城市绿地地上生物量估测方法技术

城市绿地地上生物量估测方法，首先对目标区域进行全色影像、高光谱影像数据的摄取，对数据进行预处理后进行分割，选取数据中包含植被的区域进行物种识别和地上生物量反演，本发明专利技术是面向对象的城市绿地生物量遥感反演方法，构建了一套以植被轮廓识别、高光谱端元波谱曲线特征提取和基于波谱角比对的植被物种识别为前提，结合不同乔木和灌木的植被物种冠层轮廓和地上生物量模型，以及草地面积和地上生物量模型，进行城市绿地地上生物量反演的方法。能精确计算得到每一株植物的地上生物量，计算结果效果理想、精度高，比起大多数未识别植物物种且基于像元的反演模型，更为快速、精确、全面。

【技术实现步骤摘要】
城市绿地地上生物量估测方法
本专利技术涉及地上生物量测算领域，具体涉及一种城市绿地地上生物量估测方法。
技术介绍
城市绿地生物量提取，对于城市绿地资源监测和环境因子调查具有重要意义。同时，这些信息也可以用于掌握城市绿地内植物与环境的关系，城市绿地内植被生长发育和更新、演替的规律，对于城市绿地经营的可持续经营管理、生态系统碳循环研究及全球气候变化理解具有重要意义。常规的城市绿地地上生物量提取主要依赖于实测或以实测法为基础的统计分析方法，其精度往往不高，且难于在“面”上实用化推广。目前，遥感影像估测地上生物量的方法主要是：1)从光学遥感影像提取与城市绿地相关的植被指数、波段之间的比值和光谱曲线特征作为自变量，将国家森林资源二类调查数据或样地实测数据作为因变量，建立生物量回归模型，从而估测城市绿地地上生物量，2)利用雷达、激光雷达、高光谱和高分影像，基于实测数据建立模型，进行反演估测城市绿地的地上生物量。以上两种方法都能大致反演城市绿地的地上生物量，但都存在问题。第一种方法，将多种植物混为一谈，仅仅建立一种模型对地上生物量进行反演，精度较低。第二种方法，虽然利用雷达数据增加了高度信息，但是雷达数据量庞大，操作复杂不易计算，增加了估测的数据量计算，且雷达的后向散射的强度随着生物量的增加而线性增加，达到一定生物量水平后，后向散射趋于饱和，会对估测精度造成一定的影响。同时，这两种方法，都是在像元尺度上对生物量进行反演计算，无法针对单株植物计算生物量，精度较低。中国专利文献CN107449400A记录了一种森林地上生物量的测量系统及测量方法，通过无人机航拍影像，结合地面实测胸径数据建立模型，利用胸径-树冠面积回归方程和地上生物量-树冠面积回归方程获得林木的地上生物量。中国专利文献CN108921885A记录了一种综合三类数据联合反演森林地上生物量的方法，对高分辨率CCD影像和高光谱影像进行预处理，对激光雷达点云数据进行滤波，插值生成数字地形模型，点云数据归一化处理。然后分别基于预处理后的三个数据源提取纹理特征、光谱特征和点云结构特征，结合地面实测数据和提取的植被指数和纹理特征变量构建模型以预测森林地上生物量。中国专利文献CN104361592A记录了一种地上生物量估测装置，主要通过合成孔径雷达SAR影像进行处理，基于散射数据估测树高，采用对象分割获得多边形林分，基于像元反射率建立多元线性模型估测地上生物量。然而以上专利技术方法中，都将目标区域中乔灌木按照同一种模型建模来推算地上生物量，并且没有将草地和林木区分开建模估测生物量，给地上生物量的测算带来误差。专利CN107449400中要求预测森林样地林木种类和建模样地相同，这在实际运用和操作中不太现实。而专利CN108921885A需要利用激光雷达测量树高，数据量极大，并且也将所有乔灌木混为一体，建立一个统一模型，这无形中也要求待测样地和建模样地林木种类一致。这些方法都没有以不同植物物种的角度建模，在识别物种的前提下进行地上生物量的估算。同时，城市绿地不同于城市森林，绿地中其他建设用地将会干扰地上生物量的测算，准确将植被区域提取后再计算显得尤为重要。
技术实现思路
