[發明專利]融合光譜與紋理特征的森林地上生物量反演方法及系統

有效

• 申請號: 201610058303.8
• 申請日: 2016-01-28
• 公開（公告）號: CN105608293B
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 邵振峰;張鄰晶;彭浩
• 申請（專利權）人: 武漢大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G01N33/00
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種融合光譜與紋理特征的森林地上生物量反演方法，其特征在于，融合遙感影像多光譜數據和全色數據，包括以下步驟：

步驟a，進行研究區樣地地上生物量計算，包括利用地面觀測試驗獲取的樣地單株參數數據集，基于地上生物量計算公式，得到樣地生物量觀測值，記為AGB；

步驟b，進行預處理，包括對高分辨率遙感影像全色數據和多光譜數據進行幾何校正，并對多光譜數據進行輻射校正，得到地表反射率數據，實現方式如下，

利用地面控制點，對高分辨率遙感影像全色數據進行幾何校正；然后利用校正后的全色影像對多光譜數據進行幾何校正；根據絕對輻射定標系數對多光譜影像進行輻射定標，將各波段的數字量化值轉換為表觀輻射亮度，再采用大氣輻射傳輸模型6S計算并獲得大氣校正系數，綜合表觀輻亮度圖像和大氣校正系數，得到反射率圖像；

步驟c，基于預處理后的多光譜數據，提取多種光譜特征植被指數，將步驟1所得樣地生物量觀測值與相應的光譜特征植被指數分別進行統計回歸，選取估測精度最高的模型作為光譜特征反演模型；

步驟d，基于預處理后的全色數據，提取不同窗口下的多種紋理特征變量，將步驟1所得樣地生物量觀測值與相應的紋理特征變量分別進行統計回歸，選取估測效果最好的模型作為紋理特征反演模型，實現方式如下，

針對預處理后的全色數據，采用滯后距離為1個像元，設定紋理檢測方向分別為0°、45°、90°和135°，取四個方向紋理均值作為最后的紋理測度值進行多種紋理特征的提取；每種窗口下的多種紋理特征分別與AGB進行一元線性回歸、每種窗口下的多種紋理特征分別全部與AGB進行逐步多元線性回歸、所有窗口下的全部紋理特征與AGB進行逐步多元線性回歸，選取估測效果最好的模型；

步驟e，通過光譜特征反演模型中光譜關鍵因子與紋理特征反演模型中紋理關鍵因子的敏感性分析，確定光譜與紋理特征各自所占權重，從而構建生物量的光譜紋理特征聯合反演模型，實現森林地上生物量反演；

AGB的光譜紋理特征聯合反演模型如下式：

AGB＝(b×α+c)×f(α)+(1-(b×α+c))×f(β)

其中，f(α)為光譜特征反演模型，α為光譜關鍵因子；f(β)為紋理特征反演模型，β為紋理關鍵因子；b和c為光譜與紋理特征各自所占權重。

2.根據權利要求1所述融合光譜與紋理特征的森林地上生物量反演方法，其特征在于：所述步驟c中，選取的光譜特征植被指數包括歸一化植被指數NDVI、差值植被指數DVI、比值植被指數RVI、增強型植被指數EVI、土壤調節植被指數SAVI和修正土壤調節植被指數MSAVI，其計算公式如下：

DVI＝NIR-R

式中，NIR、R、B分別為近紅外波段、紅光波段和藍光波段的反射率；L為冠層背景調整系數。

3.根據權利要求1所述融合光譜與紋理特征的森林地上生物量反演方法，其特征在于：所述步驟d中，選取的紋理特征變量包括均值ME、均勻性,HOM、對比度CON、相異性DIS、熵ENT、方差VAR、二階矩ASM和相關性COR，其計算公式如下：

式中，i和j分別表示行列號；P_i,j是歸一化后的灰度共生矩陣；N表示計算紋理特征時移動窗口的大小；μ_i、μ_j、σ_i²和σ_j²分別是P_i和P_j的平均值和標準差，P_i和P_j是歸一化后的灰度共生矩陣的第i行和第j列。

4.根據權利要求3所述融合光譜與紋理特征的森林地上生物量反演方法，其特征在于：所述步驟d中，提取紋理特征的窗口大小為3×3、5×5、7×7和9×9；將步驟1所得樣地生物量觀測值與相應的光譜特征植被指數分別進行統計回歸，包括每種窗口下的8種紋理特征分別與AGB進行一元線性回歸、每種窗口下的8種紋理特征分別全部與AGB進行逐步多元線性回歸、4種窗口下的全部紋理特征與AGB進行逐步多元線性回歸。