System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及遥感影像处理,具体涉及基于双轨道雷达卫星的植被分布提取方法、装置及设备。
技术介绍
1、植被是生态系统的重要组成部分,植被覆盖是了解初级生产力、环境承载力、水土流失强度等生态系统状态与功能的重要基础,同时,在气候变化背景下,获取植被在大尺度上的多年分布对于监测生态系统变化和可持续发展意义重大。同时,考虑到传统的获取植被分布的方法,如地面调查采样,需消耗巨大的人力物力。因此,采用遥感影像的方法来提取大尺度的植被分布更为可行。
2、相关技术中,通过光学遥感影像监测地表植被覆盖。例如,基于红光波段和近红外波段的归一化差异型植被指数,快速提取遥感影像中的植被信息。但是云体遮挡严重干扰了光学遥感影像的获取过程。雷达影像如合成孔径雷达能够穿透云层连续监测地表,提取植被分布的应用潜力很高,但其固有的斑噪声降低了单幅合成孔径雷达影像提取植被分布的准确性,需要采用多幅数据抑制噪声干扰并维持数据原有的细节。
3、而传统的基于遥感影像的地表覆盖分布提取往往需要预先对数据进行预处理,使之成为分析就绪数据(analysis ready data),再联合多幅数据进行地表覆盖分布提取,期间涉及大量的平台交互运算,耗时很长,提取效率很低,实现难度较大。
技术实现思路
1、有鉴于此,本专利技术提供了一种基于双轨道雷达卫星的植被分布提取方法、装置及设备,以解决植被分布结果提取效率低的问题。
2、第一方面,本专利技术提供了一种基于双轨道雷达卫星的植被分布提取方法,包括
3、本专利技术通过预设云端地理空间分析平台获取的经过多时相滤波处理的双轨道雷达目标影像集合,首先预设云端地理空间分析平台在云端存储大量的数据并集成分布式云计算接口,因此本专利技术获取数据时无需本地下载和数据处理,便可直接在预设云端地理空间分析平台获取目标影像集合,其次,本专利技术获取到的目标影像集合经过了多时相滤波处理,减少斑噪声的干扰,保留目标影像的纹理细节。本专利技术采集目标区域的矢量目标样本,按照多个预设时间段计算目标影像集合沿时间尺度的统计特征参数,统计特征参数用于凸显植被独特的动态,根据统计特征参数,生成多个预设时间段的第一数理统计特征集合,本专利技术根据第一数理统计特征集合凸显植被区别于其他土地类型的独特的动态,进一步降低噪声的干扰。本专利技术在第一数理统计特征集合中筛选出矢量目标样本对应的第二数理统计特征集合;对第二数理统计特征集合进行分类处理,得到目标植被分布结果。本专利技术与相关技术相比,无需对数据进行过多的预处理,无需调用其他平台进行交互,得到的高植被分布结果更符合实际情况,耗时较少,操作简单,提高植被分布结果的提取效率。
4、在一种可选的实施方式中,目标影像集合包括升轨影像集和降轨影像集;按照多个预设时间段计算目标影像集合沿时间尺度的统计特征参数,包括:使用第一预设函数和第二预设函数,计算升轨影像集的第一最大值、第一最小值以及第一均值,计算降轨影像集的第二最大值、第二最小值以及第二均值;根据第一最大值、第一最小值以及第一均值,计算第一特征参数;其中,第一特征参数包括第一中位数、第一极差、第一标准差、第一变异系数、第一峰度数据以及第一偏度数据;根据第二最大值、第二最小值以及第二均值,计算第二特征参数;其中,第二特征参数包括第二中位数、第二极差、第二标准差、第二变异系数、第二峰度数据以及第二偏度数据;由第一特征参数和第二特征参数组成统计特征参数。
5、本专利技术的目标影像集合中包括升轨影像集和降轨影像集,不同方向的影像使得目标影像合集更加准确,更加贴合实际景象,本专利技术通过计算最大最小值以及均值,根据最大最小值以及均值计算第一特征参数和第二特征参数,由第一特征参数和第二特征参数组成统计特征参数,进一步降低噪声的干扰,从而使得统计特征参数更具有代表性,更准确,凸显植被区别于其他土地类型的独特的动态变化。
6、在一种可选的实施方式中,根据统计特征参数,生成多个预设时间段的第一数理统计特征集合,包括:将统计特征参数中的第一特征参数和第二特征参数叠加,得到第一数理统计特征集合。
7、在一种可选的实施方式中,对第二数理统计特征集合进行分类处理,得到目标植被分布结果,包括:按照多个预设时间段将第二数理统计特征集合输入至训练完成的监督分类模型,得到目标区域的多个预设时间段的植被分布结果;将目标区域的多个预设时间段的植被分布结果叠加,得到目标植被分布结果。
