一种石漠化遥感定量监测方法技术

本发明专利技术公开了一种石漠化遥感定量监测方法，涉及石漠化监测技术领域，本发明专利技术包括获取石漠化区域的Sentinel

【技术实现步骤摘要】
一种石漠化遥感定量监测方法


[0001]本专利技术涉及石漠化监测
，具体为一种石漠化遥感定量监测方法。

技术介绍

[0002]石漠化是指因水土流失而导致地表土壤损失，基岩裸露，土地丧失农业利用价值和生态环境退化的现象。导致石漠化的主要因素是人为活动，多发生在石灰岩地区。我国西南喀斯特地区是石漠化分布最广的区域，其主要地貌特征是地表起伏大、多山地、多碳酸盐岩地区，土壤层浅薄，土地贫瘠。石漠化是制约该地区社会、经济、生态发展的重要因素之一。因此，开展石漠化动态监测及其时空演变规律研究，可以为我国西南地区生态环境和社会经济协同高质量发展提供科学参考。
[0003]随着遥感技术的发展，多源传感器的时间、空间、光谱、和辐射分辨率日益提高，遥感技术被越来越多地应用于全球范围内的环境动态监测及土地覆盖变化。近年来，许多学者采用单一指法标、影像分类方法和综合指标评价法来识别和区分石漠化的空间分布特征。Tong提出了一种基于Landsat 5卫星影像近红外波段和短波红外波段的岩石裸露指数，进而定量反演了中国西南喀斯特山区的石漠化信息。该类方法可用于大尺度区域的石漠化快速监测，但由于石漠化过程受自然因素和人为因素综合影响，单一指数法的监测总体精度不高。
[0004]在综合指标评价法方面，综合利用植被覆盖度和岩石裸露指数计算了石漠化综合指数，并分析了区域石漠化时空演变格局。利用岩石裸露指数、坡度和植被覆盖度获得了石漠化敏感指数，该方法在小尺度或特定研究区内能获得较好的监测精度，但是由于受专家经验知识的过度干扰，模型的普适性较差。杨董琳等人根据研究区域的不同和遥感影像的限制，选取不同的遥感影像信息提取方法，能够显著提高信息提取的效率和精度，如人机交互解译法、比值增强法、监督分类法、非监督分类法、模型构建法、专家经验法和面向对象分类法，然而该类方法多用于界定石漠化分布范围，很难区分研究区内石漠化的不同等级。
[0005]近年来，特征空间模型利用研究因子间的耦合作用已广泛应用于土地退化、土壤盐渍化和荒漠化的监测，也为石漠化的研究提供了新的思路，在之前的研究中基于Landsat8 OI影像，利用特征空间模型对毕节市大方区石漠化监测取得了一定的成果，由于Landsat8影像分辨率较低，没有红边波段，缺少植被生理化参数反演的重要信息，导致获取的石漠化动态监测精度不高。

