[發明專利]基于光譜指數排序法的水生植被遙感分類閾值計算方法

在審

• 申請號: 201711261993.8
• 申請日: 2017-12-04
• 公開（公告）號: CN107944413A
• 公開（公告）日: 2018-04-20
• 發明（設計）人: 羅菊花;馬榮華;段洪濤;閆大鵬
• 申請（專利權）人: 中國科學院南京地理與湖泊研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62
• 代理公司: 江蘇致邦律師事務所32230
• 代理人: 徐蓓,尹妍

技術領域

本發明屬于遙感應用領域，涉及一種基于光譜指數排序法的水生植被遙感分類閾值計算方法。

背景技術

水生植物是湖泊生態系統重要的組成部分，也是湖泊生態系統的重要調節者和指示者。水生植物的實時、快速監測對湖泊生態系統生態功能的評估具有指導意義，同時，對濁水態湖泊生態系統的修復和水生植物的打撈等具有重要的現實意義。

衛星遙感技術具有快速、實時、大范圍和周期性的特點，是淺水湖泊水生植被時空分布監測的有效手段，并開展了一些相關研究。目前的水生植被遙感監測方法大多是決策樹分類法，在決策樹中，用于提取樹結點的分類光譜指數是相同的，但其分類閾值是會隨影像的不同而變化，大多是通過與影像同步的大量實測樣點訓練獲取，但對于那些沒有大量的同步實測樣點影像，尤其是歷史影像，如何確定決策樹中光譜指數的分類閾值，現有技術尚無相關報道。

發明內容

本發明針對“水生植物遙感提取研究中光譜指數分類閾值不確定”的問題，提出了基于光譜指數排序法的水生植被遙感分類閾值計算方法，所述水生植物包括水面以上的植被(浮葉類植被)和水面以下的植被(沉水植被)，其包括以下步驟：

步驟一、獲取研究區兩個時刻的衛星遙感影像，并進行影像預處理得到M₁和M₂影像；

步驟二、分別獲取M₁和M₂影像的分類特征圖像(FVSI₁和SVSI₁以及FVSI₂和SVSI₂)；

步驟三、在M1和M₂影像上選取均為浮葉類植被的ROI_a區和均為沉水植被的ROI_b區；

步驟四、根據大量實測樣點，確定M₁影像的FVSI₁和SVSI₁圖像的兩類水生植被分類閾值m₁和n₁；

步驟五、對ROI_a區和ROI_b區進行光譜指數排序，對ROI_a排序后的FVSI₁和FVSI₂進行線性回歸建模，得到FVSI模型；對ROI_b排序后的SVSI₁和SVSI₂進行線性回歸建模，得到SVSI模型；

步驟六、將m₁和n₁分別帶入FVSI模型和SVSI模型，即得到M₂影像的FVSI₂和SVSI₂識別兩類水生植被的分類閾值m₂和n₂。

其中，所述步驟一中的影像預處理包括輻射校正、幾何校正和研究區裁剪，其中所述輻射校正指輻射定標和大氣校正。

其中，所述步驟二中的FVSI圖像指浮葉植被敏感光譜指數圖，SVSI指沉水類植被敏感光譜指數圖；FVSI₁和SVSI₁為M₁影像的FVSI圖像和SVSI圖像，FVSI₂和SVSI₂指M₂影像的FVSI圖像和SVSI圖像。

其中，FVSI計算公式如下：

FVSI＝PC₂，

其中，PC₂為研究區影像主成分變換后的第二主成分。

其中，所述的PC₂獲取步驟如下：利用獲取的研究區影像，進行主成分變換，所述主成分變換的步驟如下：

步驟(a)、以矩陣的形式來表示多光譜影像的原始數據，則設獲取的研究區影像數據矩陣為X，如下：

其中，n為影像的波段數，n＝1,2,3,4；p為影像每個波段影像中的像元數，矩陣中每一行矢量表示一個波段的圖像；i＝1,2,3,….p,k＝1,2,3,….n；

步驟(b)、基于矩陣X，通過Y＝TX對圖像進行變換得到主成分變換后的圖像數據矩陣Y，T為變換矩陣，求解變換矩陣T；

所述的變換矩陣T為X空間協方差∑x_i的特征向量矩陣的轉置矩陣，其求解步驟如下：

1)根據原始圖像數據矩陣X，求出X的協方差矩陣S為：