本发明专利技术涉及一种基于近景摄影测量方式估算矿区植被覆盖度的方法，该方法通过对待测矿区进行摄影，提取颜色特征和纹理特征，按照特定的顺序构成特征向量，利用支持向量机分类器实现对植被和非植被的快速分类，然后对植被信息进行统计，从而快速、准确地计算植被覆盖度，为调查矿区植被生长状况提供可靠的依据；该方法同时也可作为定量遥感估测植被覆盖度算法的实际验证。本发明专利技术还涉及一种基于近景摄影测量方式估算矿区植被覆盖度的系统，该系统包括特征提取模块、分类器训练模块、植被与非植被分类模块和植被覆盖度计算模块。
【技术实现步骤摘要】
本专利技术涉及植被覆盖度的测量，具体涉及一种基于近景摄影测量方式估算矿区植 被覆盖度的方法和系统。
技术介绍
矿业资源的开采造成矿区生态环境问题日趋严重，矿产资源的大面积开采不可避 免的会对植被和土壤造成破坏；露天开采、地面塌陷及选矿的废弃物的堆积等产生了大量 的矿业废弃地，对当地造成了严重的水土流失和环境污染，从而影响了当地经济建设的发 展。为了改善矿区的生态环境，有效利用矿业废弃地，有必要对矿业废弃地进行生态恢复， 而植被恢复在矿业废弃地生态恢复中具有极为重要的作用，目前国内外的众多学者都在矿 业废弃地植被恢复领域进行了大量的研究。植被能有效地控制水土流失，被公认为水土保持最有效最根本的方法，良好的植 被能够覆盖地面、拦截雨滴、调节地面径流、减缓流速、过滤淤泥和固结土壤，从而起到增加 土壤渗透性、增加蓄水能力、涵养水源、防止水土流失、提高土壤肥力和改善生态环境等功 能，一定覆盖度的植被就能够有效的防止表土流失。植被又是陆地生态系统的重要组成部 分，是生态系统中物质循环与能量流动的中枢，也对人类社会经济活动有重要贡献的资源。 在废弃地生态重建研究中，植被作为重要生态因子，在矿区土地复垦过程中充当“指示器” 的作用。植被覆盖度是植物群落覆盖地表状况的一个综合量化指标，在矿区植被恢复状况 调查与评价中具重要意义1)植被覆盖度是区域重要的生态气候参数，在研究矿区植被恢 复气候改良过程中需要植被覆盖度的信息，同时也是描述矿区生态系统的重要基础数据； 2)植被覆盖度在植被恢复及水文生态模型研究中也是一个很重要的变量，可以通过分析植 被覆盖度的空间分布计算植被恢复区地下水文状况；3)在考察矿业废弃地植被恢复区地 表植被蒸腾和土壤水分蒸发损失总量、光合作用的过程时，植被覆盖度都是作为一个重要 的控制因子而存在；4)植被覆盖度是矿业废弃地植被恢复区水土流失的控制因子之一，植 被覆盖度的高低很大程度上决定着区域内水土流失的强度；5)植被覆盖度是评估植被恢 复区土地退化、盐渍化程度的有效指数。总体上看植被覆盖度是衡量植被恢复区地表植被状况的一个最重要的指标，植被 覆盖度测量方法的改进以及测量精度的提高，是调查和评价矿业废弃地植被恢复状况的当 务之急。目前，传统的地面测量方法主要有目测法、采样法、仪器测量法。目测法主要通过 在地面选取样方，依靠人的经验进行估计，这种方法对人的经验依赖较大，很难保证测量的 准确性与可靠性。采样法通过在样方内采样辅助工具进行统计测量，缺点是操作过于复杂， 时间较长，限制的条件较多。仪器测量法主要有空间定量计法、移动光量计法和数码相机摄 影测量法。空间定量计法、移动光量计法需要使用专用的传感器设备，野外操作不方便。数 码相机摄影测量法利用数码相机平行于地面照相后，依据相片估算植被覆盖度。此方法克5服了其它常用地表测量植被覆盖度方法的缺点，具有结果精度高，稳定性好，省时的特点。 目前应用数码相机进行测量已成为地面测量植被覆盖度的发展趋势，也是地面调查辅助航 空遥感方法的重要手段。 通过查阅文献和对专利信息类网站进行检索，有关利用数码相机测量植被覆盖度 的方法大都是针对广袤的森林或草原地区，计算单一植被盖度。目前针对矿业废弃地植被 恢复区植被特点(地面草本植被稀疏、高度不超过0. 8m，乔木植被高度小于6m)，采用数码 相机近景摄影测量植被覆盖度的方法还未见报道。
技术实现思路
