一种基于无人机的多尺度植被覆盖度遥感计算方法技术

本发明专利技术的一个实施例公开了一种基于无人机的多尺度植被覆盖度遥感计算方法，所述方法包括：S1：获取卫星影像以及无人机影像；S2：将卫星影像和无人机影像进行空间位置配准；S3：根据所述无人机影像提取植被信息，根据所述卫星影像计算植被指数；S4：将所述无人机影像的植被信息与卫星影像通过2

【技术实现步骤摘要】
一种基于无人机的多尺度植被覆盖度遥感计算方法


[0001]本专利技术涉及遥感技术应用领域。特别涉及一种基于无人机的多尺度植被覆盖度遥感计算方法。

技术介绍

[0002]植被覆盖度是衡量地表植被状况的一个重要指标，是描述生态系统的重要基础数据，也是区域生态系统环境变化的重要指示，对水文、生态、区域变化等都具有重要意义。
[0003]传统的地面实测植被覆盖度的方法，费时又费力且不利于大范围的植被动态监测。遥感技术的发展为植被覆盖度的监测提供了多尺度遥感数据。卫星影像作为低分辨率大尺度影像的代表具有长时序且大范围特点。同时卫星遥感是目前计算植被覆盖度的主流方式，由此发展许多的估算植被覆盖度方法，例如：经验模型法、混合像元分解模型法等。其中，应用最广泛的方法是基于归一化植被指数(NDVI)的像元二分模型以及通过建立地面实测植被覆盖度与卫星影像计算植被指数之间的经验模型来估算植被覆盖度。虽然利用这两种方法能够快速获取植被覆盖度，但是还存在着混合像元的问题，即单个像素不仅会包含植被，还有其他地物如土壤等，以及植被指数阈值的选择往往具有不确定性，所以利用基于NDVI的像元二分模型估计植被覆盖度会导致提取植被信息不准确，影响植被覆盖度的预测精度。人工地面采样具有一定的主观性，采样的范围通常在1
‑
104m2这与卫星遥感产品像素的空间分辨率相差较大。所以存在着即地表样方与对应的卫星像素大小之间的空间不匹配问题，导致利用地面实测与卫星数据建立经验模型方法估算的植被覆盖度不准确。
[0004]近年来，无人机作为高分辨率小尺度影像的代表可以搭载各种微小型传感器以及快速生成数字正射影像，已经被广泛地应用植被监测中。已有研究表明，无人机航空摄影测量技术提供空间分辨率从厘米到米级别的影像，可以用来提高卫星影像植被覆盖度建模精度。这是因为与商业卫星和传统机载传感器相比，无人机遥感提供了一种快速高效的方式来获得极高空间分辨率的数据。这些极高空间分辨率的数据可以升尺度到所需要空间分辨率，而且还可以与全球覆盖的卫星数据进行匹配，可以在多个尺度上进行植被覆盖度的估计。但是，目前大多数研究都是基于单一尺度(卫星/无人机影像)对植被覆盖度进行研究，缺少多尺度遥感联合使用，导致以无人机为代表的极高空间分辨率遥感技术无法在时空植被监测中发挥应有的作用。
[0005]以往的研究对于长时间序列植被变化监测，一般使用卫星遥感的方式，这里是因为某些卫星发射时间较早(如Landsat卫星)，可以追溯到更为久远的历史数据，方便了对于全球长达几十年的变化监测。但是卫星影像由于空间分辨率较粗，且卫星影像之间由于受到太阳天顶角以及传感器自身的限制，导致无法保证植被变化监测结果的准确性。近年来，无人机遥感也能获取数年高空间分辨率的影像，可以进行高精度的植被时序监测，但是由于每次进行飞行任务时都受不同环境因素的影响(阴天或晴天、有风或者无风等)，导致多期无人机影像之间存在着一定的差异，这会对植被长时序监测结果产生一定的影响。总之，目前长时序监测的数据源都是中低分辨率的遥感影像，难以对植被覆盖的变化进行精准掌
控，缺少多尺度遥感数据的高精度植被覆盖评估方法。

