森林遥感信息变化概率模型制造技术

本发明专利技术公开了森林遥感信息变化概率模型，利用GVI差值图像直方图描述森林遥感信息变化概率模型，该GVI差值图像直方图的建立包括以下步骤：首先进行两期TM图像精确配准；建立林区的掩膜图像；再对GVI图像做掩膜操作；得到林区图像，然后分别求得GVI图像；如果两幅图像的物候期差距较大则需进行物候归一化处理，否则直接进行森林变化概率的计算，并按预先设定的阈值对概率图像进行分割。该森林遥感信息变化概率模型，可以通过用正态分布描述森林的变化概率。随着我国林业六大工程的实施，森林的严重退化现象愈来愈少，既满足变化的区域在整景图像中只占较小部分的条件，从而确保了其GVI差值服从正态分布规律。

【技术实现步骤摘要】
森林遥感信息变化概率模型
本专利技术涉及森林遥感
，具体为森林遥感信息变化概率模型。
技术介绍
我国北方林区属于温带，四季分明，物候变化大，而落叶阔叶树的变化尤其明显。落叶阔叶树的生长季是一年中开始生长后到结束生长进入休眠前的时间区间。由于林区生长季的差异很大，具体到某地的生长季可以根据植物物候和遥感资料确定。虽然因为全球变暖和一些偶然因素使得物候的年间变化不完全一致，但我们仍然假设多年平均的物候期是稳定的。用于提取森林变化的遥感数据必须在生长季获得。然而在实际生产中，即使同为生长季获得的数据，也很难保证在相同物候期成像，造成不同物候期的数据差异仍然很大，因此需要对二者做物候的归一化处理，压制变化小的区域，突出变化大区域。森林变化最直接的结果是森林叶面积指数(LAI)的变化，森林出现退化则LAI叶面积指数会急剧下降。而LAI却不能直接对应于多波段遥感图像的某一波段。这是因为TM遥感图像的任何一个波段都不是单对植被叶片在此波段反射辐射亮度的函数，而是植被-土壤这一复杂的非朗伯系统在此波段的多元函数。综合各波段数据的植被指数(VI)是LAI的单调函数，比单一波段值更稳定、可靠。而理想的植被指数应该既能充分反应植被信息，同时又要避免土壤背景的影响。常用的归一化植被指数(NDVI对LAI的饱和值低(<3)，虽然能够在稀疏植被条件下较好地反应植被信息，但因此受土壤背景的影响也就比较大。绿被指数(greennessvegetationindex)GVI，其实就是多维系统中的垂直植被指数，它也是对植被-土壤系统多维反射率因子进行K-T变换(缨帽变换)中的第二个主成分值。GVI的特点是于LAI的实验关系的离散度小，而饱和的LAI值高(6～8)，受土壤背景影响小。因此本研究选择GVI作为森林质量状态的描述指标是合适的，为此提出一种森林遥感信息变化概率模型。
技术实现思路
针对现有技术的不足，本专利技术提供了森林遥感信息变化概率模型，利用GVI差值图像直方图描述森林遥感信息变化概率模型，该GVI差值图像直方图的建立包括以下步骤：步骤一、首先进行两期TM图像精确配准；步骤二、建立林区的掩膜图像；步骤三、再对GVI图像做掩膜操作；步骤四、得到林区图像，然后分别求得GVI图像；步骤五、如果两幅图像的物候期差距较大则需进行物候归一化处理，否则直接进行森林变化概率的计算，并按预先设定的阈值对概率图像进行分割。优选的，假设物候变化中的不变量中两个总体的均值分别为和整幅图像的均值为且两个总体在整幅图像中的比例分别f和1-f，根据统计理论，可证明正态分布的均值为一维变量，可以线性组合，就可以得出下式：由(1)式变换得到：对于不同物候期的图像，两个总体的均值不同，因此假设两个物候期的图像中的两个总体的均值，以及整幅图像的均值分别为由(2)式可得：将式(3)比上式(4)，得：即对于某一确定地区的两个确定的物候期的是确定的，所以是与两个总体比例f无关的不变量，虽然确切掌握比较困难，但根据假设条件，可以认为是图像直方图的峰值点，而整幅图像的均值是可以确切求得的，所以可以将看作不同物候期GVI图像的不变量，定义为两期GVI图像直方图峰值点与均值点的距离比T，那么物候归一化就变成了根据整图像均值和T对图像进行直方图的重整，如果知道在整个生长季中各物候期的和T值，则可对整个生长季任意两个物候期的GVI图像进行归一化。优选的，设：峰值的灰度值为x1，灰度均值为在x1处的分布频度为H(x1)，峰值的灰度值与灰度均值的距离为设另一物候期GVI图像的均值为峰值的灰度值为x′1，假设已知灰度均值的变化量为两期峰值的灰度值与灰度均值距离的比值为T，即：如果不考虑两个总体的变换差异，只考虑两期数据均值的变化，即则两期GVI图像的直方图变换函数只是斜率为1的直线OA沿y方向平移，截距为但考虑两个总体在物候变化的差异，虽然其中单个总体的变换还是线性的映射关系，但两个总体变换的综合结果就成了一个非线性的过程，不能直接用线性映射表达了，因此必须选择一个非线性的映射函数，这里选择了分段线性映射函数，确定函数的过程分两个步骤：首先确定分段点及各段的斜率，此处选择峰值的灰度值x1作为分段点的x坐标，分段点的y坐标值等于该点x坐标加上峰值相对与均值的距离变化量Δx，即B点与C点距离为Δx，由此确定OB和BA线段的斜率，由式(6)得到：如果先不考虑整体均值的变化，则该式可以变换为：则得到：那么：与现有技术对比，本专利技术具备以下有益效果：该森林遥感信息变化概率模型，可以通过用正态分布描述森林的变化概率。随着我国林业六大工程的实施，森林的严重退化现象愈来愈少，既满足变化的区域在整景图像中只占较小部分的条件，从而确保了其GVI差值服从正态分布规律。那么我们定义某像元的森林变化的概率就是大于其GVI差值所有像元的累计概率。附图说明图1为本专利技术森林变化信息提取流程图；图2为本专利技术不同物候期GVI图像的直方图A；图3为本专利技术不同物候期GVI图像的直方图B；图4为本专利技术不同物候期GVI图像的直方图C；图5为本专利技术不同物候期GVI图像的直方图D；图6为本专利技术直方图重整函数示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1-6，森林遥感信息变化概率模型，利用GVI差值图像直方图描述森林遥感信息变化概率模型，该GVI差值图像直方图的建立包括以下步骤：步骤一、首先进行两期TM图像精确配准；步骤二、建立林区的掩膜图像；步骤三、再对GVI图像做掩膜操作；步骤四、得到林区图像，然后分别求得GVI图像；步骤五、如果两幅图像的物候期差距较大则需进行物候归一化处理，否则直接进行森林变化概率的计算，并按预先设定的阈值对概率图像进行分割。优选的，假设物候变化中的不变量中两个总体的均值分别为和整幅图像的均值为且两个总体在整幅图像中的比例分别f和1-f，根据统计理论，可证明正态分布的均值为一维变量，可以线性组合，就可以得出下式：由(1)式变换得到：对于不同物候期的图像，两个总体的均值不同，因此假设两个物候期的图像中的两个总体的均值，以及整幅图像的均值分别为由(2)式可得：将式(3)比上式(4)，得：即对于某一确定地区的两个确定的物候期的是确定的，所以是与两个总体比例f无关的不变量，虽然确切掌握比较困难，但根据假设条件，可以认为本文档来自技高网...

