地形调节植被指数的地形调节优化方法技术

本发明专利技术涉及一种地形调节植被指数的地形调节优化方法，其特征在于：利用光学遥感影像自身的波段信息及其派生信息进行优化，包括以下步骤：构建地形调节植被指数ＴＡＶＩ、选择样区、影像分类、优化匹配，能准确、快速地反演复杂地形山区植被信息，为复杂地形山区植被（森林）制图、植被覆盖度监测、森林覆盖率评估、叶面积指数反演提供重要手段，并可以为森林生物量、生产力、光合有效辐射吸收等生物物理与生物化学参数的估算提供重要计算参数，具有良好的实用价值。

【技术实现步骤摘要】

本专利技术涉及一种。
技术介绍
复杂地形山区，由于地形起伏改变了太阳辐射在地表的分布，对于同一波段，在多光谱遥感影像中山体阴坡部分的辐射亮度值偏小，而阳坡部分的辐射亮度值偏大，导致影 像信息发生畸变，由相应波段生成的植被指数信息失真，严重影响了地物植被信息的准确 反演。地形影响成为山区植被信息遥感准确反演的主要障碍之一。目前，常规的处理方法是在计算植被指数前先进行地形校正。地形校正的方法可 分为两大类，一类是基于DEM数据的地形校正，主要有(1)经验统计模型，经典算法有余弦 校正、C校正、SCS校正、SCS+C校正、Proy校正等；(2)基于辐射传输理论的物理模型，通过 研究光与地表作用的物理过程进行地形校正；(3)基于统计分析的地形辐射校正，如矩匹 配算法。这些方法都有效果，但程度不一，对植被信息的改善程度也各异；更为严重的问题 是，这些常规的地形校正方法都需要高精度DEM数据的支持。由于DEM数据的引入有可能 引入新的误差，DEM数据的更新往往又落后于实际地形因自然、人为因素带来的变化，特别 是高精度DEM数据的获取受到限制，很大程度上制约了此类地形校正方法的效果和应用推 广。另一类地形校正方法无需DEM数据的支持，如采用波段比模型的方法，由于地形变化对 不同波段的影响不同，因此该模型只能起到压抑地形影响的作用，而达不到理想的地形校 正效果；灰度线性匹配方法由于选择的样本不能涵盖全体影像，因此仅用此推导的一个线 性函数进行波段的校正有较大的局限性；而对城市高分辨率遥感影像中云朵、建筑物阴影 去除的方法能否提高山区植被指数信息反演精度未见相关研究。针对上述各种方法的不足，本人专利技术了地形调节植被指数(又名地形校正植被指 数)的构造方法(国家专利申请号200910111688. X)。依据该方法构建的植被指数无需DEM 等数据的支持，就能有效消除地形对植被信息的影响。对于该植被指数中的关键因子—— 地形调节因子(又名地形校正因子)的优化算法，《地形校正植被指数的构造方法》(国家专 利申请号200910111688. X)中提出了一种基于地面调查数据的优化算法；由于该优化算法 需要地面调查数据或野外考察数据的支持，实际应用中受到一定的限制。为此，设计一种不 依赖于地面调查数据或野外考察数据的地形调节优化算法，对地形调节植被指数在复杂地 形山区植被信息准确反演的成功应用与业务化推广具有重要的科学意义与经济价值。
技术实现思路
本专利技术的目的是提供一种，其能准确、快 速地反演复杂地形山区植被信息，为复杂地形山区植被(森林)制图、植被覆盖度监测、森林 覆盖率评估、叶面积指数反演提供重要手段，并可以为森林生物量、生产力、光合有效辐射 吸收等生物物理与生物化学参数的估算提供重要计算参数。专利技术采用以下技术方案实现一种，其特征在于利用光学遥感影像自身的波段信息及其派生信息进行优化，包括以下步骤(1)构建地形调节植被指数TAVI，其计算公式为TAVI=CVI+TAC*SVI ；其中，CVI表示常用植被指数，SVI表示阴影植被指数；TAC表示地形调节因子，相应的计算公式为SVI= [MAX(Br) -BJ/Br ；其中，B^表示红波段数据，MAX(B》表示研究区红波段数据的最 大值。(2)选择样区检查遥感影像质量，在复杂地形山区选择一定大小的面状区域，确 保样区影像“噪声”干扰最小、具有强烈的地形影响、面积足够大；(3)影像分类应用常规非监督分类方法把样区遥感影像中的植被划分成阴坡与阳坡 两大类；(4)优化匹配设计循环程序，令TAC从0开始，以0.001为间隔，依次递增，同时考察 阴坡部分TAVI的最大值Mtavi 与阳坡部分TAVI的最大值Mtavi阳，当Mtavi吧与Mtavi ^相等或近 似相等时，退出循环，最终确定TAC优化结果；若当TAC累增至5时，Mtavisi与Mtavih还不满 足条件，则返回步骤(2 )，重新选择样区，重复步骤(2 )至步骤(4)，直至Mtavi κ与Mtavi阳满足 相等或相近的条件。本专利技术具有如下优点第一，地形校正效果显著。该优化方法确定的地形调节因子，保证地形调节植被指数能 有效消除地形影响对植被信息的干扰。通过在实验样区对该方法确定的地形调节植被指数 与太阳入射角余弦值的线性回归分析，表明该方法确定的地形调节植被指数与太阳入射角 余弦值的相关系数和线性回归方程斜率可以降至最小，明显优于其它常用植被指数，并比 普通的大气校正或地形校正效果更优。第二，数据需求少，成本低。该优化方法只需要遥感影像自身携带的波段数据，无 需地面调查数据或实地考察数据等的支持，数据成本与时间成本实现最小化。第三，流程简单，可操作性强。该优化方法主要由“选择样区”、“影像分类”与“优 化匹配”三个步骤就可确定地形调节因子的优化结果，流程简单，容易操作，有助于地形调 节植被指数的业务化应用与推广。附图说明图1是本专利技术的技术流程示意图。 具体实施例方式如图1所示，本专利技术提供一种，其特征在 于利用光学遥感影像自身的波段信息及其派生信息进行优化，包括以下步骤(1)构建地形调节植被指数TAVI 地形调节植被指数的基本计算公式如下 TAVI=CVI+TAC*SVI其中，CVI表示常用植被指数，如归一化植被指数NDVI、比值植被指数RVI等；SVI表示 阴影植被指数；TAC表示地形调节因子，相应具体计算公式如下 NDVI= (Bnir-Br)/(Bnir+Br) RVI=Bnir/BrSVI= /Br其中，B*表示近红外波段数据，B^表示红波段数据，MAX(Br)表示研究区红波段数据的最大值(这里要说明的是本实施例子中，遥感影像波段数据都以表观反射率作为实验数 据，若无特别说明，下文中的植被指数计算都以表观反射率为基础)。(2)选择样区检查遥感影像质量，在复杂地形山区选择一定大小的面状区域，确 保样区影像“噪声”干扰最小、具有强烈的地形影响、面积足够大(这里较佳的面积是大于10 平方公里)；(3)影像分类应用常规非监督分类方法把样区遥感影像中的植被划分成阴坡与阳坡 两大类，如最大似然法或模糊聚类方法等；(4)优化匹配根据公式TAVI=CVI+TAC*SVI，设计TAVI优化循环程序令TAC从0开 始，以0. 001为间隔，依次递增，同时考察阴坡部分TAVI的最大值Mtavisi与阳坡部分TAVI的 最大值Mtavi阳，当Mtavi吧与Mtavi相等或近似相等时，退出循环，最终确定TAC优化结果；若当 TAC累增至5时，Mtavisi与Mtavih还不满足条件，则返回步骤(2)，重新选择样区，重复步骤(2) 至步骤(4)，直至Mtavi吧与Mtavi 满足相等或相近的条件。以上所述仅为本专利技术的较佳实施例，凡依本专利技术申请专利范围所做的均等变化与 修饰，皆应属本专利技术的涵盖范围。权利要求一种，其特征在于利用光学遥感影像自身的波段信息及其派生信息进行优化，包括以下步骤(1)构建地形调节植被指数TAVI，其计算公式为TAVI = CVI + TAC * SVI ； 其中， CVI表示常用植被指数，SVI表示阴影植被指数；TAC表示地形调节因子，相应的计算公式为SVI = / Br ；其中， Br表示红波段数据，MAX(Br)本文档来自技高网...