技术实现思路

[0006]鉴于此，本专利技术的第一个实施例提供一种基于无人机的多尺度植被覆盖度遥感计算方法，包括：
[0007]S1：获取卫星影像以及无人机影像，其中所述卫星影像的覆盖区域包括无人机影像的覆盖区域；
[0008]S2：将同一时期以及同一覆盖区域的卫星影像和无人机影像进行空间位置配准；
[0009]S3：根据所述无人机影像提取植被信息，根据所述卫星影像计算植被指数；
[0010]S4:将所述无人机影像的植被信息与卫星影像通过2
‑
D高斯采样方法进行聚合得到每个卫星像素的植被覆盖度，并与相应卫星像素计算的植被指数构建植被覆盖度模型；
[0011]S5：根据其余时期的卫星影像计算植被指数，并对所述其余时期的植被指数进行校正，根据校正后的植被指数和所述植被覆盖度模型以得到校正后的其余时期的植被覆盖度。
[0012]在一个具体实施例中，所述S3包括：
[0013]S31：根据所述无人机影像对与所述卫星影像同一覆盖区域进行分类，划分为植被区和非植被区；
[0014]S32：根据所述无人机影像的分类结果进行二值化，得到二值化结果。
[0015]在一个具体实施例中，所述S4包括：
[0016]S41：确定聚合后的一个卫星影像的窗口大小为α
×
α，其中，
[0017][0018]其中，Rsatellite为同一时期卫星影像的每个像素空间分辨率，RUAV为同一时期无人机影像的每个像素空间分辨率；
[0019]S42：利用2
‑
D高斯采样方式计算聚合后的卫星影像窗口中的每个无人机影像像素权重：
[0020][0021]其中，W
(i,j)
表示一个卫星像素中第i行和第j列无人机影像像素的权重值，
[0022]σ表示标准差，且σ＝α/6；
[0023]S43：根据所述二值化结果和所述无人机影像像素权重计算所述聚合后的卫星影像每个像素的植被覆盖度，
[0024][0025]其中，ρi
,j
为第i行和第j列无人机影像像素的二值化结果。
[0026]在一个具体实施例中，所述S4还包括：
[0027]S44：利用根据所述聚合后的卫星影像的植被覆盖度和根据所述卫星影像计算出的对应区域的植被指数之间的对应关系，建立第一线性回归方程；
[0028]S45：根据所述第一线性回归方程和根据所述卫星影像计算出的其余覆盖区域的植被指数，可以得到其余覆盖区域的植被覆盖度。
[0029]在一个具体实施例中，赋予每一个聚合后的卫星影像的像素一个ID号，将所述聚合后的卫星影像每个像素的植被覆盖度与基于每个像素计算的植被指数通过ID号相互关联。
[0030]在一个具体实施例中，所述S5包括：
[0031]S51：获取与所述无人机影像同期的卫星影像以及同一区域其他时期的卫星影像，分别将它们进行真彩色显示，选取目标区域内多种地物覆盖类型；
[0032]S52：根据与所述无人机影像同期的卫星影像和同一区域其他时期的卫星影像计算地物覆盖的植被指数，并利用根据与所述无人机影像同期的卫星影像计算出的地物覆盖的植被指数和根据同一区域其他时期的卫星影像计算出的地物覆盖的植被指数之间的对应关系，建立第二线性回归方程，完成任一时期植被指数的校正；
[0033]S53：根据所述第一线性回归方程，将校正后任一时期植被指数代入到第一线性回归方程，得到其余时期的植被覆盖度。
[0034]在一个具体实施例中，所述S1包括：
[0035]对所述卫星影像和所述无人机影像进行预处理。
[0036]本专利技术的有益效果如下：
[0037]本专利技术提供一种基于无人机的多尺度植被覆盖度遥本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机的多尺度植被覆盖度遥感计算方法，其特征在于，包括：S1：获取卫星影像以及无人机影像，其中所述卫星影像的覆盖区域包括无人机影像的覆盖区域；S2：将同一时期以及同一覆盖区域的卫星影像和无人机影像进行空间位置配准；S3：根据所述无人机影像提取植被信息，根据所述卫星影像计算植被指数；S4:将所述无人机影像的植被信息与卫星影像通过2
‑
D高斯采样方法进行聚合得到每个卫星像素的植被覆盖度，并与相应卫星像素计算的植被指数构建植被覆盖度模型；S5：根据其余时期的卫星影像计算植被指数，并对所述其余时期的植被指数进行校正，根据校正后的植被指数和所述植被覆盖度模型以得到校正后的其余时期的植被覆盖度。2.根据权利要求1所述的方法，其特征在于，所述S3包括：S31：根据所述无人机影像进行分类，划分为植被区和非植被区；S32：根据所述无人机影像的分类结果进行二值化，得到二值化结果。3.根据权利要求2所述的方法，其特征在于，所述S4包括：S41：确定聚合后的一个卫星影像的窗口大小为α
×
α，其中，其中，R
satellite
为同一时期卫星影像的每个像素空间分辨率，R
UAV
为同一时期无人机影像的每个像素空间分辨率；S42：利用2
‑
D高斯采样方式计算聚合后的卫星影像窗口中的每个无人机影像像素权重：其中，W
(i,j)
表示一个卫星像素中第i行和第j列无人机影像像素的权重值，σ表示标准差，且σ＝α/6；S...

【专利技术属性】
技术研发人员：侯鹏，邓磊，吴爽，翟俊，卢卓，陈妍，吴燕杰，郭莉杰，高海峰，祝汉收，金点点，杨旻，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：