技术实现思路

[0006]为了更好的探究大方区石漠化信息，本专利技术基于Sentinel
‑
2多光谱遥感数据，反演出六个典型地表参量及三个红边指数，引入特征空间模型构建不同模式石漠化遥感监测指数模型，验证西南喀斯特山区的最优监测模型，并对大方区石漠化空间分布进行分析。
[0007]本专利技术提供了一种石漠化遥感定量监测方法，包括以下步骤：
[0008]获取石漠化区域的Sentinel
‑
2遥感影像，并获取石漠化区域Sentinel
‑
2遥感影像
的裸土指数BSI和植被红边指数NDVIre1；
[0009]对植被红边指数NDVIre1进行逆向归一化处理，结合裸土指数BSI构建包含有多个特征点的BSI
‑
NDVIre1特征空间；
[0010]根据BSI
‑
NDVIre1特征空间中不同程度的石漠化分布分异规律，将BSI
‑
NDVIre1特征空间划分为点
‑
线模式；其中，点
‑
线模式中用于判断石漠化程度的L1线为过原点的土壤线的垂线；
[0011]根据点
‑
线模式的BSI
‑
NDVIre1特征空间，构建基于点
‑
线模式的石漠化监测模型；
[0012]将石漠化待监测区域的Sentinel
‑
2遥感影像输入基于点
‑
线模式的石漠化监测模型，对石漠化进行监测；其中BSI
‑
NDVIre1特征空间中任意特征点到L1线的距离越远，石漠化越严重。
[0013]进一步的，所述获取石漠化区域的Sentinel
‑
2遥感影像，具体包括以下步骤：
[0014]获取石漠化区域Sentinel
‑
2B遥感影像数据；
[0015]对遥感影像数据进行大气校正；
[0016]大气校正之后，在SNAP软件中利用最近邻插值法将各波段重采样至10m。
[0017]进一步的，所述石漠化区域的Sentinel
‑
2遥感影像的卫星波段分为海岸波段B1、蓝波段B2、绿波段B3、红波段B4、植被红边1波段B5、植被红边2波段B6、植被红边3波段B7、近红外1波段B8、近红外2波段B
8a
、水汽波段B9、卷云波段B
10
、短波红外1波段B
11
和短波红外2波段B
12
。
[0018]进一步的，所述红边波段描述植被在红光波段对叶绿素强烈吸收形成的吸收谷边缘，与近红外波段光在叶片内部多次散射而形成的强反射峰之间的反射率急剧上升区域，反映作物健康状态、叶绿素含量和叶片结构信息，作为信息源反演植被生理化参数。
[0019]进一步的，所述裸土指数BSI的计算公式为：
[0020]BSI＝((B
11
+B4)
‑
(B
8a
+B2))/(((B
11
+B4))+(B
8a
+B2))；
[0021]所述植被红边指数NDVIre1的计算公式为：
[0022][0023]式中，B2、B3、B4、B5、B6、B7、B
8a
、B
11
、B
12
分别指蓝、绿、红、植被红边1、植被红边2、植被红边3、近红外1、短波红外1和短波红外2波段，NDRI为归一化岩石指数，NDRI0为全无裸岩组成的NDRI值；NDRI
r
为全由裸岩组成的NDRI值。
[0024]进一步的，所述基于点
‑
线模式的石漠化监测模型，基于下式构建：
[0025][0026]式中，RDI2为石漠化监测指数，x、y分别为P点的横纵坐标，L2垂直于L1，M为L2线的斜率。
[0027]与现有技术相比，本专利技术提供的一种石漠化遥感定量监测方法，其有益效果是：
[0028]本专利技术基于哨兵数据，引入特征空间模型建立了点
‑
线模式的BSI
‑
NDVIre1特征空间监测模型，通过实测数据验证分析，其精度为92.3％，从空间分布特征看大方区石漠化程度呈现东南部以及中部严重的趋势。
附图说明
[0029]图1为本专利技术实施例提供的研究区概况图；
[0030]图2为本专利技术实施例提供的特征空间原理图；
[0031]图3为本专利技术实施例提供的基于点...

【技术保护点】

【技术特征摘要】
1.一种石漠化遥感定量监测方法，其特征在于，包括以下步骤：获取石漠化区域的Sentinel
‑
2遥感影像，并获取石漠化区域Sentinel
‑
2遥感影像的裸土指数BSI和植被红边指数NDVIre1；对植被红边指数NDVIre1进行逆向归一化处理，结合裸土指数BSI构建包含有多个特征点的BSI
‑
NDVIre1特征空间；根据BSI
‑
NDVIre1特征空间中不同程度的石漠化分布分异规律，将BSI
‑
NDVIre1特征空间划分为点
‑
线模式；其中，点
‑
线模式中用于判断石漠化程度的L1线为过原点的土壤线的垂线；根据点
‑
线模式的BSI
‑
NDVIre1特征空间，构建基于点
‑
线模式的石漠化监测模型；将石漠化待监测区域的Sentinel
‑
2遥感影像输入基于点
‑
线模式的石漠化监测模型，对石漠化进行监测；其中BSI
‑
NDVIre1特征空间中任意特征点到L1线的距离越远，石漠化越严重。2.如权利要求1所述的一种石漠化遥感定量监测方法，其特征在于，所述获取石漠化区域的Sentinel
‑
2遥感影像，具体包括以下步骤：获取石漠化区域Sentinel
‑
2B遥感影像数据；对遥感影像数据进行大气校正；大气校正之后，在SNAP软件中利用最近邻插值法将各波段重采样至10m。3.如权利要求2所述的一种石漠化遥感定量监测方法，其特征在于，所述石漠化区域的Sentinel
‑
2遥感影像的卫星波段分为海岸波段B1、蓝波段B2、绿波段B3、红波段B4、植被红边1波段B5、植被红边2波...

【专利技术属性】
技术研发人员：郭兵，韩保民，范俊甫，陆苗，臧文乾，赵辉辉，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：