本专利技术所要解决的技术问题是提供一种城市绿地地上生物量估测方法，基于识别植物轮廓和物种前提，面向对象的城市绿地的地上生物量遥感反演方法，能快速和精确的计测大面积范围内的城市绿地地上生物量和单位面积生物量，并精确计算得到每一种植物、每一株植物的地上生物量，对于城市绿地资源监测和环境因子调查具有重要意义。为解决上述技术问题，本专利技术所采用的技术方案是：城市绿地地上生物量估测方法，包括以下步骤：步骤一、获取目标区域的全色影像、高光谱影像数据，并对数据进行预处理；步骤二、将高光谱图像进行分割，筛选出影像数据中的植被区域，构成目标区域植被影像数据，包括目标区域植被中的所有乔木、灌木和草地；步骤三、利用全色影像，对植物区域的影像进行边缘检测，对植物物种的轮廓进行识别；利用高光谱影像可见光、红边波段和近红外波段进行组合，定位、识别和聚集数据中最纯的像元，获取植物区域影像中纯净的端元波谱曲线，用于提取目标区域绿地中不同植物物种的端元波谱特征曲线并录入库；步骤四、实测目标区域各种植物种类的地上生物量，建立目标区域绿地不同种类乔木和灌木的冠幅及其地上生物量的关系模型，草地建立面积和生物量的关系模型；步骤五、根据步骤三中构建的高光谱影像下不同植物物种的端元波谱特征曲线，将影像中的所有数据进行分类，然后与全色影像植物物种的冠层轮廓监测结果进行叠加，识别定义每个轮廓的物种类别；步骤六、根据步骤四中建立的各种植物对应的地上生物量的关系模型，结合步骤五中的识别结果，通过计算，获取目标区域绿地影像数据的地上生物量和每公顷地上生物量。上述步骤一中数据的预处理包括：分别对全色影像和高光谱影像进行辐射定标、大气校正、几何校正、镶嵌和拼接。上述的步骤二中图像分割的具体过程为：利用最大类间方差算法Otsu对归一化植被指数NDVI进行处理，将高光谱图像进行分割，即将影像数据中植被的区域和非植被的区域进行划分，获取目标区域影像数据，影像数据包括目标区域中的所有乔木、灌木和草地。NDVI的公式为：NDVI＝(ρNIR-ρRED)/(ρNIR+ρRED)；式中，ρNIR为近红波段的反射率，ρRED为红波段的反射率。Otsu的公式为：设NDVI影像数据的灰度级为L(G＝1,2,3,…,L)，处在灰度级i的像元个数用ni表示，NDVI的总像元个数N为：直方图归一化后为：式中，p(i)表示图像中灰度级为i的像元出现的概率。用T表示阈值，将归一化图像中的像元按灰度级T划分为两类：C1≤T和C2＞T，两类出现的概率为：假设两类像元的均值分别为m1和m2，NDVI图像全局像元均值为mg，那么：w1*m1+w2*m2＝mgw1+w2＝1此时方差为：δ2＝p1(m1-mg)2+p2(m2-mg)2即：δ2＝p1p2(m1-m2)2式中，δ2为类间方差，当类间方差为最大值时，对应的阈值T为NDVI影像数据中植被和非植被区分的最佳分割阈值。上述的步骤三的具体过程为：基于索贝尔Sobel算子进行边缘检测，然后进行植被轮廓识别，步骤为：首先，设定Sobel算子，公式为：其次，利用全色高分辨率影像的像元集合Z与A和B做平面卷积，分别实现经横向及纵向边缘检测的图像灰度值Gx和Gy的计算，公式如下：最后，可计算全色影像的每一个像元的横向及纵向灰度大小，公式为：使用近似值：|f(Gx，Gy)|＝|Gx|+|Gy|设置阈值为h，像元值f(Gx，Gy)大于h，即被标记为边缘点，这些边缘点的集合，即为轮廓识别的结果；本文档来自技高网...

【技术保护点】
1.城市绿地地上生物量估测方法，其特征在于，包括以下步骤：/n步骤一、获取目标区域的全色影像、高光谱影像数据，并对数据进行预处理；/n步骤二、将高光谱图像进行分割，筛选出影像数据中的植被区域，构成目标区域植被影像数据，包括目标区域植被中的所有乔木、灌木和草地；/n步骤三、利用全色影像，对植物区域的影像进行边缘检测，对植物物种的轮廓进行识别；/n利用高光谱影像可见光、红边波段和近红外波段进行组合，定位、识别和聚集数据中最纯的像元，获取植物区域影像中纯净的端元波谱曲线，用于提取目标区域绿地中不同植物物种的端元波谱特征曲线并录入库；/n步骤四、实测目标区域各种植物种类的地上生物量，建立目标区域绿地不同种类乔木和灌木的冠幅及其地上生物量的关系模型，草地建立面积和地上生物量的关系模型；/n步骤五、根据步骤三中构建的高光谱影像下不同植物物种的端元波谱特征曲线，将影像中的所有数据进行分类，然后与全色影像植物物种的冠层轮廓监测结果进行叠加，识别定义每个轮廓的物种类别；/n步骤六、根据步骤四中建立的各种植物对应的地上生物量关系模型，结合步骤五中的识别结果，通过计算，获取目标区域绿地影像数据的地上生物量和每公顷地上生物量。/n...

