一种端元自适应的山地植被覆盖度遥感反演方法技术

本发明专利技术涉及山区多光谱遥感卫星影像的计算机处理技术领域，具体而言，涉及一种端元自适应的山地植被覆盖度遥感反演方法。步骤如下：获取端元光谱数据并构建端元光谱库；根据端元光谱库，对待分解像元执行逐像元基于最小光谱欧氏距离的自适应选择；进入迭代过程，从原始像元的光谱反射率中扣除已选择端元的影响，进行下一端元的自适应选择；通过预定义的拟合效果指数判定是否结束迭代，选择指数最小值对应的端元作为自适应选择端元；采用线性混合像元分解模型对自适应选择端元进行分解，得到植被覆盖度的反演结果。本方法能够实现复杂山地时间序列植被覆盖度高精度反演，并生成相应的误差报告，具有大区域、高效率、高精度、低成本的优点。成本的优点。成本的优点。

An end element adaptive remote sensing inversion method for mountain vegetation coverage

【技术实现步骤摘要】
一种端元自适应的山地植被覆盖度遥感反演方法


[0001]本专利技术涉及山区多光谱遥感卫星影像的计算机处理
，具体而言，涉及一种端元自适应的山地植被覆盖度遥感反演方法。

技术介绍

[0002]植被覆盖度是指单位面积内植被垂直投影面积所占的比例。它不仅是表征地表植被覆盖状态的重要信息，同时还是生态系统退化、沙化过程的重要敏感因子。植被覆盖度是许多陆表模型、水文模型、土壤侵蚀模型和天气预报模型的关键输入变量。获得植被覆盖度的空间分布及其季相变化特征对于分析生态系统的功能及其变化，探索驱动因子以及评估在全球变化和人类活动的双重影响下生态系统的健康状况都至关重要。卫星遥感数据现已成为大区域植被覆盖度获取的主要数据源。由于遥感数据具有长时间序列、大区域和周期性覆盖，许多卫星遥感影像已经被广泛地应用于植被覆盖度的制图和动态模拟中。在过去的数十年里，国内外学者已经提出了多种基于遥感的植被覆盖度估算方法，分类方法、光谱分解法、回归树法、以及基于物理模型的反演方法等。在这些方法中，光谱分解法由于其具有很强的灵活性、较好的物理基础而被广泛采用。
[0003]一般来说，光谱分解法假设每一个像元是由几个部分（端元）组成的，因此一个像元可以被分解为几个端元及其相应面积比例的光谱组合。其中，绿色植被的面积比例被认为是植被的覆盖度。然而，在现实中，许多像元的光谱组合往往仅是端元库中的少数端元组成，尤其在复杂山地，地表更加破碎，如图1所示，图1展示了典型复杂山地无人机拍摄获取的高分辨率影像及对应的30米分辨率卫星影像像元格网，可以看出，30米分辨率卫星影像格网中包含了多种地物特征。同时，遥感像元端元的组成同样会随着植被的季相和地表条件变化而发生端元组合的变化。
[0004]因此，采用传统的算法原理开展地表覆被类型复杂、高时空异质性的山区多光谱遥感卫星影像拍摄的多光谱遥感卫星影像的植被覆盖度计算，无法准确的估算得到植被覆盖度。
[0005]因此，亟需提出一种新的关于山地植被覆盖度的遥感反演方法，以解决现有技术中存在的技术缺陷。

