一种基于信息熵的SEVI调节因子优化方法技术

本发明专利技术涉及一种基于信息熵的SEVI调节因子优化方法，首先根据研究目标选定研究区，获取对应的长时间序列遥感影像；利用反射率数据计算研究区阴影消除植被指数SEVI：然后选择纯植被复杂地形区域，利用阴影消除植被指数SEVI计算香农信息熵H(v)；令调节因子从0开始，以预设的间隔T依次递增，分别计算SEVI和H(v)；当H(v)取值最大时，取与最大H(v)对应的调节因子作为最优调节因子。本发明专利技术无需DEM数据和遥感影像分类，同时不依赖于地面调查数据。

An optimization method of SEVI adjusting factor based on information entropy

【技术实现步骤摘要】
一种基于信息熵的SEVI调节因子优化方法
本专利技术涉及植被检测领域，特别是一种基于信息熵的SEVI调节因子优化方法。
技术介绍
现有地形阴影消除植被指数SEVI及其前期成果TAVI、TCVI中调节因子优化方法主要有4种：“匹配法(国家专利号200910111688X)”、“极值(Max)法(国家专利号201010180895.3)”、“相关系数(r)法(国家专利号2015108077580)”和太阳高度角法(国家专利号201611127461.0)。上述4种优化算法无需DEM等数据的支持，都能有效削减地形阴影对山区植被信息的影响。但“匹配法”、“极值法”都需要先对遥感影像进行分类，其中“匹配法”还需要地面数据等的支持；“相关系数法”是经验算法，理论基础较弱；“太阳高度角法”中s因子不容易确定，这些都影响了SEVI技术在山区植被长时间序列监测等的大范围推广应用。
技术实现思路
有鉴于此，本专利技术的目的是提出一种基于信息熵的SEVI调节因子优化方法，无需DEM数据和遥感影像分类，同时不依赖于地面调查数据。本专利技术采用以下方案实现：一种基于信息熵的SEVI调节因子优化方法，包括以下步骤：根据研究目标选定研究区，获取对应的长时间序列遥感影像；利用反射率数据计算研究区阴影消除植被指数SEVI：式中，f(Δ)为调节因子，Br为遥感影像红光波段反射率数据，Bnir为遥感影像近红外波段反射率数据；选择纯植被复杂地形区域(如植被保护完好的山区自然保护区)，利用阴影消除植被指数SEVI计算香农信息熵H(v)；令调节因子f(Δ)从0开始，以预设的间隔T依次递增，分别计算SEVI和H(v)；当H(v)取值最大时，取与最大H(v)对应的调节因子f(Δ)作为最优调节因子fopt：fopt＝argmax(H(v))。进一步地，所述选择纯植被复杂地形区域，利用阴影消除植被指数SEVI计算香农信息熵H(v)具体为：其中，式中，pi为i像元信息所占比例；n为研究区像元数，为i像元的f(Δ)取值等于f时的SEVI计算结果。进一步地，所述预设的间隔T为0.001。进一步地，与现有技术相比，本专利技术有以下有益效果：1、本专利技术用信息熵计算调节因子，理论依据更强，摆脱原有经验算法不易理解的不足，可以应用于长时间序列的山区植被变化监测与分析；2、本专利技术确定的最优解，保证SEVI能有效消除各类地形阴影对山区植被信息的干扰；3、本专利技术只需要遥感影像自身携带的波段数据，无需地面调查数据或实地考察数据等的支持，数据成本与时间成本实现最小化；4、本专利技术方法流程简单，可操作性强。附图说明图1为本专利技术实施例的方法流程示意图。图2为本专利技术实施例的f(Δ)优化计算曲线示意图。图3为本专利技术实施例的长时间序列地形阴影校正图，(a)为2011年的校正图，(b)为2012年的校正图，(c)为2013年的校正图，(d)为2014年的校正图，(e)为2015年的校正图，(f)为2016年的校正图，(g)为2017年的校正图，(h)为2018年的校正图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。如图1所示，本实施例提供了一种基于信息熵的SEVI调节因子优化方法，包括以下步骤：根据研究目标选定研究区，获取对应的长时间序列遥感影像；利用反射率数据计算研究区阴影消除植被指数SEVI：式中，f(Δ)为调节因子，Br为遥感影像红光波段反射率数据，Bnir为遥感影像近红外波段反射率数据；选择纯植被复杂地形区域(如植被保护完好的山区自然保护区)，利用阴影消除植被指数SEVI计算香农信息熵H(v)；令调节因子f(Δ)从0开始，以预设的间隔T依次递增，分别计算SEVI和H(v)；当H(v)取值最大时，取与最大H(v)对应的调节因子f(Δ)作为最优调节因子fopt(如图2所示，图2中的*点即为最大H(v)对应的f(Δ))：fopt＝argmax(H(v))。在本实施例中，所述选择纯植被复杂地形区域，利用阴影消除植被指数SEVI计算香农信息熵H(v)具体为：其中，式中，pi为i像元信息所占比例；n为研究区像元数，为i像元的f(Δ)取值等于f时的SEVI计算结果。在本实施例中，所述预设的间隔T为0.001。在本实施例中，本实施例的SEVI计算结果如图3所示，通过对该方法在中国武夷山自然保护区2011-2018年8期多光谱遥感影像的应用与验证，表明本专利技术计算的8期SEVI在地形本影和落影相对非阴影阳坡的平均误差分别只有0.93％和-1.94％，SEVI与太阳入射角余弦值(cosi)相关分析的决定系数平均值只有0.005，样本变异系数小于9.69％，取得了良好的长时间序列遥感影像地形阴影校正效果。以上所述，仅是本专利技术的较佳实施例而已，并非是对本专利技术作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的
技术实现思路
加以变更或改型为等同变化的等效实施例。但是凡是未脱离本专利技术技术方案内容,依据本专利技术的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本专利技术技术方案的保护范围。本文档来自技高网...

【技术保护点】
1.一种基于信息熵的SEVI调节因子优化方法，其特征在于，包括以下步骤：/n根据研究目标选定研究区，获取对应的长时间序列遥感影像；/n利用反射率数据计算研究区阴影消除植被指数SEVI：/n

【技术特征摘要】
1.一种基于信息熵的SEVI调节因子优化方法，其特征在于，包括以下步骤：
根据研究目标选定研究区，获取对应的长时间序列遥感影像；
利用反射率数据计算研究区阴影消除植被指数SEVI：



式中，f(Δ)为调节因子，Br为遥感影像红光波段反射率数据，Bnir为遥感影像近红外波段反射率数据；
选择纯植被复杂地形区域，利用阴影消除植被指数SEVI计算香农信息熵H(v)；
令调节因子f(Δ)从0开始，以预设的间隔T依次递增，分别计算SEVI和H(v)；
当H(v)取值最大时，取与最大H(v)对应的调节因子f(Δ)作为最优调节因子。

【专利技术属性】
技术研发人员：江洪，吴勇锋，马锦典，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35