【技术特征摘要】
1.城市绿地地上生物量估测方法，其特征在于，包括以下步骤：
步骤一、获取目标区域的全色影像、高光谱影像数据，并对数据进行预处理；
步骤二、将高光谱图像进行分割，筛选出影像数据中的植被区域，构成目标区域植被影像数据，包括目标区域植被中的所有乔木、灌木和草地；
步骤三、利用全色影像，对植物区域的影像进行边缘检测，对植物物种的轮廓进行识别；
利用高光谱影像可见光、红边波段和近红外波段进行组合，定位、识别和聚集数据中最纯的像元，获取植物区域影像中纯净的端元波谱曲线，用于提取目标区域绿地中不同植物物种的端元波谱特征曲线并录入库；
步骤四、实测目标区域各种植物种类的地上生物量，建立目标区域绿地不同种类乔木和灌木的冠幅及其地上生物量的关系模型，草地建立面积和地上生物量的关系模型；
步骤五、根据步骤三中构建的高光谱影像下不同植物物种的端元波谱特征曲线，将影像中的所有数据进行分类，然后与全色影像植物物种的冠层轮廓监测结果进行叠加，识别定义每个轮廓的物种类别；
步骤六、根据步骤四中建立的各种植物对应的地上生物量关系模型，结合步骤五中的识别结果，通过计算，获取目标区域绿地影像数据的地上生物量和每公顷地上生物量。


2.根据权利要求1所述的城市绿地地上生物量估测方法，其特征在于，所述步骤一中数据的预处理包括：分别对全色影像和高光谱影像进行辐射定标，对影像数据进行大气校正、几何校正、镶嵌和拼接。


3.根据权利要求2所述的城市绿地地上生物量估测方法，其特征在于，所述的步骤二中图像分割的具体过程为：
利用最大类间方差算法Otsu对归一化植被指数NDVI进行处理，将高光谱图像进行分割，即将影像数据中植被的区域和非植被的区域进行划分。
NDVI的公式为：
NDVI＝(ρNIR-ρRED)/(ρNIR+ρRED)；
式中，ρNIR为近红波段的反射率，ρRED为红波段的反射率。
Otsu的公式为：
设NDVI影像数据的灰度级为L(G＝1，2，3，…，L)，处在灰度级i的像元个数用ni表示，NDVI的总像元个数N为：



直方图归一化后为：






式中，p(i)表示图像中灰度级为i的像元出现的概率。
用T表示阈值，将归一化图像中的像元按灰度级T划分为两类：C1≤T和C2＞T，两类出现的概率为：






假设两类像元的均值分别为m1和m2，NDVI图像全局像元均值为mg，那么：
w1*m1+w2*m2＝mg
w1+w2＝1
此时方差为：
δ2＝p1(m1-mg)2+p2(m2-mg)2
即：
δ2＝p1p2(m1-m2)2
式中，δ2为类间方差，当类间方差为最大值时，对应的阈值T为NDVI影像数据中植被和非植被区分的最佳分割阈值。


4.根据权利要求3所述的城市绿地地上生物量估测方法，其特征在于，所述的步骤三的具体过程为：
基于索贝尔Sobel算子进行边缘检测，然后进行植被轮廓识别，步骤为：
首先，设定Sobel算子，公式为：






其次，利用全色高分辨率影像的像元集合Z与A和B做平面卷积，分别实现经横向及纵向边缘检测的图像灰度值Gx和Gy的计算，公式如下：






最后，可计算全色影像的每一个像元的横向及纵向灰度大小，公式为：

【专利技术属性】
技术研发人员：张浪，张桂莲，易扬，张冬梅，邢璐琪，林奕成，
申请(专利权)人：上海市园林科学规划研究院，
类型：发明
国别省市：上海;31