技术实现思路

[0006]本专利技术的目的在于解决
技术介绍
中所指出的问题，提供一种能够实现高效率、高精度处理的端元自适应的山地植被覆盖度遥感反演方法。
[0007]本专利技术的实施例通过以下技术方案实现：一种端元自适应的山地植被覆盖度遥感反演方法，包括如下步骤：S1.获取端元光谱数据并构建端元光谱库；S2.根据端元光谱库，对原始像元中的待分解像元执行逐像元基于最小光谱欧氏距离的自适应选择，得到第一端元；
S3.进入迭代过程，从原始像元的光谱反射率中扣除已选择端元的影响，进行下一端元的自适应选择；通过预定义的拟合效果指数判定是否结束迭代，选择指数最小值对应的端元作为自适应选择端元；S4.采用线性混合像元分解模型对所述自适应选择端元进行分解，得到植被覆盖度的反演结果。
[0008]根据一种优选实施方式，所述方法在步骤S1之前还包括：定义端元的数量及每个端元的光谱特征。
[0009]根据一种优选实施方式，步骤S1还包括：基于传感器的光谱响应函数，对端元光谱数据进行地表反射率的转换，表达式如下：上式中，表示传感器在i波段的地表反射率，表示传感器在i波段的光谱响应函数，表示地表在波长处的反射率值，表示波长的积分，表示传感器在i波段的光谱上界，表示传感器在i波段的光谱下界。
[0010]根据一种优选实施方式，步骤S2具体包括：为各待分解像元与端元光谱库中每一个端元计算光谱欧氏距离，表达式如下：上式中，表示待分解像元t与端元e的光谱欧氏距离，m表示光谱波段数，表示待分解像元t在波段b上的光谱反射率，表示端元e在波段b上的光谱反射率；选择最小光谱欧氏距离的端元，作为第一端元。
[0011]根据一种优选实施方式，步骤S3中所述预定义的拟合效果指数的表达式如下：上式中，表示第k个端元的拟合效果指数，m表示光谱波段数，表示待分解像元t在波段i上的光谱反射率，表示端元e在波段i上的光谱反射率，表示端元e光谱反射率归一化后的贡献权重。
[0012]根据一种优选实施方式，所述贡献权重的计算表达式如下：
上式中，表示待分解像元t与端元e的光谱欧氏距离。
[0013]根据一种优选实施方式，步骤S3中所述通过预定义的拟合效果指数判定是否结束迭代具体包括：若满足如下表达式，则结束迭代，表达式如下：
[0014]根据一种优选实施方式，步骤S4中所述线性混合像元分解模型，表达式如下：上式中，表示像元I在波段的光谱反射率，m表示端元的数量，表示像元I的第k个端元的面积比例，表示第k个端元在波段的光谱反射率，表示线性混合像元分解模型的拟合残差。
[0015]根据一种优选实施方式，所述方法还包括，为所述线性混合像元分解模型设定约束条件，使得所有的混合分解结果之和为1，以及面积比例的非负性，表达式如下：
[0016]根据一种优选实施方式，所述方法还包括，对反演结果进行验证，验证公式采用均方根误差RMSE、平均误差AD以及可决系数R2，具体表达式如下：具体表达式如下：具体表达式如下：上式中，N表示待分解像元数，表示像元I的模型估算值，表示像元I的地面实测参考值或无人机提取参考值，表示像元I的参考值均值。
[0017]本专利技术实施例的技术方案至少具有如下优点和有益效果：本专利技术所提供的山地植被覆盖度遥感反演方法，考虑到复杂山地是由许多复杂的地表覆被类型所构成，通过综合高分辨率卫星影像和新的自适应端元光谱分解模型，能够实现复杂山地时间序列植被覆盖度高精度反演，并生成相应的误差报告，具有大区域、高效率、高精度、低成本的优点；本方法对海量山地多光谱遥感影像的植被覆盖度反演非常有效，解决了传统线性光谱混合分解
模型端元固定、反演精度低的问题，对高时空异质性的山地区域具有很高的有效性和可靠性，对于目前在轨的卫星数据反演，对山地植被监测、生态环境健康监测等具有十分重要的意义。
附图说明
[0018]图1为典型复杂山地无人机拍摄获取的高分辨率影像及对应的30米分辨率卫星影像像元格网示意图；图2为线性光谱分解模型原理示意图；图3为本专利技术实施例1提供的端元自适应选择植被覆盖度反演方法的流程图；图4（a）为野外测量获得的草地反射率曲线及结合卫星光谱响应曲线转换后的地表反射率；图4（b）为野外测量获得的不透水面反射率曲线及结合卫星光谱响应曲线转换后的地表反射率；图4（c）为野外测量获得的水体反射率曲线及结合卫星光谱响应曲线转换后的地表反射率；图4（d）为野外测量获得的裸土反射率曲线及结合卫星光谱响应曲线转换后的地表反射率；图5（a）为生长季旺盛期HJ合成影像标准假彩色合成（RGB=4,3,2）；图5（b）为无人机植被覆盖度参考数据；图5（c）为本端元自适应选择方法模型估算结果；图5（d）为传统线性光谱分解模型估算结果；图6（a）为时间序列FVC在1月1日至1月16日的估算结果；图6（b）为时间序列FVC在1月17日至2月1日的估算结果；图6（c）为时间序列FVC在2月2日至2月本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种端元自适应的山地植被覆盖度遥感反演方法，其特征在于，包括如下步骤：S1.获取端元光谱数据并构建端元光谱库；S2.根据端元光谱库，对原始像元中的待分解像元执行逐像元基于最小光谱欧氏距离的自适应选择，得到第一端元；S3.进入迭代过程，从原始像元的光谱反射率中扣除已选择端元的影响，进行下一端元的自适应选择；通过预定义的拟合效果指数判定是否结束迭代，选择指数最小值对应的端元作为自适应选择端元；S4.采用线性混合像元分解模型对所述自适应选择端元进行分解，得到植被覆盖度的反演结果。2.如权利要求1所述的端元自适应的山地植被覆盖度遥感反演方法，其特征在于，所述方法在步骤S1之前还包括：定义端元的数量及每个端元的光谱特征。3.如权利要求1所述的端元自适应的山地植被覆盖度遥感反演方法，其特征在于，步骤S1在构建端元光谱库之前还包括：基于传感器的光谱响应函数，对端元光谱数据进行地表反射率的转换，表达式如下：上式中，表示传感器在i波段的地表反射率，表示传感器在i波段的光谱响应函数，表示地表在波长处的反射率值，表示波长的积分，表示传感器在i波段的光谱上界，表示传感器在i波段的光谱下界。4.如权利要求1所述的端元自适应的山地植被覆盖度遥感反演方法，其特征在于，步骤S2具体包括：为各待分解像元与端元光谱库中每一个端元计算光谱欧氏距离，表达式如下：上式中，表示待分解像元t与端元e的光谱欧氏距离，m表示光谱波段数，表示待分解像元t在波段b上的光谱反射率，表示端元e在波段b上的光谱反射率；选择最小光谱欧氏距离的端元，作为第一端元。5.如权利要求1所述的端元自适应的山地植被覆盖度遥感反演方法，其特...

【专利技术属性】
技术研发人员：边金虎，李爱农，张正健，雷光斌，南希，
申请(专利权)人：中国科学院，水利部成都山地灾害与环境研究所，
类型：发明
国别省市：