基于NDVI百分比匹配的浓密植被识别方法技术

本发明专利技术提供了一种基于NDVI百分比匹配的浓密植被识别方法，主要针对遥感卫星缺少短波红外波段，浓密植被识别困难。在假设浓密植被的百分比在时间上具有相对稳定的延续性，在同一区域相邻的几年里浓密植被所占的比重年际变化不大以及即使在观测角度、气溶胶等条件的影响下植被的NDVI值依然高于其它地表类型在相同条件下的NDVI值的两个前提下，首先构建MODIS地表反射率数据集，按最小合成法将长时间序列内同一日期的多景影像合成一景影像；然后对遥感卫星多光谱数据进行辐射定标、均值重采样、NDVI计算等处理；利用MODIS数据统计出遥感卫星多光谱数据对应时空的浓密植被像元百分比，最后根据植被指数NDVI阈值与浓密植被百分比确定遥感卫星数据中的浓密植被像元分布。

Dense vegetation identification method based on NDVI percentage matching

【技术实现步骤摘要】
基于NDVI百分比匹配的浓密植被识别方法
本专利技术涉及一种浓密植被识别的方法，具体是利用NDVI百分比匹配的方法确定浓密植被像元，适用于缺少短波红外波段的遥感卫星影像浓密植被的确定。
技术介绍
由于地表类型的复杂性、地物物候期的不同，地表参数处于不断变化过程中，因此，同一年不同季节以及不同年际之间植被覆盖状况是不同的，造成了浓密植被像元确定的复杂性。传统的浓密植被识别方法主要是针对有红外波段的影像，如MODIS影像和LandsatTM影像。浓密植被像元最初是根据可见光-近红外波段的植被指数来确定，其中归一化植被指数NDVI应用最为广泛。浓密植被像元在红光波段的反射率很低，而在近红外波段反射率较高，浓密植被区的NDVI值大于非浓密植被区，因此可以用归一化植被指数NDVI来提取图像中的浓密植被像元。NDVI为近红外波段的反射率值与红光波段的反射率值之差比上两者之和，即：NDVI＝(ρnir-ρr)/(ρnir+ρr)，其中ρnir为近红外波段的反射率值，ρr为红光波段的反射率值，NDVI取值范围为[-1，1]。经比值处理，能够部分消除与太阳高度角、地形、云、大气条件有关的辐照度条件变化等的影响。Richeter等(2006)利用比值植被指数、红外波段和近红外波段反射率阈值识别TM影像的浓密植被像元。赵志强等(2015)采用归一化植被指数NDVI、归一化水体指数NDWI以及近红外波段表观反射率等掩膜处理非植被像元，利用浓密森林像元在可见光波段反射率低的特点，通过搜索红波段直方图的最小峰值自动识别山区浓密植被像元，并将该方法应用于环境减灾卫星(HJ-1)CCD影像浓密植被像元识别和气溶胶反演。NDVI能够较好地反映地表植被分布状况，但是红波段信号受大气中气溶胶的散射和吸收的影响，使得NDVI本身随着气溶胶光学厚度的增加明显减小，当气溶胶光学厚度较大时，浓密植被的植被指数会降到很低，无法通过经验的阈值找到浓密植被像元，也很难用一个统一的阈值将浓密植被识别出来，因此直接利用NDVI方法确定浓密植被像元存在缺陷。由于短波红外波段波长远远大于大多数气溶胶粒子直径，使得其对气溶胶散射不敏感，但其对地表差异非常敏感，因此，可以用短波红外波段反射率阈值确定浓密植被像元，用短波红外波段的归一化植被指数NDVISWIR取代NDVI，即：NDVISWIR＝(ρ1.24-ρ2.12)/(ρ1.24+ρ2.12)其中，ρ1.24为波长1.24微米处的反射率值，ρ2.12为波长2.12微米处的反射率值。由于短波红外波段受气溶胶影响相对较小，相对于归一化植被指数NDVI而言，短波红外波段的归一化植被指数NDVISWIR提高了浓密植被像元识别的精度。Kaufman等(1997)提出利用短波红外波段识别浓密植被像元，并成功应用于LandsatTM影像(2.2μm波段)和MODIS影像(2.1μm波段)。然而由于Quickbird影像、IKONOS影像以及国产高分卫星影像如高分系列、HJ-1CCD影像、CBERS影像等仅设置了可见光-近红外波段，缺少短波红外波段，使得浓密植被像元的确定变得异常困难。
技术实现思路
针对遥感卫星缺少短波红外波段以至浓密植被像元识别困难的问题，本专利技术提出了一种基于NDVI百分比匹配的方法用于浓密植被的识别，利用现有的MODIS地表反射率产品协助确定遥感卫星多光谱数据的浓密植被像元分布。本专利技术的方法有两点基本假设：一是假设浓密植被的百分比在时间上具有相对稳定的延续性，在同一区域相邻的几年里浓密植被所占的比重年际变化不大；二是假设即使在观测角度、气溶胶等条件的影响下植被的NDVI值依然高于其它地表类型在相同条件下的NDVI值。本专利技术通过遥感卫星数据与MODIS地表反射率产品配准，利用MODIS地表反射率产品数据统计出遥感卫星多光谱数据对应时空的浓密植被像元百分比，根据归一化植被指数NDVI与浓密植被百分比确定遥感卫星数据的浓密植被像元。本专利技术采用的技术方案如下：步骤一：构建地表反射率数据集1)选取MOD09A1地表反射率数据产品。2)利用MRT对下载的MOD09A1数据进行投影转换、拼接等预处理。3)按最小值合成的方式将长时间序列内同一日期的多景影像合成为一景影像。4)在地表反射率数据库构建时，选取与遥感卫星数据对应的波段及确定浓密植被像元的2.1μm波段，即MODIS蓝光波段、绿光波段、红光波段、近红外波段和2.1μm短波红外波段。5)利用全国矢量对拼接的MOD09A1地表反射率产品进行裁剪获得全国陆地地表反射率数据集。步骤二：数据预处理1)遥感卫星多光谱数据辐射定标。2)遥感卫星多光谱数据重采样、投影转换几何处理。3)从MOD09A1地表反射率数据集中裁剪出与遥感卫星多光谱数据时相和空间都匹配的区域。步骤三：计算归一化植被指数NDVI，并获得遥感卫星多光谱数据的浓密植被百分比。1)NDVI计算公式如下：NDVI＝(ρnir-ρr)/(ρnir+ρr)其中，ρnir为近红外波段的反射率值，ρr为红光波段的反射率值。2)利用MODIS地表反射率数据，统计出遥感卫星多光谱数据浓密植被的百分比Pddv。根据MODIS地表反射率数据确定浓密植被像元的条件为：统计MODIS地表反射率数据中满足上述两者的像元占总像元个数的百分比Pddv。步骤四：根据区域浓密植被的百分比，确定遥感卫星多光谱数据浓密植被像元NDVI的阈值Tndvi。浓密植被像元NDVI阈值Tndvi的确定公式为：其中，n(NDVI＞Tndvi)为NDVI值大于阈值Tndvi的像元个数，N为像元总数。大于NDVI阈值Tndvi的像元对应的遥感卫星多光谱影像像元为浓密植被像元。本专利技术具有如下优点：本专利技术针对直接利用NDVI方法确定浓密植被像元的不足以及遥感卫星数据缺少短波红外波段导致浓密植被像元确定困难的问题，提出了使用先验地表反射率产品协助确定遥感卫星多光谱数据浓密植被像元。MODIS地表反射率产品在反映真实地表反射率的变化方面具有较高的精度且2.1μm短波红外波段受大气影响小，可以使用阈值找到浓密植被像元。运用NDVI百分比匹配的方式确定遥感卫星多光谱数据中浓密植被像元的分布，回避了像元的直接匹配，减小异源数据像元配准引起的误差，提高了浓密植被识别的准确度。附图说明图1基于NDVI百分比匹配的浓密植被识别的技术流程图；图2用于浓密植被像元识别的GF-1影像多光谱数据；图3建立的第97～104天的地表反射率数据集的彩色合成影像；图4建立的第121～128天的地表反射率数据集彩色合成影像；图5建立的第145～152天的地表反射率数据集彩色合成影像；图6建立的第297～304天的地表反射率数据集彩色合成影像；图7GF-1多光谱表观反射率数据重采样后的假彩色影像；图8第121～128天本文档来自技高网...