【技术保护点】
1.森林遥感信息变化概率模型，利用GVI差值图像直方图描述森林遥感信息变化概率模型，其特征在于：该GVI差值图像直方图的建立包括以下步骤：/n步骤一、首先进行两期TM图像精确配准；/n步骤二、建立林区的掩膜图像；/n步骤三、再对GVI图像做掩膜操作；/n步骤四、得到林区图像，然后分别求得GVI图像；/n步骤五、如果两幅图像的物候期差距较大则需进行物候归一化处理，否则直接进行森林变化概率的计算，并按预先设定的阈值对概率图像进行分割。/n

【技术特征摘要】
1.森林遥感信息变化概率模型，利用GVI差值图像直方图描述森林遥感信息变化概率模型，其特征在于：该GVI差值图像直方图的建立包括以下步骤：
步骤一、首先进行两期TM图像精确配准；
步骤二、建立林区的掩膜图像；
步骤三、再对GVI图像做掩膜操作；
步骤四、得到林区图像，然后分别求得GVI图像；
步骤五、如果两幅图像的物候期差距较大则需进行物候归一化处理，否则直接进行森林变化概率的计算，并按预先设定的阈值对概率图像进行分割。


2.根据权利要求1所述的森林遥感信息变化概率模型，其特征在于：假设物候变化中的不变量中两个总体的均值分别为和整幅图像的均值为且两个总体在整幅图像中的比例分别f和1-f，根据统计理论，可证明正态分布的均值为一维变量，可以线性组合，就可以得出下式：



由(1)式变换得到：



对于不同物候期的图像，两个总体的均值不同，因此假设两个物候期的图像中的两个总体的均值，以及整幅图像的均值分别为由(2)式可得：






将式(3)比上式(4)，得：



即



对于某一确定地区的两个确定的物候期的是确定的，所以是与两个总体比例f无关的不变量，虽然确切掌握比较困难，但根据假设条件，可以认为是图像直方图的峰值点，而整幅图像的均值是可以确切求得的，所以可以将看作不同物候期G...

【专利技术属性】
技术研发人员：张煜星，黄国胜，任怡，韩爱惠，王雪军，
申请(专利权)人：国家林业和草原局调查规划设计院，
类型：发明
国别省市：北京;11