响着遥感光谱信息的提取精度，虽然现阶段已经开发出大量的大气校正模型，但是这些模型通常严重依赖地面观测和探空数据，在这些数据无法保障的情况下，校正的精度往往不高，尤其是在大空间尺度范围内，造成遥感估算的植被覆盖度无法满足应用级的需求。鉴于遥感估算植被覆盖度在实际应用中存在的上述问题，研究一种可充分利用低空遥感和卫星遥感的优势，提高大空间尺度植被覆盖度估算精度的方法，不仅具有重要的理论意义，也同时具有重要的实际应用价值。
技术实现思路
本专利技术针对混合像元分解方法中存在的端元选择问题，以及植被类型复杂性和影像质量等引起的误差问题，在充分利用无人机技术优势的基础上，提供了一种大空间尺度植被覆盖度计算方法。该方法基于无人机影像和最小二乘法计算端元光谱反射率，利用光谱分解方法，计算大空间尺度范围内各像元的植被覆盖度，并结合无人机对可能存在的偏差提供校正，具有适应性强、精度高、易于操作等优点，可大量减少野外实地观测，因而具备较强的推广性。本专利技术的目的通过以下的技术方案实现：一种结合无人机影像的大空间尺度植被覆盖度计算方法，包括步骤：(1)对遥感影像进行预处理，计算NDVI，根据预定阈值获取有效影像区域；(2)对无人机获得的图像进行拼接并获取目标区域正射投影影像，将目标区域正射投影影像、预处理后的遥感影像进行空间位置配准；在无人机影像上选择典型样区，解译各典型样区内各地物类型的丰度；(3)随机选取一部分样区，结合样区内各地物类型的丰度和对应卫星遥感波段反射率，利用最小二乘法求解各地物端元的反射率；(4)根据各地物端元的反射率，利用光谱分解方法，逐像元计算遥感影像中有效影像区域的植被覆盖度；(5)评估及校正步骤：用步骤(3)随机选取后剩余的样区检验及评估步骤(4)获取的同区域的植被覆盖度；若评估不合格，则建立二者的线性拟合关系，利用该线性拟合关系校正步骤(4)获取的有效影像区域的植被覆盖度，进而得到最终应用级的植被覆盖度。优选的，所述步骤(1)中，对遥感影像进行预处理，包括步骤：(1-1)进行大气纠正，将影像的DN值转化为真实地表反射率；(1-2)对大气纠正后的影像进行几何校正，获取空间精确定位的影像。优选的，所述步骤(1)中，计算NDVI的公式如下：NDVI(＝(ρNIR-ρR)/(ρNIR+ρR))；其中，ρNIR、ρR分别为纠正后的近红外波段、红光波段的反射率。优选的，所述步骤(2)中，对无人机获得的图像经过如下处理：(2-1)对无人机获得的图像进行拼接，以获取目标区域正射投影影像，并获取正射影像的空间分辨率；(2-2)基于同名点追踪的配准模型，对目标区域正射投影影像和预处理后的遥感影像进行空间位置配准；(2-3)在无人机影像上筛选出若干典型样区，要求样区的长和宽均为遥感影像空间分辨率的整数倍，样区的数量为N，N≥2n，n为地物类型的数量；(2-4)对筛选出的样区进行监督分类，获取各地物类型的丰度(也称为所占的比率)。优选的，所述步骤(3)中，随机选取若干个样区，依据地表反射率是像元内的各端元地表反射率的线性组合的原理，得到公式：Rj＝∑Firij+ej其中，Rj是某一样区遥感影像中第j波段的反射率，1≤j≤n；Fi为i类地物类型在某地块上的丰度，1≤i≤n；rij是第i类地物类型端元在j波段的反射率；e为随机误差。利用最小二乘法，当满足|E|2＝e12+e22+...+en2取值最小时，得到一组地物类型端元的反射率：矩阵A即为需要求解的各地物类型端元在不同波段上的反射率。更进一步的，在选取遥感影像的波段时，优先选取植被在波段内存在明显变本文档来自技高网...

【技术保护点】
一种结合无人机影像的大空间尺度植被覆盖度计算方法，其特征在于，包括步骤：(1)对遥感影像进行预处理，计算NDVI，根据预定阈值获取有效影像区域；(2)对无人机获得的图像进行拼接并获取目标区域正射投影影像，将目标区域正射投影影像、预处理后的遥感影像进行空间位置配准；在无人机影像上选择典型样区，解译各典型样区内各地物类型的丰度；(3)随机选取一部分样区，结合样区内各地物类型的丰度和对应卫星遥感波段反射率，利用最小二乘法求解各地物端元的反射率；(4)根据各地物端元的反射率，利用光谱分解方法，逐像元计算遥感影像中有效影像区域的植被覆盖度；(5)评估及校正步骤：用步骤(3)随机选取后剩余的样区检验和评估步骤(4)获取的同区域的植被覆盖度；若评估不合格，则建立二者的线性拟合关系，利用该线性拟合关系校正步骤(4)获取的有效影像区域的植被覆盖度，进而得到最终应用级的植被覆盖度。

【技术特征摘要】
1.一种结合无人机影像的大空间尺度植被覆盖度计算方法，其特征在于，包括步骤：(1)对遥感影像进行预处理，计算NDVI，根据预定阈值获取有效影像区域；(2)对无人机获得的图像进行拼接并获取目标区域正射投影影像，将目标区域正射投影影像、预处理后的遥感影像进行空间位置配准；在无人机影像上选择典型样区，解译各典型样区内各地物类型的丰度；(3)随机选取一部分样区，结合样区内各地物类型的丰度和对应卫星遥感波段反射率，利用最小二乘法求解各地物端元的反射率；(4)根据各地物端元的反射率，利用光谱分解方法，逐像元计算遥感影像中有效影像区域的植被覆盖度；(5)评估及校正步骤：用步骤(3)随机选取后剩余的样区检验和评估步骤(4)获取的同区域的植被覆盖度；若评估不合格，则建立二者的线性拟合关系，利用该线性拟合关系校正步骤(4)获取的有效影像区域的植被覆盖度，进而得到最终应用级的植被覆盖度。2.根据权利要求1所述的结合无人机影像的大空间尺度植被覆盖度计算方法，其特征在于，所述步骤(1)中，对遥感影像进行预处理，包括步骤：(1-1)进行大气纠正，将影像的DN值转化为真实地表反射率；(1-2)对大气纠正后的影像进行几何校正，获取空间精确定位的影像。3.根据权利要求1所述的结合无人机影像的大空间尺度植被覆盖度计算方法，其特征在于，所述步骤(1)中，计算NDVI的公式如下：NDVI(＝(ρNIR-ρR)/(ρNIR+ρR))；其中，ρNIR、ρR分别为纠正后的近红外波段、红光波段的反射率。4.根据权利要求1...

【专利技术属性】
技术研发人员：扶卿华，亢庆，王晓刚，顾祝军，
申请(专利权)人：珠江水利委员会珠江水利科学研究院，
类型：发明
国别省市：广东,44