【技术保护点】
1.一种基于NDVI百分比匹配的浓密植被识别方法，包括以下步骤：/n第一步：构建地表反射率数据集/n1-1)选取MOD09A1地表反射率数据产品。/n1-2)利用MRT对下载的MOD09A1数据进行投影转换、拼接等预处理。/n1-3)按最小值合成的方式将长时间序列内同一日期的多景影像合成为一景影像。/n1-4)在地表反射率数据库构建时，选取与遥感卫星数据对应的波段及确定浓密植被像元的2.1μm波段，即MODIS蓝光波段、绿光波段、红光波段、近红外波段和2.1μm短波红外波段。/n1-5)利用全国矢量对拼接的MOD09A1地表反射率产品进行裁剪获得全国陆地地表反射率数据集。/n第二步：数据预处理/n2-1)遥感卫星多光谱数据辐射定标。/n2-2)遥感卫星多光谱数据重采样、投影转换几何处理。/n2-3)从MOD09A1地表反射率数据集中裁剪出与遥感卫星多光谱数据时空相匹配的区域。/n第三步：计算归一化植被指数NDVI，并获得遥感卫星多光谱数据的浓密植被百分比。/n第四步：根据区域浓密植被的百分比，确定遥感卫星多光谱数据浓密植被像元NDVI的阈值。/n

【技术特征摘要】
1.一种基于NDVI百分比匹配的浓密植被识别方法，包括以下步骤：
第一步：构建地表反射率数据集
1-1)选取MOD09A1地表反射率数据产品。
1-2)利用MRT对下载的MOD09A1数据进行投影转换、拼接等预处理。
1-3)按最小值合成的方式将长时间序列内同一日期的多景影像合成为一景影像。
1-4)在地表反射率数据库构建时，选取与遥感卫星数据对应的波段及确定浓密植被像元的2.1μm波段，即MODIS蓝光波段、绿光波段、红光波段、近红外波段和2.1μm短波红外波段。
1-5)利用全国矢量对拼接的MOD09A1地表反射率产品进行裁剪获得全国陆地地表反射率数据集。
第二步：数据预处理
2-1)遥感卫星多光谱数据辐射定标。
2-2)遥感卫星多光谱数据重采样、投影转换几何处理。
2-3)从MOD09A1地表反射率数据集中裁剪出与遥感卫星多光谱数据时空相匹配的区域。
第三步：计算归一化植被指数NDV...

【专利技术属性】
技术研发人员：孙林，于会泳，李睿博，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：山东;37