基于无人机山体阴影区植被覆盖度修正方法、设备和介质技术

本发明专利技术公开了基于无人机山体阴影区植被覆盖度修正方法、设备和介质，具体涉及山体阴影区植被覆盖度修正技术领域，包括基于无人机山体阴影区植被覆盖度修正系统，该修正系统包括高分遥感影像单元、无人机影像单元以及数字高程模型；其中，高分遥感影像单元，用于计算植被覆盖度FVC

【技术实现步骤摘要】
基于无人机山体阴影区植被覆盖度修正方法、设备和介质


[0001]本专利技术涉及山体阴影区植被覆盖度修正
，具体涉及基于无人机山体阴影区植被覆盖度修正方法、设备和介质。

技术介绍

[0002]植被覆盖度作为地物识别、信息提取和大量定量模型的重要基础因子，其反演结果的准确性意义重大。然而基于影像提取的植被覆盖度，受太阳入射角、卫星侧摆及地形地伏等综合影响，同一植被类型的光谱响应存在差异，遥感影像上普遍存在明亮及阴影两个层次：明亮区接受阳光照射，亮度值较高，植被覆盖度反演值高；阴影区因高出地面的物体对阳光遮挡，亮度值较低，植被覆盖度反演值低。因此，阴影极大地干扰了植被覆盖度在地物识别、信息提取及定量算法构建方面的应用效果。
[0003]国内外针对阴影对植被的影响有基于遥感影像检测阴影修正影像光谱、融合多源卫星影像来恢复阴影区影像光谱信息；结合NDVI指数构建阴影指数实现对阴影检测与剔除、AVHRR
‑
NDVI数据产品的MVC合成算法、利用多幅NDV I影像合成来消除阴影的影响、对洼地山体阴影区域植被NDVI通过空间插值本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机山体阴影区植被覆盖度修正系统，其特征在于：该修正系统包括高分遥感影像单元、无人机影像单元以及数字高程模型；其中，高分遥感影像单元，用于计算植被覆盖度FVC
NDVI
；无人机影像单元，用于植被提取与植被覆盖度校准FVC
GLI
；数字高程模型，用于山体阴影计算；以上所述高分遥感影像单元、无人机影像单元以及数字高程模型，为该修正系统获取数据。2.一种运行权利要求1所述系统的修正方法，其特征在于：该修正方法的具体步骤包括：S1、数据获取：通过高分遥感影像单元获取高分影像数据(包括R、G、B、NIR四个波段、空间分辨率16m的影像区域称为研究区)，高分影像区域内相近时期的无人机正射影像区域(包括R、G、B三个波段、空间分辨率0.1m的影响区域称为校准区)，研究区数字高程模型DEM数据。对高分影像进行预处理(包括大气校正、几何校正和投影)，并对无人机正射影像进行预处理(包括几何精校正和投影)，从而得到带有坐标系统、几何位置准确的高分影像和无人机影像以及DEM数据；S2、高分影像植被覆盖度计算：基于高分遥感影像单元计算研究区归一化植被指数NDVI，并估算植被覆盖度FVC
NDVI
；S3、无人机影像的植被提取与植被覆盖度校准：基于无人机影像单元计算校准区绿叶指数GLI，通过二值化区分植被像元和非植被像元；统计校准区内的高分影像每个像元中的无人机植被像元占比，得到校准区的高分影像校准植被覆盖度FVC
GLI
；S4、山体阴影提取：数字高程模型根据高分影像头文件(xml说明文件)获取影像拍摄时间太阳天顶角(Zenith)和方位角(Azimuth)，基于DEM数据计算山体阴影指数Hillshade，并提取明亮区和阴影区；S5、山体阴影区植被覆盖度修复，该过程具体步骤包括：S51、在校准区的明亮区和阴影区分别建立植被覆盖度FVC
NDVI
和校准植被覆盖度FVC
GLI
间的线性拟合方程；S52、基于两个线性拟合方程得到阴影区植被覆盖度FVC
NDVI
的修正方程；S53、采用修正方程修复研究区山体阴影区植被覆盖度FVC
NDVI
；S54、根据步骤S53进行修复效果评价。3.根据权利要求2所述的修正方法，其特征在于：所述步骤S3具体包括：S31.根据无人机影像单元的蓝波段(band1)、绿波段(band2)和红波段(band3)，计算绿叶指数GLI：GLI＝((band2
‑
band3)+(band2
‑
band1))/((2*band2)+band3+band1)；S32.基于绿叶指数GLI，通过二值化区分植被像元和非植被像元；S33.在校准区建立渔网，大小16
×
16m，每格渔网与高分影像栅格重合，采用分区统计的方式，统计每格渔网(即每个高分影像栅格)内的无人机植被像元数量和非植被像元数量，计算校准区的植被像元占比得到每格渔网的校准植被覆盖度FVC
GLI

【专利技术属性】
技术研发人员：刁品文，赵敏，曹珮，苫洪华，李万能，张铭钟，顾祝军，吴家晟，
申请(专利权)人：珠江水利委员会珠江水利科学研究院，
类型：发明
国别省市：