8、本专利技术根据监督分类模型进行植被分布结果的提取,由于监督分类模型经过大量的训练,提取的目标植被分布结果更加准确。
9、在一种可选的实施方式中,获取目标区域的目标影像集合,包括:将目标区域的边界导入预设云端地理空间分析平台,获取预设时间段的预设分辨率的升轨和降轨的地面距离检测影像;对地面距离检测影像进行多时相滤波处理,根据处理完成的地面距离检测影像的集合,得到目标影像集合。
10、在一种可选的实施方式中,采集目标区域的矢量目标样本,包括:根据预设云端地理空间分析平台提供的数字影像,采集目标区域的样本集合;其中,样本集合包括标签为第一预设值的多个植被样本和标签为第二预设值的多个非植被样本;将样本集合的格式转化为矢量格式,得到矢量目标样本。
11、本专利技术将样本集合的格式转化为矢量格式,从而使得样本集合更加稳定,占用的存储空间更小。
12、在一种可选的实施方式中,基于双轨道雷达卫星的植被分布提取方法还包括对监督分类模型的训练过程,训练监督分类模型的过程,包括:获取历史数理统计特征集合,将历史数理统计特征集合输入至监督分类模型,对监督分类模型进行训练,其中,监督分类模型的输入为历史数理统计特征集合,监督分类模型的输出为多个预设时间段的植被分布结果。
13、第二方面,本专利技术提供了一种基于双轨道雷达卫星的植被分布提取装置,包括:
14、数据获取模块,用于获取目标区域的目标影像集合;目标影像集合表示通过预设云端地理空间分析平台获取的经过多时相滤波处理的双轨道雷达影像集合;样本采集模块,用于采集目标区域的矢量目标样本;其中,矢量训练样本表示将植被样本和非植被样本转化为矢量点的形式的目标样本;第一数理统计特征集合确定模块,用于按照多个预设时间段计算目标影像集合沿时间尺度的统计特征参数,根据统计特征参数,生成多个预设时间段的第一数理统计特征集合;第二数理统计特征集合确定模块,用于在第一数理统计特征集合中筛选出矢量目标样本对应的第二数理统计本文档来自技高网...
【技术保护点】
1.一种基于双轨道雷达卫星的植被分布提取方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述目标影像集合包括升轨影像集和降轨影像集;所述按照多个预设时间段计算所述目标影像集合沿时间尺度的统计特征参数,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述统计特征参数,生成所述多个预设时间段的第一数理统计特征集合,包括:
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述对所述第二数理统计特征集合进行分类处理,得到目标植被分布结果,包括:
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述获取目标区域的目标影像集合,包括:
6.根据权利要求1至3中任一项所述的方法,其特征在于,所述采集所述目标区域的矢量目标样本,包括:
7.根据权利要求4所述的方法,其特征在于,所述方法还包括对监督分类模型的训练过程,训练所述监督分类模型的过程,包括:
8.一种基于双轨道雷达卫星的植被分布提取装置,其特征在于,所述装置包括:
9.一种计算机设备,其特征在
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机指令,所述计算机指令用于使计算机执行权利要求1至7中任一项所述的基于双轨道雷达卫星的植被分布提取方法。
...【技术特征摘要】
1.一种基于双轨道雷达卫星的植被分布提取方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述目标影像集合包括升轨影像集和降轨影像集;所述按照多个预设时间段计算所述目标影像集合沿时间尺度的统计特征参数,包括:
3.根据权利要求2所述的方法,其特征在于,所述根据所述统计特征参数,生成所述多个预设时间段的第一数理统计特征集合,包括:
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述对所述第二数理统计特征集合进行分类处理,得到目标植被分布结果,包括:
5.根据权利要求1至3中任一项所述的方法,其特征在于,所述获取目标...
【专利技术属性】
技术研发人员:郝芳华,费俊源,张璇,李冲,付永硕,
申请(专利权)人:北京师范大学,
类型:发明
国别省市:
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。