本专利技术要解决的技术问题之一是采用近景摄影的方式，利用支持向量机对矿区植 被与非植被进行分类，同时估算矿区植被覆盖度。本专利技术要解决的技术问题之二是针对矿业废弃地植被恢复区的植被生长特点，构 建专门的植被覆盖度估测系统。为了解决上述第一个技术问题，本专利技术涉及一种基于近景摄影测量方式估算矿区 植被覆盖度的方法，其包括如下步骤S1、对待测矿区进行近景摄影，得到整幅图像的像元，选取植被样本与非植被样 本，分别提取所述植被样本与非植被样本的颜色特征、纹理特征，将所述颜色特征和纹理特 征按相应的顺序构成特征向量；S2、利用植被样本与非植被样本的特征向量，计算植被样本与非植被样本的广义 最优分类面，得到支持向量及对应的参数，采用所述支持向量和径向基核函数构建支持向 量机分类器，作为植被与非植被分类器，即最优分类判别函数方程；S3、提取待测矿区近景摄影图像中待估算数据的颜色特征和纹理特征，构建待估 算数据的特征向量，将该特征向量代入步骤S2所述最优分类判别函数方程中，根据最优分 类判别函数的值区分出植被和非植被；S4、对步骤S3中区分的植被信息进行统计计算，得到植被覆盖度。其中，所述近景摄影测量方式是指用数码相机垂直向下拍摄高度小于0. 8m的矿 区草本植被和/或垂直向上拍摄高度小于6m的矿区木本植被。在步骤S1中，所述颜色特征包括像元的红色、绿色、蓝色、亮度及以所述像元为中 心的3X3方阵的红色平均值、绿色平均值、蓝色平均值；所述纹理特征包括以所述像元为中心的5X5方阵的标准偏差和对比度；所述特征向量为_ 9] / = 其中，R、G、B、I、互、G、5、obb、W。分别表示所述像元的红色、绿色、蓝色、亮度、以所述像元为中心的3X3方阵的红色平均值、绿色平均值、蓝色平均值、以所述像元为中 心的5X5方阵的标准偏差和对比度。在步骤S2中，通过计算训练样本集的n个植被样本与非植被样本(Xl，yi)、(x2, y2)........(xn, yn)的广义最优分类面来计算植被样本与非植被样本的广义最优分类面；所述训练样本集的植被样本与非植被样本的广义最优分类面为yi (w xi-b) ≥ 1~ I i其中，Yi为已知样本的分类状况，的取值为1和-1，当为1时表示样本为植被， 当为-1时表示样本为非植被；Xi为支持向量，其从特征向量中得到；w为特征向量的权重向 量；b为分类阀值，为标量；I i为松弛量，为标量；其中，w、b、I i这3个变量都为需要优化 的参数。通过计算下面的极值问题来计算所述广义最优分类面问题min(1/2丨| HI2 +C'fJ ‘,)Yi(w x「b) ^ l-l i(i = 1,2, . . . , n)DO其中，C为常数，将上述问题表示成拉格朗日乘子式<formula>formula see original document page 7</formula>当 Kuhn-Tucker 条件为<formula>formula see original document page 7</formula><formula>formula see original document page 7</formula><formula>formula see original document page 7</formula><formula>formula see original document page 7</formula><formula>formula see original document page 7</formula>得到<formula>f本文档来自技高网...
【技术保护点】
一种基于近景摄影测量方式估算矿区植被覆盖度的方法，其特征在于，包括如下步骤：Ｓ１、对待测矿区进行近景摄影，得到整幅图像的像元，选取植被样本与非植被样本，分别提取所述植被样本与非植被样本的颜色特征、纹理特征，将所述颜色特征和纹理特征按相应的顺序构成特征向量；Ｓ２、利用植被样本与非植被样本的特征向量，计算植被样本与非植被样本的广义最优分类面，得到支持向量及对应的参数，采用所述支持向量和径向基核函数构建支持向量机分类器，作为植被与非植被分类器，即最优分类判别函数方程；Ｓ３、提取待测矿区近景摄影图像中待估算数据的颜色特征和纹理特征，构建待估算数据的特征向量，将该特征向量代入步骤Ｓ２所述最优分类判别函数方程中，根据最优分类判别函数的值区分出植被和非植被；Ｓ４、对步骤Ｓ３中区分的植被信息进行统计计算，得到植被覆盖度。
【技术特征摘要】
【专利技术属性】
技术研发人员：李道亮，苏伟，邹晓晨，陈英义，李俐，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：11[中国|北京]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。