【技术保护点】
一种地形调节植被指数的地形调节优化方法，其特征在于：利用光学遥感影像自身的波段信息及其派生信息进行优化，包括以下步骤：（１）构建地形调节植被指数ＴＡＶＩ，其计算公式为：ＴＡＶＩ＝ＣＶＩ＋ＴＡＣ＊ＳＶＩ；其中，ＣＶＩ表示常用植被指数，ＳＶＩ表示阴影植被指数；ＴＡＣ表示地形调节因子，相应的计算公式为：ＳＶＩ＝［ＭＡＸ（Ｂ↓［ｒ］）－Ｂ↓［ｒ］］／Ｂｒ；其中，Ｂ↓［ｒ］表示红波段数据，ＭＡＸ（Ｂｒ）表示研究区红波段数据的最大值。（２）选择样区：检查遥感影像质量，在复杂地形山区选择一定大小的面状区域，确保样区影像“噪声”干扰最小、具有强烈的地形影响、面积足够大；（３）影像分类：应用常规非监督分类方法把样区遥感影像中的植被划分成阴坡与阳坡两大类；（４）优化匹配：设计循环程序，令ＴＡＣ从０开始，以０．００１为间隔，依次递增，同时考察阴坡部分ＴＡＶＩ的最大值Ｍ↓［ＴＡＶＩ阴］与阳坡部分ＴＡＶＩ的最大值Ｍ↓［ＴＡＶＩ阳］，当Ｍ↓［ＴＡＶＩ阴］与Ｍ↓［ＴＡＶＩ阳］相等或近似相等时，退出循环，最终确定ＴＡＣ优化结果；若当ＴＡＣ累增至５时，Ｍ↓［ＴＡＶＩ阴］与Ｍ↓［ＴＡＶＩ阳］还不满足条件，则返回步骤（２），重新选择样区，重复步骤（２）至步骤（４），直至Ｍ↓［ＴＡＶＩ阴］与Ｍ↓［ＴＡＶＩ阳］满足相等或相近的条件。...

【技术特征摘要】

【专利技术属性】
技术研发人员：江洪，
申请(专利权)人：福州大学，
类型：发明
国别省市：35[中国|福建]