【技术实现步骤摘要】
本申请涉及遥感生物量检测领域，具体涉及基于高分辨率遥感数据的山区森林生物量识别方法及系统。
技术介绍
1、森林作为陆地生态系统的重要组成部分，对于森林地上生物量的评估是衡量森林生态系统结构、功能以及碳储量的关键指标，在研究碳循环、气候变化以及森林资源的可持续利用等方向具有重要意义。传统生物量调查存在调研成本高、周期长、难以覆盖大区域等问题，尤其在复杂地形或偏远林区的适应性较差，而高分辨率遥感技术则能以非破坏性的方式进行大范围的森林生物量检测评估，支持从样地到区域多尺度的生物量估算。
2、森林植被的遥感特征提取是通过高分辨率遥感数据对山区森林生物量进行识别的核心步骤，坡度在垂直方向上影响着水分和土壤养分的流向，坡度的缓急又对土层厚度有着显著影响，而传统的高分辨率遥感数据评估生物量时，忽略了山区地形因子中坡度与坡向对生物量的影响，无法准确判断山区地形，进而难以准确捕捉到地形因子与生物量之间的复杂特征，导致由于地形因素干扰造成生物量被错估的风险加剧，无法准确识别山区森林生物量状况。
技术实现思路
1、为本文档来自技高网...
【技术保护点】
1.基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，所述各像元的散射特征值的确定方法为：
3.如权利要求1所述的基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，所述各像元的反射离散度的表达式为：；式中，表示像元i的反射离散度；表示第二光谱图中像元i在其邻域内所有方向上反射率梯度值的离散程度；表示第二光谱图中像元i的邻域内所有像元的反射率均值；表示预设大于0的常数。
4.如权利要求1所述的基于高分辨率遥感数据的山区...
【技术特征摘要】
1.基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，所述各像元的散射特征值的确定方法为：
3.如权利要求1所述的基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，所述各像元的反射离散度的表达式为：；式中，表示像元i的反射离散度；表示第二光谱图中像元i在其邻域内所有方向上反射率梯度值的离散程度；表示第二光谱图中像元i的邻域内所有像元的反射率均值；表示预设大于0的常数。
4.如权利要求1所述的基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，所述各像元的坡度特征值为各像元的散射特征值与反射离散度的比值取归一化值的结果。
5.如权利要求1所述的基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，所述将所有聚类簇划分为高坡度阴坡簇和低坡度阳坡簇，包括：
6.如权利要求1所述的基于高分辨率遥感数据的山区森林生物量识别方法，其特征在于，所述各高坡度阴坡簇的纹理特征值为各高坡度阴坡簇内所有像元像素值的...
【专利技术属性】
技术研发人员：闫利会，罗亦宁，蔡璐，周忠发，黄登红，兰颜，舒国香，
申请(专利权)人：贵州师范大学，
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。